PCSI 1 Chapitre 28 : Produit scalaire et espaces euclidiens 2019-2020

Dans tout ce chapitre, n désigne un entier naturel non nul. Tous les espaces vectoriels considérés sont des
R-espaces vectoriels.

I. PRODUIT SCALAIRE

1. Définition

Définition : Produit scalaire, espace préhilbertien, espace euclidien

Soit E un R-espace vectoriel. On appelle produit scalaire sur E, toute forme bilinéaire symétrique,
définie positive, i.e. toute application h·, ·i : E 2 → R(:
hλx + µy, zi = λ hx, zi + µ hy, zi
• bilinéaire : ∀(x, y, z) ∈ E 3 , ∀(λ, µ) ∈ R2 , ;
hx, λy + µzi = λ hx, yi + µ hx, zi
• symétrique : ∀(x, y) ∈ E 2 , hx, yi = hy, xi ;
• positive : ∀x ∈ E, hx, xi ≥ 0 ;
• définie : ∀x ∈ E, hx, xi = 0 ⇐⇒ x = 0E .
Le produit scalaire hx, yi est parfois aussi noté (x|y) ou ~x · ~y .

Un R-espace vectoriel muni d’un produit scalaire est appelé un espace préhilbertien réel.
Un espace préhilbertien réel de dimension finie est appelé un espace euclidien.

Remarques :
• Pour démontrer la bilinéarité d’un produit scalaire potentiel, la linéarité par rapport à une variable
seulement est suffisante si on a pris la peine de démontrer la symétrie avant.
• Si h·, ·i est un produit scalaire, alors par bilinéarité, pour tout x ∈ E, hx, 0E i = h0E , xi = 0.

Définition : Produit scalaire canonique sur Rn

L’application h·, ·i définie par :
n
X
∀~x = (x1 , . . . , xn ) ∈ Rn , ∀~y = (y1 , . . . , yn ) ∈ Rn , h~x, ~y i = xi yi
i=1

est un produit scalaire sur Rn , appelé produit scalaire canonique.

Muni de ce produit scalaire, Rn est donc un espace euclidien.
Remarque :
si on identifie ~x et ~y à leurs matrices X et Y dans la base canonique de Rn , alors h~x, ~y i = t XY .

Autres exemples fondamentaux :

1. Soit (a, b) ∈ R2 tel que a < b. Posons E = C 0 ([a, b], R). Soit θ ∈ E strictement positive.
Alors l’application h·, ·i définie par :
Z b
2
∀(f, g) ∈ E , hf, gi = f (t)g(t)θ(t) dt
a
est un produit scalaire sur E.
Muni de ce produit scalaire, C 0 ([a, b], R) est donc un espace préhilbertien.
Attention, il n’est pas de dimension finie donc ce n’est pas un espace euclidien !
Remarque : attention, sur E([a, b], R), h·, ·i n’est pas un produit scalaire !

2. Posons E = Mn (R). L’application h·, ·i définie par : ∀(A, B) ∈ E 2 , hA, Bi = Tr(t AB)
est un produit scalaire sur E. Muni de ce produit scalaire, Mn (R) est donc un espace euclidien.
n P
P n
Remarque : si A = ((ai,j ))1≤i,j≤n et B = ((bi,j ))1≤i,j≤n , alors hA, Bi = aik bik : il s’agit du
i=1 k=1
2
même produit scalaire que pour Rn .

Clémentine Portal 1 Lycée Stanislas, Paris

PCSI 1 Chapitre 28 : Produit scalaire et espaces euclidiens 2019-2020

Remarque : Il peut exister plusieurs produits scalaires sur un même espace vectoriel.
Par exemple sur C 0 ([a, b], R), en fonction
 du choix
 de la fonction θ > 0 ci-dessus.
2 t 2 1
Ou sur R , l’application (X, Y ) 7→ X Y est un produit scalaire distinct du produit scalaire
1 2
canonique.

2. Norme euclidienne

Définition : Norme associée à un produit scalaire

Soit (E, h·, ·i) un espace préhilbertien réel. L’application k · k : E → R définie par :
p
∀x ∈ E, kxk = hx, xi

est appelée la norme euclidienne sur E, associée au produit scalaire h·, ·i.

Remarque :
Il peut exister plusieurs produits scalaires, donc plusieursnormes.
2 1 √
Par exemple, avec le produit scalaire de R2 hX, Y i = t X Y , on aura k(1, 0)k = 2.
1 2
Proposition : Propriétés de la norme euclidienne
Soit (E, h·, ·i) un espace préhilbertien réel. Soit k · k la norme euclidienne associée. Soit (x, y) ∈ E 2 .
Alors :
• kx + yk2 = kxk2 + kyk2 + 2 hx, yi.
• hx − y, x + yi = kxk2 − kyk2 .
1
1
kx + yk2 − kxk2 − kyk2 = kx + yk2 − kx − yk2 .


• Identité de polarisation : hx, yi =
2 4

Remarque : La dernière permet de calculer le produit scalaire à partir de la norme euclidienne.

Exercice : Démontrer l’identité du parallélogramme :

∀(x, y) ∈ E 2 , 2kxk2 + 2kyk2 = kx + yk2 + kx − yk2

Théorème : Inégalité de Cauchy-Schwarz

Soit (E, h·, ·i) un espace préhilbertien réel. Soit k · k la norme euclidienne associée. Alors :

∀(x, y) ∈ E 2 , |hx, yi| ≤ kxk kyk

avec égalité si et seulement si la famille (x, y) est liée.

Remarque : En particulier, l’inégalité de Cauchy-Schwarz donne :

v v
n
X
u n u n
uX uX
• Dans Rn muni du produit scalaire usuel : ∀(x1 , . . . , xn , y1 , . . . , yn ) ∈ R2n , xk yk ≤ t 2
x t k y2 . k
k=1 k=1 k=1
Z b
• Dans C([a; b], R) muni du produit scalaire (f, g) 7→ fg :
a
s s
Z b Z b Z b
2
∀(f, g) ∈ C([a; b], R) , f (t)g(t) dt ≤ (f (t))2 dt (g(t))2 dt.
a a a

Clémentine Portal 2 Lycée Stanislas, Paris

PCSI 1 Chapitre 28 : Produit scalaire et espaces euclidiens 2019-2020

Proposition : Propriétés d’une norme

Soit (E, h·, ·i) un espace préhilbertien réel. Soit k · k la norme euclidienne associée.
Alors k · k : E → R+ et :
• séparation : ∀ x ∈ E, kxk = 0 =⇒ x = 0E ;
• homogénéité : ∀(λ, x) ∈ R × E, kλxk = |λ| kxk ;
• inégalité triangulaire : ∀(x, y) ∈ E 2 , kxk − kyk ≤ kx + yk ≤ kxk + kyk.
De plus, (kx + yk = kxk + kyk) ⇐⇒ (x = 0E ou ∃λ ∈ R+ , y = λx).

Remarque :
La notion de norme est plus générale que la notion de norme euclidienne. La définition d’une norme
correspond exactement aux propriétés de la dernière proposition (avec juste l’inégalité principale de
l’inégalité triangulaire).
Il existe des normes qui ne sont pas attachées à des produits scalaires. Par exemple :
Posons E = C([a, b], R). On définit, pour tout f ∈ E, kf k∞ = sup |f (x)|.
x∈[a,b]
k · k∞ est une norme sur E.
n
! n
!
X X 1
Exemple : Soit (a1 , . . . , an ) ∈ (R∗+ )n . Montrer que ak ≥ n2 .
ak
k=1 k=1

Exemple :
n
!2 n
X X
Montrer que ∀(x1 , . . . , xn ) ∈ Rn , xk ≤n x2k , et étudier le cas d’égalité.
k=1 k=1

Exemple :
Soit (a, b) ∈ R2 tel que a < b. s s
Z b Z b
1 2 2
Montrer que pour tout f ∈ C ([a, b], R), f (b) − f (a) ≤ 2 f (t)2 dt f 0 (t)2 dt.
a a

Exemple :
Soit (Ω, P(Ω), P ) un espace probabilisé fini.
1. Montrer que l’application (X, Y ) 7→ E(XY ) est une forme bilinéaire symétrique positive sur le R-
espace vectoriel RΩ des variables aléatoires réelles sur Ω.
Mais ce n’est pas forcément un produit scalaire !
C’en est un si et seulement si : ∀ω ∈ Ω, P ({ω}) > 0.
2. Montrer l’inégalité de Cauchy-Schwarz pour les variables aléatoires : soient X et Y deux variables
aléatoires sur Ω. Alors :
p
E(XY ) ≤ E(X 2 )E(Y 2 ) En particulier : Cov(X, Y ) ≤ σ(X)σ(Y )
p
3. En déduire que pour toute variable aléatoire centrée X : E(|X|) ≤ V (X).

Définition : Vecteur unitaire

Soit (E, h·, ·i) un espace préhilbertien réel. Soit k · k la norme euclidienne associée.
1
Soit x ∈ E. On dit que x est unitaire si kxk = 1. Si x 6= 0E , alors x est unitaire.
kxk

Clémentine Portal 3 Lycée Stanislas, Paris

PCSI 1 Chapitre 28 : Produit scalaire et espaces euclidiens 2019-2020

II. ORTHOGONALITÉ

1. Vecteurs orthogonaux, familles orthogonales/orthonormales

Définition : Vecteurs orthogonaux, parties orthogonales, familles orthogonales/orthonormales

Soient E un espace préhilbertien réel, x, y ∈ E, X et Y deux parties de E et (xi )i∈I une famille de
vecteurs de E.
• On dit que les vecteurs x et y sont orthogonaux si : hx, yi = 0, ce qu’on note x ⊥ y.
• On dit que les parties X et Y sont orthogonales, si ∀x ∈ X, ∀y ∈ Y, hx, yi = 0.
On le note X ⊥ Y .
• On dit que la famille (xi )i∈I est orthogonale si ∀(i, j) ∈ I 2 , i 6= j =⇒ hxi , xj i = 0.
• On dit que la famille (xi )i∈I est orthonormale si c’est une famille orthogonale de vecteurs
unitaires, i.e. si : ∀(i, j) ∈ I 2 , hxi , xj i = δi,j .

Proposition : Sous-espaces vectoriels orthogonaux

Soient E un espace préhilbertien réel, F et G deux sous-espaces vectoriels de E.
• Si F ⊥ G, alors F ∩ G = {0E }.
• Si F et G sont de dimension finie, et F = Vect(f1 , . . . , fn ), G = Vect(g1 , . . . , gp ), alors :

(F ⊥ G) ⇐⇒ (∀(i, j) ∈ [[1, n]] × [[1, p]] , fi ⊥ gj )

Remarque :
La base canonique de Rn est orthonormale pour le produit scalaire canonique.

Exemple :
Dans R3 muni du produit scalaire usuel, posons :

F = Vect((1, 1, 1)) ; G = Vect((1, −1, 0)) ; H = Vect((1, −1, 0); (1, 0, −1)) ; J = {(−1, 2, −1)}

F et G sont orthogonaux ; F et H sont orthogonaux ; F et J sont orthogonaux.

Mais par exemple G et J ne sont pas orthogonaux.

Théorème :
Dans un espace préhilbertien réel E, le seul vecteur orthogonal à tout vecteur est 0E .

Exemple :
Montrer que la famille (t 7→ sin(nt))n∈N∗ est orthonormale dans C([0, 2π], R) pour le produit scalaire
1 2π
Z
(f, g) 7→ f (t)g(t) dt.
π 0
Exemple :
Montrer que dans E = C([−1; 1], R), l’ensemble des fonctions paires de E et l’ensemble des fonctions
impaires Zde E sont deux sous-espaces vectoriels orthogonaux pour le produit scalaire :
1
(f, g) 7→ f (t)g(t) dt.
−1

Théorème de Pythagore :
• Soit (x, y) ∈ E 2 . Alors :

(x et y sont orthogonaux) ⇐⇒ (kx + yk2 = kxk2 + kyk2 )

n 2 n
X X
• Soit (x1 , . . . , xn ) une famille orthogonale de E. Alors xi = kxi k2 .
i=1 i=1

Clémentine Portal 4 Lycée Stanislas, Paris

PCSI 1 Chapitre 28 : Produit scalaire et espaces euclidiens 2019-2020

Proposition : Orthogonalité et liberté

• Toute famille orthogonale de vecteurs non nuls de E est libre.
• Toute famille orthonormale de vecteurs de E est libre.
• En particulier, si E est de dimension finie n 6= 0 :
? toute famille orthonormale de E est de cardinal au plus n ;
? toute famille orthonormale de n vecteurs de E est une base orthonormale de E.

2. Coordonnées dans une base orthonormale

Théorème : Coordonnées dans une base orthonormale

Soit E un espace euclidien de dimension n > 0, soit (e1 , . . . , en ) une base orthonormale de E.
Xn
Alors pour tout x ∈ E, x = hx, ek i ek .
k=1
En d’autres termes, les coordonnées de x dans la base (e1 , . . . , en ) sont (hx, e1 i , . . . , hx, en i).

Théorème : Produit scalaire et norme dans une base orthonormale

Soit E un espace euclidien de dimension n > 0, soit (e1 , . . . , en ) une base orthonormale de E.
Xn Xn
Soient x = xk ek ∈ E et y = yk ek ∈ E. Alors :
k=1 k=1
v
n
X
u n
uX
hx, yi = xk yk et kxk = t x2 k
k=1 k=1

Remarque : Attention, c’est faux en général dans une base non orthonormale...

3. Algorithme d’orthonormalisation de Gram-Schmidt

Théorème : Algorithme d’orthonormalisation de Gram-Schmidt

Soient E un espace préhilbertien réel et (u1 , . . . , un ) une famille libre de E.
On peut “transformer” (u1 , . . . , un ) en une famille orthonormale (v1 , . . . , vn ) de E telle que :

∀k ∈ [[1, n]] , Vect(u1 , . . . , uk ) = Vect(v1 , . . . , vk )

Les vecteurs v1 , . . . , vn peuvent être construits de proche en proche, en posant :

k−1
!
1 1 X
v1 = u1 et ∀k ∈ [[2, n]] , vk = uk − huk , vi i vi
ku1 k k−1
X i=1
uk − huk , vi i vi
i=1
Z 1
Exemple : Dans E = R2 [X], vérifier que (P, Q) 7→ P (t)Q(t) dt est un produit scalaire, puis construire
0
une base orthonormée de E à partir de la base canonique.

Théorème : Existence de bases orthonormales en dimension finie

Soit E un espace euclidien tel que E 6= {0E }. Alors E possède une base orthonormale.
Théorème de la base orthonormale incomplète en dimension finie :
Soit E un espace euclidien tel que E 6= {0E }.
Toute famille orthonormale de vecteurs non nuls de E peut être complétée en une base orthonormale
de E.

Clémentine Portal 5 Lycée Stanislas, Paris

PCSI 1 Chapitre 28 : Produit scalaire et espaces euclidiens 2019-2020

4. Orthogonal d’une partie, supplémentaire orthogonal d’un s.e.v.

Définition : Orthogonal d’une partie

Soient E un espace préhilbertien réel, et X une partie de E.
On appelle orthogonal de X, l’ensemble X ⊥ = {t ∈ E / ∀x ∈ X, ht, xi = 0}.

Théorème : Propriétés de l’orthogonal d’une partie

Soient E un espace préhilbertien réel, et X, Y des parties de E.
• X ⊥ est un sous-espace vectoriel de E orthogonal à X.
• Si X est un sous-espace vectoriel, alors X et X ⊥ sont en somme directe.
• (X ⊂ Y ) =⇒ (Y ⊥ ⊂ X ⊥ ).
⊥
• X ⊥ = (Vect(X)) .
⊥
• X ⊂ X⊥ .

Remarques :
⊥
• Comme X ⊥ = (Vect(X)) , dans la pratique, pour connaı̂tre l’orthogonal d’un sous-espace vectoriel
engendré par une partie / une famille, il suffit d’exiger l’orthogonalité à ces vecteurs.
• Attention ! Si F est un sous-espace vectoriel de E, F et F ⊥ sont en somme directe, mais pas
nécessairement supplémentaires dans E !

⊥
De même, F ⊂ F ⊥ , mais l’inclusion réciproque n’est pas nécessairement vérifiée.
Nous verrons ensuite que si F est de dimension finie, c’est le cas (donc en particulier si E est euclidien).

Exemple :
On se place dans E = R4 . Posons F = Vect((1, 1, 1, 1), (1, 2, 3, 4)). Déterminer F ⊥ .

Exemple :
Pour tout espace préhilbertien réel E : {0E }⊥ = E et E ⊥ = {0E }.

Exemple :
On se place dans E = R2 [X] et on pose, pour tout (P, Q) ∈ E 2 :
hP, Qi = P (−1)Q(−1) + P (0)Q(0) + P (1)Q(1)
a. Vérifier que h·, ·i est un produit scalaire sur E.
b. Déterminer (R1 [X])⊥ .

Proposition/Définition : Supplémentaire orthogonal d’un sous-espace vectoriel de dimension finie

Soient E un espace préhilbertien réel, et F un sous-espace vectoriel de dimension finie de E.
• F ⊥ est un supplémentaire de F dans E, orthogonal à F , et c’est le seul.
On dit donc que F ⊥ est le supplémentaire orthogonal de F dans E.

⊥
• F⊥ = F.

Remarques :
• Attention, il est essentiel que F soit de dimension finie !
• Il existe un unique supplémentaire orthogonal, mais il existe plusieurs supplémentaires...

Exemple :
+∞
X +∞
X +∞
X
Dans E = R[X], on pose pour tous P = ak X k ∈ E, Q = bk X k ∈ E, hP, Qi = ak bk
k=0 k=0 k=0
(toutes ces sommes sont en réalité finies).
a. Vérifier que h·, ·i est un produit scalaire sur E.
b. On considère le sous-espace vectoriel F = {P ∈ R[X] / P (1) = 0} de E. Montrer que F ⊥ = {0E }.

⊥
En déduire que F 6= F ⊥ et que F et F ⊥ ne sont pas supplémentaires dans E.

Clémentine Portal 6 Lycée Stanislas, Paris

PCSI 1 Chapitre 28 : Produit scalaire et espaces euclidiens 2019-2020

Proposition : Supplémentaire orthogonal dans un espace euclidien

Soient E un espace euclidien, et F un sous-espace vectoriel de E. Alors :
• F et F ⊥ sont supplémentaires.
• dim(F ) + dim(F ⊥ ) = dim(E).

⊥
• F⊥ = F.
• La juxtaposition d’une base orthonormale de F et d’une base orthonormale de F ⊥ est une
base orthonormale de E.

Remarque :
Dans le plan, l’orthogonal d’une droite est une droite.
Dans l’espace, l’orthogonal d’une droite est un plan, et l’orthogonal d’un plan est une droite.

III. PROJECTION ORTHOGONALE SUR UN SOUS-ESPACE VECTORIEL DE DIMENSION FINIE

1. Projection orthogonale

Définition : Projection orthogonale

Soient E un espace préhilbertien réel, et F un sous-espace vectoriel de dimension finie de E.
Alors E = F ⊕ F ⊥ .
On appelle projection orthogonale sur F , ou projecteur orthogonal sur F , la projection sur F pa-
rallèlement à F ⊥ . (
pF (x) ∈ F
Soit pF cette projection. Alors, pour tout x ∈ E, .
(x − pF (x)) ∈ F ⊥

Théorème :
Soient E un espace préhilbertien réel et p un endomorphisme de E. Alors on a l’équivalence :

(p est une projection orthogonale) ⇐⇒ (p ◦ p = p et ∀(x, y) ∈ E 2 , hp(x), yi = hx, p(y)i)

De plus, si p est une projection orthogonale, alors :

(
kp(x)k ≤ kxk (inégalité de Bessel)
∀x ∈ E,
hx, p(x)i = kp(x)k2

Théorème : Expression d’une projection orthogonale dans une base orthonormale

Soient E un espace préhilbertien réel, F un sous-espace vectoriel de dimension finie non nulle de
E et (f1 , . . . , fn ) une base orthonormale de F .
Soit pF la projection orthogonale sur F .
Xn
Alors pour tout x ∈ E, pF (x) = hx, fk i fk .
k=1

Corollaire : Matrice d’une projection orthogonale dans une base orthonormale

Soient E un espace euclidien. Soient p un endomorphisme de E, et M sa matrice dans une base
orthonormale.
Alors on a l’équivalence :

(p est une projection orthogonale) ⇐⇒ (M est symétrique et M 2 = M )

Clémentine Portal 7 Lycée Stanislas, Paris

PCSI 1 Chapitre 28 : Produit scalaire et espaces euclidiens 2019-2020

Remarque : De même :
• On appelle symétrie orthogonale par rapport à F , la symétrie par rapport à F parallèlement à F ⊥ .
• Soit s ∈ L(E) : (s est une symétrie orthogonale) ⇐⇒ (s◦s = idE et ∀(x, y) ∈ E 2 , hs(x), yi = hx, s(y)i).
• Si E est euclidien, de dimension n : soit s ∈ L(E) : posons M sa matrice dans une b.o.n. :
(s est une symétrie orthogonale) ⇐⇒ (M est symétrique et M 2 = In ).
n
X hx, fk i
Remarque : Si (f1 , . . . , fn ) est une base orthogonale de F , alors pour tout x ∈ E, pF (x) = fk .
kfk k2
k=1
Remarque : Connaissant une base (pas forcément orthonormée) (f1 , . . . , fn ) de F , deux stratégies sont
possibles pour calculer pF (x) :
• Orthonormaliser cette base en une base (g1 , . . . , gn ), puis utiliser la formule ci-dessus :
Xn
pF (x) = hx, gk i gk .
k=1
n
X
• Ou alors : pF (x) ∈ F donc il existe (λ1 , . . . , λn ) ∈ Rn tel que pF (x) = λk fk .
k=1
Or x − pF (x) ∈ F ⊥ , donc ∀j ∈ [[1, n]], hx − pF (x), fj i = 0.
On obtient un système de n équations à n inconnues qu’il suffit de résoudre.
Z 2π
Exemple : On considère l’espace vectoriel C([0; 2π], R) muni du produit scalaire (f, g) 7→ f (t)g(t) dt,
0
et F = Vect(sin, cos).
Déterminer le projeté orthogonal de id[0,2π] sur F .

Proposition :
Soient E un espace euclidien et F un sous-espace vectoriel de E.
Soit pF la projection orthogonale sur F et pF ⊥ la projection orthogonale sur F ⊥ .
Alors pF + pF ⊥ = idE , donc pour tout x ∈ E, x = pF (x) + pF ⊥ (x).

Remarque : Il est parfois plus simple de calculer pF ⊥ (x) pour en déduire pF (x) = x − pF ⊥ (x).

Exemple :
Soient E un espace euclidien tel que E 6= {0E }, et H un hyperplan de E. Alors H ⊥ est de dimension 1.
Soit a un vecteur non nul de H ⊥ . On dit que a est un vecteur normal à H, et on a alors H ⊥ = Vect(a).
hx, ai hx, ai
Pour tout x ∈ E, on aura pH ⊥ (x) = a, donc pH (x) = x − a.
kak2 kak2

2. Distance à un sous-espace vectoriel de dimension finie

Définition/Théorème : Distance entre deux vecteurs, distance à une partie de E

Soient E un espace préhilbertien réel, A une partie non vide de E et x, y ∈ E.
• On appelle distance entre les vecteurs x et y, et l’on note d(x, y), le réel : d(x, y) = kx − yk.

• On appelle distance de x à A, et l’on note d(x, A), le réel : d(x, A) = inf kx − ak = inf d(x, a).
a∈A a∈A

Théorème : Distance à un sous-espace vectoriel de dimension finie

Soient E un espace préhilbertien réel, F un sous-espace vectoriel de dimension finie de E et x ∈ E.
On note pF la projection orthogonale sur F .
• ∀y ∈ F , kx − pF (x)k ≤ kx − yk, donc d(x, F ) = kx − pF (x)k = min kx − yk.
y∈F
De plus, ce minimum est atteint uniquement en pF (x).
• d(x, F )2 = kxk2 − kpF (x)k2 .

Clémentine Portal 8 Lycée Stanislas, Paris