Chapitre 1

Espace vectoriel euclidien - Isométries

vectorielles

1.1 Espaces vectoriels euclidiens (Rappel)

Soit E un espace vectoriel.

1.1.1 Structure d’espace vectoriel euclidien

Définition 1.1.1. Un produit scalaire sur un espace vectoriel E est une forme bilinéaire symétrique
définie positive sur E, c’est-à-dire une application

ϕ:E×E → R
(x, y) 7→ ϕ(x, y) encore notée (x|y) ou x · y

vérifiant :
1. pour tous réels λ, µ et tous vecteurs x1 , x2 , y1 , y2 , x et y de E, on ait

ϕ(λx1 + µx2 , y) = λϕ(x1 , y) + µϕ(x2 , y)
c(t) = bilinéarité
ϕ(x, λy1 + µy2 ) = λϕ(x, y1 ) + µϕ(x, y2 )

2. pour tout x, y ∈ E, ϕ(x, y) = ϕ(y, x) (symétrie)

3. pour tout x ∈ E, ϕ(x, x) ≥ 0 et ϕ(x, x) = 0 ⇔ x = 0 (définie positive).

Définition 1.1.2. (i) On appelle structure d’espace préhilbertien réel, tout couple (E, ϕ) où E est
un espace vectoriel réel et ϕ : E × E → R est une forme bilinéaire symétrique définie positive. E est
alors appelé espace préhilbertien réel.
(ii) On appelle structure d’espace vectoriel euclidien, tout couple (E, ϕ) où E est un espace
vectoriel réel dimension finie et f : E × E → R est une forme bilinéaire symétrique définie positive.
E est alors appelé espace vectoriel euclidien.

Exemple 1.1.1. (i)Le produit scalaire canonique sur Rn est défini de la façon suivante : pour tous
vecteurs x = (x1 , x2 , · · · , xn ) et y = (y1 , y2 , · · · , yn ) de Rn , on pose
n
P
(x|y) = xi y i
i=1

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
2

Il est facile de vérifier que ceci est bien une forme bilinéaire, est symétrique, définie positive.
(ii) Soit E = C(I, R) l’espace vectoriel réel des fonctions continues sur I = [a, b] ; alors l’applica-
tion
ϕ: E×E → R
Rb
(u, v) 7→ a u(t)v(t)dt,
est une forme bilinéaire symétrique définie positive, donc (E, ϕ) est une structure d’espace préhilber-
tien réel.
(iii) Sur E = R3 muni de la base canonique B = (e1 , e2 , e3 ), l’application

ϕ: E×E → R
(x, y) 7→ x1 y1 − x1 y2 − x2 y1 + x1 y3 + x3 y1 + 2x2 y2 − 2x2 y3 − 2x3 y2 + 3x3 y3 ,

est une forme bilinéaire symétrique définie positive, donc (E, ϕ) est une structure d’espace vectoriel
euclidien.
Remarque 1.1.1. (i) Dire que E est un espace vectoriel euclidien, signifie qu’on a fixé une forme
bilinéaire symétrique définie positive f : E × E → R .
(ii) Sur tout espace vectoriel réel de dimension finie ≥ 2, on peut définir une infinité de structures
d’espace vectoriel euclidien.

Inégalité de Cauchy-Schwarz : Soit (E, ϕ) une structure d’espace vectoriel euclidien

Proposition 1.1.1. ∀ (x, y) ∈ E × E, |x · y| ≤ kxk × kyk.
Il y a égalité si et seulement si x et y sont coliéeaires, autrement dit,
(x|y) = ||x|| × ||y|| ⇔ ∃α ∈ R : x = αy ou y = αx.
Preuve. • Si x = 0, la relation est vérifiée.
• Si x 6= 0, considérons le vecteur λx + y, où λ parcourt R et calculons (λx + y) · (λx + y) ; on
a : (λx + y) · (λx + y) = λ2 kxk2 + 2λx · y + kyk2 . Le premier membre est positif, donc ∀λ ∈ R,
λ2 kxk2 + 2λx · y + kyk2 ≥ 0. Le discriminan de l’équation du second degré associée, est donc négatif
i.e. (x · y)2 − kxk2 kyk2 ≤ 0.
De plus |x · y| = ||x|| × ||y|| alors le discriminanat est nul et le trinôme admet une racine double α
qui vérifie donc (αx + y) · (αx + y) = 0 ce qui implique, puisque le produit scalaire est défini positif,
que αx + y = 0, c’est-à-dire que x et y sont colinéaires.
Inversement, si x et y sont colinéaires, l’égalité est clairement vérifiée.
.

1.1.2 Norme euclidienne, distance euclidienne

Définition 1.1.3. Soit E un R-espace vectoriel.
On appelle norme sur E une application N : E → R+ qui vérifie les propriétés suivantes :
1. ∀x ∈ E, N (x) = 0 ⇔ x = 0 (séparation) ;
2. ∀x ∈ E, ∀λ ∈ R, N (λx) = |λ|N (x) (homogénéité) ;
3. ∀(x, y) ∈ E 2 , N (x + y) ≤ N (x) + N (y) (inégalité triangulaire).
Définition 1.1.4. Un R-espace vectoriel est dit normé lorsqu’il est muni d’une norme.
Un vecteur x d’un R-espace vectoriel E normé est dit unitaire lorsque N (x) = 1.
Remarque 1.1.2. Pour tout x ∈ E\ {0E }, il existe un vecteur unitaire u et un seul tel que x = λu
1
avec λ > 0 ; c’est le vecteur kxk x.

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
3

Norme euclidienne :
Soit (E, ϕ) un espace vectoriel préhibertien
Proposition 1.1.2. L’application
N : E → R+ p
x 7→ N (x) = ϕ(x, x)
est une norme sur E, appelée la norme euclidienne associée au produit scalaire ϕ ou (·|·).
Preuve. On montre ici juste l’inégalité triangulaire : ∀ (x, y) ∈ E × E, kx + yk ≤ kxk + kyk
(Dit : Inégalité de Minkowski).
On a :
kx + yk2 = (x + y) · (x + y)
= kxk2 + 2x · y + kyk2
≤ kxk2 + 2 kxk kyk + kyk2 = (kxk + kyk)2 , Proposition 1.1.1,
donc kx + yk ≤ kxk + kyk.
Remarque 1.1.3. 1. Si E un R-espace vectoriel muni d’un produit scalaire (·|·) auquel on associe
la norme || · || :
Pour tout x, y ∈ E, on a
 
2 2 2 1 2 2
||x + y|| = ||x|| + 2(x|y) + ||y|| (où  = ±1), (x|y) = ||x + y|| − ||x − y|| (identité
4
de polariastion)
2. Un espace vectoriel euclidien est un R-espace vectoriel de dimension finie muni d’un produit
scalaire.

Distance euclidienne :
Soit E un espace vectoriel euclidien
Définition 1.1.5. On appelle distance euclidienne, l’application
d E × E → R+
(x, y) 7→ ky − xk
On a : ∀ (α, x, y, z) ∈ R × E 3 ,
• d(x, y) = 0 ⇔ x = y
• d(x, y) = d(y, x)
• d(x + z, y + z) = d(x, y)
• d(αx, αy) = |α| d(x, y)
Corollaire 1.1.1. ∀ (x, y, z) ∈ E 3 , d(x, z) ≤ d(x, y) + d(y, z) (inégalité triangulaire).

1.1.3 Orthogonalité
Vecteurs orthogonaux :
Soit E un espace vectoriel euclidien
Définition 1.1.6. On dit que deux vecteurs x et y de E sont orthogonaux si (x|y) = 0. On note
x ⊥ y.
Remarque 1.1.4. Le vecteur nul est orthogonal à tout autre vecteur de E.

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
4

1.1.4 Familles et bases orthogonales, orthonormales

Définition 1.1.7. Une famille (x1 , x2 , · · · , xn ) de vecteurs de E est dite orthogonale si et seulement
si ses ééléments sont orthogonaux deux à deux, autrement dit, si et seulement si,
∀i, j ∈ {1; · · · ; n}, (xi |xj ) = 0
Proposition 1.1.3. Si un vecteur x est orthogonal à chacun des vecteurs de la famille {y1 , ...., yp },
alors il est orthogonal à chacun des vecteurs du sous-espace vectoriel engendré par cette famille.
Proposition 1.1.4. Une famille orthogonale finie dont aucun vecteur n’est nul est libre.
Théorème 1.1.1. (Théorème et propriété de Pythagore).
1. ∀ (x, y) ∈ E,

x ⊥ ⇔ kx + yk2 = kxk2 + kyk2 .

⇔ kx − yk2 = kxk2 + kyk2 .

c’est le théorème de Pythagore.

2. Si (x1 , x2 , · · · , xn ) est une famille orthogonale de vecteurs de E,
n 2 n
kxi k2 .
P P
xi =
i=1 i=1

Sous-espaces orthogonaux
Soit E un espace vectoriel euclidien
Définition 1.1.8. On dit que deux parties non vides A, B de E sont orthogonales si ∀ (x, y) ∈ A×B,
(x|y) = 0. Si de plus A et B sont des sous-espaces vectoriels, on dit que ce sont des sous-espaces
orthogonaux.
Proposition 1.1.5. Si deux parties A, B de E sont orthogonales, alors A ∩ B = ∅ ou A ∩ B = {0}.
Proposition 1.1.6. (1) Pour toute partie non vide M ⊂ E, l’ensemble F des vecteurs orthogonaux
à tout vecteur de M est un sous-espace vectoriel de E noté M ⊥ et appelé orthogonal de M .
(2) Pour tous sous-espaces vectoriels M , M1 , M2 de E, on a :
a) E = M ⊕ M ⊥

⊥
b) M ⊥ = M
c) (M1 + M2 )⊥ = M1⊥ ∩ M2⊥ et (M1 ∩ M2 )⊥ = M1⊥ + M2⊥ .

Bases orthogonales, Bases orthonormées :

Soit E un espace vectoriel euclidien
Définition 1.1.9. (i) On appelle base orthogonale, toute base dont les vecteurs sont deux à deux
orthogonaux :
B = (e1 , ..., en ) base orthogonale ssi 1 ≤ i < j ≤ n ⇒ (ei |ej ) = 0
(ii) On appelle base orthonormale ou base orthonormée, toute base orthogonale formée de vecteurs
unitaires :
B = (e1 , ..., en ) base orthonormée ssi 1 ≤ i, j ≤ n ⇒ (ei |ej ) = δij
Remarque 1.1.5. Soit B = (e1 , ..., en ) base orthogonale de l’espace euclidien E.

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
5
n
P
1. Pour tout x ∈ E,on a : x = (x|ei )ei
i=1
n
r n
P P
2. Pour tous x, y ∈ E, (x|y) = (x|ei )(y|ei ) et ||x|| = (x|ei )2
i=1 i=1

Lemme 1.1.1. Soit F un sous-espace vectoriel de E. On munit F d’une base (e1 , e2 , · · · , ep ). Un

élément x de E appartient à F ⊥ si et seulement si x est orthogonal à chaque vecteur ei i ∈ [[1, n]]

Théorème 1.1.2. (d’orthonormalisation de Schmidt)

Soit (a1 , ..., an ) une base de E. Alors pour tout p ∈ {1, ..., n}, il existe un système orthonormal
(e1 , ..., ep ) tel que ha1 , ..., ap i = he1 , ..., ep i. En particulier tout espace vectoriel euclidien admet une
base orthonormale.

Preuve. Par récurrence sur n.

• Si n = 1, on pose e1 = ka11 k a1 .
• Soit n ≥ 2. Supposons le théorème vérifié dans tout espace euclidien de dimension ≤ n − 1.
Soient E un espace euclidien deDdimension E n, (a1 , ..., an ) une base de E et p ∈ {1, ..., n}.
- Si p = 1, on prend ha1 i = ka11 k a1 .
- Si p > 1, ha1 , ..., ap−1 i est un espace euclidien de dimension p − 1 ≤ n − 1, donc il existe un
système orthonormal (e1 , ..., ep−1 ) tel que ha1 , ..., ap−1 i = he1 , ..., ep−1 i. Pour terminer, il suffit de
trouver un vecteur non nul x ∈ ha1 , ..., ap i tel que x · ei = 0, pour tout i ∈ {1, ..., p − 1} et de poser
p−1
1
P
ep = kxk x. Posons x = λi · ei + λap ; alors
i=1

∀i ∈ {1, ..., p − 1} , x · ei = 0 ⇒ λi + λ (ap · ei ) ⇔ λi = −λ (ap · ei ) ,

p−1
P
donc on peut prendre x = − (ap · ei ) ei + ap .
i=1

Expression du produit scalaire dans une base :

n
P n
P
Soit B = (e1 , ..., en ) une base de E. Pour tous x, y ∈ E, posons : x = xi · ei et y = yi · ei .
i=1 i=1
On a :
n n
! n
n X n n
X X X X 2
X
(x|y) = xi e i | y j e i = xi yj (ei |ej ) = xi yi kei k + (xi yj + xj yi ) (ei |ej ),
i=1 j=1 i=1 j=1 i=1 1≤i<j≤n

donc si B base orthogonale

n
X
(x|y) = xi yi kei k2 ,
i=1

et si B base orthonormée n
X
(x|y) = x i yi .
i=1

Proposition 1.1.7. Soient E un espace euclidien et F un sous-espace vectoriel de E.

Le sous-espace vectoriel F ⊥ est un supplementaire de F dans E appelé le supplémentaire orthogonal
de F .

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
6

1.1.5 Projection orthogonale

Soit F un sous-espace d’un espace vectoriel euclidien E ; on sait que E = F ⊕ F ⊥
Définition 1.1.10. On appelle projection orthogonale sur F , la projection sur F de direction F ⊥
c’est-à-dire l’application linéaire

p : E = F ⊕ F⊥ → E
x = x1 + x2 7→ x1 , avec x1 ∈ F et x2 ∈ F ⊥

Proposition 1.1.8. Soit E un espace vectoriel euclidien, F un sous-espace vectoriel de E et p la

projection orthogonale sur F . Si (e1 , e2 , · · · , ep ) est une base orthonormale de F , alors pour tout
x ∈ E, on a
p
P
p(x) = (x|ei )ei
i=1

Proposition 1.1.9. Toute propjection vectoriel est une application 1-lipschitzienne.

Inventaire des projections orthogonales en dimension 1, 2, 3 :

Soient F un sous-espace d’un espace vectoriel euclidien E de dimension n ∈ {1, 2, 3} et f la
projection orthogonale sur F .
• dim E = 1
1◦ ) Si F = E alors f = idE
2◦ ) Si F = {0E } alors f est l’endomorphisme nul de E
• dim E = 2
1◦ ) Si F = E alors f = idE
2◦ ) Si F est une droite alors f est la projection orthogonale sur la droite F .
3◦ ) Si F = {0E } alors f est l’endomorphisme nul de E
• dim E = 3
1◦ ) Si F = E alors f = idE
2◦ ) Si F est une droite alors f est la projection orthogonale sur la droite F
3◦ ) Si F est un plan alors f est la projection orthogonale sur le plan F
4◦ ) Si F = {0E } alors f est l’endomorphisme nul de E

1.2 Isométries vectorielles

1.2.1 Définition d’une isométrie vectorielle
Soit E un espace vectoriel euclidien. Considérons la distance euclidienne

d E × E → R+
(x, y) 7→ ky − xk

et une application f : E → E.
Définition 1.2.1. On dit que f est une isométrie vectorielle de E si
 → − →
−
 f( 0 ) = 0
et
 →
∀(−u ,→
−
v ) ∈ E × E, d (f (→
−
u ), f (→
−
v )) = d (→
−
u ,→
−
v ) (f conserve la distance euclidienne)

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
7

Notations 1.2.1. L’ensemble des isométries vectorielles de E est noté O(E).

Soit f : E → E une application.
Proposition 1.2.1. Les assertions suivantes sont équivalentes :
(i) f est une isométrie vectorielle de E
(ii) ∀(→
−u ,→
−v ) ∈ E × E, f (→−u ) · f (→
−
v)=→ −
u ·→
−v
→
− →
− →
−
(iii) f est linéaire et ∀ u ∈ E, kf ( u )k = k u k
(iv) f est linéaire et transforme une base orthonormée en une base orthonormée.
(v) f est linéaire et f ∗ ◦ f = idE .
→
− →
−
Preuve. (i)⇒(ii) ∀→ −u ∈ E, kf (→ −
u )k = f (→−u ) − f( 0 ) = →
−
u − 0 = k→−
u k. D’autre part,
→
− →
−
∀ u , v ∈ E,
kf (→
−
u ) − f (→
−
v )k = k→
−u −→ −vk
kf ( u ) − f (→
→
− −
v )k = k→ −u −→ −
2 2
⇔ vk
kf (→
−u )k − 2f (→−u ) · f (→
−v ) + kf (→
−
v )k = k→
−
u k − 2→
−
u ·→
−
v + k→
−
2 2 2 2
⇔ vk
k→
−u k − 2f (→ −
u ) · f (→
−
v ) + k→ −
v k = k→ −
u k − 2→
−
u ·→
−
v + k→
−
2 2 2 2
⇔ vk
⇔ f (→
−
u ) · f (→
−
v)=→ −u ·→ −
v.

(ii)⇒(iii) L’égalité f (→
−
u ) · f (→
−
v) = →−
u ·→−
v implique pour →
−
u = →
−
v que kf (→
−
u )k = k→
−
2 2
u k i.e.
kf (→
−u )k = k→−
u k. Par ailleurs, ∀→
−u ,→
−v ∈ E, ∀α, β ∈ R,

kf (α→
−u + β→
−
v ) − αf (→ −
u ) − βf (→− 2
v )k
kf (α→
−u + β→
−
v )k + α2 kf (→ −
u )k + β 2 kf (→ −v )k − 2αf (α→−
u + β→−
v ) · f (→
−
2 2 2
= u)
− →
− →
− →
− →
− →
−
2βf (α u + β v ) · f ( v ) + 2αβf ( u ) · f ( v )
kα→−u + β→
−
v k + α2 k→ −
u k + β 2 k→−v k − 2α(α→ −u + β→
−v)·→−
2 2 2
= u
− →
− →
− →
− →
−
2β(α u + β v ) · v + 2αβ u · v →
−
kα→−u + β→
−
v k + α2 k→ −
u k + β 2 k→−v k − 2α2 k→ −
u k − 2αβ →
−u ·→
−
2 2 2 2
= v
− →
− →
− 2 →− 2
2αβ u · v − 2β k v k + 2αβ u · v→
− →
−
kα→−u + β→
−
v k − α2 k→ −
u k − β 2 k→−v k − 2αβ → −
u ·→−
2 2 2
= v = 0,
d’où la linéarité de f .
(iii)⇒(iv) Soit B = (e1 , ..., en ) une base orthonormée de E. On a pour i 6= j :
kf (→ −
ei )k = k→ −


 ei k = 1
et




→
− →
− →
− →
− →
− →
−
h i
 1 2 2 2
f ( e ) · f ( e ) = kf ( e ) + f ( e )k − kf ( e )k − kf ( e )k

i j i j i j

 2
→
− →
− →
− →
−
h i
1 2 2 2

 = 2
kf ( e i + e j )k − kf ( e i )k − kf ( ej )k

→
− →
− →
− →
−
h i
 1 2 2 2
= k e + e k − k e k − k e k

i j i j



 2
= 0, en vertu du théorème de Pythagore.


→
− →
−
(iv)⇒(i) On a : f ( 0 ) = 0 , car f conserve la norme et ∀→ −u ,→
−
v ∈ E,
d (f (→
−
u ), f (→
−
v )) = kf (→
−u ) − f (→
−
v )k
→
− →
−
= kf ( u − v )k , car f est linéaire
= k→−
u −→ −vk
→
−
= d( u , v).

Exercice : Démontrer l’équivalence (i) ⇔ (v).

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
8

Proposition 1.2.2. Toute isométrie vectorielle de E est un automorphisme de E.

Définition 1.2.2. Une isométrie vectorielle de E est encore appelée un automorphisme orthogonal
de E.

Proposition 1.2.3. Soit E un espace vectoriel euclidien. Alors O(E) est un sous-groupe de GL(E)
appelé groupe orthogonal de E .
→
− →
−
Preuve. • Soit f ∈ O(E) ; → −u ∈ ker f ⇔ f (→
−
u ) = 0 , donc kf (→
−
u )k = k→
−
u k = 0 i.e. →
−
u = 0. f
est donc un élément de GL(E) i.e. O(E) ⊂ GL(E).
• ∀→
−
u ∈ E, kidE (→−u )k = k→
−u k, donc idE ∈ O(E).
→
−
• Soient f, g ∈ O(E) ; ∀ u ∈ E,

kf ◦ g(→
−
u )k = kf [g(→
−u )]k
→
−
= kg( u )k , car f ∈ O(E) ,
= k→
−
u k , car g ∈ O(E)

donc f ◦ g ∈ O(E).
• Soient f ∈ O(E) ; ∀→
−
u ∈ E,

k→
−
u k = kf ◦ f −1 (→
−
u )k = kf [f −1 (→
−
u )]k
−1 →
−
= kf ( u )k , car f ∈ O(E)

donc f −1 ∈ O(E).

Définition 1.2.3. Une isométrie vectorielle de E est encore appelée un automorphisme orthogonal
de E.

Soit f ∈ O(E) ; puisque f ◦ f ∗ = idE , on a det f ∈ {−1, +1}. Par ailleurs si B est une base
orthonormale de E et A = M (u, B) alors t A A = In en vertu de Proposition 1.2.1(3.). On dit alors
que A ∈ Mn (K) est une matrice orthogonale. D’où

Proposition 1.2.4. La matrice, dans une base orthonormale, d’une isométrie vectorielle est une
matrice orthogonale.

Notations 1.2.2. On note O+ (E) = {f ∈ O(E) / det(f ) = 1} et O− (E) = {f ∈ O(E) / det(f ) = −1}.

Définition 1.2.4. Les éléments de O+ (E) (resp. O− (E)) sont appelés isométries positives (resp.
négatives).

Proposition 1.2.5. O+ (E) est un sous-groupe de (O(E), ◦).

1.2.2 Symétries orthogonales

Soit F un sous-espace d’un espace vectoriel euclidien E ; on sait que E = F ⊕ F ⊥ .

Définition 1.2.5. On appelle symétrie orthogonale par rapport à F , la symétrie par rapport à F de
direction F ⊥ c’est-à-dire l’application linéaire

f : E = F ⊕ F⊥ → E
x = x1 + x2 7→ x1 − x2 , avec x1 ∈ F et x2 ∈ F ⊥

Notations 1.2.3. f est alors noté SF .

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
9

Proposition 1.2.6. Soit E un espace vectoriel euclidien, F un sous-espace vectoriel de E et f la

symétrie orthogonale par rapport à F . Si (e1 , e2 , · · · , ep ) est une base orthonormale de F , alors pour
tout x ∈ E, on a
p
P
p(x) = 2 (x|ei )ei − x
i=1

Proposition 1.2.7. Soit f : E → E une symétrie vectorielle. Les assertions suivantes sont équiva-
lentes :
(i) f est une symétrie orthogonale.
(ii) f est une isométrie vectorielle.

Preuve. Supposons que f est la symétrie par rapport à F de direction F 0 .

→
− →
−
(i)⇒(ii) Soit →
−
u ∈ E ; posons →
−
u =→−
v + v 0 , où →
−
v ∈ F et v 0 ∈ F 0 . On a :
→
−0  2 →
− 2
kf (→
− →− = →
−

2
u )k = f v +v v − v0
→
− →
− 2
= k→
−
v k − 2→−
2
v · v0 + v0
→
− 2
= k→
− 2
v k + v 0 , par définition de f
= k→
− 2
u k , théorème de Pythagore.

(ii)⇒(i) Soit →
−
u ∈ F 0 ; pour tout →
−
v ∈ F , on a :

f (→
−
u ) · f (→
−
v ) = −→−
u ·→−
v , par définition de f
→
− →
−
= u · v , car f ∈ O(E)
→
−
donc 2→
−
u ·→
−
v = 0 , i.e. F 0 ⊂ F ⊥ ⇔ F 0 = F ⊥ .

Définition 1.2.6. Soit H un hyperplan de E. La symétrie orthogonale par rapport à H est appelée
réflexion vectorielle de E.

Inventaire des symétries orthogonales en dimension 1,2 et 3 :

Soit E un espace vectoriel euclidien de dimension n ∈ {1, 2, 3}. Soit σF une symétrie orthogonale
de E. n→−o
– dim E = 1 : Si F = 0 alors σF = −idE .
Si F = E alors σF = idE .
n→
−o
– dim E = 2 : Si F = 0 alors σF = −idE .
Si F est une droite vectorielle alors σF est une réflexion vectorielle .
Si F = E alors σF = idE .
n→−o
– dim E = 3 : Si F = 0 alors σF = −idE .
Si F est une droite vectorielle alors σF est une symétrie orthogonale par rapport à une droite
(demi-tour).
Si F est un plan vectoriel alors σF est une réflexion vectorielle .
Si F = E alors σF = idE .

Théorème 1.2.1. Toute isométrie vectorielle d’un espace vectoriel euclidien E de dimension n ≥ 1
est la composée d’un nombre fini réflexions vectorielles.

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
10

Démonstration (Par récurrence sur n)

• n = 1 : f ∈ O(E) ⇔ f = −idE ou f = idE ; −idE est la seule réflexion vectorielle de E et
on a idE = (−idE ) ◦ (−idE ).
• Soit n ≥ 2 ; supposons, pour tout e.v.e E 0 de dimension n − 1, que toute isométrie vectorielle
de E 0 soit la composée d’un nombre fini réflexions vectorielles.Soit E un espace espace vectoriel
euclidien de dimension n et f ∈ O(E).
n→
−o
1◦ ) Inv(f ) 6= 0 : Soit → −
u un vecteur non nul invariant ; posons E 0 = h→− ⊥
u i ; on a f (E 0 ) = E 0 ,
donc l’application induite
f E0 → E0
→
−
v 7→ f (→
−
v ),
est une isométrie vectorielle de E 0 et dim E 0 = n − 1. D’où ∃p ∈ N∗ et des réflexions vectorielles
σi : E 0 → E 0 , 1 ≤ i ≤ p telles que f = σ1 ◦ ... ◦ σp . Soient les endomorphismes σei : E → E,
1 ≤ i ≤ p telles que
 σi (→
−v ) , si →
−

v ∈ E0
σei (→
−
v ) et
 →
−v , si →
−
v ∈ h→ −ui ;
alors les σei sont des réflexions vectorielles de E et f = σe1 ◦ ... ◦ σep .
n→−o →
−
2◦ ) Inv(f ) = 0 : Soient → −
u 6= 0 et σ la réflexion vectorielle par rapport à F := h→−
u − f (→
− ⊥
u )i ;
on a : →
−u + f (→−u ) ∈ F et puisque →−
u = 1 (→
2
−u − f (→
−
u )) + 1 (→
2
−
u + f (→ − u )), alors
1 − 1 −
σ (→
−
u ) = − (→
u − f (→
−
u )) + (→
u + f (→
−
u )) = f (→
−
u ) ⇔ σ ◦ f (→
−
u)=→
−
u,
2 2
donc σ ◦ f = σ10 ◦ ... ◦ σp0 , où les σi0 sont des réflexions vectorielles de E (en vertu de 1◦ ), i.e.
f = σ ◦ σ10 ◦ ... ◦ σp0 .

1.2.3 Isométries vectorielles en dimension 1,2 et 3

Soit E un espace vectoriel euclidien de dimension n ∈ {1, 2, 3}.

1o ) Isométries vectorielles d’une droite vectorielle

Proposition 1.2.8. Si E est une droite vectorielle, alors O(E) = {−idE , idE }.
Preuve En effet soit f ∈ O(E) et soit e1 un des deux vecteurs unitaires de E ; ∃! λ ∈ R∗ tel que
f (e1 ) = λe1 . On a : kf (e1 )k = ke1 k ⇔ |λ| = 1 ⇔ λ = ∓1, donc f = ±idE .
Remarque 1.2.1. On a O+ (E) = {idE } et O− (E) = {−idE }.

2o ) Isométries vectorielles d’un plan vectoriel

Proposition 1.2.9. Les isométries vectorielles d’un plan vectoriel euclidien E sont
• soit les réflexions vectorielles
• soit les composées de deux réflexions vectorielles, une des réflexions pouvant être choisie arbi-
trairement.
n→
−o →
−
Preuve • Si Inv(f ) 6= 0 , considérons → −u 6= 0 tel que →−u ∈ Inv(f ) et posons F = h→− ⊥
u i . Alors
l’application induite
f F → F
→
−
v 7→ f (→ −
v ),

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
11

est une isométrie vectorielle de la droite vectorielle F , donc (Proposition 1.2.8) f = −idF ou
f = idF i.e. f = σF ’ou f = idE .
n→
−o →
−
• Si Inv(f ) = 0 , considérons → −u 6= 0 et soit σ la réflexion vectorielle par rapport à
h→
−
u − f (→−
u )i ; posons F = h→ −
u i. On sait (2◦ de la preuve du théorème 1.2.1) que σ◦f (→
−
u)=→ −
⊥
u,
donc l’application induite
σ ◦ f F⊥ → F⊥
→
−v 7→ σ ◦ f (→
−
v ),

σ ◦ f est une isométrie vectorielle de la droite vectorielle F ⊥ , donc (Proposition 1.2.8) σ ◦ f =

−idF ⊥ ou σ ◦ f = idF ⊥ . On ne peut avoir σ ◦ f = idF ⊥ (sinon f serait égale à σ), donc
σ ◦ f = −idF ⊥ i.e. σ ◦ f = σF ⇔ f = σF ◦ σ.
n→
−o
Définition 1.2.7. Les isométries vectorielles f de E telles que Inv(f ) = 0 sont appelées rota-
tions vectorielles.

Remarque 1.2.2. O+ (E) est l’ensemble formé de idE et des rotations vectorielles de E et O− (E)
est l’ensemble des réflexions vectorielles de E.
→
− → −
Proposition 1.2.10. Soit B = ( i , j ) une  base orthonormée du plan vectoriel euclidien E. Alors
a −b
(i) f ∈ O+ (E) ssi M (f, B) = avec a2 + b2 = 1.
 b a 
a b
(ii) f ∈ O− (E) ssi M (f, B) = avec a2 + b2 = 1.
b −a

Proposition 1.2.11. O+ (E) est un sous-groupe abélien de (O(E), ◦).

Preuve ....

Exemple 1.2.1. Soit E un espace vectoriel euclidien de dimension 2 muni d’une base orthonormée
→
− → −
B = ( i , j ). Déterminer la nature et les éléments caractéristiques de l’endomorphisme f de E défini
par : √ → √  →
→
− − → − →
− − → −
f ( i ) = 22 i − j , f ( j ) = 22 − i − j .

3o ) Isométries vectorielles d’un espace euclidien de dimension 3

Soit E un espace euclidien de dimension 3. Soit f ∈ O(E) ; on pose : F = Inv(f ). On se propose
d’étudier f à partir de F .
• F = E : Alors f = idE .
• F est un plan :

Proposition 1.2.12. Alors f = σF .

Preuve En effet on a : f (F ⊥ ) = F ⊥ , donc l’application induite

f F⊥ → F⊥
→
−v 7→ f (→
−
v ),

est une isométrie vectorielle de la droite vectorielle F ⊥ , donc (Proposition 1.2.8) f = −idF ⊥
ou f = idF ⊥ . On ne peut avoir f = idF ⊥ (sinon f serait égale à idE ), donc f = −idF ⊥ i.e.
f = σF .

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
12

• F est une droite :

Proposition 1.2.13. Alors l’application induite

f F⊥ → F⊥
→
−v 7→ f (→
−
v ),

est une rotation vectorielle du plan F ⊥ .

Preuve En effet on a : f (F ⊥ ) = F ⊥ , donc l’application induite

f F⊥ → F⊥
→
−v 7→ f (→
−
v ),
n→
−o
est une isométrie vectorielle du plan F ⊥ , et puisque Inv(f ) = 0 , alors f ∈ O+ (E).

Définition 1.2.8. f est alors appelée rotation vectorielle d’axe F .

n→
−o
•F = 0

Proposition 1.2.14. Alors f est la composée de trois réflexions réflexions vectorielles.

→
−
Preuve En effet soit →
−u 6= 0 et soit σF1 la réflexion vectorielle par rapport à F1 := h→
−
u − f (→
− ⊥
u )i ;
on sait que σF1 ◦ f (→
−
u)=→−u , donc si F := h→ − ⊥
u i , l’application induite

σF1 ◦ f F ⊥ → F ⊥
→
−v 7→ σF1 ◦ f (→
−
v ),

est une isométrie vectorielle du plan F ⊥ . Montrons (par l’absurde) que σF1 ◦ f n’est pas une
réflexion vectorielle. En effet si σF1 ◦ f = σ, où σ est une réflexion vectorielle, alors en posant

 σ (→−
v ) , si →
−

v ∈ F⊥
→
−
e ( v ) et
σ
 →
−v , si →
−v ∈ F,

e est une réflexion vectorielle de E telle que σF1 ◦f = σ i.e. f = σF1 ◦σ, ce qui est absurde,donc
σ
(Proposition 1.2.9) σF1 ◦ f = σ2 ◦ σ3 , où σ2 , σ3 sont des réflexions vectorielles de F ⊥ ; enfin en
posant :
 σi (→
−
v ) , si →
−

v ∈ F⊥
→
−
σei ( v ) et
 →
−
v , si →
−
v ∈ F,
σe2 , σe3 sont des réflexions vectorielles de E et σF1 ◦ f = σe2 ◦ σe3 i.e. f = σF1 ◦ σe2 ◦ σe3 .

Remarque 1.2.3. O+ (E) est formée de idE et des rotations vectorielles de E et O− (E) des ré-
flexions vectorielles et les composées de trois réflexions vectorielles.

Exemple 1.2.2. Soit E un espace vectoriel euclidien de dimension 3 muni d’une base orthonormée
→
− → − →−
B = ( i , j , k ). Déterminer la nature et les éléments caractéristiques de l’endomorphisme f de E
défini par :
→
− →
− →
− →
− →
− →
−
f ( i ) = j , f ( j ) = − k et f ( k ) = − i .

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
13

1.2.4 Orientations d’un espace vectoriel euclidien

Soient B, B 0 deux bases orthonormées
n→ d’un espace vectoriel euclidien E de dimension n ≥ 1 ;
→
− 0
−0 o
posons : B = { ei , 1 ≤ i ≤ n}, B = ei , 1 ≤ i ≤ n et considérons l’endomorphisme f de E défini
→
−
par : f (→
−
e ) = e0 , 1 ≤ i ≤ n. Alors f ∈ O(E) (Proposition 1.2.1 (iv)).
i i

Définition 1.2.9. On dit que B et B 0 ont même orientation si f ∈ O+ (E).

Proposition 1.2.15. La relation ∼, définie sur l’ensemble des bases orthonormées de E par :
B ∼ B 0 si et seulement si B et B 0 ont même orientation,
est une relation d’équivalence ayant exactement deux classes d’équivalence.

Preuve La première assertion est immédiate car O+ (E) est un groupe. D’autre part, soient B, B 0
deux bases orthonormées non équivalentes : on a B 0 = f (B) avec f ∈ O− (E). Montrons que
toute autre base orthonormée B 00 est équivalente à B ou à B 0 . En effet posons :
 00
B = g (B)
B 00 = h (B 0 ) ;

alors B 00 = h (B 0 ) = h ◦ f (B) = g (B) i.e. h ◦ f = g.

• Si h ∈ O+ (E) alors g ∈ O− (E), donc B 00 ∼ B 0 et e (B 00 ∼ B).
• Si h ∈ O− (E) alors g ∈ O+ (E), donc B 00 ∼ B et e (B 00 ∼ B 0 ).

Notations 1.2.4. On note O1 et O2 les deux classes d’équivalence.

Définition 1.2.10. (i) On appelle orientation de E, tout élément de la partition {O1 , O2 } des bases
orthonormées de E.
(ii) On dit que E est orienté lorsqu’on choisit une orientation O de E. Les éléments de O sont
alors appelés bases orthonormées directes ou positives. Les éléments de l’autre orientation appelés
bases orthonormées indirectes ou négatives.

Remarque 1.2.4. (i) Pratiquement, on oriente un espace vectoriel euclidien E en décidant qu’une
base orthonormée donnée B est directe. Si une base orthonormée B 0 vérifie B 0 ∼ B alors B 0 est directe
sinon B 0 est indirecte.
(ii) Soit H un hyperplan de E orienté. On oriente habituellement H en orientant la droite H⊥ :
en effet si {→
−
ν } est la base orthonormée directe de H⊥ , on dit qu’une base orthonormée (→−
e1 , ..., −
e−→
n−1 )
→
− −−→ →
−
de H est directe lorsque ( e1 , ..., en−1 , ν ) est une base orthonormée directe de E.

Exemple → 1.2.3. (i) Soit E2 un plan vectoriel euclidien orienté muni d’une base orthonormée directe
− →−  →− →−
B = i , j . Déterminer la nature des bases orthonormées suivantes : B1 = − i , j ; B2 =
→
− → −  → − → −  →− →
− → − →
−
j , i ; B3 = − j , − i ; B4 = 53 i − 45 j , 45 i + 35 j .
(ii) Soit E un espace vectoriel euclidien orienté de dimension 3 muni d’une base orthonormée
→
− →− → − − →
→ − → −
directe B = ( i , j , k ). Déterminer la nature des bases orthonormées suivantes : B1 = i , k , j ;
− →
→ − → −  →− → − → −
B2 = j , k , i ; B3 = − i , − k , j .

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré
Espace vectoriel euclidien - Isométries vectorielles
14

1.2.5 Cosinus et Sinus d’une rotation vectorielle

→
− →
−
Soit E2 un plan vectoriel euclidien muni d’une base orthonormée B = i, j .

Proposition 1.2.16. Soit ϕ une rotation vectorielle ; alors :

→
− →
−
(i) le réel, i · ϕ i , est indépendant de B.
→
− →
−
(ii) le réel, j · ϕ i , dépend uniquement de l’orientation de B.
n→
−0 →
−0 o
0
Preuve Soient B = i , j une autre base orthonormée, P la matrice de passage de B à B 0 ;
posons :    
a −b α γ
A = M (ϕ, B) = et P = .
b a β µ
 
α −εβ
Alors P = avec ε = ±1 et
β εα
 
0 −1 a −εb
A = P AP =
εb a

→
− →−
Définition 1.2.11. Le réel, i · ϕ i , est appelé Cosinus de ϕ et noté Cos(ϕ) ; si de plus E2 est
→
− →
−
orienté et B est directe, le réel, j · ϕ i , est appelé Sinus de ϕ et noté Sin(ϕ).

Remarque 1.2.5. Si E2 est orienté alors pour toute rotation ϕ

 
Cos(ϕ) −Sin(ϕ)
M (ϕ, B) =
Sin(ϕ) Cos(ϕ)
pour toute base orthonormée directe B de E2 .
 
Cos(ϕ) +Sin(ϕ)
M (ϕ, B) =
−Sin(ϕ) Cos(ϕ)
pour toute base orthonormée indirecte B de E2 .

Proposition 1.2.17. Soit E2 orienté. On a les propriétés suivantes : Pour tous ϕ, ψ ∈ O+ (E2 ),
(i) Cos2 (ϕ) + Sin2 (ϕ) = 1
(ii) Cos(ϕ ◦ ψ) = Cos(ϕ)Cos(ψ) − Sin(ϕ)Sin(ψ)
(iii) Sin(ϕ ◦ ψ) = Sin(ϕ)Cos(ψ) − Sin(ψ)Cos(ϕ)
(iv) Cos(idE2 ) = 1 et Sin(idE2 ) = 0
(v) Cos(ϕ−1 ) = Cos(ϕ) et Sin(ϕ−1 ) = −Sin(ϕ)

Dr. Wankap Nono Chap 3: Espace vectoriel euclidien-Isométrie vectoriel L3 Univ de Ndéré