La Norme euclidienne constitue la généralisation naturelle de la notion de longueur dans les espaces vectoriels réels munis d’un produit scalaire. Elle induit une structure métrique complète permettant de définir distances, angles et orthogonalité de manière cohérente.
Définition formelle et lien avec le produit scalaire
Soit $E$ un espace vectoriel réel muni d’un produit scalaire noté $\langle \cdot, \cdot \rangle$. La Norme euclidienne associée à ce produit scalaire est l’application $\|\cdot\| : E \to \mathbb{R}_+$ définie par :
$$ \|x\| = \sqrt{\langle x, x \rangle} $$Pour tout vecteur $x \in E$. Cette définition assure que la norme est intrinsèquement liée à la géométrie de l’espace via la forme bilinéaire symétrique définie positive sous-jacente.
Dans l’espace usuel $\mathbb{R}^n$ muni du produit scalaire canonique $\langle x, y \rangle = \sum_{i=1}^n x_i y_i$, la norme s’écrit explicitement :
$$ \|x\| = \sqrt{x_1^2 + x_2^2 + \dots + x_n^2} $$Cette expression correspond au théorème de Pythagore généralisé en dimension $n$. Elle représente la distance euclidienne entre l’origine et le point de coordonnées $x$.
Axiomes d’une norme vectorielle
Pour qualifier une application de norme, elle doit satisfaire trois propriétés fondamentales découlant directement des axiomes du produit scalaire. Soient $x, y \in E$ et $\lambda \in \mathbb{R}$ :
- Séparation : $\|x\| = 0 \iff x = 0_E$.
- Homogénéité absolue : $\|\lambda x\| = |\lambda| \|x\|$.
- Inégalité triangulaire : $\|x + y\| \leq \|x\| + \|y\|$.
La séparation et l’homogénéité se démontrent immédiatement par les propriétés du produit scalaire. L’inégalité triangulaire nécessite l’utilisation de l’inégalité de Cauchy-Schwarz.
Inégalités fondamentales et démonstrations
L’étude de la Norme euclidienne repose sur deux inégalités majeures qui structurent toute l’analyse fonctionnelle dans les espaces préhilbertiens.
Inégalité de Cauchy-Schwarz
Cette inégalité majore le produit scalaire par le produit des normes. Pour tous vecteurs $x, y \in E$ :
$$ |\langle x, y \rangle| \leq \|x\| \|y\| $$L’égalité a lieu si et seulement si $x$ et $y$ sont linéairement dépendants (colinéaires).
Preuve : Considérons le polynôme réel $P(t) = \|x + ty\|^2$ pour $t \in \mathbb{R}$. En développant :
$$ P(t) = \langle x+ty, x+ty \rangle = \|x\|^2 + 2t\langle x, y \rangle + t^2\|y\|^2 $$Puisque la norme est toujours positive, $P(t) \geq 0$ pour tout $t$. Ce trinôme du second degré en $t$ (si $\|y\| \neq 0$) ne peut donc pas avoir deux racines réelles distinctes. Son discriminant réduit $\Delta’$ doit être négatif ou nul :
$$ \Delta’ = \langle x, y \rangle^2 – \|x\|^2 \|y\|^2 \leq 0 $$Ceci implique directement $\langle x, y \rangle^2 \leq \|x\|^2 \|y\|^2$, d’où le résultat en prenant la racine carrée. $\blacksquare$
Démonstration de l’inégalité triangulaire
Nous démontrons ici la troisième propriété axiomatique essentielle de la Norme euclidienne. Pour tous $x, y \in E$ :
$$ \|x + y\| \leq \|x\| + \|y\| $$Preuve : Calculons le carré de la norme de la somme :
$$ \|x + y\|^2 = \langle x+y, x+y \rangle = \|x\|^2 + 2\langle x, y \rangle + \|y\|^2 $$En appliquant l’inégalité de Cauchy-Schwarz, nous avons $\langle x, y \rangle \leq |\langle x, y \rangle| \leq \|x\| \|y\|$. Donc :
$$ \|x + y\|^2 \leq \|x\|^2 + 2\|x\|\|y\| + \|y\|^2 = (\|x\| + \|y\|)^2 $$La fonction racine carrée étant croissante sur $\mathbb{R}_+$, on obtient le résultat attendu en extrayant la racine. $\blacksquare$
Propriétés géométriques et identité du parallélogramme
La Norme euclidienne possède des caractéristiques géométriques uniques qui la distinguent des autres normes (comme la norme 1 ou la norme infinie).
Identité du parallélogramme
Cette identité caractérise les normes issues d’un produit scalaire. Pour tous vecteurs $x, y \in E$ :
$$ \|x + y\|^2 + \|x – y\|^2 = 2(\|x\|^2 + \|y\|^2) $$Géométriquement, cela signifie que la somme des carrés des longueurs des diagonales d’un parallélogramme est égale à la somme des carrés des longueurs de ses quatre côtés.
Démonstration : Développons les deux termes du membre de gauche :
$$ \|x + y\|^2 = \|x\|^2 + 2\langle x, y \rangle + \|y\|^2 $$ $$ \|x – y\|^2 = \|x\|^2 – 2\langle x, y \rangle + \|y\|^2 $$En additionnant ces deux égalités, le terme croisé $2\langle x, y \rangle$ s’annule, laissant exactement $2\|x\|^2 + 2\|y\|^2$. $\blacksquare$
Théorème de Pythagore généralisé
Si deux vecteurs $x$ et $y$ sont orthogonaux ($\langle x, y \rangle = 0$), alors la norme de leur somme vérifie :
$$ \|x + y\|^2 = \|x\|^2 + \|y\|^2 $$C’est une conséquence directe du développement du carré de la norme où le terme croisé s’annule. Cette propriété s’étend à toute famille finie de vecteurs deux à deux orthogonaux :
$$ \left\| \sum_{i=1}^n x_i \right\|^2 = \sum_{i=1}^n \|x_i\|^2 \quad \text{si } \langle x_i, x_j \rangle = 0 \text{ pour } i \neq j $$Exemples concrets et calculs
Illustrons l’application de la Norme euclidienne par des exemples numériques dans divers contextes vectoriels.
Exemple 1 : Calcul dans $\mathbb{R}^3$
Considérons les vecteurs $u = (1, 2, -2)$ et $v = (3, 0, 4)$ dans $\mathbb{R}^3$ muni du produit scalaire canonique.
Calculons la norme de $u$ :
$$ \|u\| = \sqrt{1^2 + 2^2 + (-2)^2} = \sqrt{1 + 4 + 4} = \sqrt{9} = 3 $$Calculons la norme de la somme $u+v = (4, 2, 2)$ :
$$ \|u+v\| = \sqrt{4^2 + 2^2 + 2^2} = \sqrt{16 + 4 + 4} = \sqrt{24} = 2\sqrt{6} $$Vérifions l’inégalité triangulaire : $\|u\|+\|v\| = 3 + \sqrt{9+0+16} = 3+5=8$. Comme $\sqrt{24} \approx 4.9$, l’inégalité $4.9 \leq 8$ est bien respectée.
Exemple 2 : Espace des fonctions continues
Soit $E = \mathcal{C}([a,b], \mathbb{R})$ muni du produit scalaire $\langle f, g \rangle = \int_a^b f(t)g(t) dt$. La Norme euclidienne associée (souvent notée norme $L^2$) est :
$$ \|f\|_2 = \sqrt{\int_a^b |f(t)|^2 dt} $$Prenons $f(t) = t$ sur l’intervalle $[0, 1]$. Alors :
$$ \|f\|_2 = \sqrt{\int_0^1 t^2 dt} = \sqrt{\left[\frac{t^3}{3}\right]_0^1} = \sqrt{\frac{1}{3}} = \frac{1}{\sqrt{3}} $$Cet exemple montre que la notion de « longueur » s’applique aussi à des objets infinis comme les fonctions, mesurant ainsi leur « énergie » globale.
Contre-exemple : Normes non euclidiennes
Il existe d’autres normes sur $\mathbb{R}^n$ qui ne dérivent d’aucun produit scalaire. Par exemple, la norme 1 définie par $\|x\|_1 = \sum |x_i|$ ou la norme infinie $\|x\|_\infty = \max |x_i|$.
Pour tester si une norme est euclidienne, on vérifie l’identité du parallélogramme. Prenons $x=(1,0)$ et $y=(0,1)$ avec la norme 1 :
$$ \|x+y\|_1^2 + \|x-y\|_1^2 = \|(1,1)\|_1^2 + \|(1,-1)\|_1^2 = 2^2 + 2^2 = 8 $$ $$ 2(\|x\|_1^2 + \|y\|_1^2) = 2(1^2 + 1^2) = 4 $$Puisque $8 \neq 4$, l’identité échoue. La norme 1 n’est donc pas une Norme euclidienne et ne permet pas de définir une orthogonalité usuelle.
Applications en approximation et statistiques
La Norme euclidienne joue un rôle central dans la résolution de problèmes d’optimisation, notamment la méthode des moindres carrés.
Minimisation de l’erreur quadratique
Dans un système surdéterminé $Ax=b$, on cherche $x$ minimisant la norme euclidienne du résidu $\|Ax-b\|$. Minimiser cette norme revient à minimiser la somme des carrés des erreurs individuelles.
La solution géométrique est la projection orthogonale de $b$ sur l’image de $A$. L’unicité de cette projection est garantie par la stricte convexité de la boule unité euclidienne, propriété liée à l’inégalité triangulaire stricte pour les vecteurs non colinéaires.
Écart-type et variance
En statistique, si l’on considère un vecteur de données centrées, la Norme euclidienne de ce vecteur (divisée par $\sqrt{n}$) correspond à l’écart-type empirique.
L’orthogonalité dans cet espace correspond à la décorrélation des variables aléatoires. Le théorème de Pythagore traduit alors l’additivité des variances pour des variables indépendantes.
Conclusion synthétique
La Norme euclidienne est indissociable de la structure de produit scalaire, offrant un cadre géométrique riche où distances et angles interagissent harmonieusement. Ses propriétés fondamentales, telles que l’identité du parallélogramme et l’inégalité de Cauchy-Schwarz, la distinguent des autres normes vectorielles.
Maîtriser cette norme est essentiel pour aborder la géométrie euclidienne, l’analyse fonctionnelle dans les espaces de Hilbert, ainsi que les applications numériques en apprentissage automatique et en traitement du signal où la minimisation de l’erreur quadratique est omniprésente.