Dans cet article, on va voir ce que sont précisément des isométries linéaires, quelles sont leurs propriétés essentielles, comment les reconnaître à l’aide de leur matrice et pourquoi elles sont si importantes dans les raisonnements de concours.
Introduction
En ECG, les endomorphismes occupent une place centrale, mais certains d’entre eux méritent une attention particulière : ceux qui préservent la géométrie de l’espace. C’est exactement le cas des isométries linéaires. Derrière ce nom un peu technique se cache une idée très simple : une application linéaire qui conserve les longueurs, donc aussi les angles, les produits scalaires et, plus largement, toute la structure euclidienne de l’espace.
Autrement dit, une isométrie linéaire transforme l’espace sans le déformer. Elle peut faire tourner, symétriser, éventuellement laisser certains vecteurs fixes, mais elle ne change jamais les distances à l’origine. C’est une notion fondamentale, à la croisée de l’algèbre linéaire et de la géométrie euclidienne, et elle apparaît régulièrement dans les exercices sur les matrices orthogonales, les produits scalaires ou la réduction des endomorphismes.
Définition d’une isométrie linéaire
On se place dans un espace euclidien \( E \), c’est-à-dire un espace vectoriel réel de dimension finie muni d’un produit scalaire \( \langle \cdot,\cdot \rangle \). La norme associée est définie par :
\( \|x\| = \sqrt{\langle x,x\rangle} \)
Une application linéaire \( u \in \mathcal{L}(E) \) est appelée isométrie linéaire si elle conserve les normes :
\( \forall x \in E,\quad \|u(x)\| = \|x\| \)
Cette définition est très naturelle : l’image d’un vecteur a exactement la même longueur que le vecteur de départ. Mais en réalité, cette simple propriété entraîne beaucoup plus.
En effet, dans un espace euclidien, conserver la norme revient aussi à conserver le produit scalaire. On a ainsi l’équivalence fondamentale :
\( u \text{ est une isométrie linéaire } \Longleftrightarrow \forall (x,y)\in E^2,\ \langle u(x),u(y)\rangle = \langle x,y\rangle. \)
Cette caractérisation est capitale, car elle permet de passer immédiatement d’une information métrique à une information algébrique.
Pourquoi la conservation du produit scalaire est-elle équivalente ?
Le sens direct est immédiat : si \( u \) conserve le produit scalaire, alors en particulier :
\( \|u(x)\|^2 = \langle u(x),u(x)\rangle = \langle x,x\rangle = \|x\|^2\)
Donc \( \|u(x)\| = \|x\| \).
La réciproque est plus intéressante. Si \( u \) conserve la norme, on utilise l’identité de polarisation :
\( \langle x,y\rangle = \frac{1}{2}\big(\|x+y\|^2 – \|x\|^2 – \|y\|^2\big) \)
Comme \( u \) est linéaire, on a \( u(x+y)=u(x)+u(y) \), donc :
\( \langle u(x),u(y)\rangle = \frac{1}{2}\big(\|u(x+y)\|^2 – \|u(x)\|^2 – \|u(y)\|^2\big) \)
Or, \( u \) conserve la norme, donc :
\( \langle u(x),u(y)\rangle = \frac{1}{2}\big(\|x+y\|^2 – \|x\|^2 – \|y\|^2\big)=\langle x,y\rangle \)
On retrouve bien la conservation du produit scalaire.
Conséquences immédiates
Les isométries linéaires ont plusieurs propriétés très importantes.
Elles sont injectives, donc bijectives en dimension finie
Si \( u(x)=0 \), alors :
\( \|x\| = \|u(x)\| = 0 \)
Donc \( x=0 \). Ainsi, \( u \) est injective. Comme \( E \) est de dimension finie et que \( u \in \mathcal{L}(E) \), l’injectivité implique la bijectivité.
Autrement dit, une isométrie linéaire est automatiquement un automorphisme de \( E \).
Leur inverse est encore une isométrie
Puisque \( u \) est bijective, \( u^{-1} \) existe. Et comme \( u \) conserve le produit scalaire, on montre facilement que \( u^{-1} \) le conserve aussi. L’ensemble des isométries linéaires de \( E \) forme donc un groupe pour la composition.
Elles conservent l’orthogonalité
Si \( x \perp y \), alors \( \langle x,y\rangle =0 \). Donc :
\( \langle u(x),u(y)\rangle = \langle x,y\rangle =0 \)
Ce qui montre que \( u(x) \perp u(y) \).
Les isométries envoient donc une base orthonormale sur une base orthonormale.
Lien fondamental avec les matrices orthogonales
C’est probablement le point le plus important à maîtriser pour les concours.
Soit \( \mathcal{B} \) une base orthonormale de \( E \), et soit \( A = \mathrm{Mat}_{\mathcal{B}}(u) \). Alors \( u \) est une isométrie linéaire si et seulement si
\( A^T A = I_n \)
Une telle matrice est dite orthogonale.
En effet, si \( X \) et \( Y \) sont les colonnes des coordonnées de deux vecteurs \( x \) et \( y \) dans une base orthonormale, alors :
\( \langle x,y\rangle = X^T Y \quad \text{et} \quad \langle u(x),u(y)\rangle = (AX)^T(AY)=X^T A^T A Y. \)
Donc, la conservation du produit scalaire pour tous \( x \) et \( y \) équivaut à :
\( X^T A^T A Y = X^T Y \quad \text{pour tous } X,Y \)
Ce qui impose
\( A^T A = I_n \)
Réciproquement, cette relation assure immédiatement que le produit scalaire est conservé.
Déterminant d’une isométrie linéaire
Si \( A \) est orthogonale, alors :
\( A^T A = I_n \)
En prenant le déterminant, on obtient :
\( \det(A^T A)=\det(I_n)=1 \)
Donc :
\( \det(A)^2=1 \)
Et finalement :
\( \det(A)\in\{-1,1\} \)
Cette distinction a une interprétation géométrique importante :
- si \( \det(A)=1 \), l’isométrie conserve l’orientation ;
- si \( \det(A)=-1 \), elle inverse l’orientation.
Dans le plan, cela correspond essentiellement à une rotation dans le premier cas et à une symétrie orthogonale dans le second.
Exemples classiques
La rotation du plan
Dans la base canonique de \( \mathbb{R}^2 \), la matrice
\( R_\theta = \begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix} \)
vérifie
\( R_\theta^T R_\theta = I_2 \)
C’est donc une isométrie linéaire. Elle conserve les longueurs et les angles : c’est une rotation de centre l’origine.
La symétrie orthogonale par rapport à un axe
Par exemple, l’application de matrice
\( S = \begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} \)
est aussi une isométrie linéaire. Elle conserve les normes, mais son déterminant vaut \( -1 \). Il s’agit d’une symétrie par rapport à l’axe des abscisses.
L’identité et l’opposé
Les applications \( \mathrm{Id}_E \) et \( -\mathrm{Id}_E \) sont évidemment des isométries linéaires. La première laisse tout invariant, la seconde conserve les longueurs tout en envoyant chaque vecteur sur son opposé.
Valeurs propres d’une isométrie linéaire
Voici un résultat très utile : si \( \lambda \) est une valeur propre réelle d’une isométrie linéaire \( u \), alors :
\( \lambda \in \{-1,1\} \)
En effet, s’il existe \( x \neq 0 \) tel que \( u(x)=\lambda x \), alors :
\( \|x\| = \|u(x)\| = \|\lambda x\| = |\lambda|\,\|x\| \)
Comme \( x\neq 0 \), on obtient \( |\lambda|=1 \), donc \( \lambda = \pm 1 \).
Ce résultat permet souvent d’éliminer des possibilités dans les exercices. Par exemple, une isométrie ne peut pas avoir \( 2 \) comme valeur propre réelle. C’est impossible, car cela dilaterait les longueurs.
Comment reconnaître une isométrie dans un exercice ?
Dans la pratique, plusieurs indices doivent te mettre sur la piste :
- On te dit que \( \|u(x)\|=\|x\| \) pour tout \( x \).
- On te dit que \( \langle u(x),u(y)\rangle = \langle x,y\rangle \).
- La matrice vérifie \( A^T A = I_n \).
- Les colonnes de la matrice forment une base orthonormale de \( \mathbb{R}^n \).
- On travaille avec des rotations, symétries ou matrices orthogonales.
Dès qu’un de ces signaux apparaît, il faut mobiliser automatiquement les propriétés précédentes : conservation des normes, des angles, de l’orthogonalité, bijectivité, déterminant égal à \( \pm 1 \), valeurs propres réelles éventuelles dans \( \{-1,1\} \).
Ce qu’il faut vraiment savoir faire
Sur ce chapitre, l’objectif n’est pas seulement de connaître une définition, il faut être capable de naviguer rapidement entre plusieurs formulations équivalentes :
- conserver la norme ;
- conserver le produit scalaire ;
- transformer une base orthogonale en base orthonormale ;
- avoir une matrice orthogonale dans une base orthonormale.
C’est précisément cette souplesse qui fait gagner du temps dans les exercices. Très souvent, une question de géométrie se traite algébriquement avec \( A^T A = I_n \), et inversement une question matricielle se comprend mieux en pensant à une rotation ou à une symétrie.
Conclusion
Les isométries linéaires sont des endomorphismes qui préservent toute la structure euclidienne de l’espace. Elles conservent les normes, les produits scalaires, les angles et l’orthogonalité. Dans une base orthonormale, elles correspondent exactement aux matrices orthogonales, c’est-à-dire aux matrices \( A \) telles que \( A^T A = I_n \).
Pour les concours, c’est une notion à connaître parfaitement, car elle sert de pont entre géométrie et calcul matriciel. Dès que tu vois apparaître une matrice orthogonale, une base orthonormale ou une conservation de norme, tu dois immédiatement penser « isométrie linéaire » et dérouler les bonnes propriétés. C’est un excellent exemple de notion simple en apparence, mais extraordinairement rentable dans les raisonnements.
Tu peux retrouver le méga-répertoire qui contient toutes les annales de concours et les corrigés. Tu peux également accéder à toutes nos autres ressources mathématiques !
