Structure euclidienne de IR3

1-) Définition

→

→ 
→
Soit u(x, y, z) et v→(x', y', z') deux vecteurs de IR3,

→
on appelle produit scalaire canonique de u par v→ et on note u.

→ 
v→ le réel xx' + yy' +zz'.

→ 
u. v→ = xx' + yy' + zz'

Vocabulaire:
→ le nombre u.

→ 
u→ = x2 + y2 + z2 s'appelle le carré scalaire de u

→ 
→2
et se note u .
→ le nombre u. u = x + y + z s'appelle la norme euclidienne de u et se note || u
→ → 2 2 2 
→ 
→
||.
Ex: Si u→ = (2, 3, -5) et v→ = (1, -2, 3)
→ →
 u. v = 2 – 6 – 15 = -19
 →2 →
alors  u = 4 + 9 + 25 = 38 et || u || = 38
 v→2 = 1 + 4 + 9 = 14 et || v→|| = 14

Remarque: on définit de même le produit scalaire et le carré scalaire dans IR2


→ 

→
 u. v→ = xx' + yy'
si u(x, y) et v→(x', y') alors  u

→2
 = x2 + y2
2-) Propriétés
→ Le produit scalaire est une forme bi-linéaire sur IR3
∀(α
α, β )∈
∈IR2, ∀( u, ∈(IR3)3, (α
αu + β u'). v→ = α u. v→ + β u'.

→  → 
→ 
→ 
→ 
→ 
→ 
→ 
→ 
→ 
→ 
→
u', v→)∈ 
→ →  →  → 
v→
∀(α
α, β )∈
∈IR2, ∀( u,

→ 
∈(IR3)3, u.(α
v→, v→')∈ →
α v→ + βv') = α u.

v→ + β u.
→  → 
v→'
→ Le produit scalaire est une forme bi-linéaire symétrique.
∀( u,

→ 
∈(IR3)2, v→. u
v→)∈ 
→ 
→ 
= u. v→
→ Le produit scalaire est une forme bi-linéaire positive.
(Attention! cela ne signifie pas que tout produit scalaire est positif
mais que tout carré scalaire est positif)
∀ u∈

→
∈IR , u ≥ 0.
3 →2

→ Le produit scalaire est une forme bi-linéaire définie.

(Cela signifie que le seul vecteur dont le carré scalaire est nul est le vecteur nul).

u→2
=0 ⇔ u →
=0 (Car x2 + y2 + z2 = 0 ⇔ x = y = z = 0)
→ (u
→
+ v→)2 = u→2 → 
+ 2 u. v→ + v→2 = || u

→ 2 
→ 
|| + 2u. v→ + || v→||2

→
(u – v→)2 = u
→2 
→ 
– 2 u. v→ + v→2 = || u
→ 2 
→ 
|| – 2 u. v→ + || v→||2

→ → → → 
→2 →2 → 2 → 2
( u + v ).( u – v ) = u – v = || u || – || v ||

3-) Généralisation
Soit E un IR-espace vectoriel, on appelle produit scalaire sur E
toute forme bi-linéaire symétrique, positive et définie sur E.
Un espace vectoriel muni d'un produit scalaire s'appelle un espace préhilbertien.
Si, de plus, cet espace vectoriel est de dimension finie, on parle d'espace euclidien.
Donc IR2 et IR3 muni du produit scalaire précédent sont des espaces euclidiens.
On dit que IR2 et IR3 sont muni de leur structure euclidienne canonique.

Structure euclidienne de IR3 --*-- Page 1

4-) Vecteurs orthogonaux

→ 
→ 
→
On dit que deux vecteurs u et v→ sont orthogonaux ssi leur produit scalaire est nul.
On le note u
→
⊥ v→ 
→
u ⊥ v→ ⇔ u. 
→ 
v→ = 0

Ex: (1, 0, 1) et (1, 0, -1) sont orthogonaux.

Note: le vecteur nul est orthogonal à tout vecteur de IR3.

Théorème: Toute famille de vecteurs non nuls deux à deux orthogonaux est libre
En effet, si les u→i sont deux→à deux orthogonaux
alors a1 u→1 + ... + an u→n = 0 ⇒ (a1 u→1 + ... + an u→n). u→1 = 0 (en multipliant par u→1)
d'où a1 u→12 + ... + an×0 = 0 soit a1 u→12 = 0 et comme u→12 ≠ 0, a1 = 0.
On montre de même que tous les ai sont nuls.
Vocabulaire: Une telle famille s'appelle une famille orthogonale.
Conséquence: Une famille de 3 vecteurs non nuls et deux à deux orthogonaux
est une base de IR3.

5-) Propriétés de la norme euclidienne

→ ∀ u∈

→
∈IR3, || u

→
|| ≥ 0

→
→ || u || = 0 ⇔ u = 0

→ 
→
car x2 + y2 + z2 = 0 ⇔ x = y = z = 0

→ ∀λ∈IR, ∀ u∈

→
∈IR3, ||λ u

→
|| = |λλ|.|| u→||
car λ2x2 + λ2y2 + λ2z2 = |λ|. x2 + y2 + z2 = |λ|.|| u→||
Conséquence: ||- u→|| = || u→||
→ Inégalité de Cauchy-Schwarz
∀(u,

→ 
∈(IR3)2, | u.
v→)∈ 
→ 
v→| ≤ || u

→
||.|| v→|| avec égalité ssi u→ et v→ sont colinéaires.

En effet, ∀λ∈IR, T(λ) = (λ u + v )2 ≥ 0


→ 
→

donc ∀λ∈IR, T(λ) = u→2.λ2 + 2( u. → 

v→).λ + v→2 ≥ 0
par suite le trinôme T(λ) ci-dessus a un discriminant négatif ou nul
d'où 4( u. v→)2 – 4 u→2. v→2 ≤ 0 soit ( u. v→)2 ≤ u→2. v→2 et | u. v→| ≤ || u→||.|| v→||
→  →  → 

De plus, il y a égalité ssi le discriminant du trinôme est nul,

donc ssi le trinôme admet une racine double λ0
donc ssi ∃λ0∈IR, (λ0 u + v )2 = 0
→ 
→

→
donc ssi ∃λ0∈IR, λ0 u→ + v→ = 0
et cette dernière relation signifie que ( u,
→ 
v→) est liée.
→ Inégalité triangulaire
∀(u,
→ 
∈(IR3)2, || u
v→)∈ →
+ v→|| ≤ || u

→
|| + || v→||

→ 
→ 
→ 
→ 
→ 
→ 
→ 
→
|| u + v ||2 = ( u + v )2 = u 2 + 2( u. v ) + v 2


En effet, (|| u || + || v ||)2 = u 2 + 2|| u ||.|| v || + v 2

→ 
→ 
→ 
→ 
→ 
→

De l'inégalité de Cauchy-Schwarz, on déduit u→2 + 2( u. v→) + v→2 ≤ u→2 + 2|| u→||.|| v→|| + v→2
→ 

d'où || u + v || ≤ (|| u || + || v ||)2 et || u + v || ≤ || u || + || v ||


→ 
→ 2 
→ 
→ 
→ 
→ 
→ 
→

(car les deux membres de la dernière inégalité sont positifs).

Conséquence: ∀( u,

→ 
∈(IR3)2, | || u
v→)∈ 
→
|| – || v→|| | ≤ || u→ – v→|| ≤ ||u→|| + || v→||

Structure euclidienne de IR3 --*-- Page 2

6-) Formules polaires (Elles expriment le produit scalaire à partir des normes)


→ 
 →
→  1 → → 2 1
u. v→ = [|| u + v || – || u→||2 – || v→||2] = [|| u→ + v→||2 – || u→ – v→||2]
2 4

→ 
→ 
→ 
→ 
→ 
→ 
→ 
→
En effet, || u + v ||2 = ( u + v )2 = || u ||2 + 2 u. v + || v ||2
d'où 2 u.
→ 
v→ = || u→ + v→||2 – || u→||2 – || v→||2
et || u→ – v→||2 = ( u→ – v→)2 = || u→||2 – 2 u.
→ → 
→
v + || v ||2

→ 
→ 2 → → 2 
→ →
d'où || u + v || – || u – v || = 4 u. v
Ex: Si || u→|| = 3, || v→|| = 4 et || u→ + v→|| = 2
4 – 9 – 16 21
alors u. → →
v= =-
2 2

7-) Théorème de Pythagore


→
u ⊥ v→ ⇔ || u

→
+ v→||2 = || u

→ 2
|| + || v→||2

→ 
→ 
→ 
→
En effet, || u + v ||2 = || u ||2 + || v ||2
⇔

→ 
→ 
→ 
→ 
→ 
→
|| u ||2 + 2 u. v + || v ||2 = || u ||2 + || v ||2
⇔ 
→ 
→
2 u. v = 0
⇔ u→ ⊥ v→


8-) Vecteur unitaire

a-) Définition
→
Un vecteur u est dit unitaire ou normé ssi sa norme est égale à 1.
u unitaire ⇔ || u

→ 
→
|| = 1 ⇔ u→2 = 1
 1 1 2 1 1 2
Ex: u  , - ,  est unitaire car u→2 = + + = 1.

→

2 2 2  4 4 4

b-) Théorème

→ 
→
Soit u un vecteur non nul, il existe deux vecteurs unitaires colinéaires à u.
1 →
Ce sont v→ = → u 
→

|| u || et - v .

v→ est le vecteur unitaire de même sens que u. 
→

En effet, v→ est unitaire et colinéaire à u→

⇔ v→ = λ u→ et || v→||2 = 1
⇔ v→ = λ u→ et λ2|| u→||2 = 1
1
⇔ v→ = λ u→ et λ2 = → 2
|| u ||
1
⇔ v→ = λ u→ et λ = ± →
|| u ||
1
⇔ v→ = ± → u→
|| u ||

Structure euclidienne de IR3 --*-- Page 3

9-) Base orthonormale
a-) Définition
Toute famille de 3 vecteurs unitaires deux à deux orthogonaux est une base de IR3.
Un telle famille s'appelle une base orthonormale de IR3.

→ 
→ 
→
 || e 1|| = || e 2|| = || e 3|| = 1
( e 1, e 2, e 3) b.o.n. ⇔

→ 
→ 
→
  
→ 
→ 
→ 
→ 
→
e 1. e→2 = e→1. e→3 = e→2. e→3 = 0

→

Ex: la base canonique de IR3 est une base orthonormale.

b-) Théorème

→ 
→ 
→
B = ( e→1, e→2, e→3) est une base orthonormale


Si → →
u et v ont pour système de coordonnées (X, Y, Z) et (X', Y', Z') dans B


→ X = u.

→ 
e→1, Y = u.

→ 
e→2 et Z = u.

→ 
e→3
  X' 
alors  → v→ = XX' + YY' + ZZ' = ( X Y Z ) Y'  = tU.V
→ 
u.
 Z' 
→ 
→ 2 2
|| u || = X + Y + Z 2

→

u. e 1 = (X e→1 + Y e→2 + Z e→3) e→1 = X×1 + Y×0 + Z×0 = X
→ 
→
Preuve:
→ → 
u. v→ = (X e→1 + Y e→2 + Z e→3).(X' e→1 + Y' e→2 + Z' e→3) = XX' + YY' + ZZ'
→ || u→|| = u.
→ 
u→ = X2 + Y2 + Z2

c-) Théorème
Si P est la matrice de passage d'une base orthonormale à une autre base orthonormale
alors on a tP.P = I donc tP = P-1
Preuve: soit B = ( e→1, e→2, e→3) et B' = ( e→'1, e→'2, e→'3) deux bases orthonormales
et P la matrice de passage de B à B'.
P = (pij) et tP = (qij) avec ∀(i, j)∈{1,2,3}×{1,2,3}, qij = pji.
3 3
et ∀i∈{1,2,3}, e→'i = ∑ pki. e→k d'où e→'i. e→'j = ∑ pki.pkj .
k=1 k=1
3 3
Par suite, tP.P = (aij) avec aij = ∑ qik.pkj = ∑ pki.pkj = e 'i. e 'j D'où tP.P = I

→ 
→

k=1 k=1

Vocabulaire: Une matrice telle que tP = P-1 s'appelle une matrice orthogonale.

 C1, C2 et C3 les vecteurs colonnes

Remarque: Si on note  L , L et L les vecteurs lignes d'une matrice orthogonale,
 1 2 3
alors (C1, C2, C3) et (L1, L2, L3) sont deux bases orthonormales.

Note: Le déterminant d'une matrice orthogonale est égal à ±1

En effet, det(tP) = det(P) et det(tP.P) = [det(P)]2 = det(I) = 1

Attention! La réciproque est fausse.

1 0 0 1 0 0
 
Ainsi  1 1 0  n'est pas orthogonale alors que 1 1 0 = 1
1 1 1 1 1 1

Structure euclidienne de IR3 --*-- Page 4

d-) Procédé d'orthonormalisation de Schmidt

→
→ 
→ 
→ 
→
→ 3 
→ → 
→
→ 
→ 
→
Si ( u 1, u 2, u 3) est une base de IR , la famille ( e 1, e 2, e 3) obtenue par:
1 →
→ e→1 = → u
||u 1|| 1
1
→ v→2 = u → 
→ → 
→
2 – ( u 2. e 1). e 1 puis e→2 = → v→2
|| v 2||
1
→ v 3 = u 3 – ( u 3. e 1). e 1 – ( u 3. e 2). e 2
→ → 
→  → → 
→ → 
→
puis e→3 = → v→3
|| v 3||
est une base orthonormale de IR3.
De plus, Vect( e→1) = Vect( u

→ 
→ 
→ 
→ 
→
1) et Vect( e 1, e 2) = Vect( u 1, u 2).


→ 
→ 
→ 
→ 
→
Preuve: • || e 1|| = 1 et e 1 est colinéaire à u 1 donc Vect( e 1) = Vect( u 1).

→ 
→ 
→ 
→ 
→ 
→ 
→ 
→ 
→ 
→ 
→ 
→ 
→
• v 2. e 1 = u 2. e 1 – ( u 2. e 1).( e 1. e 1) = u 2. e 1 – u 2. e 1 = 0 car e 12 = 1
donc v→2 et e→1 sont orthogonaux de même que e→2 et e→1.
→
Par ailleurs, || e 2|| = 1.
De plus, v→2∈Vect( e→1, u→2) = Vect( u→1, u→2) donc e→2∈Vect( u→1, u→2).
Comme e→1∈Vect( u→1, u→2) et comme e→1 et e→2 sont orthogonaux,
Vect( e→1, e→2) = Vect( u→1, u→2)

 
e→12 = 1
v 3. e→1 = u→3. e→1 – ( u→3. e→1).( e→1. e→1) – ( u→3. e→2).( e→2. e→1) = 0 car  e→ . e→ = 0
→
•
 2 1
→ 

→  →  →  →  →  →  →  →  →  →  →  →
 e 1 . e→2 = 0
v 3. e 2 = u 3. e 2 – ( u 3. e 1).( e 1. e 2) – ( u 3. e 2).( e 2. e 2) = 0 car  e→ 2 = 1
 1

Ex: Appliquer le procédé d'orthonormalisation de Schmidt à la famille

F = ((1, 1, 0), (1, 0, 1), (0, 1, 1))
On commence par vérifier que cette famille est bien une base de IR3:
1 1 0
1 0 1 =–1–1=–2≠0
0 1 1

→ 
→ 
→
u 1 = (1, 1, 0), u 2 = (1, 0, 1) et u 3 = (0, 1, 1)
1 →  1 1 
→

→ 
→
|| u 1|| = 2 donc e 1 = u 1 =  , , 0
2  2 2 
1  1 1  1 1 
→ 
v 2 = u→2 – ( u→2. e→1). e→1 = (1, 0, 1) –
→
 , , 0 =  , - , 1
2 2 2   2 2 
donc e→2 =  , - , 

→ 6 1 1 2
|| v 2|| = 2
 6 6 6
→ 
v 3 = u→3 – ( u→3. e→1). e→1 – ( u→3. e→2). e→2
→

1 2   2 2 2
v→3 = (0, 1, 1) –  , , 0 –  , -
 1 1 1 1 1
,  = - , , 
2 2 2  6 6 6 6  3 3 3
d'où e→3 = - , , 
2 1 1 1
|| v→3|| =
3  3 3 3
La b.o.n. cherchée est donc  , , 0,  , -
1 1 1 1 2   1 1 1 
, , - , , 
 2 2   6 6 6  3 3 3 

Structure euclidienne de IR3 --*-- Page 5

10-) Sous-espaces vectoriels orthogonaux
a-) Définition
Deux sous-espaces vectoriels F et G de IR3 sont orthogonaux
ssi tout vecteur de l'un est orthogonal à tout vecteur de l'autre.
On le note F ⊥ G F ⊥ G ⇔ ∀(u,

→ 
∈F×
v→)∈ ×G, u.

→ 
v→ = 0

b-) Théorèmes

F ⊥ G ⇒ F ∩ G = {0IR3 } donc leur somme est directe


→
En effet, si u∈F
→
∩ G alors u∈F
→
et u∈G
→
donc u.
→ 
u→ = || u→||2 = 0 d'où u→ = 0

→ 
→
 F = Vect( u 1, ..., u n)
Si  → →
 G = Vect( v 1, ..., v p)
alors F ⊥ G ⇔ ∀(i, j)∈
∈{1..n}×
×{1.. p}, u

→  →
i. v j = 0

En effet, F ⊥ G ⇒ ∀(i, j)∈{1..n}×{1.. p}, u→i. v→j = 0

Réciproquement, si∀(i, j)∈{1..n}×{1.. p}, u→i. v→j = 0,
n p
alors ∀( u,
→ 
v→)∈F×G, u→ = ∑ ai u i et v = ∑ bj v j

→ 
→ 
→

i=1 j=1
n p
d'où u.
→ 
v→ = ∑ ∑ aibj. u i. v j = 0

→ 
→

i=1j=1

c-) Supplémentaire orthogonal

α-) Définition
Soit F un sous-espace vectoriel de IR3, on appelle orthogonal de F
et on note F⊥ l'ensemble F⊥ = { v→∈IR3 / ∀ u∈

→
∈F, v→. u

→
= 0}
Donc un vecteur de F⊥ est un vecteur de IR3 orthogonal à tout vecteur de F.
Ex: Si F = Vect((1, 1, 1))
alors (x, y, z)∈F⊥ ⇔ ∀α∈IR, (x, y, z) ⊥ (α, α, α)
⇔ ∀α∈IR, αx + αy + αz = 0
⇔ x+y+z=0
⊥
d'où F est le plan d'équation cartésienne x + y + z = 0
donc F⊥ = Vect((1, 0, -1), (0, 1, -1))

β-) Théorème
⊥
1, ..., u n) alors [ v ∈F ⇔ ∀i∈
∈{1..n}, v→. u

→ 
→ 
→ 
→
Si F = Vect( u i = 0]

Preuve: (⇒) C'est une conséquence de la définition.

n n
(⇐) Si u→ = ∑ ai. u i alors v . u = ∑ ai. v . u i = 0

→ 
→ 
→ 
→ 
→

i=1 i=1

Ex: Si F = Vect((1, 1, 0), (0, 1, 1))

x+y=0  x=z
alors (x, y, z)∈F⊥ ⇔  y + z = 0 ⇔ 
y=-z
 
donc F⊥ = Vect((1, -1, 1))

Structure euclidienne de IR3 --*-- Page 6

 γ-) Théorème
Si F est un sous-espace vectoriel de IR3,
→ F⊥ est un sous-espace vectoriel de IR3,
→ F et F⊥ sont supplémentaires.
F⊥ s'appelle le supplémentaire orthogonal de F.

Justification et technique
→ Si F = Vect((a, b, c)) alors (x, y, z)∈F⊥ ⇔ ax + by + cz = 0
donc F⊥ est un plan vectoriel
 dim(F) + dim(F⊥) = 3
et comme  F ∩ F⊥ = { 0} 
→ on a bien IR3 = F ⊕ F⊥

 ax + by + cz = 0
→ Si F = Vect((a, b, c), (α, β, γ)) alors (x, y, z)∈F⊥ ⇔ 
 αx + βy + γz = 0
⊥
donc F est une droite vectorielle
dim(F) + dim(F⊥) = 3

et comme F ∩ F⊥ = { 0}
→  on a bien IR3 = F ⊕ F⊥

Conséquences: La concaténation d'une base orthonormale de F et d'une base
orthonormale de F⊥ donne une base orthonormale de IR3

 3 1   1 3  
Note:  , , 0, - , , 0, (0, 0, 1) est une base orthonormale de IR3
 2 2   2 2  
 3 1   1 3 
Par suite, si F = Vect((0, 0, 1)) alors F⊥ = Vect , , 0, - , , 0
 2 2   2 2 

11-) Projection orthogonale, réflexion

a-) Définition
Soit F un s.e.v. de IR3, on appelle projection orthogonale sur F
la projection sur F parallèlement à F⊥.
b-) Conséquence
Soit pF la projection orthogonale sur F,
 v ∈F

→

∀ u∈

→
∈IR , v = pF( u) ⇔
3 
→ 
→
 
→
u – v→∈F⊥

v ∈F

→

→ 
→ 
→ 
→

En effet, u s'écrit de manière unique sous la forme u = v + w avec w 
= u→ – v→∈F⊥

→

c-) Théorème
Soit F un s.e.v. de IR3 et pF la projection orthogonale sur F.
Si B = ( e→1, ..., e→n) est une base orthonormale de F
n
alors ∀ u∈

→
∈IR3, pF( u)

→
= ∑ ( u. e i) e i

→ 
→ 
→

i=1

Preuve: On complète cette base en une base orthonormale de IR3.

Dans le cas d'une droite (D) = Vect( e→1), on obtient ( e→1, f→2, f→3)
et ∀ u∈IR
→ 3 →
, u = ( u.
→ 
e→1) e→1 + ( u.
→ 
f→2) f→2 + ( u.
→ 
f→3) f→3 et pF( u)
→
= ( u.
→ 
e→1) e→1
Dans le cas d'un plan (P) = Vect( e→1, e→2), on obtient ( e→1, e→2, f→3)
et ∀ u∈IR
→ 3 →
, u = ( u.
→ 
e→1) e→1 + ( u.
→ 
e→2) e→2 + ( u.
→ 
f→3) f→3

→ →  → 
→ →  → 
→
d'où pF( u) = ( u. e 1) e 1 + ( u. e 2) e 2

Structure euclidienne de IR3 --*-- Page 7

 Exemple: IR3 étant rapporté à sa base canonique, écrire la matrice de la projection
orthogonale sur F = Vect((1, 1, 1)).

||(1, 1, 1,)|| = 3 donc  , ,  est une b.o.n. de F

1 1 1
 3 3 3
1  1 1 1
p(1, 0, 0) = (1, 0, 0).
1 1 1   1 1
, , . , , =  , , 
  3 3 3  3 3 3 3 3 3
1  1 1 1
p(0, 1, 0) = (0, 1, 0).
1 1 1   1 1
, , . , , =  , , 
  3 3 3  3 3 3 3 3 3
1  1 1 1
p(0, 0, 1) = (0, 0, 1).
1 1 1   1 1
, , . , , =  , , 
  3 3 3  3 3 3 3 3 3
1 1 1
donc M =  1 1 1 
1
3
1 1 1

Exemple: IR3 étant rapporté à sa base canonique, écrire la matrice de la projection

orthogonale sur F = Vect((1, 1, 0), (0, 1, 1)).
On applique le procédé d'orthonormalisation à ((1, 1, 0), (0, 1, 1))
||(1, 1, 0)|| = 2 donc e→1 =  , , 0
1 1
 2 2 
v 2 = (0, 1, 1) –  , , 0 = - , , 1
→ 1 1 1 1 1
2 2 2   2 2 
|| v→2|| = 2 donc e→2 = - , , 
6 1 1 2
 6 6 6
1  1 1  1  1 1 2  2 1 1
p(1, 0, 0) =  , , 0 – - , ,  = 3, 3, - 3
2 2 2  6 6 6 6 
p(0, 1, 0) =  , , 0 + - , ,  =  , , 
1 1 1 1 1 1 2 1 2 1
2 2 2  6 6 6 6 3 3 3

p(0, 0, 1) = 0 , , 0 + - , ,  = - , , 
1 1 2 1 1 2 1 1 2
 2 2  6 6 6 6  3 3 3
 2 1 -1 
D'où M =  1 2 1 
1
3 -1 1 2
 

d-) Symétrie orthogonale

Soit F un sous espace vectoriel de IR3, on appelle symétrie orthogonale
par rapport à F, la symétrie par rapport à F parallèlement à F⊥.

Rappel: σF = 2pF – id .

Exemple: la réflexion par rapport au plan Vect((1, 1, 0), (0, 1, 1))

 1 1 -1 
a pour matrice S = 2M – I3 =  1 1 1 
1
3 -1 1 1
 

Vocabulaire: quand F est un hyperplan de E, on parle de réflexion par rapport à F.

Structure euclidienne de IR3 --*-- Page 8