Algèbre 4 - Cours 3

Orthogonalité (suite)

Printemps 2023

Table des matières

6 Symétries orthogonales 1

7 Angles dans un espace euclidien 3

8 Rappels (espace dual E ∗ ) 3

9 Equations d’un hyperplan 4

10 Dualité dans un espace euclidien 5

6 Symétries orthogonales
Soit (E, ⟨·, ·⟩) un espace euclidien de dimension n et B une base orthonormée de E.
Définition 6.1. Soit F un sous-espace de E. La symétrie orthogonale par rapport à F est l’appli-
cation s : E → E qui à tout x ∈ E, qui se décompose de manière unique comme x = xF + y avec
xF ∈ F et y ∈ F ⊥ , associe s(x) = xF − y. Si F est une droite, on dit que s est un retournement.
Si F est un hyperplan (c’est-à-dire un sous-espace de dimension dim E − 1), on dit que c’est une
réflexion.
Proposition 6.2. Soit F un sous-espace de E. On note s la symétrie orthogonale par rapport à
F et p la projection orthogonale sur F .
1. Pour tout x ∈ F , on a s(x) = x et pour tout x ∈ F ⊥ , on a s(x) = −x.
2. s ◦ s = Id, en particulier s est bijective.
3. s = 2p − Id.
4. Soit k = dim F . Si B ′ = (B1 , B2 ) est une base de E telle que B1 soit une base de F et B2
une base de F ⊥ , alors la matrice de s dans B ′ est
 
Ik 0
S= ∈ Mn (R),
0 −In−k

5. La matrice S de s dans la base B est symétrique et vérifie S 2 = In .

6. Réciproquement, toute matrice symétrique S vérifiant S 2 = In est la matrice (dans la base
B) d’une symétrie orthogonale.
Démonstration. Soit x ∈ E. On écrit x = xF + y avec xF ∈ F et y ∈ F ⊥ .
1. Immédiat par définition de s.
2. On a s(x) = xF − y et s(s(x)) = s(xF − y) = xF + y = x.

1
 3. Par définition de p on a 2p(x) − x = 2xF − (xF + y) = xF − y = s(x).
4. Pour tout élément f de B1 on a s(f ) = f et pour tout f ∈ B2 on a s(f ) = −f . On en déduit
que MB′ (s) a bien la forme attendue.
5. Soit P la matrice de p dans la base B. On a vu que P était symétrique. Donc

S = 2P − In

est aussi symétrique.

6. Soit S ∈ Mn (R) symétrique telle que S 2 = In . On pose P = (S + In )/2. On vérifie que P est
symétrique et vérifie P 2 = P . Donc c’est la matrice (dans B) d’une projection orthogonale
p sur un certain sous-espace F . Alors s := 2p − Id est la symétrie orthogonale par rapport à
F et sa matrice dans B est bien S.

Corollaire 6.3. Soit F un sous-espace de dimension m et s la symétrie orthogonale par rapport

à F . Alors det(s) = (−1)n−m et Tr(s) = 2m − n.
Exemple(s). E = R2 muni du produit scalaire usuel. Soit F la droite d’équation y = 3x. Dé-
terminez les matrices de la projection orthogonale p sur F et de la symétrie orthogonale s par
rapport à F (dans la base canonique).
Solution. Un vecteur directeur de F est a = (1, 3). On note A la matrice-colonne associée. Soit P
la matrice de p et S la matrice de s. D’après le cours on a

At A
   
1 1
1 1 3
P =t = 1 3 = .
AA 1×1+3×3 3 10 3 9

Puisque s = 2p − Id on en déduit
     
1 1 3 1 0 1 −4 3
S = 2P − I2 = − = .
5 3 9 0 1 5 3 4

Deuxième méthode. On fait le calcul dans la base B ′ = {(1, 3), (3, −1)}. On a
| {z }
∈F ⊥
   
1 0 1 0
MB′ (p) = et MB′ (s) = .
0 0 0 −1

On calcule ensuite la matrice de passage Q de B à B ′ . On a

     
1 3 −1 1 −1 −3 1 1 3
Q= et Q = = .
3 −1 det Q −3 1 10 3 −1

On en déduit ensuite que

P = Q−1 MB′ (p)Q et S = Q−1 MB′ (s)Q.

 
a b
Rappel. Soit M = une matrice inversible. Alors
c d
   
−1 1 d −b 1 d −b
M = = .
det M −c a ad − bc −c a

2
7 Angles dans un espace euclidien
Supposons que E = R2 muni du produit scalaire usuel ⟨·, ·⟩. Soit u, v ∈ R2 non nuls et θ ∈ [0, π]
l’angle entre u et v.

v b a

θ
B
u c
A

Il est connu que θ vérifie

⟨u, v⟩ = cos θ∥u∥∥v∥. (7.1)
On peut facilement démontrer cette formule à l’aide de la loi des cosinus (théorème d’Al-Kashi) :
a2 = b2 + c2 − 2bc cos θ, et en développant a2 = ∥u − v∥2 = ∥u∥2 − 2⟨u, v⟩ + ∥v∥2 .
Eq. (7.1) est encore valable dans Rn muni du produit scalaire usuel puisqu’on se ramène à
travailler dans le plan Vect(u, v). On va maintenant se servir de cette formule pour définir la
notion d’angle dans un espace euclidien abstrait.
Définition 7.1. Soit (E, ⟨·, ·⟩) un espace euclidien et ∥ · ∥ la norme associée. Etant donnés u, v ∈
E \ {0}, on définit l’angle entre u et v comme étant l’unique θ ∈ [0, π] vérifiant

⟨u, v⟩
cos(θ) = .
∥u∥∥v∥

Remarques.
◦ Par l’inégalité de Cauchy-Schwarz on a ⟨u, v⟩/(∥u∥∥v∥) ∈ [−1, 1], donc θ est bien défini (et
unique car cos : [0, π] → [−1, 1] est bijective).
◦ Attention, la notion d’angle dépend du choix du produit scalaire ! (comme on a vu que la
notion d’orthogonalité dépendait du choix du produit scalaire).
◦ Avec cette définition on a bien que u ⊥ v ⇔ θ = π/2 (et on en déduit facilement le théorème
de Pythagore).

8 Rappels (espace dual E ∗ )

Dans cette partie K désigne un corps (typiquement R ou C) et E un K espace vectoriel de
dimension finie n.
Définition 8.1. On note L(E) := L(E, E) (parfois aussi noté End(E)) l’espace des endomor-
phismes de E. On note E ∗ := L(E, K) l’espace des formes linéaires sur E.

Exemples. (de formes linéaires)

◦ E = Rn . La fonction i-ème coordonnées (x1 , . . . , xn ) 7→ xi est une forme linéaire sur E.
◦ E = F(R, R) espace des fonctions réelles définies sur R et soit a ∈ R. Alors l’application
f 7→ f (a) est une forme linéaire sur E (évaluation en a).

3
 ◦ E = Mn (R) (matrices carrées de taille n à coefficients dans R). Alors M 7→ Tr(M ) est une
forme linéaire sur E.
◦ E = C 1 (R, R). L’application f 7→ f ′ (0) est une forme linéaire.

Proposition 8.2. Soit (e1 , . . . , en ) une base de E. On définit e∗i ∈ E ∗ par la formule

1 si i = j
e∗i (ej ) = δij := ,
0 sinon

(δij est appelé symbole de Kronecker). Alors (e∗1 , . . . , e∗n ) est une base de E ∗ appelée base duale de
(e1 , . . . , en ). En particulier, E et E ∗ sont isomorphes et dim E ∗ = dim E.

Remarque. e∗i est la forme linéaire qui associe à un point x ∈ E sa i-ème coordonnée dans la base
(e1 , . . . , en ).
Démonstration. Montrons que (e∗1 , . . . , e∗n ) est une base de E ∗ .
Libre. Soit λ1 , . . . , λn ∈ K tels que λ1 e∗1 + · · · + λn e∗n = 0. On évalue en ej pour j = 1, . . . , n,
ce qui donne
Xn
0= λi × e∗i (ej ) = λj .
i=1
| {z }
= 0 si i ̸= j

Donc (e∗1 , . . . , e∗n ) est bien libre.

Génératrice. Soit f ∈ E ∗ . On pose
n
X
g=f− f (ei ) e∗i ∈ E ∗ .
| {z }
i=1
∈K

Alors pour j = 1, . . . , n on a
n
X
g(ej ) = f (ej ) − f (ei ) × e∗i (ej ) = f (ej ) − f (ej ) = 0,
i=1
| {z }
= 0 si i ̸= j
Pn
donc g = 0, ou encore f = i=1 f (ei )e∗i .
Remarque. Attention, en dimension infinie E ∗ est toujours “plus grand” que E (c’est-à-dire qu’il
n’existe pas d’application linéaire surjective E → E ∗ ).

9 Equations d’un hyperplan

Soit (E, ⟨·, ·⟩) un espace euclidien de dimension n.
Définition 9.1. On appelle hyperplan de E tout sous-espace de dimension n − 1. On appelle
vecteur normal à un hyperplan H de E tout vecteur non nul orthogonal à H.

Notation. Soit a ∈ E \ {0}. On note φa : E → R la forme linéaire définie par φa (x) = ⟨a, x⟩.
Proposition 9.2. Soit a ∈ E \ {0}. Alors ker(φa ) = {a}⊥ est un hyperplan de E.
Démonstration. Pour tout x ∈ E, on a x ∈ ker(φa ) ⇔ φa (x) = 0 ⇔ ⟨a, x⟩ = 0 ⇔ x ⊥ a. De plus,
dim(Vect(a)⊥ ) = dim E − dim Vect(a) = n − 1, donc c’est un hyperplan de E.

Proposition 9.3. Soient B une base orthonormée de E, H un hyperplan et a ∈ E \ {0} de

coordonnées (a1 , . . . , an ) dans B. S’équivalent

4
 (i) H admet pour équation dans B :

a1 x1 + · · · + an xn = 0.

(ii) a est un vecteur normal à H.

(iii) H = ker φa .
Démonstration. (iii) ⇔ (i). Soit x = (x1 , . . . , xn ) (dans B). On note H l’ensemble des x vérifiant
a1 x1 + · · · + an xn = 0. Alors puisque B est orthonormée, on a

φa (x) = ⟨a, x⟩ = a1 x1 + · · · + an xn ,

donc (x ∈ ker φa ) ⇔ (φa (x) = 0) ⇔ (a1 x1 + · · · + an xn = 0) ⇔ x ∈ H.

(ii) ⇒ (iii). Si a ⊥ H, alors pour tout x = (x1 , . . . , xn ) dans H on a 0 = ⟨a, x⟩ = φa (x), donc
x ∈ ker φa . D’où H ⊆ ker φa . Et comme dim H = n−1 = dim φa (le noyau d’une forme linéaire non
nulle est toujours un hyperplan en vertu du théorème du rang : dim ker(f ) + dim Im(f ) = dim E),
on déduit que H = ker φa .
(iii) ⇒ (ii). Supposons H = ker φa . Alors pour tout x ∈ H on a ⟨a, x⟩ = φa (x) = 0, donc
a ⊥ H.
Exemple. Dans E = R3 , soit a = (1, 2, −1). Le plan orthogonal à a a pour équation

x + 2y − z = 0.

10 Dualité dans un espace euclidien

Soit (E, ⟨·, ·⟩) un espace euclidien de dimension n. Le résultat suivant est à retenir car très utile
(notamment pour définir des objets tels l’adjoint ou le produit mixte).
Théorème 10.1. (Représentation) L’application E → E ∗ définie par a 7→ φa = ⟨a, ·⟩ est un
isomorphisme d’espace vectoriel. En particulier, pour toute forme linéaire f sur E il existe un
unique a ∈ E tel que f = φa .
Démonstration.
Première méthode.
Unicité. Supposons qu’il existe a, b ∈ E tels que φa = φb . Alors pour tout x ∈ E on a

⟨a, x⟩ = ⟨b, x⟩ c’est-à-dire ⟨a − b, x⟩ = 0.

Donc a − b ∈ E ⊥ = {0}, d’où a = b.

Existence. Si f = 0 il suffit de prendre a = 0. Si f ̸= 0, alors H = ker f est un hyperplan
de E. C’est aussi le noyau de la forme linéaire φa , où a est un vecteur normal à H. On pose
λ = f (a)/⟨a, a⟩ et g = f − λφa . Alors g est une forme linéaire dont le noyau contient H. De
plus, par choix de λ on a g(a) = 0, donc ker g contient H + Ra = E, c’est-à-dire g = 0. D’où
f = λφa = φλa .

Deuxième méthode (abstraite).

L’application Φ : E → E ∗ définie par Φ(a) = φa est une application R-linéaire.
◦ Φ est injective car φa = 0 implique en particulier φa (a) = ⟨a, a⟩ = 0, donc a = 0.
◦ Par ailleurs dim E = dim E ∗ , donc Φ est un isomorphisme. Donc toute forme linéaire s’écrit
de manière unique sous la forme φa .