Vous êtes sur la page 1sur 39

Formes quadratiques

et espaces euclidiens
Licence Mathématiques
Note de cours de la :

(Algèbre 5)

Mohamed AQALMOUN

Univérsité Sidi Mohamed Ben Abedellah

École Normale Supérieure de Fès


Département de mathématiques

ENS FES

Laste updated

5 juin 2020
2
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
Table des matières

1 Formes quadratiques 5
1.1 Formes bilinéaires symétriques et formes quadratiques . . . . . . . . . . . . . . . . . 5
1.2 Forme positive et définie positive . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Matrice d’une forme bilinéaire symétrique . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4.1 Vecteur orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4.2 Vecteurs isotropes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4.3 Rang et noyau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.5 Réduction des formes quadratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5.1 Base orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5.2 Réduction de Gauss des formes quadratiques . . . . . . . . . . . . . . . . . . . 13
1.5.3 Signature d’une forme quadratique . . . . . . . . . . . . . . . . . . . . . . . . . 14

2 Espaces euclidiens 15
2.1 Produit scalaire sur un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.1 Définition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.2 Norme associée à un produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.1 Vecteurs orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2.2 Existence de base orthonormale . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.2.3 Procédé d’orthonormalisation de Schmidt . . . . . . . . . . . . . . . . . . . . . 20
2.3 Projecteurs orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4 Endomorphismes dans les espaces euclidiens . . . . . . . . . . . . . . . . . . . . . . . 23
2.4.1 Adjoint d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4.2 Endomorphismes symétriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4.3 Endomorphismes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4.4 Matrices orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.4.5 Réflexion et retournement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

3 Géométrie euclidienne plane et dans l’espace 33


3.1 Orientation d’un espace euclidien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.2 Produit mixte et produit vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3 Géométrie euclidienne plane . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.3.1 Groupe orthogonal en dimension 2 . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.3.2 Angle orienté . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.4 Géométrie euclidienne en dimension 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.4.1 Produit vectoriel en dimension 3 . . . . . . . . . . . . . . . . . . . . . . . . . . 37
3.4.2 Groupe orthogonal en dimension 3 . . . . . . . . . . . . . . . . . . . . . . . . . 38

3
TABLE DES MATIÈRES

4
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
Chapitre 1

Formes quadratiques

1.1 Formes bilinéaires symétriques et formes quadratiques

Définition 1.1.

Une forme bilinéaire sur E est une application ϕ : E × E → R linéaire par rapport à
chacune de ses variables,c’est-à-dire :
ϕ(x + λx 0 , y) = ϕ(x, y) + λϕ(x 0 , y) et ϕ(x, y + λy 0 ) = ϕ(x, y) + λϕ(x, y 0 ).
Une forme bilinéaire ϕ est dite symétrique si, pour tout (x, y) ∈ E 2 , ϕ(x, y) = ϕ(y, x).

Exemples :
1. L’application ϕ : Mn (R) × Mn (R) → R définie par ϕ(A, B ) = tr t AB est une forme bilinéaire
¡ ¢

symétrique sur Mn (R).


Z 1
2. L’application ϕ : R[X ] × R[X ] → R définie par ϕ(P,Q) = P (t )Q(t )d t est une forme bili-
0
néaire symétrique sur R[X ].
3. L’application ϕ : R2 × R2 → R définie par ϕ((x 1 , x 2 ), (y 1 , y 2 )) = x 1 y 2 + x 2 y 1 est une forme bili-
néaire symétrique sur R2 .

Proposition 1.2.

L’ensemble des formes bilinéaires B(E ) (respectivement bilinéaires symétriques BS (E ))


sur E est un espace vectoriel.

Démonstration : Immédiat.

Proposition 1.3.

Soit ϕ une forme bilinéaire symétrique sur E . Pour tout (x, y) ∈ E 2 , on a :



1. ϕ(x, y) = ϕ(x + y, x + y) − ϕ(x, x) − ϕ(y, y) .
¢
2

2. ϕ(x, y) = ϕ(x + y, x + y) − ϕ(x − y, x − y) .
¢
4

5
1.1 Formes bilinéaires symétriques et formes quadratiques

Démonstration :
1. Par bilinéarité et symétrie on a ϕ(x + y, x + y) = ϕ(x, x) + 2ϕ(x, y) + ϕ(y, y), d’où le résultat.
2. On a ϕ(x + y, x + y) = ϕ(x, x) + 2ϕ(x, y) + ϕ(y, y) et ϕ(x − y, x − y) = ϕ(x, x) − 2ϕ(x, y) + ϕ(y, y),
on obtient, en sommant les membres de ces deux égalité, ϕ(x + y, x + y) + ϕ(x − y, x − y) =
4ϕ(x, y). D’où le résultat.

Définition 1.4.

On appelle forme quadratique sur E toute application q : E → R de la forme

q(x) = ϕ(x, x)

Où ϕ est une forme bilinéaire sur E . Dans ce cas on dira que q est la forme quadratique
associée à ϕ.

Remarque : A priori, il n’y a pas unicité des formes bilinéaires associées à une forme quadratique.
Par exemple sur R2 , les formes bilinéaires ϕ((x 1 , x 2 ), (y 1 , y 2 )) = x 1 y 1 et ψ((x 1 , x 2 ), (y 1 , y 2 )) = x 1 y 1 +
x 1 y 2 − x 2 y 1 définissent la même forme quadratique q(x) = ϕ(x, x) = ψ(x, x) = x 12 .
L’unicité est assuré, dans le cas des formes bilinéaires symétriques, par le résultat suivant :

Théorème 1.5.

Soit q une forme quadratique sur E , alors il existe une unique forme bilinéaire symé-
trique ϕ sur E , dite forme polaire de q, telle que, pour tout x ∈ E , q(x) = ϕ(x, x).
En d’autres termes, l’application qui à toute forme bilinéaire symétrique ϕ sur E associe
la forme quadratique q définie par q(x) = ϕ(x, x) est une bijection.

Démonstration : Soit q une forme quadratique sur E et ψ une forme bilinéaire telle que q(x) =
ψ(x, x). Pour (x, y) ∈ E , on pose ϕ(x, y) = 12 ψ(x, y) + ψ(y, x) . Clairement, ϕ est une forme bili-
¡ ¢

néaire symétrique sur E , et on a ϕ(x, x) = 12 ψ(x, x) + ψ(x, x) = ψ(x, x) = q(x). Ceci justifie l’exis-
¡ ¢

tence. On suppose que ϕ0 est une forme bilinéaire symétrique telle ϕ0 (x, x) = q(x). Pour (x, y) ∈ E 2 ,
on a :
1¡ 0
ϕ0 (x, y) = ϕ (x + y, x + y) − ϕ0 (x) − ϕ0 (y)
¢
2
1¡ ¢
= q(x + y) − q(x) − q(y)
2

ϕ(x + y, x + y) − ϕ(x) − ϕ(y)
¢
=
2
= ϕ(x, y)

Proposition 1.6.

Soit q une forme quadratique sur E et ϕ sa forme polaire. On a


1. Pour tout x ∈ E et λ ∈ R, q(λx) = λ2 q(x).
2. Pour tout (x, y) ∈ E 2 , q(x + y) = q(x) + 2ϕ(x, y) + q(y).
3. Pour tout (x, y) ∈ E 2 , ϕ(x, y) = 21 (q(x + y) − q(x) − q(y)) = 1
¡ ¢
4 q(x + y) − q(x − y) .

6
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 1 : Formes quadratiques

Démonstration : Immédiat.

Théorème 1.7.

Soit q : E → K une application. Alors q est une forme quadratique sur E si, et seulement
si, les deux conditions suivantes sont vérifiées :
1. L’application (x, y) 7→ q(x + y) − q(x) − q(y) est bilinéaire.
2. Pour tout x ∈ E et λ ∈ K, q(λx) = λ2 q(x).

Démonstration : Si q est une forme quadratique et ϕ sa forme polaire, alors pour tous x, y ∈ E ,
on a ϕ(x, y) = 12 (q(x+y)−q(x)−q(y)), ainsi l’application (x, y) 7→ q(x+y)−q(x)−q(y) est bilinéaire.
De plus q(λx) = ϕ(λx, λx) = λ2 q(x).
Réciproquement, supposons les deux conditions du théorème sont vérifiées. Pour x, y ∈ E , on pose
1
ϕ(x, y) = (q(x + y) − q(x) − q(y)). Clairement ϕ(x, y) = ϕ(y, x), donc ϕ est une forme bilinéaire
2
symétrique, de plus ϕ(x, x) = 21 (q(2x) − 2q(x)) = 12 (4q(x) − 2q(x)) = q(x). D’où le résultat.

1.2 Forme positive et définie positive


Dans cette section K = R.

Définition 2.8.

Soit E un espace vectoriel, ϕ une forme bilinéaire symétrique et q la forme quadratique


associée.
1. On dit que ϕ ou q est positive si, pour tout x ∈ E , q(x) ≥ 0.
2. On dit que ϕ ou q est définie si, pour tout x ∈ E \ {0}, q(x) > 0.

Remarque : Une forme q est définie positive s’elle est positive et si de plus, ∀x ∈ E , on a q(x) =
0 ⇒ x = 0.

Exemples :
n
x k y k est définie positive sur Rn .
X
1. La forme bilinéaire (x, y) 7→
k=1
Z 1
2. Sur l’espace vectoriel E = C ([0, 1], R), la forme bilinéaire ( f , g ) 7→ f (t )g (t )d t est définie
0
positive.
3. Sur E = Mn (R) la forme bilinéaire (A, B ) 7→ tr(t AB ) est définie positive.
4. Sur R3 , la forme bilinéaire (x, y) 7→ x 1 y 1 + x 3 y 3 est positive, mais elle n’est pas définie posi-
tive.

Théorème 2.9. ( Inégalité de Cauchy-Schwarz )

Soit ϕ une forme bilinéaire symétrique positive de E et q la forme quadratique associée.


Alors
¢2
∀x, y ∈ E , ϕ(x, y) ≤ q(x)q(y)
¡

7
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
1.3 Matrice d’une forme bilinéaire symétrique

Si de plus ϕ est définie positive, on a égalité si, et seulement si, la famille (x, y) est liée.

Démonstration : Soient x, y ∈ E . Pour t ∈ R, on pose f (t ) = q(x + t y). On a donc f (t ) = q(x) +


2t ϕ(x, y) + t 2 q(y). Remarquons alors que f est une fonction polynôme en t de degré inférieur à 2.
Supposons d’abord que y 6= 0 (dans ce cas f est de degré 2). Comme q positive, on a donc ∀t ∈ R,
f (t ) ≥ 0. La fonction f ne change pas le signe, par suite son discriminant est positif, c’est-à-dire
∆ = 4ϕ(x, y)2 − 4q(x)q(y) ≥ 0. Il en résulte alors que ϕ(x, y)2 ≤ q(x)q(y).
On suppose de plus que q est définie positive. Si l’égalité a lieu c’est-à-dire ∆ = 0, dans ce cas f
admet une unique racine réel λ. On a f (λ) = 0, donc d (x + λy) = 0, d’où x + λy = 0. Ainsi la famille
(x, y) est liée.
Réciproquement, si la famille (x, y) est liée, alors il existe λ ∈ R tel que x = λy, donc ϕ(x, y)2 =
λ2 ϕ(y, y)2 = λ2 ϕ(y, y)ϕ(y, y) = ϕ(λy, λy)ϕ(y, y) = q(x)q(y).
Si y = 0. dans ce cas f (t ) = q(x) + 2t ϕ(x, y) c’est-à-dire f est une fonction polynôme de degré ≤ 1.
Comme elle ne change pas de signe, cette fonction polynôme est constate, c’est-à-dire ϕ(x, y) = 0.
¢2
On a donc ϕ(x, y) = 0 ≤ q(x)q(y) = 0. En fait l’inégalité est une égalité et la famille (x, y) est liée.
¡

Corollaire 2.10.

Soit q une forme quadratique psitive sur E . Pour tous x, y ∈ E , on a


p p p
q(x + y) ≤ q(x) + q(y)

q(y))2 . D’où le
p p p
On a q(x + y) = q(x) + 2ϕ(x, y) + q(y) ≤ q(x) + 2 q(x)q(y) + q(y) = ( q(x) +
résultat.

1.3 Matrice d’une forme bilinéaire symétrique


Dans ce paragraphe, E est un espace vectoriel de dimension finie n, et B = (e 1 , . . . , e n ) une base de
E.
x1 y1
   
 ..   .. 
Soit ϕ une forme bilinéaire . Soient x, y ∈ E , on note X =  .  respectivement Y =  .  la matrice
xn yn
n n
de x respectivement de y dans la base B de sorte que x =
X X
x k e k et y = y k e k . Par la bilinéarité
k=1 k=1
de ϕ on a à !
n n n X
n
ϕ(x, y) = ϕ x i y j ϕ(e i , e j )
X X X
xk e k , yk ek =
k=1 k=1 i =1 j =1

Définition 3.11.

Avec les notations précédente, la matrice

M = (ϕ(e i , e j ))i , j

s’appelle la matrice de ϕ dans la base B.


La matrice d’une forme quadratique q dans la base B est la matrice de sa forme polaire

8
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 1 : Formes quadratiques

(forme bilinéaire symétrique associée) dans la base B.

Exemples :
1. Sur E = R3 , la matrice de la forme bilinéaire symétrique (x, y) 7→ x 1 y 1 +x 1 y 2 +x 2 y 1 +x 3 y 3 dans
1 1 0
 

la base canonique est 1 0 0


0 0 1
2. Sur E = R2 [X ] la matrice de la forme bilinéaire symétrique (P,Q) 7→ P (0)Q(1) + P (1)Q(0) est

Proposition 3.12.

Soit ϕ une forme bilinéaire sur un espace vectoriel E de dimension finie et B =


(e 1 , . . . , e n ) une base de E . Alors ϕ est symétrique si, et seulement si, pour tous i , j ∈ [[1, n]],
ϕ(e i , e j ) = ϕ(e j , e i ).

Démonstration :
Corollaire 3.13.

Soit ϕ une forme bilinéaire sur un espace vectoriel E de dimension finie et B une base
de E . Soit M la matrice de ϕ dans la base B. Alors ϕ est une forme bilinéaire symétrique
si, et seulement si, la matrice M est symétrique.

Démonstration : Notons que le coefficient d’indice (i , j ) pour la matrice M est ϕ(e i , e j ). Donc M
symétrique si, et seulement si, ∀i , j , ϕ(e i , e j ) = ϕ(e j , e i ) si, et seulement si, ϕ symétrique.

Proposition 3.14.

Soit ϕ une forme bilinéaire sur un espace vectoriel de dimension finie et B = (e 1 , . . . , e n )


une base de E . Soit M la matrice de ϕ dans la base B. Pour tout x, y ∈ E on a

ϕ(x, y) = t X M Y

où X et Y sont respectivement les matrices de x et y dans la base B.

Démonstration :
Théorème 3.15. ( Changement de bases)

Soit ϕ une forme bilinéaire symétrique sur une espace vectoriel dimension finie. Soient
B et B 0 deux bases de E et P la matrice de passage de B à B 0 . Si M (respectivement M 0 )
est la matrice de ϕ dans la base B (respectivement B 0 ) alors

M0 = tPMP

9
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
1.4 Orthogonalité

Démonstration : Soient x, y ∈ E . Notons X et Y respectivement X 0 et Y 0 les matrices de x et


y dans B respectivement B 0 . On a X = P X 0 et Y = P Y 0 . D’une part on a ϕ(x, y) = t X M Y =
t 0P
X M P Y 0 , d’autre part on a ϕ(x, y) = t X 0 M 0 Y 0 . Donc t X 0 M 0 Y 0 = t X 0P M P Y 0 , cette égalité a lieu
∀X 0 , Y 0 , d’où M 0 = t P M P .

Définition 3.16.

Deux matrices M , N ∈ Mn (K) sont dites congruentes si elle existe une matrice inversible
P ∈ Mn (K) telle que M = t P N P .

Proposition 3.17.

La congruence est une relation d’équivalence sur Mn (K).

Démonstration :

Remarque : Deux matrices sont congruentes s’il représentent la même forme bilinéaire dans
deux bases.

1.4 Orthogonalité
1.4.1 Vecteur orthogonaux

Définition 4.18.

Soit E un espace vectoriel de dimension finie, ϕ une forme bilinéaire symétrique sur E
et q la forme quadratique associée.
1. Deux vecteurs x et y sont dits q-orthogonaux si ϕ(x, y) = 0.
2. un vecteur x est q-orthogonale à une partie A si ∀a ∈ A, ϕ(x, a) = 0.
3. Deux parties A et B sont q-orthogonaux si ∀a ∈ A, ∀b ∈ B , ϕ(a, b) = 0.
4. Le q-orthogonal d’une partie A est l’ensemble A ⊥q = {x ∈ E / ϕ(x, a) = 0 , ∀a ∈
A}.

Proposition 4.19.

Soit q une forme quadratique sur un espace vectoriel E .


1. Pour tout partie A de E , A ⊥ est un sous espace vectoriel de E .
2. Si A ⊆ B alors B ⊥ ⊆ A ⊥ .
3. Pour toute partie A de E on a A ⊥ = (Vect(A))⊥ .
4. Pour tout sous espace vectoriel F de E , on a F ⊆ F ⊥⊥ .
5. {0}⊥ = E .

1.4.2 Vecteurs isotropes

10
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 1 : Formes quadratiques

Définition 4.20.

Soit q une forme quadratique sur un espace vectoriel E . On dit qu’un vecteur x est iso-
trope relativement à q si q(x) = 0 (i.e x est q-orthogonal à lui même). L’ensemble des
vecteurs isotrope relativement à q est appelé cône isotrope de q et se note C (q). Ainsi
C (q) = {x ∈ E / q(x) = 0}.

Remarque : En général, le cône isotrope n’est pas un sous espace vectoriel, comme le montre
l’exemple suivant : On considère sur R2 la forme quadratique q(x) = x 1 x 2 . On a C (q) = {x =
(x 1 , x 2 ) /x 1 = 0 ou x = 0} = Vect(1, 0) ∪ Vect(0, 1) qui n’est pas un sous espace vectoriel de R2 .

Remarque : Si q est une forme quadratique positive, alors elle est définie si, et seulement si,
C (q) = {0}.

1.4.3 Rang et noyau

Définition 4.21.

Soit q une forme quadratique sur un espace vectoriel E et ϕ sa forme polaire. O appelle
noyau de q ou de ϕ que l’on note ker q ou ker ϕ le sous espace vectoriel ker q = E ⊥q =
{x ∈ E / ϕ(x, y) = 0 , ∀y ∈ E }.

Proposition 4.22.

Soit q une forme quadratique sur un espace vectoriel. Alors ker q ⊆ C (q).

Démonstration : Immédiat.

Définition 4.23.

Soit q une forme quadratique sur un espace vectoriel E . On dit que q est non dégénérée
si ker q = 0, dans le cas contraire on dit qu’elle est dégénérée.

Proposition 4.24.

Soit q une forme quadratique sur un espace vectoriel E . La forme quadratique q̃ induit
par q sur l’espace vectriel E / ker q est non dégénérée.

Démonstration :
Théorème 4.25.

Soit q une forme quadratique non dégénérée sur un espace vectoriel de dimension finie
E . Si F est un sous espace vectoriel de E alors dim F + dim F ⊥ = dim E .

11
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
1.5 Réduction des formes quadratiques

Démonstration : Soit ϕ la forme polaire associée à q.


Pour x ∈ E , on pose ϕx la forme linéaire définie sur E par ϕx (y) = ϕ(x, y). L’application u : E → E ∗
définie par u(x) = ϕx est un isomorphisme d’espaces vectoriels, en effet si x ∈ ker u, alors ϕx = 0
c’est-à-dire pour tout y ∈ E , ϕ(x, y) = ϕx (y) = 0, et comme ϕ est non dégénérée, on a donc x = 0.
Les deux espaces vectoriels E et E ∗ ont même dimension donc u est un isomorphisme.
Soit H le sous espace vectoriel de E ∗ , H = {l ∈ E ∗ /l (y) = 0 , ∀y ∈ F }. On montre que dim H =
dim E − dim F et on conclus par le fait que les deux espaces vectoriels H et F ⊥ sont isomorphes.

Définition 4.26. (rang)

Soit E un espace vectoriel de dimension finie et q une forme quadratique sur E de forme
polaire ϕ. On appelle rang de q ou de ϕ, noté rg q ou rg ϕ le rang de l’application

E → E ∗ , x 7→ ϕx

Proposition 4.27.

Soit q une forme quadratique sur un espace vectoriel de dimension finie E . Alors

rg q = dim E − dim ker q

Théorème 4.28.

Soit E un espace vectoriel de dimension finie et B une base de E . Soit q une forme qua-
dratque sur E et A la matrice de q dans B.
1. Soit u l’endomorphisme de E dont la matrice dans la base B est A, alors ker q =
ker u.
2. rg q = rg A.
3. q est non dégénérée si, et seulement si, rg q = n.
4. q est non dégénérée si, et seulement si, A est inversible.

1.5 Réduction des formes quadratiques


1.5.1 Base orthogonale

Définition 5.29.

Soit E un espace vectoriel de dimension finie et q une forme quadratique sur E de forme
polaire ϕ. Une base B = (e 1 , . . . , e n ) de E est dite q-orthogonale si ϕ(e i , e j ) = 0 dès que
i 6= j .

Proposition 5.30.

Soit E un espace vectoriel de dimension finie et q une forme quadratique sur E . Soit B
une base de E . Alors B est une base q-orthogonale si, et seulement si, la matrice de q
dans la base B est diagonale.

12
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 1 : Formes quadratiques

Théorème 5.31. (Existence de base q-orthogonale)

Soit E un espace vectoriel de dimension finie et q une forme quadratique sur E . Alors il
existe au moins une base q-orthogonale de E .

Démonstration :
Corollaire 5.32.

Toute matrice symétrique est congrue à une matrice diagonale.

1.5.2 Réduction de Gauss des formes quadratiques

Soit E un espace vectoriel de dimension n et B = (e 1 , . . . , e n ) une base de E . Pour x ∈ E , on note


(x 1 , . . . , x n ) les coordonnées de x dans B.
Soit q une forme quadratique sur E et A = (a i j ) la matrice de q dans B. On a

n
a i i x i2 + 2
X X
q(x) = ai j xi x j
i =1 1≤i < j ≤n

Proposition 5.33.

Avec les notations précédentes, il existe n formes linéaires linéairement indépendantes


l 1 , . . . , l n et n réels λ1 , . . . , λn tels que, pour tout x ∈ E
n
λi (l i (x))2
X
q(x) =
i =1

Démonstration : Par récurrence sur n.


Si n = 1 le résultat est trivial.

Exemples :

1. q(x, y) = x 2 + x y.
2. q(x, y, z) = y 2 + y z.

Proposition 5.34.
r
λi (l i (x))2
X
Soit q une forme quadratique dont une réduction de Gauss est q(x) =
i =1
où λ1 , . . . , λr sont non nuls et l 1 , . . . , l r sont des formes linéaires linéairement indépen-
dantes. Alors r = rg q et ker q = ∩ri=1 ker l i .

13
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
1.5 Réduction des formes quadratiques

1.5.3 Signature d’une forme quadratique

Théorème 5.35. (Théorème d’inertie de Sylvester)

Soit E un espace vectoriel de dimension finie et q une forme quadratique sur E . Il existe
(s, t ) d’entiers naturels tels que pour toute base q-orthogonale B = (e 1 , . . . , e n ), s est le
nombre de vecteurs e i tels que q(e i ) > 0 et t le nombre de vecteurs e i tels que q(e i ) < 0.
Le couple (s, t ) s’appelle la signature de la forme quadratique q.

Démonstration : Soit B = (e 1 , . . . , e n ) et B 0 = (e 10 , . . . , e n0 ) deux bases q-orthogonales de E . Notons


s (respectivement s 0 ) le nombre de vecteurs e i (respectivement e i0 ) tels que q(e i ) > (respectivement
q(e i0 ) > 0), notons aussi t (respectivement t 0 ) le nombre de vecteurs e i (respectivement e i0 ) tels que
q(e i ) < 0 (respectivement q(e i ) < 0). Montrons que (s, t ) = (s 0 , t 0 ). On a rg q = s + t = s 0 + t 0 .

Soit F le sous espace vectoriel engendré par les e i tels que q(e i ) > et G le sous espace vectoriel
engendré par les e i0 tel que q(e i0 ) ≤ 0. On a dim F = s et dimG = n − s 0 et F ∩ G = {0}. Donc dim(F +
G) = dim F + dimG = s + n − s 0 ≤ dim E = n, d’où s ≤ s 0 .

14
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
Chapitre 2

Espaces euclidiens

Les espaces vectoriels considérés dans ce chapitre sont des espaces vectoriels sur R.

2.1 Produit scalaire sur un espace vectoriel


2.1.1 Définition et exemples

Définition 1.1.

On appelle produit scalaire sur un espace vectoriel E toute forme bilinéaire symétrique
définie positive.

Notation : Si ϕ est un produit scalaire sur E , le réel ϕ(x, y) se note souvent par :

(x|y) ou x.y ou 〈x, y〉

Exemples :
n
1. L’application (Rn )2 → R définie pour x = (x 1 , . . . , x n ) et y = (y 1 , . . . , y n ) par (x|y) =
X
xk y k
k=1
est un produit scalaire sur Rn appelé produit scalaire canonique.
2. L’application (A, B ) 7→ (A|B ) = tr(t AB ) définie un produit scalaire sur Mn (R).
Z b
3. L’application ( f , g ) 7→ ( f |g ) = f g définie un produit scalaire sur C ([a, b], R).
a
1 2π
Z
4. L’application ( f , g ) 7→ ( f |g ) = f g définie un produit scalaire sur l’espace vectoriel
2π 0
C 2π (R, R) des fonctions 2π-périodique sur R.
5. L’application (X , Y ) 7→ t X Y définie un produit scalaire sur Mn,1 (R) appelé produit scalaire
canonique.

Définition 1.2.

1. Un espace préhilbertien est un espace vectoriel muni d’un produit scalaire.


2. Un espace euclidien est un espace préhilbertien de dimension finie.

15
2.1 Produit scalaire sur un espace vectoriel

Proposition 1.3. ( Inégalité de Cauchy-Schwarz)

Soit 〈., .〉 un produit scalaire sur E .


Pour tous x, y ∈ E , on a
〈x, y〉2 ≤ 〈x, x〉〈y, y〉
Avec égalité si, et seulement si, la famille (x, y) est liée.

Exemples :
à !2 à !à !
n n n
x k2 y k2
X X X
1. Cas du produit scalaire canonique : xk y k ≤
k=1 k=1 k=1
µZ b ¶2 µZ b ¶ µZ b ¶
2 2
2. Cas des intégrales : f (t )g (t )d t ≤ f (t )d t g (t )d t
a a a

2.1.2 Norme associée à un produit scalaire

Définition 1.4.
p
Soit E un espace préhilbertien, pour x ∈ E le réel 〈x, y〉 s’appelle la norme de x et se
p
not kxk, ainsi kxk := 〈x, y〉.

Proposition 1.5.

1. Pour tout x ∈ E , kxk ≥ 0 et kxk = 0 si, et seulement si, x = 0


2. Pour tout x ∈ E , et λ ∈ R, kλxk = |λ|kxk
3. Pour tous x, y ∈ E , kx + yk ≤ kxk + kyk (Inégalité triangulaire).

Remarque : Soit x, y ∈ E , alors |〈x, y〉| ≤ kxkkyk avec égalité si, et seulement si, la famille (x, y) est
liée.

Définition 1.6.

L’application x 7→ kxk est appelée la norme associée au produit scalaire 〈, 〉.

Remarque : Inégalité triangulaire renversé : pour tous x, y ∈ E , on a

|kxk − kyk| ≤ kx − yk

Proposition 1.7.

Soit 〈, 〉 un produit scalaire sur E . L’application d : E ×E → R définie par d (x, y) = kx −yk


vérifies les propriétés suivantes :
1. d (x, y) ≥ 0 et d (x, y) = 0 si, et seulement si, x = 0
2. d (x, y) = d (y, x)

16
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 2 : Espaces euclidiens

3. d (x, z) ≤ d (x, y) + d (y, z)


Ainsi d définie une distance sur E .

Proposition 1.8.

1. kx + yk2 + kx − yk2 = 2(kxk2 + kyk2 ) , identité du parallélogramme.


2. 〈x, y〉 = 12 (kx + yk2 −kxk2 −kyk2 ) = 14 (kx + yk2 −kx − yk2 ) , identité de polarisation.

Remarque : L’identité de polarisation permet d’exprimer le produit scalaire en fonc-


tion de la norme.

2.2 Orthogonalité

2.2.1 Vecteurs orthogonaux

Définition 2.9.

Soit (E , 〈, 〉) un espace préhilbertien réel.


1. On dit que les deux vecteurs x et y sont orthogonaux si 〈x, y〉 = 0. On note x ⊥ y
2. On dit que x est orthogonale à une partie A de E si pour tout a ∈ A, 〈x, a〉 = 0. On
note x ⊥ A.
3. On dit qu’une famille de vecteurs (x i )i est orthogonale si pour tous i , j avec i 6= j ,
〈x i , x j 〉 = 0.
4. On dit que deux parties A et B sont orthogonaux si pour tout x ∈ A et tout y ∈ B ,
〈x, y〉 = 0. On note A ⊥ B
5. On appelle l’orthogonal d’une partie A , l’ensemble A ⊥ := {x ∈ E / ∀y ∈ A , 〈x, y〉 =
0}

Exemple : E = R4 muni du produit scalaire canonique, et F = {(x, y, z, t ) ∈ E | x − 2y + z − 3t = 0}.


On a (1, −2, 1, −3) ⊥ F .

Proposition 2.10.

Soit (E , 〈, 〉) un espace préhilbertien réel , A et B deux parties de E


1. A ⊥ est un sous espace vectoriel de E .
2. A ⊥ = Vect(A)⊥
3. Si A ⊆ B alors B ⊥ ⊆ A ⊥
4. {0}⊥ = E et E ⊥ = 0.

17
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
2.2 Orthogonalité

Proposition 2.11.

Soit F un sous-espace vectoriel d’un espace préhilbertien E .


1. La somme F + F ⊥ est directe, c’est-à-dire F ∩ F ⊥ = {0}.
2. F ⊆ F ⊥⊥ .

Définition 2.12.

Un vecteur x ∈ E est dit unitaire ou normé si kxk = 1

x
Remarque : Si x ∈ E \ {0}, alors les deux vecteurs ± sont unitaires.
kxk

Définition 2.13.

On dit qu’une famille de vecteurs (x i )i est orthonormée si pour tous i , j , 〈x i , x j 〉 = 0 si


i 6= j et 1 si i = j .

Exemple : Dans Rn muni du produit scalaire canonique, la base canonique est une famille or-
thonormale.

Définition 2.14.

Une base orthonormée est une famille qui est à la fois base et famille orthonormée.

Exemple : La base canonique de E = Rn est une base orthonormale de E muni du produit scalaire
canonique.

Proposition 2.15.

1. Si (x i )1≤i ≤p est une famille orthogonale, formée de vecteurs non nuls, alors elle
est libre.
2. Si (x i )1≤i ≤p est une famille orthonormée , alors elle est libre.

Démonstration :

1. Soit (x i )1≤i ≤p une famille orthogonale formée de vecteurs non nuls. Soient λ1 , . . . , λp ∈ R tels
p p p
λi x i = 0. Soit 1 ≤ j ≤ p, on a 〈 λi x i , x j 〉 = 0, donc λ j kx j k2 + λi 〈x i , x j 〉 = 0,
X X X
que
i =1 i =1 i =1,i 6= j
2
comme 〈x i , x j 〉 = 0 pour i 6= j , on obtient λ j kx j k = 0, ce qui implique λ j = 0 car kx j k 6= 0.
2. Une famille orhonormale est une famille orthogonale formée de vecteurs non nuls, donc
libre.

18
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 2 : Espaces euclidiens

Théorème 2.16. (Théorème de Pythagore)

1. Soient x, y ∈ E , alors x ⊥ y si, et seulement si, kx + yk2 = kxk2 + kyk2 .


2. Si (x i )1≤i ≤n est une famille orthogonale, alors
n n
x i k2 = kx i k2
X X
k
i =1 i =1

Démonstration :
1. Soit x, y ∈ E , on a kx + yk2 = kxk2 + 2〈x, y〉 + kyk2 . Il vient alors que kx + yk2 = kxk2 + kyk2 si,
et seulement si, 〈x, y〉 = 0 si, et seulement si, x ⊥ y.
n n n n n
x i k2 = 〈 x i , kx i k2 , notons au
X X X X X X X
2. k xj〉 = 〈x i , x j 〉 = 〈x i , x i 〉 + 〈x i , x j 〉 =
i =1 i =1 j =1 1≤i , j ≤n i =1 1≤i 6= j ≤n i =1
passage que pour i 6= j , 〈x i , x j 〉 = 0.

2.2.2 Existence de base orthonormale

Théorème 2.17.

Soit E un espace euclidien de dimension n. Alors E admet au moins une base orthonor-
male.

Démonstration : On sait que E admet au moins une base orthogonale B = (e 1 , . . . , e n ) (voir théo-
rème existence de base q-orthogonale). Posons e i0 = kee ii k ce qui est possible car e i 6= 0 et donc
ke i k 6= 0. Alors B 0 = (e 10 , . . . , e n0 ) est une base orthonormale de E .

Proposition 2.18.

Soit E un espace euclidien et F un sous espace vectoriel de E . Alors E = F ⊕ F ⊥ .

Démonstration : Le produit scalaire est une forme non dégénérée donc dim E = dim F + dim F ⊥ .
Soit x ∈ F ∩ F ⊥ , alors 〈x, x〉 = 0, c’est-à-dire kxk2 = 0, d’où x = 0. On en déduit alors que E = F ⊕ F ⊥ .

Proposition 2.19.

Soit E un espace euclidien. Toute famille orthonormale de E peut être complétée en une
base orthonormale de E .

Démonstration : Soit (e 1 , . . . , e p ) une famille orthonormale de E . On pose F = Vect(e 1 , . . . , e p ). On


a donc dim F = p et dim F ⊥ = n − p où n = dim E . Soit (e p+1 , . . . , e n ) une base orthonormale de F ⊥ .
La famille (e 1 , . . . , e p , e p+1 , . . . , e n ) est une base orthonormale de E .

Le théorème suivant donne les coordonnées, l’expression du produit scalaire et de la norme dans
une base orthonormale :

19
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
2.2 Orthogonalité

Théorème 2.20.

Soit E un espace euclidien et B = (e 1 , . . . , e n ) une base orthonormale de E ,


n
X
1. Pour tout x ∈ E , x = (x|e k )e k .
k=1
n
X
2. Pour tout x, y ∈ E , (x|y) = (x|e k )(y|e k ).
k=1
n
3. Pour tout x ∈ E , kxk2 = (x|e k )2
X
k=1

Démonstration :
n
1. Soit x ∈ E et x 1 , . . . , x n ∈ R tels que x =
X
x i e i ((x 1 , . . . , x n ) les coordonnées de x dans la base
i =1
n n
B). Soit 1 ≤ k ≤ n, on a 〈x, e k 〉 =
X X
x i 〈e i , e k 〉 = x k 〈e k , e k 〉 = x k . D’où x = 〈x, e i 〉e i .
i =1 i =1
n
X n
X
2. Soient x, y ∈ E , posons x i = 〈x, e i 〉 et y i = 〈y, e i 〉 de sorte que x = x i e i et y = y i e i . On a
i =1 i =1
donc

n
X n
X X
〈x, y〉 = 〈 xi e i , yjej〉 = x i y j 〈e i , e j 〉
i =1 j =1 1≤i , j ≤n
n
X X
= x i y i 〈e i , e i 〉 + x i y j 〈e i , e j 〉
i =1 1≤i 6= j ≤n
n
X n
X
= xi y i = 〈x, e i 〉〈y, e i 〉
i =1 i =1

n n
3. kxk2 = 〈x, x〉 = 〈x, e i 〉2 .
X X
〈x, e i 〉〈x, e i 〉 =
i =1 i =1

2.2.3 Procédé d’orthonormalisation de Schmidt

Théorème 2.21.

Soit (E , 〈, 〉) un espace préhilbertien réel, et (v 1 , . . . , v n ) une famille libre de E . Alors il


existe une famille orthonormée (e 1 , . . . , e n ) telle que
Pour tout k ∈ {1, . . . , n}, Vect(e 1 , . . . , e k ) = Vect(v 1 , . . . , v k ).

Procédé d’orthonormalisation de Gram Schmidt : Le procédé d’orthonormalisation de Gram-Schmidt


est un algorithme permettant de fabriquer une famille (ou base) orthonormée à partir d’une fa-
mille libre (ou d’une base) dans un espace euclidien.
L’algorithme : Soit (v 1 , . . . , v n ) une famille libre de E , et posons :

v1
e1 =
kv 1 k

20
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 2 : Espaces euclidiens

normalisation du vecteur v 1 , et pour k > 1,

k−1
X
vk − (v k |e i )e i
i =1
ek =
k−1
X
kv k − (v k |e i )e i k
i =1

Alors la famille (e 1 , . . . , e n ) et orthonormale et, pour tout 1 ≤ k ≤ n, Vect(e 1 , . . . , e k ) = Vect(v 1 , . . . , v k ).

Remarque : Lorsque (v 1 , . . . , v n ) est une base de E , alors (e 1 , . . . , e n ) est une base orthonormale de
E.

Exemple : Orthonormaliser la famille suivant (1, X , X 2 ) de R[X ], pour le produit scalaire 〈P,Q〉 =
Z 1
P (t )Q(t )d t
0

2.3 Projecteurs orthogonaux

Proposition 3.22.

Soit E un espace préhilbértien et F un sous espace vectoriel de E dimension finie, notons


BF = (e 1 , . . . , e p ) une base orthonormale de F . Pour tout x ∈ E ,

p
〈x, e i 〉e i ∈ F ⊥
X
x−
i =1

Démonstration : Soit 1 ≤ k ≤ p, on a
p
X p
X X
〈x − 〈x, e i 〉e i , e k 〉 = 〈x, e k 〉 − 〈x, e i 〉〈e i , e k 〉 = 〈x, e k 〉 − 〈x, e k 〉〈e k , e k 〉 − 〈x, e i 〉〈e i , e k 〉 = 0.
i =1 i =1 i =1,i 6=k
p
〈x, e i 〉e i ∈ Vect(e 1 , . . . , e p )⊥ = F ⊥ .
X
Donc x −
i =1

Théorème 3.23.

Soit F est un sous espace vectoriel de dimension finie d’un espace préhilbertien E , alors

E = F ⊕F⊥

Démonstration : On sait que la somme F + F ⊥ est directe. Puisque F est de dimension finie, il
p
admet au moins une base orthonormale BF = (e 1 , . . . , e p ). Soit x ∈ E , posons x 1 =
X
〈x, e i 〉e i et
i =1
p
X
x2 = x − 〈x, e i 〉e i , on a x = x 1 + x 2 , x 1 ∈ F et x 2 ∈ F ⊥ . D’où E = F ⊕ F ⊥ .
i =1

21
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
2.3 Projecteurs orthogonaux

Définition 3.24.

Soit F un sous espace vectoriel de dimension finie d’un espace préhilbertien E . La pro-
jection p F sur F parallèlement à F ⊥ est appelée projection orthogonale sur F .
La symétrie s F par rapport à F parallèlement à F ⊥ est appelée la symétrie orthogonale
par rapport à F .

Théorème 3.25. (Expression de la projection)

Soit E une espace préhilbertien et F un sous espace vectoriel de dimension finie, BF =


(e 1 , . . . , e p ) une base orthonormale de F . Pour tout x ∈ E ,

p
X
p F (x) = (x|e k )e k
k=1

p p
(x|e k )e k ∈ F ⊥ ,
X X
Démonstration : Soit x ∈ E , on a x = x 1 + x 2 où x 1 = (x|e k )e k ∈ F et x 2 = x −
k=1 k=1
p
X
donc p F (x) = (x|e k )e k .
k=1

Proposition 3.26. (Inégalité de Bessel)

Soit F un sous espace vectoriel de dimension finie d’un espace préhilbertien E . Pour tout
x ∈ E,
kp F (x)k ≤ kxk

Démonstration : On a x = p F (x) + (x − p F (x)), puisque p F (x) et x − p F (x) sont orthogonaux, par


le théorème de Pythagore, on a kxk2 = kp F (x)+(x − p F (x))k2 = kp F (x)k2 +kx − p F (x)k2 ≥ kp F (x)k2 ,
d’où le résultat.

Définition 3.27.

Soit F un sous espace vectoriel de E . On appelle distance de x à F , le réel défini par

d (x, F ) = inf kx − yk
y∈F

Théorème 3.28.

Soit F un sous espace vectoriel de dimension finie d’un espace préhilbertien E et x ∈ E ,


1. ∀y ∈ F , kx − p F (x)k ≤ kx − yk
2. ∀y ∈ F , kx − p F (x)k = kx − yk si, et seulement si, y = p F (x)

Démonstration :

22
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 2 : Espaces euclidiens

1. Soit y ∈ F , remarquons que (x − p F (x)) ⊥ (p F (x) − y), donc


kx − yk2 = k(x − p F (x)) + (p F (x) − y)k2 = kx − p F (x)k2 + kp(x) − yk2 ≥ kx − p F (x)k2 , d’où kx −
p F (x)k ≤ kx − yk.
2. Soit y ∈ F et supposons que kx−p F (x)k = kx−yk. On a kx−yk2 = k(x−p F (x))+(p F (x)−y)k2 =
kx−p F (x)k2 +kp F (x)−yk2 = kx−yk2 +kp F (x)−yk2 , par suite kp F (x)−yk2 = 0, d’où y = p F (x).
Pour la réciproque, il n’y a rien à démontrer.

Corollaire 3.29.

Soit F un sous espace vectoriel de dimension finie de E et x ∈ E , alors

d (x, F ) = kx − p F (x)k

Démonstration : D’une part d (x, F ) ≤ kx − p F (x)k car p F (x) ∈ F . D’autre part, d’après le résultat
précédent, kx − p F (x)k ≤ d (x, F ), d’où d (x, F ) = kx − p F (x)k.

Exemple : Soit E = R3 muni du produit scalaire canonique et F = {(x, y, z) ∈ R3 /x + y + z = 0}. On


considère les deux vecteurs u = (1, 0, −1) et v = (1, 1, 1). Calculer d (u, F ) et d (v, F ).

2.4 Endomorphismes dans les espaces euclidiens


2.4.1 Adjoint d’un endomorphisme
Soit E un espace euclidien et y ∈ E , l’application x 7→ 〈x, y〉 est une forme linéaire sur E .

Théorème 4.30. (théorème de Riez)

Soit E un espace euclidien f une forme linéaire sur E , alors il existe un unique y ∈ E tel
que, pour tout x ∈ E
f (x) = 〈x, y〉

Démonstration : Soit f une forme linéaire sur E .


Unicité : Supposons qu’ils existenty, y 0 ∈ E tels que pour tout x ∈ E , f (x) = 〈x, y〉 = 〈x, y 0 〉. Il vient
alors que pour tout x ∈ E , 〈x, y − y 0 〉 = 0, par suite y − y 0 = 0, d’où y = y 0 .
Existence : Soit B = (e 1 , . . . , e n ) une base orthonormale de E . On a
n
X n
X n
X n
X n
X
f (x) = f ( 〈x, e i 〉e i ) = 〈x, e i 〉 f (e i ) = 〈 〈x, e i 〉e i , f (e i )e i 〉 = 〈x, y〉, où y = f (e i )e i .
i =1 i =1 i =1 i =1 i =1

Théorème et définition 4.31.

Soit E un espace euclidien et u un endomorphisme de E . Il existe un unique endomor-


phisme v de E tel que pour tout x, y ∈ E

〈u(x), y〉 = 〈x, v(y)〉

L’endomorphisme v s’appel l’adjoint de u et se note u ∗

23
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
2.4 Endomorphismes dans les espaces euclidiens

Démonstration : Existence : Soit y ∈ E , l’application x 7→ 〈u(x), y〉 est une forme linéaire sur E ,
d’après le théorème de Riez, il existe un unique éléments z y (dépend de y) tel que pour tout x ∈
E , 〈u(x), y〉 = 〈x, z y 〉. Posons v(y) = z y , de sorte que 〈u(x), y〉 = 〈x, v(y)〉. Montrons que v est un
endomorphisme de E c’est-à-dire linéaire. Soient y, y 0 ∈ E et λ ∈ R, pour tout x ∈ E , on a
〈x, v(y + λy 0 )〉 = 〈u(x), y + λy 0 〉 = 〈u(x), y〉 + λ〈u(x), y 0 〉 = 〈x, v(y)〉 + λ〈x, v(y 0 )〉 = 〈x, v(y) + λv(y 0 ), il
vient alors que pour tout x ∈ E , 〈x, v(y + λy 0 ) − v(y) − λv(y 0 )〉 = 0, d’où v(y + λy 0 ) = v(y) + λv(y 0 ).
Unicité : Supposons qu’ils existent deux endomorphismes v, v 0 de E tels que pour tout x, y ∈ E ,
〈u(x), y〉 = 〈x, v(y)〉 = 〈x, v 0 (y)〉, en particulier pour tout x ∈ E , 〈x, v(y) − v 0 (y)〉 = 0, ce qui donne
v(y) − v 0 (y) = 0, d’où v = v 0 .

Proposition 4.32.

Soit E un espace euclidien et u, v deux endomorphismes de E .


1. Id∗E = IdE .
2. Pour tout λ ∈ R, (u + λv)∗ = u ∗ + λv ∗ .
3. (u ∗ )∗ = u.
4. (uv)∗ = v ∗ u ∗ .

Démonstration :
1. Pour tous x, y ∈ E , 〈IdE (x), y〉 = 〈x, IdE (y)〉, donc Id∗E = IdE .
2. Pour tous x, y ∈ E ,
〈(u + λv)(x), y〉 = 〈u(x), y〉 + λ〈v(x), y〉 = 〈x, u ∗ (y)〉 + λ〈x, v ∗ (y)〉 = 〈x, (u ∗ + λv ∗ )(y)〉, d’où
(u + λv)∗ = u ∗ + λv ∗ .
3. Pour tous x, y ∈ E , 〈u ∗ (x), y〉 = 〈y, u ∗ (x)〉 = 〈u(y), x〉 = 〈x, u(y)〉, donc (u ∗ )∗ = u.
4. Pour tous x, y ∈ E , 〈(uv)(x), y〉 = 〈u(v(x)), y〉 = 〈v(x), u ∗ (y)〉 = 〈x, v ∗ (u ∗ (y))〉, par suite (uv)∗ =
v ∗u∗.

Théorème 4.33.

Soit E un espace euclidien , B = (e 1 , . . . , e n ) une base orthonormale de E et u ∈ L (E ).


Alors
〈u(e 1 ), e 1 〉 . . . 〈u(e n ), e 1 〉
 
.. .. ..
MB (u) = 
 
. . . 
〈u(e 1 ), e n 〉 . . . 〈u(e n ), e n 〉
le coefficient d’indice (i , j ) vaut 〈u(e j ), e i 〉.

Démonstration : Puisque B est une base orthonormale de E , pour 1 ≤ j ≤ n, on a u(e j ) =


n
〈u(e j ), e i 〉e i = 〈u(e j ), e 1 〉e 1 + . . . + 〈u(e j ), e n 〉e n , ainsi la j ème colonne de la matrice MB (u) est
X
i =1

〈u(e j ), e 1 〉
 
 .. 
 . 
〈u(e j ), e n 〉

Ce qui donne alors le résultat.

24
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 2 : Espaces euclidiens

Proposition 4.34.

Soit E un espace euclidien, B une base orthonormée de E et A = MB (u) la matrice de u


dans la base B. Alors MB (u ∗ ) = t A.

Démonstration : Notons a i j (respectivement b i j ) le coefficient d’indice (i , j ) de la matrice MB (u)


(respectivement MB (u ∗ )). On a a i j = 〈u(e j ), e i 〉 = 〈e j , u ∗ (e i )〉 = 〈u ∗ (e i ), e j 〉 = b j i ,d’où le résultat.

Proposition 4.35.

Soit E un espace euclidien et u un endomorphisme de E . Si F est un sous espace vectoriel


de E et stable par u, alors F ⊥ est stable par u ∗

Démonstration : Soit x ∈ F ⊥ . Pour y ∈ F , on a 〈u ∗ (x), y〉 = 〈x, u(y)〉 = 0 car u(y) ∈ F , donc u ∗ (x) ∈
F ⊥.

2.4.2 Endomorphismes symétriques

Définition 4.36.

Soit E un espace euclidien et u ∈ L (E ). On dit que u est un endomorphisme symétrique


ou auto-adjoint si u ∗ = u.

Proposition 4.37.

Soit E un espace euclidien, u un endomorphisme de E et B une base orthonormale de


E . Alors u estt un endomorphisme symétrique si, et seulement si, la matrice A = MB (u)
est symétrique.

Démonstration : On a MB (u ∗ ) = t A, donc u = u ∗ si, et seulement si, MB (u ∗ ) = MB (u) si, et


seulement si, t A = A.

Proposition 4.38.

Soit E un espace euclidien et u un endomorphisme symétrique de E . Si F est un sous


espace vectoriel de E et stable par u, alors F ⊥ est stable par u

Démonstration : F sable par u donc F ⊥ est stable par u ∗ = u.

Proposition 4.39.

Soit A ∈ Mn (R) une matrice réelle symétrique alors toutes les valeurs propres de A sont
réelles, en d’autres termes le polynômes caractéristique χ A est scindé dans R[X ].

25
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
2.4 Endomorphismes dans les espaces euclidiens

Démonstration : Notons a i j les coefficients de A. On sait que le polynôme caractéristique χ A est


v1
 
 .. 
scindé dans C[X ]. Soit λ une valeurs propre de A dans C et V =  .  ∈ Mn,1 (C) un vecteur propre
vn
de A associé à la valeurs propre λ (AV = λV ). En passant au conjugué , on obtient AV = λV , donc
A V = λ V , ce qui donne AV = λ V car A est une matrice réelle.
D’une part t (AV )V = t (λV )V = λt V V , d’autre par t (AV )V = t V t AV = t V AV = t λ V = λt V V , par
n
conséquent λt V V = λt V V ou encore (λ−λ)t V V = 0. Puisque t V V = |v i |2 6= 0, il vient alors que
X
i =1
λ = λ, par suite λ est une valeur propre réelle de A.

Corollaire 4.40.

Soit E un espace euclidien et u un endomorphisme symétrique de E . Alors toutes les


valeurs propres de u sont réelles, c’est-à-dire χu est scindé dans R[X ].

Démonstration : Soit B une base orthonormale de E et A = MB (u) la matrice de u dans la


base B. Puisque u est un endomorphisme symétrique, A est une matrice réelle symétrique. On a
χu = χ A , d’après la proposition précédente, χu est scindé dans R[X ].

Théorème 4.41. (théorème spectral)

Soit E un espace euclidien. Tout endomorphisme symétrique u de E est diagonalisable


dans une base orthonormale de E . En d’autres termes il existe une base orthonormale de
E formée de vecteurs propres de u.

Démonstration : Par récurrence sur n = dim E .


Pour n = 1, rien à faire.
Supposons le résultat vérifié pour tout espace vectoriel de dimension ≤ n. Soit E un espace vecto-
riel de dimension n+1 et u un endomorphisme symétrique de u. Le polynôme caractéristique de u
est scindé dans R[X ], donc u admet au moins une valeurs propre réelle λ. Soit e un vecteur propre
unitaire de u associé à la valeur propre λ, et F = Vect(e). Notons que F est une droite vectorielle
stable par u, donc F ⊥ est un sous espace vectoriel de dimension n stable par u. Soit v l’endomor-
phisme induit par u sur F ⊥ . Pour x, y ∈ F ⊥ , on a 〈v(x), y〉 = 〈u(x), y〉 = 〈x, u(y)〉 = 〈x, v(y)〉, il vient
alors que v est un endomorphisme symétrique de F ⊥ , d’après l’hypothèse de récurrence, il existe
une base orthonormale (e 1 , . . . , e n ) de F ⊥ formée de vecteurs propres de v donc de u. La famille
(e 1 , . . . , e n , e) une base orthonormale de E formée de vecteurs propres de u. D’où le résultat.

Théorème 4.42. (Théorème spectral version matricielle)

Soit A ∈ Mn (R) une matrice symétrique réelle. Alors il existe une matrice diagonale D et
une matrice inversible P telles que P −1 = t P et

A = P DP −1

On dit alors que A est orthogonalement diagonalisable.

26
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 2 : Espaces euclidiens

Démonstration : On muni Rn du produit scalaire canonique. Soit u l’endomorphisme de Rn ca-


noniquement associé à A. Notons B = (e 1 , . . . , e n ) la base canonique de Rn , et notons que c’est une
base orthonormale de Rn . Puisque A est une matrice symétrique, u est alors un endomorphisme
symétrique de Rn . D’après le théorème précédent, il existe une base orthonormale B 0 = (e 10 , . . . , e n0 )
de E formée des vecteurs propres de u, d’après la formule de changement de bases A = P DP −1 , où
B0
D est la matrice diagonale dont les éléments diagonaux sont les valeurs propres de u et P = P B et
B
dont la matrice inverse P −1 = P B 0
0 . Le coefficient d’indice (i , j ) de la matrice P est 〈e j , e i 〉 et celui

de la matrice P −1 est 〈e j , e i0 〉, ce qui donne P −1 = t P .

Proposition 4.43.

Soit u un endomorphisme symétrique d’un espace euclidien E . Les sous espaces propres
de u sont deux à deux orthogonaux.

Démonstration : Soit u un endomorphisme symétrique et λ, λ0 deux valeurs propres distinctes


de u. Soit x ∈ E λ (u) et y ∈ E λ0 (u). On a 〈u(x), y〉 = 〈λx, y〉 = λ〈x, y〉, et 〈u(x), y〉 = 〈x, u(y)〉 = 〈x, λ0 y〉 =
λ0 〈x, y〉, par conséquent (λ−λ0 )〈x, y〉 = 0, donc 〈x, y〉 = 0, par suite les deux sous espaces vectoriels
E λ (u) et E λ0 (u) sont orthogonaux.

2.4.3 Endomorphismes orthogonaux

Définition 4.44.

Soit E un espace euclidien et u ∈ L (E ). On dit que u est un endomorphisme orthogonal


ou isométrie si pour tout x ∈ E , ku(x)k = kxk.
On notera O (E ) l’ensemble des endomorphismes orthogonaux de E .

Proposition 4.45.

Soit E un espace euclidien et u ∈ L (E ). Les assertions suivantes sont équivalents :


1. u endomorphisme orthogonale de E ,
2. Pour tous x, y ∈ E , 〈u(x), u(y)〉 = 〈x, y〉.

Démonstration : 1. ⇒ 2. Soit x, y ∈ E , on a

1¡ ¢ 1¡
ku(x) + u(y)k2 − kxk2 − kyk2 = ku(x + y)k2 − ku(x)k2 − ku(y)k2
¢
〈u(x), u(y)〉 =
2 2
1¡ 2 2 2
¢
= kx + yk − kxk − kyk = 〈x, y〉
2
D’où le résultat.
2. ⇒ 1. Évident.

Théorème 4.46.

Soit E un espace euclidien et u ∈ L (E ). Les assertions suivantes sont équivalentes :


1. u ∈ O (E ),

27
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
2.4 Endomorphismes dans les espaces euclidiens

2. u est un automorphisme et u −1 = u ∗ .

Démonstration : 1. ⇒ 2. Soit x ∈ ker u, donc kxk = ku(x)k = 0, par suit x = 0, u est alors injectif et
par conséquent automorphisme de E . Soit x, y ∈ E , on a 〈u(x), y〉 = 〈u(x), u(u −1 (y))〉 = 〈x, u −1 (y)〉,
il en résulte alors que u ∗ = u −1 .
2. ⇒ 1. Soit x, y ∈ E , on a 〈u(x), u(y)〉 = 〈x, u ∗ (u(y))〉 = 〈x, y〉, il vient alors que u conserve le produit
scalaire, par suite u est un endomorphisme orthogonal.

Proposition 4.47.

Soit E un espace euclidien. Alors O (E ) est un sous groupe de Gl(E ).

Démonstration : IdE ∈ O (E ) car Id−1 E = IdE = IdE .


Si u, v ∈ O (E ), alors (uv)∗ = v ∗ u ∗ = v −1 u −1 = (uv)−1 et (u −1 )∗ = (u ∗ )∗ = u = (u −1 )−1 , par consé-


quent uv , u −1 ∈ O (E )

Théorème 4.48.

Soit E un espace euclidien et u ∈ L (E ). Les assertions suivantes sont équivalentes :


1. u ∈ O (E ),
2. u transforme toute base orthonormale de E en une base orthonormale de E ,
3. u transforme une base orthonormale de E en une base orthonormale de E .

Démonstration : 1. ⇒ 2. Soit B = (e 1 , . . . , e n ) une base orthonormale de E , on a 〈u(e i ), u(e j )〉 = 0


si i 6= j et 1 si i = j , donc (u(e 1 ), . . . , u(e n )) est orthonormale, et en particulier libre (donc base),
donc c’est une base orthonormale de E .
2. ⇒ 3. Trivial.
2. ⇒ 1. Soit B = (e 1 , . . . , e n ) une base orthonormale de E telle que (u(e 1 ), . . . , u(e n )) soit orthonor-
male de E . Soit x ∈ E , on a
n n
ku(x)k2 〈x, e i 〉e i )k2 = k 〈x, e i 〉u(e i )k2
X X
= ku(
i =1 i =1
n n
k〈x, e i 〉u(e i )k2 = |〈x, e i 〉|2 = kxk2
X X
(par Pythagore) =
i =1 i =1

2.4.4 Matrices orthogonales

Définition 4.49.

Une matrice A ∈ Mn (R) est dite orthogonale si t A A = I n , c’est-à-dire A est inversible et


A −1 = t A. L’ensemble des matrices orthogonales de Mn (R) se note O n (R).

28
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 2 : Espaces euclidiens

Théorème 4.50.

Soit E un espace euclidien de dimenson n et u ∈ L (E ). Soit B une base orthonormale


de E et A = MB (u). Alors
u ∈ O (E ) ⇔ A ∈ O n (R)

Démonstration : Puisque B est une base orthonormale, MB (u ∗ ) = t A. Donc u ∈ O (E ) ⇔ uu ∗ =


IdE ⇔ A t A = I n ⇔ A ∈ O n (R).

Proposition 4.51.

1. Si u ∈ O (E ) alors Sp(u) ⊆ {−1, 1}.


2. Si A ∈ O n (R) alors Sp(A) ⊆ {−1, 1}.

Démonstration : Soit u ∈ O (E ) et λ ∈ Sp(u), soit x un vecteur propre associé à la valeur propre λ.


On a ku(x)k = kxk, donc kλxk = kxk, par suite |λ| = 1, d’où λ = ±1.

Proposition 4.52.

O n (R) est un sous groupe de Gln (R).

Démonstration : I n ∈ O n (R). Soit A, B ∈ O n (A), on a t (AB −1 ) = t (B −1 )t A = (t B )−1 A −1 = (B −1 )−1 A −1 =


(AB −1 )−1 , ainsi AB −1 ∈ O n (R).

Proposition 4.53.

Soit A ∈ Mn (R). Les assertions suivantes sont équivalentes :


1. A ∈ O n (R),
2. Les vecteurs colonnes de A forme une base orthonormales de Mn,1 (R) pour le pro-
duit scalaire canonique.
3. Les vecteurs lignes de A forme une base orthonormale de M1,n (R) pour le produit
scalaire canonique.

Démonstration : 1. ⇒ 2. Notons C 1 , . . . ,C n les colonnes de la matrice A, On a t A A = I n , puisque


le coefficient d’indice (i , j ) de la matrice t A A est le produit de la i ème ligne de la matrice t A (c’est-
à-dire transposée de la i ème colonne de A) par la j ème colonne de A, soit t C i C j = 〈C i ,C j 〉. Donc
〈C i ,C j 〉 = 0 si i 6= j et 〈C i ,C i 〉 = 1, il vient alors que la famille des colonnes de A est orthonormale
en particulier libre à n éléments, par suite une base orthonormale de Mn,1 (R).
2. ⇒ 3. Le fait que les colonnes de A forme une base orthonormale de Mn,1 (R) signifie que t A A =
I n , et donc A t A = I n , en regardant les coefficient de ce produit, il vient que 〈L i , L j 〉 = 0 si i 6= j et
〈L i , L i 〉 = 1 où L 1 , . . . , L n sont les vecteurs lignes de la matrice A. Ceci justifie que les vecteurs lignes
de A forme une base orthonormale de M1,n (R).
3 ⇒ 1. Puisque les vecteurs lignes de A forme une base orthonormale de M1,n (R), on a donc A t A =
I n , donc la matrice A est inversible et A −1 = t A, par suite A ∈ O n (R).

29
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
2.4 Endomorphismes dans les espaces euclidiens

Proposition 4.54.

Soit E un espace euclidien et B, B 0 deux bases orthonormales de E . La matrice de pas-


B0
sage P = P B est une matrice orthogonale.

Démonstration : Posons B = (e 1 , . . . , e n ) et B 0 = (e 10 , . . . , e n0 ). Notons que le coefficient d’indice


B
(i , j ) de la matrice P vaut 〈e 0j , e i 〉, et celui de la matrice P −1 = P B 0 0
0 vaut 〈e j , e i 〉 = 〈e i , e j 〉, donc
t
P = P −1 .

Théorème 4.55. (Changement de bases)

Soit E une espace euclidien, f ∈ L (E ), B, B 0 deux bases orthonormales de E . Soit A =


B0
MB (u), A 0 = MB 0 (u) et P = P B . Alors A = P A 0 P −1 et P −1 = t P .
On dit alors que A et A 0 sont orthogonalement semblables.

Démonstration : D’après la formule de changement de base (classique), A = P A 0 P −1 où P est la


matrice de passage de B à la base B 0 qui est donc orthogonale puisque les bases sont orthonor-
males, d’où t P = P −1 .

Proposition 4.56.

1. Si A ∈ O n (R) alors det A = ±1.


2. Si u ∈ O (E ) alors det u = ±1.

Démonstration : Soit A ∈ O n (R), on a t A A = I n , donc det(t A A) = det I n = 1, ainsi det(t A) det A =


1, par suite det(A)2 = 1, il en résulte alors que det(A) = ±1.

Définition 4.57.

1. L’ensemble S O n (R) = {A ∈ O n (R) / det A = 1} est un sous groupe de O n (R) appelé


groupe spécial orthogonal.
2. L’ensemble S O (E ) = {u ∈ O (E ) / det u = 1} est un sous groupe de O (E ) appelé
groupe spécial orthogonal ou groupe des rotations vectorielles de E .

Proposition 4.58.

S O (E ) (respectivement S O n (R)) est un sous groupe distingué de O (E ) (respectivement


O n (R)) d’indice 2.

Démonstration : L’application det : O n (R) → {−1, 1} est un morphisme de groupes (multiplica-


tifs), de noyau ker det = S O n (R), qui est donc un sous groupe distingué. D’après le théorème d’iso-
morphisme O n (R)/S O n (R) ' {−1, 1}, il en résulte alors que S O n (R) est un sous groupe distingué
d’indice 2 de O n (R).

30
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 2 : Espaces euclidiens

2.4.5 Réflexion et retournement

Proposition 4.59.

Soit E un espace euclidien et F un sous espace vectoriel de E , s F = 2p F − IdE la symétrie


orthogonale par rapport à F , alors
1. s F est un endomorphisme symétrique.
2. s F est un endomorphisme orthogonal.
3. Il existe une base orthonormale de E dans laquelle la matrice de s F est
µ ¶
Ip 0
0 −I n−p

où p = dim F .

Démonstration :
1. Soit x, y ∈ E , on a

〈s F (x), y〉 = 〈2p F (x) − x, y〉 = 2〈p F (x) − x, y〉 + 〈x, y〉


= 2〈p F (x) − x, y − p F (y)〉 + 2 〈p F (x) − x, p F (y)〉 +〈x, y〉
| {z }
=0
= 2 〈p F (x), y − p F (y)〉 −2〈x, y − p F (y)〉 + 〈x, y〉
| {z }
=0
= 〈x, 2p F (y) − y〉

donc l’ensomorphisme s F est symétrique.


2. Soit x ∈ E , les deux vecteurs p F (x) etp F ⊥ (x) sont orthogonaux, par le théorème de Pytha-
gore, on obtient,

ks F (x)k2 = kp F (x) − p F ⊥ (x)k2 = kp F (x)k2 + k − p F ⊥ (x)k2


= kp F (x)k2 + kp F ⊥ (x)k2 = kp F (x) + p F ⊥ (x)k2
= kxk2

s F est donc un endomorphisme orthogonal.


3. Il suffit de considérer une base de E adaptée à la somme E = F ⊕ F ⊥ .

Définition 4.60.

Soit E un espace euclidien. On appelle réflexion de E toute symétrie orthogonale par


rapport à un hyperplan et retournement une symétrie orthogonale par rapport à une
droite vectorielle.

31
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
2.4 Endomorphismes dans les espaces euclidiens

32
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
Chapitre 3

Géométrie euclidienne plane et dans


l’espace

3.1 Orientation d’un espace euclidien


Soit E un espace vectoriel réel et B, B 0 deux bases de E . Notons P la matrice de passage de la base
B à la base B 0 . Alors detB (B 0 ) = det P et detB 0 (B) = det P −1 = det1 P . Ainsi les deux déterminants
detB (B 0 ) et detB (B 0 ) ont même signe.

Définition 1.1.

Soit E un espace vectoriel réel. Deux bases B et B 0 ont même orientation si detB (B 0 ) >
0.
Orienter E c’est choisir une base B de référence, et une base B 0 est dite directe si elle a la
même orientation que B c’est-à-dire detB (B 0 ) > 0, dans le cas contraire on dit qu’elle
est indirecte.

Proposition 1.2.

Soit E un espace euclidien orienté et B une base orthonormée directe. Alors B 0 est une
B0
base orthonormée directe si, et seulement si, P B ∈ S O n (R).

Démonstration : Notons P la matrice de passage de la base B à la base B 0 . La matrice P est


orthogonale et det P = ±1. La base B 0 est directe si, et seulement si, det P > 0 ce qui est équivaut à
det P = 1.

Définition 1.3.

Soit E un espace euclidien orienté de dimension n et H un hyperplan de E . Orienter


l’hyperplan H c’est choisir un vecteur e orthogonal à H , une base (e 1 , . . . , e n−1 ) est dite
directe si (e, e 1 , . . . , e n ) est directe dans E .

3.2 Produit mixte et produit vectoriel

33
3.3 Géométrie euclidienne plane

Soit E un espace eucidien orienté de dimension n ≥ 1, on considère deux bases orthonormées


directes B et B 0 . Soit (v 1 , . . . , v n ) une famille de n vecteurs de E , d’après la forme de changement
de base on a
det B (v 1 , . . . , v n ) = det B 0 (B) det B 0 (v 1 , . . . , v n )

Comme B et B 0 ont la même orientation on a donc detB 0 (B) = 1, finalement

det B (v 1 , . . . , v n ) = det B 0 (v 1 , . . . , v n )

Ainsi le déterminant de la famille (v 1 , . . . , v n ) ne dépend pas de la base orthonormale choisie.

Définition 2.4.

Soit E un espace euclidien orienté de dimension n. Soit (v 1 , . . . , v n ) une famille de n


vecteurs de E . Le produit mixte des vecteurs de la famille (v 1 , . . . , v n ) est de déterminant
de cette famille dans une base orthonormée directe. Ce nombre est noté [v 1 , . . . , v n ].

Théorème et définition 2.5.

Soit E un espace euclidien orienté de dimension n ≥ 3. Soit (v 1 , . . . , v n−1 ) une famille de


n − 1 vecteurs de E . Il existe un unique vecteur w tel que pour tout x ∈ E ,

[v 1 , . . . , v n−1 , x] = 〈x, w〉

Le vecteur w s’appelle de produit vectoriel des vecteurs v 1 , . . . , v n−1 , il est noté

v 1 ∧ . . . ∧ v n−1

Démonstration : L’application x 7→ [v 1 , . . . , v n−1 , x] est une forme linéaire sur E , d’après le téo-
rème de Riez, il existe un unique vecteur w tel que pour tout x ∈ E , [v 1 , . . . , v n−1 , x] = 〈x, w〉.

Théorème 2.6.

Soit E un espace euclidien orienté de dimension n ≥ 3, (v 1 , . . . , v n−1 ) une famille de n −1


vecteurs de E . Alors (v 1 , . . . , v n−1 ) est liée si, et seulement si, v 1 ∧ . . . ∧ v n−1 = 0.

Démonstration : Si la famille (v 1 , . . . , v n−1 ) est liée alors pour tout x ∈ E , [v 1 , . . . , v n−1 , x] = 0 =


〈x, 0〉, et donc v 1 ∧ . . . ∧ v n−1 = 0.
Si v 1 ∧ . . . ∧ v n−1 = 0, supposons de plus que (v 1 , . . . , v n ) est libre, d’après le théorème de la base
incomplète, il existe un vecteur v tel que la famille (v 1 , . . . , v n−1 , v) soit une base de E , par suit
[v 1 , . . . , v n−1 , v] 6= 0, ce qui est une contradiction avec le fait que [v 1 , . . . , v n−1 , v] = 〈0, v〉 = 0.

3.3 Géométrie euclidienne plane


3.3.1 Groupe orthogonal en dimension 2
cos θ − sin θ
µ ¶
Pour θ ∈ R, on pose R θ = , on a R θ ∈ S O 2 (R).
sin θ cos θ
34
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 3 : Géométrie euclidienne plane et dans l’espace

Proposition 3.7.

1. Pour tout θ, θ 0 ∈ R, R θ+θ0 = R θ R θ .


2. Pour tout θ ∈ R et R θ est inversible et R θ−1 = R −θ = t R θ .
3. Pour tout θ ∈ R, R θ ∈ S O 2 (R).

Démonstration :
1. À l’aide d’un calcul simple.
2. Notons d’abord que t R θ = R −θ . On a R θ R −θ = R 0 = I 2 , donc la matrice R θ est inversible et on
a R θ−1 = R −θ .
3. On a t R θ R θ = I 2 , donc R θ est une matrice orthogonale, de plus det R θ = 1. Donc R θ ∈ S O 2 (R).

Théorème 3.8.

S O 2 (R) = {R θ / θ ∈ R}.

Démonstration : D’après ce qui précède, on a {R θ / θ ∈ R} ⊆ S O 2 (R)._ Réciproquement, soit


µ ¶ µ ¶ µ ¶
a b 1 d −b d −b
A= ∈ S O 2 (R). Par hypothèse on a t A = A −1 . Comme A −1 = det = , on
c d −c a −c a
µ ¶
a −b
obtient a = d et c = −b, on a donc A = . Puisque det A = 1, il vient que a 2 + b 2 = 1, il existe
b a
alors θ ∈ R tel que a = cos θ et b = sin θ. Il en résulte alors que A = R θ .

Corollaire 3.9.

Le groupe S O 2 (R) est commutatif.

Démonstration : Soient A, B ∈ S O (R), ils existent θ, θ 0 ∈ R tels que A = R θ et B = R θ0 . Par suite


AB = R θ R θ0 = R θ+θ0 = R θ0 +θ = R θ0 R θ = B A.

Proposition 3.10.

Soit E un espace euclidien orienté de dimension 2, B une base orthonormée directe de


E et u ∈ S O (E ). Alors il existe un reél θ unique modulo 2π tel que MB (u) = R θ .

Démonstration : Puisque B est une base orthonormée et u orthogonal, la matrice MB (u) est
orthogonale de déterminant égal à 1, il existe alors un réel θ unique modulo 2π tel que MB (u) =
Rθ .

Théorème 3.11.

Soit E un espace euclidien orienté de dimension 2, et u ∈ S O (E ). Alors il existe un réel θ


unique modulo 2π tel que pour toute base orthonormée directe B, MB (u) = R θ .
On dit que θ est une mesure d’angle de la rotation u.

35
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
3.3 Géométrie euclidienne plane

Démonstration : On fixe une base orthonormée directe B. D’après ce qui précède, il existe un
réel θ tel que MB (u) = R θ . Montrons que θ ne dépend pas de la base orthonormée directe B. Soit
B 0 une autre base orthonormée directe de E . D’après la formule de changement de base ortho-
normales, MB 0 (u) = P MB (u)P −1 = P R θ P −1 où P est la matrice de passage de la base B 0 à la base
B qui est une matrice orthogonale et de déterminant égal à 1 donc un élément de S O (E ). Par la
commutativité de S O 2 (R), il vient que MB 0 (u) = R θ P P −1 = R θ .

3.3.2 Angle orienté


Soit E un espace euclidien orienté de dimension 2.

Théorème et définition 3.12.

x y
Soit x, y ∈ E deux vecteurs non nuls. Il existe une unique rotation u tel que u( kxk ) = kyk .
On appelle angle orienté de deux vecteurs x et y et on note (x, y) une mesure d’angle de

u.

x y
Démonstration : Posons x 0 = kxk et y 0 = kyk .
Unicité : Soit u, v ∈ S O (E ) tels que u(x 0 ) = v(x 0 ) = y. On a donc w(x) = x où w = v −1 u. Clairement
w ∈ S O (E ). Soit e ∈ E tel que (x 0 , e) soit une base orthonormale directe de E . On a w(x 0 ) = x 0 , donc
1 α
µ ¶
la matrice de w dans la base (x 0 , e) est de la forme , donc β = 1 et α = 0, par suite w = IdE .
0 β
Existence : Il existe un vecteur e ∈ E tel que B = (x, e) soit une base orthonormale directe de E . Il
existe a, b ∈ R tels que y 0 = ax 0 + be. Soit u l’endomorphisme de E défini par u(x 0 ) = y et u(e) =
µ ¶
a −b
−bx + ae. La matrice de u dans la base orthonormale directe (x , e) est A = 0
, on a t A A =
b a
µ 0 2 ¶
ky k 0
= I 2 et det u = ky 0 k2 = 1. Il vient alors que u est une rotation de E et u(x 0 ) = y 0 .
0 ky 0 k2

Proposition 3.13.

Soient x, y, z des vecteurs non nuls de E ,


1. (x,
 y) + (y,
 z) = (x,
 z).
2. (x,
 y) = −(y,
 x).

Démonstration : Posons (x,


 y) et (x,
 y), u respectivment v la relation d’angle θ respectivement
θ.
0

x y y z x z
1. On a u( kxk ) = kyk et v( kyk ) = kzk , donc (v ◦u)( kxk ) = kzk . Or v ◦u est la rotation d’angle θ+θ 0 ,
on a donc (x,
 z) = θ + θ 0 .
y x
2. On a u −1 ( kyk ) = kxk . Or u
−1
est la rotation d’angle −θ, on a donc (y,
 x) = −θ.

Proposition 3.14.

Soient x,y deux vecteurs non nuls de E et posons θ = (x,


 y).
1. 〈x, y〉 = kxkkyk cos θ,
2. [x, y] = kxkkyk sin θ

36
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 3 : Géométrie euclidienne plane et dans l’espace

3. 〈x, y〉2 + [x, y]2 = kxk2 kyk2 .

x
Démonstration : Soit e ∈ E tel que ( kxk , e) soit une base orthonormale directe de E . La matrice
x y x x
de u dans la base ( kxk , e) est R θ , donc kyk = u( kxk ) = cos θ kxk + sin θe.
y x x x x
1. 〈 kyk , kxk 〉 = cos θ〈 kxk , kxk + sin θ〈 kxk , e〉 = cos θ, donc 〈x, y〉 = cos θkxkkyk.
x
2. Comme ( kxk , e) est une base orthonormale directe de E , et
x kxk
x = kx| + 0.e et y = cos θx + kyk sin θe
kxk kyk
¯ ¯
kyk
kxk
¯ ¯
on a donc [x, y] = det( kxk ,e) (x, y) = ¯
kxk ¯ = kxkkyk sin θ.
x
¯ ¯
¯ 0 kyk sin θ ¯
3. 〈x, y〉2 + [x, y]2 = kxk2 kyk2 (cos2 θ + sin2 θ) = kxk2 kyk2 .

3.4 Géométrie euclidienne en dimension 3


3.4.1 Produit vectoriel en dimension 3

Proposition 4.15.

Soit E un espace euclidien orienté de dimension E .


1. Pour tous u, v ∈ E , u ∧ v = −v ∧ u.
2. Pour tout u ∈ E , l’application v 7→ u ∧ v est linéaire.
3. Pour tout v ∈ E , l’application u 7→ u ∧ v est linéaire.
4. Le vecteur u ∧ v est orthogonal à u et v.
5. Si la famille (u, v) est libre alors la famille (u, v, u ∧ v) est une base directe de E .

Théorème 4.16.

Soit E un espace euclidien orienté et B = (e 1 , e 2 , e 3 ) une base orthonormée directe de E .


 0
x x
 

Soient u, v ∈ E et  y  respectivement  y 0  la matrice de u respectivement de v dans la


z z 00
base B. Alors
¯y y 0¯
 ¯ ¯ 
¯ ¯
 ¯z z 0 ¯ 
 ¯ 
 ¯x x 0 ¯¯
MB (u ∧ v) = − ¯
 ¯ ¯
 z z 0 ¯

 ¯x x 0 ¯ 
 ¯ ¯ 
¯ ¯
¯y y 0¯

Démonstration :

37
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
3.4 Géométrie euclidienne en dimension 3

Proposition 4.17.

Soit E un espace euclidien orienté de dimension 3. Si (u, v) une famille orthonormée de


E , alors (u, v, u ∧ v) est une base orthonormée de E

Démonstration : Comme (u, v) est orthonormée de E , d’après le théorème de la base incom-


plète, il existe w 0 ∈ E tel que (u, v, w 0 ) soit une base orthonormale de E . Si [u, v, w 0 ] = 1 alors
(u, v, w 0 ) est directe, si [u, v, w 0 ] = −1, dans ce cas [u, v, −w 0 ] = 1, et donc (u, v, −w 0 ) est une base
orthonormée directe de E . On a donc une base orthonormée directe B = (u, v, w) où w = w 0 ou
0
 

w = −w . D’après le théorème précédent MB (u ∧ v) = 0, donc u ∧ v = w. Il en résulte alors que


0 
1
(u, v, u ∧ v) est une base orthonormée directe de E .

3.4.2 Groupe orthogonal en dimension 3


Dans ce paragraphe E est un espace euclidien de dimension 3.

Proposition 4.18.

Soit u ∈ S O (E ).
1. 1 est une valeur propre de u,
2. Si u 6= IdE , alors le sous espace propre de u associé à la valeur propre 1 est une
droite vectorielle.

Démonstration :
1. Soit u ∈ S O (E ). On a

det(u − Id) = det(u(Id −u −1 )) = det(u) det(Id −u −1 ) = det(Id −u ∗ ) = det(Id −u)


E E E E E
= − det(u − Id).
E

Donc det(u − IdE ) = 0, et par suite 1 ∈ Sp(u).


2. On a dim E 1 (u) 6= 3 car u 6= IdE .
Supposons que dim E 1 (u) = 2. Soit y ∈ (E 1 (u))⊥ et x ∈ (E 1 (u)), on a 〈x, u(y)〉 = 〈u(x), u(y)〉 =
〈x, y〉 = 0, par suite u(y) ∈∈ (E 1 (u))⊥ . Il vient alors que ∈ (E 1 (u))⊥ est une droite vectoriel
stable par u. Soit e ∈ E tel que ∈ (E 1 (u))⊥ = Vect(e). Par la stabilité, il existe α ∈ R tel que
u(e) = αe. Le réel α est alors une valeur propre de u. Comme det u = 1, on a donc α = 1, et
u = IdE , ce qui absurde.

Proposition 4.19.

Soit A ∈ S O 3 (R).
1. 1 est une valeur propre de A.
2. Si A 6= I 3 , alors le sous espace propre de A associé à la valeur propre 1 est une
droite vectorielle.

38
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com
C HAPITRE 3 : Géométrie euclidienne plane et dans l’espace

Démonstration : C’est la version matricielle du résultat précédent.

Théorème 4.20.

Soit u ∈ S O (E ). Il existe un réel θ unique modulo 2π, tel que pour toute base orthonor-
mée directe B = (e 1 , e 2 , e 3 ) où e 1 ∈ E 1 (u),

1 0 0
 

MB (u) = 0 cos θ
 − sin θ 
0 sin θ cos θ

On dit que θ est une mesure d’angle de la rotation u.

Démonstration : Soit u ∈ S O (E ). Si u = IdE , dans ce cas θ = 0.


Supposons que u 6=
I d E . Dans ce cas dim E 1 (u) = 1. Soit F = E 1 (u)⊥ c’est un plan vectoriel. Soit y ∈ F et x ∈ E 1 (u),
on a 〈u(y), x〉 = 〈u(y), u(x)〉 = 〈x, y〉 = 0, donc u(y) ∈ F . Ainsi F est un plan vectoriel stable par
u. Soit v l’endomorphisme induit par u sur F . v est alors un endomorphisme orthogonal de F .
Soit B = (e 1 , e 2 , e 3 ) une base orthonormale directe de E avec e 1 ∈ E 1 . La famille (e 2 , e 3 ) est alors
une base orthonormale directe de F orienté par le vecteur e 1 . Soit A la matrice de v dans la base
(e e , e 3 ) qui est donc une matrice orthogonale. La matrice de u dans la base B est
µ ¶
1 0
M=
0 A

Comme A ∈ S O 2 (R), il existe alors θ tel que A = R θ .

39
ENS-Fès Mohamed Aqalmoun
www.aqalmoun.com

Vous aimerez peut-être aussi