Chapitre 24

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 . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Angle de deux vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Vecteurs unitaires, vecteurs orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.5 Orthogonale d’une partie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2 Espaces euclidiens 6
2.1 Existence de bases orthonormales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Projecteurs orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Formes linéaires et hyperplans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

3 Orientation. Produit vectoriel 11

3.1 Orientation d’un espace euclidien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2 Produit vectoriel dans un espace euclidien orienté de dimension 3 . . . . . . . . . . . . . . 11

•••••••••••
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 , y 0 ∈ E, λ, µ ∈ R :
f (λx + µx0 , y) = λf (x, y) + µf (x0 , y)
On dit que f est linéaire à gauche.

f (x, λy + µy 0 ) = λf (x, y) + µf (x, y 0 )

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.

1
C HAPITRE 23 I NTÉGRALE GÉNÉRALISÉE

Remarque : Cette définition s’énonce en disant que f est une forme bilinéaire symétrique définie posi-
tive.
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.

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 + λy|x + λy) = 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 + αy|x + αy) = 0, soit par conséquent
x + αy = 0. Les x et y sont donc proportionnels.
u
t

Exemples :
n
xi yi , définie sur Rn × Rn est un produit scalaire, c’est le produit
P
1. L’application (.|.) : (x, y) −→
k=0
scalaire canonique de Rn . L’inégalité de Cauchy-Schwartz s’écrit :

n
!2 n
! n
!
X X X
xk y k ≤ x2k yk2
k=0 k=0 k=0

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

2. Soit E = C([a, b], R) l’espace des fonctions continues sur [a, b] (a < b). L’application (f, g) −→
Rb
a f (t)g(t)dt est un produit scalaire. L’inégalité de Cauchy-Schwartz s’écrit :
Z b 2 Z b  Z b 
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 , y 0 , z 0 )) = xx0 + yy 0 + zz 0 + (xy 0 + xz 0 + yx0 + yz 0 + zx0 + zy 0 )
2
est un produit scalaire.

Cours de Mathématiques MP 2 / 13 Rédigé par: M.Tarqi

C HAPITRE 23 I NTÉGRALE GÉNÉRALISÉE

1.2 Norme et distance associées à un produit scalaire

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

Théorème et définition 1.1 Cette application vérifie les propriétés suivantes :

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

Démonstration :
1. ∀x ∈ E, kxk = (x|x) ≥ 0 et puisque (.|.) est définie,
kxk = 0 ⇐⇒ (x|x) = 0 ⇐⇒ x = 0.

2. Soit λ ∈ R et x ∈ E, kλxk = (λx|λx) = λ2 (x|x). d’où kλxk = |λ|kxk.

3. ∀x, y ∈ E,
kx + 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)| ≤ kxkkyk.

2. Pour tous vecteurs x et y de E, on a : |kxk − kyk ≥ kx − yk.

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

Théorème et définition 1.2 Soit (.|.) un produit scalaire sur E et soit x −→ kxk la norme associée.
L’application d : E × E −→ R définie par d(x, y) = kx − 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 , kx + yk2 + kx − yk2 = 2(kxk2 + kyk2 ).

Cours de Mathématiques MP 3 / 13 Rédigé par: M.Tarqi

C HAPITRE 23 I NTÉGRALE GÉNÉRALISÉE

Démonstration : ∀α, β ∈ R, ∀x, y ∈ E.

kαx + βyk2 = α2 kxk2 + 2αβ(x|y) + β 2 kyk2 .

en particulier : (
kx + yk2 = kxk2 + 2(x|y) + kyk2
kx − yk2 = kxk2 − 2(x|y) + kyk2
Par addition de ces deux équation, on obtient : kx + yk2 + kx − yk2 = 2(kxk2 + kyk2 ) u
t

Interprétation géométrique de l’iden-

tité du parallélogramme : La somme
des carrés des cotes d’un parallélo- →
−
x −→
−
y
gramme est égale à la somme des carrés →
−
y
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) = (kx + yk2 − (kxk2 − kyk2 ) = (kx + yk2 + kx − 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 kxk =
6 0 et kyk =
6 0 et d’après l’inégalité de Cauchy-Schwarz,

(x|y)
−1 ≤ ≤ 1,
kxkkyk

il existe alors un nombre réel θ unique dans [0, π] tel que :

(x|y)
cos θ = .
kxkkyk

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 kxk = 1.
2. Deux vecteurs x et y de E sont dites orthogonaux si (x|y) = 0.

Cours de Mathématiques MP 4 / 13 Rédigé par: M.Tarqi

C HAPITRE 23 I NTÉGRALE GÉNÉRALISÉE

Remarques :
x −x
1. Si x 6= 0, les vecteurs kxk et kxk 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 (xi )i∈I de vecteurs de E est orthogonale si les vecteurs xi sont orthogonaux
deux à deux. Si de plus ils sont unitaires, alors la famille est dite orthonormée.

Définition 1.4 Soit B = (e1 , e2 , ..., en ) une base de E. Si c’est une famille orthonormée, on dit que B est une base
orthonormée, en abrégé B.O.N .

Remarques :
1. La base (e1 , e2 , ..., en ) est orthonormale si, et seulement si,

∀(i, j) ∈ [1, n]2 , (ei |ej ) = δij

où δij 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 (xi )i∈I est orthogonale et formée de vecteurs non nuls, alors cette
famille est libre.

Démonstration : Soit xi1 , xi2 , ..., xin une famille finie de (xi )i ∈I et λ1 , λ2 , ..., λn des scalaires tels que
Pn n
P
λj xij = 0, alors ∀k ∈ [1, n], (xik | λj xij ) = λk (xik |xik ) = 0, puisque xik 6= 0 alors λk = 0. Donc la
j=0 j=0
famille est libre.
En particulier toute famille orthonormée est libre. u
t

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

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

Démonstration :
p
X Xp p
X
2
k xi k = ( xk | xk )
i=1 k=1 k=1
p
X X
= kxk k2 + (xi |xj
k=1 i6=j
Xp
= kxk k2 .
k=1

u
t

Cours de Mathématiques MP 5 / 13 Rédigé par: M.Tarqi

C HAPITRE 23 I NTÉGRALE GÉNÉRALISÉE

Remarques :
1. Dans le cas où p = 2, il y a équivalence entre (x|y) = 0 et kx + yk2 = kxk2 + kyk2 . En effet, on a
pour tout x et y de E, kx + yk2 = kxk2 + kyk2 + 2(x|y).
−−
→ −→
2. Dans le plan euclidien le triangle ABC est rectangle en A si, et seulement si, kABk2 + kACk2 =
−−→
kBCk2 .

Proposition 1.5 Soit B = (e1 , e2 , ..., en ) une B.O.N de E. Pour tout x de E, on a :

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

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

Xn n
X
(x|ej ) = ( λk ek |ej ) = λk (ek |ej ) = λj (ej |ej ) = λj .
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, (λx + µy|z) = λ(x|z) + µ(y|z) = 0

donc λx + µy ∈ A⊥ .

Proposition 1.6 Si F est un sous-espace vectoriel de E, alors la somme F + F ⊥ est directe :

F ∩ F ⊥= {0}.

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.

Cours de Mathématiques MP 6 / 13 Rédigé par: M.Tarqi

C HAPITRE 23 I NTÉGRALE GÉNÉRALISÉE

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 = αe + y avec e et y orthogonaux.

Démonstration : L’unicité : Si x = βe + 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 = (x|e)
kek2
et y = x − αe. Il suffit alors de vérifier que
(y|e) = 0, on a :
(y|e) = (x − αe|e) = (x|e) − α(e|e) = 0
le vecteur αe est la projection orthogonale de x sur Vect(e). u
t
Théorème 2.1 Tout espace vectoriel euclidien admet des bases orthonormales. Plus précisé-
ment, si B = (f1 , f2 , ..., fn ) une base de E, alors on peut construire une B.O.N de E telle que :
∀p ∈ [1, n], Vect(e1 , e2 , ..., ep ) = Vect(f1 , f2 , ..., fp ).

Démonstration : Soit B = (f1 , f2 , ..., fn ) une base de E, nous cherchons une base B 0 = (e1 , e2 , ..., en )
une base orthonormée de E.
Soit e1 = kff11 k . On sait que le vecteur f2 s’écrit de façon unique sous forme f2 = αf1 + f20 , f1 et f20
orthogonaux. f20 n’est pas nul, sinon on aurait f2 = αf1 et les vecteurs f1 et f2 ne seraient pas libre. On
choisit alors le vecteur e2 défini par :
f0
e2 = 20 .
kf2 k
Les vecteurs e1 et e2 sont orthogonaux, puisque
 0
f20

f1
(e1 |e2 ) = | = 0.
kf10 k kf20 k
On a bien Vect(e1 ) = Vect(f1 ) et Vect(e1 , e2 ) = Vect(f1 , f2 ).
La démonstration du théorème se poursuit par récurrence. Supposons construits, pour 1 ≤ k ≤ n, des
vecteurs e1 , e2 , ..., ek qui engendrent le même sous-espace vectoriel que les vecteurs f1 , f2 , ..., fk .
On cherche des nombres réels β1 , β2 , ..., βk tels que le vecteur :
fk0 = fk+1 + β1 e1 + β2 e2 + ... + βk ek
soit orthogonal aux vecteurs e1 , e2 , ..., ek . Les réels β1 , β2 , ..., βk doivent vérifier les relations :
0
(fk+1 |ei ) = 0, ∀i = 1, 2, ..., k.
Ces relations fournissent les coefficients βi cherchées. Le vecteur fk+1 0 n’est nul, sinon fk+1 ∈ Vect(e1 , e2 , ..., ek ) =
Vect(f1 , f2 , ..., fk ), ce qui contraire au fait que (fi ) soit une base.
on choisit alors
f0
ek+1 = k+1 0 ,
kfk+1 k
c’est un vecteur orthogonal aux vecteurs e1 , e2 , ..., ek . En outre,
Vect(e1 , e2 , ..., ek+1 ) = Vect(f1 , f2 , ..., fk+1 )
Ainsi, par récurrence, on a construit la base (ei ) orthonormée. u
t

Cours de Mathématiques MP 7 / 13 Rédigé par: M.Tarqi

C HAPITRE 23 I NTÉGRALE GÉNÉRALISÉE

Corollaire 2.1 Soit F un sou-espace vectoriel d’un espace vectoriel euclidien E, F ⊥ le sous-
espace orthogonal 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 (e1 , e2 , ..., ep ) une B.O.N de F ; c’est une famille libre de
E qui peut être complétée en une base de E, soit (e1 , e2 , ..., ep , fp+1 , ..., fn ). En appliquant à cette base le
procédé d’orthonormalisation les premiers vecteurs restent inchangés, on obtient donc une B.O.N de E
(e1 , e2 , ..., ep , ep+1 , ..., en ).
n
soit G = Vect(ep+1 , ..., en ), nous allons montrer que G = F ⊥ . soit x =
P
αi ei ∈ G, on a :
i=p+1

(x|e1 ) = (x|e2 ) = ... = (x|en ) = 0

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

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

Remarques :
1. par construction la matrice de passage de la base (fi ) à la base (ei ) est triangulaire supérieure à
coefficients diagonaux strictement positifs ;
2. Soit (f1 , f2 , ..., fp ) une famille orthonormale non génératrice de E ; on peut la compléter en une
B.O.N (e1 , e2 , ..., ep , ep+1 , ..., en ).

Exemple : Considérons R3 muni du produit scalaire :

1
S((x, y, z), (x0 , y 0 , z 0 )) = xx0 + yy 0 + zz 0 + (xy 0 + xz 0 + yx0 + yz 0 + zx0 + zy 0 )
2
dont la norme associée est :
1p
k(x, y, z)k = (x + y)2 + (x + z)2 + (y + z)2
2
Construisons une base orthonormée (f1 , f2 , f3 ) par le procédé de Schmidt à partir de la base canonique.
◦ Le vecteur e1 = (1, 0, 0) est normée, donc on prend f1 = e1 .
◦ Cherchons g2 orthogonal à f1 de la forme :

g2 = e2 − λf1

On a (f1 |f2 ) = (f1 |e2 ) − λ, donc il suffit de prendre λ = (f1 |e2 ) = 12 , ce qui donne g2 = ( −1
2 , 1, 0), donc
−1 √2
f2 = ( √ 3
, 3
, 0).
◦ Cherchons g3 orthogonal à f1 et f2 de la forme de la forme

g3 = e3 − λf1 − µf2 .
1 1
Il suffit de prendre λ = (f1 |e3 ) = 2 et µ = (f2 |e3 ) = √
2 3
, ce qui donne g3 = ( −1 −1
3 , 3 , 1) et f3 =
√1 (−1, −1, 3).
6

Cours de Mathématiques MP 8 / 13 Rédigé par: M.Tarqi

C HAPITRE 23 I NTÉGRALE GÉNÉRALISÉE

2.2 Projecteurs orthogonaux

Définition 2.2 Soit F un sous-espace vectoriel de E. La projection pF sur F parallèlement à F ⊥ est appelée
projection orthogonale sur F .
De même , on appelle symétrie orthogonale par rapport à F la symétrie sF par rapport à F parallèlement à F ⊥ .

Soit BF = (e1 , e2 , ..., ep ) une base orthonormée de F , alors ∀x ∈ E, pF (x) ∈ F , donc il existe des scalaires
p
P
λ1 , λ2 , ..., λp tels que : pF (x) = λi ei .
i=1
D’autre part ∀k ∈ [1, p], λk = (ek |pF (x)) = (ek |y) = (ek |x), avec x = y + z, x ∈ F, z ∈ F ⊥ . On déduit donc
p
X
pF (x) = (x|ei )ei .
i=1

Comme sF = 2pF − idE , alors pour tout x de E, on a :

p
X
sF (x) = 2 (x|ei )ei − x.
i=1

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

Proposition 2.1 Soit p une projection vectorielle sur l’espace euclidien E. Les conditions sui-
vantes 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.
3. 2. =⇒ 3. Soit B = (e1 , e2 , ..., en ) une base orthonormée et A = (aij )1≤i≤n,1≤j≤n = M (p, B). Alors
n
P
p(ej ) = aij ei et aij = (ei |p(ej )) = (p(ei )|ej ) = aji , donc A est une matrice symétrique.
i=1
4. 3. =⇒ 4. évident.

Cours de Mathématiques MP 9 / 13 Rédigé par: M.Tarqi

C HAPITRE 23 I NTÉGRALE GÉNÉRALISÉE

n
P n
P
5. 4. =⇒ 1. Soit B = (e1 , e2 , ..., en ) une base orthonormée de E. Alors ∀x = xi ei , ∀y = yj ej , on
i=1 j=1
a:
 
Xn n
X
(x|p(y)) =  xi ei | yj p(ej )
i=1 j=1
 
Xn n
X n
X
=  xi ei | yj akj ek 
i=1 j=1 k=1
n X n
!
X X
= xi y j ei | akj ek
i=1 i=1 k=1
Xn X
= xi yj aij = (p(x)|y).
i=1 i=1

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 kx − yk.
y∈F

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

1. ∀y ∈ F , kx − yk ≥ kx − pF (x)k.
2. ∀y ∈ F , kx − yk = kx − pF (x)k ⇐⇒ y = pf (x).

Démonstration :
→
−
x

Il suffit de remarquer que pour tout y ∈

F:

kx − yk2 = kx − pF (x) + pF (x) − yk2 =

kx − pF (x)k2 + kpF (x) − yk2 ,
→
−
y
puisque x − pF (x) ∈ F⊥ et pF (x) − y ∈ →
−
F. u
t 0 pF (x)
P

Remarque : On déduit, d’après la proposition, que d(x, F ) = kx − pF (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∗.

Cours de Mathématiques MP 10 / 13 Rédigé par: M.Tarqi

C HAPITRE 23 I NTÉGRALE GÉNÉRALISÉE

Démonstration : ∀ ∈ E, l’application x 7−→ ϕa (x) est bien un forme linéaire, donc ϕa ∈ E ∗ et par
conséquent l’application 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 .

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 théo-
rème 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.

Cours de Mathématiques MP 11 / 13 Rédigé par: M.Tarqi

C HAPITRE 23 I NTÉGRALE GÉNÉRALISÉE

Démonstration : Soient α ∈ R, x, y, y 0 ∈ 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 ∧ (αy + y 0 )|z) = [x, αy + y 0 , z]

= α[x, y, z] + [x, y 0 , z]
= α((x ∧ y)|z) + ((x ∧ y 0 )|z)
= ([α(x ∧ y) + x ∧ y 0 ]|z)

d’où par unicité de x ∧ (αy + y 0 ) : x ∧ (y + y 0 ) = α(x ∧ y) + x ∧ y 0 .

– 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)) = kx ∧ 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 , y 0 , z 0 )) les composantes de u (resp. v ) dans B, on a :
→
− →
− →
−
u ∧ v = (yz 0 − y 0 z) i + (zx0 − xz 0 ) j + (xy 0 − yx0 ) k .

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

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

u
t

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

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).

Cours de Mathématiques MP 12 / 13 Rédigé par: M.Tarqi

C HAPITRE 23 I NTÉGRALE GÉNÉRALISÉE

– Si (v, w) libre, il existe une base orthonormée directe (I, J, K) et α, β, γ, a, b, c ∈ R tels que :

v = αI

w = βI + γJ

u = aI + bJ + cK


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

−aαγJ + aγbI et (u|w)v − (u|v)w = bγαI − aαγJ. 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 :

ku ∧ 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 13 / 13 Rédigé par: M.Tarqi