Cours Algebre

Math-IV-algbre
Formes (bi)linaires
Alexis Tchoudjem
Universit Lyon I
31 mai 2011
2
Dans ce cours
K est un corps qui peut tre Q, R ou C.
Autres notations : Si E est un

des vecteurs de E, on notera :
Kespace vectoriel et v1, ..., vn sont
hv1 , ..., vn i
le sous-espace vectoriel de E engendr par v1 , ..., vn c--d le sous-espace des
combinaisons linaires
1 v1 + ... + n vn
o 1 , ...,
K.
Table des matires

1 Quotients
1.1 Sommes directes . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Quotients . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Formes linaires
2.1 Dfinition . . . . . . .
2.2 Base duale . . . . . . .
2.3 Bidual . . . . . . . . .
2.3.1 Base antduale
2.4 Orthogonalit . . . . .
2.5 Transpose . . . . . .
2.6 Hyperplans . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3 Formes bilinaires
3.1 Matrice dune forme bilinaire . . . . . . . . . . . .
3.2 Formules de changement de bases . . . . . . . . . .
3.3 Formes bilinaires non dgnres . . . . . . . . . .
3.4 Orthogonaux . . . . . . . . . . . . . . . . . . . . .
3.5 Dual . . . . . . . . . . . . . . . . . . . . . . . . . .
3.6 Formes bilinaires symtriques et formes bilinaires
4 Formes quadratiques, formes hermitiennes
4.1 Polarisation . . . . . . . . . . . . . . . . . . . . .
4.2 Matrices . . . . . . . . . . . . . . . . . . . . . . .
4.3 Rang, noyau, cne isotrope . . . . . . . . . . . .
4.4 Diagonalisation faible . . . . . . . . . . . . . . . .
4.5 Classification des formes quadratiques complexes
4.6 Classification des formes quadratiques relles . .
4.7 Formes hermitiennes . . . . . . . . . . . . . . . .
4.8 Formes quadratiques et hermitiennes positives . .
4.9 Orthogonalisation de Gram-Schmidt . . . . . . .
4.10 Orthogonalit . . . . . . . . . . . . . . . . . . . .
3
.
.
.
.
.
.
.
.
.
.
5
5
7
.
.
.
.
.
.
.
11
11
11
12
12
13
15
17
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
alternes .
19
19
20
20
21
23
24
.
.
.
.
.
.
.
.
.
.
25
25
26
28
29
30
31
32
35
35
36
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
TABLE DES MATIRES
5 Espaces euclidiens et hermitiens

37
5.1 Espaces euclidiens . . . . . . . . . . . . . . . . . . . . . . . . 37
5.1.1 Distances . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.1.2 Isomorphismes . . . . . . . . . . . . . . . . . . . . . . 41
5.2 Espaces hermitiens . . . . . . . . . . . . . . . . . . . . . . . . 41
5.3 Rduction des matrices symtriques et des endomorphismes
adjoints . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.3.1 Adjoint dun endomorphisme . . . . . . . . . . . . . . 43
5.3.2 Rduction . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.3.3 Quadriques . . . . . . . . . . . . . . . . . . . . . . . . 45
5.3.4 Classification des coniques . . . . . . . . . . . . . . . . 48
5.3.5 Classification des quadriques en dimension trois . . . . 56
6
Formes bilinaires alternes

6.1 Rappels . . . . . . . . . . .
6.2 Classification . . . . . . . .
6.3 Le Pfaffien . . . . . . . . . .
6.4 Groupe symplectique . . . .
7 Les
7.1
7.2
7.3
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
59
59
60
61
63
quaternions
65
Dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
Norme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
Lien avec les rotations . . . . . . . . . . . . . . . . . . . . . . 68
Chapitre 1
Quotients
1.1
Sommes directes
Soit E un espace vectoriel. Soient F1 , F2 deux sous-espaces de E.

On dit que E est la somme directe de F1 et F2 ou que F2 est un supplmentaire de F1 dans E si :
i)E = F1 + F2 et ii)F1 F2 = 0
notation :
E = F1 F2 .
Exemple :
C = R + Ri
Proposition 1.1.1 Si E = F1 F2 et si E est de dimension finie, alors :

dim E = dim F1 + dim F2
Proposition 1.1.2 Soit E un espace vectoriel de dimension finie et soit F
un sous-espace de E. Alors F admet un supplmentaire dans E.
Dmonstration : Soit e1 , ..., er une base de F . Cest une famille libre donc, on
peut la complter en une base e1 , ..., er , ..., en de E. Posons G := her+1 , ..., en i.
On a : E = F G.
q.e.d.
Corollaire 1.1.2.1 Si F est un sous-espace vectoriel dun espace E de dimension finie, alors :
dim F dim E
de plus, dim F = dim E si et seulement si E = F .
5
CHAPITRE 1. QUOTIENTS
Thorme 1.1.3 Soient F, G deux sous-espaces dun mme espace vectoriel

E de dimension finie. Alors :
dim(F + G) = dim F + dim G dim(F G) .
Exemple : Soient P1 , P2 deux plans distincts de lespace
par 0. Alors P1 P2 est une droite.
Dmonstration : Soient F 0 , G0 tels que :
R3 qui passent
F = F 0 (F G) et G = (F G) G0 .
Alors :
F + G = F G0
dim(F + G) = dim F + dim G0 = dim F + dim G dim(F G) .
q.e.d.
Soient F1 , ..., Fn des sous-espaces de E un espace vectoriel. On dit

que E est la somme directe des Fi si tout x E scrit de manire unique
x = x1 + ... + xn avec chaque xi Fi .
Autrement dit si :
i)E = F1 + ... + Fn
et
ii) x1 F1 , ..., xn Fn , x1 + ... + xn = 0 x1 = ... = xn = 0
notation : E = F1 ... Fn .
Exercice 1
dim(F1 ... Fn ) = dim F1 + ... + dim Fn
Exercice 2 Soient F1 , F2 , F3 trois sous-espaces dun mme espace vectoriel
E de dimension finie. Alors,
dim(F1 + F2 + F3 ) =
dim F1 + dim F2 + dim F3
dim(F1 F2 ) dim(F2 F3 ) dim(F1 F3 )
+ dim(F1 F2 F3 ) .
1.2. QUOTIENTS
1.2
Quotients
Soit E un espace vectoriel. Soit F un sous-espace de E. Pour tout

x E, on note x + F lensemble des lments de la forme x + y o y F .
Par exemple, si E = 2 , si F = D est une droite passant par 0, alors
pour tout x 2 , x + D est la droite parallle D passant par x.
Lensemble des
x+F : xE
est not E/F .

Remarque : 0 + F = F .
Proposition 1.2.1 Soient x, x0 E. Alors, x + F = x0 + F x x0 F .
En particulier, pour tout y F , x + F = (x + y) + F .
Remarque : On crit aussi x = x0 mod F la place de x + F = x0 + F .
On dfinit une addition et une multiplication par les scalaires sur E/F
par :
i) x, y E, (x + F ) + (y + F ) := (x + y) + F
ii) t
K, x E, t.(x + F ) := tx + F
Proposition 1.2.2 Cette addition et cette multiplication sont bien dfinies.

Avec cette addition et cette multiplication, E/F est un espace vectoriel
abstrait, cest le quotient de E par F .
Dmonstration : Il sagit de montrer que si x + F = x0 + F et y + F = y 0 + F ,

alors : (x + y) + F = (x0 + y 0 ) + F . Puis que si x + F = x0 + F , alors pour
tout t , tx + F = tx0 + F . Maintenant il est facile de vrifier les axiomes
de dfinition dun espace-vectoriel.
q.e.d.
Remarque : Le neutre (ou le zro) de E/F est 0E/F = 0 + F = F .
Si E/F est de dimension finie d, on dit que F est de codimension d dans

E. Notation : codim(F, E).
Proposition 1.2.3 Soit : E E/F lapplication : x 7 x + F . Cest la
projection canonique de E sur E/F . Lapplication est linaire surjective et
son noyau est :
ker = F .
En pratique, on reprsente les lments de E/F par un supplmentaire
de F dans E plutt que par lensemble des classes modulo F . En effet :
Proposition 1.2.4 Soit E un espace vectoriel. Soit F un sous-espace

de E. Alors si S est un supplmentaire de F dans E, c--d F S = E, la
restriction de S :
0 : S E/F x 7 x + F
est un isomorphisme. En particulier, F est de codimension finie si et seulement si F
admet un supplmentaire de dimension finie. Et dans ce cas tous les supplmentaires S de F dans E sont de dimension : dim S = codimE (F ).
Dmonstration : Injectivit : ker 0 = ker S = F S = 0.
Surjectivit : si x+F E/F , il existe x1 F, x2 S tels que x = x1 +x2 .
Alors : x + F = x2 + F = 0 (x2 ).
q.e.d.
Corollaire 1.2.4.1 Si E est de dimension finie et si F est un sous-espace

de E, alors : dim E dim F = codim(F, E).
Il y a une infinit de supplmentaires (tous isomorphes) alors quil
ny a quun seul quotient. Donc utiliser le quotient vite de faire un choix
particulier.
Proposition 1.2.5 Soit : E E 00 une application linaire surjective.
Alors, on a un isomorphisme despaces vectoriels :
'
: E/ ker E 00
dfini par : x + ker 7 (x).
Dmonstration : Lapllication de lnonc est bien dfinie et est bien linaire.
Elle est surjective car si y E 00 , il existe x E tel que (x) = y donc :
(x + ker ) = y. Elle est injective car :
x + ker ker (x + ker ) = 0
(x) = 0 x ker x = 0 mod ker .
q.e.d.
On en dduit le clbre thorme du rang :
Thorme 1.2.6 (thorme du rang) Soit E un espace vectoriel de

dimension finie. Si : E F est une application linaire, alors : dim E =
rang () + dim ker .
(On rappelle que le rang dune application linaire est la dimension de
son image.
1.2. QUOTIENTS
Corollaire 1.2.6.1 Si E est de dimension finie et si : E E est une

application linaire, alors :
injective surjective bijective.
Soit E un
Kespace vectoriel.
Proposition 1.2.7 Soient F et G deux sous-espaces vectoriels de E de codimensions finies. Alors F + G et F G sont aussi de codimension finie
et :
codim(F G) = codim(F ) + codim(G) codim(F + G) .
Dmonstration : On considre lapplication linaire :
: E/F E/G E/(F + G)
(x mod F, y mod G) 7 x y mod (F + G) .
Cest une application surjective et son noyau est isomorphe E/(F G)
par lisomorphisme :
E/(F G) ker
x mod (F G) 7 (x mod F, x mod G) .
q.e.d.
Exercice 3 Soient E F G trois espaces vectoriels. On suppose que

G est de codimension fine dans E. Montrer que E/G E/F , x mod G 7
x mod F est linaire surjective et que son noyau est isomorphe F/G. En
dduire que
codimE G = codimE F + codimF G
puis que codimE (F ) codimE (G) avec galit si et seulement si F = G.
retenir : si E est de dimension finie, alors pour tout sous-espace
vectoriel F de E, on a :
dim(E/F ) + dim F = dim E .
Proposition 1.2.8 Si F est un sous-espace de E, alors :
codimE (F ) = 0 dim(E/F ) = 0 E/F = 0 E = F .
Dmonstration : Si E/F = 0, alors la surjection canonique : E E/F est
nulle donc son noyau F est tout E donc F = E.
q.e.d.
10
Chapitre 2
Formes linaires
Soit E un
2.1
Kespace-vectoriel.
Dfinition
Une forme linaire sur E est une application linaire : : E .

Exemple
: Si E = [X] est lespace des polynmes, alors : P 7 P (0)
R1
et P 7 1
P (t)dt sont des exemples de formes linaires.
Soient , 0 deux formes linaires sur E et t . Alors + t0 est aussi
une forme linaire. Lespace des formes linaires sur E est donc un espace
vectoriel. On le note : E .
Notation : Soient E , x E, on note parfois h, xi := (x) .
Exemple important : les formes linaires sur n :
Soient a1 , ..., an . Lapplication :
x1
..
.
xn
7 a1 x1 + ... + an xn
est une forme linaire sur n . Toutes les formes linaires sur n sont de
cette forme. En effet, notons e1 , ..., en la base canonique de n . Si est une
forme linaire sur n , alors pour tout x1 , ..., xn K, on a :
2.2
x1
..
.
xn
= x1 (e1 ) + ... + xn (en ) .
Base duale
Supposons que E est de dimension finie.

11
12
CHAPITRE 2. FORMES LINAIRES
Soit e1 , ..., en une base de E. Pour tout 1 i n on dfinit la forme

linaire coordonne dindice i par :
ei (x1 e1 + ... + xn en ) = xi .
Thorme 2.2.1 Soit B = (e1 , ..., en ) une base de E. Alors la famille
B := (e1 , ..., en ) est une base du dual E ; cest la base duale de B . En
particulier, dim E = dim E. De plus, pour tout E , on a :
= h, e1 ie1 + ... + h, en ien
et pour tout x E, on a :
x=
n
X
hei , xiei .
i=1
Exercice 4 Vrifier que si E est lespace des polynmes coefficients dans

de degr n, la base
Xn
1, ...,
n!
a pour base duale :
0 , ..., n
o i : P (X) 7 P (i) (0).
2.3
Bidual
On appelle bidual de E le dual du dual de E, not E .

b : E
Thorme 2.3.1 Si x E, on note x
De plus, si E est de dimension finie, alors :
K, 7 (x). On a xb E .
E E
b
x 7 x
est un isomorphisme.
Lemme 2.3.2 Soit 0 6= x E, alors, il existe E tel que (x) 6= 0.
2.3.1
Base antduale
Proposition 2.3.3 Soit (1 , ..., n ) une base de E . Alors il existe une seule
base (v1 , ..., vn ) de E telle que pour tout i, i = vi . On dit que (v1 , ..., vn ) est
la base antduale de (1 , ..., n ).
2.4. ORTHOGONALIT
13
Dmonstration :
b est injective, E est forcment de dimension finie.
Comme E E , x 7 x
Soit (1 , ..., n ) la base duale de (1 , ..., n ) dans E . Daprs le thorme
2.3.1, il existe, pour tout i, vi E tel que vbi = i . Il est facile de vrifier que
(v1 , ..., vn ) est la base antduale de (1 , ..., n ).
q.e.d.
Calcul pratique : Soit E = n . Soit (1 , ..., n ) une base de E . Soit

(e1 , ..., en ) la base canonique de E. Soit B la matrice :
B := (hi , ej i)1i,jn .
Alors, la base antduale de (1 , ..., n ) est donne par les colonnes de la
matrice B 1 .
Proposition 2.3.4 Soit F un sous-espace de E. La restriction :
E F , 7 |F
est surjective. Son noyau est lorthogonal de F .
2.4
Orthogonalit
On dit que E et x E sont orthogonaux si h, xi = (x) = 0 .

Si V est un sous-espace de E, on note
V := { E : x V, h, xi = 0}
cest un sous-espace vectoriel de E (exo), appel lorthogonal de V . Si W
est un sous-espace de E , on note :
W := {x E : W, h, xi = 0}
cest un sous-espace vectoriel de E (exo), appel lorthogonal de W .
Remarque importante : Si V est engendr par les vecteurs v1 , ..., vn ,
alors :
V = { E : h, v1 i = ... = h, vn i = 0}
de mme si W est engendr par les formes linaires 1 , ..., n , alors :
W = {x E : h1 , xi = hn , xi = 0} .
Lorthogonal renverse les inclusions :
Proposition 2.4.1 i) Si V1 V2 E sont des sous-espaces de E, alors
V2 V1 .
ii) Si W1 W2 E sont des sous-espaces de E , alors W2 W1 .
iii) {0E } = E , E = {0E }.
iv) {0E } = E, E = {0E }.
14
Thorme 2.4.2 Si E est de dimension finie, alors : i) Pour tout V sousespace de E, dim V + dim V = dim E et V = V . ii) Pour tout W sousespace de E , dim W + dim W = dim E et W = W .
Rem : lgalit V = V reste vraie en dimension infinie mais non lgalit
W = W .
Dmonstration : i) Soit : E E/V . Alors on a un isomorphisme :
(E/V ) V , 7 .
ii) Lapplication restriction :
E W
b|W est aussi surjective. Son noyau
est surjective. Donc : E W , x 7 x
est exactement W . Daprs le thorme du rang, on a donc : dim W =
dim E dim W .
q.e.d.
Exercice 5 Vrifier que lon a toujours :

V V , W W , V = V , W = W
pour tous sous-espaces V de E et W de E .
Proposition 2.4.3 Si F est un sous-espace de E, alors F = E F = 0.
Dmonstration : Soit : E E/F la surjection canonique. Si F = 0
alors, pour tout (E/F ) , F donc = 0. Donc, pour tout
x E, h, (x)i = 0, pour tout (E/F ) . Donc (x) = 0 i.e. x F pour
tout x E.
q.e.d.
Corollaire 2.4.3.1 (quations des sous-espaces en dimension finie)

Si E est de dimension n alors :
i) Si 1 , ..., p E sont des formes linaires telles que dimh1 , ..., p i =
r alors : le sous-espace
F := {x E : i, hi , xi = 0}
est de dimension n r.
ii) Rciproquement, si F est un sous-espace de E de dimension q, il existe
n q formes linaires linairement indpendantes 1 , ..., nq telles que :
F = {x E : 1 i n q, hi , xi = 0} .
2.5. TRANSPOSE
15
Proposition 2.4.4 On suppose E de dimension finie. Soient V1 , V2 deux

sous-espaces de E. Alors : i) (V1 +V2 ) = V1 V2 , ii) (V1 V2 ) = V1 +V2 .
Soient W1 , W2 deux sous-espaces de E . Alors : i) (W1 + W2 ) = W1
W2 , ii) (W1 W2 ) = W1 + W2 .
Dmonstration :
i) : V1 V1 + V2 (V1 + V2 ) V1 . De mme : (V1 + V2 ) V2 .
Donc (V1 + V2 ) V1 V2 . Pour la rciproque, soit V1 V2 . Alors,
v1 V1 , v2 V2 , h, v1 + v2 i = h, v1 i + h, v2 i = 0. Donc, (V1 + V2 ) .
Dmontrons ii) :
V1 V2 V1 V1 (V1 V2 ) . De mme, V2 (V1 V2 ) donc :
(V1 V2 ) V1 + V2 . Pour montrer lgalit, nous allons comparer les
dimensions :
dim(V1 V2 ) = dim E dim(V1 V2 )
= dim E (dim V1 + dim V2 dim(V1 + V2 )
= dim E dim V1 + dim E dim V2 (dim E dim(V1 + V2 ))
= dim V1 + dim V2 dim(V1 + V2 )
= dim V1 + dim V2 dim(V1 V2 )
= dim(V1 + V2 ) .
De mme pour iii) et iv).
2.5
q.e.d.
Transpose
Soient E, F deux espaces-vectoriels. Soit u : E F une application

linaire. Pour tout F , u E . Lapplication : t u : F E , 7 u
est linaire ; cest la transpose de u.
Proposition 2.5.1 Soient E, F deux espaces-vectoriels de dimension finie. Alors :

i) rang u = rang t u, ii) Im (t u) = (ker u) , iii) ker(t u) = (Im u) .
Dmonstration : iii) : Soit F . Alors :
ker t u t u() = 0
u=0
x E, (u(x)) = 0
y Im u, (y) = 0 (Im u) .
ii) : Soit F . Alors :
x ker u, t u()(x) = (u(x)) = (0) = 0 .
16
Donc Im (t u) (ker u) .
Rciproquement, si (ker u) , alors : x ker u, (x) = 0. Soit S un
supplmentaire de Im u dans F : Im u S = F . On pose :
(u(x) + s) := (x)
pour tout x E et tout s S. Lapplication : F
si x, x0 E, s, s0 S, alors :
K est bien dfinie car
u(x) + s = u(x0 ) + s0 u(x) = u(x0 )

x x0 ker u
(x x0 ) = 0 (x) = (x0 ) .
De plus est linaire i.e. F . On a donc = t u() Im (t u).
i) : rang (t u) = dim Im t u = dim(ker u) = dim E dim ker u = rang u,
daprs le thorme du rang.
q.e.d.
Proposition 2.5.2 Soient E, F, G trois espaces vectoriels. Soient : u :

E F , v : F G deux applications linaires. Alors t (v u) = t u t v.
Proposition 2.5.3 Soit E un espace vectoriel. Soit u : E E un endomorphisme. Un sous-espace vectoriel F de E est stable par u si et seulement si F
est stable par t u.
Dmonstration : Supposons que F est stable par u, i.e. : x F , u(x) F .
Si F , alors :
x F, ht u(), xi = h u, xi = (u(x)) = 0 .
Donc t u() F et F est stable par t u.
Rciproquement, supposons que F est stable par t u. Soit : E E/F
la surjection canonique. Soit (E/F ) .
Pour tout x F , h, u(x) mod F i = ( )(u(x)) = (t u( ))(x).
Or, F donc t u( ) F . Donc : h, u(x) mod F i = 0. Cela
est vrai pour tout (E/F ) donc u(x) mod F = 0 mod F i.e. : u(x) F
pour tout x F .
q.e.d.
Matrices
Proposition 2.5.4 Soit E un espace vectoriel de base (e1 , ..., em ) et F

un espace vectoriel de base B 0 = (f1 , ..., fn ). Soit u : E F linaire.
Notons A la matrice :
A := [u]B,B 0
alors : [t u]B 0 ,B = t A.
2.6. HYPERPLANS
2.6
17
Hyperplans
Un hyperplan de E est un sous-espace H de codimension 1.

Exemple : Si E = [X], alors les polynmes divisibles par X forment
un hyperplan.
On a une bijection entre les hyperplans de E et les formes linaires non
nulles sur E, homothtie prs :
Proposition 2.6.1 i) Soit E une forme linaire non nulle. Alors,

ker est un hyperplan de E. Rciproque :
ii) Si H est un hyperplan de E, alors il existe E telle que ker = H.
Enfin,
iii) Si , 0 E ,
ker = ker 0 0 6= c
K, = c0 .
18
Chapitre 3
Formes bilinaires
Soient E, F deux
Kespaces vectoriels. On dit quune application

B :EF K
est une forme bilinaire si :

x, x0 E, y, y 0 F, t, t0
K, B(tx + t0x0, y) = tB(x, y) + t0B(x0, y)
B(x, ty + t0 y 0 ) = tB(x, y) + t0 B(x, y 0 ) .
3.1
Matrice dune forme bilinaire
En dimension finie, si e := (e1 , ..., em ) est une base de E et f := (f1 , ..., fn )

est une base de F , on note
A := Mate,f (B) := (B(ei , fj )) 1im Mm,n ( )

1jn
cest la matrice de B dans les bases e, f .

Si x = x1 e1 + ... + xm em E et y = y1 f1 + ... + yn fn , on a :
B(x, y) =
xi B(ei , ej )yj
i,j
= t xAy .
Rciproquement, si A Mm,n ( ) est une matrice, alors les galits cidessus dfinissent une forme bilinaire sur E F .
Si on note Bil(E, F ) lensemble des formes bilinaires sur EF , Bil(E, F )
est un espace vectoriel pour les oprations suivantes :
(B + B 0 )(x, y) := B(x, y) + B 0 (x, y) et (tB)(x, y) := tB(x, y)
et si e, f sont des bases de E et F , on a un isomorphisme despaces vectoriels :
Bil(E, F ) ' Mm,n ( ) .

Cet isomorphisme dpend du choix des bases. Que deviennent les matrices aprs un changement de bases ?
19
20
3.2
CHAPITRE 3. FORMES BILINAIRES
Formules de changement de bases
Soit B : E F une forme bilinaire.

Soient e0 une nouvelle base de E, f 0 une nouvelle base de F .On note P
la matrice de passage de e e0 et Q la matrice de passage de f f 0 .
Soient A la matrice de B dans les bases e, f , A0 la matrice de B dans les
bases e0 , f 0 , alors :
A0 = t P AQ
En particulier, le rang r de la matrice associe ne change pas car P et Q
sont inversibles. On dit que r est le rang de la forme bilinaire B.
Proposition 3.2.1 Soient E, F de dimension finie m, n. Soit B : E F
K une forme bilinaire de rang r. Alors il existe une base (e) de E et une
base (f ) de F telle que
Ir
Mat(B)(e),(f ) =
0
0
autrement dit si x = x1 e1 +....xm em et y = y1 f1 +...+yn fn , alors : B(x, y) =

x1 y1 + ... + xr yr .
Dmonstration : En effet, fixons e0 , f0 deux bases de E et F . Soit A
Mm,n ( ) la matrice de B dans e0 , f0 . La matrice Aest de rang
r. Donc il
Ir
existe P GLm ( ), Q GLn ( ) telles que P AQ =
0
. Mais alors,
0
si on note e la base de E et f la base de F telles que :

Pee0 = t P et Pff0 = Q
la nouvelle matrice de B dans les bases e, f est :
tt
Ir
P AQ = P AQ =
0
0
q.e.d.
3.3
Formes bilinaires non dgnres
On dit quune forme bilinaire B : E F

est rgulire ou non
dgnre si les deux conditions suivantes sont vrifies :
i) B(x, b) = 0 pour tout x E entrane b = 0 ;
3.4. ORTHOGONAUX
21
ii) B(a, y) = 0 pour tout y F entrane a = 0.

Exemples :
si E = F = n et si B(x, y) = x1 y1 + ... + xn yn .
si E = F et si B(x, y) = hx, yi.
Thorme 3.3.1 Supposons E, F de dimension finie. Si B : E F

est une forme bilinaire rgulire, alors dim E = dim F et pour chaque base
e1 , ..., en de E, il existe une unique famille f1 , ..., fn de F telle que :
() 1 i, j n, B(ei , fj ) = i,j
de plus, les fi forment une base de F . On dit que deux bases e, f de E et F
qui vrifient () sont duales lune de lautre.
Dmonstration : Soit : F n , b 7 (B(e1 , b), ..., B(en , b)). Cest une

application linaire injective car (b) = 0 x E, B(x, b) = 0 b =
0. Donc dim F n = dim E. De mme, dim E dim F . Donc dim E =
dim F = n. Donc est surjective. Soit E1 , ..., En la base canonique de n .
Soient f1 , ..., fn F tels que (fj ) = Ej . On a alors :
1 i, j n, B(ei , fj ) = i,j .
Les fi forment une base de F car ils sont linairement indpendants (car
leurs images le sont). Si (f10 , ..., fn0 ) vrifient aussi :
1 i, j n, B(ei , fj0 ) = i,j .
Alors : i, j, B(ei , fj fj0 ) = 0 donc j, fj fj0 = 0. Do lunicit. q.e.d.
3.4
Orthogonaux
Soient E, F deux espaces vectoriels et B : E F

une forme
bilinaire. On dit que deux lments x E, y F sont orthogonaux si
B(x, y) = 0.
Si X E et Y F sont des sous-espaces vectoriels, on note :
X := {y F : B(x, y) = 0 pour tout x X}
Y := {x E : B(x, y) = 0 pour tout y Y } .
Les ensembles X et Y sont des sous-epaces vectoriels de E et F ,

respectivement.
De plus :
X (X ) , Y ( Y ) .
22
Exercice 6 Pour tout X sous-espace de E et tout Y sous-espace de F :

( (X )) = X et (( Y ) ) = Y .
On appelle F le noyau gauche de B et E le noyau droite de B.
La forme bilinaire B est rgulire F = 0 et E = 0.
Proposition 3.4.1 (thorme du rang pour les formes bilinaires) Si
E et F sont de dimension finies, alors :
dim E + dim E = dim F + dim F
de plus :
dim E dim F = dim F dim E = r
le rang de B. En particulier, si E = F , le noyau droite et le noyau gauche
sont de mme dimension.
Dmonstration : Lapplication :
B : E/ F F/E
K , (x mod F, y mod E ) 7 B(x, y)
est bien dfinie, linaire. Cest une forme bilinaire rgulire. En effet, si
b F et si B(x mod F, b mod E ) = 0 pour tout x E, alors :
x E, B(x, b) = 0
donc b F i.e. b mod F = 0. De mme pour le noyau droite.
Donc, daprs le thorme 3.3.1, on a :
dim E/ F = dim F/E dim E + dim E = dim F + dim F .
Soit r le rang de B. Alors, r m, n et il existe une base e1 , ..., em de E,
une base f1 , ..., fn de F telles que
x = x1 e1 + ... + xm em E, y = y1 f1 + ... + yn fn F,
B(x, y) = x1 y1 + ... + xr yr .
On a donc : y = y1 f1 + ... + yn fn E x1 y1 + ... + xr yr = 0 pour tous
x1 , ..., xr
y1 = ... = yr = 0. Donc fr+1 , ..., fn est une base de E et
dim E + r = dim F .
q.e.d.
Proposition 3.4.2 Soit B : E F

une forme bilinaire rgulire. Si
E et F sont de dimension finies, alors pour tout X sous-espace de E, on a :
dim X + dim X = dim E ,
(X ) = X .
3.5. DUAL
23
Dmonstration : Soit e1 , ...er une base de X que lon complte en e1 , ..., en

une base de E. Soit f1 , ..., fn la base duale de F correspondante. Alors,
fr+1 , ..., fn est une base de E . En effet, si t1 , ..., tn ,
t1 f1 + ... + tn fn X B(ei , t1 f1 + ... + tn fn ) = 0 pour tout 1 i r

ti = 0 pour tout 1 i r .
Donc dim X = n r = dim E dim X. De faon symtrique, on peut
montrer que si Y F est un sous-espace, alors dim Y + dim Y = dim F .
On a donc dim( (X )) = dim F dim X = dim F dim E + dim X =
dim X. Or, on a linclusion :
X (X )
donc lgalit.
3.5
q.e.d.
Dual
Soient E, F deux espaces vectoriels et B : E F

une forme
bilinaire.
On pose B : E F , x 7 B(x, ) et B : F E , y 7 B(, y).
Ce sont des applications linaires, lapplication linaire gauche associe
B et lapplication linaire droite associe B.
On a :
ker B = F = le noyau gauche
ker B = E = le noyau droite
En particulier, B est non dgnre si et seulement si ker B = 0 et
ker B = 0.
Proposition 3.5.1 Si E et F sont de dimension finie, si B : E F

est une forme bilinaire non dgnre, alors tout lment de F est de la
forme B(x, ) pour un certain x E.
Dmonstration : Si B est non dgnre, alors dim E = dim F = dim F de

plus, lapplication :
B : E F , x 7 B(x, )
est injective donc surjective.
q.e.d.
24
3.6
Formes bilinaires symtriques et formes bilinaires alternes
Soit B : E E
une forme bilinaire. On dit que B est symtrique
si B(x, y) = B(y, x) pour tous x, y E. On dit que B est antisymtrique
si B(x, y) = B(y, x), pour tous x, y E. On dit que B est alterne si
B(x, x) = 0 pour tous x E.
Proposition 3.6.1 Alterne antisymtrique. Si on peut diviser par 2,
antisymtrique alterne.
Proposition 3.6.2 Soit B : E E

une forme bilinaire telle que
pour tous x, y E, B(x, y) = 0 B(y, x) = 0. Alors B est symtrique ou
alterne.
Dmonstration :
Soient x, y E. Alors :
B(x, x)B(x, y) = B(x, B(x, y)x) = B(x, B(x, x)y)
B(x, B(x, y)x B(x, x)y) = 0
B(B(x, y)x B(x, x)y, x) = 0
B(x, y)B(x, x) B(x, x)B(y, x) = 0
B(x, x)(B(x, y) B(y, x)) = 0 () .
Supposons que B nest pas alterne. Soit x0 E tel que B(x0 , x0 ) 6= 0. Alors
daprs (*), on a :
B(x0 , y) = B(y, x0 )
pour tout y E.
Soient x, y E. Si B(x, x) 6= 0, alors B(x, y) = B(y, x). Si B(x, x) = 0
soit B(x, x0 ) = 0 et alors B(x+x0 , x+x0 ) = B(x0 , x0 ) 6= 0 B(x+x0 , y) =
B(x,x0 )
B(y, x+x0 ) B(x, y) = B(y, x) ; soit B(x, x0 ) 6= 0 et alors si t := B(x
,
0 ,x0 )
on a :
B(x + tx0 , x + tx0 ) = t2 B(x0 , x0 ) 6= 0
donc :
B(x + tx0 , y) = B(y, x + tx0 ) B(x, y) = B(y, x)
et dans tous les cas : B(x, y) = B(y, x) i.e. B est symtrique.
q.e.d.
Chapitre 4
Formes quadratiques, formes

hermitiennes
K
Soit E un espace vectoriel. Soit Q : E E

symtrique.
Exemple : le produit scalaire usuel sur 3 3 .
4.1
K une forme bilinaire
Polarisation
Une forme bilinaire symtrique Q est entirement dtermin par les

valeurs Q(x, x) .
En effet, on a :
Q(x, y) =
Q(x + y, x + y) Q(x, x) Q(y, y)

2
Q(x + y, x + y) Q(x y, x y)
4
Une application q : E
est une forme quadratique sil existe une
forme bilinaire symtrique Q : E E telle que :
=
q(x) = Q(x, x)
pour tout x
K. On dit que Q est la forme polaire de q.
Proposition 4.1.1 Si q est une forme quadratique, alors la forme polaire

Q associe est unique et vrifie :
Q(x, y) =
=
q(x + y) q(x) q(y)

2
q(x + y) q(x y)
4
pour tous x, y E.
25
26CHAPITRE 4. FORMES QUADRATIQUES, FORMES HERMITIENNES
tA
Exemple de base : Soit A une matrice n n symtrique c--d telle que

= A. Alors,
n
, X 7 t XAX
est une forme quadratique. Sa forme polaire est la forme bilinaire symtrique
de matrice A dans la base canonique de n .
Exercice 7 Soit B : E E
une forme bilinaire. Alors, lapplication E , x
7
B(x, x) est une forme quadratique de forme polaire
B(x,y)+B(y,x)
.
2
4.2
Matrices
Supposons que E possde une base (e1 , ..., en ). Si q est une forme quadratique sur E, de forme polaire Q, on dit que la matrice :
M at(q)e := (Q(ei , ej ))1i,jn
est la matrice de q dans la base e. Cest une matrice symtrique !
Proposition 4.2.1 Lespace vectoriel Q(E) des formes quadratiques sur E
est isomorphe lespace des matrices n n symtriques coefficients dans
.
. En particulier Q(E) est de dimension n(n+1)
2
Remarquons que si A est la matrice de q dans la base e alors pour tous

vecteurs :
x = x1 e1 + ... + xn en E
on a :
q(x) = t XAX
o X =
x1
..
.
xn
Formule de changement de bases

Soient e := (e1 , ..., en ) et e0 = (e01 , ..., e0n ) deux bases de E. Alors si P est
la matrice de passage de e e0 , les matrices A de q dans la base e et A0 de
q dans la base e0 vrifient :
A0 = t P AP .
On dit que deux matrices A, B Mn ( ) sont congruentes sil existe une

matrice inversible P telle que :
B = t P AP .
4.2. MATRICES
27
Exemple : Dans la base canonique de
R2, la forme quadratique q0 x :=

y
x
:= xy ont pour matrices :
x2 + y 2 et q1
1 0
0 1
1
2
1
2
et
Remarque : Comment savoir si une fonction q : E k est une forme

quadratique ?
on essaie de deviner : E E k bilinaire (symtrique) telle que
(x, x) = q(x).
ou bien on vrifie que q(tx) = t2 q(x) (facile) si ce nest pas le cas,
q nest pas une forme quadratique. Si cest le cas on vrifie que x, y 7
q(x + y) q(x) q(y) est bilinaire (beaucoup de calculs en perspective).
Exemple : Soit l E , alors l2 est une forme quadratique sur E.
Soient l1 , l2 E , alors l1 l2 est une forme quadratique sur E.
Un polynme homogne de degr 2 en x1 , ..., xn est une expression de la
P
forme : a1,1 x21 + ... + an,n x2n + 1i<jn ai,j xi xj o les ai,j k.
Proposition 4.2.2 Soit E un espace vectoriel avec une base e1 , ..., en .

Les formes quadratiques sur E sont les applications de la forme :
q:E
telles que pour tout x = x1 e1 + ... + xn en E, x1 , ..., xn
K,
q(x) = P (x1 , ..., xn )

o P est un polynme homogne de degr 2 en les xi .
Dmonstration : Posons ai,j := Q(ei , ej ) pour tous 1 i, j n. Alors :
q(x) = Q(x1 e1 + ... + xn en , x1 e1 + ... + xn en )
=
xi xj Q(ei , ej )
1i,jn
ai,j xi xj
1i,jn
X
1in
ai,i x2i +
2ai,j xi xj
1i<jn
car ai,j = aj,i donc ai,j xi xj + aj,i xj xi = 2ai,j xi xj .
q.e.d.

2
Remarque : Soit q(x1 , ..., xn ) :=
i ai,i xi +
i<j 2ai,j xi xj une forme
n
quadratique sur
. La matrice associe est symtrique et son coefficient
(i, j), i j, est ai,j i.e. la matrice associe est :
1 q
)i,j .
2 xi xj
La forme polaire de q est :

Q(x, y) =
ai,i xi yi +
ai,j (xi yj + xj yi )
i<j
pour tous x = (x1 , ..., xn ), y = (y1 , ..., yn ) n .

Exemple : sur 3 , la forme quadratique q(x, y, z) = 3x2 + y 2 + 2xy 3xz
a pour matrice :
32
dans la base canonique de
4.3
1 23
1 0
R3.
Rang, noyau, cne isotrope
Soit q une forme quadratique sur E. On suppose E de dimension finie.

Le rang de q est le rang de sa forme polaire Q c--d le rang de la matrice
(Q(ei , ej ))1i,jn pour une base e1 , ..., en de E quelconque. Cest indpendant
de la base choisie.
Le noyau de q est le noyau de sa forme polaire Q i.e. :
ker q = {x E : y E, Q(x, y) = 0} .
Il ne faut pas confondre le noyau de q et son cne isotrope :
C(q) := {x E : q(x) = 0} .
On a toujours ker q C(q) mais attention, en gnral C(q) nest pas un
sous-espace de E.
Exemple : Si q(x, y) = xy, ker q = {0} et C(q) = (x = 0) (y = 0).
Dfinition 1 Une forme quadratique q est dfinie si son cne isotrope est
nul i.e. si q(x) = 0 x = 0. Une forme quadratique est non dgnre si
son noyau est nul.
Exemple : q(x, y) = xy est non dgnre mais nest pas dfinie. En
revanche, q(x, y) = x2 + y 2 est dfinie (et donc non dgnre sur 2 ).
4.4. DIAGONALISATION FAIBLE
4.4
29
Diagonalisation faible
Jusquo peut-on simplifier lexpression dune forme quadratique par le

choix dune base convenable ?
Toute forme quadratique peut sexprimer comme une forme diagonale
dans une certaine base.
On dit que deux vecteurs x, y E sont orthogonaux pour une forme
quadratique q sur E de forme polaire Q si Q(x, y) = 0.
Thorme 4.4.1 Soit q une forme quadratique sur E un espace vectoriel

de dimension finie. On dit que deux vecteurs x, y E sont orthogonaux pour
q si Q(x, y) = 0 pour la forme polaire Q de q. Alors, il existe toujours une
base e1 , ..., en de E form de vecteurs deux deux orthogonaux i.e. o la
matrice de q est diagonale.
Dmonstration : On raisonne par rcurrencesur n la dimension finie. Si
n = 1, il ny a rien montrer. Si q = 0, cest vident. Sinon, soit e1 tel que
q(e1 ) 6= 0. Soit H := {x E : Q(e1 , x) = 0}. Le sous-espace H est de
dimension n 1 car cest le noyau de la forme linaire :E , x 7 Q(x, e1 )
(non nulle car q(e1 ) = Q(e1 , e1 ) 6= 0). Par hypothse de rcurrence, il existe
une base e2 , ..., en de E de vecteurs deux deux orthogonaux. Alors, la base
e1 , ..., en convient.
q.e.d.
Remarquons que si la base e1 , ..., en est orthogonale pour q, alors q(x1 e1 +

... + xn en ) = a1 x21 + ... + an x2n o ai = q(ei ) pour tout i.
Corollaire 4.4.1.1 Toute matrice symtrique est congruente une matrice
diagonale.
Exemple :
1
t
1 0
1
2
1 1
1
2
1 1
0 1
Mthode de Gauss
Soit q(x1 , ..., xn ) = ni=1 ai,i x2i + 1i<jn ai,j xi xj une forme quadratique sur n . Nous allons crire q comme une combinaison de carrs de
formes linaires indpendantes en procdant par rcurrence sur n.
Premier cas : il existe un indice i tel que ai,i 6= 0 par exemple : a1,1 =
a 6= 0. Alors q(x1 , ..., xn ) = ax21 + x1 B(x2 , ..., xn ) + C(x2 , ..., xn ) o B est une
forme linaire et C une forme quadratique en les x2 , ..., xn . On crit alors :
P
q(x1 , ..., xn ) = a x1 +
B(x2 , ..., xn )
2a
2
+ (C(x2 , ..., xn )
B(x2 , ..., xn )2
)
4a

2
puis on applique lhypothse de rcurrence la forme quadratique C B4a .

On obtient des formes linaires indpendantes en les x2 , ..., xn . Ces formes
B
lionaires sont forcment indpendantes de la forme linaire x1 + 2a
.
Deuxime cas : Tous les indices ai,i sont nuls. Si q = 0 cest fini sinon il
existe i < j tel que ai,j 6= 0. Par exemple, a1,2 = a 6= 0. On peut alors crire :
q(x1 , ..., xn ) = ax1 x2 + x1 B(x3 , ..., xn ) + x2 C(x3 , ..., xn ) + D(x3 , ..., xn )
o B, C sont des formes linaires et D une forme quadratique en x3 , ..., xn .
On crit alors :
q(x1 , ..., xn ) = a(x1 +
C
B
BC
)(x2 + ) + (D
)
a
a
a
a
C
B 2
C
B 2
BC
x1 + x2 + +
x1 x2 +
+ (D
)
4
a
a
a
a
a
les deux premiers termes sont des carrs de formes linaires indpendantes
et on itre la mthode de Gauss partir de la forme quadratique (D BC
a ).

La mthode de Gauss donne automatiquement des formes linaires indpendantes.

Supposons que E est de dimension n. Soit q : E
une forme quadratique. Si l1 , ..., ln est une famille de formes linaires linairement indpendantes telles que :
q = a1 l12 + ... + an ln2
pour certains ai , alors l1 , ..., ln est une base de E et si e1 , ..., en est la

base anteduale i.e. :
1 i, j n , li (ej ) = i,j ,
alors, la base e1 , ..., en est orthogonale. En effet, si on note Q la forme
polaire de q, on a :
1
1
Q(ei , ej ) = (q(ei + ej ) q(ei ) q(ej )) = (ai + aj ai aj ) = 0
2
2
si i 6= j.
4.5
Classification des formes quadratiques complexes
Cespace vectoriel de dimension finie n.

Soit q : E C une forme quadratique sur E. Alors il
On suppose que E est un
Thorme 4.5.1
existe une base e1 , ..., en de E telle que :
q(x) = x21 + ... + x2r

pour tout x = x1 e1 + ... + xn en E. Lentier r est le rang de q.
4.6. CLASSIFICATION DES FORMES QUADRATIQUES RELLES 31

Remarque : 0 r n.
Le rang des formes quadratiques sur
En revanche sur , le rang ne suffit pas ...
C les classifient compltement .
4.6
Classification des formes quadratiques relles
On suppose que E est un espace vectoriel.

Une forme quadratique f sur E est positive si pour tout x E, f (x) 0.
On dit que f est dfinie positive si pour tout 0 6= x E, f (x) > 0. On dfinit
de mme les formes quadratiques (dfinies) ngatives.
Thorme 4.6.1 Supposons que E est de dimension finie n. Alors, il existe
une base e1 , ..., en de E telle que pour tout x = x1 e1 + ... + xn en E,
f (x) = x21 + ... + x2p x2p+1 ... x2p+q
o p, q 0, p + q n. De plus les entiers p, q sont indpendants de la base
e1 , ..., en et p + q = r le rang de f .
On apppelle (p, q) la signature de f .
La signature classifie les formes quadratiques relles.
Supposons que E est un espace vectoriel de dimension n. Soient
l1 , ..., ln des formes linaires indpendantes sur E. Soient a1 , ..., an des rels.
Alors la forme quadratique a1 l12 + ... + an ln2 (quelle est sa forme polaire ?
(exo)) est de signature (p, p0 ) o p est le nombre de coefficients ai > 0 et p0
celui des ai < 0 et son rang est r = p + p0 le nombre de coefficients ai 6= 0.
Dmonstration : Soit e1 , ..., en la base anteduale de l1 , ..., ln . Alors q(x1 e1 +
... + xn en ) = a1 x21 + ... + an x2n . Soit bi > 0 tel que b2i = |ai | si ai 6= 0. Quitte
remplacer les ei par ebii , on a : ai = 1 ou 0.
q.e.d.
Proposition 4.6.2 Soit f une forme quadratique sur E de signature (p, q)

alors p est la dimension maximale dun sous-espace sur lequel f est dfinie
positive et q la dimension maximale sur lequel f est dfinie ngative.
Dmonstration : Soit e1 , ..., en une base de E telle que :
f (x) = x21 + ... + x2p x2p+1 ... x2p+q
pour tout x = x1 e1 + ... + xn en . Notons p+ la dimension maximale dun
sous-espace sur lequel f est dfinie positive. La forme f est dfinie positive sur he1 , ..., ep i. donc p p+ . Dun autre ct, f est ngative sur
F := hep+1 , ..., en i. Donc si f est dfinie positive sur un sous-espace P de
dimension p+ , on a : P F = 0. Donc :
dim(P + F ) = dim P + dim F n

p+ n dim F = p .
q.e.d.
Respace vectoriel de dimension n.

Proposition 4.6.3 Soit f : E K une forme quadratique dfinie positive.
Soit E un
Alors il existe une base (e1 , ..., en ) de E telle que

f (x) = x21 + ... + x2n
pour tout x = x1 e1 + ... + xn en E.
4.7
Formes hermitiennes
Les formes quadratiques dfinies positives jouent un rle important, on

peut les utiliser pour dfinir des normes et des fonctions longueurs. Sur un
espace vectoriel il ne peut y avoir de formes quadratiques dfinies positives car si q(x) > 0, alors : q(ix) = q(x) < 0. Nanmoins, on peut
construire une thorie semblable celle des formes quadratiques relles sur
un espace vectoriel complexe en utilisant, la place des formes quadratiques,
les formes hermitiennes introduites par Charles Hermite (1822-1901).
Soit E un espace vectoriel.
Une forme hermitienne sur E est une application h : E de la forme
h(x) = H(x, x), pour tout x E, o H : E E est sesquilinaire et
symtrie hermitienne i.e. :
H(x, y + ty 0 ) = H(x, y) + tH(x, y 0 )

H(x + tx0 , y) = H(x, y) + tH(x0 , y)
H(x, y) = H(y, x)
pour tous x, y E, t .
La forme H est dtermine par h. En effet, comme pour les formes quadratiques, on a des formules de polarisation pour les formes hermitiennes :
1
Re(H(x, y) = (h(x + y) h(x) h(y))
2
1
Im (H(x, y) = (h(x) + h(y) h(x + iy)
2
ou :
H(x, y) =
1
(h(x + y) h(x y) + ih(x + iy) ih(x iy))
4
X
1
=
ik h(x + ik y) .
4 k=0,1,2,3
4.7. FORMES HERMITIENNES
33
On appelle H la forme polaire de h.

Exemple : soit A Mn ( ) telle que :
A=A
on dit que A est hermitienne. Alors sur
Cn, lapplication :
Cn R , Z 7 tZAZ
est une forme hermitienne.

Remarque : lespaces des formes hermitiennes de E dans
vectoriel.
R est un Respace
Matrices
Si h est une forme hermitienne sur E, de forme polaire H, si v =
(v1 , ..., vn ) est une base de E, alors la matrice
A := (H(vi , vj ))1i,jn
est appelle la matrice de h dans la base (v1 , ..., vn ). La matrice A est gale
sa transconjugue i.e. :
A = tA
(en particulier la diagonale est relle).
Une matrice A telle que A = t A est appele hermitienne.
Souvent on note A la place de t A.
Exercice 8 Si A, B Mn ( ), (AB) = B A .
Si x = x1 v1 + ... + xn vn , x1 , ..., xn
C, la valeur h(x) est donne par
h(x) = t XAX
o X :=
x1
..
.
xn
Changement de bases
Si v 0 = v10 , ..., vn0 est une autre base de E, si P est la matrice de passage
de v v 0 , alors la matrice de h dans la nouvelle base est
A0 = P AP .
Exercice 9 Soit H Mn ( ) une matrice hermitienne. Alors il existe S une

matrice symtrique relle et A une matrice antisymtrique relle telles que
H = S + iA. En dduire que lespace des matrices hermitiennes de taille n
est un espace vectoriel rel de dimension n2 .
Rang
Le rang dune forme hermitienne h est le rang de sa matrice dans une
base. Ce rang ne dpend pas de la base choisie cause de la formule de
changement de base.
Exemple : Sur 2 , la forme hermitienne :
3
3
h(x, y) = |x|2 2|y|2 + xy + xy
2
2
a pour matrice
3
2
3
2
R2. Cest donc une forme de rang 2.
Mthode de Gauss
Comme une forme quadratique, toute forme hermitienne se rduit
en une combinaison linaire relle de modules au carr de formes linaires
complexes linairement indpendantes. Il suffit de remplacer dans la mthode
de Gauss des formes quadratiques les carrs par des carrs de modules.
Exemples : h1 (x, y) = xy+xy se rduit en 12 (|x+y|2 |xy|2 ). h2 (x, y) =

|x|2 +|y|2 2ixy +2ixy +2yz +2yz se rduit en |x2iy|2 3 y
2z
3
+ 43 |z|2 .
Thorme 4.7.1 Soit h une forme hermitienne sur un espace vectoriel complexe V de dimension n. Il existe une base v1 , ..., vn de V o
h(v) = |x1 |2 + ... + |xp |2 |xp+1 |2 ... |xp+q |2
pour tous v = x1 v1 + ... + xn vn V et pour certains entiers p, q 0 tels que
p + q n.
Les entiers p, q sont indpendants de la base choisie et on dit que (p, q)
est la signature de h. De plus, p + q est le rang de h.
Si h = a1 |l1 |2 + ... + ar |lr |2 pour certaines formes linaires indpendantes
sur V et certains ai , la signature de h est (p, q) o p est le nombre de
ai > 0, q est le nombre de ai < 0.
On dit quune forme hermitienne h sur un espace vectoriel E est positive
si pour tout x E, h(x) 0. On dit quelle est dfinie positive si pour tout
0 6= x E, h(x) > 0.
On dfinit le noyau dune forme hermitienne comme le noyau dune forme
quadratique i.e. : si h est une forme hermitienne sur un espace E de forme
polaire H le noyau de h est :
ker h = {x E : H(x, y) = 0 pour tout y E} .
4.8. FORMES QUADRATIQUES ET HERMITIENNES POSITIVES
4.8
35
Formes quadratiques et hermitiennes positives
Soit une forme quadratique sur un espace vectoriel rel E ou une forme
hermitienne sur un espace vectoriel E. On notera la forme polaire de
.
Lemme 4.8.1 Supposons E de dimension finie. Si est positive (respectivement dfinie positive) sur E, alors le dterminant de la matrice de dans
une base est 0 (respectivement > 0).
Thorme 4.8.2 (Ingalit de Cauchy-Schwarz) Si est positive, alors
pour tous x, y E :
|(x, y)|2 (x)(y)
si de plus, est dfinie positive, il y a galit si et seulement si x, y sont lis.
Corollaire 4.8.2.1 (Ingalit de Minkowski) Si est positive, alors pour
tous x, y E :
q
q
q
(x + y) (x) + (y) .
4.9
Orthogonalisation de Gram-Schmidt
Dfinition 2 Soit A = (ai,j )1i,jn une matrice n n. Les mineurs principaux de A sont les nombres k := det ((ai,j )1i,jk ), 1 k n.
Exemple : n = detA.
Thorme 4.9.1 Soit E un espace vectoriel de dimension finie. Soit q une
forme quadratique relle sur E. Soient e1 , ..., en une base de E et A la matrice
de q dans cette base. Si tous les mineurs principaux de A, 1 , ..., n , sont non
nuls alors il existe une unique base f1 , ..., fn de E telle que :
i) f1 , ..., fn est une base orthogonale ;
ii) pour tout k, fk = ek mod he1 , ..., ek1 i.
k
De plus les fk vrifient : q(fk ) = k1
1 k n (0 := 1).
Remarque : Si q est dfinie positive, tous les k sont > 0 et on obtient une
base orthonormale en posant fk0 := fk .
q(fk )
Remarque : Lhypothse sur les mineurs signifie que q he1 ,...,ek i est non
dgnre pour tout k. Par exemple si q est dfinie positive (sur ). Le
thorme est encore vrai en dimension dnombrable.
Corollaire 4.9.1.1 Soit E un espace vectoriel de dimension finie n.

Soit une forme quadratique (ou hermitienne) sur E. Soit A la matrice
de dans une base. On note |A1 |, ..., |An | les mineurs principaux de A et AI
les matrices (Ai,j )i,jI pour toute partie I de {1, ..., n}.

i) La forme est dfinie positive tous les mineurs principaux |Ak |,
1 k n sont > 0.
ii) La forme est positive |AI | 0 pour tout I {1, ..., n}.
Exemple : La forme quadratique q(x, y) = ax2 + 2bxy + dy 2 est dfinie
positive si et seulement si a, ad b2 > 0. Elle est positive si et seulement si
a, d, ad b2 0.
Corollaire 4.9.1.2 Soit A = (ai,j )1i,jn une matrice.
i) Si A est symtrique relle ou hermitienne dfinie positive, alors :
|detA| a1,1 ...an,n .
ii) Ingalit dHadamard :
Si A est complexe, alors :
v
n u
n
Y
uX
t
|detA|
|ai,j |2 .
j=1
i=1
Corollaire 4.9.1.3 Soit q : E une forme quadratique relle de matrice

A dans une base e1 , ..., en de E. On note 1 , ..., n les mineurs principaux de
A. Si 1 , ..., n sont non nuls, alors la signature de q est (n s, s) o s est
le nombre de changement de signes dans la suite :
1, 1 , ..., n .
4.10
Orthogonalit
Soit une forme quadratique ou hermitienne sur E (dans le cas de la

forme hermitienne, on suppose bien sr que E est un espace vectoriel complexe) de forme polaire . On dit que deux vecteurs x, y E sont orthogonaux (sous-entendu pour ) si (x, y) = 0.
Si F est un sous-espace de E, on note F := {x E : (x, y) =
0 pour tout y F }.
Exercice 10 Vrifier que si F1 F2 , alors F1 F2 .
Thorme 4.10.1 Si E est de dimension finie, alors :
i) dim F + dim F = dim E + dim(F ker ) ;
ii) F = F + ker .
Proposition 4.10.2 Soit une forme quadratique (ou hermitienne) sur E
non dgnre. Soit F un sous-espace de dimension finie de E. Si est
dfinie ou si |F est non dgenre, alors :
i) F F = E et ii) F = F .
Chapitre 5
Espaces euclidiens et
hermitiens
5.1
Espaces euclidiens
Un espace euclidien est un espace vectoriel E de dimension finie, muni

dune forme quadratique dfinie positive. On notera hx, yi la forme polaire
associe value en x, y E. On dit que h, i est un produit scalaire .
Exemple standard : Lespace n avec le produit scalaire usuel :
hx, yi = x1 y1 + ... + xn yn
o x = (x1 , ..., xn ), y = (y1 , ..., yn ).
Exemple : Lespace des fonctions continues sur lintervalle [1, 1] avec
le produit scalaire :
Z
1
hf, gi :=
f (t)g(t)dt .
1
On peut dfinir la longueur dun vecteur et langle entre deux vecteurs

dans un espace euclidien. On peut dfinir ces notions de sorte quelles concident avec les dfinitions usuelles dans 2 et 3 .
Soit E, (, ) un espace euclidien.
On pose :
q
|x| := (x, x) .
Proposition 5.1.1 Pour tous x, y E,

|(x, y)| |x||y|
et lgalit est ralise si et seulement si les vecteurs x, y sont colinaires.
Si x, y E sont des vecteurs non nuls, on dfinit langle entre x et y
c [0, ] tel que :
comme le rel xy
c =
cos xy
(x, y)
.
|x||y|
37
38
CHAPITRE 5. ESPACES EUCLIDIENS ET HERMITIENS
c = 0 ou si et seulement si x, y sont colinaires. Si x

En particulier, xy
c = 2 .
et y sont orthogonaux i.e. si (x, y) = 0, alors xy
Lingalit de Cauchy-Schwarz se gnralise avec les matrices de Gram.
Soient a1 , ..., ak E. La matrice :
(a1 , a1 ) (a1 , a2 ) ... (a1 , ak )
(a2 , a1 )
G(a1 , ..., ak ) :=
..
(a2 , a2 ) ...
..
.
(a2 , ak )
..
(ak , a1 ) (ak , a2 ) ... (ak , ak )

est la matrice de Gram du systme (a1 , ..., ak ).
Thorme 5.1.2 Pour tous a1 , ..., ak E, det(G(a1 , ..., ak )) 0. Lgalit
est atteinte si et seulement si les vecteurs a1 , ..., ak sont lis.
Une base orthonormale de E est une base (e1 , ..., en ) de E o la matrice
de (, ) est lidentit i.e. :
(ei , ej ) = 1 si i = j, 0 sinon.
Soit e1 , ..., en une base de E. Soient x = x1 e1 + ... + xn en E, y =
y1 e1 + ... + yn en , alors :
(x, y) = x1 y1 + ... + xn yn et |x| =
x21 + ... + x2n .
En particulier, si e01 , ..., e0n est une autre base orthonormale de E, la matrice de passage O de (e1 , ..., en ) (e01 , ..., e0n ) vrifie :
t
OO = In .
Proposition 5.1.3 Pour une matrice O Mn ( ), sont quivalentes :

i) t OO = In ;
ii) Ot O = In ;
iii) O est une matrice de passage dune base orthonormale dans une autre.
On dit dans ce cas que O est une matrice orthogonale . On note On ( )

lensemble des matrices orthogonales n n.
Exercice 11 On ( ) est un sous-groupe de GLn ( ).

Proposition 5.1.4 Une matrice orthogonale est de dterminant 1.
5.1. ESPACES EUCLIDIENS
39
Projection orthogonale
Soit F un sous-espace de E. On note F son orthogonal pour le produit
scalaire (, ). Comme le produit scalaire est dfini, on a :
E = F F
autrement dit tout vecteur x E se dcompose de manire unique en :
x=y+z
o y F, z F . On note y := prF (x), z := ortF (x).
Proposition 5.1.5 Si e1 , ..., ek est une base orthogonale de F , alors :
prF (x) =
k
X
(x, ei )
i=1
ortF (x) = x
(ei , ei )
ei
k
X
(x, ei )
i=1
(ei , ei )
ei .
Retour sur la mthode de Gram-Schmidt

Si e1 , ..., en est une base de E, on peut construire une base orthogonale
(f1 , ..., fn ) de E de la manire suivante :
on pose : Vk := he1 , ..., ek i si 0 k n et pour tout 1 k n :
fk := ortVk1 (ek )
= ek
k1
X
i=1
Remarque : la famille
(ek , fi )
fi .
(fi , fi )
f1
fn
(f1 ,f1 ) , ..., (fn ,fn )
est une base orthonormale de
E.
Exemples standards :
les polynmes orthogonaux
E = [X], Rei := X i1 ,
1
i) (f, g) := 1
f g : fn+1 =
R 1 f (t)g(t)
n!
d
(2n)! dxn
n
x2 1
(Legendre) ;
2n1 Tn
Tchbychev I si n 1
i.e. Tn (cos t) = cos(nt) ; iii) (f, g) = 1 f (t)g(t) 1 t2 dt : fn = 2n1 Sn

Tchbychev II i.e. sin tSn (cos t) = sin(nt).
Exemple : Soit A GLn ( ). En appliquant la mthode de GramSchmidt, on montre quil existe une unique faon dcrire
ii) (f, g) =
1t2
dt : f1 = 1, fn+1 =
R1
A = BO
o O est une matrice orthogonale et B une matrice triangulaire suprieure
coefficients diagonaux > 0.
40
5.1.1
Distances
p
Soient x, y E, on pose d(x, y) := ||x y|| := (x y, x y).

On a pour tous x, y, z E : i) d(x, y) = d(y, x) 0 ;
ii) d(x, y) = 0 x = y ;
iii) d(x, z) d(x, y) + d(y, z).
On dit que d est une distance.
Si F est un sous-espace de E, on note d(x, F ) := inf yF ||x y|| la
distance de x F .
Thorme 5.1.6 d(x, F ) = ||ortF (x)|| = ||x prF (x)||. Et prF (x) est LE
point de F le plus proche de x.
Proposition 5.1.7 Soit e1 , ..., ek une base de F . On a :
d(x, F )2 =
detG(e1 , ..., ek , x)
.
detG(e1 , ..., ek )
Dmonstration : Si x he1 , ..., ek i, alors, d(x, F ) = 0 et detG(e1 , ..., ek , x) =

0. Si x 6 he1 , ..., ek i, alors, on pose ek+1 := x et Vi := he1 , ..., ei i pour
tout i. Il existe une base (unique) orthogonale de he1 , ..., ek , ek+1 i telle que
fi = ei mod he1 , ..., ei1 i pour tout 1 i k + 1. Si Ti est la matrice de
passage de la base e1 , ..., ei de Vi dans la base f1 , ..., fi , alors Ti est triangulaire
suprieure avec une diagonale de 1, donc de dterminant 1. Donc :
G(f1 , ..., fi ) = t Ti G(e1 , ..., ei )Ti
donc ||f1 ||2 ...|fi ||2 = detG(e1 , ..., ei ) pour tout i. En particulier :
||fk+1 ||2 =
detG(e1 , ..., ek , x)
.
detG(e1 , ..., ek )
Or, fk+1 = he1 ,...,ek i (x) = F (x). Donc :

||fk+1 ||2 = d(x, F )2 =
detG(e1 , ..., ek , x)
.
detG(e1 , ..., ek )
q.e.d.
Volume des paralllpipdes

Soient a1 , ..., an E. On note
P (a1 , ..., an ) :=
( n
X
xi ai : 0 x1 , ..., xn 1
i=1
cest le paralllpipde dfini par (a1 , .., an ). On dira que P (a1 , ..., an1 )
est la base de P (a1 , ..., an ) et que ||ortha1 ,...,an1 i (an )|| est sa hauteur.
5.2. ESPACES HERMITIENS
41
Dfinition 3 On dfinit par rcurrence sur n le volume dun paralllpipde

dfini par n vecteurs :
vol(P (a1 )) := ||a1 ||
vol(P (a1 , ..., an )) := vol(P (a1 , ..., an1 )).||ortha1 ,...,an1 i (an )|| .
Cette dfinition correspond aux dfinitions usuelles lorsque n = 1, 2, 3
(exo).
Thorme 5.1.8
vol(P (a1 , ..., an )) =
detG(a1 , ..., an ).
Soit e1 , ..., en une base orthonormale de E. Si a1 , ..., an E sont donns

par une matrice A = (ai,j )1i,jn i.e. :
aj =
n
X
ai,j ei
i=1
pour tout j, alors :

vol(P (a1 , ..., an )) = |detA| .
En effet, G(a1 , ..., an ) = t AA.
5.1.2
Isomorphismes
Deux espaces euclidiens E1 , E2 munis de leurs produits scalaires : (, )1

et (, )2 sont isomorphes sil existe un isomorphisme despace vectoriel :
: E1 E2
tel que :((x), (y))2 = (x, y)1 pour tous x, y E.
Thorme 5.1.9 Deux espaces euclidiens de mme dimension finie sont
isomorphes.
5.2
Espaces hermitiens
Un espace hermitien est un espace vectoriel de dimension finie muni

dune forme hermitienne h dfinie positive.
Les espaces hermitiens sont les analogues complexes des espaces euclidiens.
Soit E un espace hermitien. On notera (, ) la forme sesquilinaire
symtrie hermitienne correspondante. On dit que (, ) est un produit scalaire.
Voici un exemple standard :
42
Cn muni de h(x) := |x1|2 + ... + |xn|2 P

pour tout x = (x1 , ..., xn ) Cn .
La forme polaire est donne par : (x, y) := ni=1 xi yi pour tous x, y Cn de
coordonnes xi , yi .
Dans un espace hermitien, on dfinit la norme dun vecteur x par :
||x|| :=
(x, x) .
Lingalit de Cauchy-Schwarz est encore valide :

|(x, y)| ||x||||y||
pour tous x, y E.
On dit quune base (e1 , ..., en ) de E est orthogonale si pour tous i 6= j,
on a :
(ei , ej ) = 0
si de plus, pour tout i, (ei , ei ) = 1, on dit que la base est orthonormale.
Proposition 5.2.1 Si E est un espace hermitien, alors E admet au moins
une base orthonormale.
Remarque : si e1 , ..., en est une base orthonormale de E. Alors pour tous
vecteurs x = x1 e1 + .... + xn en , y = y1 e1 + ... + yn en de E, on a :
(x, y) = t XY
o X :=
x1
..
.
, Y :=
y1
..
.
xn
yn
Les matrices de changement de bases entre deux bases orthonormales
sont appeles unitaires .
Proposition 5.2.2 Une matrice U GLn ( ) est unitaire si et seulement

si t U U = In .
On note Un ( ) lensemble des matrices unitaires n n. Remarque : Les

matrices unitaires forment un sous-groupe de GLn ( ). De plus , |detU | = 1
si U Un ( ).
Exemple : Si n = 1, U1 ( ) est le groupe des nombres complexes de
module 1.
Comme dans le cas des espaces euclidiens, si F est un sous-espace vectoriel dun espace hermitien E, alors
E = F F .
5.3. RDUCTION DES MATRICES SYMTRIQUES ET DES ENDOMORPHISMES ADJOINTS43

Et si F a une base orthonormale (f1 , ..., fk ), alors pour tout x E,
prF (x) =
k
X
k
X
i=1
i=1
(x, fi )fi et ortF (x) = x
(x, fi )fi
sont les projections de x sur F et F relativement la dcomposition E =

F F .
Proposition 5.2.3 (dcomposition dIwasawa) Soit A GLn ( ). Alors

il existe un unique couple U, T o U est unitaire, T triangulaire suprieure
coefficients diagonaux > 0 tel que A = U T .
5.3
Rduction des matrices symtriques et des endomorphismes adjoints
Soit E un espace euclidien ou hermitien muni dun produit scalaire : (, ).
5.3.1
Adjoint dun endomorphisme
On dit que deux endomorphismes f, g de E sont adjoints si pour tous

x, y E :
() (f (x), y) = (x, g(y)) .
Proposition 5.3.1 Lendomorphisme f L (E) tant donn il existe un
unique endomorphisme g de E qui vrifie (). On dit que g est lendomorphisme adjoint de f et on le note f .
Par dfinition, on a toujours :
(f (x), y) = (x, f (y))
pour tous x, y E et tout f L (E).
On a aussi : f = f si f L (E).
Si f = f , on dit que f est autoadjoint .
Dmonstration : Soit f un endomorphisme de E. Soit B une base orthonorme de E. Soit M la matrice de f dans la base B. Soit g L (E). On note
N la matrice de g dans la base B.
On voit que () est vrifie si et seulement si pour tous vecteurs X, Y
n (
= ou ) on a :
K K R
(M X) Y = X (N Y )
ou encore
X M Y = X N Y .
44
Lendomorphisme g est donc ladjoint de f si et seulement si sa matrice dans

la base B est N = M .
q.e.d.
Remarques :
Si B est une base orthonorme de E, alors
Mat(f )B = (MatB (f )) .
Attention, cela nest vrai que lorsque la base est orthonorme.
Si E est euclidien, un endomorphisme est autoadjoint si et seulement
si sa matrice dans une base orthonorme est symtrique.
Si E est hermitien, un endomorphisme est autoadjoint si et seulement
si sa matrice dans une base orthonorme est hermitienne.
5.3.2
Rduction
Soit u un endomorphisme de E. On dit que u est normal si uu = u u.

Cest le cas si u est autoadjoint ou si u est unitaire (i.e. u u = IdE ) ou
si u = u.
Lemme 5.3.2 Si u est normal, alors pour tout x E, ||u(x)|| = ||u (x)||.
Lemme 5.3.3 Si u est normal et si F est un sous-espace de E stable par u,
alors F est stable par u .
Thorme 5.3.4 Soit u un endomorphisme autoadjoint de E. Alors, il existe
une base orthonorme de vecteurs propres de E. De plus, dans le cas hermitien, les valeurs propres sont toutes relles.
Version matricielle : si A est une matrice symtrique relle (resp.hermitienne
complexe), alors il existe une matrice orthogonale O (resp.une matrice U unitaire) et une matrice diagonale relle telle que :
A = ODt O = ODO1
resp. :
A = U DU = U DU 1 .
Remarque : La matrice symtrique
C.
i 1
nest pas diagonalisable sur
Thorme 5.3.5 (des axes principaux ou diagonalisation forte) Soit

q une forme quadratique relle sur un espace euclidien E de dimension n.
Alors il existe une base orthonormale de E : e1 , ..., en telle que :
q(x) = 1 x21 + ... + n x2n

pour tout x = x1 e1 + ... + xn en E (autrement dit, la base e1 , ..., en est aussi
orthogonale pour q). De plus, les i sont les valeurs propres de la matrice de
q dans une base orthonormale quelconque de E et le rang de q est (r, s) o
r est le nombre dindices i tels que i > 0 et s le nombre dindices i tels que
i < 0.
Proposition 5.3.6 Soit u un endomorphisme adjoint. Alors les espaces propres
associs des valeurs propres distinctes sont orthogonaux.
Corollaire 5.3.6.1 (racine carre dune matrice hermitienne positive)
Soit H une matrice hermitienne positive. Alors il existe une unique matrice
hermitienne positive R telle que R2 = H.
Corollaire 5.3.6.2 (Dcomposition polaire) Soit A une matrice complexe inversible. Alors, il existe un unique couple (U, H) tel que U est unitaire, H hermitienne dfinie positive et A = U H.
5.3.3
Quadriques
Soit E un espace vectoriel.

Dfinitions : Une fonction quadratique sur E est une fonction F : E
de la forme
F =q+l+c
o :
q est une forme quadratique non nulle sur E ;
l est une forme linaire sur E ;
c est une constante relle.
On notera qF := q la partie forme quadratique de F .
On appelle quadrique un sous-ensemble de E de la forme :
QF := {x E : F (x) = 0}
o F est une fonction quadratique .
Si E est de dimension 2, on parle de conique.
Exemples : les cercles, les ellipses, les hyperboles, les paraboles.
Si F = q + l + C avec q une forme quadratique, l une forme linaire et C
une constante, on dfinit lhomognis de F par :
HF (x, t) := q(x) + l(x)t + Ct2
pour tout (x, t) E . La fonction HF est une forme quadratique sur

E (exo).
Remarque : on a : HF (x, t) = t2 F ( xt ) si t 6= 0.
Si une quadrique Q de E peut tre dfinie par une fonction quadratique
F telle que la forme quadratique HF est non dgnre, alors on dit que Q
est une quadrique non dgnre.
46
Exemple : la conique dquation x2 y = 0 dans 2 est non dgnre

car si on pose F (x, y) := x2 y, alors HF (x, y, t) = x2 yt et HF est une
3 (en effet, sa matrice dans la base
forme quadratique non dgnre
sur
canonique de
3 est la matrice
0
0
0
12
qui est inversible).
0 12 0
Remarque : une quadrique, mme non dgnre, peut-tre vide : x2 +
y 2 + 1 = 0 na pas de solution dans 2 .
Changement de variables
Proposition 5.3.7 Soit F une fonction quadratique sur E. Soient o E
et u1 , ..., un une base de E. Si on pose G(x1 , ..., xn ) := F (o + x1 u1 + ... +
xn un ) alors, on obtient une fonction quadratique G sur n et les formes
quadratiques
qG et qF dune part,
HF et HG dautre part, ont la mme signature si
= .
En particulier, si HF est non dgnre, alors HG aussi et la quadrique
de n dquation G(x1 , ..., xn ) = 0 est aussi non dgnre.
K R
Dmonstration : Notons l la partie linaire de F et c sa partie constante :

F = qF + l + c
donc si x1 , ..., xn
Rn, alors on a :
G(x1 , ..., xn ) = F (o + x1 u1 + ... + xn un )

= qF (o + x1 u1 + ... + xn un ) + l(o + x1 u1 + ... + xn un ) + c
= qF (o)+2B(o, x1 u1 +...+xn un )+qF (x1 u1 +...+xn un )+l(o)+l(x1 u1 +...+xn un )+c
(o B est la forme polaire de qF )
= F (o)+2B(o, x1 u1 +...+xn un )+l(x1 u1 +...+xn un )+qF (x1 u1 +...+xn un ) .
Donc G est une fonction quadratique avec pour partie quadratique :
qG (x1 , ..., xn ) := qF (x1 u1 + ... + xn un )
pour partie linaire :
2B(o, x1 u1 + ... + xn un ) + l(x1 u1 + ... + xn un )
et pour constante F (o).
Donc la matrice de qG dans la base canonique de n est la matrice de
qF dans la base u1 , ..., un . Donc qF et qG ont la mme signature.

Si t 6= 0, on a :
HG (x1 , ..., xn , t) = t2 G(
x1
xn
, ..., )
t
t
x1
xn
u1 + ... +
un )
t
t
to + x1 u1 + ... + xn un
= t2 F (
)
t
= HF (to + x1 u1 + ... + xn un , t)
= t2 F (o +
= HF (x1 (u1 , 0) + ... + xn (un , 0) + t(o, 1)) .
Or, les vecteurs (u1 , 0), ..., (un , 0), (o, 1) forment une base de E
(exo).
Donc la matrice de la forme quadratique HG dans la base canonique de n+1
est aussi la matrice de HF dans la base (u1 , 0), ..., (un , 0), (o, 1) de E .
Donc les formes quadratiques HF et HG ont la mme signature.
q.e.d.
48
Figure 5.1 ellipse
5.3.4
Classification des coniques
Exemples de coniques non dgnres
Figure 5.2 hyperbole
50
Figure 5.3 parabole

lellipse dquation F (x1 , x2 ) = a1 x21 + a2 x22 1 o a1 , a2 > 0,
lhyperbole dquation F (x1 , x2 ) = a1 x21 a2 x22 1 o a1 , a2 > 0,
la parabole dquation F (x1 , x2 ) = a1 x21 x2 o a1 > 0
sont des coniques non dgnres (on a HF (x1 , x2 , x3 ) = a1 x21 + a2 x22 x23
de signature (2, 1) dans le premier cas, HF (x1 , x2 , x3 ) = a1 x21 a2 x22 x23
de signature (1, 2) dans le deuxime cas et HF (x1 , x2 , x3 ) = a1 x21 x2 x3 ,
de signature (2, 1), dans le dernier cas. Nous allons voir qu changement de
repre orthonormal prs ce sont les seules.
Thorme 5.3.8 Soit C une conique dans
R2 dquation quadratique :
F (x, y) = ax2 + 2bxy + cy 2 + 2dx + 2ey + f = 0 .
a b d
On suppose que la matrice

b c e est inversible (c--d la forme
d e f
quadratique HF est non dgnre) donc que C est non dgnre.
Alors soit C est vide soit il existe o 2 , une base orthonorme u1 , u2
de 2 et a1 , a2 > 0 tels que :
(I) o + x1 u1 + x2 u2 C a1 x21 + a2 x22 = 1

ou
(II) o + x1 u1 + x2 u2 C a1 x21 a2 x22 = 1
ou
(III) o + x1 u1 + x2 u2 C a1 x21 x2 = 0 .
On dit que les quations droite du signe sont les quations rduites de
la conique C .
On dit que les droites u1 et u2 sont des directions principales de

C . Ces directions sont uniques si C nest
pas un
cercle (i.e. a1 6= a2 ), ce
a b
sont les droites propres de la matrice
de la forme quadratique
b c
qF = ax2 + 2bxy + cy 2 (dans la base canonique de 2 ). Dans les cas (I) et

(II), on dit que o est le centre de la conique et on appelle les droites o + ui
des (les (si a1 6= a2 ) ) axes principaux de C .
Dmonstration
: Soit
u1 , u2 une base orthonormale de vecteurs propres de

a
la matrice
b c
associs aux valeurs propres 1 , 2 .
On a alors : qF (x1 u1 + x2 u2 ) = 1 x21 + 2 x22 pour tous x1 , x2
R.
52

On a donc, en posant l(x, y) := 2dx + 2ey, pour tous x1 , x2
R:
F (x1 u1 + x2 u2 ) = 1 x21 + 2 x22 + l(x1 u1 + x2 u2 ) + f

= 1 x21 + 2 x22 + 1 x1 + 2 x2 + f
avec i = l(ui ).
Si 1 , 2 6= 0, on a :
F (x1 u1 + x2 u2 ) = 1 (x1 +
2 2
1 2
) + 2 (x2 +
) + c0
21
22
1
pour une certaine constante c0 . Si on pose o := 2
u1
1
F (o + x1 u1 + x2 u2 ) = F ((x1
2
22 u2 ,
on trouve :
1
2
)u1 + (x2
)u2 )
21
22
= 1 x21 + 2 x22 + c0
si x1 , x2 . En particulier, c0 = F (o).
Or, daprs la proposition5.3.7, si G(x1 , x2 ) := F (o + x1 u1 + x2 u2 ) =
1 x21 + 2 x22 + c0 , on a : HG qui est non dgnre car HF est non dgnre.
Or,
HG (x1 , x2 , x3 ) = 1 x21 + 2 x22 + c0 x23
donc c0 = F (o) 6= 0.
Donc :
o + x1 u1 + x2 u2 C 1 x21 + 2 x22 + F (o) = 0
Si
a1 :=
1 2
F (o) , F (o)
1
F (o) et a2
1 2
2 2
x1 +
x = 1 () .
F (o)
F (o) 2
> 0, on pose ai =
:=
2
F (o)
> 0. Si
1
F (o)
i
F (o) .
Si
< 0,
2
F (o) > 0,
1 2
F (o) , F (o)
1
F (o)
> 0,
2
F (o)
< 0, on pose
on change u1 et u2 et
on est ramen au cas prcdent. Enfin si

< 0, lquation () na
pas de solution donc C = .
Remarque : Comment trouver o ? Rponse : le point o est lunique point
de 2 qui vrifie le systme :
Fx (o) = 0
Fy (o) = 0
En effet, daprs la formule de Taylor (cf. le cours de math-IV-analyse),

on a :
Fx (o)
F (o + v) = qF (v) + h
, vi + F (o)
Fy (o)

pour tout vecteur v de
R2. Donc le point o vrifie :
Fx (o)
, x1 u1 + x2 u2 i = 0
pour tous x1 u1 + x2 u2
Fy (o)
R2 donc :
Fx (o) = 0
Fy (o) = 0
De plus, on peut vrifier que ce systme a une seule solution.

Si 1 6= 0 et 2 = 0 :
Soit (u1 , u2 ) une base de vecteurs propres de la matrice
b c
asso-
cis aux valeurs propres 1 , 0.

Comme prcdemment, on a :
F (x1 u1 + x2 u2 ) = 1 x21 + 1 x1 + 2 x2 + f
pour certaines constantes relles 1 , 2 . Comme 1 6= 0, on a :
F (x1 u1 + x2 u2 ) = 1 (x1 +
1 2
) + 2 x2 + c0
21
pour une certaine constante c0 .

1
u1 et on trouve
On pose o0 := 2
1
G(x1 , x2 ) := F (o0 + x1 u1 + x2 u2 ) = 1 x21 + 2 x2 + c0 .
Or, HF est non dgnre donc HG aussi. Mais :
HG (x1 , x2 , x3 ) = 1 x21 + 2 x2 x3 + c0 x23
qui est une forme quadratique de matrice :
2
2
2
2
c0

On pose alors :
R3. Cette matrice doit tre inversible donc 2 6= 0.

o :=
1
c0
u1
u2 .
21
2
54
On obtient alors :
F (o + x1 u1 + x2 u2 ) = F ((x1
c0
1
)u1 + (x2
)u2 )
21
2
= 1 x21 + 2 x2 .
Par consquent, on a :
o + x1 u1 + x2 u2 C F (o + x1 u1 + x2 u2 ) = 0
1 x21 + 2 x2 = 0
1 2
x x2 = 0 .
2 1
1
Quitte changer u2 en u2 , on supposera que
2 > 0. On pose alors
1
a1 :=
2 .
Remarque : Comment calculer o dans ce cas ? Rponse : le point o est
lunique point de 2 tel que :
F (o) = 0 et (x F (o), y F (o)).u1 = 0

(exo).
De plus, pour ce point o
R2, on a :
F (o + x1 u1 + x2 u2 ) = 1 x21 + 2 x2
o 2 = (x F (o), y F (o)).u2 .
q.e.d.
Pour rsumer, on a le tableau suivant pour une conique non dgnre
dquation F (x, y) = 0 dans 2 :
sgn(qF )
(2, 0)
nature de la conique
ellipse
si sgn(HF )=(2,1)
si sgn(HF )=(3,0)
(1, 1)
hyperbole
(1, 0)
parabole
Exemple : On considre la conique C dquation :

x2 + xy + y 2 + 4x + 3y + 4 = 0 .
Pour trouver o = (x0 , y0 ), on rsout le systme :
x F (o) = 0
y F (o) = 0
2x0 + y0 + 4 = 0
x0 + 2y0 + 3 = 0
2
5
x0 = , y 0 = .
3
3
On a de plus, qF (x, y) = x2 +xy +y 2 . On cherche donc les valeurs propres
1 , 2 de la matrice
1
2
1
2
1
2
[qF ] =
On trouve : 1 = 12 , 2 = 32 . Si (u1 , u2 ) est une base orthonormale de

vecteurs propres associs 1 , 2 , alors on trouve :
F (o + x1 u1 + x2 u2 ) = F (o) + 1 x21 + 2 x22
1 1
3
= + x21 + x22 .
3 2
2
Donc :
1 1
3
o + x1 u1 + x2 u2 C + x21 + x22 = 0
3 2
2
9
3
x21 + x22 = 1 .
2
2
Donc C est une ellipse de centre (5/3, 2/3) et dont les axes principaux
sont les droites
o+
Ru1 = (y = x 7/3)
o+
Ru2 = (y = x + 1)
56
5.3.5
Classification des quadriques en dimension trois
Comme pour les coniques on peut dmontrer le thorme suivant :

Thorme 5.3.9 Soient a, b, c, d, e, f, g, p, q, r des rels. On considre la quadrique Q dquation :
F (x, y, z) := ax2 + by 2 + cz 2 + 2exy + 2f xz + 2gyz + 2px + 2qy + 2rz + d = 0
dans
R3. On suppose que la matrice :
a e f
[HF ] =
b g
g
p q
est inversible (donc Q est non dgnre). Alors, soit Q est vide soit il existe
a1 , a2 , a3 > 0, u1 , u2 , u3 une base orthonormale de 3 et o 3 tels que :
o + x1 u1 + x2 u2 + x3 u3 Q a1 x21 + a2 x22 + a3 x23 = 1

(ellipsode) ou
o + x1 u1 + x2 u2 + x3 u3 Q a1 x21 + a2 x22 a3 x23 = 1
(hyperbolode une nappe) ou
o + x1 u1 + x2 u2 + x3 u3 Q a1 x21 a2 x22 a3 x23 = 1
(hyperbolode deux nappes) ou
o + x1 u1 + x2 u2 + x3 u3 Q a1 x21 + a2 x22 x3 = 0
(parabolode elliptique) ou
o + x1 u1 + x2 u2 + x3 u3 Q a1 x21 a2 x22 x3 = 0
(parabolode hyperbolique).
58
Chapitre 6
Formes bilinaires alternes

K
Soit E un espace vectoriel o

(i.e. x , x + x = 0 x = 0).
6.1
K est un corps de caractristique 6= 2
Rappels
K est bilinaire alterne si est bilinaire et
Dfinition 4 : E E
(x, x) = 0 pour tout x E.
Exemple : det :
x x0
2,
7 xy 0 x0 y est bilinaire

,
0
y
y
R2 R
alterne.
Remarque : Altern antisymtrique. La rciproque vraie en caractristique 6= 2. Soit : E E une forme bilinaire alterne.
*
Le noyau de est le sous-espace :
ker := {x E : y E, (x, y) = 0}
Si ker = 0, on dit que est non dgnre.
Exercice 12 Vrifier que le dterminant est non dgnr.
Si e := (e1 , ..., en ) est une base de E, la matrice de dans la base (e) est
la matrice :
Mate () := ((ei , ej ))1i,jn .
Si x = x1 e1 + .. + xn en et y = y1 e1 + ... + yn en alors :
(x, y) = t XAY
o X et Y sont les vecteurs colonnes forms des coordonnes de x et y.
59
60
CHAPITRE 6. FORMES BILINAIRES ALTERNES

Exemple : dans la base canonique de
R2, le dterminant a pour matrice :
1 0
Proposition 6.1.1 Une forme bilinaire est non dgnre si et seulement

si sa matrice dans une base quelconque de E est inversible.
Exercice 13 Montrer quen dimension 3 il nexiste pas de forme bilinaire
alterne non dgnre.
Formule de changement de bases : soient e0 une autre base de E et P la
matrice de passage de e dans e0 . Si on note A := Mate () et A0 := Mate0 (),
alors on a la relation :
A0 = t P AP .
En particulier, le rang de la matrice de dans une base de E ne dpend
pas de la base choisi. Ce rang commun est le rang de .
6.2
Classification
Thorme 6.2.1 Soit : E E

une forme bilinaire alterne. On
suppose que E est de dimension finie. Alors le rang de est pair, disons
2p n, et il existe une base e1 , ..., en de E telle que :
(e2k1 , e2k ) = 1
pour tout 1 k p et
(ei , ej ) = 0
dans tous les autres cas o i < j.
En particulier, si est non dgnre, la dimension de E est paire.
Dans le cas o est non dgnre, n = 2p et une base comme dans le
thorme est appele base symplectique. Dans une telle base, la matrice de
est :
0 1
J :=
0 AA
AA
AA
1 0
Version matricielle du thorme : si A Mn ( ) est une matrice

antisymtrique i.e. :
t
A = A ,
6.3. LE PFAFFIEN
61
alors il existe P GLn ( ) telle que :
t
P AP =
0 AA
AA
AA
1 0 =
=
==
=
0
En particulier, le rang de la matrice A est un entier pair.
6.3
Le Pfaffien
Toutes les matrices antisymtriques carres de taille impaire sont de dterminant 0 (exo).
Le dterminant dune matrice antisymtrique carre de taille paire est
un carr. Plus prcisment :
Thorme 6.3.1 Il existe un unique polynme en les variables ti,j , 1 i <
j 2n et coefficients entiers not Pf tel que :
Pf(A)2 = detA
pour toute matrice antisymtrique carre A de taille 2n et
Pf(J) = 1 .
Dmonstration : Soit
t1,2
t1,2
A :=
t1,3
0 II t2,3
I
II
II
II
II
I
M2n (K)
o K := (t1,2 , t1,3 , ..., t2n1,2n ), le corps des fractions rationnelles en les

variables ti,j , 1 i < j 2n.
Le dterminant de A est un polynme en les ti,j . Si on spcialise les
variables ti,j en les entres de la matrice J, on trouve la valeur detJ = 1.
Donc detA est un polynme non nul et la matrice A est de rang 2n (inversible
dans M2n (K)). En particulier, il existe P GL2n (K) tel que :
t
P AP = J .
62
On pose f := detP 1 . A priori f K est une fraction rationnelle, mais nous

allons montrer que f est un polynme en les ti,j .
En effet, f 2 = detA [ti,j : 1 i < j 2n].
Or on a le :
Lemme 6.3.2 Soit f (t) une fraction rationnelle en t telle que f 2

est un polynme. Alors f [t] est aussi un polynme.
K[t]
Donc, f est un polynme en chaque variable ti,j . Donc, pour chaque

variable ti,j , les drives partielles :
N f
tN
i,j
sont nulles pour N assez grand. Donc f est un polynme en toutes les variables ti,j , 1 i < j 2n.
De mme on peut montrer que tous les coefficients de f sont entiers.
On peut donc dans f spcialiser chaque variable ti,j en une valeur appartenant . En particulier f (J) et f (J)2 = detJ = 1. Donc f (J) = 1.
On pose alors Pf(A) := f (A) si f (J) = 1 et Pf(A) := f (A) si f (J) = 1.
On a bien : Pf(A)2 = detA pour toute matrice A M2n ( ) antisymtrique et Pf(J) = 1.
q.e.d.
Proprits :
si 2n = 2 :
Pf
a 0
=a ;
si 2n = 4 :
t1,2
Pf
t1,3
t1,2
t1,3
t2,3
t2,3
t1,4 t2,4 t3,4
t1,4
t2,4
= t1,2 t3,4 + t1,4 t2,3 t1,3 t2,4 ;

t3,4
Pour toute matrice antisymtrique B, pour toute matrice C,

Pf(t CBC) = detCPf(B) ;
Pf(t A) = (1)n Pf(A) ;

le polynme Pf est homogne de degr n est de degr 1 en chaque
variable ti,j .
6.4. GROUPE SYMPLECTIQUE
63
Pf
1
0 EE
EE
EE
E
0
n
= 1 ...n .
Formule de Laplace
On peut, pour calculer le dterminant dune matrice dvelopper, simultanment, par rapport plusieurs lignes ; si A Mn ( ), alors :
detA =
(A0 )detA0 detA00
A0
o :
A0 dcrit les matrices extraites de A formes des r premires lignes de
A et de r colonnes j1 < j2 < ... < jr ,
A00 est, pour chaque A0 , la matrice extraite de A forme des n r
lignes et n r colonnes restantes,
(A0 ) := (1) o est le nombre de transpositions de colonnes (i.e.
changes de deux colonnes) ncessaires pour amener les colonnes j1 , ..., jr en
position 1, ..., r sans changer lordre des autres colonnes, concrtement :
r(r + 1)
.
2
Par exemple, si r = 1, cest la formule du dveloppement du dterminant
par rapport la premire ligne.
= j1 1 + ... + jr r = j1 + .... + jr
6.4
Groupe symplectique
Soit 2n muni de sa base canonique e1 , ..., e2n et de sa forme bilinaire

alterne standard :
B(e2i1 , e2i ) = 1 et B(ei , ej ) = 0
pour les autres vecteurs ei , ej tels que 1 i < j 2n.
Dfinition 5 Une matrice symplectique est une matrice de passage dune
base symplectique dans une autre i.e. : g M2n ( ) est symplectique si
gJg = J .
Lensemble des matrices symplectiques est un sous-groupe de GL2n ( ) ;

on le note Sp2n ( ).
Proprits : Sp2 = SL2 , A Sp2n t A Sp2n , toute matrice symplectique est de dterminant 1.
64
Chapitre 7
Les quaternions
Rappelons que :
a b
'
a + ib 7
M2 ( )
b a
b
a
Sur le mme modle, on peut construire lalgbre des quaternions partir

de .
7.1
Dfinitions
Dfinition 6 Soit
a
:=
M2 ( )
Exemple : Par exemple :
1 := I2 , I :=
0 i
, J :=
, K :=
1 0
0 i
i 0
H.
H H
Proposition 7.1.1
est une sous- algbre de M2 ( ) i.e. : I2 et
est stable par addition, par multiplication par un scalaire rel et par multiplication.
Dmonstration : Pour la stabilit par multiplication, on vrifie que :
b a
a0
b0
b0
a0
65
aa0
ab0
bb0
ab0
a0 b
aa0
a0 b
bb0
66
CHAPITRE 7. LES QUATERNIONS

q.e.d.
Exercice 14 Vrifier que
H = R1 RI RJ RK
Table de mulitplications :
I 2 = J 2 = K 2 = 1
IJ = JI = K , JK = KJ = I , KI = IK = J
IJK = 1
(exo)
Remarque : Si s
v1
, ~v =
v2
v3
R3, alors on pose :
[s, ~v ] := s + v1 I + v2 J + v3 K
On a alors pour s, t
H.
R, ~v, w~ R3 :
[s, ~v ][t, w]
~ = [st ~v .w,
~ t~v + sw
~ + ~v w]
~ .
Dfinition 7 On appelle quaternions purs les quaternions de la forme :

xI + yJ + zK , x, y, z
H0 les sous-espace des quaternions purs.

On identifiera R avec RI2 H.
Exercice 15 Pour tout q H :
q R q 2 R+
q H0 q 2 R
et on note
Remarque : Pour tout q =
q 6= 0 q inversible dans M2 ( ).
b a
H, detq = |a|2 + |b|2. Donc,
7.2. NORME
67
Proposition 7.1.2 Lalgbre

est une algbre division i.e. tout q
non nul est inversible dans . De plus, le centre de , c--d lensemble des
x tels que xq = qx pour tout q , est .
Dmonstration : Soit 0 6= q =
b a
H. Alors,
q 1 =
a b
|a|2 + |b|2
b
H.
Soit x = a + bI + cJ + dK , alors si x est dans le centre de

en particulier :
xI = Ix et xJ = Jx
H, on a
b=c=d=0 .
La rciproque est clair : si x
R, alors q H, xq = qx.
q.e.d.
Remarque : Dans , lquation X 2 + 1 = 0 a une infinit de solutions,

parmi lesquelles : I, J, K.
Exercice 16 Vrifier que Q8 := {I1 , I, J, K} est un sous-groupe de
\ {0}.
7.2
Norme
Pour tout q
H, on pose :
q := tq .
Proprits :
q1 , q2
q
H, (q1q2) = q2q1
H, qq = qq = det(q)I2 R+I2
R, (a + bI + cJ + dK) = a bI cJ dK
On pose pour tout q H, ||q|| := qq .
a, b, c, d
Dfinition 8
Proposition 7.2.1 Lapplication :
H H R+ (q, q0) 7 hq, q0i := 12 (qq0 + q0q)

est un produit scalaire.
68
Dmonstration : Si q = a + bI + cJ + dK, q 0 = a0 + b0 I + c0 J + d0 K avec

a, a0 , b, b0 , c, c0 , d, d0 , alors : hq, q 0 i = aa0 + bb0 + cc0 + dd0 ; cest la formule du
produit scalaire standard sur 4 .
q.e.d.
On remarque :
q, q 0
H, ||qq0|| = ||q||||q0||
donc :
G := S 3 := SU2 := {q
: ||q|| = 1}
est un sous-groupe de
\ {0}.
Ce groupe joue vis--vis des rotations de SO3 ( ) le mme rle que le
groupe S 1 vis--vis de SO2 ( ).
7.3
Lien avec les rotations
H, on pose :
sq : H0 H0 y 7 sq (y) := qyq 1
(vrifier que si y H0 , sq (y) H0 ).
Pour tout 0 6= q H, on notera Sq la matrice de sq dans la base I, J, K
de H0 .
Remarque : La base I, J, K de H0 est orthonormale.
Lemme 7.3.1 Si s = s1 I + s2 J + s3 K H0 , avec s1 , s2 , s3 R et s21 + s22 +
Pour tout 0 6= q
s23 = 1, alors il existe g S 3 tel que :
sg (I) = s .
Dmonstration : Il existe ,
R tels que :
s1 = cos , s2 = sin cos , s3 = sin sin .

On pose alors :
g = cos I + sin cos J + sin sin K
o := 2 , = . On a bien : sg (I) = s.
q.e.d.
Thorme 7.3.2 Pour tout q S 3 , Sq SO3 ( ). De plus lapplication :
S 3 SO3 ( ) q 7 Sq
est un morphisme surjectif de groupes de noyau : 1 i.e. :
q, q 0 S 3 , Sqq0 = Sq Sq0
Sq = Sq0 q 0 = q
et toute rotation R SO3 ( ) est de la forme R = Sq pour un certain q S 3 .
7.3. LIEN AVEC LES ROTATIONS
69
Dmonstration : On a bien un morphisme de groupes :

Soient q, q 0 S 3 . Alors :
y
H0, sq sq (y) = qq0yq01q1 = (qq0)y(qq0)1 = sqq (y) .

0
Donc sq sq0 = sqq0 do : Sq Sq0 = Sqq0 .

On arrive bien dans O3 ( ) ...
De plus :
H0, ||sq (y)|| = ||qyq1|| = ||q||||y||||q1|| = ||y||
donc Sq O3 ( ) pour tout q S 3 .

... plus prcisment dans SO3 ( ) :
Nous allons voir que les Sq sont en fait des rotations.
On commence par un cas particulier :
Si q = a + bI S 3 , avec b 0, alors on peut trouver
a = cos
R tel que :
et b = sin .
2
2
On vrifie alors que :
SO3 ( ) .
0
0
1
Sq =
0 cos sin
0 sin
cos
Si q est quelconque ...

Alors : q = a + p o p 0 . On a alors : 1 = a2 + ||p||2 . Si p = 0, alors
p
Sq = I3 SO3 . Sinon, ||p||
0 et daprs le lemme, il existe g S 3 tel
que :
p
sg (I) = gIg 1 =
.
||p||
On a alors :
sg (a + ||p||I) = q
(exo).
Soit r := a + ||p||I. On a donc : grg 1 = q do :
Sq = Sg Sr Sg1
or Sr SO3 ( ) daprs la premire partie de la dmonstration donc Sq

SO3 ( ) (car de dterminant 1).
Il reste montrer la surjectivit :
70
v1
Soit R SO3 ( ). Il existe un vecteur propre v :=

v2
R3 de poids
v3
3
1 de R.Daprs le lemme, il existe g S tel que : sg (I) = v1 I + v2 J + v3 K.
Mais alors :
1
1

Sg1 RSg
=
0 .
Donc, comme Sg1 RSg SO3 ( ), on a :
Sg1 RSg
0
1
=
0 cos
0 sin
pour un certain
sin
cos
R. Donc si on pose :
r := cos
+ sin I
2
2
on a :
Sg1 RSg = Sr R = Sg Sr Sg1
R = Sgrg1
do la surjectivit.
Pour finir le noyau est {1} :
Si Sq = I3 alors :
y
H0, sq (y) = y
H0, qyq1 = y qy = yq
y H, qy = yq
qR .
Si q S 3 , alors ||q|| = |q| = 1 q = 1.

q.e.d.
Exercice 17 Soit q S 3 . Si q = 1, alors Sq = I3 . Sinon, q = a + p avec

a , 0 6= p 0 et a2 + ||p||2 = 1. Mais alors il existe tel que :
a = cos
et ||p|| = sin .
2
2
7.3. LIEN AVEC LES ROTATIONS
71
p1
Posons aussi p~ :=
p2 si p = p1 I + p2 J + p3 K. Avec ces notations, Sq
p3
est la rotation daxe p~ et dangle .
Index
forme polaire, 25
noyau dune forme quadratique, 28
alterne, 24
antisymtrique, 24
autoadjoint (endomorphisme), 43
axes principaux dune conique, 51
non dgnre, 20
normal (endomorphisme), 44
noyau dune forme altrene, 59
noyau gauche, 22
orthogonale (matrice), 38
orthogonaux, 21
orthogonaux (une forme linaire et un
base duale, 12
vecteur), 13
bases duales pour les formes bilinaires orthonormale, 38
rgulires, 21
polynme homogne, 27
bidual, 12
positive (forme quadratique), 31
codimension, 7
produit scalaire, 37
congruentes, 26
quadrique, 45
conique, 45
quadrique non dgnre, 45
directions principales dune conique, quaternions, 65
51
quaternions purs, 66
dfinie (forme), 28
quotient, 7
dfinie positive (forme quadratique),
rang dune forme bilinaire, 20
31
rang dune forme quadratique, 28
endomorphisme adjoint, 43
rgulire, 20
espace hermitien, 41
signature, 31
forme bilinaire, 19
supplmentaire, 5
forme hermitienne, 32
symplectique, 60
forme linaire, 11
symtrie hermitienne, 32
forme linaire coordonne, 12
symtrique, 24
forme quadratique, 25
transpose, 15
hermitienne, 33
unitaire (matrice), 42
hermitienne (matrice), 33
homognis, 45
volume, 41
hyperplan, 17
langle, 37
72

Cours Algebre

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Algebre

Transféré par

Droits d'auteur :

Formats disponibles

Math-IV-algbre

K est un corps qui peut tre Q, R ou C.

Autres notations : Si E est un

Kespace vectoriel et v1, ..., vn sont

Table des matires

TABLE DES MATIRES

5 Espaces euclidiens et hermitiens

Formes bilinaires alternes

Soit E un espace vectoriel. Soient F1 , F2 deux sous-espaces de E.

Proposition 1.1.1 Si E = F1 F2 et si E est de dimension finie, alors :

Thorme 1.1.3 Soient F, G deux sous-espaces dun mme espace vectoriel

Soient F1 , ..., Fn des sous-espaces de E un espace vectoriel. On dit

Soit E un espace vectoriel. Soit F un sous-espace de E. Pour tout

est not E/F .

Proposition 1.2.2 Cette addition et cette multiplication sont bien dfinies.

Dmonstration : Il sagit de montrer que si x + F = x0 + F et y + F = y 0 + F ,

Remarque : Le neutre (ou le zro) de E/F est 0E/F = 0 + F = F .

Si E/F est de dimension finie d, on dit que F est de codimension d dans

Proposition 1.2.4 Soit E un espace vectoriel. Soit F un sous-espace

Corollaire 1.2.4.1 Si E est de dimension finie et si F est un sous-espace

Thorme 1.2.6 (thorme du rang) Soit E un espace vectoriel de

Corollaire 1.2.6.1 Si E est de dimension finie et si : E E est une

Exercice 3 Soient E F G trois espaces vectoriels. On suppose que

Une forme linaire sur E est une application linaire : : E .

= x1 (e1 ) + ... + xn (en ) .

Supposons que E est de dimension finie.

CHAPITRE 2. FORMES LINAIRES

Soit e1 , ..., en une base de E. Pour tout 1 i n on dfinit la forme

Exercice 4 Vrifier que si E est lespace des polynmes coefficients dans

o i : P (X) 7 P (i) (0).

On appelle bidual de E le dual du dual de E, not E .

Calcul pratique : Soit E = n . Soit (1 , ..., n ) une base de E . Soit

On dit que E et x E sont orthogonaux si h, xi = (x) = 0 .

CHAPITRE 2. FORMES LINAIRES

Exercice 5 Vrifier que lon a toujours :

Corollaire 2.4.3.1 (quations des sous-espaces en dimension finie)

Proposition 2.4.4 On suppose E de dimension finie. Soient V1 , V2 deux

Soient E, F deux espaces-vectoriels. Soit u : E F une application

Proposition 2.5.1 Soient E, F deux espaces-vectoriels de dimension finie. Alors :

CHAPITRE 2. FORMES LINAIRES

K est bien dfinie car

u(x) + s = u(x0 ) + s0 u(x) = u(x0 )

Proposition 2.5.2 Soient E, F, G trois espaces vectoriels. Soient : u :

Proposition 2.5.4 Soit E un espace vectoriel de base (e1 , ..., em ) et F

Un hyperplan de E est un sous-espace H de codimension 1.

Proposition 2.6.1 i) Soit E une forme linaire non nulle. Alors,

CHAPITRE 2. FORMES LINAIRES

Kespaces vectoriels. On dit quune application

est une forme bilinaire si :

K, B(tx + t0x0, y) = tB(x, y) + t0B(x0, y)

B(x, ty + t0 y 0 ) = tB(x, y) + t0 B(x, y 0 ) .

Matrice dune forme bilinaire

En dimension finie, si e := (e1 , ..., em ) est une base de E et f := (f1 , ..., fn )

A := Mate,f (B) := (B(ei , fj )) 1im Mm,n ( )

cest la matrice de B dans les bases e, f .

Bil(E, F ) ' Mm,n ( ) .

CHAPITRE 3. FORMES BILINAIRES

Formules de changement de bases

Soit B : E F une forme bilinaire.

autrement dit si x = x1 e1 +....xm em et y = y1 f1 +...+yn fn , alors : B(x, y) =

existe P GLm ( ), Q GLn ( ) telles que P AQ =

si on note e la base de E et f la base de F telles que :

Formes bilinaires non dgnres