}

COURS D ’ALGÈBRE
conforme au programme officiel tunisien de la classe de
2ème année Préparatoires Scientifiques MP
}
H AFEDH B OUSBIH

M AÎTRE - ASSISTANT EN MATHÉMATIQUES

À L’ INSTITUT PRÉPARATOIRE AUX ÉTUDES D ’ INGÉNIEURS DE B IZERTE

—————————————–
 CHAPITRE

3
ENDOMORPHISMES REMARQUABLES DES
ESPACES EUCLIDIENS

1 Matrices orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 Orientation de l’espace, produit vectoriel et produit mixte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3 Isométries vectorielles d’un espace euclidien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.1 Définition et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Réduction des isométries vectorielles en dimension 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.3 Réduction des isométries vectorielles en dimension 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4 Réduction des isométries vectorielles en dimension n ≥ 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.5 Symétries orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4 Endomorphismes symétriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.1 Définition et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.2 Lien avec les matrices symétriques réelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.3 Réduction des endomorphismes symétriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

Dans tout ce chapitre, 0n considère (E , 〈· | ·〉) un espace euclidien de dimension finie n ∈ N∗ et des matrices carrées
de taille n. Si M ∈ Mn (K), on désigne par t M sa matrice transposée.

1 Matrices orthogonales

Définition 1.1 : Matrice orthogonale

On appelle matrice orthogonale toute matrice A ∈ Mn (R) qui vérifie l’une des trois propriétés équivalentes sui-
vantes :

t
A A = In ⇐⇒ At A = In ⇐⇒ A ∈ GLn (R) et A −1 = t A.
On appelle groupe orthogonal l’ensemble des matrices orthogonales noté O n (R) ou O(n).

Démonstration.
En effet si A est inversible à droite alors elle est inversible et son inverse à droite est son inverse. De même à gauche.

1
Hafedh Bousbih 1. Matrices orthogonales

On justifiera ultérieurement que O n (R) muni de la loi multiplicative des matrices admet une structure de groupe.

Exemples 1.0 :
Une matrice de Mn (R), qui est diagonale avec des coefficients diagonaux égaux à ±1,
 
±1 0
 ±1 
 
M = .. 
 . 
0 ±1

est orthogonale. En particulier

pla matrice I n est orthogonale.
µ p ¶
1 2 − 2
• La matrice : R := p p ∈ M2 (R) est orthogonale.
2 2 2
   
x1 y1
 .   .. 
On rappelle que sur Mn,1 (R), on a le produit scalaire canonique défini, pour tout X =  ..  et Y =  .  vecteurs
xn yn
colonnes de Mn,1 (R), par :

X
n X
n
〈X | Y 〉 = t X Y = xi y i = y i xi = tY X .
i =1 i =1
¡ ¢
De même, sur M1,n (R), on a le produit scalaire canonique défini, pour tout X = (x 1 , . . . , x n ) et Y = y 1 , . . . , y n vecteurs
lignes de M1,n (R), par :

X
n X
n
〈X | Y 〉 = X tY = xi y i = y i xi = Y t X .
i =1 i =1
 
L A1
¡ ¢  .  ¡ ¢
Dans le même fil d’idée, si A, B ∈ Mn (R), et décrivons A = a i , j 1≤i , j ≤n =  ..  et B = b i , j 1≤i , j ≤n = (C B 1 . . .C B n )
L An
alors on a :
à !
¡ ¢ X
n ¡ ¢
AB = c i , j 1≤i , j ≤n = a i ,k b k, j = L Ai C B j 1≤i , j ≤n .
k=1 1≤i , j ≤n

En particulier pour B =t A, on obtient :

¡ ¢ ¡ ¢ ¡ ¢
A t A = L Ai C A j 1≤i , j ≤n = L Ai t L A j 1≤i , j ≤n = 〈L Ai , L A j 〉 1≤i , j ≤n

De même, on justifie que ¡ ¢ ¡ ¢

A t A = L t Ai C A j 1≤i , j ≤n = 〈C Ai ,C A j 〉 1≤i , j ≤n .

Proposition 1.1 : Première caractérisation d’une matrice orthogonale

Soit A ∈ Mn (R) de colonnes C 1 , · · · ,C n et de lignes L 1 , · · · , L n . Les assertions suivantes sont équivalentes :

1. A ∈ O n (R) ;
2. les vecteurs colonnes (C 1 , · · · ,C n ) forment une BON dans Mn,1 (R) pour le produit scalaire canonique ;
3. les vecteurs lignes (L 1 , · · · , L n ) forment une BON dans M1,n (R) pour le produit scalaire canonique ;
4. A est la matrice de passage d’une BON à une BON.

Démonstration.
¡ ¢
Posons A = a i , j , les trois assertions sont équivalentes.
1≤i , j ≤n
¢¡ ¡ ¢ X
n ­ ®
- 1) ⇐⇒ 2) On a t A = a j ,i 1≤i , j ≤n et t A A = b i , j 1≤i , j ≤n avec b i , j = a k,i a k, j = C i ,C j donc
k=1

t
­ ®
A A = In ⇐⇒ ∀i , j ∈ ‚1, nƒ, C i ,C j = b i , j = δi , j

- 2) ⇐⇒ 4) Supposons que les vecteurs colonnes de A forment une base orthonormale de Mn,1 (R).
Notons B0 = (e 1 , . . . , e n ) la base canonique de Rn , qui est orthonormée pour le produit scalaire usuel sur Rn .

IPEIB MP2 C Page 2/24 20 décembre 2021

Hafedh Bousbih 1. Matrices orthogonales

Pour tout k ∈ ‚1, nƒ, posons

X
n
f k := [A]i ,k e i .
i =1

Soient (k, ℓ) ∈ [1, n]2 . * +

­ ® X
n X
n X
n X
n ­ ®
fk , fℓ = [A]i ,k e i , [A] j ,ℓ e j = [A]i ,k [A] j ,ℓ e i , e j
i =1 j =1 i =1 j =1 | {z }
δi , j
   
[A]1,k [A]1,ℓ
* +
X n  [A]2,k   [A]2,ℓ 
   
= [A]i ,k [A]i ,ℓ =  .. , ..  = δk,ℓ
i =1
 .   . 
[A]n,k [A]n,ℓ
¡ ¢
La famille B := f 1 , . . . , f n forme donc une base orthonormale de Rn .
Par construction de cette famille
P B0 →B := MatB ,B0 (idRn ) = A.
¡ ¢ ¡ ¢
- 4) =⇒ 1). Supposons qu’il existent deux bases orthonormales de Rn , B = f 1 , . . . , f n et C = g 1 , . . . , g n , telles que

A = P B →C := MatC ,B (idRn ) .

Ainsi  ­ ® ­ ® ­ ® 
­g 1 , f 1 ® ­g 2 , f 1 ® . . . ­g n , f 1 ®
 g1, f2 g2, f2 ... gn , f2 
 
A= .. .. .. 
 . . . 
­ ® ­ ® ­ ®
g1, fn g2, fn ... gn , fn
­ ®
Donc pour tout (i , j ) ∈ [1, n]2 , [A]i , j = g j , f i . D’après le cours, A est inversible, car c’est la matrice d’une base dans
une base et donc det A 6= 0.
 ­ ® ­ ® ­ ® 
­ f1, g1® ­ f2, g1® . . . ­ fn , g1®
 f1, g2 f2, g2 ... fn , g2 
 
A −1 = P C →B := Mat B ,C (idRn ) =  .. .. .. .
 . . . 
­ ® ­ ® ­ ®
f1, gn f2, gn ... fn , gn
£ ¤ ­ ®
Donc pour tout (i , j ) ∈ ‚1, nƒ2 , A −1 i , j = f j , g i .
Avec la symétrie du produit scalaire, nous observons A −1 =t A.
¡ ¢ X
n ­ ®
1) ⇐⇒ 3) Posons A t A = c i , j 1≤i , j ≤n , alors c i , j = a i ,k a j ,k = L i , L j donc
k=1
­ ®
At A = In ⇐⇒ ∀i , j ∈ ‚1, nƒ, L i , L j = c i , j = δi , j .

Remarque 1.0 :
Pour vérifier qu’une matrice est orthogonale, il est plus simple d’utiliser la caractérisation 2) ou 3) plutôt que
n(n + 1)
de calculer le produit matriciel t A A (on a seulement calculs au lieu de n 2 ). Exemple :
  2
p1 p1 p1
3 2 6
 p1 − p1 p1 
Soit la matrice A =  3 2 6  ∈ M3 (R). Montrons que A ∈ O 3 (R).
p1 0 − p2
3 6
En notant C 1 ,C 2 et C 3 les colonnes de A on a

〈C 1 ,C 2 〉 = 〈C 2 ,C 3 〉 = 〈C 1 ,C 3 〉 = 0 et kC 1 k = kC 2 k = kC 3 k = 1

On en déduit A ∈ O 3 (R).

Proposition 1.2 : Deuxième caractérisation des matrices orthogonales

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

1. A ∈ O n (R) ;

IPEIB MP2 C Page 3/24 20 décembre 2021

Hafedh Bousbih 1. Matrices orthogonales

2. ∀(X , Y ) ∈ Mn,1 (R)2 , t

(AX )(AY ) =t X Y ;
3. ∀X ∈ Mn,1 (R), t
(AX )(AX ) =t X X .

Démonstration.
- 1 ⇒ 2. Supposons que A ∈ O n (R). Soit (X , Y ) ∈ Mn,1 (R)2 : t (AX )(AY ) = (t X t A)(AY ) =t X Y .
- 2 ⇒ 1. Supposons que pour tout (X , Y ) ∈ Mn,1 (R)2 , t (AX )(AY ) =t X Y .
Notons (E 1 , . . . , E n ) la base canonique de Mn,1 (R), qui est orthonormale.
Soit (i , j ) ∈ ‚1, nƒ2 .
       
[A]1,i [A]1, j [A]1,i [A]1, j
* +
­ ® ¡ ¢  [A]2,i   [A]2, j   [A]2,i   [A]2, j 
t t 
t       
δi , j = E i , E j = E i E j = (AE i ) AE j =  .. × .. =  .. , .. 
 .   .   .   . 
[A]n,i [A]n, j [A]n,i [A]n, j

Les vecteurs colonnes de A forment une base orthonormale de Mn,1 (R). Donc A ∈ O n (R).
- 2 ⇒ 3. Immédiat.
- 3 ⇒ 2. Supposons que pour tout Z ∈ Mn,1 (R), t (AZ )(AZ ) =t Z Z .
Soient (X , Y ) ∈ Mn,1 (R)2 . Alors
t
(A(X + Y ))(A(X + Y )) =t (X + Y )(X + Y )
et donc ¡t ¢ ¡ ¢
(AX ) +t (AY ) (AX + AY ) = t X +t Y (X + Y )
d’où
t
(AX )AX +t (AX )AY + t (AY )AX +t (AY )AY =t X X +t X Y + |t Y{zX} +t Y Y
| {z }
t (AX )AY t XY

Ainsi 2t (AX ) × AY = 2t X × Y .

Proposition 1.3 : Déterminant d’une matrice orthogonale

Soit A ∈ Mn (R). Si A est orthogonale alors det(A) = ±1.

Démonstration.
¡ ¢
Immédiat. det t A A = det(A)2 = 1 donc det(A) = ±1.

2
Remarque 1.1 :
µ ¶
1 1
La réciproque est fausse : la matrice M = est de déterminant égal à −1 mais elle n’est pas orthogonale.
1 0

Définition 1.2 : Groupe spécial orthogonal

On appelle groupe spécial orthogonal (d’orde n) l’ensemble des matrices orthogonales de déterminant +1.
On le note SO n (R), ou SO(n) ou O n+ (R).

Remarque 1.2 :
L’ensemble des matrices orthogonales de déterminant −1 est noté O n− (R) .

Propriétés 1.1

1. O n (R) est un sous-groupe de (GLn (R), ×).

2. O n+ (R) = {A ∈ Mn (R), det(A) = 1} est un sous-groupe de O n (R).

Démonstration.

IPEIB MP2 C Page 4/24 20 décembre 2021

Hafedh Bousbih 1. Matrices orthogonales

1. - O n (R) ⊂ GLn (R), I n ∈ O n (R).

- Soient A, B ∈ O n (R) alors AB est inversible et (AB )−1 = B −1 A −1 = t B t A = t (AB ) donc AB ∈ O n (R).
¡ ¢−1 ¡t ¢−1 t ¡ −1 ¢
- Soit A ∈ O n (R) alors A −1 est inversible et A −1 = A = A donc A −1 ∈ O n (R).
Donc O n (R) est un sous-groupe de (GLn (R), ×).
½
(O n (R), ×) −→ (R∗ , ×)
2. Considérons det :
M 7−→ det M
C’est un morphisme de groupes et on a O n+ (R) = Ker (det) est un sous-groupe de (O n (R), ×).

Remarque 1.3 :
Considérons k.k la norme q euclidienne associée au produit scalaire canonique sur Mn (R).
¡ ¢ p p
Pour A ∈ O n (R), kAk = Tr t A A = Tr (I n ) = n.
Par suite, O n (R) est une partie bornée.
Remarque 1.4 :

• Le groupe (O 2+ (R), ×) est abélien.

• Pour tout n ≥ 3, le groupe (O n+ (R), ×) n’est pas abélien.
• Attention : O n− (R) n’est pas un sous-groupe de O n (R) puisque le produit de deux matrices de O n− (R) appartient
à O n+ (R).

Proposition 1.4 : Classification de O 2 (R)

Soit A ∈ M2 (R)
1. A ∈ O 2+ (R) si, et seulement si, il existe un réel θ unique à 2π près vérifiant
µ ¶ µ ¶
cos θ − sin θ a −b
A = R(θ) = = avec (a, b) ∈ R2 , a 2 + b 2 = 1.
sin θ cos θ b a

Les matrices R(θ), θ ∈ R, sont appelées matrices de rotation d’angle θ ∈ R.

¡ ¢
En outre, O 2+ (R), × est un groupe commutatif.
2. A ∈ O 2− (R) si, et seulement si, il existe un réel θ unique à 2π près vérifiant
µ ¶ µ ¶
cos θ sin θ a b
A = S(θ) = = avec (a, b) ∈ R2 , a 2 + b 2 = 1.
sin θ − cos θ b −a

En outre S(θ)2 = I 2 .

Démonstration.
µ ¶
a b
- Soit M = ∈ M2 (R) orthogonale. De t M × M = I 2 nous déduisons
c d

a2 + c 2 = b2 + d 2 = 1 ab + cd = ac + bd = 0
et
n o
Comme les nombres a + i c et b + i d appartiennent à U := {z ∈ C : |z| = 1} = e i θ : θ ∈ R , il existe α, β ∈ R tels que
a + i c = cos(α) + i sin(α) et b + i d = cos(β) + i sin(β) et donc

a = cos(α) c = sin(α) b = cos(β) d = sin(β)

- Cas où det(M ) = 1 Alors : 1 = ad − bc = cos(α) sin(β) − sin(α) cos(β) = sin(β − α).

Ainsi β = α + π/2[2π] et donc sin(β) = cos(α), cos(β) = − sin(α). Il vient
µ ¶
cos(α) − sin(α)
M= = Rα
sin(α) cos(α)

- Cas où det(M ) = −1 Alors : −1 = ad − bc = cos(α) sin(β) − sin(α) cos(β) = sin(β − α).

Ainsi β = α − π/2[2π] et donc sin(β) = − cos(α), cos(β) = sin(α). Il vient
µ ¶
cos(α) sin(α)
M= = Sα
sin(α) − cos(α)

IPEIB MP2 C Page 5/24 20 décembre 2021

Hafedh Bousbih 2. Orientation de l’espace, produit vectoriel et produit mixte

2
Remarque 1.5 :
Description de O 2 (R) :
½ µ ¶ ¾ ½ µ ¶ ¾
cos(θ) − sin(θ) [ cos(θ) sin(θ)
O 2 (R) = R θ := :θ∈R S θ := :θ∈R
sin(θ) cos(θ) disjointe
sin(θ) − cos(θ)

En effet : on a déjà établi dans la proposition précédente que si A ∈ O 2+ (R) alors il existe θ ∈ R tel que
µ ¶ µ ¶
cos θ − sin θ cos θ sin θ
A = R(θ) = et que si A ∈ O 2− (R) alors il existe θ ∈ R tel que A = S(θ) =
sin θ cos θ sin θ − cos θ
Comme pour θ ∈ R, det(R(θ)) = 1 et det(S(θ)) = −1, il vient alors que la réunion est disjointe.
Remarque 1.6 :
Propriétés algébriques des matrices R θ
On vérifie aisément que les matrices de rotation R(θ) satisfont les propriétés suivantes :
1. R 0 = I 2
2. ∀ (θ1 , θ2 ) ∈ R2 , R θ1 +θ2 = R θ1 × R θ2
−1 t
3. (R θ ) = R −θ = R θ

Remarque 1.7 :
Construction de matrices orthogonales par blocs :
1. Soient n 1 et n 2 des nombres entiers naturels non nuls. Soient A 1 ∈ O n1 (R) et A 2 ∈ O n2 (R). Alors :
µ ¶ µ ¶ µ t ¶ µ ¶ µ t ¶ µ ¶
t A1 0 A1 0 A1 0 A1 0 A1 × A1 0 I n1 0
× = t × = t = = I n1 +n2
0 A2 0 A2 0 A2 0 A2 0 A2 × A2 0 I n2
µ ¶
A1 0
Donc ∈ O n1 +n2 (R)
0 A2

2. Plus généralement :
soient n 1 , n 2 , . . . , n p des nombres entiers naturels non nuls et soient A 1 ∈ O n1 (R), A 2 ∈ O n2 (R), . . . , A p ∈ O n p (R). Alors :
 
A1 0
 A2 
 
 ..  ∈ O n1 +n2 +...+n p (R)
 . 
0 Ap

3. En particulier, si θ1 , . . . , θp ∈ R, alors la matrice :

 
R θ1 0
 .. 
 . 
 
 R θr 
 
 ±1 
 
 .. 
 . 
0 ±1
µ ¶
cos(θ) − sin(θ)
où, pour tout θ ∈ R, R θ := , est orthogonale.
sin(θ) cos(θ)

2 Orientation de l’espace, produit vectoriel et produit mixte

Soient B et B 0 deux bases d’un R-espace vectoriel de dimension finie (non réduit à {0}), et P la matrice de passage
de B à B 0 .
Puisque P est une matrice inversible, on a det P 6= 0, et puisque le corps de base est R, on a forcément det P > 0
ou det P < 0. Cela conduit à la notion suivante :

IPEIB MP2 C Page 6/24 20 décembre 2021

Hafedh Bousbih 2. Orientation de l’espace, produit vectoriel et produit mixte

Théorème 2.1

Dans l’ensemble des bases de E , on définit une relation binaire par :

B 0
B RB 0 ⇐⇒ det P B > 0.
Cette relation est une relation d’équivalence ; de plus, il y a exactement deux classes d’équivalence.

Démonstration.
• La réflexivité est évidente : on a BRB pour toute base B puisque P = I n dans ce cas.
³ ´
B B 0 −1
• La relation est symétrique : si BRB 0 alors B 0 RB puisque P B 0 = PB .
B B B 00 0 00
• La relation est transitive : si BRB 0 et B 0 RB 00 alors BRB 00 puisque P B = PB .P B 0 .

Donc R est bien une relation d’équivalence.

Si B = (e 1 , . . . , e n ) est une base, B est en relation avec elle-même mais pas avec B 0 = (−e 1 , e 2 , . . . , e n ).
Donc il y a au moins 2 classes d’équivalence. Et si B 00 est une autre base, si elle n’est pas en relation avec B
B0 B B0
elle est forcément en relation avec B 0 (car P B 00 = P B 00 .P B ).
Il n’y a donc que ces deux classes d’équivalence.
2
Considérons maintenant un espace euclidien E et B et B 0 deux bases orthonormales de E .
On note P la matrice de passage de B à B 0 .
On sait que P est orthogonale, c’est-à-dire qu’elle vérifie t P P = I n donc det P = ±1.

Définition 2.1 : Orientation d’un espace euclidien

Soit E un espace euclidien.

On dit que B et B 0 définissent la même orientation ssi det P = 1.
Orienter l’espace consiste à choisir arbitrairement une base orthonormale de E . Toutes celles qui définissent la
même orientation seront dites directes. Les autres indirectes.

Par convention, les bases orthonormales directes de R3 sont celles qui respectent la règle des trois doigts (ou règle
du tire-bouchon).

Définition 2.2 : Produit mixte

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

Alors le déterminant de cette famille dans toute base directe est le même ; il s’appelle le produit mixte de
(x 1 , . . . , x n ) :
[x 1 , . . . , x n ] = det(x 1 , . . . , x n ) où B est une base orthonormale directe.
B
Il est indépendant de la base orthonormale B choisie.

Démonstration.
Soit B 0 une autre base orthonormale directe de E . Alors : ³ ´
B
det (x 1 , . . . , x n ) = detB 0 (B ) det (x 1 , . . . , x n ) = detB (x 1 , . . . , x n ) car det(B ) = det P B 0 = +1

2
Remarque 2.0 :
Interprétation géométrique
En dimension 2, la valeur absolue du produit mixte de x 1 et x 2 représente l’aire du parallélogramme construit sur x 1
et x 2 .
En dimension 3, la valeur absolue du produit mixte de trois vecteurs x 1 , x 2 et x 3 représente le volume du
parallélépipède construit sur ces trois vecteurs.

x2

x3
x1
x2

IPEIB MP2 C Page 7/24 x1 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

Définition 2.3 : Produit vectoriel

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

   
x1 y1
Soit x, y ∈ E de coordonnées  x 2  et Y =  y 2 .
x3 y3
On définit le produit vectoriel de x par y comme étant le vecteur de E , noté x ∧ y ∈ E , de coordonnées :
 
x2 y 3 − x3 y 2
 x3 y 1 − x1 y 3  .
x1 y 2 − x2 y 1

Proposition 2.1

- x ∧ y ⊥ x et x ∧ y ⊥ y
- x ∧ y = 0E si et seulement si (x, y) est liée.
- 〈x ∧ y, z〉 = det(x, y, z) = [x, y, z].

Remarque 2.1 :
On peut en fait montrer qu’il existe un unique vecteur u tel que :

∀z ∈ E , (u | z) = det(x, y, z)

Ce qui donne une nouvelle définition au vecteur x ∧ y.

Propriétés 2.1 : Propriétés du produit vectoriel

Soient E un espace euclidien de dimension 3 et x, y et z trois vecteurs de E .

1. Si x et y ne sont pas colinéaires, alors (x, y, x ∧ y) est une base directe de E .
2. Si (x, y) est une famille orthonormale, alors (x, y, x ∧ y) est une base orthonormale directe de E .
3. Identité de Lagrange : (x | y)2 + kx ∧ yk2 = kxk2 kyk2 .
4. Double produit vectoriel : x ∧ (y ∧ z) = (x | z)y − (x | y)z, (123 = 132 − 123).
5. Si (x, y) est orthonormale, alors x ∧ y est l’unique vecteur z telle que (x, y, z) soit une b.o.n. directe de E .

3 Isométries vectorielles d’un espace euclidien

3.1 Définition et propriétés

Définition 3.1

Soit E un espace vectoriel euclidien.

On appelle isométrie vectorielle de E tout endomorphisme u ∈ L (E ) qui vérifie :

∀ x ∈ E , ku(x)k = kxk .
On dit aussi que u conserve la norme ou la mesure, d’où provient le terme isométrie.

Exemples 3.0 :
IdE et −IdE sont deux isométries de E .

Proposition 3.1 : Une isométrie conserve le produit scalaire

Soit E un espce euclidien et u ∈ L (E ). Alors

­ ¯ ® ­ ¯ ®
u est une isométrie ⇐⇒ u(x) ¯ u(y) = x ¯ y , ∀ (x, y) ∈ E 2 .
On dit aussi que u conserve le produit scalaire.

IPEIB MP2 C Page 8/24 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

Démonstration.
Le sens direct est immédiat.
Supposons maintenant que u conserve ³° la norme. °D’après l’identité de polarisation :
­ ¯ ® 2 ° °2 ´ ³° °2 ° °2 ´
2
∀ (x, y) ∈ E , ¯
u(x) u(y) 1 ° ° °
= 4 u(x) + u(y) − u(x) − u(y) ° 1 °
= 4 u(x + y)° − °u(x − y)°
³° °2 ° °2 ´ ­ ¯ ®
= 14 °x + y ° − °x − y ° = x ¯ y
donc u conserve aussi le produit scalaire.

2
Remarque 3.0 :
Soient E un espace euclidien, F un sous-espace vectoriel de E et G un supplémentaire de F dans E .
• Si s est la symétrie orthogonale par rapport à F et de direction G (i.e. F ⊥ G) alors s est une isométrie. En effet :
¡ ¢2
Soit (x, y) ∈ E 2 , comme E = F ⊕ F ⊥ , écrivons x = x 1 + x 2 et y = y 1 + y 2 avec (x 1 , y 1 ) ∈ F 2 et (x 2 , y 2 ) ∈ F ⊥ . Alors
­ ¯ ® ­ ¯ ® ­ ¯ ® ­ ¯ ® ­ ¯ ® ­ ¯ ®
s(x) ¯ s(y) = x 1 − x 2 ¯ y 1 − y 2 = x 1 ¯ y 1 + x 2 ¯ y 2 = x 1 + x 2 ¯ y 1 + y 2 = x ¯ y .
• Un projecteur orthogonal de E distinct de IdE n’est pas un endomorphisme orthogonal.
Soit p un projecteur orthogonal de E distinct de IdE . Alors E 6= Ker (p − IdE ) et donc Ker (p) 6= 0E .
Soit donc x un vecteur non nul dans le noyau de p. Alors kp(x)k = 0 6= kxk.
Donc p n’est pas un endomorphisme orthogonal de E .

Proposition 3.2

Soit E un espace euclidien.

Si u est une isométrie de E , alors u est un automorphisme.

Démonstration.
Il suffit de démontrer que u est injectif puisque u est un endomorphisme d’un espace E de dimension finie.
Or, si x ∈ Ker u, alors u(x) = 0 donc ku(x)k = 0 et u conserve la norme ; donc kxk = 0 puis x = 0.
Ainsi, Ker u = {0E }, ce qui assure l’injectivité de u et donc sa bijectivité.
Ou bien : compte tenu du th. précédent, transforme une base en une base !

2
Remarque 3.1 :
En particulier tout endomorphisme orthogonal est un isomorphisme.
Pour cette raison, une isométrie vectorielle s’appelle aussi un automorphisme orthogonal.
On note O(E ) l’ensemble des automorphismes orthogonaux (ou des isométries vectorielles) de l’espace E .

Théorème 3.1 : Première Caractérisation des isométries vectorielles

Soient E un espace euclidien et u ∈ L (E ), alors les deux propriétés suivantes sont équivalentes :
1. u ∈ O(E ) ;
2. l’image par u d’une/toute base orthonormale de E est une base orthonormale de E .

Démonstration.
• Si u ∈ O(E ) et B = (e 1 , . . . , e n ) est une base orthonormale, alors pour tous (i , j ) ∈ ‚1, nƒ,
­ ¯ ® ­ ¯ ®
u(e i ) ¯ u(e j ) = e i ¯ e j = δi , j ,

donc la famille (u(e 1 ), . . . , u(e n )) est orthonormale. Par suite, elle est libre.
Comme elle est constituée de n vecteurs dans un espace de dimension n, c’est une base orthonormale de E .
• Supposons que u soit un endomorphisme de E et que l’image d’une base orthonormale B par u soit une base
orthonormale de E .
X
n X
n
Soit alors (x, y) ∈ E 2 . On peut décomposer x et y sur la base B : x = x i e i et y = yjej.
i =1 j =1
Dès lors * ¯ +
­ ¯ ® X n ¯X n X n X n ­ ¯ ® X n
¯
u(x) ¯ u(y) = x i u(e i ) ¯ y j u(e j ) = x i y j u(e i ) ¯ u(e j ) = xi y i
i =1
¯ j =1 i =1 j =1 i =1

IPEIB MP2 C Page 9/24 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

car (u(e 1 ), . . . , u(e n )) est une base orthonormale de E .

­ ¯ ® X n
Mais on a aussi x ¯ y = x i y i en utilisant le fait que (e 1 , . . . , e n ) est une base orthonormale de E . Par conséquent,
­ i =1¯ ® ­ ¯ ®
pour tous (x, y) ∈ E 2 , u(x) ¯ u(y) = x ¯ y , ce qui signifie que u ∈ O(E ).

Corollaire 3.1 : Équivalence : isométrie vectorielle et représentation matricielle orthogonale

Soient E un espace euclidien, B une base orthonormale de E et u ∈ L (E ), alors

u ∈ O(E ) ⇐⇒ MatB (u) ∈ O n (R).

Démonstration.
Soit B = (e 1 , . . . , e n ) une base orthonormale de E et B 0 = (u (e 1 ) , . . . , u (e n )) . Posons M = MatB (u).
u ∈ O(E ) ⇐⇒ B 0 est une b.o.n. de E ⇐⇒ M est la matrice de passage d’une b.o.n. à une b.o.n. ⇐⇒ M ∈ O n (R).

Corollaire 3.2

Si u ∈ O(E ) alors det(u) = ±1.

Définition 3.2

- On appelle isométrie positive toute isométrie de déterminant égal à +1.

- On appelle isométrie négative toute isométrie de déterminant égal à −1.
- On appelle groupe spécial orthogonal de E le groupe des isométries positives noté SO(E ) ou O + (E ).
- L’ensemble des isométries négatives de E est noté O − (E ).

Exemples 3.1 :
• IdE est une isométrie positive.
• −IdE est une isométrie positive si, et seulement si, dim E est pair.
• On rappelle qu’une réflexion est une symétrie orthogonale par rapport à un hyperplan.
Les réflexions sont des isométries négatives.
Remarque 3.2 :
L’image d’une base orthonormale directe est une base orthonormale directe si et seulement si l’application est une
isométrie positive.

Proposition 3.3 : Deuxième caractérisation des isométries vectorielles

Soient E un espace euclidien et u ∈ O(E ), alors les propriétés suivantes sont satisfaites
1. Sp(u) ⊂ {−1, 1} ;
2. Plus généralement, en considérant E un C espace vectoriel, les valeurs propres complexes de u sont de
module 1 (c’est-à-dire SpC (u) ⊂ U).
3. L’ensemble O(E ) des isométries vectorielles de E est un sous-groupe de (GL(E ), ◦) appelé groupe orthogo-
nal de E ;
4. SO(E ) = {u ∈ O(E ), det(u) = 1} est un sous-groupe de (O(E ), ◦) appelé groupe spécial orthogonal de E ;

Démonstration.
1. Si λ est une valeur propre réelle de u ∈ O(E ) et x ∈ E un vecteur propre associé unitaire. Des égalités ku(x)k = kxk
et u(x) = λx, on déduit alors que |λ| = 1
2. Soit λ une valeur propre complexe de A = MatB (u) où B est une base orthonormale : il existe X ∈ Mn,1 (C), X 6= 0,
tel que AX = λX .
On calcule alors t X AX = t X (λX ) = λt X X . mais puisque t X AX est un nombre complexe, il est égal à sa transposée :
t
X AX = t X t AX = t X A −1 X (car A orthogonale)

IPEIB MP2 C Page 10/24 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

1 1 1
Mais A −1 étant à coefficients réels on a A −1 X = A −1 X = X = X d’où t X AX = t X X et finalement, puisque
λ λ λ
1
kX k2 6= 0 on obtient λ =
.
λ
3. Démontrons O(E ) ⊂ GL(E ). Soit u ∈ O(E ). Soit x ∈ Ker(u). Alors

0 = k0E k = ku(x)k = kxk.

Par séparation de la norme, x = 0E . Donc u est un endomorphisme injectif de l’espace vectoriel E , qui est de
dimension finie. L’endomorphisme u de E est donc bijectif.
- Pour tout x ∈ E , kidE (x)k = kxk. Donc idE ∈ O(E ).
- Soient u, v ∈ O(E ). Soit x ∈ E .
ku ◦ v(x)k = ku(v(x))k = kv(x)k = kxk
Donc u ◦ v ∈ O(E ).
- Soit u ∈ O(E ). Comme u est un automorphisme de E , on peut considérer son automorphisme inverse : u −1 .
Soit x ∈ E . ° ° ° ¡ ¢° ° °
kxk = °u ◦ u −1 (x)° = °u u −1 (x) ° = °u −1 (x)°
Donc u −1 ∈ O(E ).
½
(O(E ), ◦) −→ ({−1, 1}, ×)
4. Il suffit de considérer le morphisme de groupe det :
u 7−→ det u
C’est un morphisme de groupes et on a SO(E ) = Ker (det) est un sous-groupe de (O(E ), ◦).

Remarque 3.3 :
Les deux premiers points de la proposition précédente peuvent se transposer sur les matrices orthogonales,
comme suit :
Soit A ∈ O n (R) une matrice orthogonale.
1. Les seules valeurs propres réelles possibles de A sont ±1 (c’est-à-dire SpR (A) ⊂ {−1, 1}).
2. Plus généralement, les valeurs propres complexes de A sont de module 1 (c’est-à-dire SpC (A) ⊂ U).

3.2 Réduction des isométries vectorielles en dimension 2

Dans cette section, on considère un espace euclidien de dimension 2, B une b.o.n. de E et u ∈ O(E ).
D’après le corollaire Équivalence : isométrie vectorielle et représentation matricielle orthogonale, il vient que

u ∈ O(E ) ⇐⇒ MatB (u) ∈ O 2 (R).

On a déjà établi dans la proposition Classification de O 2 (R) que
µ ¶
cos θ − sin θ
M ∈ O 2+ (R) ⇐⇒ ∃ θ ∈ R tel que M = R(θ) =
sin θ cos θ
µ ¶
cos θ sin θ
M ∈ O 2− (R) ⇐⇒ ∃ θ ∈ R tel que M = S(θ) =
sin θ − cos θ
En se basant sur la valeur du déterminant, on a obtient les classifications qui suivent.

Proposition 3.4 : Rotation du plan euclidien orienté

La matrice d’un endomorphisme r ∈ O + (E ) est la même dans toute base orthonormée directe du plan E .
Plus précisément, il existe θ ∈ R, unique à 2π près, tel que matrice de r dans toute base orthonormée directe du
plan E est R(θ).

Démonstration.
Soient B et B 0 deux bases orthonormées directes de E et P la matrice de passage de B à B 0 .
Puisque B et B 0 sont orthonormées directes P ∈ O 2+ (R).
Notons A et A 0 les matrices de l’endomorphisme r dans les bases B et B 0 .
Ces matrices appartiennent à O 2+ (R).

IPEIB MP2 C Page 11/24 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

0 −1
Par la formule de changement ¡ de base,¢ A = P AP .
Or A, P ∈ O 2 (R) et le groupe O 2 (R), × est commutatif donc A 0 = P −1 P A = A.
+ +

Ainsi, la représentation de l’endomorphisme r est la même dans toute base orthonormée directe choisie et puisque
celle-ci est une matrice de O 2+ (R), c’est une matrice du type R(θ) avec θ déterminé de façon unique à 2π près.
2

Définition 3.3

L’isométrie vectorielle (automorphisme orthogonal) positive représentée par la matrice R(θ) dans les bases or-
thonormées directes du plan E est appelée rotation d’angle θ et est notée Rotθ .

Exemples 3.2 :

IdE = Rot0 , − IdE = Rotπ .

Propriétés 3.1

Soit θ, θ 0 ∈ R et Rotθ , Rotθ0 ∈ O + (E ), alors on a :

1. Rotθ = Rotθ0 ⇐⇒ θ ≡ θ 0 [2π]
2. Rotθ ◦ Rotθ0 = Rotθ+θ0 = Rotθ0 ◦ Rotθ
3. Rot−1
θ = Rot−θ

Démonstration.
Il suffit de transposer matriciellement les énoncés.
2

Corollaire 3.3
© ª
O + (E ) = Rotθ | θ ∈ R est un groupe abélien.

Proposition 3.5 : Isométries vectorielles négatives d’un plan euclidien

Soient E un espace euclidien de dimension 2 et B = (i , j ) une base orthonormée de E .

Pour toute isometrie vectorielle négative s ∈ O 2− (E ), il existe θ ∈ R tel que
µ ¶
cos θ sin θ
MatB (s) =
sin θ − cos θ

Alors s correspond à la réflexion par rapport à la droite vectorielle dirigée par le vecteur
µ ¶ µ ¶
θ θ
a = cos i + sin j
2 2

De plus, il existe une base B 0 dans laquelle la symétrie s est représentée par la matrice S(0) où
µ ¶
1 0
S(0) =
0 −1

Démonstration. µ ¶ µ ¶
θ θ
Considérons σ la réflexion par rapport à la droite vectorielle engendrée par le vecteur unitaire a = cos i +sin j.
2 2
Pour tout vecteur x de E , on a : σ(x) = 2 < x, a > a − x donc
µ µ ¶ ¶ µ ¶ µ ¶
2 θ θ θ
σ(i ) = 2 cos − 1 i + 2 cos sin j = cos(θ)i + sin(θ) j
2 2 2
et µ ¶ µ ¶ µ µ ¶ ¶
θ θ 2 θ
σ( j ) = 2 cos sin i − 2 sin − 1 j = sin(θ)i − cos(θ) j.
2 2 2
On en déduit que les applications linéaires σ et s prennent les mêmes valeurs sur i et j et sont donc égales.

IPEIB MP2 C Page 12/24 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

2
En voici le tableau récapitulatif
Nature de l’isométrie déterminant spectre s.e. propres matrice dans une bon qcq
µ ¶
1 0
identité 1 {1} E 1 = R2
0 1
µ ¶
−1 0
- identité 1 {−1} E −1 = R2
0 −1
µ ¶
cos θ − sin θ
rotation d’angle θ(6= 0, π) 1 ∅ /
sin θ cos θ
µ ¶
cos θ sin θ
réflexion d’axe Vect (u) −1 {−1, 1} E 1 = Vect(u), E −1 = E 1⊥
sin θ − cos θ

CLASSIFICATION DES ISOMÉTRIES VECTORIELLES EN DIMENSION 2

3.3 Réduction des isométries vectorielles en dimension 3

Soit E un espace euclidien de dimension 3, par isomorphisme

¡ 3¢ on pourrait se ramener toujours au cas E = R3 .
Ainsi, on se contentera d’étudier les éléments de O R . ¡ ¢ ¡ ¡ ¢¢
On cherche
¡ 3¢ donc, dans cette partie, à identifier et à interpréter géométriquement les éléments de SO R3 O + R3
et O R . ¡ ¢
Soit f ∈ O R3 . On a :
χ f = X 3 − Tr( f )X 2 + · · · − det( f ).
Comme χ f est un polynôme de degré 3, il admet au moins une racine réelle.
De plus, les racines de χ f (valeurs propres de f ) sont nécessairement de module 1.
Ceci prouve que l’un des réels 1 ou −1 est nécessairement racine de χ f .
De plus, χ f admet soit une racine réelle et deux racines complexes conjuguées de module 1 soit trois racines réelles
(±1).
¡ ¡ ¢¢
1. Isométries positives f ∈ SO R3 .

Dans ce cas, det f = 1. Les 3 racines de χ f sont donc 1, ei θ , e−i θ . (la valeur 1 éventuellement peut être multiple).
Soit u un vecteur propre associé à la valeur propre 1 : f (u) = u.
On pose D = Vect(u). D est stable par f et donc D ⊥ stable par f (voir proposition 3.7).
Dans une base orthonormale B adaptée à la décomposition E = D ⊕ D ⊥ , on a :
 
1 0 0
M = MatB ( f ) =  0 a b 
0 c d
µ ¶
a b
Comme t M M = I 3 , on a ∈ O 2 (R) (voir proposi-
c d
tion 3.7). µ ¶
a b
De plus, det M = 1 donc ∈ SO 2 (R).
c d
 
1 0 0
Ainsi, M =  0 cos θ − sin θ  (= R(θ) dans O(R3 ))
0 sin θ cos θ
avec θ ∈ R.
f est donc une rotation d’axe D = Vect(u) (ou dirigée par
u ) et d’angle θ.
Le signe de θ dépend de l’orientation de Vect(u). Le choix
de −u comme vecteur propre associé à 1 aurait conduit à
−θ.
Mais comment déterminer θ ?
On peut déjà remarquer que Tr(M ) = 1 + 2 cos θ ce qui nous permet de déterminer θ au signe près.
On choisira pour u un vecteur unitaire.
Soit v ∈ D ⊥ unitaire et w = u ∧ v. Alors (u, v, w) est une base orthonormale directe de R3 et on a :

[u, v, f (v)] = det(u, v, f (v)) = (u ∧ v | f (v)) = (w | cos(θ) · v + sin(θ) · w)

= sin(θ) · (w | w) = sin(θ) · kwk2 = sin(θ)

IPEIB MP2 C Page 13/24 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

- Dans la pratique, comme on connaît cos θ, seul le signe de sin θ nous intéresse.
On peut donc se contenter de vecteurs de la b.o.n. pour se simplifier le calcul du signe du produit mixte.
Cas particuliers :
 
1 0 0
Si θ = 0 alors f = idE . Si θ = π alors M =  0 −1 0 . f est alors une rotation d’angle π par rapport à Vect (u),
0 0 −1
c’est un retournement (ou demi-tour).

Proposition 3.6

Soient E un espace euclidien de dimension 3 et f la rotation d’axe D dirigé et orienté par un vecteur unitaire
u et d’angle θ. Alors, on a :
(a) Pour tout x vecteur de E

f (x) = cos(θ) · x + (1 − cos(θ)) < x, u > u + sin(θ) · u ∧ x

En particulier si x est orthogonal à u

f (x) = cos(θ) · x + sin(θ) · u ∧ x

(b) Si x est un vecteur unitaire orthogonal à u, on a :

Tr( f ) − 1
cos(θ) = 〈x, f (x)〉 = et sin(θ) = Det(u, x, f (x)).
2

Démonstration.
(a) On commence par le cas où x est orthogonal à u.
- Cas x = 0 : Ok.
x u ∧i
- Cas x 6= 0 : Posons i = et j = u ∧ i = .
kxk kuk
La famille B = (i , j ) est une base orthonormée directe du plan P = D ⊥ .
Pour x ∈ P, f (x) = Rotθ (x) = kxk Rotθ (i ) = kxk(cos θ.i + sin θ. j ) = cos(θ).x + sin(θ).u ∧ x
Revenons au cas général.
Soit x ∈ E et notons p la projection orthogonale sur D et q celle sur D ⊥ . Alors

p(x) = 〈x, u〉u et q(x) = x − 〈x, u〉u

Puisque f (x) = f (p(x) + q(x)) = p(x) + f (q(x)) avec q(x) ∈ D ⊥ , la formule précédente donne

f (x) = p(x) + cos(θ).q(x) + sin(θ).u ∧ q(x)

puis
f (x) = cos(θ).x + (1 − cos(θ)). < x, u > u + sin(θ).u ∧ x.

(b) Si x est un vecteur unitaire orthogonal à u, on a :

< x, f (x) >= cos(θ)kxk2 + sin(θ) < x, u ∧ x >= cos(θ)

Det(u, x, f (x)) =< u ∧ x, f (x) > = cos(θ) < u ∧ x, x > + sin(θ)ku ∧ xk2 = sin(θ)

Remarque 3.4 :

Méthode pour déterminer l’image d’un vecteur par une rotation d’axe et d’angle donnés
Soient E un espace euclidien de dimension 3, r une rotation d’angle θ d’axe orienté par u. On suppose u unitaire.
Soit x un vecteur de E . On veut déterminer r (x).
- On calcule la projection orthogonale y de x sur vect(u) : y = (x | u)u. On a alors z = x − y ∈ vect(u)⊥ .
- On calcule l’image de z : r (z) = (cos θ)z + (sin θ)u ∧ z.
- On a alors r (x) = y + r (z).

IPEIB MP2 C Page 14/24 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

Exemples 3.3 :

1
Soient B = (i , j , k) une base orthonormée directe de E et f la rotation d’axe D dirigé et orienté par u = p (i + j −k)
3
π
et d’angle θ = .
3
Formons la matrice de f dans la base B .
³π´ 1 ³ π ´ p3
On a cos = et sin = , donc par la formule de la proposition précédente
3 2 3 2
∀x ∈ E , f (x) = cos θ · x + (1 − cos θ) < x, u > u + sin θ · u ∧ x

il vient alors que :

1 1 1
f (x) = x + < x, i + j − k > .(i + j − k) + · (i + j − k) ∧ x.
2 6 2
On en déduit 
 2 1 2

 f (i ) = i − j − k  

 3 3 3 2 2 1
2 2 1 1
f (j) = i + j + k puis, la matrice MatB ( f ) = −1 2 −2 

 3 3 3 3

 −2 1 2
 f (k) = 1 i − 2 j + 2 k
3 3 3

Plan d’identification :
Soit f l’endomorphisme canoniquement associée à la matrice A.
Ï On vérifie que A T A = I 3 , i.e. A ∈ O 3 (R). Donc f est une isométrie vectorielle.
Ï On vérifie que det(A) = 1. Donc f est une isométrie positive, c’est une rotation d’axe dirigée par u et d’angle θ.
Ï On détermine l’axe Vect(u) de la rotation en résolvant AX = X .
Ï On détermine v, w tels que (u, v, w) soient une base orthonormale directe : il suffit de choisir v orthogonal à u et
de poser w = u ∧ v.
 
1 0 0
La matrice de f dans la base (u, v, w) est R(θ) =  0 cos θ − sin θ .
0 sin θ cos θ
Si on note P la matrice de la base (u, v, w) dans la base canonique, alors la matrice recherchée est
P R(θ)P −1 = P R(θ)t P .
Ï L’angle de la rotation est donné par : Tr(A) = 1 + 2 cos(θ) et le signe de sin θ.
Le signe de sin θ est le même que celui de [u, x, f (x)] où x est un vecteur quelconque de E : en pratique, on prend
un vecteur de la base canonique. Plus précisément, on a [u, x, f (x)] = det(u, x, f (x)) = sin θ, pour tout vecteur x
unitaire E vérifiant x ⊥ u.
Exemples 3.4 :
 p 
3 1 6
p
Soit A =  1 3 − 6  . Déterminer la nature géométrique et les éléments caractéristiques de l’endomor-
p p
− 6 6 2
3
phisme de R canoniquement associé à A.
(a) A T A = I 3 et det A = 1. C’est donc une rotation
   
1 1
1
(b) AX = X ⇐⇒ X ∈ Vect  1  . On pose alors u = p  1  . L’axe de la rotation est Vect( u ).
0 2 0
π
(c) Tr(A) = 2 donc cos θ = ± et on montre que sin θ Ê 0 (il suffit de calculer le det(u, x, f (x)) = sin θ, pour tout
3
π
vecteur x unitaire E vérifiant x ⊥ u.) Donc θ = .
3
Exemples 3.5 :

Soit f l’endomorphisme de E dont la matrice dans une base orthonormée directe B = (i , j , k) est :
 
0 0 1
A= 1 0 0 
0 1 0

Montrer que f est une rotation et déterminer ses éléments caractéristiques

IPEIB MP2 C Page 15/24 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

Les colonnes de A sont unitaires et deux à deux orthogonales donc A ∈ O 3 (R) puis f ∈ O(E ).
Soit u = xi + y j + zk ∈ E . Après résolution, on obtient : f (u) = u ⇐⇒ x = y = z.
p
3
L’ensemble des vecteurs invariants par f est une droite dirigée par le vecteur u = (i + j + k), on en déduit
3
que f est une rotation autour de la droite D.
Orientons la droite D par le vecteur u et déterminons l’angle θ de cette rotation.
1
Puisque Tr(A) = 1 + 2 cos θ et Tr(A) = 0, on obtient cos θ = − .
2
p ¯¯ 1 1 0 ¯¯ p
3 ¯¯ ¯ 3
Déterminons le signe de θ en évaluant le signe de det(u, i , f (i )) = ¯ 1 0 1 ¯¯ = .
3 ¯ ¯ 3
1 0 0
2π
On en déduit sin θ > 0 puis θ ≡ [2π].
3 p
3 2π
Finalement f est la rotation d’axe dirigé et orienté par u = (i + j + k) et d’angle .
3 3

¡ ¡ ¢¢
2. Isométries négatives f ∈ O − R3
Dans ce cas, det f = −1. Les 3 racines de χ f sont donc −1, ei θ , e−i θ (la valeur −1 éventuellement peut être multiple).
Soit u un vecteur propre associé à la valeur propre −1 : f (u) = −u.
On pose D = Vect(u). D est stable par f et donc D ⊥ stable par f (voir proposition 3.7). Donc, l’endomorphisme
induit f D ⊥ ∈ O 2 (D ⊥ ) serait de déterminant = 1.
Ce qui permet de voir que le bloc matriciel représentatif de f D ⊥ est une rotation du plan D ⊥ .
Ainsi, dans une base orthonormale B adaptée à la décomposition E = D ⊕ D ⊥ , la matrice de f est donnée par :
 
−1 0 0
M = 0 cos θ − sin θ 
0 sin θ cos θ

qui pourrait s’écrire sous la forme

     
−1 0 0 −1 0 0 1 0 0
M = 0 cos θ − sin θ  =  0 1 0 × 0 cos θ − sin θ 
0 sin θ cos θ 0 0 1 0 sin θ cos θ

Il vient alors que f est la composée d’une rotation d’axe dirigé par u et d’angle θ et d’une réflexion par rapport à
Vect(u)⊥ .
Ces deux isométries commutent car les matrices commutent.
Cas particuliers :
- Si θ = π alors f = −idE
 
−1 0 0
- Si θ = 0 alors M =  0 1 0 , alors f est la réflexion d’hyperplan Vect(x)⊥ .
0 0 1
Plan d’identification :
Soit f l’endomorphisme canoniquement associée à la matrice A.
Ï On vérifie que A T A = I 3 , i.e. A ∈ O 3 (R). f est alors une isométrie vectorielle.
Ï On vérifie que det(A) = −1. Alors A ∈ O 3− (R) et f est la composée d’une rotation d’axe dirigée par u et d’angle θ
et d’une réflexion par rapport à Vect(u)⊥ .
Ï On détermine l’axe Vect(u) de la rotation en résolvant AX = −X .
Ï L’angle de la rotation est donné par : Tr(A) = 1 + 2 cos(θ) et le signe de sin θ est le même que celui de [u, x, r (x)]
où x est un vecteur quelconque de E : en pratique, on prend un vecteur de la base canonique.
Si θ = 0, f est une simple réflexion.
Exemples 3.6 :
 
−2 −1 2
1
Soit B = − 2 −2 1  . Déterminer la nature géométrique et les éléments caractéristiques de l’endomor-
3
1 2 2
phisme de R3 canoniquement associé à B.
(i) B T B = I 3 et det B = −1.

IPEIB MP2 C Page 16/24 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

C’est donc la composée d’une rotation d’axe Vect(u) et d’une réflexion par rapport à Vect(u)⊥ .
   
1 1
1
(ii) B X = −X ⇐⇒ X ∈ Vect  1  . On pose alors u = p  1  . L’axe de la rotation est Vect (u).
3 11 3
µ ¶ p µ ¶
2 5 11 5
(iii) Tr(B ) = donc θ = ± arccos et on montre que sin θ = − . Donc θ = − arccos .
3 6 6 6

CLASSIFICATION DES ISOMETRIES VECTORIELLES EN DIMENSION 3

Nature de l’isométrie déterminant spectre matrice dans une certaine b.o.n.

 
1 0 0
identité 1 {1}  0 1 0 
0 0 1
 
1 0 0
demi-tour 1 {1, −1}  0 −1 0 
0 0 −1
 
1 0 0
rotation d’angle θ(6= 0, π) 1 {1}  0 cos θ − sin θ 
0 sin θ cos θ
 
−1 0 0
- identité −1 {−1}  0 −1 0 
0 0 −1
 
−1 0 0
réflexion −1 {−1, 1}  0 1 0 
0 0 1
 
−1 0 0
composée rotation/réflexion −1 {−1}  0 cos θ − sin θ 
0 sin θ cos θ

3.4 Réduction des isométries vectorielles en dimension n ≥ 2

Proposition 3.7 : Isométrie vectorielle et stabilité des sous-espaces

Soient E un espace euclidien de dimension n et u ∈ O(E ), alors :

⊥
Si F un sous-espace vectoriel de ¡E stable par¡u, alors
¢¢ F est stable par u et l’application induite par u sur F ( resp
⊥ ⊥
sur F ) est un élément de O(F ) resp sur O F .

Démonstration.
Si F est stable par u, u(F ) ⊂ F. Notons u F l’application induite par u sur F ; alors u F ∈ L (F ). Comme F ⊂ E , on a :

∀x ∈ F, ku F (x)k = ku(x)k = kxk

Donc u F ∈ O(F ).
Soit y ∈ F ⊥ et soit x ∈ F. Comme u F ∈ O(F ), il existe x 0 ∈ F tel que x = u(x 0 ) et
­ ® ­ ®
〈x, u(y)〉 = u(x 0 ), u(y) = x 0 , y = 0

Donc F ⊥ est stable par u. ¡ ¢

Par un raisonnement analogue au précédent appliqué à u et F ⊥ on prouve que u F ⊥ ∈ O F ⊥ .

Afin d’étendre ce résultat à un espace de dimension finie quelconque, justifions que l’on peut toujours se ramener
aux dimensions 1 et 2 .

Proposition 3.8

Soit E un R-espace vectoriel de dimension finie et u ∈ L (E ), alors u admet au moins une droite ou un plan stable.

Démonstration.
Notons πu le polynôme minimal d’un endomorphisme u donné.

IPEIB MP2 C Page 17/24 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

- Si πu admet un facteur réel de degré 1, u admet une valeur propre réelle donc un vecteur propre associé noté x.
Vect (x) est alors stable par u.
- Sinon, on peut toujours factoriser πu sous la forme : πu = P 1 × · · · × P r où P i est un polynôme unitaire de degré
2 à coefficients réels.
Par définition, πu (u) = P 1 (u) ◦ · · · ◦ P r (u) = 0L (E ) et aucun des P i (u) ne peut être bijectif.
Fixons alors i ∈ ‚1, r ƒ quelconque et x 6= 0E tel que x ∈ Ker P i (u).
Si P i = X 2 + aX + b, u 2 (x) + au(x) + bx = 0E , soit u 2 (x) = −au(x) − bx et Vect (x, u(x)) est stable par u.
Comme x 6= 0, c’est une droite ou un plan.

Proposition 3.9

Soient E un espace euclidien et u ∈ O(E ), alors il existe des sous-espaces vectoriels de E , F 1 , . . . F r , de dimension
égale à 1 ou 2, deux à deux orthogonaux, stables par u et tels que

M
⊥
E= Fj .
1≤ j ≤r

Démonstration.
On procède par récurrence sur la dimension n = dim E Ê 1.
- Pour n = 1 ou 2, le résultat est évident.
- Supposons le acquis pour tout endomorphisme orthogonal sur un espace vectoriel euclidien de dimension p
comprise entre 1 et n − 1, avec n Ê 3.
Si F 1 est un sous espace vectoriel de E non réduit à {0} de dimension au plus égale à 2 stable par u ∈ O(E ) (l’existence
est justifiée via la proposition précédente) alors F 1⊥ est stable par u.
Comme 1 É n − 1 É dim F 1⊥ É n − 1, on peut trouver des sous espaces vectoriels de E , F 2 , · · · , F r , de dimension
Mr
au plus 2, deux à deux orthogonaux et stables par la restriction de u à F 1⊥ , donc par u, tels que F 1⊥ = Fj .
j =2
M
r
On a alors E = F 1 ⊕ F 1⊥ = Fj .
j =1

Théorème 3.2

Soient E un espace euclidien de dimension n et u ∈ O(E ) avec n Ê 2, alors il existe une base orthonormée B de E
dans laquelle la matrice de u s’ecrit :
 
Ip 0 ··· ··· 0
 .. .. 
 0 −I q . . 
 
 .. .. .. ..
D = . . R1 . .
 
 .. .. .. 
 . . . 0 
0 ··· ··· 0 Rr

où pour tout k ∈ ‚1, r ƒ, on a note : µ ¶

cos θk − sin θk
Rk =
sin θk cos θk
avec θk ∈]0, 2π[\{π} et p, q, r sont des entiers naturels tels p + q + 2r = n (si l’un de ces entiers est nul, les blocs de
matrices correspondants n’existent pas).

Démonstration.
On procède par récurrence sur la dimension n Ê 2 de E .
- Pour n = 2, c’est fait avec l’étude des isométries vectorielles d’un plan euclidien.
- Supposons le résultat acquis pour les isométries vectorielles sur les espaces euclidiens de dimension p
comprise entre 2 et n − 1 et soit u ∈ O(E ) avec n = dim(E ) Ê 3.
• Si u admet 1 ou −1 comme valeur propre, pour tout vecteur propre unitaire e 1 associé à cette valeur propre,
le sous-espace vectoriel H = Vect(e 1 )⊥ est stable par u et il existe alors une base orthonormée B1 de H dans laquelle

IPEIB MP2 C Page 18/24 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

la matrice de la restriction de u à H est de la forme :

 
Ip 0 ··· ··· 0
 .. ..
 0 −I q . .
 
 . .. .. 
..
A 1 =  .. . R1 . 
.
 
 .. .. .. 
 . . . 0 
0 ··· ··· 0 Rr
µ ¶
±1 0
Dans la base orthonormée {e 1 } ∪ B1 la matrice de u est A = , qui se ramène bien à la forme souhaitée
0 A1
en permutant au besoin e 1 avec l’un des vecteurs de B1 .
M
r
• Si toutes les valeurs propres de u sont complexes non réelles, on a alors une décomposition E = F k où les F k
i =1
sont de dimension 2 deux à deux orthogonaux et stables par u.
L’étude du cas n = 2 nous dit alors qu’il existe, pour tout k compris entre 1 et r , une base orthonormée Bk de F k
dans laquelle la matrice de u est de la forme :
µ ¶
cos θk − sin θk
Rk =
sin θk cos θk

avec θk ∈] 0, 2π[\{π}.
En réunissant toutes ces bases, on obtient une base orthonormée de E dans laquelle la matrice de u est :
 
R1 0 ··· 0
 .. .. 
 0 R2 . . 
A=
 ..


 .. ..
. . . 0 
0 ··· 0 Rr

Remarque 3.5 :
On a p = dim(Ker (u − IdE )) et q = dim(Ker (u + IdE )) avec p + q + 2r = n.
De plus u ∈ O + (E ) (resp. u ∈ O − (E )) si, et seulement, si q est pair (resp. impair).

Corollaire 3.4

Soit A ∈ O n (R) avec n Ê 2. Il existe une matrice P ∈ O n (R) telle que :

 
Ip 0 ··· ··· 0
 .. 
...
 0 −I q . 
 
t  .. .. .. 
..
P AP =  . . R1 . .
 
 .. .. .. 
 . . . 0 
0 ··· ··· 0 Rr

Démonstration.
A est la matrice dans la base canonique Rn d’une isométrie vectorielle u et la matrice de passage P de la base
canonique à une base orthonormée dans laquelle la matrice de u à la forme indiquée est orthogonale,
donc telle que P −1 = t P .

3.5 Symétries orthogonales

On rappelle que si E un espace vectoriel de dimension finie n et F , G deux sous-espaces supplémentaires de E ,

alors la symétrie par rapport à F parallèlement à G vérifie les propriétés suivantes :
1. s ◦ s = idE donc s −1 = s. Si x = x 1 + x 2 alors s(x) = x 1 − x 2 .
|{z} |{z}
∈F ∈G
2. F = E 1 (s) = Ker (s − idE ) et G = E −1 = Ker (s + idE ).

IPEIB MP2 C Page 19/24 20 décembre 2021

Hafedh Bousbih 3. Isométries vectorielles d’un espace euclidien

µ ¶
Ip 0
3. Si de plus F est de dimension p alors Mat(s) = dans une base adaptée.
0 −I n−p
4. Sp(s) ⊂ {−1, 1} et χs = (X − 1)p (X + 1)n−p .

Définition 3.4 : Symétrie orthogonale

Soient E un espace euclidien et F un sous-espace vectoriel de E . On a E = F ⊕ F ⊥ .

On appelle symétrie orthogonale par rapport à F la symétrie par rapport à F parallèlement à F ⊥ .
Si F est un hyperplan de E , on parle alors de réflexion.

Théorème 3.3

Une symétrie orthogonale est une isométrie vectorielle.

Démonstration.
Voir la démonstration du théorème 4.4 du chapitre précédent ESPACES PRÉHILBERTIENS.

Théorème 3.4 : Caractérisation des symétries orthogonales

Soit E un espace euclidien, s ∈ L (E ) une symétrie vectorielle, i.e. s 2 = IdE et B une base orthonormale de E ,
alors
s est une symétrie orthogonale ⇐⇒ MatB (u) est symétrique.

Démonstration.
Supposons que s soit une symétrie vectorielle. Soit M la matrice de s dans une base orthonormale.
On a M 2 = I n donc M −1 = M .
s est une symétrie orthogonale si et seulement si s est de plus orthogonale, c’est-à-dire
si et seulement si M ∈ O n (R) (base orthonormale).
Cela s’écrit encore M −1 = M T = M .

¡ ¢
Symétries orthogonales du plan E = R2
On considère E = R2 .
y
M = (x, y)

• Si dim F = 0, i.e. F = {0E }.

Alors s = −id
µ E et dans n’importe
¶ quelle base B . O x
−1 0
MatB (s) = (isométrie directe)
0 −1
sO (M ) = (−x, −y)
C’est également une rotation d’angle π.
y
M = (x, y)

• Si dim F = 1, i.e. F = Vect (u) avec u 6= 0R2 .

O x
s est une réflexion d’axe Vect(u).
Si B = (u, v)
µ est une base
¶ orthonormale de E ,
1 0 s (Ox) (M ) = (x, −y)
MatB (s) = (isométrie indirecte).
0 −1
• Si dim F = 2 c’est-à-dire F = R2 .
s = idE et dans
µ n’importe
¶ quelle base B ,
1 0
MatB (s) = . (isométrie directe)
0 1

E XERCICE 1 :
µ ¶
1 3 4
Identifier l’endomorphisme s de R2 dont la matrice dans la base canonique est M = .
5 4 −3

IPEIB MP2 C Page 20/24 20 décembre 2021

Hafedh Bousbih 4. Endomorphismes symétriques

¡ ¢
Symétries orthogonales de l’espace E = R3

• dim F = 0, s = −idE (isométrie indirecte) dim F = 1, c’est-

à-dire F = Vect(u).
Rotation d’axe Vect(u) et d’angle π, c’est un retournement.
 
1 0 0
Dans une certaine base B , MatB (s) =  0 −1 0  (iso-
0 0 −1
métrie directe)

• Si dim F = 2, c’est-à-dire F = Vect(u, v).

s est la réflexion par rapport au plan F .
 
1 0 0
Dans une certaine base B , MatB (s) =  0 1 0  (iso-
0 0 −1
métrie indirecte)
• Si dim F = 3, c’est-à-dire F = R3 . s = idE .
Quelle que soit la dimension de E , une réflexion est toujours une isométrie indirecte.
Exemples 3.7 :
 
−8 4 1
1
Identifier l’endomorphisme s de R3 dont la matrice dans la base canonique est : M =  4 7 4 
9
1 4 −8
T
M ∈ O 2 (R) et M = M donc M est la matrice d’une symétrie orthogonale.
Il s’agit d’une rotation d’axe u = Ker (M − I 3 ) = Vect(1, 4, 1) et d’angle π.

4 Endomorphismes symétriques

4.1 Définition et propriétés

Définition 4.1 : Endomorphisme symétrique

Soient (E , 〈· | ·〉) un espace euclidien et u un endomorphisme de E .

On dit que u est symétrique si :
­ ¯ ® ­ ¯ ®
∀ (x, y) ∈ E 2 , u(x) ¯ y = x ¯ u(y) .
On notera S(E ) l’ensemble des endomorphismes symétriques de E .

Remarque 4.0 :
Les endomorphismes symétriques sont également qualifiés d’endomorphismes auto-adjoints.

Proposition 4.1

Soient (E , 〈· | ·〉) un espace vectoriel euclidien et u ∈ S(E ) alors (Im u)⊥ = Ker (u).

Démonstration.
Soient x ∈ Ker u et y ∈ Im u, alors ∃z ∈ E , y = u(z) alors on a
­ ¯ ®
x ¯ y = 〈x | u(z)〉 = 〈z | u(x)〉 = 〈z | 0〉 = 0

Ainsi, les espaces Im u Ker u sont orthogonaux et donc (Im u)⊥ ⊂ Ker u.
Or E est de dimension finie donc E = Im u ⊕ (Im u)⊥ donc dim E = dim(Im u) + dim(Im u)⊥ .

IPEIB MP2 C Page 21/24 20 décembre 2021

Hafedh Bousbih 4. Endomorphismes symétriques

D’autre part, le théorème du rang permet d’écrire dim E = dim(Im u) + dim(Ker u).
Ce qui implique que dim(Im u)⊥ = dim(Ker u). Ce qui permet de conclure que (Im u)⊥ = Ker u.

Proposition 4.2

Soient (E , 〈· | ·〉) un espace vectoriel euclidien, p, s ∈ L (E ). On suppose que p est un projecteur vectoriel (p 2 = p)
et s est une symétrie vectorielle (s 2 = IdE ). Alors
1. p est un endomorphisme symétrique ⇐⇒ p est un projecteur orthogonal.
2. s est un endomorphisme symétrique ⇐⇒ s est une symétrie orthogonale.

Démonstration.
Voir les démonstrations des théorèmes 4.3 et 4.4 du chapitre précédent ESPACES PRÉHILBERTIENS.

4.2 Lien avec les matrices symétriques réelles

Théorème 4.1 : Caractérisation des endomorphismes symétriques (1)

Soient (E , (·, ·)) un espace vectoriel euclidien, (e 1 , . . . , e n ) une base orthonormale de E et u ∈ L (E ). Alors :
¡ ¢ ¡ ¡ ¢¢
u est symétrique ⇐⇒ ∀ i , j ∈ ‚1, nƒ, u (e i ) | e j = e i | u e j

Démonstration.
X
n X
n
L’implication est évidente, justifions la réciproque. Soit x, y ∈ E .x = x i e i et y = yjej
i =1 j =1

à !
X
n X
n X
n X
n ¡ ¢ Xn X
n ¡ ¡ ¢¢
(u(x) | y) = x i u (e i ) | yjej = x i y j u (e i ) | e j = x i y j e i | u e j = · · · = (x | u(y))
i =1 j =1 i =1 j =1 i =1 j =1

Corollaire 4.1

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

u ∈ S(E ) ⇐⇒ MatB (u) ∈ S n (R).

Autrement, u est symétrique si, et seulement si, sa représentation matricielle dans toute base orthonormale est
une matrice symétrique.

Démonstration.
Soit B une base orthonormale de E et M = MatB (u) avec u ∈ L (E ).
¡ ¢ X n ¡ ¡ ¢ ¢ ¡ ¡ ¢ ¢ ¡ ¢ ¡ ¢
On a u e j = u e j | e i e i donc m i , j = u e j | e i , d’où m j ,i = u (e i ) | e j = e j | u (e i ) .
i ,1
¡ ¡ ¢ ¢ ¡ ¢
M T = M ⇐⇒ ∀i , j ∈ ‚1, nƒm i , j = m j ,i ⇐⇒ ∀i , j ∈ ‚1, nƒ u e j | e i = e j | u (e i ) ⇐⇒ u ∈ S(E ).

Proposition 4.3

n(n + 1)
L’ensemble S(E ) est un sous-espace vectoriel de L (E ) de dimension .
2

Démonstration.
On vérifie facilement que S(E ) est un sous-espace vectoriel de L (E ).
Soit B une base orthonormale de E alors
½
S(E ) −→ S n (R)
Φ:
u 7−→ MatB (u)

IPEIB MP2 C Page 22/24 20 décembre 2021

Hafedh Bousbih 4. Endomorphismes symétriques

est un isomorphisme d’espaces vectoriels car son noyau est réduit au vecteur nul de S(E ) et donc S(E ) ait la même
n(n + 1)
dimension que S n (R) qui est .
2
2

4.3 Réduction des endomorphismes symétriques

Proposition 4.4 : Endomorphisme symétrique et sous-espace stable

Soient (E , 〈· | ·〉) un espace vectoriel euclidien et u un endomorphisme symétrique de E .

Si F est un sous-espace vectoriel de E stable par u, alors F ⊥ est aussi stable par u.

Démonstration.
Supposons F stable par u ∈ S(E ).
Soit x ∈ F ⊥ alors ∀y ∈ F, (u(x) | y) = (x | u(y)) = 0 car x ∈ F ⊥ et u(y) ∈ F .
Donc u(x) ∈ F ⊥ et F ⊥ est bien stable par u.

Proposition 4.5

Soit (E , 〈· | ·〉) un espace vectoriel euclidien et u ∈ S(E ) un endomorphisme symétrique de E . Alors les sous-espaces
propres de u sont orthogonaux deux à deux.

Démonstration.
Soient λ, λ0 deux valeurs propres
­ ¯distinctes
® ­ ¯ et x,
0
®x deux vecteurs
­ propres
¯ 0® correspondants
­ ¯ 0® : u(x) = λx, u(x 0 ) = λ0 x 0 .
¯ 0 ¯ 0 ¯ 0 ¯
Comme u est symétrique : u(x) ­ ¯ x® = x u(x ) , c’est-à-dire λ x x = λ x x .
Comme λ 6= λ0 , on en déduit x ¯ x 0 = 0.
Ainsi les sous-espaces propres associés à λ et λ0 sont orthogonaux.

Proposition 4.6

Soit E un espace vectoriel euclidien, u ∈ S(E ) et A sa matrice dans une base orthonormale de E . Alors les valeurs
propres de A sont toutes réelles.
De ce fait, χu est scindé dans R[X ].

Démonstration.
Soit A la matrice de u dans une base orthonormale B . Le polynôme caractéristique de A est scindé dans C[X ].
Soit λ une valeur propre complexe de A : il existe une matrice unicolonne X ∈ Mn,1 (C) non nulle telle que AX = λX .
Ainsi t (AX ) = λt X , et comme A est symétrique il vient : t X A = λt X , d’où : t X A X = λt X X .
D’autre part, comme A est réelle, A = A, d’où : A X = λ X , et t X A X = λt X X .
En définitive λt X X = λt X X , et comme t X X 6= 0, il vient λ = λ et λ est bien réel.

Proposition 4.7

Tout endomorphisme symétrique dans un espace euclidien de dimension 2 est diagonalisable dans une base
orthonormale.

Démonstration.
Supposons E de dimension 2 et considérons un endomorphisme symétrique u. µ ¶
a b
Dans une base orthonormale, la matrice de u est symétrique, donc de la forme : avec a, b, c ∈ R.
b c
2
¡ 2
¢
χu = X − (a + c)X + ac − b .
Son discriminant ∆ = (a − c)2 + 4b 2 est positif ou nul. Deux possibilités :
- χu admet deux racines réelles distinctes, auquel cas u est diagonalisable.
Les deux droites propres sont orthogonales donc la propriété est démontrée.
- χu admet une racine double mais alors a = c et b = 0 puisque ∆ = 0, donc u = a IdE .
u est là encore diagonalisable dans une base orthonormale.

IPEIB MP2 C Page 23/24 20 décembre 2021

Hafedh Bousbih 4. Endomorphismes symétriques

Théorème 4.2 : Théorème spectral

Si u est un endomorphisme symétrique de E alors u est diagonalisable dans une base orthonormale.
Autrement dit, il existe une base orthonomale B formée de vecteurs propres de u où
 
λ1 0 ··· 0
 .. .. 
0 λ2 . . 
MatB (u) = 
 ..


 . .. ..
. . 0
0 ··· 0 λn
avec λ1 , λ2 , . . . , λn sont les valeurs propres réelles, non nécessairement distinctes, de u et on a :

M
⊥
E= E λ (u).
λ∈Sp(u)

Démonstration.
M
Soit F = E λ (u) la somme directe des sous-espaces propres de u.
λ∈Sp(u)
Le sous-espace vectoriel F est stable par u, donc son supplémentaire orthogonal F ⊥ est également stable par u.
Si F ⊥ 6= {0}, alors la restriction de u à F ⊥ est aussi un endomorphisme symétrique de F ⊥ et a donc au moins
une valeur propre réelle, d’où F ⊥ ∩ F 6= {0}, ce qui est absurde.
On en conclut que F ⊥ = {0}, d’où F = E : ainsi E est somme directe des sous-espaces propres.
Donc u est diagonalisable.
En choisissant une base orthonormale dans chaque sous-espace propre, on constitue une base orthonormale
de vecteurs propres de u.
2
On en déduit la version matricielle du théorème spectral.

Théorème 4.3 : Théorème spectral en version matricielle

Toute matrice A ∈ S n (R) est diagonalisable au moyen d’une matrice de passage orthogonale, i.e.
il existe une matrice diagonale D ∈ Mn (R) et une matrice orthogonale P ∈ O n (R) telles que :

A = P DP −1 = P D t P.

Démonstration.
Si A est la matrice de u dans une base orthonormale B et si B 0 est une base orthonormale de vecteurs propres de u,
alors la matrice de passage P de B à B 0 est orthogonale, c’est-à-dire P −1 = t P . D’où :
A = P DP −1 = P D t P .
2
Exemples 4.0 :
 
6 2−2
La matrice M =  −2 0  est symétrique réelle donc diagonalisable au moyen d’une matrice de passage
5
2 70
 
−2 −1 −2
1
orthogonale. On trouve χM = (X − 3)(X − 6)(X − 9) et P = −2 2 1 .
3
1 2 −2
On peut déterminer le dernier vecteur propre à l’aide du produit vectoriel des deux premiers.
On remarquera que P est la matrice d’une rotation (passage d’une b.o.n.d. à une b.o.n.d).
Remarque 4.1 :
Le résultat ne s’étend
µ ¶pas aux matrices à coefficients complexes.
1 i
Exemple : A = . Elle est symétrique mais non diagonalisable.
i −1
En effet, si elle était diagonalisable, alors comme son polynôme caractéristique est X 2 , son polynôme minimal serait
X et donc on aurait M = 0M2 (C) .

IPEIB MP2 C Page 24/24 20 décembre 2021