Chapitre 21

E SPACES VECTORIELS EUCLIDIENS

(1) P RODUIT SCALAIRE . O RTHOGONALITÉ

Mohamed TARQI

Table des matières

1 Produit scalaire sur un espace vectoriel 1
1.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Norme et distance associées à un produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Angle de deux vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Vecteurs unitaires, vecteurs orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Orthogonale d’une partie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

2 Espaces euclidiens 6
2.1 Existence de bases orthonormales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Projecteurs orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3 Formes linéaires et hyperplans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3 Orientation. Produit vectoriel 9

3.1 Orientation d’un espace euclidien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.2 Produit vectoriel dans un espace euclidien orienté de dimension 3 . . . . . . . . . . . . . . . . . . . . . . 10

•••••••••••
Dans ce chapitre E est un espace vectoriel réel.

1 Produit scalaire sur un espace vectoriel

1.1 Définitions et propriétés
Définition 1.1 On dit qu’une application f : E × E 7−→ R est un produit scalaire si les propriétés suivantes sont vérifiées :
1. ∀ x, y, x0 , y0 ∈ E , λ, µ ∈ R :
f (λ x + µ x0 , y) = λ f ( x, y) + µ f ( x0 , y)
On dit que f est linéaire à gauche.
f ( x, λ y + µ y0 ) = λ f ( x, y) + µ f ( x, y0 )
On dit que f est linéaire à gauche.
2. ∀ x, y ∈ E , f ( x, y) = f ( y, x). On dit que f est symétrique.
3. ∀ x ∈ E , f ( x, x) ≥ 0. On dit que f est positive.
4. ∀ x ∈ E , f ( x, x) = 0 ⇐⇒ x = 0. On dit que f est définie.

Remarque : Cette définition s’énonce en disant que f est une forme bilinéaire symétrique définie positive.
Notation : Au lieu de noter f ( x, y), on note souvent le produit scalaire de x et y par ( x| y), ou x.y ou < x| >. En
géométrie élémentaire on note →−x .→
−y .

1
C HAPITRE 21 P RODUIT SCALAIRE . O RTHOGONALITÉ

Remarque : Si le caractère symétrique de f est établi, la bilinéarité à droite équivalent à la linéarité à gauche.

Proposition 1.1 (Inégalité de C AUCHY -S CHWARTZ) Soit (|) un produit scalaire sur E . Alors ∀ x, y ∈ E , on a :

( x| y)2 ≤ ( x| x)( y| y).

De plus il y a égalité si, et seulement si, x et y sont liés.

Démonstration : Soit λ ∈ R, considérons le trinôme :

T (λ) = ( x + λ y| x + λ y) = λ2 ( y| y) + 2λ( x| y) + ( x| x).

1. Si ( y| y) = 0, alors y = 0 et l’inégalité est toujours vérifié, car ( x| x) ≥ 0.

2. Si ( y| y) = 0, alors, comme T (λ) ≥ 0, 40 = ( x| y)2 − ( x| x)( y| y) ≤ 0.
Le cas d’égalité :
1. Si y = 0, y est proportionnel à tout vecteur x.
2. Si y 6= 0, dans T (λ) admet une racine double α tel que ( x + α y| x + α y) = 0, soit par conséquent x + α y = 0. Les x
et y sont donc proportionnels.
u
t

Exemples :
n
1. L’application (.|.) : ( x, y) −→ x i yi , définie sur R n × R n est un produit scalaire, c’est le produit scalaire cano-
P
k =0
nique de Rn . L’inégalité de Cauchy-Schwartz s’écrit :
à !2 à !à !
n n n
x2k yk2
X X X
x k yk ≤
k =0 k =0 k =0

Si on pose X = M ( x, B) et Y = M ( y, B), alors ( x| y) = t X Y .

Rb
2. Soit E = C ([a, b], R) l’espace des fonctions continues sur [a, b] (a < b). L’application ( f , g) −→ a f ( t) g( t)dt est
un produit scalaire. L’inégalité de Cauchy-Schwartz s’écrit :
µZ b ¶ 2 µZ b ¶ µZb ¶
2 2
∀ f , g ∈ E, f ( t) g( t)dt ≤ f ( t)dt g ( t)dt .
a a a

3. Sur R3 , la forme bilinéaire symétrique S définie par :

1
S (( x, y, z), ( x0 , y0 , z0 )) = xx0 + yy0 + zz0 + ( x y0 + xz0 + yx0 + yz0 + zx0 + z y0 )
2
est un produit scalaire.

1.2 Norme et distance associées à un produit scalaire

p
Soit (.|.) un produit scalaire sur E . Posons : ∀ x ∈ E, k xk = ( x| x) et considérons l’application de E dans R+ définie
par : x −→ k xk.

Théorème et définition 1.1 Cette application vérifie les propriétés suivantes :

• ∀ x ∈ E , k xk ≥ 0 et k xk ⇐⇒ x = 0.
• ∀ x ∈ E , ∀λ ∈ R, kλ xk = |λ|k xk.
• ∀ x, y ∈ E , k x + yk ≤ k xk + k yk. ( Inégalité triangulaire )
On dit que l’application x −→ k xk est une norme sur E .

Cours de Mathématiques MP 2 / 11 Rédigé par: M.Tarqi

C HAPITRE 21 P RODUIT SCALAIRE . O RTHOGONALITÉ

Démonstration :
1. ∀ x ∈ E , k xk = ( x| x) ≥ 0 et puisque (.|.) est définie,

k xk = 0 ⇐⇒ ( x| x) = 0 ⇐⇒ x = 0.

2. Soit λ ∈ R et x ∈ E , kλ xk = (λ x|λ x) = λ2 ( x| x). d’où kλ xk = |λ|k xk.

3. ∀ x, y ∈ E ,

k x + yk = ( x + y| x + y)
= ( x| x) + 2( x| y) + ( y| y)
≤ ( x| x) + 2( x| x)( y| y) + ( y| y)
≤ [( x| x) + ( y| y)]2

u
t

Remarques :
1. L’inégalité de Cauchy-Schwartz s’écrit donc :

∀ x, y ∈ E, |( x| y)| ≤ k xkk yk.

2. Pour tous vecteurs x et y de E , on a : |k xk − k yk ≥ k x − yk.

3. Les normes associées aux exemples précédents, s’écrivent respectivement :
s
n
n
(a) ∀ x = ( x1 , x2 ,..., xn ) ∈ R , k xk = x2k .
P
k =0
qR
b
(b) ∀ f ∈ C ([a, b], R), k f k = a f 2 ( t)dt.
p
(c) ∀( x, y, z) ∈ R3 , k( x, y, z)k = x2 + y2 + z2 + x y + xz + yz.

Théorème et définition 1.2 Soit (.|.) un produit scalaire sur E et soit x −→ k xk la norme associée. L’applica-
tion d : E × E −→ R définie par d ( x, y) = k x − yk vérifie les propriétés suivantes :
• d ( x, y) ≥ 0 et d ( x, y) = 0 ⇐⇒ x = y.
• ∀ x, y ∈ E , d ( x, y) = d ( y, x).
• ∀ x, y, z ∈ E , d ( x, z) ≤ d ( x, y) + d ( y, z). ( Inégalité triangulaire ).

Démonstration : La preuve est immédiate, à titre d’exercice. u

t

Proposition 1.2 ( Identité du parallélogramme ) Soit (.|.) un produit scalaire et k.k la norme associée. Alors on a :
∀( x, y) ∈ E 2 , k x + yk2 + k x − yk2 = 2(k xk2 + k yk2 ).

Démonstration : ∀α, β ∈ R, ∀ x, y ∈ E.

kα x + β yk2 = α2 k xk2 + 2αβ( x| y) + β2 k yk2 .

en particulier : (
k x + yk2 = k xk2 + 2( x| y) + k yk2
k x − yk2 = k xk2 − 2( x| y) + k yk2

Par addition de ces deux équation, on obtient : k x + yk2 + k x − yk2 = 2(k xk2 + k yk2 ) u
t

Cours de Mathématiques MP 3 / 11 Rédigé par: M.Tarqi

C HAPITRE 21 P RODUIT SCALAIRE . O RTHOGONALITÉ

Interprétation géométrique de l’identité

du parallélogramme : La somme des carrés →
−x − →
−y
des cotes d’un parallélogramme est égale à
→
−y
la somme des carrés des diagonales.
→
−x + →
−y

→
−x

Remarque : On aussi les égalités qui permettent d’exprimer le produit scalaire en fonction de la norme :
1 1
( x, y) = (k x + yk2 − (k xk2 − k yk2 ) = (k x + yk2 + k x − yk2 ).
2 4

1.3 Angle de deux vecteurs

Soit E un espace vectoriel muni d’un produit scalaire (.|.). Soient x et y deux vecteurs non nuls de E , alors k xk 6= 0
et k yk 6= 0 et d’après l’inégalité de Cauchy-Schwarz,
( x | y)
−1 ≤ ≤ 1,
k xkk yk
il existe alors un nombre réel θ unique dans [0, π] tel que :
( x | y)
cos θ = .
k xkk yk
Ce nombre θ, par définition, est l’angle non orienté des deux vecteurs x et y.

1.4 Vecteurs unitaires, vecteurs orthogonaux

Définition 1.2 Soit k.k une norme sur E associée à un produit scalaire (.|.).
1. Un vecteur x de E est unitaire ou normé si k xk = 1.
2. Deux vecteurs x et y de E sont dites orthogonaux si ( x| y) = 0.

Remarques :
1. Si x 6= 0, les vecteurs k xxk et k−xxk sont unitaires.
2. Le seul vecteur qu’et orthogonal à lui même est le vecteur nul.
3. L’orthogonalité entre les vecteurs de E est une relation symétrique.
Définition 1.3 On dit que la famille ( x i ) i∈ I de vecteurs de E est orthogonale si les vecteurs x i sont orthogonaux deux à deux.
Si de plus ils sont unitaires, alors la famille est dite orthonormée.
Définition 1.4 Soit B = ( e 1 , e 2 ,..., e n ) une base de E . Si c’est une famille orthonormée, on dit que B est une base orthonor-
mée, en abrégé B.O.N .

Remarques :
1. La base ( e 1 , e 2 ,..., e n ) est orthonormale si, et seulement si,
∀( i, j) ∈ [1, n]2 , ( e i | e j ) = δi j

où δ i j est le symbole de Kronecker.

2. La base canonique de Rn est une B.O.N pour le produit scalaire canonique.
Proposition 1.3 Si une famille ( x i ) i∈ I est orthogonale et formée de vecteurs non nuls, alors cette famille est
libre.

Cours de Mathématiques MP 4 / 11 Rédigé par: M.Tarqi

C HAPITRE 21 P RODUIT SCALAIRE . O RTHOGONALITÉ

n
Démonstration : Soit x i 1 , x i 2 ,..., x i n une famille finie de ( x i )i ∈ I et λ1 , λ2 ,..., λn des scalaires tels que
P
λ j x i j = 0,
j =0
n
alors ∀k ∈ [1, n], ( x i k |
P
λ j x i j ) = λk ( x i k | x i k ) = 0, puisque x i k 6= 0 alors λk = 0. Donc la famille est libre.
j =0
En particulier toute famille orthonormée est libre. u
t

Proposition 1.4 Si la famille ( x i )1≤ i≤ p est orthogonale, alors

p p
x i k2 = k x i k2 ( Relation de P YTHAGORE ).
P P
k
i =1 i =1

Démonstration :
p p p
x i k2
X X X
k = ( xk | xk )
i =1 k =1 k =1
p
k x k k2 +
X X
= (xi |x j
k =1 i6= j
p
k x k k2 .
X
=
k =1

u
t

Remarques :
1. Dans le cas où p = 2, il y a équivalence entre ( x| y) = 0 et k x + yk2 = k xk2 + k yk2 . En effet, on a pour tout x et y
de E , k x + yk2 = k xk2 + k yk2 + 2( x| y).
−−→ −−→ −−→
2. Dans le plan euclidien le triangle ABC est rectangle en A si, et seulement si, k ABk2 + k AC k2 = kBCk2 .

Proposition 1.5 Soit B = ( e 1 , e 2 ,..., e n ) une B.O.N de E . Pour tout x de E , on a :

n
X
x= ( x| e k ) e k .
k =1

n
Démonstration : Soit x = λk e k un vecteur exprimé dans la base B , alors, ∀ j ∈ [1, n],
P
k =1

n
X n
X
( x| e j ) = ( λk e k | e j ) = λk ( e k | e j ) = λ j ( e j | e j ) = λ j .
k =1 k =1

u
t

1.5 Orthogonale d’une partie

Définition 1.5 Soit A une partie de E . On appelle orthogonal de A en on note A ⊥ , l’ensemble des vecteurs de E qui sont
orthogonaux à tous les éléments de A .
Deux parties A et B de E sont dites orthogonales si ∀a ∈ A , ∀b ∈ B, (a|b) = 0.

Remarques :
1. On a E ⊥ = {0} et {0}⊥ = E.
2. A ⊥ est toujours un sous-espace vectoriel de E , même si A n’est pas un sous-espace, en effet, soient x, y ∈ A ⊥
et λ, µ ∈ R, alors
∀ z ∈ A, (λ x + µ y| z) = λ( x| z) + µ( y| z) = 0
donc λ x + µ y ∈ A ⊥ .

Proposition 1.6 Si F est un sous-espace vectoriel de E , alors la somme F + F ⊥ est directe : F ∩ F ⊥= {0}.

Cours de Mathématiques MP 5 / 11 Rédigé par: M.Tarqi

C HAPITRE 21 P RODUIT SCALAIRE . O RTHOGONALITÉ

Démonstration : Soit x ∈ F ∩ F ⊥ alors x ∈ F , alors ( x| z) = 0 pour tout z de F , en particulier ( x| x) = 0, donc x = 0. u

t

2 Espaces euclidiens
Soit E un espace vectoriel réel muni d’un produit scalaire (.|.).
Définition 2.1 1. Un R−espace vectoriel E muni d’un produit scalaire est dit préhilbertien.
2. Un espace euclidien est une espace préhilbertien réel de dimension finie.

Remarque : Si E est un espace vectoriel euclidien, alors tout sous-espace vectoriel de E est espace vectoriel
euclidien, pour la restriction du produit scalaire.

2.1 Existence de bases orthonormales

Lemme 2.1 Soit e un vecteur non nul de E , alors tout vecteur x de E s’écrit de façon unique sous la forme :
x = α e + y avec e et y orthogonaux.

Démonstration : L’unicité : Si x = β e + z avec e et z orthogonaux, on a : (β − α) e = y − z avec (β − α) e et y − z

orthogonaux, donc β = α et z = y.
L’existence : Le vecteur e n’étant pas nul, posons α = k( xe|ke2) et y = x − α e. Il suffit alors de vérifier que ( y| e) = 0, on a :

( y| e) = ( x − α e| e) = ( x| e) − α( e| e) = 0

le vecteur α e est la projection orthogonale de x sur Vect( e). u

t

Théorème 2.1 Tout espace vectoriel euclidien admet des bases orthonormales. Plus précisément, si B =
( f 1 , f 2 ,..., f n ) une base de E , alors on peut construire une B.O.N de E telle que :

∀ p ∈ [1, n], Vect( e 1 , e 2 ,..., e p ) = Vect( f 1 , f 2 ,..., f p ).

Démonstration : Soit B = ( f 1 , f 2 ,..., f n ) une base de E , nous cherchons une base B0 = ( e 1 , e 2 ,..., e n ) une base ortho-
normée de E .
Soit e 1 = k ff 11 k . On sait que le vecteur f 2 s’écrit de façon unique sous forme f 2 = α f 1 + f 20 , f 1 et f 20 orthogonaux. f 20
n’est pas nul, sinon on aurait f 2 = α f 1 et les vecteurs f 1 et f 2 ne seraient pas libre. On choisit alors le vecteur e 2
défini par :
f 20
e2 = .
k f 20 k
Les vecteurs e 1 et e 2 sont orthogonaux, puisque

f 10 f 20
µ ¶
(e1|e2) = | = 0.
k f 10 k k f 20 k

On a bien Vect( e 1 ) = Vect( f 1 ) et Vect( e 1 , e 2 ) = Vect( f 1 , f 2 ).

La démonstration du théorème se poursuit par récurrence. Supposons construits, pour 1 ≤ k ≤ n, des vecteurs
e 1 , e 2 ,..., e k qui engendrent le même sous-espace vectoriel que les vecteurs f 1 , f 2 ,..., f k .
On cherche des nombres réels β1 , β2 ,..., βk tels que le vecteur :

f k0 = f k+1 + β1 e 1 + β2 e 2 + ... + βk e k

soit orthogonal aux vecteurs e 1 , e 2 ,..., e k . Les réels β1 , β2 ,..., βk doivent vérifier les relations :

( f k0 +1 | e i ) = 0, ∀ i = 1, 2,..., k.

Cours de Mathématiques MP 6 / 11 Rédigé par: M.Tarqi

C HAPITRE 21 P RODUIT SCALAIRE . O RTHOGONALITÉ

Ces relations fournissent les coefficients β i cherchées. Le vecteur f k0 +1 n’est nul, sinon f k+1 ∈ Vect( e 1 , e 2 ,..., e k ) =
Vect( f 1 , f 2 ,..., f k ), ce qui contraire au fait que ( f i ) soit une base.
on choisit alors
f k0 +1
e k +1 = ,
k f k0 +1 k
c’est un vecteur orthogonal aux vecteurs e 1 , e 2 ,..., e k . En outre,

Vect( e 1 , e 2 ,..., e k+1 ) = Vect( f 1 , f 2 ,..., f k+1 )

Ainsi, par récurrence, on a construit la base ( e i ) orthonormée. u

t

Corollaire 2.1 Soit F un sou-espace vectoriel d’un espace vectoriel euclidien E , F ⊥ le sous-espace ortho-
gonal de F . Alors E = F ⊕ F ⊥ .

Démonstration : L’unicité : Supposons que x = x1 + x2 = y1 + y2 avec x1 , y1 ∈ F et y1 , y2 ∈ F ⊥ , par différence, nous

obtenons :
x1 − y1 = y2 − x2 ∈ F ∩ F ⊥ = {0}.
Donc x1 − y1 = y2 − x2 = 0.
L’existence : Soit p = dim F , 1 ≤ p ≤ n et soit ( e 1 , e 2 ,..., e p ) une B.O.N de F ; c’est une famille libre de E qui peut être
complétée en une base de E , soit ( e 1 , e 2 ,..., e p , f p+1 ,..., f n ). En appliquant à cette base le procédé d’orthonormalisa-
tion les premiers vecteurs restent inchangés, on obtient donc une B.O.N de E ( e 1 , e 2 ,..., e p , e p+1 ,..., e n ).
n
soit G = Vect( e p+1 ,..., e n ), nous allons montrer que G = F ⊥ . soit x = α i e i ∈ G , on a :
P
i = p +1

( x| e 1 ) = ( x| e 2 ) = ... = ( x| e n ) = 0

donc ( x| y) = 0, ∀ y ∈ F , donc x ∈ F ⊥ , c’est-à-dire G ⊂ F ⊥ .

n
Inversement, soit z ∈ F ⊥ , z = β i e i , avec β i = ( z | e i ). D’autre part, puisque z ∈ F ⊥ , on a : β1 = β2 = ... = β p = 0, donc
P
i =1
n
P
z= βi e i ∈ G .
i= p
D’où F ⊥ = G. u
t

Remarques :
1. par construction la matrice de passage de la base ( f i ) à la base ( e i ) est triangulaire supérieure à coefficients
diagonaux strictement positifs ;
2. Soit ( f 1 , f 2 ,..., f p ) une famille orthonormale non génératrice de E ; on peut la compléter en une B.O.N ( e 1 , e 2 ,..., e p , e p+1 ,..., e n

Exemple : Considérons R3 muni du produit scalaire :

1
S (( x, y, z), ( x0 , y0 , z0 )) = xx0 + yy0 + zz0 + ( x y0 + xz0 + yx0 + yz0 + zx0 + z y0 )
2
dont la norme associée est :
1
q
k( x, y, z)k = ( x + y )2 + ( x + z )2 + ( y + z )2
2
Construisons une base orthonormée ( f 1 , f 2 , f 3 ) par le procédé de Schmidt à partir de la base canonique.
◦ Le vecteur e 1 = (1, 0, 0) est normée, donc on prend f 1 = e 1 .
◦ Cherchons g 2 orthogonal à f 1 de la forme :
g2 = e 2 − λ f 1
On a ( f 1 | f 2 ) = ( f 1 | e 2 ) − λ, donc il suffit de prendre λ = ( f 1 | e 2 ) = 21 , ce qui donne g 2 = ( −21 , 1, 0), donc f 2 = ( p
−1 p2
, , 0).
3 3
◦ Cherchons g 3 orthogonal à f 1 et f 2 de la forme de la forme

g3 = e 3 − λ f 1 − µ f 2 .

Il suffit de prendre λ = ( f 1 | e 3 ) = 12 et µ = ( f 2 | e 3 ) = 2p1 3 , ce qui donne g 3 = ( −31 , −31 , 1) et f 3 = p16 (−1, −1, 3).

Cours de Mathématiques MP 7 / 11 Rédigé par: M.Tarqi

C HAPITRE 21 P RODUIT SCALAIRE . O RTHOGONALITÉ

2.2 Projecteurs orthogonaux

Définition 2.2 Soit F un sous-espace vectoriel de E . La projection p F sur F parallèlement à F ⊥ est appelée projection
orthogonale sur F .
De même , on appelle symétrie orthogonale par rapport à F la symétrie s F par rapport à F parallèlement à F ⊥ .
Soit BF = ( e 1 , e 2 ,..., e p ) une base orthonormée de F , alors ∀ x ∈ E , p F ( x) ∈ F , donc il existe des scalaires λ1 , λ2 ,..., λ p
p
tels que : p F ( x) =
P
λi e i .
i =1
D’autre part ∀k ∈ [1, p], λk = ( e k | p F ( x)) = ( e k | y) = ( e k | x), avec x = y + z, x ∈ F, z ∈ F ⊥ . On déduit donc
p
X
p F ( x) = ( x| e i ) e i .
i =1

Comme s F = 2 p F − id E , alors pour tout x de E , on a :

p
X
s F ( x) = 2 ( x| e i ) e i − x.
i =1

Remarque : Si p est la projection orthogonale sur F , celle sur F ⊥ est Id E − p.

Proposition 2.1 Soit p une projection vectorielle sur l’espace euclidien E . Les conditions suivantes sont
équivalentes :
1. La projection p est une projection orthogonale.
2. Pour tous vecteurs x et y de E , on a l’égalité :
( p( x)| y) = ( x| p( y)).

3. La matrice de p dans toute base orthonormée est symétrique.

4. La matrice de p dans une base orthonormée est symétrique.

Démonstration :
1. 1. =⇒ 2. On suppose que p est un projecteur orthogonal, c’est-à-dire p2 = p et ker p = (Im p)⊥ .
soit ( x, y) ∈ E 2 , on a :
( p( x)| y) = ( p( x)| y − p( y)) + ( p( x)| p( y)) = ( p( x)| p( y)),
puisque p( x) ∈ Im p et y − p( y) ∈ ker p. De même :
( x| p( y)) = ( x − p( y)| p( y)) + ( p( x)| p( y)) = ( p( x)| p( y)).
D’où : ( x| p( y) = ( p( x)| y).
2. 2. =⇒ 1. On suppose : ∀( x, y) ∈ E , ( x| p( y)) = ( p( x)| y). On a pour tout ( x, y) ∈ ker p × Im p, ( x| y) = ( x| p( y)) =
( p( x)| y) = (0| y) = 0, et donc p est un projecteur orthogonal.
n
3. 2. =⇒ 3. Soit B = ( e 1 , e 2 ,..., e n ) une base orthonormée et A = (a i j )1≤ i≤n,1≤ j ≤n = M ( p, B ). Alors p( e j ) =
P
ai j e i
i =1
et a i j = ( e i | p( e j )) = ( p( e i )| e j ) = a ji , donc A est une matrice symétrique.
4. 3. =⇒ 4. évident.
n n
5. 4. =⇒ 1. Soit B = ( e 1 , e 2 ,..., e n ) une base orthonormée de E . Alors ∀ x =
P
xi e i , ∀ y =
P
y j e j , on a :
i =1 j =1
à !
n
X n
X
( x| p( y)) = xi e i | y j p( e j )
i =1 j =1
à !
n
X n
X n
X
= xi e i | yj ak j e k
i =1 j =1 k =1
à !
n X
X n
X
= xi y j e i | ak j e k
i =1 i =1 k =1
X n X
= x i y j a i j = ( p ( x )| y ).
i =1 i =1

Cours de Mathématiques MP 8 / 11 Rédigé par: M.Tarqi

C HAPITRE 21 P RODUIT SCALAIRE . O RTHOGONALITÉ

u
t

Définition 2.3 Soit F un sous-espace vectoriel de E , x ∈ E . On appelle distance de x à F , et on note d ( x, F ), le réel défini
par :
d ( x, F ) = inf k x − yk.
y∈F

Proposition 2.2 Soient F un sous-espace vectoriel de E , x ∈ E , on a :

1. ∀ y ∈ F , k x − yk ≥ k x − p F ( x)k.
2. ∀ y ∈ F , k x − yk = k x − p F ( x)k ⇐⇒ y = p f ( x).

Démonstration :
→
−x

Il suffit de remarquer que pour tout y ∈ F :

k x − yk2 = k x − p F ( x) + p F ( x) − yk2 =
k x − p F ( x)k2 + k p F ( x) − yk2 ,
→
−y
puisque x − p F ( x) ∈ F ⊥ et p F ( x) − y ∈ F . u
t
→
−
0 p F ( x)

Remarque : On déduit, d’après la proposition, que d ( x, F ) = k x − p F ( x)k.

2.3 Formes linéaires et hyperplans

Soit E un espace euclidien et a un vecteur de E . On définit l’application ϕa : x 7−→ ( x|a).
Théorème 2.2 (de la représentation ) l’application a −→ ϕa est un isomorphisme de E sur son dual E ∗ .

Démonstration : ∀ ∈ E , l’application x 7−→ ϕa ( x) est bien un forme linéaire, donc ϕa ∈ E ∗ et par conséquent l’ap-
plication a 7−→ ϕa est bien définie.
L’application a 7−→ ϕa est injective, en effet,
ϕa = 0 ⇐⇒ ϕa ( x) = 0 ⇐⇒ ( a| x) = 0∀ x ∈ E ⇐⇒ x = 0

dim E ∗ = dim E implique a 7−→ ϕa est surjective, donc ∀l ∈ E ∗ , il existe un seul élément de E tel que l = ϕa .
Autrement dit : Toute forme linéaire l d’un espace vectoriel euclidien s’écrit d’une manière unique sous la forme
l ( x) = ( x|a), ∀ x ∈ E. u
t

3 Orientation. Produit vectoriel

3.1 Orientation d’un espace euclidien
Définition 3.1 Soit B et B 0 deux bases d’un espace euclidien de dimension n. On dit que les bases B et B 0 sont de même
orientation lorsque detB (B 0 ) > 0.
C’est-à-dire det P > 0 avec P la matrice de passage B à B 0 . Orienter l’espace E c’est, une base étant fixé, convenir
que les bases qui ont même orientation sont les bases directes, et les autres sont les bases indirectes.

Remarque : Pour orienter un plan, on fixe un vecteur w ∉ P et les bases directes (u, v) de P sont celles pour les
quelles (u, v, w) est une base directe de E .
Définition 3.2 Le produit mixte sur E est le déterminant dans toute base orthonormale directe, on note [ x1 , x2 ,..., xn ] le
produit mixte de ( x1 , x2 ..., xn ) ∈ E n .

Cours de Mathématiques MP 9 / 11 Rédigé par: M.Tarqi

C HAPITRE 21 P RODUIT SCALAIRE . O RTHOGONALITÉ

3.2 Produit vectoriel dans un espace euclidien orienté de dimension 3

Théorème et définition 3.1 Pour tout couple ( x, y) ∈ E 2 , il existe un unique vecteur w ∈ E tel que :
∀ z ∈ E, [ x, y, z] = (w| z)

Le vecteur w est appelé le produit vectoriel de x et z, noté x ∧ y.

Démonstration : L’application z 7−→ [ x, y, z] est une forme linéaire sur, donc il existe, d’après le théorème de
représentation, un unique vecteur w tel que
∀ z ∈ E, [ x, y, z] = (w| z).
u
t

Propriétés :
1. On pour tous x, y, z ∈ E : [ x, y, z] = (( x ∧ y)| z), [ x, y, z] = [ y, z, x] = (( y ∧ z)| x), [ x, y, z] = [ z, y, x] = (( z ∧ y)| x).
2. Si ( i, j, k) est une base orthonormée directe de E , alors : i ∧ j = k, j ∧ k = i et k ∧ i = j.
Proposition 3.1 L’application ( x, y) 7−→ x ∧ y est une forme bilinéaire alternée.

Démonstration : Soient α ∈ R, x, y, y0 ∈ E .
– ∀ z ∈ E , (( y ∧ x)| z) = [ y, x, z] = −[ x, y, z] = −(( x ∧ y)| z), d’où par unicité de x ∧ y, on a : x ∧ y = −( y ∧ x).
– ∀z ∈ E,
( x ∧ (α y + y 0 )| z ) = [ x, α y + y0 , z]
= α[ x, y, z ] + [ x, y0 , z ]
= α(( x ∧ y)| z ) + (( x ∧ y0 )| z )
= ([α( x ∧ y) + x ∧ y0 ]| z)

d’où par unicité de x ∧ (α y + y0 ) : x ∧ ( y + y0 ) = α( x ∧ y) + x ∧ y0 .

– La linéarité par rapport à la première variable résulte de la linéarité de la deuxième variable et de l’alternance.
u
t

Proposition 3.2 ∀( x, y) ∈ E 2 , x ∧ y = 0 ⇐⇒ { x, y} est liée.

Démonstration : • si x et y est liée, alors x ∧ y = 0.

• Réciproquement, supposons x ∧ y = 0, si { x, y} est libre, il existe z ∈ E tel que { x, y, z} soit une base de E et alors
( x ∧ y| z) = [ x, y, z] 6= 0, contradiction. Donc la famille { x, y} est liée. u
t

Corollaire 3.1 Si { x, y} est libre, alors { x, y, x ∧ y} est une base directe de E .

Démonstration : En effet, [ x, y, x ∧ y] = (( x| y)|( x| y)) = k x ∧ yk2 > 0. u

t
→ − →
− → −
Proposition 3.3 Soient B = ( i , j , k ) une base orthonormée de E , u, v ∈ E , ( x, y, z) (resp. ( x0 , y0 , z0 )) les compo-
santes de u (resp. v ) dans B, on a :
→
− →
− →
−
u ∧ v = ( yz0 − y0 z) i + ( zx0 − xz0 ) j + ( x y0 − yx0 ) k .

Démonstration : C’est immédiate, on peut retenir ce résultat sous la forme schématique :

¯ →
− ¯
¯ x x0 i ¯
→
−
¯ ¯
u∧v = ¯ y y0 j ¯.
¯ ¯
¯ →
− ¯
¯ z z0 k ¯

u
t

Proposition 3.4 ∀(u, v, w) ∈ E 3 , (u ∧ (v ∧ w)) = (u|w)v − (u|v)w.

Cours de Mathématiques MP 10 / 11 Rédigé par: M.Tarqi

C HAPITRE 21 P RODUIT SCALAIRE . O RTHOGONALITÉ

Démonstration :
– Si v = 0, la propriété est immédiate.
– Si v 6= 0 et si w est colinéaire à v, il existe λ ∈ R tel que w = λv, d’où :

(u|w)v − (u|v)w = λ(u|v) − λ(u|v) = 0 = u ∧ (v ∧ w).

– Si (v, w) libre, il existe une base orthonormée directe ( I, J, K ) et α, β, γ, a, b, c ∈ R tels que :


v = α I

w = βI + γ J

u = aI + bJ + cK


(d’après le procédé d’orthonormaliastion de Schmidt). On a alors : v ∧ w = αγK , d’où u ∧ (v ∧ w) = −aαγ J + aγbI

et (u|w)v − (u|v)w = bγα I − aαγ J . D’où la formule demandée.
u
t

Proposition 3.5 ∀u, v ∈ E , ku ∧ vk2 + (u|v)2 = kuk2 kvk2 . (Identité de L AGRANGE).

Démonstration : En effet, d’après le dernière proposition, on a :

k u ∧ vk = ((u ∧ v)|(u ∧ v)) = [u, v, u ∧ v] = [v, u ∧ v, u]

= (v ∧ (u ∧ v)|u) = (((v|v)u − (v|u)v)|u)
= (v|v)(u|u) − (v|u)(u|v) = kuk2 kvk2 − (u|v)2 .

u
t
.

• • • • • • • • ••

Cours de Mathématiques MP 11 / 11 Rédigé par: M.Tarqi