Académique Documents
Professionnel Documents
Culture Documents
COURS D'ALGEBRE 4:
Formes bilinéaires et réduction
des formes quadratiques
BOUDELIOU AMMAR
ET
MATMAT CHAHRAZADE
Département de Mathématiques
Faculté de sciences exactes
Université Frères Mentouri,
Constantine 1
Polycopié
COURS D'ALGEBRE 4:
"Formes bilinéaires et réduction des
formes quadratiques "
Par:
BOUDELIOU AMMAR
et
MATMAT CHAHRAZADE
1.2 Hyperplans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
MENSION FINIE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.1 Dé…nitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.6 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1
3.5 Diagonalisation des matrices symétriques réelles . . . . . . . . . . . 48
IV FORMES QUADRATIQUES . . . . . . . . . . . . . . . . . . . . . . 59
V FORMES HERMITIENNES . . . . . . . . . . . . . . . . . . . . . . . 83
2
Préface
L’ouvrage que nous présentons ici peut servir comme support d’algèbre bilinéaire
destiné aux étudiants de la license LMD, en particulier pour les étudiants de 2ème
année (Maths ) et il peut aussi servir aux étudiants des sciences et technologie. Depuis
quelques années, l’algèbre linéaire et bilinéaire est devenue une partie essentielle du
destiné à être utilisé comme manuel pour un cours d’algèbre bilinéaire ou comme
bilinéaire qui sera utile à tous les lecteurs quelle que soit leur spécialisation. Il est
inclus plus de matière que l’on en peut insérer dans la plupart des cours d’algèbre
bilinéaire. Ceci a été fait dans le but de rendre l’ouvrage plus souple, de fournir un
précise les passages délicats, sans lesquels l’étudiant se sent constamment sur un
à une étude e¢ cace. Cet ouvrage est enrichi par une biographie de quelques savants
formes linéaires et dualité. le deuxième chapitre et consacré à l’étude des formes bili-
néaires dé…nies sur un espace vectoriel de dimension …nie où on donne des dé…nitions,
la matrices d’une forme bilinéaire, changement de base, noyau et rang d’une forme bi-
linéaire, équivalence entre formes bilinéaires et orthogonalité par rapport à une forme
3
et la diagonalisation des matrices symétriques réelles. En quatrième chapitre nous
nous intéressons à l’étude des formes quadratiques et ses réduction qui est notre but
Le contenu de cet ouvrage est le fruit des Cours d’algèbre 4 que nous enseignons
Dr. A. BOUDELIOU
4
Chapitre I
sur E. Autrement dit, E = L (E; K) et ' 2 E signi…e que ' : E ! K est une
' (y) :
Exemple 1.2 (a) L’application R2 ! R; (x; y) 7! 2x + y est une forme linéaire sur
R2 :
(b) L’application E ! K; x 7! 0 est une forme linéaire, appelée forme nulle sur
E:
(c) Si E = K [X] l’espace des polynômes à coe¢ cients dans K; alors pour tout
(d) Si E = C ([a; b] ; R) l’espace des fonctions réelles continues sur [a; b], alors
Zb
l’application f 7! f (t)dt est une forme linéaire sur E:
a Pn
(e) Si E = Mn (K) ; alors l’application trace : A = (aij ) 7! tr (A) = 1 aii est
5
Pour chaque j 2 [1; n] ; l’application ej : E ! K; x 7! ej (x) = xj est une forme
(b) Réciproquement, pour toute forme linéaire ' sur K n ; il existe un n uplet
P
( 1 ; :::; n ) 2 K n tel que pour tout x = (x1 ; :::; xn ) 2 K n ; on ait '(x) = n1 j xj :
(b) Soit (e1 ; :::; en ) la base canonique de K n et soit ' : K n ! K une forme linéaire
sur K n :
Pn
Tout élément x 2 K n s’écrit d’une façon unique sous la forme x = 1 xj ej et
P
donc '(x) = n1 xj ' (ej ) : D’où l’existence et l’unicité des j = ' (ej ) ; 1 j n:
Proposition 1.4 Soit E un K espace vectoriel de dimension …nie. Alors son dual
1.2 Hyperplans
Dé…nition 1.5 Soit E un K espace vectoriel. On appel hyperplan de E, le noyau
Autrement dit, une partie H de E est un hyperplan de E s’il existe ' 2 E n f0g
telle que H = ker (') : On dit alors que la relation '(x) = 0 est une équation de
l’hyperplan H.
6
Proposition 1.7 Soit H un sous-espace vectoriel de E. Les propriétés suivantes sont
équivalentes :
E=H D:
est un supplémentaire de H.
Preuve. (a) ) (b) : Si H est un hyperplan de E, il existe ' 2 E n f0g telle que
H = ker (') : Puisque ' n’est pas nulle, il existe v 2 E tel que '(v) 6= 0: Considérons
2 K tel que x = v et '(x) = 0, donc '(v) = '( v) = 0: Comme '(v) est non
(c) Si E est de dimension …nie, on a dim ker (') + dim Im (') = dim E. D’où
Remarque 1.8 Si E est de dimension …nie n et B = (ej )nj=1 une base de E. Rela-
par rapport à B.
Corollaire 1.9 Deux formes linéaires non nulles sur un espace vectoriel E sont pro-
Preuve. Soit '; 2 E n f0g : Supposons que ker (') = ker ( ) = H: Soit v 2
=H
'(v)
(donc '(v) et (v) ne sont pas nuls). Posons = (v)
et montrons que ' = :
7
Soit x 2 E, d’après la proposition précédente E = H Kv; donc x s’écrit x =
ker(') = fx 2 E : '(x) = 0g
= fx 2 E : (x) = 0; 6= 0g
= fx 2 E : (x) = 0g
= ker ( ) :
Proposition 1.10 Soit B = (ej )nj=1 une base de E. La famille des formes coordon-
nées B = (ei )ni=1 est une base de l’espace dual E , appelée base duale de B.
X
n
ei : E ! K; x = xj ej 7! ei (x) = xi :
1
8
Par conséquent,
X
n
'= ' (ei ) ei ;
i=1
Corollaire 1.11 Soient B = (ej )nj=1 une base de E et B = (ei )ni=1 sa base duale,
Proposition 1.12 (a) Si ' est une forme linéaire non nulle sur E, il existe un
(b) Si x est un vecteur de E non nul, il existe une forme linéaire ' 2 E telle
que '(x) = 1.
Preuve. (a) Si ' 2 E n f0g, alors il existe v 2 E tel que '(v) 6= 0. Le vecteur
v
x= '(v)
convient.
P
(b) Si x = ni=1 xi ei 2 E est non nul, alors il existe i0 2 [1; n] tel que ei0 (x) =
1
xi0 6= 0: La forme linéaire ' = e
ei (x) i0
convient.
0
Proposition 1.13 Toute base de E est la base duale d’une unique base de E, appelée
base préduale.
Preuve. Soit F = ('1 ; :::; 'n ) une base de E . L’application : x 7! ('1 (x); :::; 'n (x))
de E dans K n est linéaire. Soit x 2 ker( ), donc '1 (x) = ::: = 'n (x) = 0: Si x n’est
pas nul, alors d’après la proposition précédente, il existe ' 2 E telle que '(x) = 1.
P
Cette forme linéaire s’écrit dans la base F sous la forme ' = ni=1 i 'i . Par consé-
P
quent 1 = '(x) = ni=1 i 'i (x) = 0 ce qui est absurde. On en déduit que x = 0, que
9
le noyau de est réduit à f0g et que est injective. Comme dim (E) = n = dim(K n ),
'i (ej ) = ij pour tout i si, et seulement si (ej ) = ej . Puisque est un isomorphisme,
1 1
la famille B = ( (e1 ) ; :::; (en )) est une base de E et c’est la seule famille de E
Preuve. Posons B1 = (e1 ; :::; en ) ; B2 = (f1 ; :::; fn ) et P = (aij )1 i;j n ; puis notons
Donc t QP = In et Q =t P 1
:
Soient B0 = (ei )ni=1 la base canonique de E et B 0 =(ei )ni=1 sa base duale. Soit
B = (vi )ni=1 une autre base de E et B = (vi )ni=1 sa base duale. Les vecteurs vi
1
M atB0 (B ) =t (M atB0 (B)) :
10
Exemple 1.16 (a) Soient les vecteurs v1 = ( 3; 1; 1); v2 = (5; 2; 1); v3 = (6; 2; 1)
ou encore 8
>
> v1 = e2 + 2e3
>
>
<
> v2 = e1 + 3e2 :
>
>
>
: v =e
3 1 2e2 + e3
(b) Soient 8
>
> f1 (x; y; z) = x + 2y + 3z
>
>
<
> f2 (x; y; z) = 2x + 3y + 4z
>
>
>
: f3 (x; y; z) = 3x + 4y + 6z
11
La famille F = (f1 ; f2 ; f3 ) est bien une base de (R3 ) puisque la matrice
0 1
B 1 2 3 C
B C
Q=B B 2 3 4 C
C
@ A
3 4 6
est inversible. Soit B = (v1 ; v2 ; v3 ) la base de R3 dont F est la base duale. La matrice
dual de E.
l’application
:E!E
x 7! x : E ! K
' 7! '(x)
est un isomorphisme d’espaces vectoriels.
K; ( x + y) = ( ^
x + y) : E ! K. D’autre part, pour tout ' 2 E on a
( ^
x + y) (') = ' ( x + y) = ' (x) + ' (y) = x (') + y (') = x + y (') :
D’où
( x + y) = ( ^
x + y) = x + y = (x) + (y) :
12
La bijection : Soit x 2 Ker( ), alors '(x) = 0 pour tout ' 2 E . On en déduit
Exercise 1.19 Soit E = R3 [X] l’espace des polynômes à coe¢ cients réels et de degré
1. Montrer que fi est une forme linéaire sur E pour i = 1; 2; 3; 4 et que ff1 ; f2 ; f3 ; f4 g
Solution :
1. Pour P; Q 2 E; 2 R et x 2 R, on a
1 f1 + 2 f2 + 3 f3 + 4 f4 =0
0 0
1 P (0) + 2 P (1) + 3P (0) + 4P (1) = 0:
13
Prenant successivement P (x) = 1; x; x2 et x3 on obtient les relations :
1 + 2 = 0
2 + 3 + 4 = 0
2 +2 4 = 0
2 +3 4 = 0:
On doit avoir
c’est-à-dire
P4 (x) = a4 x2 (x 1) :
En particulier
P40 (x) = a4 2x (x 1) + a4 x2
= a4 3x2 2x ;
14
Ainsi
P4 (x) = x2 (x 1) :
c’est-à-dire
P3 (x) = a3 x (x 1)2 :
En particulier
= a3 (x 1) (3x 1) ;
Ainsi
P3 (x) = x (x 1)2 :
P2 (x) = x2 ( 2x + 3) :
F = f(x; y; z; t) 2 E j x + y z + t = 0g
et
15
a) Montrer que F est un hyperplan de E:
Solution :
hyperplan de E.
c) Si u 2
= F; alors F = E. Or
ainsi F \ = 6= f0g ; la somme n’est pas directe, ils ne sont pas supplémentaires.
16
2. On considère les deux éléments et de E dé…nis par : 8P 2 E; (P ) = P (1)
base (f0 ; : : : ; fn ).
taires.
4. Rn 1
-est-il un hyperplan de Rn ? En déduire une caractérisation de ses hyper-
plans.
17
Chapitre II
de dimension …nie.
2.1 Dé…nitions
Dé…nition 2.1 Une application
b:E E!K
(x; y) 7! b(x; y)
est dite forme bilinéaire lorsqu’elle est linéaire par rapport à chacune de ses variables,
c’est à dire
et
Dé…nition 2.2 Soit b : E E ! K une forme bilinéaire sur E. On dit que b est :
18
– Antisymétrique si pour tout x; y 2 E
b(x; x) = 0:
d’où
Donc
= 0
b(x; x) = 0:
Notation 2.4 On note par L2 (E) l’ensemble des formes bilinéaires sur E et par
S2 (E) l’ensemble des formes bilinéaires symétriques sur E et par A2 (E) l’ensemble
19
Exemple 2.5 1. Soient E = R2 ; x = (x1 ; x2 ); y = (y1 ; y2 ) 2 E et soit l’application
X
n
hx; yi = xi yi ;
i=1
b:E E!R
R1
(f; g) 7! b(f; g) = 0
f (t)g(t)dt
Proposition 2.6 L’ensemble L2 (E) muni de la lois intèrne (+) telle que :
Proposition 2.7 S2 (E) et A2 (E) sont deux supplémentaires de L2 (E): c-à-d. L2 (E) =
S2 (E) A2 (E):
20
d’où
b(x; y) = 0;
2 3 2 3
6 x1 7 6 y1 7
6 .. 7 6 .. 7
X=6
6 . 7;Y = 6
7 6 . 7;
7
4 5 4 5
xn yn
d’où on a
Xn X
n
b(x; y) = b( xi ei ; yj ej )
i=1 j=1
X
n Xn
= xi b(ei ; yj ej ) (linearite par rapport a x)
i=1 j=1
Xn X
n
= xi yj b(ei ; ej ) (linearite par rapport a y)
i=1 j=1
XX
n n
= xi yj b(ei ; ej ):
i=1 j=1
21
Si on suppose b(ei ; ej ) = aij on obtient
X
n
b(x; y) = aij xi yj : (2.1)
i;j=1
d’où
b(x; y) =t XM Y:
b(ei ; ej ) = b(ej ; ei ):
C.à.d.
aij = aji :
Dans l’autre sens si M est une matrice symétrique dans Mn (K) alors l’application
b dé…nie par
b(x; y) =t XM Y;
b(x; y) =t X:M:Y
22
0 10 1
B 3 1 C B y1 C
b(x; y) = (x1 ; x2 ) @ A@ A
1 2 y2
b(x; y) = 3x1 y1 2x2 y2 + x1 y2 + x2 y1 :
on a 0 1
B 1 3 C
M =@ A:
3 5
En e¤et
d’où 0 1
B 1 3 C
M =@ A:
3 5
23
2.3 Changement de base
Soient B1 ; B2 deux bases de E et P la matrice de passage de B1 à B2 , si X1 et
X2 ; Y2 sont dans B2 on a
X1 = P X2 ; Y1 = P Y2 :
Preuve.
t
b(x; y) = X1 MB1 (b) Y1
t
= (P X2 )MB1 (b) (P Y2 )
t
= X2 (t P MB1 (b) P )Y2 :
D’où
b(x; y) = x2 y2 x1 y3 x3 y 1 :
Calculer M 0 la matrice de b dans la base B = fv1 = (1; 1; 0); v2 = (0; 1; 1); v3 = (1; 1; 1)g :
24
Solution : On a
b(x; y) = x1 ( y3 ) + x2 (y2 ) + x3 ( y1 )
0 1
B y3 C
B C
= x1 x 2 x 3 B B y 2
C
C
@ A
y1
0 10 1
B 0 0 1 C B y1 C
B CB C
= x1 x2 x3 B B 0 1 0
CB y C
CB 2 C
@ A@ A
1 0 0 y3
t
= XM Y;
d’où 0 1
B 0 0 1 C
B C
M = MB (b) = B
B 0 1 0 CC:
@ A
1 0 0
Donc on a
M 0 = MB 0 (b) =t P MB (b) P
0 10 10 1
B 1 1 0 CB 0 0 1 CB 1 0 1 C
B CB CB C
= B
B 0 1 1 CB 0 1
CB 0 C B
CB 1 1 1
C
C
@ A@ A@ A
1 1 1 1 0 0 0 1 1
0 1
B 1 0 0 C
B C
= B
B 0 1 0 C:
C
@ A
0 0 1
Remarque 2.11 Soit MB (b) la matrice associée à b dans la base B telle que
25
donc MB (b) est symétrique c.à.d
t
MB (b) = MB (b)
2. Si b est antisymétrique :
t
MB (b) = MB (b)
Remarque 2.12 Soit b une forme bilinéaire sur un K espace vectoriel E de dimen-
M +t M M tM
M = +
2 2
= M1 + M2
il est facile de véri…er que M1 est une matrice symétrique et M2 est une matrice
= fx 2 E; 8y 2 E : b(y; x) = 0g
26
Dé…nition 2.14 Le rang d’une forme bilinéaire symétrique ou alternée noté rg (b)
= n rg (A) :
Dé…nition 2.16 Une forme bilinéaire b sur E est dite non dégénérée (ou régulière)
si
ker b = f0g :
ker b 6= f0g :
: E E7 !K
Dé…nition 2.18 Soit E un espace vectoriel de dimension …nie, b une forme bilinéaire
sur E .
27
2.6 Orthogonalité
Soit E un K-espace vectoriel de dimension …nie et b une forme bilinéaire sur E .
x ? y ) y ? x ).
linéaire des yi .
orthogonaux. 8
>
< 1; si i = j
Elle est dite b-orthonormée si et seulement si b(ei ; ej ) = ij =
>
: 0; si i 6= j
Dé…nition 2.22 (Orthogonal d’un sous-espace vectoriel) Soit b une forme bilinéaire
de F est l’ensemble
F ? = fx 2 E; 8y 2 F; b(x; y) = 0g :
comme valeurs à y les éléments d’une base de F , ce qui aboutit à un système d’équa-
tions à résoudre.
Fg? = fx 2 E; 8y 2 F; b(x; y) = 0g ;
Fd? = fx 2 E; 8y 2 F; b(y; x) = 0g :
28
(3) Si b une forme bilinéaire symétrique ou alternée sur E, alors ker (b) = E ? :
A ? B si et selement si
8x 2 A; 8y 2 B; b (x; y) = 0:
sur E; A et B deux parties non vides de E. On note par vect(A) le sous-espace vec-
1. Si A B alors B ? A? :
(A + B)? = A? \ B ? :
?
à A? .
2. Soit A une partie non vide de E, comme 0E appartient à A? , A? est non vide.
b( x + y; z) = b(x; z) + b(y; z)
= 0:
sous-espace vectoriel de E.
29
?
3. D’après la propriété (1), comme A vect(A), on a : (vect(A)) A? .
?
A? (vect(A)) :
On en déduit l’égalité.
4. On montre l’égalité
(A + B)? = A? \ B ?
On a
A (A + B) et B (A + B)
donc
(A + B)? A? \ B ?
b(x; y) = 0:
?
? ?
Cela signi…e que x est orthogonal à tout vecteur de A , donc x appartient à A .
30
?
A A? :
Dé…nition 2.26 On appelle vecteur isotrope tout vecteur orthogonal à lui même, c-
b(x; x) = 0:
Dé…nition 2.27 Une forme bilinéaire b sur E est dite positive si pour tout x 2
E; b(x; x) 0:
Elle est dite dé…nie positive si elle est positive et dé…nie ; c.à.d. pour tout x 2
Proposition 2.28 Une forme bilinéaire symétrique et positive est non dégénérée ssi
b(x; x) = 0 =) x = 0:
Preuve. Soit b une forme bilinéaire symétrique, positive et non dégénérée et soit
x 2 E : b(x; x) = 0; on a
8 2 K; 8y 2 E; b( x + y; x + y) 0;
d’où
2
b(x; x) + 2 b(x; y) + b(y; y) 0;
alors
=) x = 0:
31
La réciproque : Supposons que 8x 2 E; b(x; x) = 0 =) x = 0 et montrons que b est
non dégénérée
8x 2 ker (b) =) 8y 2 E; b(x; y) = 0
=) b(x; x) = 0
=) x = 0
Corollaire 2.29 Toute forme bilinéaire dé…nie positive est non dégénérée.
Preuve. On a
=) b(x; x) = 0; pour y = x
Exercise 2.30 Dans E = R2 [X], l’espace vectoriel réel des polynômes de degré infé-
de E.
la partie antisymétrique, b2 , de b.
b(P; P ) = 0 ?
32
Solution : 1. Soient P; Q; R 2 R2 [X] et 2 R: On a
Z1
b(P + Q; R) = (P + Q) (t):R0 (t)dt
0
Z1
= [P (t) + Q(t)] :R0 (t)dt
0
Z1 Z1
0
= P (t):R (t)dt + Q(t):R0 (t)dt
0 0
= b(P; R) + b(Q; R)
et
Z1
b(P; Q + R) = P (t): (Q + R)0 (t)dt
0
Z1
= P (t) [Q0 (t) + R0 (t)] dt
0
Z1 Z1
= P (t):Q0 (t)dt + P (t):R0 (t)dt
0 0
= b(P; Q) + b(P; R)
33
2. On calcule successivement
b(1; 1) = 0
Z1
b(1; X) = dX = 1
0
Z1
b(1; X 2 ) = 2XdX = 1
0
Z1
b(X; 1) = X:0dX = 0
0
Z1
1
b(X; X) = XdX =
2
0
Z1
2
b(X; X 2 ) = 2X 2 dX =
3
0
Z1
b(X 2 ; 1) = X 2 :0dX = 0
0
Z1
1
b(X 2 ; X) = X 2 dX =
3
0
Z1
1
b(X 2 ; X 2 ) = 2X 3 dX =
2
0
et donc 0 1
B 0 1 1 C
B C
M =B
B 0 1
2
2 C
3 C
@ A
0 13 21
3. On voit facilement que rg(b) = rg(M ) = 2.
34
partie symétrique b1 est
0 1
B 0 1 1 C
M +t M 1B C
M1 = = B
B 1 1 1 C
C
2 2@ A
1 1 1
5. On a
Z1
b(P; P ) = P (t):P 0 (t)dt
0
1
1 2
= P (t)
2 0
1 2
= P (1) P 2 (0)
2
et donc
ce qui est le cas pour, par exemple, P (t) = 1 t: Donc on n’a pas b(P; P ) 0 pour
Par ailleurs, on a
ce qui est le cas pour, par exemple, P (t) = t (1 t). D’où la condition sur P pour
35
Chapitre III
ESPACES EUCLIDIENS
1) 8x 2 E; hx; xi 0 avec égalité seulement pour x = 0: (8x 2 En f0g ; hx; xi > 0):
Exemple 3.2 (1) Soit E = Rn ; la forme linéaire h:; :i sur E dé…nie par : hx; yi =
Pi=n t
i=1 xi yi = X:Y est un produit scalaire appelé produit scalaire canonique (ou usuel)
de Rn :
(2) Soit E = C ([a; b] ; R) l’espace des fonctions réelles continues sur [a; b] ; la
Rb
forme linéaire h:; :i sur E dé…nie par : hf; gi = a f (t)g(t)dt est un produit scalaire:
(3) E = Mn (K) l’espace des matrices carrées, hA; Bi = T r (t A:B) est un produit
scalaire:
En général tout espace vectoriel réel muni d’un produit scalaire est appelé espace
préhilbertien.
36
EUCLIDE (vers 295 avant J.-C., Grèce).
On ne sait que très peu de choses sur la vie d’Euclide en dehors du fait qu’il
ait enseigné les mathématiques à Alexandrie. Il est connu pour être le fondateur de
l’école d’Alexandrie qui in‡uença entre autres les travaux d’Archimède. Les théories
d’Euclide, dont l’œuvre maîtresse est constituée des éléments, sont une référence dans
l’histoire des mathématiques. Parmi les les cinq axiomes énoncés dans les éléments,
on trouve le célèbre postulat d’Euclide : « par tout point du plan passe une et une
seule droite parallèle à une autre droite» . Cet axiome constitue le fondement de la «
géométrie euclidienne » .
37
HILBERT, David (1862, Konigsberg - 1943, Gottingen).
Hilbert, dont l’œuvre est immense, est unanimement reconnu comme la …gure
il …t de cette ville le centre des mathématiques du début du 20e siècle. En août 1900,
Ces problèmes ont depuis été au cœur de nombreuses recherches et il en reste à l’heure
actuelle trois qui ne sont pas résolus. Hilbert a Introduit les espaces qui portent son
38
Dé…nition 3.4 (La norme) Soit E un espace préhilbertien, l’application :
k:k : E ! R
p
x 7! kxk = hx; xi
De plus l’application
d:E E!R
(x; y) 7! kx yk
Pour tout x; y 2 E; jhx; yij kxk kyk ; avec égalité si x; y sont liés.
v v !2
u n u n
X
i=n
uX uX X
i=n X
n X
n
x i yi t x2i t yi2 ou xi y i x2i yi2 :
i=1 i=1 i=1 i=1 i=1 i=1
39
PYTHAGORE (vers 500 avant J.-C., Grèce).
et son œuvre restent mal connues. Pythagore créa à Crotone dans le sud de l’Italie
attirant autour de lui un certain nombre de disciples. Ils forment une communauté
aux règles de vie très strictes dont le but est d’abord philosophique puis politique.
pouvoir expliquer le monde. Les disciples doivent prêter serment de ne pas divulguer
les connaissances qui leur sont révélées. On doit aux pythagoriciens la découverte de
p p
l’incommensurabilité de 2, autrement dit le fait que 2 est un nombre irrationnel.
40
SCH’VARZ, Hermann-Amandus (1843, Hermsdorf - 1921, Berlin).
Schwvarz sont marqués par une forte interaction entre l’analyse et la géométrie.
Son mémoire de thèse avait trait aux surfaces d’aire minimale. En 1884, il résolut
minimale qui délimite un volume maximal Schwarz réalisa également des travaux
41
3.3 Orthogonalité
Dé…nition 3.6 (Base orthogonale)
Soit E un espace euclidien muni d’une base B = (u1 ; :::; un ). La base B est dite
orthogonale si les vecteurs u1 ; :::; un sont deux à deux orthogonaux. i.e. hui ; uj i =
Exemple 3.7 Dans l’espace euclidien Rn muni du produit scalaire usuel hx; yi =
Pi=n n
i=1 xi yi ; la base canonique de R est orthonormée. En e¤et
P
1) Pour tout i 2 [1; n] ; hei ; ei i = ni=1 x2i = kei k2 = 1; d’où kei k = 1:
1 u1 + ::: + p up = 0:
Soit uk 2 B; d’où on a
p
X
huk ; i ui i = 0;
i=1
alors
p
X
i huk ; ui i = 0;
i=1
Tout espace euclidien admet des bases orthonormées pour son produit scalaire.
42
Théorème 3.10 (Procédé d’orthogonalisation de Gram-Schmidt)
Soit E un espace euclidien. On peut construire à partir d’une base B = (v1 ; :::; vn )
u1 = v1
hv2 ;u1 i
u2 = v2 ku1 k2 1
u
hv3 ;u1 i hv3 ;u2 i
u3 = v3 ku1 k2 1
u ku2 k2 2
u
..
.
nP1
hvn ;uk i
un = vn kuk k2 k
u :
k=1
iP1
hvi ;uk i
Donc pour tout i 2 [2; n] ; ui = vi kuk k2 k
u : On peut véri…er facilement que
k=1
pour tout i 6= j; hui ; uj i = 0; d’où on obtient une base orthogonale B 0 = (u1 ; :::; un )
u1
pour E: Il est évident que ku1 k
; :::; kuunn k est une base orthonormée pour E:
Exemple 3.11 Soit B = fv1 = (1; 1) ; v2 = (1; 2)g une base pour R2 : Calculer une
u1 = v1 = (1; 1)
hv2 ;u1 i 1 2 3 3
u2 = v2 ku1 k2 1
u = (1; 2) 2
(1; 1) = ;
2 2
:
On remarque que hu1 ; u2 i = 0; d’où u1 = (1; 1) ; u2 = 32 ; 23 est une base or-
n o
2 0 1 1
thongonale pour R et B = u1 = 2 (1; 1) ; u2 = 2 (1; 1) est une base orthon-
p p
gonale pour R2 :
43
Proposition 3.12 Soit E un espace euclidien et F un sous-espace de E; on a
(1) F ? = fx 2 E; 8y 2 F : hx; yi = 0g
?
(2) F ? =F
?
(3) E = F F ? ( ou E = F F ?)
44
SCHMIDT, Erhard (1876, Tartu, en Estonie - 1959, Berlin).
En 1905, sous la direction de David Hilbert, Schmidt obtient Son doctorat à l’uni-
intégrales et aux espaces dits de Hilbert. Dès 1908, il publie des articles où apparaît
vers la topologie et il a en particulier étudié les liens entre l’aire d’une surface et Son
périmètre.
45
3.4 Matrices orthogonales
Dé…nition 3.13 On appelle matrice orthogonale toute matrice carrée réelle P d’ordre
n telle que t P P = In : C-à-d. c’est une matrice iversible et son inverse égale à sa
transposée.
Corollaire 3.14 Les vecteurs colonnes d’une matrice orthogonale forment une base
Théorème 3.15 Soit E un espace euclidien muni d’une base orthonormée B: Une
Preuve. En e¤et si B = (e1 ; :::; en ) ; B 0 = (u1 ; :::; un ) sont deux bases orthonor-
mées de E, alors
u1 un
0 1
B p11 p1n C e1
B .. .. .. C ..
= B
B . . . C
C . ;
@ A
pn1 pnn en
46
d’où on a
u1 un
0 10 1
u1 B p11 pn1 CB p11 p1n C
.. B .. .. .. CB .. .. .. C
t
PP = . B . . . CB . . . C
B CB C
@ A@ A
un p1n pnn pn1 pnn
0 1
B hu1 ; u1 i hu1 ; un i C
B .. .. .. C
= B
B . . . C
C
@ A
hun ; u1 i hun ; un i
= (hui ; uj i)1 i;j n
!
X
n
= pki pkj :
k=1 1 i;j n
u1 un
0 1
B p11 p1n C e1
B .. .. .. C ..
PB (B ) = B
0
B . . . C
C .
@ A
pn1 pnn en
0 1
B p11 pn1 C u1
B .. .. .. C ..
t
P =B
B . . . C
C . ;
@ A
p1n pnn un
on a !
X
n
t
P P = In () pki pkj = In ;
k=1 1 i;j n
n
pour le produit scalaire usuel de R ; on obtient par identi…cation pour tout i; j 2
47
Exemple 3.16 La matrice
0 1
B 4 7 4 C
1B C
A= B 1 4 8 C
9B
@
C
A
8 4 1
est orthogonale. En e¤et t AA = I3 ; et on pourra aussi véri…er que ces vecteurs co-
Proposition 3.17 Les seuls valeurs propres possibles dans R d’une matrice orthogo-
9v 2 En f0g : Av = v:
Alors,
d’autre part on a
2
kvk2 = kvk2 =) 2
=1
=) = 1:
en posant : t A = (aji )n : On peut voir les matrices symétriques comme les matrices
48
La diagonalisation des matrices symétriques repose sur l’interprétation de la trans-
position en termes d’endomorphismes. La question est : que peut-on dire d’un endo-
de matrice M , que peut-on dire de l’endomorphisme dé…ni par t M ? C’est ici qu’in-
t
hf (x); yi = (AX)Y
t t
= X AY
= hx; f (y)i;
On notera que
f.
49
pour tout x; y 2 E.
morphismes :
1. f =f
2. Id = Id
3. (f + g) = f + g
4. ( f ) = f
5. (f g) = g f
6. rang (f ) = rang (f )
Mn (R) ! Mn (R)
t
A 7! A
L (E) ! L (E)
f 7! f
mal (relativement au produit scalaire de E), s’il commute avec son adjoint.
50
Il s’agit donc d’un endomorphisme f vériant l’égalité f f = f f . On peut
aussi dire que f est normal si et seulement si sa matrice dans une base orthonormée
f (F ) F:
car F est stable par f . On voit donc que F ? est stable par f . De la même façon, on
a:
les mêmes valeurs propres, et pour chaque valeur propre, ils ont le même sous-espace
propre.
51
Preuve. En e¤et, soit une valeur propre de f . Le sous-espace propre correspon-
dant E est le noyau de f Id. Il est donc stable par f et par f . Pour tous x et y
dans E , on a :
ce qui montre quef (y) = y pour tout y de E . E est donc contenu dans le sous-
2) f est auto-adjoint ssi dans toute base orthonormée de E sa matrice est sy-
métrique.
hf (x); yi =t (AX) Y =t X t
AY =t X (AY ) = hx; f (y)i;
52
1. Montrer que h:; :i est un produit scalaire sur E.
2. On pose :
00
8P 2 E; (P ) = x2 1 P :
Alors
0 q’une 1 matrice réelle n’a pas forcement de valeurs propres réelles, par exemple
B 0 1 C
A=@ A a pour valeurs propres i et i dans C: Nous allons montrer q’une
1 0
matrice symétrique réelle ou de manière équivalente, un endomorphisme symétrique
a toute ses valeurs propres réelles et est diagonalisable dans une base orthonormée.
Lemme 3.28 Les valeurs propres d’une matrice symétrique réelle A sont toutes réelles.
AX = X;
D’où on a
X
n
t t
XAX = X X = : X X = t
jxi j2 ; (3.3)
i=1
car xi xi = jxi j2 où jxi j c’est le module de xi : On a aussi, du fait que A est symétrique
X
n
t t t
XAX = (AX) X = ( X) X = : X X = t
jxi j2 : (3.4)
i=1
Pn
De (3.3) et (3.4) on déduit que = ; car i=1 jxi j2 6= 0, d’où est réelle.
53
Corollaire 3.29 Toute matrice symétrique réelle a n valeurs propres réelles distinctes
ou confondues.
on a
d’où
( ) hx; yi = 0:
Preuve. H est un hyperplan puisque c’est le noyau de la forme linéaire non nulle
l:E!R
x 7! hx; e1 i
Pour tout x 2 H, on a
et donc f (x) 2 H:
54
La restriction g de f à H est donc un endomorphisme de H: En designant par
suivantes
1: A est diagonalisable.
soit diagonale.
1: f est diagonalisable.
55
Solution : Le polynôme caractérestique de A est
PA ( ) = (1 ) ( + 2)2 ;
donc les valeurs propres de A sont 1 = 1 v.p.s.; 2 = 2 v.p.d. et les vecteurs propres
orthogonaux :
u2 = v2
hv3 ; u2 i 1
u3 = v3 u2 = (1; 1; 2) ;
ku2 k2 2
1 1 1
w1 = p (1; 1; 1) ; w2 = p ( 1; 1; 0) ; w3 = p (1; 1; 2)
3 2 6
pour R3 : D’où A est diagonalisable telle que
0 1
B 1 0 0 C
B C
t
P AP = D = B B 0 2 0 CC;
@ A
0 0 2
où 0 1
p p
B 2 3 1 C
1 B p p C
P =p B 2 3 1 C
6B
@ p
C
A
2 0 2
est une matrice orthogonale.
56
1. Prouver que la suite de matrices (M n ) converge.
N. 0 1
B u0 C
B C
3. Soit (Xn ) la suite de vecteurs de R3 dé…nie par X0 = B
B v0
C et Xn+1 = M Xn .
C
@ A
w0
Prouver que la suite (Xn ) converge et déterminer sa limite en fonction de u0 ; v0 et
w0 .
Solution :
1. La matrice M étant symétrique réelle, elle est diagonalisable dans une base
1
orthonormée. Ses valeurs propres sont 1; 14 et 12
. On cherche ensuite une base de
E1 = h(1; 1; 1)i
E 1 = h( 2; 1; 1)i
4
E 1 = h(0; 1; 1)i
12
1 1 1
B0 = p (1; 1; 1) ; p ( 2; 1; 1) ; p (0; 1; 1)
3 6 2
est une base orthonormée pour R3 : Donc il existe une matrice othogonale P telle que
0 1
p
B 2 2 0 C
1 B p p C
P =p B B 2 1 3 C
C
6@
p p A
2 1 3
et 0 1
B 1 0 0 C
B C
P 1 M P =t P M P = D = B 1
B 0 4 0 C:
C
@ A
1
0 0 12
57
1
Puisque M = P DP alors
0 1
B 1 0 0 C
B C
n
M = PD P n 1
=PB
B 0
1 n
4
0 CP
C
1
;
@ A
1 n
0 0 12
où D est la matrice diagonale précédente, on constate sans peine que M n tend vers
0 1
B 1 0 0 C
B C 1
N = PB B 0 0 0 CP
C
@ A
0 0 0
0 1
B 1 1 1 C
1B
B 1 1 1 C
C
= B C
3@ A
1 1 1
2. Notons (u; v; w) les 3 vecteurs colonnes de P (i.e une base de vecteurs propres
f (w) = 0 (car les valeurs propres de N sont 1 et 0) f est donc la projection sur
vect(u) parallèlement à vect(v; w). Mais puisque la famille (u; v; w) est une famille
Xn = M n X0 = M n = P D n P 1
X0 :
58
Chapitre IV
FORMES QUADRATIQUES
de deux, ce qui signi…e que dans ce corps 1 + 1 6= 0. Moralement cela revient à dire
que dans K on peut diviser par deux. E un K-espace vectoriel de dimension …nie.
2 2
q(x1 ; :::; xn ) = 1 x1 + ::: + n xn + 12 x1 x2 + ::: + n 1;n xn 1 xn
où les i et les ij sont des scalaires …xés. Ce sont les fonctions dé…nies par les
polynomes homogènes de degré deux. On les appelle formes quadratiques. Elles ap-
paraissent par exemple dans l’étude des courbes algébriques de degré deux. Dans R2 ,
une courbe de degré deux est une partie C dé…nie par une équation
ax2 + by 2 + cxy + dx + ey + f = 0;
est constitué d’une forme quadratique (ax2 +by 2 +cxy), d’une forme linéaire (dx+ey)
q(x) = b(x; x)
Une telle fonction est appelée forme quadratique sur E. Il se trouve qu’il est inutile de
faire appel à toutes les formes bilinéaires pour obtenir toutes les formes quadratiques
sur E. En e¤et,
59
- premièrement, si b est alternée alors pour tout x 2 E; b(x; x) = 0,
Ainsi, b dé…nit la même forme quadratique que la forme symétrique bsym : deux
formes bilinéaires qui di¤érent d’une forme alternée dé…nissent la même forme qua-
forme quadratique sur E s’il existe une forme bilinéaire symétrique b sur E telle que
pour tout x 2 E;
q(x) = b(x; x)
S2 (E) ! Q(E)
et aussi
L2 (E) ! Q(E):
R ! R
x 7! x2
R R ! R
(x; y) 7! xy:
(2) La fonction
R2 ! R
60
est la forme quadratique sur R2 associée à la forme bilinéaire
R2 R2 ! R
(3) La fonction
C ([0; 1] ; R) ! R
Z 1
f 7! f 2 (t) dt
0
C ([0; 1] ; R) C ([0; 1] ; R) ! R
Z 1
(f; g) 7! f (t) g(t)dt:
0
(4) La fonction
Mn (K) ! R
M 7! T r M 2
Mn (K) Mn (K) ! R
(M; N ) 7! T r (M N ) :
on a pour tout x; y 2 E
2
1) q( x) = q(x); 8 2 K
61
Preuve. 1) On a
q( x) = b( x; x) = b(x; x)
2 2
= b(x; x) = q(x)
2)
q(x + y) = b(x + y; x + y)
3) A partir de 2) on a
1
2b(x; y) = q(x + y) q(x) q(y) , b(x; y) = [q(x + y) q(x) q(y)]:
2
Proposition 4.4 Si q est un forme quadratique sur E, alors il existe une unique
forme bilinéaire symétique sur E associée à q qu’on appelle forme polaire de q dé…nie
par
1
b(x; y) = [q(x + y) q(x) q(y)]:
2
1
b(x; y) = (b0 (x; y) + b0 (y; x))
2
b(x; x) = q(x)
62
pour tout x 2 E, ce qui prouve l’existence de b. Comme b est bilinéaire symétrique,
on a pour tout x; y 2 E
1
b(x; y) = (q(x + y) q(x) q(y)) (d’aprés la proposition 4.3)
2
d’où b existe et elle est unique.
q : R2 ! R
Remarque 4.6 Quand la forme quadratique est donée par un polynôme homogène de
2) La forme quadratique
q : R3 ! R
se polairise en
b : R3 R3 ! R
5 5
b(x; y) = 7x1 y1 + 3x1 y2 + 3x2 y1 + x2 y3 + x3 y2 :
2 2
63
4.2 Matrice d’une forme quadratique
Soient E un espace vectoriel de dimension n, x et y des éléments de E, B = (ei )
une base de E et b une forme bilinéaire sur E. D’aprés le chapitre 2 on a montrer que
b(x; y) =t XM Y; où
matrice MB (b) est aussi appelée matrice de q dans B; c-à-d. MB (q) = MB (b) ; d’où
on a pour tout x 2 E
q(x) = b(x; x) =t XM X;
on a 0 1
c12 c1n
c
B 11 2 2 C
B c ... .. C
B 12 c22 . C
B 2 C
MB (q) = B . C
B . ... ..
. cn 1;n C
B . 2 C
@ A
c1n cn 1;n
2 2
cnn
qui est une matrice symétrique.
64
on a 0 1
B 1 3 1 C
B C
M =B
B 3 7
3 C:
2 C
@ A
1 23 0
suivants
(2) Une forme quadratique q est dite non dégénérée quand sa forme polaire b l’est.
(3) On dé…nit le noyau et le rang d’une forme quadratique comme ceux de sa forme
polaire. C-à-d. ker (q) = ker (b) ; rang (q) = rang (b) :
(5) L’orthogonal d’un sous-espace vectoriel de E par rapport à q est son orthogonal
par rapport à b:
b(x; y) = x1 y1 x2 y2
65
Le noyau de q est
d’où
ker(q) = f0R2 g
x1 et x2 = x1 :
On rappelle qu’une base B = (e1 ; :::; en ) d’un K-espace vectoriel E est dite b-
On dit que B = (ei ) est b-orthonormée si pour tout (i; j) 2 f1; :::; ng2 ,
8
>
< 1 si i = j
b(ei ; ej ) = ij = ;
>
: 0 si i 6= j
Nous savons que tout espace euclidien E possède des bases orthonrmées et que
66
Proposition 4.12 On notera que les assertions suivantes sont équivalentes
base orthogonale de E, tel que sur cette base q s’écrit sous la forme
X
n
2
q(x) = i xi ; i 2R
i=1
et les (xi ) sont les coordonnées de x dans cette base. De plus la matrice de q dans
1. Tout espace pseudo-euclidien (E; q) de dimension …nie possède une base ortho-
gonale.
2. Tout espace pseudo-euclidien (E; q) de dimension …nie possède une base dans
Autrement dit ils existent r 2 f1; :::; ng, une base (e1 ; :::; en ) de E et des scalaires
67
0 1
..
B 1 0 . C
B .. ... .. C
B . . C
B C
B C
B .. C
B . r 0 C
M (q) = B
B ..
C;
C
B 0 0 . C
B C
B .. .. .. C
B . . . C
B C
@ A
..
. 0 0
évidemment r est le rang de q.
On pose
On notera que
E = hai hai?
(e1 ; :::; en 1 ): La famille (a; e1 ; :::; en 1 ) est alors une base q-orthogonal de E.
Nous souhaiterons faire une remarque sur le cas réel. Nous disposons en e¤et dans
ce cas d’un raccourci : le théorème spectral. Ce dernier a¢ rme que toute matrice
symétrique réelle d’ordre n est diagonalisable dans une base orthonormée de l’espace
68
euclidien Rn ainsi, si A désigne la matrice de q dans une base de E, la symétrie de
cette matrice implique l’existence d’une matrice orthogonale P 2 Mn (R) telle que
1
P AP soit diagonale. Or le fait que p soit orthogonale implique que
t 1
P =P
curieux lien entre les formes quadratiques et les endomorphismes. On peut dans la
pratique pro…ter de ce lien pour réduire notre forme réelle q. Concrètement, on appelle
Cela consiste à chercher les valeurs propres 1 ; :::; n de A, et des vecteurs propres
v1 ; :::; vn 2 Rn associées a chacune de ces valeurs. On prend soin de choisir ces vecteurs
1
D=P AP
où P est la matrice de la base (v1 ; :::; vn ) dans la base canonique, ensuite on transpose
ment, dans un espace complexe E il n’y a pas de bases orthonormées : pour obtenir
une notion analogue il faut remplacer la notion de produit scalaire par la notion de
69
4.3.2 Réduction en carrés de Gauss
Nous donnons ici une autre manière d’établir le théorème de réduction. Cette
méthode dûe à Carl Friedrich Gauss est pratique pour les exercices, et permet
Soit q une forme quadratique non nulle sur un K-espace vectoriel E de dimension
…nie n muni d’une base B = (e1 ; e2 ; :::; en ) de sorte que, pour tout x = x1 e1 + ::: +
xn en 2 E.
X
n X
q(x) = aii x2i + 2aij xi xj : (4.1)
i=1 1 i<j n
deux cas
Premier cas : L’un des aii est non nul, par exemple a11 6= 0: Alors on sépare
où f est une forme linéaire et g est une forme quadratique en les x2 ; :::; xn : On écrit
alors
2
f (x2 ; :::; xn ) (f (x2 ; :::; xn ))2
q(x) = a11 x1 + + g (x2 ; :::; xn )
2a11 4a11
= a11 (l1 (x))2 + q 0 (x);
sur q 0 (x) on obtient des formes linéaires indépendantes de la forme linéaire l1 telles
que
X
r
q(x) = i (li (x))2 ; r n:
i=1
70
Deuxième cas : Tous les aii sont nuls. Dans ce cas q(x) ne s’écrit qu’avec des
rectangles
X
q(x) = 2aij xi xj :
1 i<j n
Il existe i < j tel que aij est non nul et quitte à permuter les indices nous pouvons
supposer que a12 6= 0: Décomposons q(x) selon les termes qui contiennent x1 , ceux
où f; g sont des formes linéaires et h est une forme quadratique en les x3 ; :::; xn : On
écrit alors
f g
q(x) = a12 x1 x2 + x1 + x2 +h
a12 a12
g f fg
= a12 x1 + x2 + + h:
a12 a12 a12
1
ab = (a + b)2 (a b)2 ;
4
on obtient
2 2
a12 f g a12 g f fg
q(x) = x1 + x2 + + x1 x2 + +h
4 a12 a12 4 a12 a12 a12
a12 a12
= (l1 (x))2 (l2 (x))2 + q 0 (x);
4 4
où l1 ; l2 sont deux formes linéaires indépendantes et q 0 (x) est une forme quadratique
en les x3 ; :::; xn : On itère le même procédé sur la forme quadratique q 0 (x) on obtient
X
r
q(x) = i (li (x))2 ; r n;
i=1
où les l1 ; :::; lr sont des formes linéaires indépendantes et l’entier r n est le rang de
q:
71
Dé…nition 4.16 (Signature d’une forme quadratique) Si K = R; il existe une
et r = s + t est le rang de q.
3. Si s = n, on dit que la forme est dé…nie positive. Dans ce cas, la forme polaire
ment dit :
Soit q une forme quadratique de rang r sur un espace vectoriel réel E de dimension
…nie. Alors, il existe (e1 ; :::; en ) une base de E, et des entiers s et t tels que, pour tout
à un solide pour lui donner une vitesse de rotation. C’est ce qu’on désigne par principe
d’inertie de Sylvester .
72
Exemple 4.20 Soit la forme quadratique dé…nie sur R3 par
On a
alors 8
>
> 0
x1 = x1
0
3x2 + 2x3
0
>
>
<
0 0
> x2 = x2 2x3
>
>
>
: x3 = x0
3
0
D’où X = P X ; où 0 1
B 1 3 2 C
B C
P =B
B 0 1 2 C
C
@ A
0 0 1
73
est la matrice de passage de la base canonique à la base orthogonale.
0
B = fu1 = (1; 0; 0) ; u2 = ( 3; 1; 0) ; u3 = (2; 2; 1)g :
0
L’expression de q dans B est
q(x) = x02
1 6x02 02
2 + 4x3
0 0 0
tel que x1 ; x2 ; x3 sont les coordonnées de x dans B 0 .
0
La matrice de q dans B est
0 1
B 1 0 0 C
B C
D=B
B 0 6 0 C
C:
@ A
0 0 4
= (x1 + (x3 + 4x4 )) (x2 + (2x3 + 2x4 )) (x3 + 4x4 ) (2x3 + 2x4 ) + 2x3 x4
1 1
= (x1 + x2 + 3x3 + 6x4 )2 (x1 x2 x3 + 2x4 )2 2 x23 + 4x24 + 4x3 x4
4 4
1 1
= (x1 + x2 + 3x3 + 6x4 )2 (x1 x2 x3 + 2x4 )2 2 (x3 + 2x4 )2
4 4
1
2
1
2 hp i2
= (x1 + x2 + 3x3 + 6x4 ) (x1 x2 x3 + 2x4 ) 2 (x3 + 2x4 ) :
2 2
On peut déduire que sgn(q) = (1; 2) ; rang(q) = 3; dim ker(q) = 1; d’où q est dégéné-
rée.
74
La recherche d’une base orthogonale : Soit le changement de variables
8
>
> x01 = 12 (x1 + x2 + 3x3 + 6x4 )
>
>
>
>
>
< x0 = 1 (x1 x2 x3 + 2x4 )
2 2
> p
>
> 0
x3 = 2 (x3 + 2x4 )
>
>
>
>
: x0 = x
4 4
D’où 8
>
> x1 = x01 + x02 p1 x0 2x04
>
> 2 3
>
> p
>
< x2 = x0 x0
1 2 2x03 + 2x04
>
>
>
> x3 = p12 x03 2x04
>
>
>
: x = x0
4 4
0
D’où X = P X ; 0 1
1 1 p1 2
B 2 C
B p C
B 1 1 2 2 C
B C
P =B C;
B p1
C
B 0 0 2
2 C
@ A
0 0 0 1
où P est la matrice de passage de la base canonique à la base orthogonale B 0
1 p 1
B0 = v1 = (1; 1; 0; 0) ; v2 = (1; 1; 0; 0) ; v3 = p ; 2; p ; 0 ; v4 = ( 2; 2; 2; 1) :
2 2
0
L’expression de q dans B est
q(x) = x02
1 x02
2 x02
3
0
La matrice de q dans B est
0 1
1 0 0 0
B C
B C
B 0 1 0 0 C
B C
D=B C:
B C
B 0 0 1 0 C
@ A
0 0 0 0
75
4.3.3 La réduction dans une base de vecteurs propres
Théorème 4.22 Soit q une forme quadratique dé…nie sur l’espace vectoriel réel E
muni d’une base B: Notons M = matB (q); alors il existe au moins une base q orthogonale
02 02 02
q(x) = 1 x1 + 2 x2 + ::: + n xn ;
0
où les xi 1 i n
sont les coordonnées de x dans cette base, les i 2 R sont les valeurs
propres de M:
Preuve. Soit B = fe1 ; :::; en g une base de E: Puisque M est une matrice symé-
1 t
D = P
0 MP = P:M:P
1
B n ::: 0 C
B . . .. C
= B
B .
. .. . C
C soit diagonale
@ A
0 ::: n
Alors fP e1 ; :::; P en g est une base q orthogonale. Nous pouvons alors écrire
t
q(x) = X:M:X
t
q(x) = X: P:D:t P :X
t
q(x) = X:P :D: t P:X
t t
q(x) = P:X D: t P:X ;
on a X = P X 0 ; donc X 0 = P 1
X =t P X d’où
X
n
02
t 0 0
q(x) = X :M:X = i xi ;
i=1
76
B est la base canonique de R2 : On a
0 1
B 1 8 C
M = MB (q) = @ A matrice symétrique
8 11
On choisit une base q-orthogonale, et orthonormée par rapport au produit scalaire qui
est
1 1
B0 = e01 = p (1; 2) ; e02 = p (2; 1)
5 5
0 1
1 B 1 2 C
P =p @ A matrice orthogonale.
5 2 1
M 0 = M (q; B 0 ) =t P M P
0 10 1 0 1
1 B 1 2 CB 1 8 C 1 B 1 2 C
= p @ A@ Ap @ A
5 2 1 8 11 5 2 1
0 1 0 1
B 15 0 C B 1 0 C
= @ A=@ A:
0 5 0 2
0
q(x) =t X 0 M 0 X 0 = 15x02 5y 2 :
77
B est la base canonique de R3 : On a
0 1
B 1 1 1 C
B C
M = MB (q) = B B 1 1 1 CC matrice symétrique
@ A
1 1 1
pM ( ) = det(M I) = (1 )( + 2)2 :
de Gram-Schmidt on obtient
8
>
> u1 = v1
>
>
<
> u2 = v2
>
>
>
: u3 = v3 <v3 ;v2 > 1
kv2 k2
:v2 = 2
(1; 1; 2)
1
(1; 1; 1) ; ( 1; 1; 0) ; (1; 1; 2) ;
2
vecteurd propres
1 1 1
B0 = p (1; 1; 1) ; p ( 1; 1; 0) ; p (1; 1; 2)
3 2 6
et on a 0 1
B 1 0 0 C
B C
M 0 = matB 0 (q) =t P M P = B
B 0 2 0 CC;
@ A
0 0 2
78
où 0 1
p p
B 2 3 1 C
1 B p p C
P =p B 2 3 1 C
C matrice orthogonale
6B
@ p A
2 0 2
L’expression de q dans B 0
q(x) =t X 0 M 0 X 0 = x02
1 2x02
2 2x02
3
D’où
q(x) = x02
1 2x02
2 2x02
3
1 1
= (x1 + x2 + x3 )3 (x1 x2 )2 (x1 + x2 2x3 )2 :
3 3
quadratique dans une base q orthogonale ne sont pas nécessairement les valeurs
propres de M = MB (q):
Corollaire 4.26 Soit q une forme quadratique de signature (s; t) et B une base de
79
Proposition 4.27 Soit q une forme quadratique dé…nie sur un espace vectoriel réel
2. q est dé…nie positive ssi toutes les valeurs propres de M sont strictement posi-
tives.
Dé…nition 4.28 Deux formes quadratiques q1 ; q2 dé…nies sur E sont dites équiva-
q2 = q1 u:
A2 =t P A1 P:
tel que
q2 = q1 u:
dans B: On a
D’où
A2 =t P A1 P:
80
Remarque 4.31 Deux forme quadratiques sont équivalentes si elles ont la même
signature.
Exercise 4.32 Trouver les réductions de Gauss des formes quadratiques suivantes,
ciée :
1. q(x; y; z) = x2 2y 2 + xy + yz
81
Carl Friedrich Gauss 1777 - 1855
La qualité extraordinaire de ses travaux scienti…ques était déjà reconnue par ses
82
Chapitre V
FORMES HERMITIENNES
simpli…ée : « on remplace le carré x2 d’un nombre réel par le module au carré jzj2 = zz
le corps C est l’existence de valeurs propres et vecteurs propres ; on obtient ainsi les
(2) La conjugaison complexe est l’application qui a tout z = a+ib associe z = a ib:
Remarquons que :
z + z = 2<(z); z z = 2i=(z)
et
z = z , z 2 R:
83
D’autre part, on a
z + z 0 = z + z 0 ; et zz0 = zz 0 :
p
(3) Si z = a + ib, on a zz = a2 + b2 et jzj = zz s’appelle le module (ou la
par exemple, on peut prendre dans [0; 2 [ ou bien dans ] ; ]) ; on dit que est
l’argument de z.
i) f (x + y) = f (x) + f (y)
ii) f ( x) = f (x)
Remarque 5.3 Une forme semilinéaire est une application semilinéaire d’un C espace
vectoriel dans C. C-à-d. si f : E ! C est semilinéaire, alors f est dite forme semili-
néaire.
z 7! z
on a C est un C espace vectoriel et pour tout x; y; 2C
f (x + y) = (x + y) = x + y = f (x) + f (y)
f ( x) = ( x) = :x = f (x)
84
d’où f est semilinéaire.
2. Soit
f : C [X] ! C
P 7! P (z0 ); z0 2 C
On a pour tout P; Q 2 C [X] ; 2C:
= f (P ) + f (Q)
f ( P ) = ( P ) (z0 ) = :P (z0 ) = f (P )
f : C3 ! C; f (x; y; z) = x + 2y z
est antilinéaire.
f : Mn (C) ! C; A 7! tr A :
dans la littérature :
85
Dé…nition 5.7 (Formes hermitiennes) On dit qu’une forme sesquilinéaire h sur
E est une forme hermitienne sur E ssi h a la propriété de " symétrie hermitienne"
d’où h(x; x) 2 R:
Remarque 5.8 1 On note par H(E) l’ensemble des formes hermitienne sur E; si
h + h0 : E E!C
dé…nie par
est encore une forme hermitienne. Par conséquent, H(E) est un R-espace vectoriel (
Remarque 5.9 La notion de forme hermitienne sur un C espace vectoriel est une
(z1 ; z2 ) 7! z1 z 2
86
Pour tout z1 ; z2 ; z10 ; z20 ; 2 C; on a :
2. Soit
h : C2 ! C
(z1 ; z2 ) 7! iz1 z 2
On véri…e de la même façon que h est une forme sesquilinéaire. Mais pout tout z1 ; z2 2
C; on a :
= h(z1 ; z2 ):
6= h(z1 ; z2 ):
Exercise 5.11 1. Les applications suivantes sont-elles des formes sesquilinéaires her-
mitiennes ?
h2 (A; B) = tr t A:B :
87
Montrer que
h3 : E E!C
Z1
h3 (f; g) = f (x):g(x)dx
0
Solution :
h1 ( x + z; y) = ( x1 + z1 ) y1 + 3 ( x2 + z2 ) y 2 + 2i ( x3 + z3 ) y3 + (2 + 3i) ( x1 + z1 ) y2
= h1 (x; y) + h1 (z; y)
= h1 (x; y) + h1 (x; z) :
6= h1 (y; x)
88
D’où h1 est une forme sesquilinéaire non hermitienne.
t
h2 ( A + C; B) = tr ( A + C) :B
t
= tr A:B +t C:B
= tr t A:B + tr t C:B
et
h2 (A; B + C) = tr t A: B+C
= tr :t AB +t AC
= tr t AB + tr t AC
= h2 (A; B) + h2 (A; C) :
= tr t A:B ;
et
h2 (A; B) = tr t A:B
= tr t A:B
= tr t A:B :
Alors, h2 (B; A) = h2 (A; B). D’où h2 est une forme sesquilinéaire hermitienne.
89
2. Pour tout f; g; k 2 E et tout 2C
Z1
h3 ( f + k; g) = ( f + k) (x):g(x)dx
0
Z1 Z1
= f (x)g(x)dx + k(x)g(x)dx
0 0
= h3 (f; g) + h3 (k; g) :
= h3 (f; g) + h3 (f; k) :
Q : E ! R; Q (x) = h(x; x)
90
est une forme quadratique hermitienne sur E. D’après le lemme qui suit, h est
entièrement déterminée par Q, et l’on dit que h est la forme polaire de Q. Notons
(1) < (h(x; y)) = 21 (Q(x + y) Q(x) Q(y)) = 41 (Q(x + y) Q(x y)) :
(2) = (h(x; y)) = 21 (Q(x + iy) Q(x) Q(y)) = 14 (Q(x + iy) Q(x iy)) :
Preuve. 1 On a
et comme
et donc (2) s’obtient en remplaçant y par iy dans (1) et en utilisant que Q(iy) =
91
(mais pas un C espace vectoriel). Observons que si A 2 M Hn (C), ses coe¢ cients
Dé…nition 5.15 (Matrice d’une forme hermitienne) Soit h une forme hermi-
tienne sur un C espace vectoriel E de dimension n et soit B = (e1 ; :::; en ) une base
de E.
La matrice M atB (h) de h dans la base B est la matrice A = (aij )1 i;j n 2 Mn (C),
A 2 M Hn (C).
X
n X
n
= xi yj h (ei ; ej ) = aij xi yj : (*)
i;j=1 i;j=1
h(x; y) =t XAY :
E, et M atB (hA ) = A. Donc, se donner une forme hermitienne sur E « est la même
B : H(E) ! M Hn (C)
h 7! M atB (h)
92
Théorème 5.16 (Changement de base) Soient h une forme hermitienne sur un
M atB (h). Si B 0 est une autre base de E et P la matrice de passage M atB (B 0 ). Alors
A0 = M atB 0 (h) =t P AP :
X = P X 0 et Y = P Y 0 , d’où t X =t X 0 :t P et Y = P Y 0 , et donc
h(x; y) =t XAY =t X 0 t P AP Y 0
ce qui entraîne A0 =t P AP .
rant, d’une part, les termes xi yi et, d’autre part, les termes xi yj avec i 6= j; la formule
X
n X
h (x; y) = aii xi yi + (aij xi yj + aij xj yi ) :
i=1 1 i<j n
En particulier, prenant y = x (i:e: yi = xi pour tout i), on voit que la forme qua-
dratique hermitienne Q associée à h est donnée par la formule suivante (noter que
xi xi = jxi j2 ) :
X
n X X
n X
Q(x) = aii jxi j2 + (aij xi xj + aij xi xj ) = aii jxi j2 + < (aij xi xj ) :
i=1 1 i<j n i=1 1 i<j n
On voit donc apparaîre les carrés des modules des xi , et les parties réelles des doubles
produits » .
Dé…nition 5.18 (Rang d’une forme hermitienne) Soit h une forme hermitienne
93
(1) On dé…nit le rang de h par rang(h) = rang(A), où A = M atB (h) ; ceci ne
(2) On dit que h est non-dégénérée si rang(h) = dimE, i.e. si sa matrice dans
vectoriel E.
ceci équivaut à dire que h(y; x) = 0 (puisque h(y; x) = h(x; y) et vice-versa). Plus
sont orthogonaux.
Y ? = fx 2 E j h(x; y) = 0; 8y 2 Y g
c’est un sous-espace vectoriel de E (même si Y n’en est pas un) ; de plus, on a les
propriétés suivantes :
Y Z ) Z? Y ?; Y ? = V ect (Y )?
(3) On pose
94
Théorème 5.20 (Orthogonal d’un sous-espace) Soit h une forme hermitienne
de dimension r.
?
(1) On a F F? et dim F ? dim E dim F:
Soit (f1 ; :::; fr ) une base de F , complétons-la en une base B = (f1 ; :::; fn ) de E,
et soit A = (aij )1 i;j n la matrice de h dans la base B, i.e. aij = h(fi ; fj ) pour
i; j = 1; :::; n:D’après le point (2) de la dé…nition 5.19, F ? est formé des vecteurs
dont la matrice M est formée des r premières lignes de la matrice t A. Comme l’espace
dim F ? = n rang(M ) n r;
on obtient que dimE ? = n rang(A). Donc ker (h) = E ? est nul si et seulement si
95
rang(A) = n. Ceci prouve (2).
(3) Supposons h non-dégénérée. Alors A est de rang n, i.e. ses colonnes sont
(1) On dit que B est une base orthogonale pour h (ou pour Q) si h (ei ; ej ) = 0
pour i 6= j.
(2) Ceci équivaut à dire que la matrice A = M atB (h) est diagonale ; si l’on note
1 ; :::; n ses coe…cients diagonaux (qui sont réels) et (z1 ; :::; zn ) les coordonnées dans
Théorème 5.22 (de Sylvester dans le cas hermitien) Soit h une forme hermi-
hermitienne associée.
(2) Soient B = (e1 ; :::; en ) une base orthogonale pour h et D la matrice diagonale
M atB (h). Quitte à renuméroter les ei , on peut supposer que les coe¢ cients diago-
naux 1 ; :::; r 2 R sont non nuls et que i = 0 pour i > r. Notons (z1 ; :::; zn ) les
96
(a) On a Q(z1 ; :::; zn ) = 1 jz1 j2 + ::: + r jzr j2 :
(b) Soit p (resp. q) le nombre d’indices i tels que Q(ei ) > 0 (resp. < 0). Alors
(d) ker(h) est le sous-espace V ect(er+1 ; :::; en ), donné par les equations
z1 = 0 = ::: = zr :
(3) De plus, on peut choisir B de sorte que la matrice diagonale D = M atB (h)
ait pour termes diagonaux (1; :::; 1; 1; :::; 1; :::; 0; :::; 0), le nombre de 1 (resp. 1)
Preuve. (1) Montrons l’existence d’une base orthogonale en procédant par récur-
5.13, la forme quadratique hermitienne Q est non nulle, donc il existe e1 2 E tel que
le théorème 5.20, on a
E=F F ?:
Par hypothèse de récurrence, il existe une base (e2 ; :::; en ) de F ? telle que h(ei ; ej ) = 0
pour i 6= j. Alors (e1 ; e2 ; :::; en ) est une base de E orthogonale pour h. Ceci prouve
l’assertion (1).
(2) (2.a) et l’égalité p + q = r = rang(h) dans (2.c) découlent aussitôt des dé…ni-
tions. Prouvons maintenant (2.d). D’après (*), h est donnée dans la base B par
X
n X
n
8u = xi ei ; 8v = yj ej ; h(u; v) = 1 x1 y 1 + ::: + r xr y r : (*’)
i=1 j=1
Supposons u 2 ker (h), alors pour tout i = 1; :::; r, prenant v = ei (c.- a-d., yi = 1 et
ment, (*’) montre aussi que tout u 2 F (i.e. tel que x1 = 0 = ::: = xr ) appartient a
97
Prouvons (2.b). On note r = rang(h). Soient B = (e1 ; :::; en ) et C = (f1 ; :::; fn )
que Q(ei ) > 0 (resp. Q(fi ) > 0) et q (resp. q 0 ) le nombre d’indices i tels que Q(ei ) < 0
p + q = r = p0 + q 0
Notons P+ le sous-espace de E engendré par les vecteurs ei tels que Q(ei ) 0. Ces
on obtient
p
X
Q(x) = jxi j2 Q(ei ) 0:
i=1
D’autre part, soit P 0 le sous-espace de E engendré par les vecteurs fj tels que Q(fj ) <
0. Ces vecteurs sont au nombre de q 0 , donc dimP 0 = q 0 . Soit y un élément non nul de
P 0 +q0
P 0 ; on peut ecrire y = pj=p 0 +1 yj fj , avec au moins l’
un des yj non nul (car y 6= 0).
98
(3) Soit B = (e1 ; :::; en ) comme ci-dessus ; pour i = 1; :::; p+q, notons jQ(ei )j > 0 la
p
valeur absolue du réel Q(ei ) 6= 0. En remplaçant ei par ei jQ(ei )j, pour i = 1; :::; p+q,
on obtient une base orthogonale ayant la propriété énoncée dans (3). Ceci achève la
démonstration du thérème.
Sesquilinéaires, Hermitiennes.
f : E E!C
(a; b) 7! (1 + i) a1 b1 + 2a1 b2
g : E E!C
99
Solution 5.24 De même on peut véri…er facilement que g est sesquilinéaire. D’autre
part
= a1 b1 + (1 2i) a2 b1 + (1 + 2i) a1 b2
= g(a; b);
2) On a
= a1 b1 + (1 + 2i) b2 + a2 (1 2i) b1
0 1
B b1 + (1 + 2i) b2 C
= (a1 a2 ) @ A
(1 2i) b1
0 10 1
B 1 1 + 2i C B b1 C
= (a1 a2 ) @ A@ A
1 2i 0 b2
0 1 0 1
B a1 C B b1 C
= t (A) M B; ou A = @ A ;B = @ A;
a2 b2
0 1
B 1 1 + 2i C
donc la matrice de g est M = @ A:
1 2i 0
3) On remarque que : det (M ) = 5 6= 0, donc rg (M ) = 2 = dim E, d’où g est
nondégénérée.
f : E E!C
100
2) Donner la matrice de f dans la base canonique de E:
101
RÉFÉRENCES
[3] Khalid Koufany. Cours d’algèbre bilinéaire, Université de Lorraine, version 1, jan-
vier 2017.
[4] Jean-Marie Monier. Algèbre MP- Cours et 500 exercices corrigés, 4e édition, DU-
NOD, 2004.
[5] Richard Gomez. Diagonalisation des matrices symétriques, article publié sur Mé-
gamaths, 2007.
[6] Lionel Schwartz. Algébre 3e année, Cours et exercices avec solutions. c Dunod,
Paris, 2003.
[7] Joseph Grifone. Algébre linéaire, 4ème édition. Cépaduès Edition, France, 2011.
romandes, 2008.
102