Algèbre 1

Chapitre IV: Espace Euclidien Rn

Mohammed Karmouni
Faculté polydisciplinaire-Safi-
SMPC
A.U: 2020-2021

Pr. Karmouni Mohammed (UCA) FPS 1 / 40

Sommaire

1 La structure de Rn

2 Systèmes de vecteurs Libres

3 La structure de l’espace euclidien Rn

4 Projecteurs et symétries orthogonaux

Pr. Karmouni Mohammed (UCA) FPS 2 / 40

Sommaire

1 La structure de Rn

2 Systèmes de vecteurs Libres

3 La structure de l’espace euclidien Rn

4 Projecteurs et symétries orthogonaux

Pr. Karmouni Mohammed (UCA) FPS 3 / 40

Définition
Soit n un entier naturel. Rn est le produit cartésien de n copies de R. C’est à
dire
Rn = {(a1 , a2 , a3 , ..., an ) tel que a1 , a2 , a3 , ..., an ∈ R}
Pour n = 1, R1 = R
Pour n = 2, R2 =: {(a1 , a2 ) tel que a1 , a2 ∈ R}

Définition
Pour n ∈ N∗ , on définit dans Rn les deux opérations.
1 ∀a = (a1 , a2 , ..., an ) ∈ Rn et b = (b1 , b2 , b3 , ..., bn ) ∈ Rn :

a + b = (a1 , a2 , ..., an ) + (b1 , b2 , ..., bn ) = (a1 + b1 , a2 + b2 , ..., an + bn )

a + b est appelé la somme de a et b.

2 ∀α ∈ R et a = (a1 , a2 , ..., an ) ∈ Rn : α(a1 , a2 , ..., an ) = (αa1 , αa2 , ..., αan )
αa est appelé le produit de α par a. Cette opéartion est appelée la
multiplication externe dans Rn sur R.

Pr. Karmouni Mohammed (UCA) FPS 4 / 40

Définition
Soit n ∈ N∗ .
On dit que Rn , muni de l’addition et la multiplication externe sur R, est un
espace vectoriel et on note Rn est un e.v.
Les éléments de R sont appelés les scalaires.
Les éléments de Rn sont appelés les vecteurs de Rn .
Le vecteur (0, 0, 0, ..., 0) est appelé le vecteur nul et noté 0n .

Définition
Soient n, p ∈ N∗ et a1 , a2 , ..., ap ∈ Rn . On dit que a est une combinaison
linéaire de a1 , a2 , ..., ap s’il existe λ1 , λ2 , ..., λp ∈ R tels que

p
a= ∑ λi ai = λ1 a1 + λ2 a2 + ... + λp ap
i =1

Pr. Karmouni Mohammed (UCA) FPS 5 / 40

Définition
Une partie E de Rn est dite sous espace vectoriel de Rn et on note E est un
s.e.v s’elle vérifie les trois propriétés suivantes :
1 E est non vide : E 6= 0/ .
2 E est stable par l’addition : ∀a, b ∈ E, a + b ∈ E.
3 E est stable par la multiplication par un scalaire : ∀a ∈ E , ∀λ ∈ R, λa ∈ E.

Exemple :
1) Rn est un sous espace vectoriel de Rn .
2) {0n } est un s.e.v de Rn .

Propriétés
1) Si E est un sous espace vectoriel de Rn alors 0n ∈ E.
2) Si E et F sont deux sous espaces vectoriels de Rn alors E ∩ F est un sous
espaces vectoriel de Rn .

Pr. Karmouni Mohammed (UCA) FPS 6 / 40

Sommaire

1 La structure de Rn

2 Systèmes de vecteurs Libres

3 La structure de l’espace euclidien Rn

4 Projecteurs et symétries orthogonaux

Pr. Karmouni Mohammed (UCA) FPS 7 / 40

Soit S = (a1 , a2 , ..., an ) un système de vecteurs de Rn .
1 On note par Vect (S ) = Vect (a1 , a2 , ..., ap ) l’ensemble des combinaisons
linéaires des vecteurs a1 , a2 , ..., ap

Vect (S ) = {α1 a1 + α2 a2 + ... + αp ap ; α1 , α2 , ..., αp ∈ R}

2 / = { 0n }
On note Vect (0)
Vect (S ) est un sous espace vectoriel de Rn contenant a1 , a2 , ..., ap et c’est le
plus petit sous espace vectoriel de Rn contenant les vecteurs a1 , a2 , ..., ap .

Pr. Karmouni Mohammed (UCA) FPS 8 / 40

Définition
Soient n, p ∈ Nn et S = (a1 , a2 , ..., ap ) un système de vecteurs de Rn .
1 On dit que le système S est lié ou que a1 , a2 , ..., ap sont linéairement
dépendants s’il existe des scalaires α1 , α2 , ..., αp ∈ R non nuls tels que :

∑ αi ai = α1 a1 + α2 a2 + ... + αp ap = 0
i =1

2 Dans le cas contraire on dit que le système S est libre ou que a1 , a2 , ..., ap
sont linéairement indépendants c’est à dire si on a :
p
∀α1 , α2 , ..., αp ∈ R : ∑ αi ai = α1 a1 + α2 a2 + ... + αp ap = 0 =⇒
i =1
α1 = α2 = ... = αp = 0

Pr. Karmouni Mohammed (UCA) FPS 9 / 40

Exemple

Soient a1 = (−2, 1, 3), a2 = (1, 1, −1) et S = (a1 , a2 ).

∀α, β ∈ R

αa1 + βa2 = (0, 0, 0) ⇐⇒ α(−2, 1, 3) + β(1, 1, −1) = (0, 0, 0)


 −2α + β = 0 ;
⇐⇒ α+β = 0;
3α − β = 0.


β = 2α ;
⇐⇒ ⇐⇒ α = β = 0
4α = 0.
Donc le système S est libre.

Pr. Karmouni Mohammed (UCA) FPS 10 / 40

Exemple

Soient a1 = (−2, 1), a2 = (1, 1), a3 = (3, −1) et S = (a1 , a2 , a3 ) un système de

vecteurs de R2 .
∀α, β, γ ∈ R :
αa1 + βa2 + γa3 = (0, 0)
⇐⇒ α(−2, 1) + β(1, 1) + γ(3, −1) = (0, 0)
⇐⇒ (−2α + β + 3α, α + β − γ) = (0, 0)
  
−2α + β + 3α = 0 α + 4β = 0 α = −4β
⇐⇒ ⇐⇒ ⇐⇒
α+β−γ = 0 α+β = γ γ = −3β
admet plusieurs solutions donc le système est lié.

Pr. Karmouni Mohammed (UCA) FPS 11 / 40

Propriétés
1 (0n ) est un système lié.
2 Tout système de vecteur de Rn qui contient 0n est lié.
3 ∀a ∈ Rn \ {0n }, le système (a) est libre.
4 ∀a, b ∈ Rn avec a 6= 0n .

(a, b) est lié si et seulement s’il existe α ∈ R tel que b = αa (sont colinéaires.

Proposition
Soit S = (a1 , a2 , ..., ap ) un système de vecteurs de Rn
S est lié ⇐⇒ ∃k ∈ {1, ..., p} tq ak est une combinaison linéaire des autres
vecteurs. C’est à dire

S est lié ⇐⇒ ∃k ∈ {1, ..., p} tq ak ∈ Vect (a1 , a2 , ..., ak −1 , ak +1 , ..., ap )

Exemple : Soient u = (1, 2, 3), v = (5, 1, −1), w = (3, −3, −7) et

S = (u , v , w ). On a v = w + 2u donc v ∈ Vect (u , w ). D’où S est un système lié.

Pr. Karmouni Mohammed (UCA) FPS 12 / 40

Définition : système générateur
Soient n ∈ N∗ , E un sous espace vectoriel et S = (a1 , a2 , ..., ap ) un système
de vecteurs de Rn .
On dit que S est un système générateur ou famille génératrice de E si on a :

E = Vect (S ) = Vect (a1 , a2 , ..., ap )

Exemple :
Dans E = Rn , on pose ei = (0, ..., 0, 1, 0, ..., 0) ∈ Rn où 1 se situe en ième
position. Le système B = (ei )16i 6n est une famille génératrice de Rn . En effet,
pour tout x = (x1 , ..., xn ) ∈ Rn , on peut écrire x = x1 e1 + ... + xn en .

Définition : d’une Base

Soient E un sous espace vectoriel de Rn et B un système de vecteurs de E.
On dit que B est une base de E si B est à la fois libre et générateur de E.

Pr. Karmouni Mohammed (UCA) FPS 13 / 40

Proposition
Soit E un sous espace vectoriel de Rn et B = (a1 , a2 , ..., an ) un système de
vecteurs de E.
B est une base de E
⇐⇒ ∀a ∈ E : ∃!α1 , α2 , ..., αp ∈ R tq a = α1 a1 + α2 a2 + ... + αp ap
Dans ce cas α1 , α2 , ..., αp sont appelés les composantes du vecteur a dans la
base B.

Exemple : Soient E = R2 et B = (a1 , a2 ) un système de R2 avec a1 = (2, 1),

a2 = (1, 1). (a1 , a2 ) est une base de R2 . En effet : ∀a = (x , y ) ∈ R2 , ∀α, β ∈ R

a = αa1 + βa2 ⇐⇒ (x , y ) = (2α + β, α + β)


2α + β = x ;
⇐⇒
α + β = y.

α = x −y ;
⇐⇒
β = 2y − x.
Donc B est une base de R2 et les composantes d’un vecteur a = (x , y ) dans B
sont x − y et 2y − x.
Pr. Karmouni Mohammed (UCA) FPS 14 / 40
Propriétés
Soient n ∈ N∗ et E un sous espace vectoriel de Rn .
1 Si E = R2 , e1 = (1, 0), e2 = (0, 1). Alors B = (e1 , e2 ) est un système libre
et générateur de R2 donc B est une base de R2 appelé la base
canonique de R2
2 En général :
Si E = Rn , e1 = (1, 0, ..., 0), e2 = (0, 1, 0, ..., 0),..., en = (0, 0, ..., 0, 1).
Alors B = (e1 , e2 , ..., en ) est un système libre et générateur de Rn donc B
est une base de Rn appelé la base canonique de Rn

Rappelons que si E est un ensemble fini, le nombre d’éléments de E est

appelé le cardinal de E et est noté card E.
Théorème/Définition
Si n ∈ Nn et E un sous espace vectoriel de Rn . Alors E admet des bases et
tous ces bases ont le même nombre de vecteurs appelé la dimension de E et
noté dimE et on a dimE 6 n. Ainsi, si B est une base de E alors

dimE = cardB 6 n
Pr. Karmouni Mohammed (UCA) FPS 15 / 40
Propriétés
Soient E et F deux sous espaces vectoriels de Rn . Alors :
1 Si S est une partie génératrice de E alors cardS > dimE
2 Si S est une partie libre de E alors cardS 6 dimE
3 Si E ⊆ F et dimE = dimF alors E = F .
4 Si dimE = n alors E = Rn .

Théorème
Soient F un sous espace de Rn de dimension p et B un système de F de
cardinal p. Alors, les propriétés suivantes sont équivalentes :
1 B est un système libre.
2 B est un système générateur de F
3 B est une base de F

Corollaire
Soit n ∈ N∗ . Un système libre de Rn ayant n éléments est une base de Rn .

Pr. Karmouni Mohammed (UCA) FPS 16 / 40

Exemple
les vecteurs v1 = (0, 1, 1), v2 = (1, 0, 1) et v3 = (1, 1, 0) forment une base de
R3 . Montrons que le système {v1 , v2 , v3 } est libre. Soit une combinaison
linéaire nulle av1 + bv2 + cv3 = 0, nous devons montrer qu’alors les coefficients
a, b, c sont nuls. Ici le vecteur nul est 03 = (0, 0, 0)

av1 + bv2 + cv3 = (0, 0, 0)

⇐⇒ a(0, 1, 1) + b(1, 0, 1) + c (1, 1, 0) = (0, 0, 0)
⇐⇒ (b + c , a + c , a + b) = (0, 0, 0)
 
b + c = 0
 a = 0

⇐⇒ a + c = 0 ⇐⇒ b = 0
 
a+b = 0 c=0
 

Ainsi les coefficients vérifient a = b = c = 0, cela prouve que la famille est

libre, et on a card {v1 , v2 , v3 } = 3. Donc {v1 , v2 , v3 } est une base.
Pr. Karmouni Mohammed (UCA) FPS 17 / 40
Théoréme de la base incomplète
Soit E un s.e.v. de Rn . Si S et T sont deux parties finies de E qui vérifient les
deux propriétés suivantes :
1) S est une partie libre de E.
2) T est une partie génératrice de E.
Alors il existe une base B de E telle que S ⊂ B ⊂ S ∪ T .

Pr. Karmouni Mohammed (UCA) FPS 18 / 40

Sommaire

1 La structure de Rn

2 Systèmes de vecteurs Libres

3 La structure de l’espace euclidien Rn

4 Projecteurs et symétries orthogonaux

Pr. Karmouni Mohammed (UCA) FPS 19 / 40

Produit scalaire

Définition
Soient a = (a1 , a2 , ..., an ) et b = (b1 , b2 , ..., bn ) deux vecteurs de Rn .
1 Le produit scalaire de a et b est la quantité notée < a, b > et défini par
n
< a, b >= ∑ ai bi
i =1

2 La norme de a est la quantité notée kak et défini par :

√
ka k = < a, a >

3 La distance entre a et b est la quantité notée d (a, b) et défini par

d (a, b) = ka − bk

Rn muni du produit scalaire canonique est un espace vectoriel euclidien. On dit

alors que Rn est muni de sa structure vectorielle euclidienne canonique.
Pr. Karmouni Mohammed (UCA) FPS 20 / 40
Exemple : Dans R2 , < (1, 2), (2,√2) >= 6, k(0, 5)k = 5,
d ((1, 2), (−1, 3)) = k(2, −1)k = 5

Pr. Karmouni Mohammed (UCA) FPS 21 / 40

Propriétés
Soient a, b et c ∈ Rn , α ∈ R, alors on a :
1 < a, b >=< b, a >
2 < a + b, c >=< a, c > + < b, c >
3 < a, b + c >=< a, b > + < a, c >
4 < αa, b >=< a, αb >= α < a, b >
5 kak2 =< a, a >> 0, on dit que le produit scalaire est positif.
6 kak2 =< a, a >= 0 =⇒ a = 0.
7 ka + bk2 = kak2 + 2 < a, b > +kbk2
8 ka − bk2 = kak2 − 2 < a, b > +kbk2
9 < a + b, a − b >= kak2 − kbk2
10 < a, b >= 14 (ka + bk2 − ka − bk2 ) (identité de polarisation)
11 | < a, b > | 6 kakkbk (Inégalité de Cauchy Schwartz). L’égalité est vérifié
si et seulement si a et b sont colinéaires.

Pr. Karmouni Mohammed (UCA) FPS 22 / 40

Orthogonalité

Définition
On dit que deux vecteurs a et b de Rn sont orthogonaux si leur produit scalaire
est nul, et on écrit a⊥b.

Exemple :
1) Pour tout a ∈ Rn on a a⊥0.
2) Soient a = (1, −1) et b = (1, 1), a, b ∈ R2 . On a < a, b >= 0, donc a et b
sont orthogonaux.

Proposition : [Théorème de Pythagore]

Deux vecteurs a et b sont orthogonaux si, et seulement si,
ka + bk2 = kak2 + kbk2

Pr. Karmouni Mohammed (UCA) FPS 23 / 40

Définition
Un système de vecteurs (a1 , a2 , ..., an ) est dite orthogonale si et seulement si
< ai , aj >= 0 pour tout i 6= j.

Exemple :
Le système de vecteurs (a1 , a2 , a3 ) de R4 avec a1 = (1, 0, 0, 2),
a2 = (−1, 0, 0, 21 ), a3 = (0, 1, 1, 0) est un système orthogonal de R4 .

Proposition
Soit n ∈ N∗ . Tout système orthogonal formée de vecteurs non nuls de Rn est
libre.

Pr. Karmouni Mohammed (UCA) FPS 24 / 40

Définition
Soit F un s.e.v de Rn . On note F ⊥ = {x ∈ Rn , ∀y ∈ F , x ⊥y } (ensemble des
éléments de E orthogonaux à tout les éléments de F ) F ⊥ est un sous espace
de Rn , appelé l’orthogonal de F .

Théorème/Définition
Soient F et G deux s.e.v de Rn .
F et G sont orthogonaux ⇐⇒ ∀x ∈ F ∀y ∈ G, x ⊥ y ⇐⇒ F ⊂ G⊥ et G ⊂ F ⊥
On note alors F ⊥ G

Pr. Karmouni Mohammed (UCA) FPS 25 / 40

Exemple

Pr. Karmouni Mohammed (UCA) FPS 26 / 40

Définition
Soit B = (a1 , a2 , ..., an ) une base de Rn .
1) B est appelée base orthogonale si (a1 , a2 , ..., an ) est un système orthogonal.
2) B est appelée base orthonormale si B est orthogonale et kai k = 1 pour tout
i = 1, ..., n.

Exemple : La base canonique de Rn est une famille orthonormée.

√
Normer un vecteur non nul x, c’est considérer le vecteur unitaire u = kxx k .
Etant donné un système orthogonal formée de vecteurs non nuls (a1 , a2 , ..., an )
de Rn , on peut facilement construire un système orthonormal en normalisant
les vecteurs ai : ai0 = kaai k Ainsi, le système (a10 , a20 , ..., an0 ) est orthonormal.
i

Pr. Karmouni Mohammed (UCA) FPS 27 / 40

Exemple
le système S = (a1 , a2 , a3 ) avec

1
a1 = (1, 0, 2), a2 = (−1, 0, ), a3 = (0, 1, 0)
2

est une base orthogonale de R3 . En effet, elle est orthogonale puisque

< a1 , a2 >=< a1 , a3 >=< a3 , a2 >= 0

et cardS = 3. Mais S √
n’est pas orthonormale puisque
ka1 k = k(1, 0, 2)k = 5 6= 1.
On peut déduire de B une base orthonormale, il suffit de diviser chacun des
vecteurs par sa norme. Donc, la famille de vecteurs (a10 , a20 , a30 ) où
r
1 4 1
a10 = √ (1, 0, 2), a20 = (−1, 0, ), a30 = a3
5 5 2

est une base orthonormale de R3 .

Pr. Karmouni Mohammed (UCA) FPS 28 / 40
Orthogonalisation de Gram-Schmidt

Théorème
Soient n, r ∈ N∗ . Soit (v1 , v2 , ..., vr ) un système libre de Rn . Alors il existe un
unique système (u1 , u2 , ..., ur ) vérifant :
1) Vect (u1 , u2 , ..., ui ) = Vect (v1 , v2 , ..., vi ) pour tout i = 1, ..., r
2) (u1 , u2 , ..., ur ) est un système orthonormal.
3) < vi , ui >> 0 pour tout i = 1, ..., r .
Le système (u1 , u2 , ..., ur ) est appelé orthonormalisé de Gram-Schmidt de
(v1 , v2 , ..., vr ).
v1
On part de u1 = et on construit les autres vecteurs par la formule de
kv1 k
récurrence de Gram-Schmidt
j
wj + 1
uj +1 = avec wj +1 = vj +1 − ∑ < vj +1 , uq > uq .
kwj +1 k q =1

Pr. Karmouni Mohammed (UCA) FPS 29 / 40

Exemple

1) Dans R2 , orthonormalisons la base B = {(1, 1), (2, 0)}. Posons

r
(1, 1) 1
u1 = = (1, 1)
k(1, 1)k 2

Posons

w2 = (2, 0)− < (2, 0), u1 > u1 = (2, 0) − (1, 1) = (1, −1)
r
w2 1
Soit u2 = = (1, −1)
kw2 k 2
En fin (u1 , u2 ) est l’orthonormalisé de Gram-Schmidt de la base B.

Pr. Karmouni Mohammed (UCA) FPS 30 / 40

2) Dans R3 , orthonormalisons la base B = {(1, 0, 1), (0, 1, −1), (0, 1, 1)}.
Posons r
(1, 0, 1) 1
u1 = = (1, 0, 1)
k(1, 0, 1)k 2
q q
1 1
Posons w2 = (0, 1, −1)− < (0, 1, −1), 2
(1, 0, 1) > 2
(1, 0, 1) =
(0, 1, −1) + ( 21 , 0, 12 ) = ( 12 , 1, − 12 )
r
w2 2 1 1
u2 = = ( , 1, − )
kw2 k 3 2 2
q q
Posons w3 = (0, 1, 1)− < (0, 1, 1), 23 ( 12 , 1, − 12 ) > 23 ( 12 , 1, − 12 )− <
q q
(0, 1, 1), 12 (1, 0, 1) > 12 (1, 0, 1). Alors w3 = 23 (−1, 1, 1) et
√
w3 3
u3 = = (−1, 1, 1)
kw3 k 3
Donc l’orthonormalisée de Gram-Schmidt de la base B est le système
(u1 , u2 , u3 ).

Pr. Karmouni Mohammed (UCA) FPS 31 / 40

Sommaire

1 La structure de Rn

2 Systèmes de vecteurs Libres

3 La structure de l’espace euclidien Rn

4 Projecteurs et symétries orthogonaux

Pr. Karmouni Mohammed (UCA) FPS 32 / 40

Soient E et F deux s.e.v de Rn . On appelle somme de E et F , l’ensemble
E + F défini par
E + F = {a + b , a ∈ E , b ∈ F }

Définition
Soient E et F deux s.e.v de Rn .
On dit que la somme de E et F est directe si ∀a ∈ E + F , il existe d’une façon
unique aE ∈ E et aF ∈ F tel que a = aE + aF , dans ce cas :
1 E + F est noté aussi E ⊕ F
2 E ⊕ F est appelé somme directe de E et F
3 ∀a ∈ E + F

aE est appelé la projection de a sur E parallélement à F ;
aF est appelé la projection de a sur F parallélement à E.

4 Si G est un s.e.v de Rn et E ⊕ F = G, on dit que E et F sont

supplémentaires dans G ou E est un supplémentaire de F dans G
5 Si E et F sont supplémentaires dans Rn , on dit aussi que E et F son
supplémentaires.
Pr. Karmouni Mohammed (UCA) FPS 33 / 40
Proposition
E + F = Rn ;

n
E ⊕ F = R ⇐⇒
E ∩ F = {0n }.

Propriétés
Soient E et F deux s.e.v. de Rn . Si B est une base de E est B 0 est une base de
F alors :
B ∩ B 0 = 0/ ;

La somme de E et F est directe ⇐⇒
B ∪ B 0 est libre .
0
Dans ce cas B ∪ B est une base de E ⊕ F .

Soit E un sous espace vectoriel de Rn . Alors E admet au moins un

suplementaire dans Rn .

Proposition
Soit F un s.e.v de Rn , alors Rn = F ⊕ F ⊥

F = (F ⊥ )⊥
Pr. Karmouni Mohammed (UCA) FPS 34 / 40
Proposition
Soient E et F deux sous espaces vectoriels de Rn . Alors

dim(E + F ) = dimE + dimF − dim(E ∩ F ) 6 dimE + dimF .

Si en plus la somme de E et F est directe alors

dim(E ⊕ F ) = dimE + dimF .

Pr. Karmouni Mohammed (UCA) FPS 35 / 40

Définition
Soit F un sous-espace vectoriel de Rn . Alors on appelle projection orthogonale
sur F la projection sur F parallèlement à son supplémentaire orthogonal.

Pour x ∈ Rn , p le projecteur orthogonal sur F , alors p(x ) est appelé la

projection orthogonale de x sur F .

Pr. Karmouni Mohammed (UCA) FPS 36 / 40

Ainsi, p(x ) est l’unique élément de F tel que x s’écrive : x = p(x ) + u, avec
u ∈ F ⊥ . (car Rn = F ⊕ F ⊥ , et x ∈ Rn , p(x ) ∈ F ).
Autrement dit, p(x ) est l’unique élément de F tel que x − p(x ) ∈ F ⊥ . Ainsi,
pour 
n y ∈F;
y ∈ R , y = p(x ) ⇐⇒
x − y ∈ F ⊥.

Remarque
Soit F un sous-espace de Rn . Si BF = {b1 , ..., bd } est une base orthonormée
de F, et si pF est la projection orthogonale sur F , alors

d
∀x ∈ Rn , pF (x ) = ∑ < bj , x > bj .
j =1

Pr. Karmouni Mohammed (UCA) FPS 37 / 40

Théorème
Soit F un s.e.v de Rn , soit p le projecteur orthogonal sur F , soit x0 ∈ E. Alors
p(x0 ) est l’unique élément de F tel que

d (x0 , F ) = kx0 − p(x0 )k

Soient F et G deux sous-espaces vectoriels supplémentaires de E. Pour tout

x ∈ E, il existe un unique couple (a, b) ∈ F × G vérifiant x = a + b. Posons
s(x ) = a − b, on définit ainsi une application s(x ) : E −→ E. s est appelée
symétrie (vectorielle) par rapport à F

Pr. Karmouni Mohammed (UCA) FPS 38 / 40

Définition
Soit F un sous-espace vectoriel de Rn . Alors on appelle symétrie orthogonale
par rapport à F l’application

s : E = F ⊕ F ⊥ −→ E

x = x 0 + x 00 −→ x 0 − x 00

Pr. Karmouni Mohammed (UCA) FPS 39 / 40

Proposition
Soit f une symétrie sur Rn . On a l’équivalence suivante :

f est une symétrie orthogonale ⇐⇒ ∀x ∈ Rn k f (x ) k=k x k

De plus :

f (x ) = 2p(x ) − x, où p(x ) est la projection orthogonale sur F .

Pr. Karmouni Mohammed (UCA) FPS 40 / 40