Espaces préhilbertiens réels

Chapitre 3

Abdelhak ESSANHAJI

1
Sommaire

1 Rappels de première année . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Sous-espaces vectoriels orthogonaux . . . . . . . . . . . . . . . . . 7
1.4 Bases orthonormées . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5 Orthonormalisation de Gram-Schmidt . . . . . . . . . . . . . . . . 12
1.6 Projecteurs et symétries orthogonaux . . . . . . . . . . . . . . . . . 15
2 Matrices orthogonales, Endomorphismes orthogonaux . . . . . . . . . . . 20
2.1 Matrices orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Endomorphismes orthogonaux . . . . . . . . . . . . . . . . . . . . . 22
2.3 Réduction des endomorphismes orthogonaux . . . . . . . . . . . . . 24
3 Endomorphismes symétriques, théorème spectral . . . . . . . . . . . . . . 27
3.1 Endomorphismes symétriques . . . . . . . . . . . . . . . . . . . . . 27
3.2 Théorème spectral . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
4 Formes linéaires d’un espace euclidien, adjoint d’un endomorphisme . . . 29
4.1 Endomorphismes autoadjoints positifs . . . . . . . . . . . . . . . . 32

2
CPGE - Ibn Ghazi 2024/2025

Dans tout ce chapitre, E désigne un R-espace vectoriel.

1 Rappels de première année

1.1 Produit scalaire
Définition 1.1: Produit scalaire
ˆ On appelle produit scalaire sur E, une application : u : E × E → R vérifiant :

– u est une forme bilinéaire : ∀x, y, z ∈ E, ∀α ∈ R

* u(αx + y, z) = αu(x, z) + u(y, z)
* u(x, αy + z) = αu(x, y) + u(x, z)
– u est symétrique : ∀x, y ∈ E, u(x, y) = u(y, x)
– u est positive : ∀x ∈ E, u(x, x) ≥ 0
– u est définie : ∀x ∈ E, u(x, x) = 0 ⇒ x = 0

ˆ Un R-espace vectoriel E muni d’un produit scalaire est appelé un espace

préhilbertien réel.

ˆ Un espace préhilbertien réel de dimension finie est appelé un espace euclidien.

ˆ On note ⟨x, y⟩ au lieu de u(x, y).

Remarque 1.1:
ˆ u est linéaire par rapport à une variable et symétrique ⇒ u est bilinéaire.

ˆ u est définie et positive ⇔ ∀x ∈ E \ {0}, u(x, x) > 0.

Définition 1.2: Norme euclidienne

Soit (E, ⟨, ⟩) un espace préhilbertien réel. On définit la norme euclidienne associée
au produit scalaire ⟨, ⟩ par :
p
∀x ∈ E, ∥x∥ = ⟨x, x⟩

Proposition 1.1: Définition : Norme euclidienne

L’application suivante, notée ∥ · ∥, associe à chaque vecteur x ∈ E un réel positif :

E −→ R+
∥·∥: p
x 7−→ ∥x∥ = ⟨x, x⟩,
où ⟨·, ·⟩ désigne le produit scalaire de E. Cette norme vérifie les axiomes suivants :

Abdelhak ESSANHAJI 3/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

1. Séparation (N.1) :

∀x ∈ E, ∥x∥ = 0 =⇒ x = 0E .

2. Homogénéité (N.2) :

∀λ ∈ R, ∀x ∈ E, ∥λx∥ = |λ| ∥x∥.

3. Inégalité triangulaire (N.3) :

∀x, y ∈ E, ∥x + y∥ ≤ ∥x∥ + ∥y∥.

On dit que ∥ · ∥ est la norme euclidienne de E associée à son produit scalaire.

Définition 1.3: vecteur unitaire

p
Un vecteur x de E est dit vecteur unitaire ou normalisé si ∥x∥ = ⟨x, x⟩ = 1

Théorème 1.1: Règles de calcul

Pour tout vecteurs x, y ∈ E :

1. ∥x + y∥2 = ∥x∥2 + 2⟨x, y⟩ + ∥y∥2 et ∥x − y∥2 = ∥x∥2 − 2⟨x, y⟩ + ∥y∥2

2. Égalité du parallélogramme :

∥x + y∥2 + ∥x − y∥2 = 2(∥x∥2 + ∥y∥2 )

3. Identité de polarisation :
1
⟨x, y⟩ = (∥x + y∥2 − ∥x − y∥2 )
4

4. Pour des vecteurs x1 , ..., xn , y1 , ..., ym ∈ E et des scalaires α1 , ..., αn , β1 , ..., βm ∈

R, * n +
X m
X Xn X m
α i xi , βj y j = αi βj ⟨xi , yj ⟩
i=1 j=1 i=1 j=1

n 2 n
X X X
αi xi = αi2 ∥xi ∥2 + 2 αi αj ⟨xi , xj ⟩
i=1 i=1 1≤i<j≤n

Abdelhak ESSANHAJI 4/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Théorème 1.2: Inégalité de Cauchy-Schwartz

Pour tous vecteurs x, y ∈ E, on a l’inégalité de Cauchy-Schwartz :

|⟨x, y⟩| ≤ ∥x∥∥y∥

Avec 
x = 0

|⟨x, y⟩| = ∥x∥∥y∥ ⇔ ou

∃α ∈ R, y = αx


et 
x = 0

⟨x, y⟩ = ∥x∥∥y∥ ⇔ ou

∃α ∈ R+ , y = αx


Exemple 1.1: Quelques exemples de produits scalaires

1. Produit scalaire canonique sur Rn : Si X = (x1 , ..., xn ), Y = (y1 , ..., yn ) ∈ Rn ,

n
X
⟨X, Y ⟩ = xk y k
k=1
v
u n
uX
∥X∥ = t x2 k
k=1
v v
n
X
u n u n
uX uX
2
xk y k ≤t xk t yk2 (Cauchy-Schwartz)
k=1 k=1 k=1

2. Produit scalaire canonique sur Mn,p (R) : Si A, B ∈ Mn,p (R),

⟨A, B⟩ = T r(t AB)

p
∥A∥ = T r(t AA)
p p
|T r(t AB)| ≤ T r(t AA) T r(t BB) (Cauchy-Schwartz)

3. Un produit scalaire sur l’espace des fonctions continues sur [a, b], E =
C([a, b], R) : Si u, g ∈ E,
Z b
⟨u, g⟩ = u(t)g(t)dt
a
s
Z b
∥f ∥ = u(t)2 dt
a

Abdelhak ESSANHAJI 5/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

s s
Z b Z b Z b
u(t)g(t)dt ≤ u(t)2 dt g(t)2 dt (Cauchy-Schwartz)
a a a

Exercice 1.1: 1
On note ℓ2 (R) = {(xn )n∈N ∈ RN / x2n converge}
P
n≥0

1. Montrer que ℓ2 (R) est un R-espace vectoriel.

2. Soit x = (xn )n∈N , y = (yn )n∈N ∈ ℓ2 (R),

P
(a) Montrer que xn yn converge.
n≥0
+∞
P
(b) On pose alors ⟨x, y⟩ = xn y n
n=0
Vérifier que ⟨, ⟩ définit un produit scalaire sur ℓ2 (R).

Exercice 1.2:
Soit a ∈ R un réel. Pour tout P, Q ∈ Rn [X], on pose
n
X
< P, Q >= P (k) (a)Q(k) (a)
k=0

Montrer que <, > est un produit scalaire sur Rn [X].

1.2 Orthogonalité
On considère dans ce paragraphe un espace préhilbertien réel (E, ⟨·, ·⟩).

Définition 1.4: Vecteurs orthogonaux

ˆ Deux vecteurs x et y de E sont dits orthogonaux si :

⟨x, y⟩ = 0.

ˆ Une famille (xi )i∈I de vecteurs de E est dite orthogonale si :

∀i, j ∈ I, i ̸= j =⇒ ⟨xi , xj ⟩ = 0.

ˆ Une famille (xi )i∈I de vecteurs de E est dite orthonormale si :

∀i, j ∈ I, ⟨xi , xj ⟩ = δi,j ,

où δi,j désigne le symbole de Kronecker.

Abdelhak ESSANHAJI 6/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Remarque 1.2:
ˆ ∀x ∈ E, on a : 0E ⊥ x

ˆ x ∈ E. x ⊥ x ssi x = 0E

Théorème 1.3: Identité de Pythagore

1. Soient x et y deux vecteurs de E. Alors :

⟨x, y⟩ = 0 (x et y sont orthogonaux ) ⇐⇒ ∥x + y∥2 = ∥x∥2 + ∥y∥2 .

2. Soient x1 , x2 , . . . , xn des vecteurs de E. Alors :

n 2 n
X X
(xk )1≤k≤n est une famille orthogonale =⇒ xk = ∥xk ∥2 .
k=1 k=1

Remarque 1.3: Remarque

En général, la réciproque de (2) est fausse si n ≥ 3, comme le montre l’exemple

suivant : On munit E = R2 du produit scalaire canonique, avec :

x1 = (1, 0), x2 = (0, 1), x3 = (1, −1).

Théorème 1.4: Liberté d’une famille orthogonale

Toute famille (xi )i∈I orthogonale de vecteurs non nuls de E est libre.

Corollaire 1.1:
Toute famille (xi )i∈I orthonormale de vecteurs de E est libre.

1.3 Sous-espaces vectoriels orthogonaux

Définition 1.5: Orthogonal d’une partie

Soit A une partie de E. On définit l’orthogonal de A, noté A⊥ , par :

A⊥ = {x ∈ E | ∀a ∈ A, ⟨a, x⟩ = 0}.

Proposition 1.2: Propriétés de l’orthogonal

Soient A une partie E.

A⊥ est un sous-espace vectoriel de E.

Abdelhak ESSANHAJI 7/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Exemple 1.2:
1.
E⊥ = {0} et {0}⊥ = E.

2. Si F = Vect (ek )1⩽k⩽m alors

F ⊥ = {x ∈ E, ∀1 ⩽ k ⩽ m, (ek | x) = 0}

Proposition 1.3: Propriétés de l’orthogonal

Soient A et B deux parties de E.

1. A ⊂ B =⇒ B ⊥ ⊂ A⊥ .

2. A⊥ = (Vect(A))⊥ .

⊥
3. A ⊂ A⊥ .

Exercice 1.3:
1. Dans R3 déterminer l’orthogonal de :

F = {(x, y, z) ∈ R3 ; x − y + z = 0}

+∞ +∞
an X n et Q = bn X n on pose :
P P
2. Dans R[X] pour tout polynômes P =
n=0 n=0

+∞
X
(P |Q) = an bn
n=0

(a) Montrer que l’on définit ainsi un produit scalaire sur R[X]
(b) On considère :

F = {P ∈ R[X] ; P (0) = 0}
G = {P ∈ R[X] ; P (1) = 0}

Vérifier que F et G sont deux hyperplans vectoriels de R[X] et montrer

que :

F ⊥ = R0 [X]
G⊥ = {0}

⊥
(c) En déduire que l’inclusion A ⊂ A⊥ peut être stricte.

Abdelhak ESSANHAJI 8/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

3. Exemple Considérons E = ℓ2 (N, R) muni de son produit scalaire usuel. Soit

F = R(N) = u ∈ RN / ∃N ∈ N, ∀n ⩾ N, un = 0


F est un sous-espace vectoriel de E. Déterminons F ⊥ .

Sous-espaces vectoriels orthogonaux

Définition 1.6: Sous-espaces orthogonaux

Deux sous-espaces vectoriels F et G de E sont dits orthogonaux si :

∀(x, y) ∈ F × G, ⟨x, y⟩ = 0.

Parfois on note F ⊥ G pour exprimer que F et G sont orthogonaux.

Remarque 1.4:

F et F ⊥ sont des sous-espaces vectoriels orthogonaux.

Exemple 1.3:

On munit E = Mn (R) du produit scalaire canonique :

⟨A, B⟩ = Tr t AB .

L’espace des matrices réelles symétriques Sn (R) et l’espace des matrices réelles an-
tisymétriques An (R) sont orthogonaux.

Proposition 1.4:
On a équivalence entre :
1. F et G sont orthogonaux ;

2. F ⊂ G⊥ ;

3. G ⊂ F ⊥ .

Abdelhak ESSANHAJI 9/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Somme directe orthogonale

Remarque 1.5:

Si F et G sont orthogonaux, alors F ∩ G = {0E }, car :

x ∈ F ∩ G ⇒ (x | x) = 0.

Ainsi, deux sous-espaces vectoriels orthogonaux sont en somme directe. Plus

généralement :

Proposition 1.5:
Si F1 , . . . , Fm sont des sous-espaces vectoriels de E, deux à deux orthogonaux, alors
ceux-ci sont en somme directe.

Définition 1.7:
Lorsque les sous-espaces vectoriels F1 , . . . , Fm sont deux à deux orthogonaux, on dit
n
⊥
L
qu’ils sont en somme directe orthogonale et leur somme est notée Fk .
k=1

Exemple 1.4:

Les espaces F et F ⊥ sont en somme directe orthogonale.

Supplémentaire orthogonal

Définition 1.8:
Deux sous-espaces vectoriels F et G sont dits supplémentaires orthogonaux s’ils
sont à la fois supplémentaires et orthogonaux, c’est-à-dire si :

E = F ⊕⊥ G.

Théorème 1.5:
Si F et G sont supplémentaires orthogonaux alors :

F ⊥ = G et G⊥ = F.

Corollaire 1.2:
Si F admet un supplémentaire orthogonal, celui-ci est unique et c’est F ⊥ . On dit
alors que F ⊥ est le supplémentaire orthogonal de F .

Abdelhak ESSANHAJI 10/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Danger 1.1:

Il se peut que F et F ⊥ ne soient pas supplémentaires.

Exemple 1.5:

Dans E = ℓ2 (N, R) muni du produit scalaire usuel, considérons F = R(N) . Ici,

F ⊥ = {0}, donc F et F ⊥ ne sont pas supplémentaires.

Corollaire 1.3:
Si F admet un supplémentaire orthogonal, alors F ⊥⊥ = F .

1.4 Bases orthonormées

On considère un espace euclidien (E, ⟨·, ·⟩). On note n la dimension de E.

Définition 1.9: Bases orthogonales et orthonormales

Une base B = (e1 , . . . , en ) de E est dite :

1. Orthogonale si ∀i, j ∈ J1, nK, i ̸= j =⇒ ⟨ei , ej ⟩ = 0.

2. Orthonormale si ∀i, j ∈ J1, nK, ⟨ei , ej ⟩ = δi,j , où δi,j est le symbole de
Kronecker.

Exemple 1.6:
1. La base canonique de Rn est orthonormale pour le produit scalaire canonique
de Rn .

2. La base canonique de Mn (R) est orthonormale pour le produit scalaire canon-

ique de Mn (R).

Théorème 1.6: Calculs dans une base orthonormale

Soit B = (e1 , . . . , en ) une base orthonormale de E.
n
P
1. ∀x ∈ E, x= ⟨x, ek ⟩ek .
k=1

n
P n
P
2. Si x = xk ek et y = yk ek , alors :
k=1 k=1

n
X
⟨x, y⟩ = xk yk .
k=1

Abdelhak ESSANHAJI 11/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

n
P
3. Si x = xk ek , alors :
k=1 v
u n
uX
∥x∥ = t x2 . k
k=1

Exercice 1.4:
Soient a0 , . . . , an ∈ R des réels deux à deux distincts. Pour P, Q ∈ Rn [X], on pose :
n
X
⟨P, Q⟩ = P (ak ) Q (ak ) .
k=0

1. Montrer que ⟨·, ·⟩ définit un produit scalaire sur Rn [X].

 
Qn X − ak
2. Pour i ∈ J0, nK, on pose Li =
k=1 ai − ak
k̸=i

(a) Vérifier que (L0 , L1 , . . . , Ln ) est une base orthonormale de Rn [X].

Pn
(b) En déduire que ∀P ∈ Rn [X], P = P (ak ) Lk .
k=0

1.5 Orthonormalisation de Gram-Schmidt

Théorème 1.7: Procédé de Gram-Schmidt
Soit E un espace préhilbertien réel. Si (e1 , . . . , ep ) est une famille libre de E, alors il
existe une unique famille orthonormale (v1 , . . . , vp ) de E telle que :

1. Vect (v1 , . . . , vk ) = Vect (e1 , . . . , ek ) pour tout k ∈ J1, pK,

2. ⟨vk , ek ⟩ > 0.

La famille (v1 , . . . , vp ) est donnée par :

e1
v1 = ,
∥e1 ∥
k−1
P
ek − ⟨ek , vi ⟩vi
i=1
∀k ∈ J2, pK, vk = k−1
.
P
ek − ⟨ek , vi ⟩vi
i=1

Abdelhak ESSANHAJI 12/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Remarque 1.6:

Si (e1 , . . . , ep ) est un famille orthonormale alors, (v1 , . . . , vp ) = (e1 , . . . , ep )

Corollaire 1.4:
1. Existence d’une base orthonormale : Tout espace euclidien E non nul
admet au moins une base orthonormale.

2. Théorème de la base orthonormale incomplète : Toute famille orthonor-

male (v1 , . . . , vp ) d’un espace euclidien E de dimension n (p ≤ n) peut être
complétée en une base orthonormale (v1 , . . . , vp , vp+1 , . . . , vn ).

Remarque 1.7: Algorithme d’Orthonormalisation

Dans la pratique, pour orthonormaliser une base (e1 , . . . , en ), on procède comme

suit :

1. On pose u1 = e1 .

2. On pose u2 = e2 + λu1 et on détermine λ pour que (u1 | u2 ) = 0.

3. On pose u3 = e3 + λu1 + µu2 et on détermine λ et µ pour que

(u1 | u3 ) = (u2 | u3 ) = 0.

4. .....

5. On forme la base orthonormale (v1 , . . . , vn ) en normant chaque vecteur, c’est-

à-dire
u1 u2 un
v1 = , v2 = , . . . , vn = .
∥u1 ∥ ∥u2 ∥ ∥un ∥

Exemple 1.7:

Soit R2 [X] muni du produit scalaire :

Z +1
⟨P, Q⟩ = P (t)Q(t) dt.
−1

En utilisant la base canonique de R2 [X], déterminer une base orthonormale de

R2 [X].

Abdelhak ESSANHAJI 13/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Théorème 1.8: Propriétés de l’orthogonal

Soit (E, ⟨·, ·⟩) un espace préhilbertien réel et F un sous-espace vectoriel de dimension
finie. On a :
E = F ⊕ F⊥
.

Supplémentaire orthogonal et dimension finie

Corollaire 1.5:
Si F et G sont des sous-espaces vectoriels d’un espace euclidien E, alors :

1. F ⊕⊥ F ⊥ = E et F ⊥⊥ = F .

2. dim F ⊥ = dim E − dim F .

3. (F + G)⊥ = F ⊥ ∩ G⊥ .

4. (F ∩ G)⊥ = F ⊥ + G⊥ .

Application : hyperplan et forme linéaire

Définition 1.10: Droite normale d’un hyperplan en dimension finie

Si H est un hyperplan d’un espace euclidien E, alors H ⊥ est une droite de E appelée
droite normale de H. Les vecteurs non nuls de cette droite sont appelés vecteurs
normaux à H.

Théorème 1.9:
Si a est un tel vecteur normal à l’hyperplan H, alors :

∀x ∈ E, x ∈ H ⇔ ⟨a, x⟩ = 0.

Exemple 1.8:
Dans Rn , muni du produit scalaire canonique, considérons l’hyperplan :
( n
)
X
H = (x1 , . . . , xn ) ∈ Rn | α k xk = 0 ,
k=1

où α = (α1 , . . . , αn ) ∈ Rn . Alors, H ⊥ est une droite vectorielle, donnée par :

H ⊥ = Vect(α).

Abdelhak ESSANHAJI 14/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

1.6 Projecteurs et symétries orthogonaux

Soit (E, ⟨·, ·⟩) un espace préhilbertien réel.

Projecteurs orthogonaux

Définition 1.11: Projecteurs et projecteurs orthogonaux

Soit p ∈ L(E).

1. Projecteur : On dit que p est un projecteur si p ◦ p = p.

2. Projecteur orthogonal : p est un projecteur orthogonal si p est un pro-

jecteur et Ker(p) et Im(p) sont orthogonaux.

3. Projection sur F parallèlement à G : Si E = F ⊕ G, la projection sur F

parallèlement à G est l’endomorphisme f défini par :

E = F ⊕ G −→ E
f:
x = xF + xG 7−→ xF

4. Projection orthogonale sur F : La projection orthogonale sur F est la

projection sur F parallèlement à F ⊥ .

Exemple 1.9:

Dans Mn (R) muni du produit scalaire canonique, la projection orthogonale sur

Sn (R) est donnée par :

Mn (R) = Sn (R) ⊕ An (R) −→ Mn (R)

f: M + tM
M 7−→
2

Exercice 1.5:
Soit p ∈ L(E) un projecteur. Montrer que :

p est orthogonal ⇐⇒ ∀x ∈ E, ∥p(x)∥ ≤ ∥x∥.

Théorème 1.10: Caractérisation du Projection orthogonale

Soit F un sous-espace vectoriel de E admettant un supplémentaire orthogonal. Alors
:
Pour tous x, y ∈ E, (
y ∈ F,
y = pF (x) ⇐⇒
x − y ∈ F ⊥.

Abdelhak ESSANHAJI 15/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Propriété 1.1: Projection orthogonale

Soit F un sous-espace vectoriel de E admettant un supplémentaire orthogonal. Alors
:

1. p2F = pF , ker(pF ) = F ⊥ et Im(pF ) = F = ker(pF − idE ).

2. idE −pF = pF ⊥ .

3. Pour tout x ∈ E,
∥pF (x)∥2 + ∥pF ⊥ (x)∥2 = ∥x∥2 .

Corollaire 1.6:

∀x ∈ E, ∥pF (x)∥ ⩽ ∥x∥

Théorème 1.11:

∀x, y ∈ E, (pF (x) | y) = (x | pF (y))

Théorème 1.12: Expression de la projection orthogonale

Soit F un sous-espace vectoriel de E de dimension finie p et (e1 , . . . , ep ) une base

orthonormale de F . La projection orthogonale pF sur F est donnée par :
p
X
∀x ∈ E, pF (x) = ⟨x, ek ⟩ek .
k=1

Exemple 1.10:

1. Si F = Vect(u) est une droite, alors :

⟨x, u⟩
∀x ∈ E, pF (x) = u.
∥u∥2

2. Si H est un hyperplan, alors :

⟨x, v⟩
∀x ∈ E, pH (x) = x − v,
∥v∥2

où v ∈ H ⊥ est non nul.

Abdelhak ESSANHAJI 16/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Corollaire 1.7:
Si (e1 , . . . , en ) est une famille orthonormée de vecteurs de E alors
n
X
∀x ∈ E, |(ek | x)|2 ⩽ ∥x∥2
k=1

symétries orthogonales

Définition 1.12: Symétries et symétries orthogonales

Soit s ∈ L(E).

1. Symétrie : On dit que s est une symétrie si s ◦ s = IdE .

2. Symétrie orthogonale : Une symétrie est orthogonale si Ker(s − IdE ) et

Ker(s + IdE ) sont orthogonaux.

3. Symétrie par rapport à F parallèlement à G : Si E = F ⊕ G, la symétrie

par rapport à F parallèlement à G est l’endomorphisme f défini par :

E = F ⊕ G −→ E
f:
x = xF + xG 7−→ xF − xG

4. Symétrie orthogonale par rapport à F : La symétrie orthogonale par

rapport à F est la symétrie par rapport à F parallèlement à F ⊥ .

Exemple 1.11:

Dans Mn (R) muni du produit scalaire canonique, la symétrie orthogonale par rap-
port à Sn (R) est donnée par :

Mn (R) = Sn (R) ⊕ An (R) −→ Mn (R)

f:
M 7−→ t M

Théorème 1.13: caractérisation de la symétrie orthogonale

Soit F un sous-espace vectoriel de E admettant un supplémentaire orthogonal. Alors
:
Pour tous x, y ∈ E,
(
x + y ∈ F,
y = sF (x) ⇐⇒
x − y ∈ F ⊥.

Abdelhak ESSANHAJI 17/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Propriété 1.2: Symétrie orthogonale

Soit F un sous-espace vectoriel de E admettant un supplémentaire orthogonal. Alors
:

1. sF = 2pF − idE et sF + sF ⊥ = 0.

2. s2F = idE , ker(sF − idE ) = F et ker(sF + idE ) = F ⊥ .

Distance de x à A
Si A est une partie non vide de E et x ∈ E, on définit la distance de x à A, notée d(x, A)
par :

d(x, A) = inf ∥x − a∥
a∈A

Théorème 1.14: Distance à un sous-espace vectoriel

Soit F un sous-espace vectoriel de E de dimension finie. La distance de x ∈ E à F ,
notée d(x, F ), est donnée par :

d(x, F ) = ∥x − pF (x)∥.

Exemple 1.12:

Soit D = Vect(a) avec a ̸= 0. Pour tout x ∈ E :

(a | x)
d(x, D) = x − a
∥a∥2

Exemple 1.13:
Si H est un hyperplan de E, alors :

|⟨x, v⟩|
∀x ∈ E, d(x, H) = ,
∥v∥

où v ∈ H ⊥ est non nul.

Proposition 1.6:

Si B = (e1 , . . . , en ) est une base orthonormée de E et si H est un hyperplan

d’équation

a1 x 1 + · · · + an x n = 0

Abdelhak ESSANHAJI 18/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

(avec (a1 , . . . , an ) ̸= (0, . . . , 0)) alors pour tout vecteur x de E de composantes

x1 , . . . , xn dans B on a

|a1 x1 + · · · + an xn |
d(x, H) = p
a21 + · · · + a2n

Remarque 1.8:

Puisque x = (x − pF (x)) + pF (x) avec (x − pF (x)) ⊥ pF (x), on a :

d(x, F )2 = ∥x∥2 − ∥pF (x)∥2 .

Si (e1 , . . . , ep ) est une base orthonormale de F , alors :

p
X
2 2
d(x, F ) = ∥x∥ − ⟨x, ek ⟩2 .
k=1

Exemple 1.14:
Soit E un espace vectoriel euclidien de dimension 3 muni d’une base orthonormée
B = (i, j, k).
Soient P : x + 2y − 3z = 0 et D = Vect(u) avec u = i + k.
Soit x = i + 2j + 3k.
Calculons d(x, P ) et d(x, D).
Par les formules précédentes
4
d(x, P ) = √
14
et
√
d(x, D) = 6

Abdelhak ESSANHAJI 19/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

2 Matrices orthogonales, Endomorphismes orthogo-

naux
2.1 Matrices orthogonales
Définition 2.1: Matrice orthogonale

Une matrice A ∈ Mn (R) est dite orthogonale si t AA = In . On note On (R)

l’ensemble des matrices orthogonales de Mn (R).

Exemple 2.1: Exemples de matrices orthogonales

ˆ ±In ∈ On (R)

ˆ D = diag (λ1 , . . . , λn ) ∈ On (R) ⇐⇒ ∀k ∈ J1, nK, λk = ±1.

ˆ A ∈ On (R) ⇐⇒ t A ∈ On (R)

Proposition 2.1: Propriétés des matrices orthogonales

Soit A ∈ Mn (R). Alors :

1. A ∈ On (R) ⇐⇒ A ∈ GLn (R) et A−1 = t A.

2. Si A ∈ On (R), alors det(A) = ±1.

Définition et théorème 2.1: Groupe orthogonal

1. On (R) est un groupe, appelé groupe orthogonal d’ordre n.

2. On+ (R) = {A ∈ On (R), det(A) = 1} est un groupe, appelé groupe spécial

orthogonal d’ordre n. On le note aussi SOn (R)

3. On− (R) = {A ∈ On (R), det(A) = −1} n’est pas un groupe.

Exemple 2.2: Exemple de groupe spécial orthogonal

−In ∈ On+ (R) ⇐⇒ n est pair.

Proposition 2.2: Caractérisations des matrices orthogonales

Soit A ∈ Mn (R), alors les assertions suivantes sont équivalentes :

1. A ∈ On (R).
2. Les vecteurs colonnes de A forment une famille orthonormale pour le produit
scalaire canonique de Mn,1 (R).

Abdelhak ESSANHAJI 20/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

3. Les vecteurs lignes de A forment une famille orthonormale pour le produit

scalaire canonique de M1,n (R).

Remarque 2.1: Exemple d’une matrice orthogonale

 
cos(θ) − sin(θ)
1. ∀θ ∈ R, R(θ) = ∈ SO2 (R)
sin(θ) cos(θ)
 
2 −1 −2
2. A = 13  1 −2 2  ∈ SO3 (R)
2 2 1

Remarque 2.2: Propriétés des éléments d’un groupe orthogonal

Si A = (ai,j )1≤i,j≤n ∈ On (R), alors ∀i, j ∈ J1, nK, |ai,j | ≤ 1.

Proposition 2.3: Caractérisations de O2− (R) et O2+ (R)

  
+ cos(θ) − sin(θ)
1. O2 (R) = ∈ M2 (R), θ ∈ R ,
sin(θ) cos(θ)
  
− cos(θ) sin(θ)
2. O2 (R) = ∈ M2 (R), θ ∈ R ,
sin(θ) − cos(θ)
  
cos(θ) −ε sin(θ)
3. O2 (R) = ∈ M2 (R), θ ∈ R, ε ∈ {−1, 1} .
sin(θ) ε cos(θ)

Remarque 2.3: Propriétés des matrices de rotation

 
cos(θ) − sin(θ)
Pour tout θ ∈ R, on pose R(θ) = . Alors,
sin(θ) cos(θ)

∀θ, θ′ ∈ R, R(θ) × R (θ′ ) = R (θ + θ′ )

donc O2+ (R) est un groupe commutatif et (R(θ))−1 = R(−θ).

Corollaire 2.1:
Le groupe SO(2) (O2+ (R)) est abélien et de plus, l’application
 
cos(θ) − sin(θ)
R : θ ∈ R 7→ R(θ) =
sin(θ) cos(θ)

est un morphisme de groupes surjectif du groupe additif R vers le groupe SO(2) de

noyau 2πR.

Abdelhak ESSANHAJI 21/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

2.2 Endomorphismes orthogonaux

Dans tout ce qui suit, (E, <>) désigne un espace euclidien de dimension n.

Définition et théorème 2.2: Endomorphisme orthogonal

Soit u ∈ L(E). Alors sont équivalentes :

1. ∀x ∈ E, ∥u(x)∥ = ∥x∥,

2. ∀x, y ∈ E, < u(x), u(y) >=< x, y >,

3. u transforme une base orthonormée B = (e1 , . . . , en ) de E en une base or-

thonormée (u (e1 ) , . . . , u (en )) de E.

Si u vérifie l’une de ces propriétés équivalentes (1), (2), (3), on dit que u est un
endomorphisme orthogonal de E ou une isométrie vectorielle de E.
On note O(E) l’ensemble des endomorphismes orthogonaux de E.

Remarque 2.4:
Un endomorphisme orthogonal de E est un automorphisme de E.

Exemple 2.3: Exemples d’endomorphismes orthogonaux

1. Soit λ ∈ R, alors λId ∈ O(E) ⇐⇒ λ = ±1.

2. Soit s une symétrie vectorielle de E, alors s ∈ O(E) ⇐⇒ s est une symétrie

orthogonale de E.

3. Soit p un projecteur orthogonal de E, alors p ∈ O(E) ⇐⇒ p = Id .

Proposition 2.4: Caractérisation matricielle

Soit u ∈ L(E) et B = (ei )1≤i≤n une base orthonormée de E, et

A = (ai,j )1≤i,j≤n = MatB (u)

de colonnes C1 , . . . , Cn . Alors

1. ∀i, j ∈ J1, nK, (Ci , Cj ) =< u (ei ) , u (ej ) > où (,) désigne le produit scalaire
canonique de Mn,1 (R).

2. u ∈ O(E) ⇐⇒ A ∈ On (R).

Abdelhak ESSANHAJI 22/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Corollaire 2.2: Propriétés des isométries

1. Pour tout u ∈ O(E), on a det(u) = ±1.

2. Une isométrie de déterminant égal à +1 s’appelle isométrie directe ou rotation.

3. Une isométrie de déterminant égal à -1 s’appelle isométrie indirecte.

Définition 2.2: Groupe orthogonal

1. O(E) est un groupe, appelé groupe orthogonal de E.

2. O+ (E) = {f ∈ O(E), det(u) = 1} est un groupe, appelé groupe spécial or-

thogonal de E.

3. O− (E) = {f ∈ O(E), det(u) = −1} n’est pas un groupe.

Remarque 2.5: Propriétés des matrices orthogonales

Soit u ∈ L(E) et B une base orthonormée de E, et A = MatB (u). Alors :

1. u ∈ O+ (E) ⇐⇒ A ∈ On+ (R).

2. u ∈ O− (E) ⇐⇒ A ∈ On− (R).

Proposition 2.5: Matrice de passage entre deux bases orthonormées

′
Soit B = (ei )1≤i≤n et B ′ = (e′i )1≤i≤n deux bases orthonormées de E, et PBB la matrice
′
de passage de B à B ′ . Alors PBB ∈ On (R).

Définition 2.3: Espace euclidien orienté

1. Un espace euclidien muni d’une base orthonormée B de référence est dit un
espace euclidien orienté.
′
2. Une autre base orthonormée B de E est dite directe (resp. indirecte) si
B ′
B ′

det PB = +1 (resp. det PB = −1).

Proposition 2.6: Formule de passage entre deux bases orthonormées

Soit u ∈ L(E), B = (ei )1≤i≤n et B ′ = (e′i )1≤i≤n deux bases orthonormées de E. On

note A = MatB (u) et A′ = MatB′ (u).
Alors A′ = t P AP , où P désigne la matrice de passage de B à B ′ .

Abdelhak ESSANHAJI 23/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

2.3 Réduction des endomorphismes orthogonaux

Proposition 2.7: Propriétés d’un endomorphisme orthogonal

Soit u ∈ O(E) et F un sous-espace vectoriel de E, alors :

1. dim E = 1, O(E) = {id; −id}

2. SpR (U ) ⊂ {−1, 1}.

3. Si F est stable par u, alors u|F ∈ O(F )

4. Si F est stable par u, alors F ⊥ est stable par u

Lemme 2.1: Un résultat de stabilité

Soit E un R-espace vectoriel de dimension finie et u ∈ L(E), alors :

1. SpR (u) ̸= ∅ =⇒ u admet une droite vectorielle stable.

2. SpR (u) = ∅ =⇒ u admet un plan stable.

Théorème 2.1: Réduction d’un endomorphisme u ∈ O(E)

Soit u ∈ O(E), alors il existe une base orthonormée B de E telle que

 
Ip

 −Iq (0) 

MatB (u) = 
 R (θ1 ) 

 . .. 
 (0) 
R (θr )

∈ N, p + q + 2r = n et
où p, q, r   ∀i ∈ J1, rK, θi ̸= 0[π] et
cos (θi ) − sin (θi )
R (θi ) = .
sin (θi ) cos (θi )

Exercice 2.1: classique

Soit u ∈ O(E), montrer que :

u est diagonalisable ⇐⇒ u est une symétrie

Abdelhak ESSANHAJI 24/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Corollaire 2.3: Réduction d’une matrice orthogonale

Soit A ∈ On (R), alors il existe P ∈ On (R) telle que A = t P RP , où

 
Ip

 −Iq (0) 

R=
 R (θ1 ) 

 . . 
 (0) . 
R (θr )

et p, q, r ∈ N, p + q + 2r = n et ∀i ∈ J1, rK, θi ∈ R.

Théorème 2.2: Réduction d’un endomorphisme u ∈ SO(E)

Soit u ∈ SO(E), alors il existe une base orthonormée B de E telle que

 
Ip
 R (θ1 ) (0) 
MatB (u) = 
 
. . 
 (0) . 
R (θs )
où p, s ∈ N, p + 2s = n et ∀i ∈ J1, sK, θi ∈ R.

Corollaire 2.4: Réduction d’une matrice orthogonale positive

Soit A ∈ On+ (R), alors ilexiste P ∈ On (R) telle que A = t P RP , où R =


Ip
 R (θ1 ) (0) 
 et p, s ∈ N, p + 2s = n et ∀i ∈ J1, sK, θi ∈ R.
 

 (0) . .. 
R (θs )

Proposition 2.8: Isométries directes en dimension 2

Soit E un plan euclidien orienté et u ∈ O+ (E) (une rotation), alors il existe un

unique θ ∈] − π, π[ telle que pour toute base orthonormée directe B de E,
 
cos(θ) − sin(θ)
MatB (u) =
sin(θ) cos(θ)
On dit alors que u est la rotation d’angle orienté θ.

Abdelhak ESSANHAJI 25/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Remarque 2.6: Détermination pratique de θ

ˆ Soit E un plan euclidien orienté et u ∈ O+ (E), alors Tr(u) = 2 cos(θ).

ˆ ⟨u (e1 ) , e2 ⟩ = sin(θ), donc le signe de θ est celui de ⟨u (e1 ) , e2 ⟩.

Proposition 2.9: Isométries directes en dimension 3

Soit E un espace euclidien orienté de dimension 3 et u ∈ O+ (E)\{IdE } (une rota-

tion), alors

1. E1 (u) = Ker(u−IdE ) est une droite vectorielle de E. (C’est l’axe de rotation).

2. Soit e1 un vecteur unitaire de E1 (u). Il existe un unique θ ∈] − π, π], telle que

pour toute base orthonormée directe adaptée à l’axe de rotation B = (e1 , e2 , e3 )
de E (le premier vecteur e1 dirigeant l’axe de rotation), la matrice de u dans
la base s’écrit
 
1 0 0
MatB (u) =  0 cos(θ) − sin(θ) 
0 sin(θ) cos(θ)

On dit alors que u est la rotation d’axe orienté vect (e1 ) et d’angle orienté θ.

Remarque 2.7: Détermination pratique de l’axe et θ

Soit E un espace euclidien orienté de dimension 3 et u ∈ O+ (E)\{IdE }. Alors :

ˆ L’axe de rotation est bien déterminé par Ker(u − IdE ).

ˆ Tr(u) = 1 + 2 cos(θ).

1 0 0
ˆ On a detB (e1 , e2 , u (e2 )) = 0 1 cos(θ) = sin(θ), donc le signe de θ est
0 0 sin(θ)
celui de detB (e1 , e2 , u (e2 )) où e1 est un vecteur unitaire de l’axe de rotation
et e2 est un vecteur unitaire orthogonal à e1 .

Exemple 2.4: Exemple de matrice orthogonale positive

 √ 
3 1 √6
1  ∈ M3 (R) et u l’endomorphisme de R3 canon-
Soit A = 4 1
√ √3 − 6
− 6 6 2
iquement associé à A.

1. Vérifier que u ∈ O+ (R3 ).

Abdelhak ESSANHAJI 26/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

2. Déterminer les éléments caractéristiques de u.

3 Endomorphismes symétriques, théorème spectral

Soit (E, <>) un espace euclidien.

3.1 Endomorphismes symétriques

Définition 3.1: Endomorphisme symétrique

Soit u ∈ L(E). On dit que u est symétrique si :

∀x, y ∈ E < u(x), y >=< x, u(y) > .

On note S(E) l’ensemble des endomorphismes symétriques.

Exemple 3.1: Exemple d’endomorphisme symétrique

∀λ ∈ R, λIdE ∈ S(E).

Proposition 3.1: Caractérisation des endomorphismes symétriques

Soit u ∈ L(E) et B = (e1 , . . . , en ) une base orthonormée de E et

A = (ai,j )1≤i,j≤n = M atB (u)

alors

1. ∀i, j ∈ J1, nK, < u (ej ) , ei >= ai,j .

2. u ∈ S(E) ⇐⇒ A ∈ Sn (R).

Corollaire 3.1:
S(E) est un sous-espace vectoriel de L(E) isomorphe à Sn (R).
n(n + 1)
En particulier, dim(S(E)) = .
2

Proposition 3.2: Projecteurs et symétries orthogonales

Soit u ∈ L(E), alors

1. u est un projecteur orthogonal de E si, et seulement si, u est un projecteur

vectoriel de E et symétrique.

Abdelhak ESSANHAJI 27/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

2. u est une symétrie orthogonale de E si, et seulement si, u est une symétrie
vectorielle de E et symétrique.

Corollaire 3.2: Caractérisations des projecteurs et symétries orthogonales

Soit u ∈ L(E) et B une base orthonormée de E et A = MatB (u), alors

 2
A =A
1. u est un projecteur orthogonal de E ⇐⇒ t
A=A
 2
A = In
2. u est une symétrie orthogonale de E ⇐⇒ t
A=A

Exercice 3.1:
Soit u ∈ Rn un vecteur unitaire (∥u∥ = 1) et A = In − 2t uu et u l’endomorphisme
de Rn canoniquement associé à A. Montrer que u est une symétrie orthogonale de
Rn en déterminant ses éléments caractéristiques.

3.2 Théorème spectral

Proposition 3.3:

Soit u ∈ S(E) et F un sous-espace vectoriel de E. Alors

1. SpC (u) ⊂ R.

2. ∀λ, µ ∈ Sp(u), λ ̸= µ ⇒ Eλ (u) et Eµ (u) sont orthogonaux.

3. F stable par u =⇒ F ⊥ est stable par u.

Théorème 3.1: Théorème spectral pour u ∈ S(E)

Tout endomorphisme u ∈ L(E) symétrique est diagonalisable dans une base or-
thonormée de E. Autrement dit, il existe B une b.o.n de E telle que MatB (u) est
diagonale.

Théorème 3.2: Théorème spectral pour A ∈ Sn (R)

Toute matrice A ∈ Mn (R) symétrique réelle est orthogonalement diagonalisable.

Autrement dit, il existe (P, D) ∈ On (R) × Dn (R) telle que A = P Dt P .

Abdelhak ESSANHAJI 28/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Remarque 3.1: Remarque 11

1. Si A ∈ Mn (R) symétrique réelle, pour trouver un couple (P, D) ∈ On (R) ×

Dn (R) telle que A = P Dt P :

ˆ On détermine χA le polynôme caractéristique de A.

ˆ On détermine une base orthonormée de chaque espace propre.

2. Une matrice symétrique complexe n’est pas nécessairement diagonalisable,

comme le montre l’exemple suivant :
 
i 1
A= ∈ M2 (C)
1 −i

Exemple 3.2: Exemple

 
2 1 1
On considère A =  1 2 1  ∈ M3 (R). Trouver (P, D) ∈ On (R) × Dn (R) telle
1 1 2
que A = P Dt P .

4 Formes linéaires d’un espace euclidien, adjoint d’un

endomorphisme

Soit (E, <>) un espace euclidien de dimension n.

Théorème 4.1: de représentation des formes linéaires

Pour toute forme linéaire φ sur E, il existe un et un seul vecteur a tel que ∀x ∈
E, φ(x) =< a, x >.

Exemple 4.1: Exemples

1. Formes linéaires sur E = Rn : ∀φ ∈ (Rn )∗ , ∃!a = (a1 , . . . , an ) ∈ Rn , telle que

n
∀x = (x1 , . . . , xn ) ∈ Rn , φ(x) =
P
ak x k .
k=1

2. Formes linéaires sur E = Mn (R): ∀φ ∈ (Mn (R))∗ , ∃!A ∈ Mn (R), telle que
∀M ∈ Mn (R), φ(M ) = Tr(AM ).

Abdelhak ESSANHAJI 29/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Corollaire 4.1: E et E ∗ sont canoniquement isomorphes

L’application
E → E∗


y 7→ φy
est un isomorphisme d’espaces vectoriels où ∀x ∈ E, φy (x) =< x, y > et E ∗ l’espace
vectoriel des formes linéaires sur E.

Remarque 4.1:
Dans ce cas, l’isomorphisme ne dépend pas des bases de E, on parle d’un isomor-
phisme canonique.

Proposition 4.1: Proposition 16 (Endomorphisme adjoint)

Soit u ∈ L(E), il existe un unique endomorphisme g de E tel que,

∀x, y ∈ E, < u(x), y >=< x, g(y) >

g s’appelle l’endomorphisme adjoint de u et noté u∗ .

Exemple 4.2: important : Endomorphismes symétriques ou autoadjoints

Un endomorphisme symétrique f de E est appelé aussi endomorphisme autoad-
joint :

f ∈ S(E) ⇐⇒ f ∗ = f .

Exemple 4.3:

1. u ∈ O(E) ⇐⇒ f ∗ ◦ f = IdE .

2. 0̃⋆ = 0̃ et (IdE )⋆ = IdE .

3. Si p est une projection orthogonale alors p⋆ = p.

4. si s est une symétrie orthogonale alors s⋆ = s

Théorème 4.2: Matrice de u∗ dans une b.o.n

Soit u ∈ L(E). Dans toute base orthonormée B de E

MatB (f ⋆ ) = t [MatB (u)]

Abdelhak ESSANHAJI 30/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Proposition 4.2: Opérations

Soient u, g ∈ L(E) et α, β ∈ R.

1. (αf + βg)∗ = αf ∗ + βg ∗ .

2. (g ◦ f )∗ = f ∗ ◦ g ∗ .

3. (f ∗ )∗ = u.
∗
4. u ∈ GL(E) ⇐⇒ f ∗ ∈ GL(E). Dans ce cas, (f ∗ )−1 = (f −1 ) .

Corollaire 4.2:

∀f ∈ L(E), ∀n ∈ N, (f ⋆ )n = (f n )⋆ et ∀P ∈ R[X], P (f ⋆ ) = (P (u))⋆ .

Exercice 4.1:
Soit u ∈ L(E). Démontrer que

1. Ker (f ∗ ) = Im(u)⊥ et Im (f ∗ ) = Ker(u)⊥ .

2. Ker(u) = Ker (f ∗ ◦ f ) et Im (f ∗ ) = Im (f ∗ ◦ f ).

Remarque 4.2:

u est diagonalisable (resp. trigonalisable) si, et seulement si, u⋆ l’est également, car
u et u⋆ ont les mêmes polynômes annulateurs.

Propriétés de l’adjoint

Théorème 4.3:

∀u ∈ L(E), rg (u⋆ ) = rg(u), tr (u⋆ ) = tr(u), det u⋆ = det u, χu⋆ = χu .

Corollaire 4.3:
u et u⋆ ont les mêmes valeurs propres comptées avec multiplicité.

Proposition 4.3:

ker (u⋆ ) = [Im u]⊥ et Im (u⋆ ) = [ker u]⊥ .

Abdelhak ESSANHAJI 31/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Théorème 4.4: Sous-espaces vectoriels stables et l’adjoint

Un sous-espace vectoriel F est stable pour u si, et seulement si, F ⊥ est stable pour
u⋆ .

Corollaire 4.4:
Les hyperplans stables par u sont ceux possédant un vecteur normal qui est vecteur
propre de u⋆ .

4.1 Endomorphismes autoadjoints positifs

Définition 4.1:
1. Soit u ∈ S(E). On dit que :

(a) u est un endomorphisme autoadjoint (ou symétrique) positif si,

de plus :
∀x ∈ E, (u(x) | x) ≥ 0.
(b) u est un endomorphisme autoadjoint (ou symétrique) défini posi-
tif si, de plus :
∀x ∈ E \ {0E }, (u(x) | x) > 0.

L’ensemble des endomorphismes symétriques positifs est noté S + (E), et celui

des endomorphismes symétriques définis positifs est noté S ++ (E).

2. De même, si A ∈ Sn (R), on dit que :

(a) A est une matrice symétrique positive si elle vérifie :

∀X ∈ Mn,1 (R), X T AX ≥ 0.

(b) A est une matrice symétrique définie positive si elle vérifie :

∀X ∈ Mn,1 (R) \ {0}, X T AX > 0.

L’ensemble des matrices symétriques positives est noté Sn+ (R), et celui des
matrices symétriques définies positives est noté Sn++ (R).

Proposition 4.4:

Soit u ∈ L(E) et A sa matrice dans une base orthonormée de E. Alors, u est un

endomorphisme autoadjoint positif (resp. défini positif) si et seulement si A est une
matrice symétrique positive (resp. définie positive).

Abdelhak ESSANHAJI 32/33 [email protected]

CPGE - Ibn Ghazi 2024/2025

Théorème 4.5: Caractérisation spectrale

Soit u ∈ S(E) et A ∈ Sn (R). Alors, on a :

1. u ∈ S + (E) ⇔ sp(u) ⊂ R+ .

2. A ∈ Sn+ (R) ⇔ sp(A) ⊂ R+ .

3. u ∈ S ++ (E) ⇔ sp(u) ⊂ R∗+ .

4. A ∈ Sn++ (R) ⇔ sp(A) ⊂ R∗+ .

Abdelhak ESSANHAJI 33/33 [email protected]