Espaces Préhilbertiens Réels

Pascal DELAHAYE - d’après le cours de David Delaunay

28 février 2025

Table des matières

1 Produits Scalaires 1

2 Espaces Euclidiens 4

3 Sous-espaces vectoriels orthogonaux 5

4 Projecteur orthogonal sur un sev de dimension finie 8

5 Distance à un SEV et Inégalités de Bessel 13

6 Musculation 15

1 Produits Scalaires
1. Définition :


Forme Bilinéaire Symétrique
Définition : Un produit scalaire sur E est une .
Définie Positive

Méthode pour montrer que ϕ est un produit scalaire

1. On montre que ϕ est une FBS :

• On montre que ϕ : E × E → R avec E un R-ev
• On montre que ϕ(x, y) = ϕ(y, x)
• On montre que ϕ est linéaire par rapport à la première variable.

2. On montre que ϕ est DP :

• On commence par calculer ϕ(x, x)

1
MP2-2024/2025 Espaces Préhilbertiens Réels

• On montre que ϕ(x, x) ≥ 0

• On montre que ϕ(x, x) = 0 ⇒ x = 0

Définition : Espace Préhilbertien réel / Espace euclidien.

Exemples : Les PS usuels

n
X
• Sur Rn ou Mn1 (R) hx, yi = X T Y . = xk yk
k=1
X
• Sur Mnp (R) hA, Bi = Tr(AT B) = ai,j bi,j
1≤i,j≤p

Z b Z b
• Sur C([a, b], R) hf, gi = fg hf, gi = ωf g avec ω ∈ C([a, b], R+∗ )
a a

Z 1 Z +∞ Z 1
−t P (t)Q(t)
• Sur R[X] hP, Qi = PQ hP, Qi = P (t)Q(t)e dt hP, Qi = √ dt.
0 0 −1 1 − t2

2. Norme Euclidienne :

p
Définition : On appelle norme euclidienne toute applic◦ définie par kxk = hx, xi où h., .i est un PS.

Remarque : Un espace euclidien est donc un EVN dont la norme associée est la norme euclidienne.

Exemples : Normes euclidiennes associées aux PS précédents.

Calculs avec les normes euclidiennes :

Proposition :
• kxk = 0 ⇒ x = 0.
• kλxk = |λ|kxk

Méthode pour prouver que x = 0

Dans un espace préhilbertien, pour montrer qu’un vecteur x est nul, on montre souvent que kxk = 0.
Beaucoup de questions se ramène à ça :
• Montrer que ker f = {0E }
• Prouver que a = b

Exercice : 1
(♥) Montrer que la matrice AT A est inversible lorsque A ∈ Mn,p (R) est de rang p.
On pourra rechercher le noyau de AT A.

Proposition : Calculs
• kx + yk2 = kxk2 + 2hx, yi + kyk2 .
• kx − yk2 = kxk2 − 2hx, yi + kyk2 .
• hx + y, x − yi = kxk2 − kyk2.

2
MP2-2024/2025 Espaces Préhilbertiens Réels

Corollaire : Expression du produit scalaire associé

2hx, yi = kx + yk2 − kxk2 − kyk2

Cette égalité permet de retrouver le produit scalaire associé à une norme euclidienne.

Corollaire : Egalité du parallèlogramme

kx + yk2 + kx − yk2 = 2(kxk2 + kyk2)

Cette égalité permet de justifier qu’une norme n’est pas une norme euclidienne.

Théorème : Inégalité de Cauchy-Schwarz

∀x, y ∈ E, |hx, yi| ≤ kxkkyk

Avec égalité si et seulement si x et y sont colinéaires.

Preuve : ϕ(t) = kx + tyk...

Exemples : Applications aux PS de Rn et de C([a, b], R).

Voir exercices 76 et 79 de la banque CCINP.

Corollaire : Inégalité triangulaire (ou de Minkowsky)

∀x, y ∈ E, kx + yk ≤ kxk + kyk

Avec égalité si et seulement si x et y sont colinéaires et de même sens (positivement liés).

Preuve : Par équivalences successives.

Corollaires :

• Une norme euclidienne sur E est une norme sur E

• Tout espace préhilbertien E est un EVN puisqu’il est naturellement muni de la norme euclidienne.
• On a bien entendu la deuxième inégalité triangulaire |kxk − kyk| ≤ kx + yk.

3. Continuité du produit scalaire :

Proposition : Le PS est une application bilinéaire continue lorsque E est muni de sa norme euclidienne.

Preuve : On utilise la caractérisation : |hx, yi| ≤ [Link].

4. Vecteurs orthogonaux : (E, h., .i) un espace préhilbertien réel.

Définition : On dit que les vecteurs x et y sont orthogonaux (noté x ⊥ y) lorsque hx, yi = 0.

Exemple : Le vecteur nul est orthogonal à tout vecteur et c’est le seul.

Définition : Famille de vecteurs orthogonale / orthonormale.

Proposition : ♥ Une famille orthogonale ne comportant pas le vecteur nul est libre.

Théorème : Pythagore et généralisation.

3
MP2-2024/2025 Espaces Préhilbertiens Réels

2 Espaces Euclidiens
1. Définition : Base Orthonormée

• Espace euclidien
• Notion de base orthonormale
• Les bases canoniques de Rn et de Mn,p (R) sont des bon pour les PS usuels.

Théorème : Tout espace euclidien admet des bases orthonormales.

Preuve : Voir plus loin le procédé d’orthonormalisation de Schmidt.

2. Vecteurs et matrices dans une bon :

Théorème : Coordonnées d’un vecteur dans une bon

n
X
Dans une bon e, on a : x= hx, ek iek .
k=1

Corollaire : Terme général de la matrice d’un endomorphisme dans une bon

La matrice de u ∈ L(E) dans une bon e a pour coefficient général : aij = hu(ej ), ei i.

n
X
Exemple : Montrer que Tr(u) = hu(ek ), ek i lorsque u ∈ L(E) dans une bon (e1 , . . . , en ).
k=1

Exercice : 2
(♥) Soit (x1 , . . . , xp ) ∈ E p où E est muni d’une bon e et A = Mate (x1 , . . . , xp ).
Montrer que AT A = (hxi , xj i)1≤i,j≤p .

3. Expression du PS et de la norme dans une bon :

Proposition : Produit scalaire dans une bon

La donnée d’une bon e détermine le produit scalaire associé à E.

Dans cette bon e, en notant X et Y les coodonnées de x et y, nous avons :
v
n u n
X uX √
hx, yi = xk yk = X T Y et kxk = t x2k = X T X
k=1 k=1

4
MP2-2024/2025 Espaces Préhilbertiens Réels

Identification d’un espace euclidien à R euclidien usuel

Soit (E, h., .i) euclidien.

On note (x1 , . . . , xn ) les coordonnées de x dans une bon e.

L’application ϕ : E −→ Rn usuel est un isomorphisme qui conserve le PS.

x 7→ (x1 , . . . , xn )
♥ En d’autres termes, lorsque E est muni d’une bon, il se comporte donc comme Rn euclidien usuel.

4. Représentation d’une forme linéaire :

Théorème : Théorème de Riesz (Dans E euclidien !)

Pour tout ϕ ∈ L(E, R), il existe un unique a ∈ E tel que : ∀x ∈ E, ϕ(x) = ha, xi.
n
X
Si e est une bon, on a : a= ϕ(ek )ek .
k=1

Preuve : Φ : E −→ L(E, R) où ϕa (x) = ha, xi est un isomorphisme (dimension + injectivité).

a 7→ ϕa

Exemple : Si ϕ ∈ L(Mn,p (R), R), alors il existe un unique A ∈ Mp,n (R) telle que ϕ(M ) = Tr(AM ).

Attention : Comme le montre l’exercice suivant, le théorème de Riesz est faux en dimension infinie.

Exercice : 3 Z 1
(∗) Soit θ la forme linéaire définie par θ(P ) = P (0) sur R[X] muni du produit scalaire hP, Qi = P (t)Q(t) dt.
0
Montrer qu’il n’existe pas de polynôme A tel que : θ(P ) = hP, Ai, ∀P ∈ E.

On suppose que A existe et on considère le polynôme P = XA.

3 Sous-espaces vectoriels orthogonaux

Soit E un espace préhilbertien réel.

1. Orthogonal d’une partie :

Définition : Orthogonal d’une partie de E.

Exemples : E ⊥ , {0E }⊥

Proposition : A⊥ est un sev fermé de E muni de sa norme euclidienne.

5
MP2-2024/2025 Espaces Préhilbertiens Réels

Preuve :
• Sev : Facile
• Fermeture : A⊥ est une intersection d’images réciproques de fermés par une application continue.
On peut également procéder par caractérisation séquentielle.

Proposition :
• A ⊂ B ⇒ B ⊥ ⊂ A⊥
• A ⊂ (A⊥ )⊥
• A⊥ = Vect(A)⊥

Utilisation de A⊥ = Vect(A)⊥
Lorsque F = Vect(f1 , . . . , fp ).

• Pour montrer que : x ∈ F ⊥

On montre simplement que ∀k ∈ [[1, p]], hx, fk i = 0.

• Pour déterminer : F ⊥

On procède par équivalences successives. Soit x ∈ E.

x ∈ F ⊥ ⇐⇒ ∀k ∈ [[1, p]], hx, fk i = 0

On obtient ainsi un système de p équations que l’on résout...


  
2 0
Exemple : Déterminer l’orthogonal de F = Vect(−1 ,  1 ).
0 −1

Voir exercice 39 de la banque CCINP.

Définition : On dit que deux sev F et G sont orthogonaux lorsque :

∀f ∈ F, ∀g ∈ G, hf, gi = 0

Proposition :
F ⊥G ⇐⇒ F ⊂ G⊥ ⇐⇒ G ⊂ F⊥

2. Somme directe orthogonale :

Lemme : Si F ⊥ G, alors on a F ∩ G = {0E }.

⊥
Pour évoquer cette propriété, F ⊥ G sera souvent noté : F ⊕ G.

⊥
Exemple : Les sev F et F ⊥ sont en somme directe orthogonale : F ⊕ F ⊥ .

6
MP2-2024/2025 Espaces Préhilbertiens Réels

Définition : Lorsque les sev F1 , . . . , Fp sont deux à deux orthogonaux, on a F1 ⊕ F2 ⊕ · · · ⊕ Fp .

On dit alors qu’ils sont en somme directe orthogonale et leur somme est notée :
⊥
F = ⊕ Fk
1≤k≤p

Preuve : Supposons que x1 + · · · + xp = 0 alors... ∀k ∈ [[1, p]], xk = 0. CQFD

Méthode de construction d’une bon

⊥ ⊥ ⊥
Lorsque F = F1 ⊕ F2 ⊕ . . . ⊕ Fp .

On obtient une bon de F en concaténant des bon de chacun des Fk .

3. Supplémentaire orthogonal d’un sev de dimension finie :

Théorème Fondamental : Supplémentarité de l’orthogonal en dimension finie

Si F est un sev de dimension FINIE de E, alors : E = F ⊕ F ⊥.

On dit que F ⊥ est le supplémentaire orthogonal de F dans E.

Preuve : De façon usuelle par analyse/synthèse en se plaçant dans une bon de F .

C’est ce théorème qui permet de définir la projection orthogonale sur un sev de dimension finie.

Corollaire :
• Lorsque E est de dimension finie nous avons : dim E = dim F + dim F ⊥
• Lorsque F est de dimension finie nous avons : (F ⊥ )⊥ = F

Preuve :
• Le cas où dim E < +∞ est immédiat.
• Lorsque seulement dim F < +∞, on montre (F ⊥ )⊥ = F par double inclusion.

⊥
Exemple : Dans Mn (R) euclidien usuel, on a : Mn (R) = Sn (R) ⊕ An (R)

A savoir sur Sn (R) et An (R)

⊥ A + AT A − AT
• Mn (R) = Sn (R) ⊕ An (R) avec pour tout A ∈ Mn (R) : A= + .
2 } | {z
| {z 2 }
∈Sn (R) ∈An (R)

n(n + 1) n(n − 1)
• dim Sn (R) = et dim An (R) =
2 2

• A 7→ AT est la symétrie orthogonale par rapport à Sn (R).

Voir exercices 77 et 92 de la banque CCINP.

7
MP2-2024/2025 Espaces Préhilbertiens Réels

4. Vecteur normal à un hyperplan en dimension finie : E est ici un espace euclidien

Théorème : Vecteur normal à un hyperplan

Si H est un hyperplan de E euclidien, alors il existe n ∈ E tel que H ⊥ = Vect(n) et donc :

H = n⊥

Tout vecteur n ∈ H ⊥ convient et est appelé un vecteur normal à H.

Vect(n) est appelée la droite normale à H.

Preuve :
• Soit avec le théorème de Riesz (déterminer alors un vecteur n qui convient)
• Soit en s’intéressant aux dimensions
Exemples :

1. Dans R4 euclidien usuel, déterminer un vecteur normal à H : 2x − y + z + 3t = 0.

2. Dans Mn (R) euclidien usuel, déterminer un vecteur normal à H = {M ∈ Mn (R) | Tr(M ) = 0}.

4 Projecteur orthogonal sur un sev de dimension finie

Ici, E est un espace préhilbertien réel et F est un sev de dimension finie.

1. Projecteur orthogonal :

D’après le théorème fondammental précédent, nous avons : E = F ⊕ F ⊥ .

On peut alors définir...

Définition : Le projecteur orthogonal sur F (notée pF ) est le projecteur sur F parallèlement à F ⊥ .

Exemples : Les projecteurs orthogonaux triviaux

• Si F = {0E }, alors pF = 0.
• Si F = E, alors pF = idE .

Voir exercice 80 de la banque CCINP.

Proposition :

• p2F = pF • F = Im pF = ker(pF − idE ) • pF ⊥ = idE −pF .

• Sp(pF ) ⊂ {0, 1} • F ⊥ = ker pF .
• pF est diagonalisable • sF = 2pF − idE

8
MP2-2024/2025 Espaces Préhilbertiens Réels

Preuve : Résultats usuels sur les projecteurs orthogonaux.

Méthode pour montrer que p est un projecteur orthogonal

Dans un espace euclidien E.

• On vérifie que p ∈ L(E)

• On montre que p ◦ p = p ce qui prouve que p est un projecteur
• On montre que ker p ⊥ Im p. (⇒ ker p = (Im p)⊥ avec les dimensions)

A − AT
Exemple : Montrer que A 7→ est un projecteur orthogonal de Mn (R) euclidien usuel.
2

 
1 2
Exemple : Montrer que les projecteurs spectraux de la matrice A = sont des projecteurs orthogonaux.
2 1

Méthode pour montrer que s est une symétrie orthogonale

Dans un espace euclidien E.

• On vérifie que s ∈ L(E)

• On montre que s ◦ s = idE ce qui prouve que p est une projection
• On montre que ker(s − idE ) ⊥ ker(s + idE ).

sf est la symétrie orthogonale par rapport à F
Rappel : sF = 2pF − idE lorsque .
pf est le projecteur orthogonal sur F

Exemple : Montrer que la transposition est une symétrie orthogonale de Mn (R) euclidien usuel.

Méthode pour déterminer le projecteur orthogonal par rapport à Vect(f1 , . . . , fp )

• Méthode 1 : Si (f1 , . . . , fp ) est une base quelconque.


 hx − p(x), f1 i = 0
Soit x ∈ E. On cherche p(x) = λ1 f1 + · · · + λp fp tel que ... . (+ Gauss)

hx − p(x), fp i = 0
• Méthode 2 : Si (f1 , . . . , fp ) est une bon.

9
MP2-2024/2025 Espaces Préhilbertiens Réels

p
X
Dans ce cas, on dispose de la formule suivante : p(x) = hx, fk ifk (cf plus loin)
k=1

 
0 −1
2. Exemple : Déterminer le projecteur orthogonal sur F = Vect(I2 , ).
1 0

• Méthode 1 :

• Méthode 2 :

Exercice : 4
(♥) Soit p un projecteur de E.
Montrer que p est un projecteur orthogonal SSI pour tout x ∈ E, on a kp(x)k ≤ kxk.

Preuve :
⇒ Facile en décomposant x = p(x) + (x − p(x))...
⇐ Par contraposée. On suppose qu’il existe (f, g) ∈ F × G tels que hf, gi 6= 0.
On trouve alors un x tel que kp(x)k > kxk en cherchant x sous la forme x = f + λg.

La proposition ≪ p projecteur orthogonal ⇒ kp(x)k ≤ kxk ≫ sera utilisée pour prouver l’inégalité de Bessel.

3. Expression du projeté orthogonal :

Théorème Fondamental : Expression d’un projecteur orthogonal dans une bon de F

Lorsque (f1 , . . . , fp ) est une bon de F , on a pour tout x ∈ E :

p
X
pF (x) = hx, fk ifk
k=1

Preuve : Conséquence du théorème sur le supplémentaire orthogonal.

Cas particuliers à connaı̂tre impérativement

a a
• Si F = Vect(a), alors pF (x) = hx, i .
kak kak
a a
• Si F = a⊥ , alors pF (x) = x − hx, i .
kak kak

Exemples : Vous devez en particulier savoir reconnaı̂tre les transformations suivantes lorsque kak = 1.

x 7→ x − hx, aia x 7→ x − 2hx, aia

x 7→ hx, aia − x x 7→ 2hx, aia − x

10
MP2-2024/2025 Espaces Préhilbertiens Réels

Exercice : 5
→ −
− → − →
(♥) Soit e = ( i , j , k ) une base orthonormale de E et p le projecteur orthogonal sur un plan F de E.
→ 2
− →
− →
−
Montrer que : kp( i )k + kp( j )k2 + kp( k )k2 = 2.

4. Continuité des projecteurs : (Compléments !)

Proposition : Continuité d’un projecteur

• Les projecteurs d’un espace euclidien sont continus

• Les projecteurs orthogonaux sont continus (même si dim E = +∞)

Preuve :
• Dans un espace euclidien les projecteurs sont linéaires au départ d’un ev de dimension finie.
• Les projecteurs orthogobaux sont des endomorphismes qui vérifient kp(x)k ≤ kxk.

Remarque : Dans les autres cas, les projecteurs n’ont aucune raison d’être continus.

Corollaire : Structure topologique d’un sev de dimension finie

• Les sev d’un espace vectoriel de dimension fini sont des fermés
• Les sev de dimension finie d’un espace préhilbertien sont des fermés

Preuve : Soit F un sev de dimension finie.

• Lorsque E est euclidien, on peut introduire p le projecteur sur F parallèlement à un suppl. G.
On a alors F = ker(p − idE ) = (p − idE )−1 ({0E }) avec p − idE continu et {0E } un fermé.
• Lorsque E est préhilbertien, on peut introduire p le projecteur orthogonal sur F .

Remarque : Plus généralement, TOUS les sev de dimension fini sont des fermés (déjà vu !).

5. Algorithme d’orthonormalisation de Schmidt :

11
MP2-2024/2025 Espaces Préhilbertiens Réels

Théorème : Orthonormalisation de Gram-Schmidt

Soit (x1 , . . . , xn ) une famille libre de vecteurs de E.

Il existe alors une UNIQUE famille orthonormale (ε1 , . . . , εn ) telle que ∀k ∈ [[1, n]] :

• Vect(x1 , . . . , xk ) = Vect(ε1 , . . . , εk )
• hxk , εk i > 0.

k
X
xk+1 − hxk+1 , εi iεi
i=1
εk+1 = k
X
kxk+1 − hxk+1 , εi iεi k
i=1

On dit que la famille (ε1 , . . . , εn ) est l’orthonormalisée de (x1 , . . . , xn ) par le procédé de Schmidt.

Preuve :
• Existence : la famille proposée convient bien.
• Unicité : Par récurrence.
On remarque que εn+1 ∈ Vect(x1 , . . . , xn+1 ) ∩ Vect(x1 , . . . , xn )⊥ qui est de dimension 1 d’après
Grassmann.

Application à la base (X n )n∈N de R[X]

Lorsqu’on applique l’orthonormalisation de Gram-Schmidt à la base canonique de R[X], on obtient une
famille orthonormée de polynômes (Pn )n∈N vérifiant pour tout n ∈ N :
• deg(Pn ) = n
• (P0 , . . . , Pn ) est une base orthonormée de Rn [X]
• Pn ∈ (Rn−1 [X])⊥

Proposition : Matrice de passage associée

La matrice de passage Peε est triangulaire supérieure à coefficients strictement positifs.

On en déduit qu’une base et son orthonormalisée par Schmidt ont la même orientation. (cf autre chapitre)

Exemple : Prendre un exemple dans R3 , R2 [X] et dans M2 (R).

Proposition : Toute famille orthonormale peut être complétée en une bon.

Quelques applications usuelles de Gram-Schmidt

Les applications suivantes seront explicitées dans un chapitre ultérieur.

• Décomposition QR : En appliquant la formule Pef Pfg = Peg , on montre grâce à Gram-Schmidt que

12
MP2-2024/2025 Espaces Préhilbertiens Réels

tout matrice réelle inversible A se décompose sous la forme :


Q orthogonale
A = QR avec
R triangulaire supérieure à coefficients strictement positifs

• Décomposition Cholesky : Grâce à Gramm-Schmidt, on peut montrer que toute matrice A symétrique
définie positive se décompose sous la forme :

A = PTP avec P triangulaire supérieure à coefficients diagonaux strictement positifs

• Inégalité de Hadamard : On peut utiliser cette décomposition pour prouver que pour tout matrice
symétrique positive A, on a :
Yn
det(A) ≤ ak,k
k=1

5 Distance à un SEV et Inégalités de Bessel

1. Distance à un sev :

Soit F un sev de E tel que F ⊕ F ⊥ = E (vrai en particulier lorsque dim F < +∞)

Théorème : Distance à un sev

Soit x ∈ E.
La distance de x à F est atteinte en une unique valeur pF (x).

d(x, F ) = kx − pF (x)k = kqF (x)k

Preuve :
• Existence : Pour tout f ∈ F , on a kx − f k2 = kx − pF (x)k2 + kf − pF (x)k2 ≥ kf − pF (x)k2 .

• Unicité : Soit f une autre valeur où la distance est atteinte. On a alors :

kx − pF (x)k2 = kx − f k2 = k(x − pF (x)) + (pF (x) − f )k2 = kx − pF (x)k2 + kpF (x) − f k2

D’où kpF (x) − f k2 = 0.

13
MP2-2024/2025 Espaces Préhilbertiens Réels

Définition : Vecteur de Meilleure Approximation (PMA)

Comme pour tout f ∈ F , on a kx − pF (x)k ≤ kx − f k, on dit que :

pF (x) est le vecteur de meilleure approximation de x dans F

Ce vecteur est unique !

Exercice : 6
(∗) Pseudo-solution d’un système linéaire AX = B
Soit A ∈ Mnp (R) et B ∈ Mn,1 (R).
Lorsque le système AX = B n’a pas de solution, on appelle pseudo-solution les valeurs de X ∈ Mn,1 (R) qui
minimisent la norme kAX − Bk.
Montrer l’existence et expliciter une méthode permettant de trouver une pseudo-solution.

hx, ai
• Distance à une droite vectorielle : d(x, Vect(a)) = kx − ak.
kak2
Corollaire :
|hx, ai|
• Distance à un hyperplan : d(x, a⊥ ) = .
kak
 
1 2
Exemple : Distance de A = à l’hyperplan constitué des matrices de trace nulle.
3 4

Exercice : 7 Z 1
(∗) Calculer : inf (t2 − (at + b))2 dt.
(a, b)∈R2 0

1
Classique... On trouve 180 .

Voir exercices 81 et 82 de la banque CCINP.

2. Inégalité de Bessel :

Lemme : Lorsque p est un projecteur orthogonal, on a : ∀x ∈ E, kp(x)k2 ≤ kxk2 .

D/ Facile.

14
MP2-2024/2025 Espaces Préhilbertiens Réels

Théorème : Inégalité de Bessel (cas fini)

Soit e = (e1 , . . . , en ) une famille finie de vecteurs orthonormaux de E.

Pour tout x ∈ E, on a :
Xn
hx, ek i2 ≤ kxk2
k=1

Avec égalité lorsque e est une base de E.

n
X
Preuve : On remarque que hx, ek i2 = kpF (x)k2 ≤ kxk2 où F = Vect(e1 , . . . , en ).
k=1

Corollaire : Inégalité de Bessel (cas où dim E = +∞)

Soit (en )n∈N∗ une famille orthonormale infinie. P

Le théorème précédent prouve la convergence de la série hx, en i2 et que :
+∞
X
hx, en i2 ≤ kxk2
n=1

Preuve : Théorème de comparaison des SATP.

6 Musculation
Nous commençons ici par introduire et étudier quelques propriétés de la notion générale de système othogonal de R[X]
avant d’en présenter par la suite, quelques exemples très classiques tels les polynômes de Legendre, de Tchebytchev et
de Laguerre.

1. Système orthogonaux de R[X].

Définition : Système orthogonal (SO) de R[X]

Dans R[X] préhilbertien réel.

On appelle système orthogonal de R[X], toute famille de polynômes (Pn )n∈N vérifiant :

• Pour tout n ∈ N, deg Pn = n

• Pour tout n ∈ N, Pn est unitaire
• La famille (Pn ) est orthogonale

15
MP2-2024/2025 Espaces Préhilbertiens Réels

1. Existence.

Montrer l’existence d’une famille vérifiant les conditions précédentes.

2. Unicité.

(a) Montrer que pour tout n, (P0 , . . . , Pn ) est une base de Rn [X]
(b) Montrer que pour tout n, on a Pn ∈ (Rn−1 [X])⊥
(c) En déduire (sans passer par une récurrence) l’unicité de cette famille.
Z
On suppose désormais que R[X] est muni d’un produit scalaire usuel de la forme hP, Qi = P (t)Q(t)ω(t) dt
I
avec ω une fonction continue et strictement positive sur I.

3. Relation de récurrence.

Nous recherchons ici une relation de récurrence permettant de déterminer les polynômes Pn .

(a) Montrer que pour tout P, Q, R ∈ R[X], on a hP Q, Ri = hP, QRi.

(b) Montrer que pour tout n ≥ 2, il existe λn , µn ∈ R tels que Pn = (X − λn )Pn−1 − µn Pn−2 .

On s’intéressera au polynôme Pn − XPn−1 .

hXPn−1 , Pn−1 i hPn−1 , Pn−1 i

(c) Montrer que λn = et que µn = .
hPn−1 , Pn−1 i hPn−2 , Pn−2 i
4. Racines de Pn .

On suppose que Pn admet p < n racines distinctes λ1 , . . . , λp d’ordre impair.

Soit Q = (X − λ1 ) . . . (X − λp ).

(a) Justifier que Pn Q est positif.

(b) En déduire que Pn admet n racines distinctes dans I.

5. Comparaison des racines de Pn et de Pn+1 .

(a) Prouver par récurrence, que pour tout x, t ∈ R et n ∈ N, on a :

n
X Pk (x)Pk (t) 1 Pn+1 (x)Pn (t) − Pn (x)Pn+1 (t)
= .
hPk , Pk i hPn , Pn i x−t
k=0

On pourra utiliser la relation de récurrence démontrée en question 3. et poser kn = hPn , P ni.

L’héridité se traite bien en calculant Pn+1 (x)Pn (t) − Pn (x)Pn+1 (t) avec l’hypothèse de récurrence.
′
(b) En déduire que pour tout x ∈ R, on a Pn+1 (x)Pn (x) − Pn′ (x)Pn+1 (x) > 0.
(c) En déduire que les racines de Pn et de Pn+1 sont entrelacées.
On pourra faire un dessin pour visualiser la proriété induite par la relation précédente.

Systèmes orthogonaux usuels

Au coefficient dominant près :

Z 1
• Le SO de R[X] associé à hf, gi = f g est appelé famille des polynômes de Legendre
−1
Z 1
f (t)g(t)
• Le SO de R[X] associé à hf, gi = √ dt est appelé famille des polynômes de Tchebytchev
−1 1 − t2

16
MP2-2024/2025 Espaces Préhilbertiens Réels
Z +∞
• Le SO de R[X] associé à hf, gi = f (t)g(t)e−t dt est appelé famille des polynômes de Laguerre
0

Z 1
2. Polynômes de Legendre : E = C([−1, 1], R) est muni de hf, gi = f g.
−1

Définition : Polynômes de Legendre

Les polynômes de Legendre sont les polynômes définis par :

(n)
Ln = (X 2 − 1)n = Un(n) avec Un = (X − 1)n (X + 1)n

Exemples : L0 = 1, L1 = 2X, L2 = 4(3X 2 − 1).

Proposition :
(k)
1. 1 et −1 sont racines de Un d’ordre n − k pour tout k ∈ [[0, n]].
(2n)! n
2. Le coefficient dominant de Ln est n! X .
3. Ln ⊥ Rn−1 [X].
4. Ln admet n racines distinctes dans ] − 1, 1[.

Preuve :
1.2. Faciles.
3. Pour Q ∈ Rn−1 [X], par IPP successives, on obtient :

hLn , Qi = (−1)hUn(n−1) , Q′ i = · · · = (−1)n hUn , Q(n) i = 0

(n−1)
4. Avec le théorème de Rolle appliqué à Un puis à Un ... etc...

Corollaire : Système orthogonal de R[X]

 
n!
La famille de polynômes Ln est le système orthogonal de R[X] pour le produit scalaire :
(2n)! n∈N
Z 1
hf, gi = fg
−1

D/ Compte-tenu des propriétés précédentes, cette famille vérifie bien les conditions de la définition.

Corollaire : PMA Z 1
Pour la norme euclidienne associée au produit scalaire : hf, gi = f g.
−1
N
X hf, Ln i
PN = Ln est le polynôme de meilleure approximation de f dans RN [X].
n=0
kLn k2

Z 1
f (t)g(t)
3. Polynômes de Tchebytchev : E = C([−1, 1], R) est muni de hf, gi = √ dt.
−1 1 − t2

Théorème : Polynômes de Tchebytchev

Pour tout n, il existe un unique polynôme Tn vérifiant ∀θ ∈ R :

cos(nθ) = Tn (cos θ)

Preuve : Existence avec la formule de Moivre. L’unicité est classique.

17
MP2-2024/2025 Espaces Préhilbertiens Réels

Exemple : T0 = 1, T1 = X, T2 = 2X 2 − 1, T3 = 4X 3 − 3X.

Proposition : Formule
⌊n/2⌋  
X n
Tn (X) = X n−2k (1 − X 2 )k
2k
k=0

D/ Découle de la démonstration précédente.

Proposition : Formule de récurrence

Pour tout n, on a :
Tn+2 = 2XTn+1 − Tn
On démontre alors facilement par une récurrence double que Tn admet 2n−1 X n pour terme dominant.

Preuve : Découle directement de la formule cos((n + 2)t) + cos((n)t) = 2 cos t cos((n + 1)t).

Proposition : Système orthogonal de R[X]

 
1
La famille T n est le système orthogonal de R[X] pour le produit scalaire :
2n−1 n∈N
Z 1
f (t)g(t)
hf, gi = √ dt
−1 1 − t2

D/ Il reste à vérifier que la famille est orthogonale.

Proposition : PMA Z 1
f (t)g(t)
Pour la norme euclidienne associée au produit scalaire : hf, gi = √ dt
−1 1 − t2
N
X hf, Tn i
Le polynôme PN = Tn est le polynôme de meilleure approximation de f dans RN [X].
n=0
kTn k2

Z +∞
2 +
4. Polynômes de Laguerre : E = L (R , R) est muni de hf, gi = f (t)g(t)e−t dt.
0

Définition : Polynômes de Laguerre

Les polynômes de Laguerre sont les polynômes Ln définis pour tout n ∈ N par :

ex dn −x n
Ln (x) = (e x )
n! dxn

Exemples : L0 = 1, L1 = 1 − X, L2 = 21 (X 2 − 4X + 2)...

Proposition : Forme explicite

n  
X (−1)k n k
Pour tout n ∈ N, on a : Ln (x) = x .
k! k
k=0
(−1)n n
On en déduit que les fonctions Ln sont bien polynomiales et de coefficient dominant n! x .

D/ Il suffit d’appliquer la formule de Liebniz.

Proposition : Le polynôme Ln de Laguerre est solution de l’équation différentielle :

xy ′′ + (1 − x)y ′ + ny = 0

D/ Non traitée car fait appel à des résultats intermédiaires non évoqués ici.

18
MP2-2024/2025 Espaces Préhilbertiens Réels

Corollaire : Système orthogonal de R[X]

La famille ((−1)n Ln )n est un système orthogonal de R[X] pour le produit scalaire :

Z 1
hf, gi = f (t)g(t)e−t dt
−1

Preuve : Pour montrer l’orthogonalité de la famille.

• On montre par IPP que T : P → xP ′′ − (x − 1)P ′ est un endomorphisme autoadjoint de R[X].
• On vérifie alors que lorsque n 6= p, on a hLn , Lp i = 0 en remarquant que −nLn = XL′′n − (X − 1)L′n .

Corollaire : PMA Z +∞
Pour la norme euclidienne associée au produit scalaire : hf, gi = f (t)g(t)e−t dt
0
N
X hf, Ln i
Le polynôme PN = Ln est le polynôme de meilleure approximation de f dans RN [X].
n=0
kLn k2

19