Académique Documents
Professionnel Documents
Culture Documents
Chapitre 2
Formes bilinéaires et formes quadratiques
1 Formes bilinéaires
Etant donnés deux K-espaces vectoriels E et F , l’objet de ce chapitre est l’étude des formes bilinéaires f
définies, de manière générale, de E × F à valeurs dans K et linéaire par rapport à chacune de ses deux
composantes. Cependant, pour être en conformité avec le programme, nous nous restreindrons au cas
particulier où F = E.
Définition 1. Soit E un K-espace vectoriel. Une forme bilinéaire sur E est une application
f : E × E −→ K vérifiant, pour tous x1 , x2 , y1 , y2 ∈ E et tout α ∈ K,
Les conditions (1) et (3) signifient que f est linéaire par rapport à la première composante et les
conditions (2) et (4) que f est linéaire par rapport à la seconde composante.
fx : E −→ K fy : E −→ K
et
y 7−→ fx (y) = f (x, y) x 7−→ fy (x) = f (x, y)
L’application f est une forme bilinéaire sur E si et seulement si, pour tous x, y ∈ E, fx et fy sont des
formes linéaires sur E.
Théorème 1. L’ensemble B(E) des formes bilinéaires sur E est un espace vectoriel sur K.
1
Exemples 1. 1. L’application
f : K × K −→ K
(x, y) 7−→ f (x, y) = xy
est une forme bilinéaire sur K.
2. L’application
f : R2 × R2 −→ R
(u, v) 7−→ f (u, v) = x1 y2 − x2 y1
où u = (x1 , x2 ), v = (y1 , y2 ) est une forme bilinéaire sur R2 .
f : R3 × R3 −→ R
(u, v) 7−→ f (u, v) = x1 y1 + x2 y2 + x3 y3
f : E × E −→ K
(x, y) 7−→ f (x, y) = φ(x)ψ(y)
est une forme bilinéaire sur E appelée produit tensoriel de φ et ψ. Elle est notée f = φ ⊗ ψ.
Exercice 1. Soit E un K-espace vectoriel. Montrer qu’une application f : E × E −→ K est une forme
bilinéaire sur E si et seulement si, pour tous x1 , x2 , y1 , y2 ∈ E et tous α, β ∈ K,
Soit E un K-espace vectoriel de dimension n et soit B = {u1 , u2 , ..., un } une base de E. Pour tous
x, y ∈ E, on a
Xn Xn
x= xi ui et y = yj uj .
i=1 j=1
Posons f (ui , uj ) = aij pour i, j ∈ {1, ..., n}. On obtient la matrice carrée A = (aij )1≤i,j≤n ∈ Mn (K) appelée
matrice de la forme bilinéaire f relativement à la base B.
2
Réciproquement, à toute matrice A = (aij )1≤i,j≤n ∈ Mn (K) correspond une forme bilinéaire f sur E
définie par:
Xn Xn
f (x, y) = xi yj aij
i=1 j=1
où les xi (resp. yj ) sont les coordonnées de x (resp. y) dans la base B de E considérée plus haut.
On définit ainsi une bijection
ϕ : B(E) −→ Mn (K)
f 7−→ A
qui est, en fait, un isomorphisme d’espaces vectoriels. D’où le théorème
Théorème 2. Si E est un K-espace vectoriel de dimension n alors B(E) est un K-espace vectoriel de
dimension n2 isomorphe à Mn (K).
Proposition 1. Soient E un K-espace vectoriel de dimension n, B = {u1 , u2 , ..., un } une base de E, f une
forme bilinéaire sur E et A = (aij )1≤i,j≤n la matrice de Mn (K) dont les coefficients sont aij = f (ui , uj ).
Alors pour tous x = [x]B , y = [y]B ∈ E (écrits en colonne), on a
f (x, y) = t xAy.
3
Remarque 2. Puisque f (x, y) ∈ K alors f (x, y) = t (f (x, y)). D’où
et d’autre part
f (x, y) = t X 0 A0 Y 0 .
On déduit que
A0 = t P AP.
On dit alors que les matrices A et A0 sont congruentes.
Définition 2. Deux matrices carrées A et B sont dites congruentes s’il existe une matrice inversible P
telle que B = t P AP .
Définition 3. Le rang d’une forme bilinéaire f sur E, noté rg f , est le rang de toute matrice représentant
f.
f est dite dégénérée si rg f < dim E = n. Elle est dite non dégénérée si rg f = dim E = n.
4
f non dégénérée ⇐⇒ A inversible ⇐⇒ det A 6= 0
f : R3 × R3 −→ R
(x, y) 7−→ f (x, y) = x1 y1 + x1 y2 − x1 y3 + x2 y1 − 3x2 y3 − x3 y1 − 3x3 y2 − 3x3 y3 .
Ce qui donne
−16 −1 −10
A0 = −1 3 9 .
−10 9 24
Détermination de A0 par la formule de changement de base. Soit P la matrice de passage de la base E
à la base B. On a
1 0 0
P = pass(E , B) = M at(IdR3 , B, E ) = −1 1 3 .
3 −1 −2
Par suite
1 −1 3 1 1 −1 1 0 0 −16 −1 −10
t
P AP = 0 1 −1 1 0 −3 −1 1 3 = −1 3 9 = A0 .
0 3 −2 −1 −3 −3 3 −1 −2 −10 9 24
5
Définition 4. soit f une forme bilinéaire sur E. f est dite
f alternée ⇒ f antisymétrique.
f alternée ⇔ f antisymétrique.
Rappel: la caractéristique d’un anneau A, notée car(A), est le plus petit entier naturel non nul
n tel que n.1A = 0A . Siun tel entier
n’existe
pas, l’anneau A est dit de caractéristique nulle.
Z Z
Par exemple, car = 2, car = n (n ∈ N∗ ), car(R) = car(C) = 0.
2Z nZ
Exercice 2. Montrer qu’une application f : E × E −→ K est une forme bilinéaire symétrique sur E si
et seulement si elle vérifie
f (αx + x0 , y) = αf (x, y) + f (x0 , y) et f (x, y) = f (y, x), ∀x, x0 , y ∈ E, ∀α ∈ K.
Exercice 3. Montrer que l’ensemble BS(E) des formes bilinéaires symétriques sur E et l’ensemble
BA(E) des formes bilinéaires antisymétriques sur E sont des sous-espaces vectoriels de B(E).
Proposition 3. Si la caractéristique de K est différente de 2 alors toute forme bilinéaire sur E s’écrit de
manière unique comme somme d’une forme bilinéaire symétrique et d’une forme bilinéaire antisymétrique.
Autrement dit, B(E) = BS(E) ⊕ BA(E).
Preuve. On veut motrer que si f est une forme bilinéaire sur E alors il existe une forme bilinéaire
symétrique g et une forme bilinéaire antisymétrique h telles que f = g + h. Dans ce cas on a:
f (x, y) = g(x, y) + h(x, y) et f (y, x) = g(y, x) + h(y, x) = g(x, y) − h(x, y), ∀x, y ∈ E.
6
D’où l’on obtient l’unique solution
Cas où E est de dimension finie: Supposons dim(E) = n. Soit f une forme bilinéaire sur E et soit
A = (aij )i,j la matrice de f relativement à une base B = {v1 , . . . , vn } de E. On a alors
Si car(K) 6= 2, alors
f antisymétrique ⇔ A = −t A (i.e. A antisymétrique).
Corollaire 1. Si car(K) =6 2 alors toute matrice de Mn (K) s’écrit, de manière unique, comme somme
d’une matrice symétrique et d’une matrice antisymétrique.
Exercice 4. Montrer que l’ensemble MS n (K) des matrices symétriques d’ordre n à coefficients dans
n(n + 1)
K est un sous-espace vectoriel de Mn (K) de dimension .
2
Définition 5. Soit f une forme bilinéaire symétrique sur E. On appelle forme quadratique associée à
f l’application
q : E −→ K
x 7−→ q(x) = f (x, x)
Propriété 1.
∀x ∈ E, ∀α ∈ K, q(αx) = α2 q(x).
En particulier, pour α = 0, q(0) = 0.
7
Attention. Une forme quadratique n’est pas une forme linéaire.
Théorème 3. On suppose que car(K) 6= 2. Soit q : E −→ K une application. Alors q est une forme
quadratique sur E si:
8
x1
Expression analytique de q : Soit x ∈ E et posons X = [x]B = ... l’écriture de x dans la base B.
xn
Alors
a11 a12 · · · a1n
a21 a22 · · · a2n x1 n n
t .. XX
q(x) = f (x, x) = XAX = (x1 , · · · , xn ) .. = aij xi xj .
.. .. .
. . . i=1 j=1
xn
an1 an2 · · · ann
L’expression formelle des variables xi , donnée par l’équation (3), est appelée le polynôme quadra-
tique correspondant à la matrice A. Remarquons que si A est une matrice diagonale, alors q admet une
représentation diagonale
q(x) = t XAX = a11 x21 + a22 x22 + · · · + ann x2n
c’est-à-dire que le polynôme quadratique représentant q ne contiendra aucun terme rectangle xi xj , i 6= j.
Toute expression de la forme (3) représente une forme quadratique.
Exemple 2. On considère la forme quadratique q sur E = R2 définie, pour tout u = (x, y) ∈ E, par
q(u) = 3x2 + 5y 2 + 5xy.
Pour trouver la matrice A de la forme quadratique q on doit l’écrire sous la forme donnée par l’équation
(3). On a
5
q(x, y) = 3x2 + 5y 2 + 2 xy
2
3 5/2
donc A =
5/2 5
On déduit que la forme polaire f de q est donnée, pour tous u = (x, y), v = (x0 , y 0 ) ∈ E, par
5 5
f (u, v) = 3xx0 + 5yy 0 + xy 0 + x0 y.
2 2
De manière générale, si car(K) 6= 2 alors connaissant l’expression de q(x) donnée par la formule (3)
ci-dessus, la forme polaire f est donnée par
n
P P
f (x, y) = aii xi yi + aij (xi yj + xj yi )
i=1 1≤i<j≤n
2.3 Orthogonalité
Nous avons déjà abordé la notion d’orthogonalité dans le chapitre sur les formes linéaires. L’orthogonalité
dont il est question dans ce paragraphe, et dans toute la suite du cours, concerne les formes bilinéaires.
9
Définition 6. Deux vecteurs x et y de E sont dits orthogonaux par rapport à f si f (x, y) = 0 (ou par
symétrie, si f (y, x) = 0). On écrit alors x ⊥f y ou x⊥y (s’il n’y aucun risque de confusion).
Définition 7. Un vecteur x de E est dit orthogonal à une partie A de E s’il est orthogonal à tout élément
de A ( i.e. ∀y ∈ A, f (x, y) = 0); On écrit alors x⊥A.
L’ensemble des éléments de E qui sont orthogonaux à A est un sous-espace vectoriel de E appelé
l’orthogonal de A relativement à f . Il est noté A⊥ (ou A⊥f ).
Exercice 5. Soient A et B deux parties d’un K-espace vectoriel E. Vérifier que A⊥ est un sous-espace
vectoriel de E, puis montrer les propriétés suivantes:
1. A ⊂ B =⇒ B ⊥ ⊂ A⊥ .
2. A⊥ = hAi⊥ .
Définition 8. On appelle noyau de la forme bilinéaire symétrique f (ou de la forme quadratique q associée
à f ), le noyau de l’application linéaire fˆ. Il est noté N (f ) (ou N (q)).
Donc N (f ) = N (q) = ker fˆ = E ⊥ .
10
Attention: Le noyau de f n’est pas l’ensemble {(x, y) ∈ E × E/f (x, y) = 0} (cet ensemble n’est,
d’ailleurs, même pas un espace vectoriel en général).
Proposition 4. Soit f une forme bilinéaire symétrique sur un K-espace vectoriel E de dimension n,
B = {v1 , . . . , vn } une base de E, A la matrice de f relativement à la base B et B ? = {v1? , . . . , vn? } la
base duale de B. Alors, la matrice de l’application fˆ relativement aux bases B et B ? est aussi A et on a
N (f ) = ker fˆ = ker A.
Preuve. Montrons que la matrice M = M at(fˆ, B, B ? ) de fˆ relativement aux bases B et B ? est égale à
A.
Pour cela, posons
fˆ(v1 ) . . . fˆ(vn )
b11 ... b1n v1?
.. ... .. ..
M = . . .
bn1 ... bnn vn?
fvj (vi ) = b1j v1? (vi ) + b2j v2? (vi ) + · · · + bnj vn? (vi ) = bij
Exercice 6. Soient F, G deux s.e.v d’un K-e.v E de dimension finie et f une forme bilinéaire symétrique
sur E. Montrer les propriétés suivantes:
1. F ⊂ (F ⊥ )⊥ ,
2. (F + G)⊥ = F ⊥ ∩ G⊥ ,
3. F ⊥ + G⊥ ⊂ (F ∩ G)⊥ ,
Eléments isotropes
Etant donnée une forme quadratique q sur un e.v. E, nous allons examiner de plus près les éléments
de E qui annulent q.
11
Définition 9. Soit f une forme bilinéaire symétrique sur E et q la forme quadratique associée à f .
2. Tout vecteur x ∈ N (f ) est isotrope i.e. N (f ) = E ⊥ ⊂ C(q). En effet, tout x ∈ E ⊥ est orthogonal
à tous les vecteurs de E et en particulier à lui même. Mais l’inclusion dans l’autre sens n’est pas
toujours vraie; il peut exister des vecteurs isotropes en dehors de E ⊥ comme on peut le voir dans
l’exemple suivant:
2 x1
Soit la forme bilinéaire symétrique f sur R donnée par f (u, v) = x1 y2 + x2 y1 pour tout u =
x2
y
et tout v = 1 de R2 .
y2
0 1
La matrice de f dans la base canonique C = {e1 , e2 } de R est A =
2
, donc f est non
1 0
dégénérée (car A inversible). On déduit que N (f ) = ker A = E ⊥ = {0R2 }.
La forme quadratique associée à f est q(x, y) = 2xy. Donc les vecteurs isotropes sont du type
(x, 0) ou (0, y) avec x, y ∈ R. On a C(q) = he1 i ∪ he2 i et N (f ) = {0R2 } & C(q).
3. C(q) n’est pas, en général, un sous-espace vectoriel de E, mais c’est un "cône" au sens géométrique,
i.e. il vérifie la propriété suivante
Soit E un K-espace vectoriel de dimension finie n muni d’une forme bilinéaire symétrique f et q la
forme quadratique associée.
12
Définition 10. Une base B = {v1 , . . . , vn } de E est dite orthogonale relativement à f (ou q) si
∀ 1 ≤ i, j ≤ n, i 6= j, f (vi , vj ) = 0.
Autrement dit, la matrice de f relativement à une telle base est diagonale de la forme
a11 0 ... 0
0 a22 . . . 0
.. .. . . ..
. . . .
0 0 . . . ann
Corollaire 2. Soit A une matrice symétrique sur K (avec car(K) 6= 2). Alors A est congrue à une matrice
diagonale. C’est-à-dire qu’il existe une matrice inversible P telle que t P AP est diagonale.
Algorithme d’obtention de P : Une façon d’obtenir une forme diagonale t P AP est d’effectuer une
suite d’opérations élémentaires sur les lignes du bloc (A, In ) puis d’effectuer les mêmes opérations sur les
colonnes, mais uniquement de la matrice A, jusqu’à obtenir une matrice diagonale à gauche du bloc. La
matrice correspondante obtenue à droite du bloc représente t P . Cette méthode est illustrée dans l’exemple
suivant.
13
1 2 −3
Exemple 3. Soit A = 2 5 −4 une matrice symétrique à coefficients réels et soit f la forme
−3 −4 8
bilinéaire symétrique dont la matrice relativement à la base canonique E de R3 est A. Trouvons une
matrice inversible P telle que t P AP soit diagonale.
Formons la matrice bloc (A, I3 ):
1 2 −3 | 1 0 0
(A, I3 ) = 2 5 −4 | 0 1 0 .
−3 −4 8 | 0 0 1
Appliquons les opérations élémentaires suivantes sur les lignes du bloc: L2 → L2 − 2L1 , L3 → L3 + 3L1 ,
1 2 −3 | 1 0 0
(A, I3 ) → 0 1 2 | −2 1 0 .
0 2 −1 | 3 0 1
Puis appliquons les mêmes opérations sur les colonnes de A uniquement: C2 → C2 − 2C1 , C3 → C3 + 3C1 ,
1 0 0 | 1 0 0
(A, I3 ) → 0 1 2 | −2 1 0 .
0 2 −1 | 3 0 1
Appliquons ensuite les opérations: L3 → L3 − 2L2 sur les lignes du bloc et C3 → C3 − 2C2 sur les colonnes
de A:
1 0 0 | 1 0 0 1 0 0 | 1 0 0
(A, I3 ) → 0 1 2 | −2 1 0 → 0 1 0 | −2 1 0 .
0 0 −5 | 7 −2 1 0 0 −5 | 7 −2 1
1 0 0 1 0 0
Posons t P = −2 1 0. On vérifie que t P AP = 0 1 0 .
7 −2 1 0 0 −5
1 −2 7
La matrice P = 0 1 −2 représente la matrice de passage de la base canonique E de R3 à la
0 0 1
1 0 0
base B = {v1 = (1, 0, 0), v2 = (−2, 1, 0), v3 = (7, −2, 1)} et la matrice A0 = 0 1 0 représente la
0 0 −5
matrice de f relativement à la base B. Cette base B est orthogonale par rapport à f . En effet
t
f (v1 , v2 ) = v1 Av2 = 0,
t
f (v1 , v3 ) = v1 Av3 = 0,
t
f (v2 , v3 ) = v2 Av3 = 0.
14
Détermination de α1 , α2 , α3 .
Posons x = (x1 , x2 , x3 ) = [x]E et y = (y1 , y2 , y3 ) = [y]E dans la base E . On a alors
canonique
1 2 −3
[x]B = pass(B, E )[x]E = P −1 [x]E et [y]B = P −1 [y]E , avec P −1 = 0 1 2 .
0 0 1
On obtient
α1 = x1 + 2x2 − 3x3 β1 = y1 + 2y2 − 3y3
α2 = x2 + 2x3 et β2 = y2 + 2y3
α3 = x3 β3 = y 3
Posons
L1 (x) = x1 + 2x2 − 3x3
L2 (x) = x2 + 2x3
L3 (x) = x3
Il est clair que L1 , L2 , L3 sont des formes linéaires sur R3 . De plus elles sont linéairement indépendantes
(pourquoi?). Donc elles forment une base du dual (R3 )∗ de R3 . Et on a
q(x) = L21 (x) + L22 (x) − 5L23 (x) = (x1 + 2x2 − 3x3 )2 + (x2 + 2x3 )2 + x23 .
C’est une écriture de q comme somme de carrés de formes linéaires linéairement indépendantes.
Une autre manière d’écrire la forme quadratique q sous-forme d’une somme de carrés de formes linéaires
linéairement indépendantes est donnée par la méthode suivante.
Nous allons montrer qu’il existe des formes linéaires L1 , . . . , Lr sur E (r ≤ n) linéairement indépendantes
et des scalaires α1 , α2 , . . . , αr tels que
r
X r
X
q(x) = αi L2i (x) ou f (x, y) = αi Li (x)Li (y).
i=1 i=1
Supposons qu’on ait déterminé {L1 , . . . , Lr }. Complétons alors pour avoir une base C ? = {L1 , . . . , Lr , . . . , Ln }
de E ? . Soit C = {v1 , . . . , vn } la base de E dont la duale est C ? . On montre que C est une base orthogonale
de E (car Li (vj ) = δij ) et la représentation matricielle de f ou de q par rapport à cette base est
α1 . . . 0 . . . 0
.. . . . .. ..
. . .
0 . . . α . . . 0
r
. .. . . ..
.. . . .
0 ... 0 ... 0
15
où q1 est une forme quadratique indépendante de x1 .
Deuxième cas: les aii sont tous nuls. Comme f est non nulle alors les aij , pour i 6= j, ne sont pas
tous nuls. Supposons, sans perte de généralité, que a12 6= 0. Posons alors
n n
1 ∂q(x) X 1 ∂q(x) X
L1 (x) = = a12 x1 + a2j xj et L2 (x) = = a12 x2 + a1j xj .
2 ∂x2 j=3
2 ∂x1 j=3
On obtient
1 2 2
q(x) = a−1
12 (L1 (x) + L2 (x)) − (L1 (x) − L2 (x)) + q1 (x)
2
où q1 est une forme quadratique indépendante de x1 et x2 .
car, comme Li (vj ) = δij , alors f (v1 , v1 ) = q(v1 ) = L21 (v1 ) + L22 (v1 ) − 5L23 (v1 ) = 1, q(v2 ) = 1, q(v3 ) = −5 et
f (vi , vj ) = 0 pour i 6= j. La base B est donc orthogonale.
1 si i = j
Détermination de B: les vi s’obtiennent par la relation Li (vj ) = δij =
0 si i = 6 j
Après calcul on obtient v1 = (1, 0, 0), v2 = (−2, 1, 0), v3 = (7, −2, 1).
16
la matrice de qrelativement à B est la matrice A0 ci-dessus et la matrice de q relative-
On précise que
1 2 −3
ment à E est A = 2 5 −4 .
−3 −4 8
1 −2 7
On vérifie que A0 = t P AP où P = pass(E , B) = 0 1 −2.
0 0 1
Une autre manière d’obtenir la base orthogonale B: Dans la base B, la forme quadratique q
s’écrit:
q(x) = L21 (x) + L22 (x) − 5L23 (x)
On a x = [x]B = (L1 (x), L2 (x), L3 (x))B . Les Li sont, en fait, les coordonnées de x dans B. En effet si
B = {v1 , v2 , v3 } alors, pour x ∈ R3 , on a x = λ1 v1 + λ2 v2 + λ3 v3 . Donc
L1 (x) = λ1 L1 (v1 ) + λ2 L1 (v2 ) + λ3 L1 (v3 ) = λ1 , car Li (vj ) = δij . De même L2 (x) = λ2 et L3 (x) = λ3 .
Donc x = (L1 (x), L2 (x), L3 (x))B .
Soit P la matrice de passage de la base E à la base B. On a [x]E = pass(E , B)[x]B .
Connaissant L1 , L2 , L3 (par le procédé de Gauss), on peut déduire x1 , x2 , x3 qui sont les coordonnées
de x dans E . Par suite on obtient P d’où l’on déduit B. En effet;
L1 (x) = x1 + 2x2 − 3x3
L2 (x) = x2 + 2x3
L3 (x) = x3
D’où x2 = L2 (x) − 2x3 = L2 (x) − 2L3 (x). On déduit que x1 = L1 (x) − 2L2 (x) + 7L3 (x) et donc
x1 1 −2 7 L1 (x) L1 (x)
x2 = 0 1 −2 L2 (x) = P L2 (x)
x3 0 0 1 L3 (x) L3 (x)
Comme P = pass(E , B) alors v1 = (1, 0, 0), v2 = (−2, 1, 0), v3 = (7, −2, 1).
Remarque 5. Soit f une forme bilinéaire symétrique sur un K-espace vectoriel E de dimension finie.
Soit A la matrice de f relativement à une base E de E et D la matrice diagonale de f relativement à
une base orthogonale de E (par rapport à f ) alors on a D = t P AP .
En général, les coefficients de la diagonale de D ne sont pas les valeurs propres de A (dans l’exemple
précédent, la somme des éléments de la diagonales est égale à (−3) 6= tr(A) = 14).
Théorème 5. Soit E un R-espace vectoriel de dimension n, f une forme bilinéaire symétrique sur E
et q la forme quadratique associée à f . Soit B une base orthogonale de E relativement à laquelle q
admet une représentation matricielle diagonale, i.e. il existe des formes linéaires L1 , . . . , Lr linéairement
r
indépendantes telles que q(x) = αi L2i (x).
P
i=1
Soit P le nombre de coefficients αi strictement positifs et N le nombre de αi strictement négatifs. Alors
toute autre représentation diagonale de f a le même nombre P d’éléments strictement positifs et le même
17
nombre N d’éléments strictement négatifs. Le couple S = (P, N ) s’appelle la signature de q notée sign(q).
Le rang de q est P + N = r.
Définition 11. Une forme bilinéaire symétrique f sur E, ou la forme quadratique associée q, est dite
2. f positive ⇔ P = rg(f ).
18