COURS 5

V. Espace vectoriel muni d’un produit scalaire, diagonalisation des matrices symétriques et hermitiennes

V. 1. Introduction
Nous avons vu que dans un espace vectoriel nous pouvons additionner des vecteurs et les multiplier par
des scalaires.

Pouvons-nous aller plus et définir des notions comme les longueurs, les angles et l’orthogonalité ?

Le produit scalaire est une nouvelle opération qui s’ajoute aux lois s’appliquants aux vecteurs, à savoir
l’addition et la multiplication scalaire, et qui permet donc d’utiliser les notions usuelles de géométrie
comme les longueurs, les distances, les angles et l’orthogonalité.

Le produit scalaire permet d’étendre ces notions à des espaces vectoriels réels ou complexes de toute
dimension.
V. 2. Produit scalaire

Rappelons que dans R3 le produit scalaire est défini par (en utilisant la notation matricielle)
 0
x
u |~v i = x y z · y 0  = xx 0 + yy 0 + zz 0


h~
z0

On remarque que ce produit scalaire satsifait les propriétés :

en fixant u~, l’application ~x 7→ h~ u |~x i est linéaire ; de même l’application ~x 7→ h~x |~
u i est linéaire ; on
dit qu’elle est bilinéaire ;
symétrie : pour tous u~, ~v , h~u |~v i = h~v |~ui
positivité : pour tout u~, h~ ui = x + y 2 + z 2 ≥ 0 ;
u |~ 2

définie : pour tout tout u~, h~ u |~u i = 0 ⇒ u~ = 0.

Il s’avère que ces trois propriétés sont les plus élémentaires qui permettent de généraliser les “propriétés
géométriques” recherchées aux espaces abstraits ...

Nous distinguerons le cas réel et le cas complexe pour définir le produit scalaire.
V. 2. 1. Produit scalaire réel

Définition
Soit E un R-espace vectoriel. Une application ϕ : E × E → R est appelée forme bilinéaire si :
ϕ est linéaire à droite : pour tout a ∈ E fixé, l’application ϕa : E → R définie par ϕa (y ) = ϕ(a, y )
est linéaire.
ϕ est linéaire à gauche : pour tout b ∈ E fixé, l’application ϕb : E → R définie par ϕb (x) = ϕ(x, b)
est linéaire.

Mathématiques 3, 2019 Chapitre 1: Algèbre Linéaire 1 / 12

Exemple
En prenant E = R l’application
R × R → R, ϕ(x, y ) = xy
est une forme bilinéaire sur E . En effet :
ϕ est linéaire à droite : pour tout a ∈ R fixé, l’application ϕa : R → R définie par ϕa (y ) = ay est
évidemment linéaire.
ϕ est linéaire à gauche : pour tout b ∈ R fixé, l’application ϕb : R → R définie par ϕb (x) = xb est
évidemment linéaire.

On remarque par contre que ϕ elle-même n’est pas linéaire (exercice).

Définition
Une forme bilinéaire ϕ : E × E → R est
symétrique si ϕ(x, y ) = ϕ(y , x) pour tous x, y ∈ E .
positive si ϕ(x, x) ≥ 0 pour tout x ∈ E .
définie si pour tout x ∈ E ,
ϕ(x, x) = 0 ⇒ x = 0.

Exemple
Dans R2 , l’application

ϕ : R2 × R2 → R, ϕ((x1 , x2 ), (y1 , y2 )) = x1 y1 + x2 y2

est une forme bilinéaire (exercice) symétrique et définie positive. En effet :

ϕ est symétrique : on a

ϕ((x1 , x2 ), (y1 , y2 )) = x1 y1 + x2 y2 = y1 x1 + y2 x2 = ϕ((y1 , y2 ), (x1 , x2 ))

et donc ϕ est symétrique.

ϕ est définie positive : on a
ϕ((x1 , x2 ), (x1 , x2 )) = x12 + x22 ≥ 0
et ϕ((x1 , x2 ), (x1 , x2 )) = 0 si et seulement si (x1 , x2 ) = (0, 0).

Définition
Soit E un R-espace vectoriel. On appelle produit scalaire sur E toute forme bilinéaire sur E qui est
symétrique et définie positive.

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

Notation
Si ϕ : E × E → R est un produit scalaire, alors ϕ(x, y ) est noté hx|y i.

Mathématiques 3, 2019 Chapitre 1: Algèbre Linéaire 2 / 12

Exemple : Produit scalaire canonique de Rn
Dans Rn , le produit scalaire canonique, est défini par

h(x1 , . . . , xn )|(y1 , . . . , yn )i = x1 y1 + · · · + xn yn .

Exemple
Soit E = C ([a, b]) le R-e.v des applications continues de l’intervalle [a, b] dans R. Alors l’application
Z b
E × E → R, (f , g ) → hf |g i = f (x)g (x) dx
a

est un produit scalaire. En effet

bilinéarité : conséquence de la linéarité de l’intégrale ;
symétrie : hf |g i = hg |f i est évidente ;
Z b
positivité : hf |f i = f (x)2 dx ≥ 0 car l’intégrale d’une fonction positive est positive ;
a
définie : hf |f i = 0 ⇒ f = 0 ; propriété de l’intégrale de Riemann.

Exemple
Soit E = Mn (R) le R-e.v des matrices carrées n × n. Alors l’application

E × E → R, (A, B) → hA|Bi = Tr (At · B)

est un produit scalaire (où pour une matrice M, Tr (M) désigne la trace de M et M t désigne la
transposée de M).

Exercice
Soit E = R2 . Pour (x, y ), (x 0 , y 0 ) ∈ E , on pose

ϕ((x, y ), (x 0 , y 0 )) = xx 0 + 12(xy 0 + yx 0 ) + yy 0 .

Montrer que ϕ est un produit scalaire sur E .

V. 2. 3. Produit scalaire complexe

Définition
Soit E un C-espace vectoriel. Une application ϕ : E × E → C est appelée forme sesquilinéaire sur E si :
pour tout b ∈ E fixé, l’application ϕb : E → C définie par ϕb (x) = ϕ(x, b) est linéaire.
pour tout a ∈ E fixé, l’application ϕa : E → C définie par ϕa (y ) = ϕ(a, y ) est semi-linéaire :

ϕ(a, y1 + y2 ) = ϕ(a, y1 ) + ϕ(a, y2 ), pour tout y1 , y2 ∈ E

ϕ(a, λy ) = λ̄ϕ(a, y ), pour tout y ∈ E et λ ∈ C.

Mathématiques 3, 2019 Chapitre 1: Algèbre Linéaire 3 / 12

Exemple
En prenant E = C l’application
C × C → C, ϕ(x, y ) = xy
est une forme sesquilinéaire sur E . En effet :
pour tout b ∈ R fixé, l’application ϕb : C → C définie par ϕb (x) = xb est linéaire.
pour tout a ∈ C fixé, l’application ϕa : C → C définie par ϕa (y ) = ay est semi-linéaire :

ϕa (y1 + y2 ) = a(y1 + y2 ) = ay1 + ay2 = ϕa (y1 ) + ϕa (y2 )

ϕa (λy ) = aλy = aλy = λϕa (y ).

Définition
Une forme sesquilinéaire ϕ : E × E → C est
hermitienne si ϕ(x, y ) = ϕ(y , x), pour tout x, y ∈ E .
positive si ϕ(x, x) ≥ 0 pour tout x ∈ E .
définie si pour tout x ∈ E ,
ϕ(x, x) = 0 ⇒ x = 0.

Exemple
Dans C2 , l’application

ϕ : C2 × C2 → C, ϕ((x1 , x2 ), (y1 , y2 )) = x1 y1 + x2 y2

est une forme sesquilinéaire (exercice) hermitienne et définie positive. En effet :

ϕ est hermitienne : on a

ϕ((x1 , x2 ), (y1 , y2 )) = x1 y1 + x2 y2 = y1 x1 + y2 x2 = ϕ((y1 , y2 ), (x1 , x2 ))

et donc ϕ est hermitienne.

ϕ est définie positive : on a

ϕ((x1 , x2 ), (x1 , x2 )) = x1 x1 + x2 x2 = |x1 |2 + |x2 |2 ≥ 0

et ϕ((x1 , x2 ), (x1 , x2 )) = 0 ⇒ (x1 , x2 ) = (0, 0).

Définition
Soit E un C-espace vectoriel. On appelle produit scalaire sur E toute forme sesquilinéaire sur E qui est
hermitienne et définie positive.

Un C-espace vectoriel muni d’un produit scalaire est appelé un espace préhilbertien. S’il est de
dimension finie alors il est appelé hermitien.

Notation
Si ϕ : E × E → C est un produit scalaire, alors ϕ(x, y ) est noté hx|y i.

Mathématiques 3, 2019 Chapitre 1: Algèbre Linéaire 4 / 12

Exemple : Produit scalaire canonique de Cn
Dans Cn , le produit scalaire canonique, est défini par

h(x1 , . . . , xn )|(y1 , . . . , yn )i = x1 y1 + · · · + xn yn .

Récapitulatif pour les R-espaces vectoriels

Soit E un R-espace vectoriel.
On appelle produit scalaire sur E toute forme bilinéaire sur E qui est symétrique et définie positive.
Un R-espace vectoriel muni d’un produit scalaire est appelé un espace préhilbertien.
Un R-espace vectoriel de dimension finie muni d’un produit scalaire est appelé un espace euclidien.
Produit scalaire canonique de Rn : le produit scalaire canonique de Rn , est défini par

h(x1 , . . . , xn )|(y1 , . . . , yn )i = x1 y1 + · · · + xn yn .

Récapitulatif pour les C-espaces vectoriels

Soit E un C-espace vectoriel.
On appelle produit scalaire sur E toute forme sesquilinéaire sur E qui est hermitienne et définie
positive.
Un C-espace vectoriel muni d’un produit scalaire est appelé un espace préhilbertien.
Un C-espace vectoriel de dimension finie muni d’un produit scalaire est appelé un espace hermitien.
Produit scalaire canonique de Cn : le produit scalaire canonique de Cn , est défini par

h(x1 , . . . , xn )|(y1 , . . . , yn )i = x1 y1 + · · · + xn yn .

V. 2. 4. Propriétés géométriques

Rappel
Si ϕ : E × E → K est un produit scalaire, alors ϕ(x, y ) est noté hx|y i.

Dans la suite E est un K-espace vectoriel préhilbertien. Donc un espace vectoriel, réel ou complexe,
muni d’un produit scalaire noté hx|y i.

Définition
Nous avons pour tout x ∈ E , hx|xi ≥ 0 ; on pose alors
p
kxk = hx|xi

qu’on appelle la norme de x ;

Exemple
Dans R2 muni du produit scalaire canonique

h(x, y )|(x 0 , y 0 )i = xx 0 + yy 0

on retombe sur la notion usuelle de norme (ou longueur)

p p
k~u k = h(x, y )|(x, y )i = x 2 + y 2

Mathématiques 3, 2019 Chapitre 1: Algèbre Linéaire 5 / 12

Proposition
Pour tous x, y ∈ E et pour tout λ ∈ K on a :
kxk ≥ 0,
kλxk = |λ|kxk,
kxk = 0 si et seulement si x = 0,
kx + y k ≤ kxk + ky k (Inégalité triangulaire),
kx + y k2 = kxk2 + 2Re(hx|y i) + ky k2 .

Définition
Pour tous x, y ∈ E , on pose d(x, y ) = kx − y k qu’on appelle la distance entre x et y .

Exemple
Dans R2 muni du produit scalaire canonique

h(x, y )|(x 0 , y 0 )i = xx 0 + yy 0

on retombe également sur la notion usuelle de distance

p
d((x, y ), (x 0 , y 0 )) = h(x − x 0 , y − y 0 )|(x − x 0 , y − y 0 )i
p
= (x − x 0 )2 + (y − y 0 )2 .

Proposition
Pour tous x, y , z ∈ E on a :
pour tous x, y ∈ E , d(x, y ) ≥ 0,
pour tous x, y ∈ E , d(x, y ) = 0 si et seulement si x = y ,
pour tous x, y ∈ E , d(x, y ) = d(y , x),
pour tous x, y , z ∈ E , d(x, y ) ≤ d(x, z) + d(z, y ) (Inégalité triangulaire).

Proposition (Identité du parallélogramme)

Dans tout espace préhilbertien E , on a pour tous x, y ∈ E

kx + y k2 + kx − y k2 = 2(kxk2 + ky k2 ).

Dans un parallélogramme, la somme des carrés des longueurs des diagonales est égale à la somme des
carrés des longueurs des côtés.

Proposition (Inégalité de Cauchy-Schwarz)

Dans tout espace préhilbertien E , on a pour tous x, y ∈ E

| hx|y i | ≤ kxk · ky k

avec égalité si et seulement si x et y sont linéairement dépendants.

Mathématiques 3, 2019 Chapitre 1: Algèbre Linéaire 6 / 12

On suppose E euclidien. Soient u et v deux vecteurs non nuls de E . On sait d’après l’inégalité de
Cauchy-Schwarz que
 hu|v i 
≤1
 
kukkv k


On peut donc trouver un unique angle α ∈ [0, π] tel que

hu|v i
cos(α) =
kukkv k

Définition
Cet unique angle est appelé l’angle non orienté entre u et v .

V. 3. Orthogonalité

Définition
On dit que deux vecteurs x, y ∈ E sont orthogonaux si hx|y i = 0. On écrit x⊥y .
Deux parties A et B de E sont dites orthogonales si pour tout a ∈ A et pour tout b ∈ B, a et b
sont orthogonaux. On écrit A⊥B.

Remarque
Remarquons que deux vecteurs u et v non nuls sont orthogonaux si et seulement si l’angle non orienté
formé entre u et v est π/2.

Définition
Soit C = (u1 , . . . , up ) une famille de vecteurs d’un espace préhilbertien E . On dit que C est orthogonale
si ui ⊥uj pour tout i, j ∈ {1, . . . , p} avec i 6= j.

Exemple
On munit R3 du produit scalaire canonique. Soit B = (u, v ) la famille définie par
1 1 1 1 −1
u = ( √ , √ , √ ), v = ( √ , √ , 0)
3 3 3 2 2
est une famille orthogonale. En effet
1 1 1 1
hu|v i = √ × √ − √ × √ = 0
3 2 3 2
et donc u et v sont orthogonaux.

Théorème de Pythagore
Soit C = (u1 , . . . , up ) une famille orthogonale de vecteurs d’un espace préhilbertien E . Alors
Xp 2 Xp
ui = kui k2 .


i=1 i=1

Mathématiques 3, 2019 Chapitre 1: Algèbre Linéaire 7 / 12

Proposition
Toute famille de vecteurs, ne contenant pas de vecteurs nuls, orthogonale est libre.

V. 4. Projection orthogonale

Proposition
Soit A une partie non vide de E . L’ensemble des vecteurs de E qui sont orthogonaux à tous les vecteurs
de A, noté A⊥
A⊥ = {x ∈ E |x⊥y pour tout y ∈ A}
est un s.e.v de E appelé l’orthogonal de A.

Proposition
Pour tout s.e.v F de dimension finie de E on a E = F ⊕ F ⊥ .

Théorème (projection orthogonale)

Soit F un s.e.v de dimension finie de E . Pour tout vecteur x ∈ E , il existe un unique vecteur y dans F
tel que :
d(x, y ) = d(x, F ) = inf d(x, z).
z∈F

C’est l’unique vecteur appartenant à F vérifiant x − y ∈ F ⊥ .

Pour x ∈ E , le vecteur y de F fourni par le théorème précédent peut être vu comme la meilleure
approximation de x dans F .

On dit que y est la projection orthogonale de x sur F . On note y = pF (x).

On a E = F ⊕ F ⊥ et
x = pF (x) + (x − pF (x))
avec pF (x) ∈ F et x − pF (x) ∈ F ⊥ .

V. 4. Bases orthonormées, orthonormalisation

Définition
On dit d’un vecteur x ∈ E qu’il est unitaire si kxk = 1.

Définition
Soit C = (u1 , . . . , up ) une famille de vecteurs de E . On dit que C est orthonormée si C est orthogonale
et si ui est unitaire pour tout i ∈ {1, . . . , p}.

Autrement dit, une famille C = (u1 , . . . , un ) de E est une base orthonormée si

kui k = 1 pour tout i ∈ {1, . . . , n},
hui |uj i = 0 pour tout i, j avec i 6= j.

Mathématiques 3, 2019 Chapitre 1: Algèbre Linéaire 8 / 12

Exemple
Reprenons un exemple précédent. On munit R3 du produit scalaire canonique. Alors la famille
B = (u, v ) définie par
1 1 1 1 −1
u = ( √ , √ , √ ), v = ( √ , √ , 0)
3 3 3 2 2
est une famille orthonormée. En effet (orthogonalité déjà vue)
1 1 1 1
hu|v i = √ × √ − √ × √ = 0
3 2 3 2
et donc u et v sont orthogonaux. On a en plus
s
1 1 1
hu|ui = ( √ )2 + ( √ )2 + ( √ )2 = 1
3 3 3

et de même hv |v i = 1.

Définition
Une base de E qui forme une famille orthonormée est appelée base orthonormée.

De même, une base B = (e1 , . . . , en ) de E est une base orthonormée si

kei k = 1 pour tout i ∈ {1, . . . , n},
hei |ej i = 0 pour tout i, j avec i 6= j.

Exemple
Dans Rn muni du produit scalaire canonique

h(x1 , . . . , xn )|(y1 , . . . , yn )i = x1 y1 + · · · + xn yn

la base canonique Can = (e1 , . . . , en ) est une base orthonormée. Il faut vérifier (exercice)
kei k = 1,
hei |ej i = 0 pour tout i, j avec i 6= j.

Proposition (Lecture des composantes dans une base orthonormée)

Soit E un espace euclidien ou hermitien. Soit B = (e1 , . . . , en ) une base orthonormée de E . Alors pour
tout x ∈ E , on a

x = hx|e1 i e1 + · · · + hx|en i en et kxk2 = | hx|e1 i |2 + · · · + | hx|en i |2 .

Donc
hx|e1 i
 

x =  ... 
hx|en i B

Mathématiques 3, 2019 Chapitre 1: Algèbre Linéaire 9 / 12

Preuve
Écrivons x = λ1 e1 + · · · + λn en ; donc en composantes dans la base B. Alors par la bilinéarité du produit
scalaire et l’orthonormalité de B

hx|e1 i = hλ1 e1 + · · · + λn en |e1 i

= λ1 he1 |e1 i + · · · + λn hen |e1 i

= λ1 he1 |e1 i = λ1 .
De même hx|ei i = λi et donc on a bien

x = hx|e1 i e1 + · · · + hx|en i en et kxk2 = | hx|e1 i |2 + · · · + | hx|en i |2 .

Proposition (Lecture d’un produit scalaire dans une base orthonormée)

Soit E un espace euclidien. Soit B = (e1 , . . . , en ) une base orthonormée de E . Alors pour tous x, y ∈ E ,
si
x1 y1
   

x =  ...  , y =  ... 
xn B yn B
alors
hx|y i = x1 y1 + x2 y2 + · · · + xn yn .

Autrement dit le produit scalaire dans ce cas, peut être vu comme le produit scalaire canonique dans Rn .

Proposition (Lecture d’un produit scalaire dans une base orthonormée)

Soit E un espace hermitien. Soit B = (e1 , . . . , en ) une base orthonormée de E . Alors pour tous
x, y ∈ E , si
x1 y1
   

x =  ...  , y =  ... 
xn B yn B
alors
hx|y i = x1 ȳ1 + x2 ȳ2 + · · · + xn ȳn .

De même ici, le produit scalaire dans ce cas, peut être vu comme le produit scalaire canonique dans Cn .

Proposition (Projection orthogonale)

Soit F un s.e.v. de dimension finie de E . Soit B = (e1 , . . . , ep ) une base orthonormée de F .

Alors pour tout x ∈ E , la projection orthogonale de x sur F est donnée par

pF (x) = hx|e1 i e1 + · · · + hx|ep i ep .

Mathématiques 3, 2019 Chapitre 1: Algèbre Linéaire 10 / 12

Exemple
Dans R2 muni du produit scalaire canonique, calculons la projection orthogonale d’un vecteur u sur la
droite vectorielle F = Vect(v ) engendrée par le vecteur non nul v .
v
Une base orthonormée de F : en posant e = ,on obtient une base orthonormée de F .
kv k
On a donc  
v v hu|v i hu|v i
pF (u) = hu|ei e = u| = v = v.
kv k kv k kv k2 hv |v i

Exemple
Calculons la projection orthogonale de u = (2, 1, 1) sur la droite vectorielle F = Vect((1, 1, 0)).
√
base orthonormée de F : k(1, 1, 0)k = 2 et donc en posant e = ( √12 , √12 , 0) on obtient une base
orthonormée de F
On a
2 1 1 1 3 3
pF (u) = hu|ei e = ( √ + √ )( √ , √ , 0) = ( , , 0).
2 2 2 2 2 2

Orthonormalisation de Gram-Schmidt

Théorème d’orthonormalisation de Gram-Schmidt

Soit E un espace préhilbertien. Soit B = (e1 , . . . , en ) une famille libre de E . Alors il existe une famille
C = (f1 , . . . , fn ) de E , orthonormée et vérifiant Vect(f1 , . . . , fj ) = Vect(e1 , . . . , ej ) pour tout 1 ≤ j ≤ n.

On construit les vecteurs f1 , . . . , fn par récurrence, selon un procédé appelé le procédé

d’orthonormalisation de Gram-Schmidt, comme suit :
1 On pose f1 = kee11 k .
2 Supposons que la famille (f1 , . . . , fj ) soit construite, 1 ≤ j ≤ n − 1, on définit alors
j 0
0
X fj+1
fj+1 = ej+1 − hej+1 |fk i fk et fj+1 = 0 k.
kfj+1
k=1

Remarque
Remarquons que le vecteur
j
X
hej+1 |fk i fk
k=1
est la projection orthogonale de ej+1 sur l’espace vectoriel engendré par f1 , f2 , . . . , fj . Par conséquent, le
vecteur
X j
ej+1 − hej+1 |fk i fk
k=1
est orthogonal à l’espace vectoriel engendré par f1 , f2 , . . . , fj . Pour le rendre unitaire il suffit de le diviser
par sa norme
ej+1 − jk=1 hej+1 |fk i fk
P
Pj .
ej+1 − k=1 hej+1 |fk i fk

Mathématiques 3, 2019 Chapitre 1: Algèbre Linéaire 11 / 12

Exemple
Dans R3 considérons u1 = (1, −1, 0); u2 = (0, 2, 1) et F = Vect(u1 , u2 ) et calculons une base
orthonormée de F par le procédé de Gram-Schmidt. On pose
u1 1 1 −1
v1 = = √ (1, −1, 0) = ( √ , √ , 0)
ku1 k 2 2 2
on voit alors kv1 k = 1 et Vect(u1 ) = Vect(v1 ). On a
√ 1 −1
u2 − hu2 |v1 i v1 = (0, 2, 1) + 2( √ , √ , 0) = (1, 1, 1)
2 2
et on pose donc
u2 − hu2 |v1 i v1 1 1 1
v2 = = ( √ , √ , √ ).
ku2 − hu2 |v1 i v1 k 3 3 3
D’où (v1 , v2 ) est une base orthonormée de F .

Corollaire 1 (Existence des bases orthonormées)

Tout espace euclidien ou hermitien admet des bases orthonormées.

Corollaire 2 (Théorème de la base orthonormée incomplète)

Soit E un espace euclidien ou hermitien de dimension n ≥ 1. Soit (e1 , . . . , ep ), où 1 ≤ p ≤ n − 1, une
famille orthonormée de E . Alors il existe ep+1 , . . . , en de E tels que (e1 , . . . , ep , ep+1 , . . . , en ) soit une
base orthonormée de E .

Mathématiques 3, 2019 Chapitre 1: Algèbre Linéaire 12 / 12