Abderrazak Chakor Lydex le 27 mars 2022 Espaces vectoriels euclidiens Notes

Espaces vectoriels euclidiens

Dans tout ce qui suit ,les espaces véctoriels considérés sont sur R
I - Produit scalaire

Définition 1.1
Un espace vectoriel E sur R .
On appelle produit scalaire sue E toute forme bilinéaire symétrique <, > définie posi-
tive,sur E ce qui signifie :
1. Pour tout y de E, l’application de E dans R qui à x 7−→< x, y > est linéaire.
Pour tout x, l’application de E dans R qui à y 7−→< x, y > est linéaire.
2. ∀x ∈ E, ∀y ∈ E, < x, y >=< y, x >
3. x ∈ E, < x, x >= 0 ⇔ x = 0
4. x ∈ E, < x, x >≥ 0
On note aussi un produit scalaire x.y s’il n’y a pas ambiguité avec un autre produit.

Exemple 1.1 Classiques de produit scalaire

1. E = Rn peut être muni du produit scalaire suivant
n
: < x, y >= xy = xi yi où x = (x1 , ..., xn ) et y = (y1 , ..., yn ) qui est
P
1
dit canonique
2. Plus généralement :
Si E est de dimension finie n ≥ 1 et B une base fixée de E peut
n
être muni du produit scalaire suivant : < x, y >B = xi yi = t XY
P
1
où X = [x]B = t (x1 , ..., xn ) et Y = [y]B = t (y1 , ..., yn )
3. Ainsi E = C peut être muni du produit scalaire suivant :
< z, z 0 >= <(z)<(z 0 ) + =(z)=(z 0 ) = < zz 0 dit produit scalaire


canonique
4. et E = Mn (R) , E peut être muni du produit scalaire suivant :
< A, B >= T r( t A B =
P
[A]i,j [B]i,j dit produit scalaire
1≤i,j≤n
canonique
5. E = Mn,m (R) peut être muni du produit scalaire suivant :
< A, B >= T r(t AB) =
P
ai,j bi,j dit produit scalaire
(i,j)∈[[1,n]]×[[1,m]]
canonique
6. E = C 0 ([a, b]), E peut être muni du produit scalaire suivant :
Z b
< f, g >= f (t)g(t)dt
a
+∞ +∞ +∞
pk X k et Q = qk X k dit
P P P
7. E = R[X] : < P, Q >= pk qk où P =
k=0 k=0 k=0
produit scalaire canonique
Exercice 1.1
( )
x2n converge
P
1. Montrer que E = x∈R N
/ est R espace vectoriel
n≥0
+∞
P
2. Montrer que (x, y) 7−→< x, y >= xn yn définit un produit scalaire sur E
n=0

Définition 1.2 Norme euclidienne

Soit E un espace vectoriel réel muni d’un produit scalaire <, >
l’application ||.|| : E −→ R+ √
x 7−→ ||x|| = < x, x >

1
Abderrazak Chakor Lydex 27 mars 2022 Espaces vectoriels euclidiens Notes

Propriété 1.1

Soit E un ev réel muni d’un produit scalaire <, > et x, y ∈ Eλ ∈ R

— ||λ.x|| = |λ| ||x||
2 2 2
— ||x + y|| = ||x|| + 2 < x,y > + ||y|| 
2 2 2 2
— ||x + y|| + ||x − y|| = 2 ||x|| + ||y|| Règle du parallèlogramme-Figure
2 2
— < x + y, x − y >= ||x|| − ||y||
1 2 2

— < x, y >= ||x + y|| − ||x − y|| Identité de polarisation
4
Proposition 1.1
Inégalité de Cauchy-Schwarz
Soit E un espace euclidien muni d’un produit scalaire <, >. Alors :
1. x ∈ E, y ∈ E, |< x, y >| ≤ ||x|| ||y|| Inégalité de Cauchy-Schwarz
2. x ∈ E, y ∈ E, ||x + y|| ≤ ||x|| + ||y||
Preuve
Définition 1.3
— Si x, y sont deux vecteurs non nuls de l’espace vectoriel euclidein (E, <, >),le
< x, y >
seul réel θ ∈ [0, π] tel que cos θ = s’appelle un mesure de l’angle
||x|| ||y||
non orienté des vecteurs x et y (dx, y)
— Soit E un R espace vectoriel .On appelle norme sur E toute application
||.|| : E −→ R+
x 7−→ ||x||
 ∀x ∈ E, ∀λ ∈ R ||λ.x|| = |λ| ||x||

verifiant : ∀x, y ∈ E, ||x + y|| ≤ ||x|| + ||y||

∀x ∈ E, ||x|| = 0 ⇔ x = 0


Exercice 1.2
Montrer que ||x + y|| ≤ ||x|| + ||y|| ⇔ x et y sont positivement liés

Définition 1.4
Un espace vectoriel réel E est dit euclidien s’il est de dimension finie et
muni d’un prduit scalaire <, >
II - Orthogonalité

Définition 2.1
Soit E un espace euclidien muni d’un produit scalaire <, >.
1. Un vecteur x est dit unitaire ou normalisé si ||x|| = 1.
2. Deux vecteurs x et y sont dits orthogonaux si < x, y >= 0.
3. Une famille de vecteurs de E (u1 , ..., up ) est dite orthogonale si ses vecteurs sont
deux à deux orthogonaux.
4. Une base (e1 , ..., en ) est dite orthonormale ou orthonormée si elle est orthogo-
nale et si tous ses vecteurs sont normalisés
Remarques 2.1
1. (x + y) ⊥ (x − y) ⇔ ||x|| = ||y||
2. la notion d’orthogonalité dépend du produit scalaire défini sur E en effet :
(1, 2) et (−2, 1) sont orthogonaux pour le produit scalaire usuel sur R2 <
(x, y), (x0 , y 0 ) >= xx0 + yy 0
alors que
(1, 2) et (−2, 1) ne sont pas orthogonaux pour le produit scalaire
< (x, y), (x0 , y 0 ) >= xx0 + 2yy 0

2
Abderrazak Chakor Lydex 27 mars 2022 Espaces vectoriels euclidiens Notes

Proposition 2.1

Si un système de vecteurs est constitué de vecteurs non nuls et deux à deux orthogonaux,
alors, ce système est libre
Proposition et définition: Expréssion du produit scalaire
dans une base donnée
Soit E un espace euclidien muni d’un produit scalaire <, >.
n
P n
P
Soit (e1 , ..., en ) une base d’un espace vectoriel euclidein E et x = xi ei et y = yi ei
1 1
deux vecteurs de E
X , Y sont les matrices colonnes, représentant x et y dans la base (e1 , ..., en )
M = (< ei , ej >)1≤j≤n dite matrice du produit scalaire dans la base (e1 , ..., en )
1≤i≤n
!
n n
< ei , ej > yj = t X M Y
P P
On a : < x, y >= xi
i=1 j=1
Si (e1 , ..., en ) est une base orthonormée alors
n
M = In et < x, y >= xi yi = t X Y
P
1

Proposition 2.2

Si on éffectue un changement de bases et que P est la matrice du passage de

B = (e1 , ..., en ) vers B 0 = (e01 , ..., e0n ) alors la matrice du produit scalaire dans la base
B 0 est M 0 = t P M P
M et M 0 sont dites congruentes

Exercice 2.1
Donner l’expréssion de la matrice du produit scalaire défini sur R3 par
zz 0
< (x, y, z), (x0 , y 0 , z 0 ) >= 2xx0 + yy 0 + + xy 0 + x0 y + 2xz 0 + 2x0 z + 5yz 0 + 5y 0 z
2
relativement à la base canonique

Exercice 2.2
Montrer qu’une matrice de produit scalaire est inversible

Théorème 2.1 de Pythagore

Si V1 , ..., Vp une famille de vecteurs orthogonaux. Alors
2 2 2 2
||V 1 + ... + V p|| = ||V1 || + ||V2 || + ... + ||Vp ||

Théorème 2.2
Procédé d’orthonormalisation de Gram-Schmidt :
Soit (e1 , ..., en )une base del’espace vectoriel euclidein E
il éxiste une base orthonormale (ε1 , ..., εn ) unique vérifiant les conditions ci-
εk ∈ Vect(e1 ..., ek )

dessous :∀k ∈ [[1, n]]
< εk , ek >> 0
Preuve
Existence :
e1
On prend ε1 = répond ...
||e1 ||
On suppose avoir construit ε1 , .., εk pour 1 ≤ k ≤ n − 1 répondant aux contraites de
Gram-Shmidt
Pk
posons uk+1 = ek+1 + λi εi on a uk+1 6= 0 sinon ek+1 ∈ Vect(e1 ..., ek )
i=1
On impose que uk+1 Vect(e1 ..., ek )⊥
ce qui est équivalent à ∀i ∈ [[1, k]] ; < uk+1 , εi >= 0
c’est à dire ∀i ∈ [[1, k]] ; 0 =< ek+1 , εi > +λi < εi , εi >
c’est à dire ∀i ∈ [[1, k]] ; λi = − < ek+1 , εi >(Choix unique des λi )
k
< ek+1 , εi > εi ∈ Vect(e1 ..., ek )⊥ et non nul
P
Ainsi uk+1 = ek+1 −
i=1
uk+1
εk+1 = répond à la question
||uk+1 ||
3
 Abderrazak Chakor Lydex 27 mars 2022 Espaces vectoriels euclidiens Notes
En effet
||εk+1 || = 1
∀i ∈ [[1, k]] ; < εk+1 , εi >= 0 et

Xk
< εk+1 , ek+1 >=< εk+1 ; ek+1 − < ek+1 , εi > εi =< εk+1 , uk+1 >= ||uk+1 || > 0
i=1

Unicité : Supposon que (ε1 , ..., εn ) et (ε01 , ..., ε0n ) répondent aux deux contraites du
procédé
k
ε0k = λi εi pour i ≤ k − 1 ; on a < ε0k , εi >= λi = 0
P
i=1
car εi ∈ Vect(e1 , e1 , ..., ek−1 ) =Vect(ε01 , ε01 , ..., ε0k−1 ). donc ε0k = λk εk
donc λk = ±1 mais < ε0k , ek >= λk < εk , ek >> 0 donc λk = 1 et alors ε0k = εk

Remarque 2.1

Dans la pratique on pourra trouver une base orthogonale puis la normaliser après
la base orthonormale (ε1 , ..., εn ) obtenue de (e1 , ..., en ) par le procédé de Gram- Schmit
a même sens que (e1 , ..., en ) en effet
Les matrices de passage de (ε1 , ..., εn ) à (e1 , ..., en ) est triangulaire superieure
à coefficients diagonaux strictements positifs à savoir < ek , εk >

Exercice 2.3
1. Dans R2 , on considère le produit scalaire :
(x, y).(x0 , y 0 ) = xx0 + 21 (xy 0 + yx0 ) + yy 0 .
La base canonique (e1 , e2 ) est elle orthonormée ?.
Sinon l’orthonormaliser par le procédé de Gram-Shmidt.
Z 1
2. Dans R2 [X] muni du produit scalaire < P, Q >= P (t)Q(t)dt.
0
Trouver une base orthonormale partant de la base canonique (1, X, X 2 )
3. Dans R4 muni du produit scalaire canonique, on se donne l’hyperplan
d’équation 2x + 3y − z − 2t = 0.
Trouver une base orthogonale de cet hyperplan en partant de la base
−3 ! 1 ! 1 !
2 0 0
0 2 0
0 0 1
Proposition 2.3

Soit f une forme linéaire d’un espace euclidien de dimension finie.

Alors il existe un unique a vecteur tel que :∀x ∈ E, f (x) =< x, a >
Preuve Considérons une base orthonormale (e1 , ..., en )
Pn
C N f (ei ) =< ei , u > et alors u = f (ei )ei qui est aussi C S
i=1
L’unicité vient du fait ∀x ∈ E; x.u = 0 =⇒ u = 0
Exercice 2.4
Z 1
Soit en effet E l’espace C 0 ([0, 1]), muni du produit scalaire < f, g >= f (t)g(t)dt
0
Montrer que la forme linèaire ϕ : E −→ R , qui à f associe f (0) ne peut être définie à
partir du produit scalaire  
1
On considérera les vecteurs fn défini par fn (x) = 1 − nx sur 0, et 0 ailleurs
n

Définition 2.2 Orthogonal d’une partie

Soit E un espace euclidien muni d’un produit scalaire <, >.A une
partie non vide de E
On appelle orthognal de A la partie de E notée
A⊥ = { x ∈ E tel que ∀a ∈ A, x ⊥ a }

Proposition 2.4
4
Soit E un espace euclidien muni d’un produit scalaire <, >.A une partie non vide de E
⊥
A⊥ est sous-espace vectoriel de E et A⊥ = (V ect(A))
Abderrazak Chakor Lydex 27 mars 2022 Espaces vectoriels euclidiens Notes

Exercice 2.5
Soit E un espace euclidien muni d’un produit scalaire <, >.A et B deux parties non
vides de E
Montrer que :
A ⊂ B =⇒ A⊥ ⊃ B ⊥
⊥
(A ∪ B) = A⊥ ∩ B ⊥

⊥
A ⊂ A⊥

Proposition et définition 2.1

Deux sous-espaces vectoriels F et G d’un espace vectoriel E muni d’un produit scalaire
<, > sont dits orthogonaux
si :∀x ∈ F, ∀y ∈ G, < x, y >= 0
le cas échéant F et G sont en somme directe
Proposition 2.5

F et G deux sous-espaces vectorielsd’un même espace vectoriel E muni d’un produit

scalaire réel <, >
F ⊥ G ⇔ F ⊂ G⊥ ⇔ G ⊂ F ⊥
Proposition 2.6

Deux sous-espaces vectoriels F et G d’un même espace vectoriel E muni d’un produit
scalaire réel <, > de bases respectives BF , BG
F ⊥ G ⇔ BF ⊥ BG
Définition 2.3
Soit F un sous-espace vectoriel d’un espace vectoriel E muni d’un produit scalaire <, >
On appelle orthogonal de F l’ensemble { y ∈ E tel que ∀x ∈ F, < x, y >= 0 }
qu’on note F ⊥ ou F ◦

Exercice 2.6
Z 1
Dans E = C 0 ([−1, 1]) muni du produit scalaire < f, g >= f (t)g(t)dt ;
0
On note E+ , E− respectivement l’ensemble des fonctions paires( impaires).
Montrer que E+ = E− ⊥ et E− = E+ ⊥

Remarque 2.2

Pour appartenir à l’orthogonal de F dans un espace vectoriel euclidien , il suffit de vérifier

l’orthogonalité avec une base de F

Proposition 2.7

Soit F un sous-espace vectoriel d’un espace vectoriel E euclidien de dimension finie n

1. F et F ⊥ sont en somme directe.
2. dimF +dimF ⊥ =dimE.
3. F ⊂ G =⇒ G⊥ ⊂ F ⊥

⊥
4. F ⊥ = F
Preuve
la somme F +F ⊥ est [Link] suffit alors de montrer que dim(F ⊥ +F ) = dimE
Première méthode
Considérons (e1 , ..., ep ) une base orthonormale de F
Pour x ∈ E
Pp
Posons p(x) = < ek , x > ek ∈ F on a x = p(x) + (x − p(x))
k=1
p
P
pour j ∈ [[1, p]] < x − p(x), ej >=< x, ej > − < p(x), ej >=< x, ej > − < x, ek >
k=1
δk,j =< x, ej > − < x, ej >= 0
donc x − p(x) ∈ F ⊥
Ainsi E ⊂ F + F ⊥ donc E = F + F ⊥
Notez bien: p est la projection sur F parallèlement à F ⊥
5
Abderrazak Chakor Lydex 27 mars 2022 Espaces vectoriels euclidiens Notes
Deuxième méthode Considérons (e1 , ..., ep ) une base orthonormale de F
φ : E −→ Rp est linéaire surjective en effet
x 7−→ (< x, e1 >, ..., < x, ep >)
p
Pour (λ1 , λ2 , ..., λp ) ∈ Rp ,(λ1 , λ2 , ..., λp ) = φ( λk ek ))
P
k=1
Kerφ = F ⊥ et le théorème du rang donne dim(F ⊥ )+dim(F ) =dim E =dim(F ⊥ +F )
Troixième méthode
dim Kerφ =dimF ⊥ = n − rg(φ) ≥ n − p donc
dimF ⊥ +dimF ≥ n donc dim(F ⊥ )+dim(F )=dim (F ⊥ + F ) = n cqfd

Remarque 2.3

La deuxième méthode permet d’ailleurs de définir F ⊥ par un système de p équations

d’hyperplans Hi = (ei )⊥

Exercice 2.7
Z b
Soit E l’espace C 0 ([0, 1]), muni du produit scalaire < f, g >= f (t)g(t)dt
a
F le sous-espace vectoriel des fonctions polynomiales.
Montrer que F ⊥ = { 0 }

⊥
Comparer F ⊥ et F
III - Projections et symétries orthogonales
Dans un espace vectoriel euclidien E,l’orthogonal d’un sous-espace vectoriel F est un
supplémentaire de F

Définition 3.1
on appelle projection orthogonale sur F la projection orthogonale sur F parallèlement à
F⊥
on appelle symétrie orthogonale par rapport à F la symétrie orthogonale par rapport à
F parallèlement à F⊥

Proposition 3.1 Cas particuliers importants

H un hyperplan , orthogonal à une droite D
Si u un vecteur unitaire orthogonal à H (vecteur directeur de la
droite D).
• La projection orthogonale sur D est : p(x) =< x, u > u
• La projection orthogonale sur H est : q(x) = x− < x, u > u
• La symétrie par rapport à D : sD (x) = 2 < x, u > u−x = p(x)−q(x)
dite retournement
• La symétrie par rapport à H :
sH (x) = x − 2 < x, u > u = q(x) − p(x) = −sD (x) dite réflexion

Proposition 3.2

Si (ei ) est une base orthonormée de F dont les p premiers vecteurs forment une base de
F et donc les n − p restants forment une base de F ⊥ .
Pp
La projection orthogonale sur F est : p(x) = < x, ei > ei
1
p n
⊥
P P
La projection orthogonale sur F est : q(x) = x − < x, ei > ei = < x, ei >
1 i=p+1
ei
p
P n
P
La symétrie par rapport à F : sF (x) = < x, ei > ei − < x, ei > ei
i=1 i=p+1

Exercice 3.1
Donner les matrices de sF et p dans de telle base
Exercice 3.2
Z 1
Dans R2 [X] muni du produit scalaire < P, Q >= P (t)Q(t)dt.
0
2
Trouver la projection orthogonale de X sur Vect(1, X) de deux façons
1
Rep :X − 6
6
Abderrazak Chakor Lydex 27 mars 2022 Espaces vectoriels euclidiens Notes

Proposition et définition 3.1

Si p est projection orthogonale sur F est et x ∈ E
on a ||x − p(x)|| = inf ||x − y||
y∈F
La quantité ||x − p(x)|| s’appelle distance de x à F et on note d(x, F ) = ||x − p(x)||
p(x) est le seul point de F où ce minimum est atteint
Preuve:
— Soit y ∈ F
x − y = (x − p(x)) + (p(x) − y) avec p(x) − y ∈ F et x − p(x) ∈ F ⊥
donc ||x − y||2 = ||p(x) − y||2 + ||x − p(x)||2 ≥ ||x − p(x)||2 (1)
∀y ∈ F, ||x − y|| ≥ ||x − p(x)|| et p(x) ∈ F
Alors inf (||x − y||) = ||x − p(x)|| = min(||x − y||)
y∈F y∈F
— Si y ∈ F tel que ||x − p(x)|| = ||x − y|| alors (1) devient ||x − y||2 =
||p(x) − y||2 + ||x − p(x)||2 = ||x − p(x)||2
Ainsi ||p(x) − y||2 = 0 et alors y = p(x)

Exercice 3.3

Dans R3 muni de son produit scalaire canonique on considère le plan (H)

vectoriel d’équatioon ax + by + cz = 0
1. Donner (D) = (H)⊥
2. Expliciter la projection orthogonale sur (D) puis sur (H) d’un vecteur
X = (x, y, z) de R3
3. Déterminer d(X, (D)) et d(X, (H))
4. Soit (Q) est le plan affine d’équatioon ax + by + cz + d = 0 et
A = (x0 , y0 , z0 ) un point de R3
Déterminer d(A, (Q))

Exercice 3.4
Z 1
2
Interprétez et calculer inf t2 + at + b dt
a,b∈R2 0
1
Rep :
180
Théorème 3.1 Caractérisation des projections orthogonales
Soit E un espace euclidien muni d’un produit scalaire <, > et F ,G deux
sous-espaces vectoriels supplémentaire de E
p un projecteur vectoriel sur F parallèlement à G
1. p est un projection orthogonal ⇔ ∀x ∈ E ||p(x)|| ≤ ||x||
2. p est un projection orthogonal ⇔ ∀x, y ∈ E < p(x), y >=< x, p(y) >

Peuve Soit p un projecteur vectoriel sur F parallèlement à G

1. ” ⇐= ” Si G = F ⊥
Pour x ∈ E, ||x||2 = ||x − p(x)||2 + ||p(x)||2 =⇒ ||p(x)|| ≤ ||x||
” =⇒ ” Soient (x, y) ∈ F × G et λ ∈ R∗
On a ||p(x + λy)|| ≤ ||x + λy||
c’est à dire ||x|| ≤ ||x + λy|| en élevant au carré on a
donc 2λ < x, y > +λ2 ||y||2 ≥ 0 et ça ∀λ ∈ R∗
— Si λ > 0 en divisant par λ et en tendant λ → 0+ donne < x, y >≥ 0
— Si λ < 0 en divisant par λ et en tendant λ → 0− donne < x, y >≤ 0
donc < x, y >= 0 donc F ⊥ G or F ⊕ G = E alors par théorème G = F ⊥
2. ” =⇒ ” Si p est orthogonale alors pour x, y ∈ E
< p(x), y >=< p(x), p(y) > + < p(x), y − p(y) >=< p(x), p(y) >=< x, p(y) >
” ⇐= ”
Pour x ∈ F et y ∈ G
< x, y >=< p(x), y >=< x, p(y) >=< x, 0 >= 0
donc F ⊥ G or F ⊕ G = E alors par théorème G = F ⊥
donc p est orthogonale
Ou encore pour x ∈ E montrons que ||p(x)|| ≤ ||x||
si x ∈ G alors ||p(x)|| = 0 ≤ ||x||
sinon < p(x), p(x) >=< x, p ◦ p(x) >=< x, p(x) >≤ ||x|| ||p(x)|| donc
||p(x)|| ≤ ||x|| car p(x) 6= 0
7
 Abderrazak Chakor Lydex 27 mars 2022 Espaces vectoriels euclidiens Notes
IV - Automorphismes orthogonaux
4. 1. Groupe orthogonal

Définition 4.1
Soit E un espace vectoriel euclidien .
On s’intéresse aux endomorphismes u qui préserve la norme, c’est à dire tels que : ∀x ∈
E, ||u(x)|| = ||x||
De tels endomorphismes sont qualifiés d’orthogonaux ou d’isométries vectorielles

Proposition 4.1

Si u orthogonal de E alors
1. u est bijectif.
2. det(u) = ±1

Proposition 4.2

Soit E unespace vectoriel euclidien et u ∈ £R (E)

Les assertions suivantes sont équivalentes
1. u orthogonal
2. u conserve le produit scalaire.
3. u transforme une base orthonormée en une base orthonormée.
4. u transforme toute base orthonormée en une base orthonormée.
Remarques 4.1

Une symétrie orthogonale est un endomorphisme orthogonal

Une projection orthogonale autre que l’identité n’est pas un endomorphisme orthogonal

Proposition 4.3

1. L’ensemble des endomorphismes orthogonaux forme un groupe avec la compo-

sition des applications appelé groupe orthogonal O(E).
2. L’ensemble des endomorphismes orthogonaux de déterminant 1 forme un sous-
groupe de O(E), appelé groupe spécial orthogonal SO(E)

Propriété 4.1
u orthogonal
Si F est un sous-espace vectoriel stable par u alors F ⊥ est aussi stable par u

Proposition et définition 4.1 Produit mixte-Produit

vectoriel
Soit E un espace vectoriel euclidien de dimension n, munie d’une
base orthonormée directe B = (e1 , e2 , ..., en ).
u1 , u2 , ..., un n vecteurs de E
Le réel detB (u1 , u2 , ..., un ) = detB (M ) (où M est la matrice des
composantes de u1 , u2 , ..., un dans la base B )ne dépend pas de la
base orthonormale directe choisie .
On l’appelle le produit mixte de n vecteurs u1 , u2 , ..., un .
On le note [u1 , u2 , ..., un ]

Proposition et définition 4.2

Soit E un espace vectoriel euclidien de dimension n,orienté

u1 , u2 , ..., un−1 n − 1 vecteurs de E
Il éxiste un unique vecteur w de E tel que ∀x ∈ E, [u1 , u2 , ..., un−1 , x] =< w, x >
On l’appelle le produit vectoriel des n − 1 vecteurs u1 , u2 , ..., un−1 .
On le note u1 ∧ u2 ∧ ... ∧ un−1

8
Abderrazak Chakor Lydex 27 mars 2022 Espaces vectoriels euclidiens Notes

Propriété 4.2
Cas n = 3
Soit E un espace vectoriel euclidien de dimension 3,orienté. u, v, w 3 vecteurs de E.
1. u ∧ v ∈ Vect(u, v)⊥
2
2. [u, v, u ∧ v] = ||u ∧ v||
→
−
3. (u, v) est libre ⇔ u ∧ v 6= 0
4. Si (u, v) est libre alors (u, v, u ∧ v) est une base dircte de E
u∧v =w

5. Si (u, v, w) est une base orthonormale dierecte de E alors v ∧ w = u
w∧u=v
6. Si B b.o.n.d
b b0
 
0
 c c 
a0
!
a
 
0
 
Si [u]B = b et [v]B = b0 alors [u ∧ v]B =  c c 0 
 
c c 0  a a 
0
 
a a
0
b b
7. u ∧ v = −v ∧ u
8. w ∧ (λu + v) = λw ∧ u + w ∧ v
9. (u ∧ v) ∧ w =< u, w > v− < v ∧ w > u
2 2 2
10. ||u ∧ v|| + < u, v >2 = ||u|| ||v||

Proposition et définition 4.3 Groupe orthogonal du

plan
En dimension 2, dans une base orthonormée, la matrice d’un
endomorphisme orthogonal est soit de la forme :
cos θ − sin θ
 
? sin θ cos θ de déterminant 1 : C’est la rotation Rθ
d’angle θ
ou
 
? cos θ sin θ de déterminant -1 :C’est la symétrie ortho-
sin θ − cos θ
gonale sθ/2 par rapport à la droite Inv(u) faisant un angle θ/2
avec le premier vecteur de base
Exercice 4.1
Que devient θ si on travaille dans la b.o.n B 0 = (e2 , e1 ) ?Justifier

Remarques 4.2

(e1 , e2 ) est une b.o.n.d du plan

1. Si u est une rotation du plan euclidien autre que l’identité alors Inv(u)= { 0 }
2. Si u est une symétrie du plan euclidien autre que l’identité
alors Inv(u)= R(cos θ2 e1 + sin θ2 e2

Proposition 4.4

En dimension 2,
(SO(E), o) est isomorphe à̀ (R/2πZ, +)

Proposition 4.5

En dimension 2,tout automorphisme orthogonal de E est la composée d’au plus deus

réflexions
Preuve Matriciellement on a  
cos θ − sin θ conclure
  
cos θ sin θ 1 0
sin θ − cos θ 0 −1 = sin θ cos θ
Remarque 4.1

Traduction complexe des des éléments de O(E2 ) . (e1 , e2 ) une base orthogonale directe
Rotation d’angle θ :z 7−→ z 0 = eiθ z
Symetrie d’axe Re1 :z 7−→ z 0 = z
Symetrie d’axe R(cos θ2 e1 + sin θ2 e2 ) :z 7−→ z 0 = eiθ z 9
Abderrazak Chakor Lydex 27 mars 2022 Espaces vectoriels euclidiens Notes
Groupe orthogonal en dimension 3
Soit E un espace vectoriel euclidein de dimension 3
Soit u un endomorphisme orthogonal
Nous raisonnerons sur la dimension du sous-espace des vecteurs invariants par u qui est :
Inv(u) = ker(u − IdE )

Proposition 4.6 Cassification des isométries de l’espace

1. Si dim(Inv(u)) = 3, alors u = IdE
2. Si dim(Inv(u)) = 2, alors u est la réflexion sH par rapport au
plan H=Inv(u).
3. Si dim(Inv(u)) = 1, alors
— Si a est un vecteur unitaire de la droite D=Ker(u − id) la
matricede u dans une base orthonormée (e1 , e2 , a) est de la
cos θ − sin θ 0
forme  sin θ cos θ 0 
0 0 1
— u s’appelle la rotation r(D, θ) d’axe la droite D = Ra derigée
par a et d’angle θ ∈ R\2πZ
— ∀x ∈ E; u(x) = cos(θ)x + (1 − cos θ) < x, a > a + sin θ(a ∧ x)
4. Si dim(Inv(u)) = 0 alors
— Il existe un vecteur unitaire a de E tel que u(a) = −a
— la matrice de u dans unebase orthonormée directe (e1 , e2 , a)
cos θ − sin θ 0


est  sin θ cos θ 0  avec θ ∈ R\2πZ

0 0 −1
— u est la composée commutative d’une rotation d’axe
D = R.a d’angle θ et de la réflexion par rapport au plan
R.a⊥ dite aussi antirotation
Preuve: Dans le cas :Si dim(Ker(u-id)) = 0
Montrons que dans ce cas le lemme dim(Ker(u + id)) > 0
Première méthode :
Soit M = M atB (u) où B est une b.o.n.d de E
A = t (M + I3 )(M − I3 ) = M − t M est antysymétrique donc non inversible en effet
t
A = −A donc det(A) = −det(A) donc det(A) = 0 or M − I3 est inversible car
ker(u − Id ) = { 0 } donc M + I3 est non inversibe . Ainsi dim(Ker(u + id)) > 0
cqfd
Autre méthode :
det(u − λIdE ) est polynôme de degé 3 en λ donc admet une racine réelle qui ne peut être
que ±1 , plutôt −1 sinon dimKer(u − id) ≥ 1
Ainsi det(u + IdE ) = 0 cqfd
Application :
Soit alors un vecteur a unitaire de Ker(u + id) et le plan H = (Ra) ⊥
On a SH ◦ u(a) = a et SH ◦ u ∈ O(E) donc d’après les premiers cas :
SH ◦ u = idE ou SH ◦ u = SH 0 ou SH ◦ u = r(D, θ)
Les deux premiers cas sont à rejeter car impliquent que dim(Ker(u-id)) > 0
D’où sH ◦ u = r(D, θ) et alors u = sH ◦ R(D, θ)
On vérifie que la composition est commutative sur H et sur D donc sur E
Remarquez alors que : u2 = r2 (D, θ) = r(D, 2θ) qui permet de calculer
2θ[4π] donc θ[2π]

Proposition 4.7
Soit u ∈ O(E)
dim( inv u) dét u nature de l’isométrie u

3 1 Id
2 -1 réflexion sH
1 1 rotation r (y compris les retournements sD )
0 -1 anti-rotation rosH

10
Abderrazak Chakor Lydex 27 mars 2022 Espaces vectoriels euclidiens Notes

Corollaire 4.1
Soit u ∈ O(E)
det u nature de l’isométrie u

1 Id ou bien rotation r d’angle θ 6= 0[2π]

(y compris les retournements sD :rotation d’angle π[2π]
-1 réflexion sH ou bien anti-rotation r ◦ sH = sH ◦ r

Proposition 4.8

En dimension 3,tout automorphisme orthogonal de E est la composée d’au plus trois

réflexions
Preuve matricielle (Fig)
Soit r d’axe derigé par a et d’angle θ
Dans une b.o.n.d B = (e1 , e2 , e3 = a) la matrice de! la rotation r d’axe derigé
cos(θ) − sin(θ) 0
par a et d’angle θ est A = sin(θ) cos(θ) 0
!0 0 1
cos(θ) − sin(θ) 0
A = sin(θ) cos(θ) 0
0 0 1
!
cos(θ) sin(θ) 0 1 0 0

= sin(θ) − cos(θ) 0 0 −1 0
0 0 1 0 0 1
On reconnait que r = SH2 ◦ SH1 avec H1 = R.e1 + R.a et H2 = R(cos θ2 e1 +
sin θ2 e1 ) + Ra cqfd
Remarquez que r−1 = SH1 ◦ SH2 qui d’axe R.a d’angle −θ
Preuve Vectorielle
Il suffit de montrer qu’une rotation r = r(Ra, θ) la composée de deux
réflexions.
Si θ ≡ 0 (mod 2π) alors r = idH = sH ◦ sH
Si θ 6= 0 (mod 2π)
L’axe D de la rotation étant supposé orienté par a unitaire Pour cela posons
H = (Ra)⊥
⊥
b ∈ H unitaire (a, b, a ∧ b) est une b.o.n.d  adapteéa  E =D⊕H
θ θ θ
Dans H prenons c = r(Ra, )(b) = cos .b + sin .(a ∧ b) ∈H
2 2 2
H1 =vectR (a, b)
H2 =vectR (a, c)
Montrons que r = r(Ra, θ) = sH2 ◦ sH1
sH2 ◦ sH1 est une rotation en effet sH2 ◦ sH1 ∈ SO(E) et sH2 ◦ sH1 6= idE sinon
H1 = H2
Pour cela montrons que r(a) = sH2 ◦ sH1 (a) et sH2 ◦ sH1 (b) = r(b)
a ∈ Inv(sH2 ) ∩Inv(sH1 ) par construction
donc r(a) = sH2 ◦ sH1 (a) = a
On a
r(b) = cos (θ) b + sin (θ) .(a ∧ b)
sH2 ◦ sH1 (b) = sH2 (b) = b − 2 < b, a ∧ c > a ∧ c car a ∧ c ∈ H2⊥ et a ∧ c unitaire
Relativement à la base orthonormale directe (a, b, a ∧ b)
1 0  0

θ
0 cos 1
 
θ
< b, a ∧ c >= [a, c, b] = 2 = − sin
 
θ 2
0 sin 0
  2
 
θ θ
et a ∧ c = cos .(a ∧ b) − sin b
2 2
Ainsi       
θ θ θ
sH2 ◦ sH1 (b) = b + 2 sin cos .(a ∧ b) − sin b
 2  2     2
θ θ θ
= 1 − 2 sin2 b + 2 sin cos a∧b
2 2 2
= cos (θ) b + sin (θ) (a ∧ b)
= r(b)
est ça pour tout b ∈ H
d’où r = sH2 ◦ sH1

11
Abderrazak Chakor Lydex 27 mars 2022 Espaces vectoriels euclidiens Notes
V - Matrices orthogonales

Définition 5.1
Soit M ∈ Mn (R)
M est dite orthogonale si M vérifie t M .M = In

Proposition 5.1
Soit M ∈ Mn (R). Les assertion suivantes sont équivalentes
1. M orthogonale
2. Les colonnes de M forment une base orthonormée de Rn
3. M est une matrice d’un automorphisme orthogonal u dans une base orthonor-
mée.
4. M est la matrice du passage entre deux bases orthonormales

Propriété 5.1
Soit M ∈ Mn (R) orthogonale
M est inversible et M −1 = t M
det(M ) = ±1
(M ) = Com(M )
M −1 est une matrice orthogonale

Propriété 5.2

1. L’ensemble des matrices orthogonales d’ordre n forme un groupe avec le produit

des matrices appelé groupe orthogonal O(n).
2. L’ensemble des matrices orthogonales de déterminant 1 forme un sous-groupe de
O(n), appelé groupe spécial orthogonal SO(n).
Pratique :techniques pour déterminer les éléments d’un
endomorphisme orthogonal u de matrice M dans une b.o.n
directe :
On suit les étapes
 t
 M M = I3
1. Vérifier que u est orthogonale par ou les colonnes de M forment une base o.n

les lignes de M forment une base o.n
2. Signe de de déterminant suivant que M = ±Com(M ) car t M = M −1 et
det(M ) = ±
3. Si det(M ) = 1 et M 6= I3 =⇒ M est d’une rotation d’axe Inv(u) d’angle θ
vérifiant
2 cos θ +1 = tr(M ) d’où la valeur de θ au signe près suivant l’orientation choisie
de l’axe D qui induit celle du plan H=D⊥ Plus précisement si l’axe est orienté par
a unitaire
2
et b ∈ E \ Ra < r(b), a ∧ b >= [a, b, r(b)] = sin θ ||a ∧ b|| donc sin θ est de
même signe que < r(b), a ∧ b >
Ce qui explique aussi pourquoi il faut prendre −θ si l’axe est orienté par −a
unitaire
4. Si det(u) = −1
Si dim Inv(u) = 2 Alors M represente une reflexiontion par rapport à Inv(M)
Si dim Inv(u) = 0
⊥
On cherche a ∈Inv(u + Id) on pose H = (Ra)
SH ◦ u est une rotation rθ d’axe Ra et d’angle θ vérifiant 2 cos θ − 1 = tr(M )
d’où u = sH ◦ rθ

12
Abderrazak Chakor Lydex 27 mars 2022 Espaces vectoriels euclidiens Notes
Á la pratique
Exercice 5.1
R3 étant muni de sa strucure euclidienne canonique , déterminer la nature de chacun de
ses endomorphismes u canoniquement associé à la matrice M dans chacun des cas :
−1 2 2 2 2 1
   
1 1
• A= 2 −1 2  • B =  −2 1 2 
3 3
2 2 −1 1 −2 2
0 1 0 0 1 0
  

• C= 0 0 1  •D =  0 0 1 
1 0 0 −1 0 0
8 1 −4

1
• T =  −4 4 −7 
9
1 8 4

Exercice 5.2 Endomorphisme antisymétrique de l’es-

pace et application
Soit E un espace prehilbertien réel de dimension 3 muni d’une b.o.n.d
B = (e1 , e2 , e3 )
1. Pour e = ae1 + be2 + ce3 fixé on définit fe : E −→ E
x 7−→ e∧x
(a) Déterminer Ker(fe ) et Im(fe )
(b) Donnner A = M atB (fe ) et remarquer que A est antisymétrique
(c) Déduire que ∀x, y ∈ E < fe (x), y >= − < x, fe (y) > fe est dit
antisymétrique
0 −γ −β
 
2. Pour A = γ 0 −α antysymétrique de M3 (R).Soit u l’endo-
β α 0
morphisme de E tel que A = M atB (f )
(a) Montrer qu’il existe un unique vecteur e de E tel que
u = fe .Expliciter [e]B
(b) Déduire la caraterisation des endomorphismes antisymétriques de
E ainsi que la dimension de leur sous-espace vectoriel
3. Application à la rcherche des éléments d’ une rotation
Soit r = r(D, θ) la rotation de E d’axe la droite D = Ra derigée et
orientée par a et d’angle θ ∈ R\2πZ
On rappelle que
∀x ∈ E; r(x) = cos(θ).x + (1 − cos(θ)) < x, a > .a + sin(θ).(a ∧ x)
et que tr(r) = 2 cos(θ) + 1
Ainsi x 7−→ r1 (x) = cos(θ).x + (1 − cos(θ)) < x, a > .a
et x 7−→ r2 (x) = sin(θ).(a ∧ x) sont respectivment la partie symétrique
et la partie antisymétrique
(a) Si M = M atB (r) vérifier que
M + tM M − tM
M atB (r1 ) = et M atB (r2 ) = = M atB (fe )
2 2
où e = sin(θ).a
(b) Montrer que si M est symétrique alors alors r2 = 0 , θ = π[2π] ,r
est un demi-tour d’axe D = R.a
M − tM
(c) Si M n’est pas symétrique alors = M atB (ϕe ) 6= 03 donc
2
e
θ ∈/ πZ et montrer que si on choisit d’orienter D par alors
||e||
sin(θ) > 0
4. Si u est une anti-rotation de E et que u = σH ◦ r(R.a, θ) = r(R.a, θ)σH
Vérifier que u2 = r(R.a, φ) avec φ = 2θ[4π]
On détermine alors les éléments de u2 et on en déduit ceux de u
5. Refaire l ’exercice d’application précédent avec ses nouvelles tech-
niques

13