Espaces vectoriels Euclidiens
I. Produit scalaire
1. Définition
Définition :
Soit
un
ev, on appelle
produit scalaire sur toute application
telle que:
1. est
bilinéaire :
,
:
.
2. est
symétrique :
:
.
3. est
positive :
:
.
4. est
définie :
:
Remarque :
Dans la pratique pour montrer que
est bilinéaire symétrique, on se contente d'établir la linéarité par rapport à une variable et de montrer la symétrie, ce qui est suffisant pour conclure.
Exemples :
Soit
On définit :
:
Montrons que
est un produit scalaire sur
Soient
et
Conclusion :
Soit
On définit :
:
Montrons que
est un produit scalaire sur
Soient
et
, puisque
est continue positive sur
Donc cette fonction est nulle, or puisque un polynôme
admet une infinité de racines, alors
.
Conclusion :
Notation :
Le produit scalaire sera désormais noté
Remarque :
On trouve aussi les notations:
,
2. Propriétés
Soit
un
ev et
un produit scalaire sur
.
a) Inégalités de produit scalaire
Théorème : (Inégalité de Cauchy-Schwarz)
:
Cas d'égalité :
si et seulement si la famille
est liée.
Théorème : (Inégalité de Minkowski)
b) Norme et distance Euclidienne
Rappel 1 : (Définition d'une norme)
On appelle
norme sur toute application
tel que :
:
:
,
:
:
Rappel 2 : (Définition d'une distance)
On appelle
distance sur toute application
tel que :
:
:
:
:
Remarque :
Voir cours : "Normes sur un
-espace vectoriel" pour plus de détails.
Proposition - Définition :
L'application :
est une norme sur
, appelée
norme euclidienne associée à
L'application :
est appelée
distance euclidienne associée à
Propriétés :
Inégalité triangulaire :
:
.
Inégalité triangulaire renversée :
:
Identité du parallélogramme :
:
Identité de polarisation :
:
Identités remarquables :
:
II. Orthogonalité - Orthonormalité
Soient
un
ev,
un produit scalaire sur
et
la norme euclidienne associée à
1. Orthogonalité
Définition :
Soit
.
On dit que
est orthogonal à (ou
et sont orthogonaux), et on note
, si et seulement si :
Exemple :
Soit
.
, on pose :
.
est un produit scalaire sur
. (Démonstration laissée en exercice)
Soient
,
deux fonctions de
.
Donc :
Remarque :
Le vecteur nul est orthogonal à tout vecteur de l'espace car
:
.
Inversement, puisqu'un vecteur orthogonal à tout vecteur est orthogonal à lui-même et puisque
, on peut affirmer que le vecteur nul est le seul vecteur orthogonal à tout vecteur.
Définition : (Famille orthogonale)
Exemple :
Dans
(
) muni du produit scalaire canonique défini par :
,
:
(démonstration laissée en exercice)
La base canonique de
est une famille orthogonale.
Théorème : (Dit de Pythagore)
Pour toute famille
orthogonale, on a :
Proposition :
Toute famille orthogonale ne comportant pas le vecteur nul est libre.
2. Orthonormalité
Définition :
On dit qu'un vecteur
de
est
unitaire (ou
normé) si et seulement si
.
Définition :
On dit qu'une famille
d'éléments de
est
orthonormale (ou
orthonormée) si et seulement si :
, c'est-à-dire que toute famille orthonormée est constituée de vecteurs unitaires deux à deux orthogonaux.
Remarque :
Si
est orthonormée, alors:
:
(symbole de Kronecker)
Définition :
On dit qu'
on norme un vecteur de
si on le multiplie par l'inverse de sa norme, cela veut dire qu'on considère le vecteur unitaire
.
Proposition :
i la famille
de vecteurs de
est orthogonale ne comportant pas le vecteur nul, alors la famille
est orthonormée.
Proposition :
Toute famille orthonormée est libre.
3. Orthogonal d'une partie
Définition :
Soient
et
une partie de
.
On dit que
est orthogonal à , et on note
, si et seulement si :
,
Définition : (Orthogonal d'une partie)
Pour toute partie
de
, on définit
l'orthogonal de , noté
, par :
Proposition :
Pour toute partie
de
,
est un sous-espace vectoriel de
.
Pour toutes parties
de
:
.
Pour toute partie
de
:
.
Pour toute partie
de
:
.
,
.
Pour toute partie
de
,
.
Pour tous sous-espaces vectoriels
de
:
,
.
4. Sous-espaces vectoriels orthogonaux
Définition :
Deux sous-espaces vectoriels
et
de
sont dits
orthogonaux si et seulement si:
:
Proposition :
Soient
et
deux sous-espaces vectoriels de
.
Si
et
sont orthogonaux alors
Proposition :
Soient
et
deux sous-espaces vectoriels de
. Les propositions suivantes sont équivalentes :
(i) et
sont orthogonaux.
(ii) .
(iii) .
III. Espaces vectoriels euclidiens
1. Définition et généralités
Définition :
On appelle
espace vectoriel euclidien tout
-espace vectoriel de dimension finie muni d'un produit scalaire.
Théorème : (Orthogonalisation/Orthonormalisation de Schmidt)
Soit
, soit
une famille libre de vecteurs d'un espace vectoriel euclidien
.
On peut construire une famille orthogonale
de vecteurs de
ou encore une famille orthnormée
de vecteurs de
vérifiant:
:
.
Procédé d'orthonormalisation de Schmidt :
Dans la pratique, pour orthonormaliser une famille libre
:
on pose
.
pour
, lorsque
sont trouvés, on cherche
de la forme :
(où
:
) , de sorte que
:
, ce qui fournit la valeur de
.
une fois la famille
obtenue, on normalise chaque vecteur en posant
.
La famille
ainsi formée est appelée famille orthonormalisée de
selon le procédé de Schmidt.
Remarque :
On peut se contenter d'orthogonaliser une famille libre en utilisant le même procédé (qui sera appelé procédé
d'orthogonalisation de Schmidt), c'est la famille
pas normalisée, appelée dans ce cas la famille orthogonalisée de
.
Exemple :
Dans
muni du produit scalaire canonique :
et
de
:
Soient
,
,
.
La famille
est libre puisque
.
Formons son orthonormalisée selon le procédé de Schmidt.
On pose :
donne
, donc:
.
donne
donne
, donc:
.
Il ne reste qu'à normaliser la famille
(qui n'est autre que l'orthogonalisée de
) :
La famille
est l'orthonormée de
Définition : (Base Orthonormée)
On appelle
base orthonormée d'un espace vectoriel euclidien
(en abrégé :
b.o.n) toute base de
constituée de vecteurs unitaires deux à deux orthogonaux.
Proposition :
Tout espace vectoriel euclidien
possède une b.o.n.
Démonstration immédiate d'après le procédé d'orthonormalisation de Schmidt
Proposition :
Tout sous-espace vectoriel d'un espace euclidien possède une b.o.n.
Théorème : (de la b.o.n incomplète)
Soit
un espace vectoriel euclidien de dimension
.
Pour toute famille
de vecteurs dans
, il existe
tels que la famille
soit une b.o.n de
.
2. Composantes dans une base orthonormée
Soit
un espace vectoriel euclidien de dimension
, muni d'une b.o.n
Théorème :
Les composantes de tout vecteur
de
dans la b.o.n
sont les
.
Preuve :
Puisque
est une base de
, on peut écrire
avec
: les
sont les composantes de
dans
.
Or, par bilinéarité du produit scalaire:
:
.
Donc:
, on a:
.
Théorème :
Si
et
sont de vecteurs de
de composantes respectives
et
dans la b.o.n
, alors :
Proposition : (représentation matricielle)
Soient
,
de composantes respectives
et
dans la b.o.n
, si on pose :
et
Alors :
et
Proposition :
L'application
définie par
est un isomorphisme de
espace vectoriel.
De plus,
:
où
un produit scalaire sur
et
le produit scalaire canonique de
Ainsi
muni d'une b.o.n devient semblable à
.
3. Supplémentaire orthogonal
Soit
un espace vectoriel euclidien.
Proposition - définition :
Pour tout sous-espace vectoriel
de
,
est un supplémentaire de
dans
, appelé
supplémentaire orthogonal de dans .
En particulier :
Proposition :
Pour tout sous-espace vectoriel
de
:
Pour tous sous-espaces vectoriels
de
:
4. Projection et symétrie orthogonales
désigne un espace vectoriel euclidien de dimension
muni d'un produit scalaire
.
a) Projection orthogonale
Définition :
Pour tout sous-espace vectoriel
de
, on appelle
projecteur orthogonal sur (ou
projection orthogonale sur)
et on note
le projecteur sur
parrallèlement à
Remarque :
et
Exemples :
Projection sur droite vectorielle: Soit
avec
.
:
Projection sur hyperplan vectorielle: Soit
avec
.
:
Théorème :
Soit
un sous-espace vectoriel de
, si
est une b.o.n de
alors :
:
.
Théorème : (Caractérisation des projections orthogonales)
Soit
. On a équivalence entre :
(i) est une projection orthogonale.
(ii) et
:
.
Corollaire :
La matrice représentative d'une projection orthogonale dans une base orthonormée est symétrique.
Définition :
Soient
un sous-espace vectoriel de
et
, on appelle
distance de à , et on note
, le réel défini par:
Proposition :
Soient
un sous-espace vectoriel de
et
. On a :
Corollaire :
Soient
un sous-espace vectoriel de
et
:
Exemples :
Projection sur droite vectorielle: Soit
avec
.
:
Donc :
.
Projection sur hyperplan vectorielle: Soit
avec
.
:
Donc :
b) Symétrie orthogonale
Définition :
Pour tout sous-espace vectoriel
de
, on appelle
symétrie orthogonale par rapport à l'endomorphisme
de
défini par:
où
est le projecteur orthogonal sur
.
Remarques :
.
.
Exemple :
Symétrie par rapport à une droite vectorielle : Soit
avec
.
:
Théorème :
Soient
un sous-espace vectoriel de
, si
est une b.o.n de
alors :
:
Théorème : (Caractérisation des symétries orthogonales)
Soit
. On a équivalence entre :
(i) est un symétrie orthogonale.
(ii) et
:
.
Corollaire :
La matrice d'une symétrie orthogonale dans une base orthonormée est symétrique.
Corollaire :
Les symétries orthogonales conservent le produit scalaire:
:
(où
est une symétrie quelconque de
)
Les symétries orthogonales conservent la norme :
:
(où
est une symétrie quelconque de
)
Définition :
On appelle
réflexion de toute symétrie orthogonale par rapport à un hyperplan de
.
Exemple :
Soit
avec
.
:
IV. Groupe orthogonal
Soient
,
un espace vectoriel euclidien de dimension
muni d'un produit scalaire
Rappel :
Dans
, le produit scalaire canonique est défini par:
,
:
Dans
, le produit scalaire canonique est défini par:
:
1. Endomorphismes orthogonaux
Définition :
Un endomorphisme
de
est dit
orthogonal si et seulement si
conserve le produit scalaire, c'est-à-dire :
:
On note
l'ensemble des endomorphismes orthogonaux.
Exemple :
et
sont des endomorphismes orthogonaux.
Remarque :
Les symétries orthogonales, et en particulier les réflexions, sont des endomorphismes orthogonaux, tandis que Les projections orthogonales ne le sont pas en général.
Théorème :
Soit
un endomorphisme de
. On a équivalence entre :
(i) est orthogonal.
(ii) conserve la norme (
,
)
Proposition :
Soit
. les propriétés suivantes sont deux à deux équivalentes :
(i)
(ii) Pour toute b.o.n
de
,
est une b.o.n de
.
(iii) Il existe une b.o.n
de
telle que
soit une b.o.n de
Corollaire :
Un endomorphisme orthogonal de
est un automorphisme de
.
On parle indifféremment d'endomorphisme ou d'automorphisme orthogonal.
Preuve :
Si
, alors par conservation de la norme :
et donc
.
Proposition - Définition :
est un sous-groupe de
.
est appelé
groupe orthogonal de .
Corollaire :
Si
alors
.
Définition :
Les automorphismes orthogonaux de déterminant 1 (resp. -1) sont appelés positifs (ou directs) (resp. négatifs (ou indirects)).
Proposition - définition :
est un sous-groupe de
appelé
groupe spécial orthogonal de .
2. Matrices orthogonales
Définition :
Une matrice
est dite
orthogonale si et seulement si l'endomorphisme de
représenté par
dans la base canonique de
est un endomorphisme orthogonal de
muni du produit scalaire usuel.
On note
l'ensemble de ces matrices.
Proposition :
Soit
; Les propositions suivantes sont 2 à 2 équivalentes :
Pour toute b.o.n
de
, l'endomorphisme de
représenté par
dans
est orthogonal.
Il existe une b.o.n de
dans laquelle l'endomorphisme représenté par
est orthogonal.
Les colonnes de
forment une b.o.n de
pour le produit scalaire usuel.
Les lignes de
forment une b.o.n de
pour le produit scalaire usuel.
Proposition :
est un groupe pour la multiplication, appelé
groupe orthogonal d'ordre .
Proposition :
Soit
une b.o.n de
,
une base de
,
la matrice de passage de
à
. Alors :
est une b.o.n si et seulement si
Proposition - définition :
[puce ]Soit
. On dit que
est
orthogonale droite (resp.
gauche) si et seulement si
(resp.
).
L'ensemble des matrices orthogonales droites d'ordre
est un sous-groupe de
, appelée
groupe spécial orthogonal d'ordre , noté
Définition - Proposition :
Soit
. Le déterminant
ne dépend pas du choix de la b.o.n directe
, et est appelé
produit mixte de et noté