UNIVERSITÉ DE N’DJAMENA FACULTÉ DES SCIENCES

FSEA

Géométrie affine et euclidienne

Mars 2025
Géométrie affine et euclidienne

Laurent Djerassem

www.cloudschool.com

[email protected]
Table des matières

Table des matières 1

1 Géométrie affine 2
1.1 Préliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Action d’un groupe sur un ensemble . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Rappel sur les espaces vectoriels de dimension finie . . . . . . . . . . . . . . . . 2
1.1.3 Espace affine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.4 Quelques exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.5 Barycentre en géométrie affine . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.6 Lignes et surfaces de niveau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Applications affines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Les transformations simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2 Les isométries vectorielles 7

2.1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1 Les formes bilinéaires symétriques . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.2 Angles orientés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Classification des isométries vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1 Les isométries positives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1.1 Cas du plan : dim(E) = 2 . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2.1.2 Cas où dim(E) = 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2.2 Les isométries négatives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

3 Isométries affines 10
3.0.3 Les déplacements . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.0.3.1 Cas du plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
3.0.3.2 Cas de l’espace tridimensionnel . . . . . . . . . . . . . . . . . . . . . . 10

1
Chapitre 1

Géométrie affine

1.1 Préliminaires
1.1.1 Action d’un groupe sur un ensemble
On suppose ici pré requise la notion de groupe symétrique.

Définition 1.1.1. – Soient G un groupe et E un ensemble. On appelle action de G à gauche sur E

ou encore que le groupe G opère à gauche sur E, la donnée d’un homomorphisme

ρ : G → ΣE (1.1)

où ΣE désigne le groupe des bijections de E sur lui-même, appelé le groupe symétrique ou groupe de
permutations de E.
– Cet homomorphisme est défini par
ρ(gg 0 ) = ρ(g) ◦ ρ(g 0 )
pour tout g ∈ G et pour tout g 0 ∈ G.
– On dit que cette action est fidèle lorsque ρ est injectif.

1.1.2 Rappel sur les espaces vectoriels de dimension finie

Dans tout ce chapitre, K désigne un corps commutatif et A représente un anneau également commutatif
pour des raisons simplificatrices.

Définition 1.1.2. Soit A un anneau. On dit qu’un triplet (M, +, .) ou simplement M est un A- module
si les conditions suivantes sont vérifiées :
1. L’ensemble (M, +) est muni d’une opération binaire fondamentale notée + qui lui confère une
structure de groupe abélien.
2. Il existe une loi externe sur M notée multiplicativement, à domaine d’opérateurs A, tel que :
– ∀α ∈ A ∀(x, y) ∈ M 2 α(x + y) = αx + αy ;
– ∀(α, β) ∈ A2 ∀x ∈ M (α + β)x = αx + βx ;
– ∀(α, β) ∈ A2 ∀x ∈ M α(βx) = (αβ)x ;
– ∀x ∈ M 1x = x où 1 est l’élément neutre pour la multiplication de A.

Exemple 1.1.1. Soit G un groupe abélien. On définit loi externe à opérateurs Z par

2
 Préliminaires

(n, x) ∈ Z × G 7→ nx ∈ G.

On vérifie aisément que G est un Z-module.

Définition 1.1.3. On appelle K-espace vectoriel tout module sur un corps commutatif K.

Exemple 1.1.2. L’ensemble E = {(X, Y ) ∈ R2 | X +Y = 0} est un espace vectoriel réel de dimension

1, c’est-à-dire une droite vectorielle engendrée par le vecteur v = e1 − e2 fourni dans la base canonique
{e1 , e2 }.

Définition 1.1.4. On appelle sous-module d’un A-module (M, +, .) tout A-module de la forme (M 0 , +, .),
où M 0 est une partie non vide de M stable pour les lois + et ., munie des lois induites. On dira que M 0
est un sous-module de M . Les sous-modules d’un espace vectoriel sont appelés sous-espaces vectoriels.

Exemple 1.1.3. 1. Soit M un A-module, alors {0M } et M sont les sous-modules de M .

2. soit S 4 G un sous-groupe d’un groupe abélien G. Alors S est un Z-sous-module de G.

Définition 1.1.5. Soient (E, +, .) un K-espace vectoriel, et F ⊂ E un sous-ensemble de E. On dit

que F est un sous-espace vectoriel de E si (F, +, .) est un espace vectoriel pour la restriction à F des
lois + et . de E.

Proposition 1.1.1. Soit F ⊂ E. F est un sous-espace vectoriel de E si, et seulement si :

1. 0E ∈ F ;
2. ∀(u, v) ∈ F 2 u + v ∈ F ;
3. ∀λ ∈ K, ∀u ∈ F , λ.u ∈ F .

1.1.3 Espace affine

La notion d’espace affine abordée ici sera toujours accompagnée d’un espace vectoriel appelé direction
de cet espace affine. On a la définition suivante.

Définition 1.1.6. soit K un corps commutatif. Un espace affine sur k est un ensemble de n-uples
appelés points. Il est noté Ank :

AnK = {x = (x1 , x2 , ..., xn ) | xi ∈ K, i = 1, 2, ..., n}

Le nombre n est appelé dimension.

Définition 1.1.7. (variété affine) de Soit A un espace affine. Une partie non vide V de A est appelée
variété linéaire affine ou sous-espace affine si elle contient toutes les combinaisons affines de ses
éléments.

1.1.4 Quelques exemples

Exemple 1.1.4.
On prend le plan usuel A = A2R = R2 , et on pose
 
V = (x, y) ∈ R2 : x + 3y = 1 est une variété affine c’est-à-dire une droite affine.

3
 Préliminaires

Les ensembles R3 , C2 sont des espaces affines de dimensions 3 et 2 sur R respectivement.


Exemple 1.1.5. On note U = Rn l’ensemble des suites numériques réelles, et U (0) = (un )n∈N ⊂ U

convergentes vers 0 munis des lois

(un )n∈N +U (vn )n∈N = (un +R vn )n∈N

et λ.U (un )n∈N = (λ.R un )n∈N

sont des R-espaces vectoriels.

Exercice : l’ensemble des suites numériques réelles convergentes vers 1 est-il un espace vectoriel ?

Définition 1.1.8. (Application linéaire)

1. Soient E et F deux k-espaces vectoriels. Une application f : E → F est dite k-linéaire (ou
linéaire s’il n’y a aucune ambigüité) si elle vérifie
∀α, β ∈ k, ∀x, y ∈ E f (αx + βy) = αf (x) + βf (y). Si F = k, on dit que f est une forme linéaire
sur E.
2. On appelle noyau de f et l’on note kerf l’ensemble
kerf = {x ∈ E, f (x) = 0F }

Définition 1.1.9. On suppose que E est un espace vectoriel de dimension finie n. Un sous-espace H
de E est appelé hyperplan s’il est le noyau d’une forme linéaire sur E.

1.1.5 Barycentre en géométrie affine

 
Définition 1.1.10. Soit S = { A1 , α1 ), (A2 , α2 ), ..., (An , αn ) un système de points pondérés de l’es-
pace affine Am
K, i.e à chaque point Ai est associé un nombre scalaire αi ∈ K, appelé masse.

Définition 1.1.11. (Fonction vectorielle de Leibniz) Soit E une espace affine attaché à un K-espace
vectoriel
 E. On appelle fonction vectorielle de Leibniz la donnée d’un système de points pondérés
S = (Ai , αi ), 1 ≤ i ≤ n , et d’une application ϕ : E −→ E défini par

Pn −−−→
ϕ(M ) = i=1 αi M Ai .

Théorème 1.1.1. Soit ϕ une fonction vectorielle de Leibniz associée au système S = (Ai , αi ), 1 ≤

Pn
i ≤ n . La fonction ϕ est bijective lorsque i=1 αi 6= 0.

Démonstration. Soit M , M 0 deux points de E tels que ϕ(M ) = ϕ(M 0 ). On a en utilisant les identités
−−−→ P −−→ P −−→ −−−→ P −−−→ P −−→
suivantes ni=1 αi M Ai = αi M O + αi OAi et ni=1 αi M 0 Ai = αi M 0 O + αi OAi , où O est un
P P
P −−→ P − −−→
point quelconque. Ce qui permet d’écrire αi M O = αi M 0 O =⇒ M = M 0 , d’où l’injectivité de ϕ.
Par ailleurs ϕ est évidement surjective car pour un vecteur →
−
v quelconque de E, son antécédent par ϕ
est le point M déterminé par la relation
−−→ →
−−→ αi OAi −−
P
v
OM = P
αi
.

4
 Préliminaires

Définition 1.1.12. (Fonction scalaire de Leibniz) Soit E une espace affine attaché à un K-espace
vectoriel E. On appelle
  fonction scalaire de Leibniz la donnée d’un système de points pondérés S =
(Ai , αi ), 1 ≤ i ≤ n , et d’une application f : E −→ K défini par

Pn −−−→2
f (M ) = i=1 αi M Ai

1.1.6 Lignes et surfaces de niveau

On suppose ici E de dimension 2 ou 3.

Position du problème
Soit k ∈ K un scalaire. On cherche à déterminer le lieu des points Ek tels que f (M ) = k.

Proposition 1.1.2. Cf. Cours en présentiel pour la démonstration.

αi 6= 0. Si n = 2, alors Ek est soit vide, soit réduit à un point, soit un cercle. Si
P
1. On suppose
n = 3, alors Ek est soit vide, soit réduit à un point, soit une sphère.
αi = 0, alors Ek est une droite lorsque E est un plan. Si n = 3, alors Ek est un plan.
P
2. Si

1.2 Applications affines

Soit n un entier positif. On sait qu’un espace affine E de dimension n est toujours associé à un espace
vectoriel E qui est appelé sa direction. Il en est de même pour une application affine de E qui sera
associé à un endomorphisme de E.

Définition 1.2.1. Soit E un espace affine de dimension n et f une application de E dans lui-même.
On dit que f est une application affine s’il existe un endomorphisme ϕ de E tel que
−−−−−−−→ −−→
f (M )f (N ) = ϕ(M N )
−−−−−−−→
∀M, N ∈ E. En particulier on aura f (O)f (M ) = ϕ(OM ), soit

f (M ) = f (O) + ϕ(OM ) = O0 + ϕ(OM )

où O0 représente l’image du point O par f .

Théorème 1.2.1. Admis

Soit E un espace affine de dimension n, et V un sous-espace affine de E. Soit f : E −→ E une
application affine. Alors on a

dimf (V) = dimV − dim(V ∩ Kerϕ)

où V représente la direction de V et ϕ désigne l’endomorphisme associé à f .

Remarque 1.2.1. Soit E un espace affine de dimension n, associé à un espace vecoriel E. L’ensemble
des applications affines muni de la loi de composition des applications est un groupe appelé groupe
affine et noté Af f (E).

5
 Préliminaires

1.2.1 Les transformations simples

ce sont les transformations affines usuelles telles que les translations, les homothéties, les affinités, les
projections affines, les symétries affines déjà vues en présentiel, mais je les résume ci-dessous.
1. Les translations sont des applications affines dont l’endomorphisme associé est l’application li-
néaire identité. une translation de vecteur non nul n’admet aucun point invariants.
2. Une homothétie affine de centre Ω et de rapport k d’un espace E est une application affine
vérifiant
−−→0 −−→
ΩM = k ΩM

L’endomorphisme associé est une homothétie vectorielle dont la matrice associée par rapport à
une base canonique est kId.
3. p : E −→ E est une projection affine de E sur E1 parallèlement à E2 lorsque :
a) E = E1 ⊕ E2
b) E2 = Kerϕ, Inv(p) = E1 , où Inv(p) représente l’ensemble des points invariants par p.
E1 est appelé la base de la projection et E2 est la direction.
4. s : E −→ E est une symétrie affine par rapport à E1 parallèlement à E2 lorsque :
E = E1 ⊕ E2 , E1 = Inv(s) et E2 = {→ −
v ∈ E : s(→
−v ) = −→−v }.
5. Si k est un réel non nul, E étant un espace affine de direction E = E1 + ⊕E2 , on appelle affinité
de base E1 parallèlement à E2 , l’application affine de E dans lui-même qui à un point M ∈ E fait
correspondre le point M 0 tel que
−−−−→0 −−−→
M 1 M = k M1 M

où M1 est l’image du point M par la projection de E sur E1 de direction E2 .

6
Chapitre 2

Les isométries vectorielles

Avant d’entamer les isométries vectorielles qui ne sont autres que des endomorphismes d’espaces vecto-
riels qui conservent la norme, on introduit d’abord la notion du produit scalaire,ainsi que l’orientation
des angles.

2.1 Produit scalaire

2.1.1 Les formes bilinéaires symétriques
Définition 2.1.1. Soit E un espace vectoriel réel. On dit qu’une application f : E × E −→ R est une
forme bilinéaire symétrique (FBS) sur E si elle vérifie :
1. ∀y ∈ E, l’application x 7→ fy (x) est linéaire.
2. ∀x ∈ E, l’application y 7→ fx (y) est linéaire.
3. f (x, y) = f (y, x) ∀x, y ∈ E

Définition 2.1.2. – Une forme bilinéaire symétrique f sur E est dite non dégénérée si pour tout
vecteur non nul u ∈ E, il existe un vecteur v ∈ E tel que f (u, v) 6= 0.
– Une Forme Bilinéaire Symétrique (FBS) f sur E est dite définie positive si pour tout u 6= 0 f (u, u) >
0, et si f (u, u) = 0 alors u = 0.
– Un produit scalaire est une FBS définie positive ; il sera noté (x, y) ou < x, y > au lieu de f (x, y).
– Un espace vectoriel E muni d’un produit scalaire est appelé espace vectoriel euclidien.
– Si E est un espace affine associé à un espace vectoriel euclidien E, on dit que E est un espace affine
euclidien.

Définition 2.1.3. (Orthogonalité)

1. Soit u ∈ E un vecteur de E. Soit v en autre vecteur. On dit que v est orthogonal à u si f (u, v) = 0.
2. Soit F un sous-espace vectoriel de E. L’ensemble de tous les vecteurs de E qui sont orthogonaux
à tous les vecteurs de E, est noté F ⊥ . On l’appelle l’orthogonal de F .

Proposition 2.1.1. Soit E un espace vectoriel euclidien. Soit F un sosu-espace vectoriel de E. Alors
F ⊕ F⊥ = E

7
 CHAPITRE 2. LES ISOMÉTRIES VECTORIELLES

2.1.2 Angles orientés

Soit En un espace affine euclidien de dimension n = 2, pu 3.
1. On suppose que dimE = 2. On dit que le plan E2 est orienté s’il existe un sens conventionel
de mesure des angles comptés positivement dans le sens inverse des aiguilles d’une montre. Un
→
− →−
repère (O; i , j ) de E est orthonormé direct lorsque
→
− →
− →
− → −
|| i || = || j || = 1 et mes( i , j ) = + π2 .
→
− → − → − →
− →− → −
2. Si n = 3, on note ( i , j , k ) une base de E, et (O; i , j , k ) le repère de E. On dit que le repère
→
− → − →−
(O; i , j , k ) est orienté lorsqu’il respecte la règle du bonhomme d’Ampère. Cette règle est la
suivante :
→
−
Le bonhomme d’Ampère ”placé” sur un des vecteurs du repère par exemple i , s’il regarde le
→
− →
− →
− → − →
−
vecteur suivant j , alors sa main gauche indique le vecteur k . Dans ce cas on a i ∧ j = k ,
− →
→ − − →
→ − → − →
− →
− → − →−
j ∧ k = i , k ∧ i = j . On dit alors que ( i , j , k ) est une base directe.

2.2 Classification des isométries vectorielles

On donne d’abord la définition d’une isométrie vectorielle sur un espace euclidien.

Définition 2.2.1. Soit E un espace vectoriel euclidien de dimension n. Une isométrie de E est un
endomorphisme ϕ de E, qui conserve la norme ou encore le produit scalaire de E i.e

||→
−
u || = ||ϕ(→
−
u )|| ∀u ∈ E.

ou encore

< ϕ(→
−
u ), ϕ(→
−
v ) >=< →
−
u,→
−
v > ∀(→
−
u,→
−
v ) ∈ E2.

L’ensemble des isométries de E est noté On . On les appelle les transformations orthogonales. On
distingue deux types d’isométries selon la conservation de l’orientation des angles.

2.2.1 Les isométries positives

Définition 2.2.2. Soit E un espace euclidien de dimension n. Une isométrie ϕ : E → E est dite
positive si elle conserve l’orientation des angles, autrement dit elle transforme une base orthonormée
directe en une base orthonormée dircte. L’ensemble des isométries positves est désigné par On+ (E) ou
On+ simplement.

On va se liter aux cas où n = 2 et n = 3.

2.2.1.1 Cas du plan : dim(E) = 2

Les isométries positives de E sont :

– Les applications IdE et −IdE
– Les rotations vectorielles d’angle
! θ non nul, dont les matrices par rapport à une base orthonormée
cosθ −sinθ
sont de la forme .
sinθ cosθ

8
 CHAPITRE 2. LES ISOMÉTRIES VECTORIELLES

2.2.1.2 Cas où dim(E) = 3

Dans l’espace tridimensionnel E, on distingue :

– Les rotations vectorielles de E qui laissent invariantes les droites vectorielles de E. Ce sont les
rotations d’angle non nul.
– L’application IdE appelée identité de E qui est une rotation d’angle nul.

2.2.2 Les isométries négatives

– Les reflexions vectotorielles qui sont des symétries vectorielles par rapport aux plans vectoriels de
E.
– −IdE qui est un endomorphisme qui transforme les vecteurs en leurs opposés ; c’est une homothétie
vectorielle de rapport −1.

9
Chapitre 3

Isométries affines

Cette notion à ne pas confondre avec les isométries vectorielles vues dans le chapitre précédent, sont
des transformations de l’espace affine euclidien et dont les endomorphismes associés sont des isométries
vectorielles. Dans tout le contenu de ce chapitre E désigne un espace affine euclidien associé à un espace
vectoriel E de dimension n = 2 ou 3.

Définition 3.0.3. Soit E un espace affine euclidien. On dit qu’une application f : E → E est une
isométrie si elle conserve la distance, i.e

d(f (M ), f (N )) = d(M, N ) ∀M, N ∈ E.

On distingue deux types d’isométries : les isométries positives de E appelées déplacements et les iso-
métries négatives de E appelées antidéplacement.

3.0.3 Les déplacements

3.0.3.1 Cas du plan

On distingue
1. Les translations de vecteur nul : Les endomormorphismes associés aux translations sont les
identités de E. Une translation de vecteur nul peut être vue comme une rotation d’angle nul et
de centre quelconque ; c’est un déplacement.
2. une translation de vecteur non nul n’admet aucun point invariant, c’est aussi un déplacement.
3. Une transformation affine du plan qui laisse fixe un unique point Ω est une rotation de centre Ω
et d’angle non nul θ ; c’est un déplacement.

3.0.3.2 Cas de l’espace tridimensionnel

On les classe selon l’ensemble des points invariants. Soit f : E → E une isométrie de l’espace euclidien
E. On note If l’ensemble des points invariants par f .

1. Si If = D, où D es une droite de E, f est une rotation afine d’axe D et d’angle θ. L’endomorphisme
→
−
associé est une rotation vectorielle de E et d’axe D qui est la droite vectorielle comme direction
de D.

10
 CHAPITRE 3. ISOMÉTRIES AFFINES

2. On suppose que If = ∅, alors f est soit une translation de vecteur non nul, soit un vissage si
l’endomorphisme associé est une isométrie positive.
Un vissage ou déplacement hélicoidal peut être décomposé en le produit commutatif d’une rota-
tion d’axe D et d’une translation de vecteur non nul → −
u appartenant à la direction de la droite
affine D :

11