Chapitre2 : Formes bilinéaires et formes quadratiques

Chapitre 2: Formes bilinéaires et formes quadratiques

Soit E un ℝ espace vectoriel de dimension finie 𝑛

1. Définitions :

Définition1.1 : On appelle forme bilinéaire sur E toute application 𝜑 : E× E→ K

Vérifiant :
1. 𝜑(𝛼𝑥 + 𝑥′) = 𝛼𝜑(𝑥, 𝑦) + 𝜑(𝑥, 𝑦′)
2. 𝜑(𝑥, 𝛽𝑦 + 𝑦 ′ ) = 𝛽𝜑(𝑥, 𝑦) + 𝜑(𝑥, 𝑦 ′ ) ; ∀𝑥, 𝑦, 𝑥 ′ , 𝑦 ′ ∈ 𝐸 𝑒𝑡 𝛼, 𝛽 ∈ ℝ
Si de plus 𝜑(𝑥, 𝑦) = 𝜑(𝑦, 𝑥 ) ∀ 𝑥, 𝑦 ∈ 𝐸 𝜑 est symétrique
Exemples1.2 :
1. 𝜑: ℝ2 × ℝ2 → ℝ telle que 𝜑(𝑥, 𝑦) = 𝑥1 𝑦2 + 𝑥2 𝑦1
où 𝑥 = (𝑥1 , 𝑥2 )𝑒𝑡 𝑦 = (𝑦1 , 𝑦2 )
est une forme bilinéaire symétrique

2. 𝜑: ℝ2 × ℝ2 → ℝ telle que 𝜑(𝑥, 𝑦) = 𝑥1 𝑦1 − 2𝑥2 𝑦1 + 2𝑥1 𝑦2 − 𝑥2 𝑦2

est une forme bilinéaire non symétrique car 𝜑(0,1) ≠ 𝜑(1,0)

3. 𝜑: ℝ𝑛 × ℝ𝑛 → ℝ telle que 𝜑(𝑥, 𝑦) = ∑𝑛𝑖=1 𝑥𝑖 𝑦𝑖 est une forme bilinéaire

Symétrique appelée produit scalaire canonique sur ℝ𝑛
Remarque1.3 : La symétrie permet de ne vérifier que la linéarité d’un seul coté

Définition1.4 : Soit 𝜑 une forme bilinéaire sur E, on appelle forme quadratique

associée à 𝜑 l’application notée q de E → K définie par :
∀𝑥 ∈ 𝐸 ; 𝑞 (𝑥 ) = 𝜑(𝑥, 𝑥)
𝜑 est appelée la forme polaire de q

Proposition1.5 : Soient 𝜑 une forme bilinéaire sur E et q la forme quadratique

1
associée. Alors : 𝜑(𝑥, 𝑦) = [ (𝑞 (𝑥 + 𝑦) − 𝑞 (𝑥 − 𝑦)]
4

(Appelée formule de polarisation)

9
 Chapitre2 : Formes bilinéaires et formes quadratiques

En effet: (𝑞 (𝑥 + 𝑦) − 𝑞(𝑥 − 𝑦) = 𝜑(𝑥 + 𝑦, 𝑥 + 𝑦) − 𝜑(𝑥 − 𝑦, 𝑥 − 𝑦)

=𝜑(𝑥, 𝑥) + 𝜑(𝑦, 𝑦) + 2𝜑(𝑥, 𝑦) − 𝜑(𝑥, 𝑥 ) − 𝜑(𝑦, 𝑦) + 2𝜑(𝑥, 𝑦)
= 4 𝜑(𝑥, 𝑦 )
Montrer aussi que :
1
𝜑(𝑥, 𝑦) = [ (𝑞(𝑥 + 𝑦) − 𝑞 (𝑥 ) − 𝑞(𝑦)] et
2

q (𝛼𝑥 + 𝛽𝑦) = 𝛼 2 𝑞(𝑥 ) + 2𝛼𝛽𝜑 (𝑥, 𝑦) + 𝛽 2 𝑞(𝑦) ∀𝑥, 𝑦 ∈ 𝐸 𝑒𝑡 ∀𝛼, 𝛽 ∈ 𝐾

Définition1.6 : Soit 𝑞 : 𝐸 → 𝐾 une application

On dit que q est une forme quadratique si, et seulement s’il existe une forme
bilinéaire symétrique 𝜑: 𝐸 × 𝐸 → 𝐾 telle que ∀𝑥 ∈ 𝐸 ; 𝑞 (𝑥 ) = 𝜑(𝑥, 𝑥)

Exemple1.7 : l’application q : ℝ4 → ℝ telle que 𝑞 (𝑥 ) = 𝑥12 + 𝑥22 + 𝑥32 − 𝑥42 est

une forme quadratique sur ℝ4 car ∃ 𝜑 ∶ ℝ4 × ℝ4 → ℝ définie par
𝜑(𝑥, 𝑦) = 𝑥1 𝑦1 + 𝑥2 𝑦2 + 𝑥3 𝑦3 − 𝑥4 𝑦4 une forme bilinéaire symétrique
vérifiant 𝜑(𝑥, 𝑥 ) = 𝑞(𝑥) ∀𝑥 ∈ ℝ4

2. Aspect matriciel :

L’espace E est considéré de dimension finie 𝑛 ≥ 1

Définition2.1 : On appelle matrice d’une forme quadratique 𝑞 définie sur E dans une
base ℬ= { 𝑒1 , 𝑒2 , … , 𝑒𝑛 } de E, la matrice de sa polaire.
On écrit : M (q, ℬ) = M (𝜑, ℬ) = (𝜑(𝑒𝑖 , 𝑒𝑗 ))1≤𝑖,𝑗≤𝑛

Exemple2.2 : La matrice de 𝑞 : ℝ3 → ℝ telle que 𝑞 (𝑥 ) = 𝑥12 + 𝑥22 + 𝑥32 dans la base

1 0 0
3
Canonique de ℝ est (0 1 0)
0 0 1

Remarque2.3 : La matrice A = M (q, ℬ) est symétrique (tA = A) si et seulement si la

forme polaire 𝜑 est symétrique

Théorème2.4 : Soient 𝜑 une forme bilinéaire sur E et ℬ= { 𝑒1 , 𝑒2 , … , 𝑒𝑛 } une base de E

10
 Chapitre2 : Formes bilinéaires et formes quadratiques

Soient x, y ∈ E et X, Y les matrices colonnes des coordonnées de x et y

respectivement dans la base ℬ et A = M (𝜑, ℬ), On a :
𝜑(𝑥, 𝑦) = tX.A.Y (expression analytique de 𝜑)
𝑥1 𝑦1
𝑥 2 𝑦 2
Preuve: Posons 𝑥 = ∑𝑛𝑖=1 𝑥𝑖 𝑒𝑖 et 𝑦 = ∑𝑛𝑖=1 𝑦𝑖 𝑒𝑖 , il s’ensuit que X= ( ⋮ ) et Y= ( ⋮ )
𝑥𝑛 𝑦𝑛
Si A = (𝜑(𝑒𝑖 , 𝑒𝑗 ))1≤𝑖,𝑗≤𝑛 = (𝑎𝑖𝑗 ) alors :
1≤𝑖,𝑗≤𝑛
t
X.A.Y = 𝑥1 ∑𝑛𝑗=1 𝑎1𝑗 𝑦𝑗 +𝑥2 ∑𝑛𝑗=1 𝑎2𝑗 𝑦𝑗 +…+𝑥𝑛 ∑𝑛𝑗=1 𝑎𝑛𝑗 𝑦𝑗
= ∑𝑛𝑖=1 𝑥𝑖 𝑎𝑖𝑖 𝑦𝑖 + ∑1≤𝑖≠𝑗≤𝑛 𝑥𝑖 𝑦𝑗 𝑎𝑖𝑗
= ∑𝑛𝑖=1 ∑𝑛𝑗=1 𝑥𝑖 𝑦𝑗 𝑎𝑖𝑗 ∎

Exemple2.5: Dans E = ℝ𝟑 l’expression analytique de la forme bilinéaire 𝜑 sur E dont

3
1 5
2
la matrice dans la base canonique est A = ( 3 2 4) est
2
5 4 3

3
𝜑(𝑥, 𝑦) = 𝑥1 𝑦1 + 2𝑥2 𝑦2 + 3𝑥3 𝑦3 + (𝑥1 𝑦2 + 𝑥2 𝑦1 ) + 5(𝑥1 𝑦3 + 𝑥3 𝑦1 )
2
+4(𝑥2 𝑦3 + 𝑥3 𝑦2 )

𝑥1
𝑥2
Remarques2.6: 1/ Soit 𝑥 = ∑𝑛𝑖=1 𝑥𝑖 𝑒𝑖 et X =( ⋮ ) . On a
𝑥𝑛

t
X.A.X= 𝜑(𝑥, 𝑥 ) = 𝑞 (𝑥 ) = ∑𝑛𝑖=1 𝑎𝑖𝑖 𝑥𝑖2 + 2 ∑1≤𝑖<𝑗≤𝑛 𝑥𝑖 𝑥𝑗 𝑎𝑖𝑗
Dans l’exemple précèdent l’expression analytique de la forme quadratique
associée à 𝜑 est :
𝑞(𝑥 ) = 𝜑(𝑥, 𝑥 ) = 𝑥12 + 2𝑥22 + 3𝑥32 + 3𝑥1 𝑥2 + 10𝑥1 𝑥3 + 8𝑥2 𝑥3

2/ Pour retrouver la forme bilinéaire associée 𝜑 à q, on utilise la formule

du dédoublement des termes : On remplace les 𝑥𝑖2 par 𝑥𝑖 𝑦𝑖 et les termes
1
𝑥𝑖 𝑥𝑗 par (𝑥𝑖 𝑦𝑗 + 𝑥𝑗 𝑦𝑖 )
2

11
 Chapitre2 : Formes bilinéaires et formes quadratiques

Proposition2.7 : Soit 𝜑 une forme bilinéaire symétrique définie sur E. Si A est la

matrice de 𝜑 dans la base ℬ= { 𝑒1 , 𝑒2 , … , 𝑒𝑛 } alors la matrice A’ de 𝜑 dans
la bases ℬ’= { 𝑒1′ , 𝑒2′ , … , 𝑒𝑛′ } est A’ = tP .A.P où P = Pass (ℬ, ℬ’)

Preuve : Soient x, y ∈ E. posons X, Y les matrices colonnes des coordonnées de x et

y respectivement dans la base ℬ. X’, Y’ les matrices colonnes des
coordonnées de x et y respectivement dans la base ℬ’. On a :
𝜑(𝑥, 𝑦) = tX.A.Y = t(PX’).A.(PY’) = tX’( tP.A.P) Y’
D’où A’ = tP.A.P ( par unicité de la matrice de 𝜑 dans ℬ’) ∎

Définition2.8 : Les matrices A et A’ sont dites congruentes. A et A’ représentent la

même forme bilinéaire dans deux bases différentes de E.

Exemple2.9 : Soient E = ℝ𝟑 et q la forme quadratique sur E dont la forme polaire est

donnée par son expression
𝜑(𝑥, 𝑦) = 𝑥1 𝑦1 + 3𝑥2 𝑦2 + 3𝑥3 𝑦3 + 2(𝑥2 𝑦1 + 𝑥1 𝑦2 ) − 𝑥2 𝑦3 − 𝑥3 𝑦2
1 1 0
Notons ξ la base canonique de E et ℬ= {𝑣1 = (1) , 𝑣2 = (0) , 𝑣3 = (1)}
0 1 1
une autre base de E.
1 2 0
On a A = M (q, ξ) = M (𝜑, ξ) = (2 3 −1)
0 −1 3
1 1 0
Et A’ = M (q, ℬ) = M (𝜑, ℬ) = tP .A.P où P = Pass (ξ, ℬ) = (1 0 1)
0 1 1
8 2 4
Les calculs donnent : A’ = (2 4 4)
4 4 4
3 Rang et noyau :

Définition3.1 : Soient q une forme quadratique définie sur E et ℬ une base de E

Le rang de la matrice A de q dans ℬ est appelé le rang de q, on note rg q
(Il ne dépend pas de ℬ)

12
 Chapitre2 : Formes bilinéaires et formes quadratiques

Définition3.2 : On appelle noyau de la forme quadratique q, et on note Kerq, le sous

espace vectoriel de E défini par Ker q = {𝑥 ∈ 𝐸 / ∀𝑦 ∈ 𝐸 , 𝜑(𝑥, 𝑦) = 0}
On dit que 𝜑 (ou q) est non dégénérée si et seulement si 𝐾𝑒𝑟 𝑞 = {0}

Théorème3.3 : (Théorème du rang)

Soit q une forme quadratique sur E, on a :

𝑑𝑖𝑚𝐸 = 𝑛 = 𝑟𝑔𝑞 + 𝑑𝑖𝑚 𝐾𝑒𝑟 𝑞
En particulier on a : q non dégénérée si et seulement si 𝑟𝑔𝑞 = 𝑛

Corollaire3.4 : Une forme bilinéaire est non dégénérée si et seulement si la matrice

qui la représente dans une base de E est inversible.

Définition3.5 : Soit q une forme quadratique sur E. On dit que q est définie si on a

pour tout 𝑥 ∈ 𝐸 ∶ 𝑞 (𝑥 ) = 0 ⇒ 𝑥 = 0

Exemple3.6 : la forme quadratique définie sur ℝ2 par 𝑞 (𝑥 ) = 𝑥12 + 𝑥22 est définie car

∀𝑥 ∈ ℝ2 𝑞 (𝑥 ) = 0 ⇒ 𝑥12 + 𝑥22 = 0 ⇒ 𝑥12 = 𝑥22 = 0 ⇒ 𝑥1 = 𝑥2 = 0 ⇒ 𝑥 = 0

Proposition3.7 : Si q est une forme quadratique définie alors sa forme polaire est non

dégénérée.
En effet si 𝜑 (la forme bilinéaire associé à q) est dégénérée alors
𝜑(𝑥, 𝑦) = 0 ∀𝑦 ∈ 𝐸 pour au moins un 𝑥 ≠ 0
En particulier pour 𝑥 = 𝑦 : 𝑞(𝑥 ) = 𝜑(𝑥, 𝑥 ) = 0 c-à-d q est non définie∎
La réciproque est fausse : Dans E = ℝ2 𝜑(𝑥, 𝑦)= 𝑥1 𝑦1 − 𝑥2 𝑦2 est non dégénérée
et 𝑞 (𝑥 ) = 𝑥12 − 𝑥22 est non définie puisque ∃(1,1) ∈ 𝐸 − {0} et 𝑞 (1,1) = 0

4 Orthogonalité :

Soit E un ℝ-espace vectoriel de dimension 𝑛 ≥ 1. Soient 𝜑 une forme bilinéaire

symétrique définie sur E et q la forme quadratique associée.

13
 Chapitre2 : Formes bilinéaires et formes quadratiques

Définition4.1 : Soient x et y deux vecteurs de E. x et y sont orthogonaux par rapport à

𝜑 Si 𝜑(𝑥, 𝑦) = 0
x et y sont dits orthogonaux par rapport à q s’ils sont orthogonaux par
rapport à 𝜑

Définition4.2 : Soit ℬ = {𝑒1 , 𝑒2 , … , 𝑒𝑛 } une base de E. On dit que ℬ est q-orthogonale

si la matrice de q relativement à ℬ est diagonale, c’est-à-dire 𝜑(𝑒𝑖 , 𝑒𝑗 ) = 0

pour tout 𝑖, 𝑗 ∈ { 1, … , 𝑛} 𝑒𝑡 𝑖 ≠ 𝑗

Définition4.3 : Pour toute partie non vide F de E. On définit l’orthogonale de F par

rapport à 𝜑, noté 𝐹 ⊥ par : 𝐹 ⊥ = {𝑥 ∈ 𝐸 / ∀𝑦 ∈ 𝐹 , 𝜑(𝑥, 𝑦) = 0}

Remarquons que 𝐾𝑒𝑟 𝜑 = 𝐸 ⊥

Proposition4.4 : Soient 𝜑 une forme bilinéaire symétrique définie sur E et F un sous

espace vectoriel de E, alors on a :

𝑑𝑖𝑚𝐹 + 𝑑𝑖𝑚𝐹 ⊥ = 𝑑𝑖𝑚𝐸 + 𝑑𝑖𝑚(𝐹 ∩ 𝑘𝑒𝑟𝜑)
Si de plus 𝜑 est non dégénérée on a : 𝑑𝑖𝑚𝐹 + 𝑑𝑖𝑚𝐹 ⊥ = 𝑑𝑖𝑚𝐸
Et (𝐹 ⊥ )⊥ = 𝐹 (puisque dans ce cas 𝑑𝑖𝑚 (𝐹 ⊥ )⊥ = 𝑑𝑖𝑚𝐸 − 𝑑𝑖𝑚𝐹 ⊥ = 𝑑𝑖𝑚𝐹
et 𝐹 ⊂ (𝐹 ⊥ )⊥ )

Définition4.5 : On dit qu’un vecteur 𝑥 ∈ 𝐸 est isotope pour 𝑞 s’il vérifie 𝑞 (𝑥 ) = 0

Exemple4.6: 𝑞: 𝑀2 (ℝ) → ℝ telle que 𝑞 (𝐴) = (𝑡𝑟(𝐴))2

0 1
Le vecteurs A = ( ) est isotrope car 𝑞 (𝐴) = 0
1 0
L’ensemble noté C(q) des vecteurs isotopes de q est appelé Cône isotrope
𝑎 𝑏
Dans l’exemple ci-dessus 𝐶(𝑞) = { 𝐴 = ( ) ∈ 𝑀2 (ℝ): 𝑞 (𝐴) = (𝑎 + 𝑑 )2 = 0}
𝑐 𝑑

Remarques4.7 :

1. Si tout vecteur de E est isotrope alors q est nulle

2. 𝐾𝑒𝑟 𝑞 ⊂ 𝐶(𝑞) en effet si 𝑥 ∈ 𝐾𝑒𝑟 𝑞 alors 𝜑(𝑥, 𝑦) = 0 ∀𝑦 ∈ 𝐸
En particulier pour 𝑥 = 𝑦 on a 𝑞 (𝑥 ) = 0 et x est isotrope
La réciproque est fausse, il suffit de considérer la forme bilinéaire

14
 Chapitre2 : Formes bilinéaires et formes quadratiques

𝜑: ℝ2 × ℝ2 → ℝ telle que 𝜑(𝑥, 𝑦) = 𝑥1 𝑦1 − 𝑥2 𝑦2 le vecteur x = (1,1)

est isotrope mais il n’appartient pas à Ker q puisqu’il existe
y = (2, 1) ∈ ℝ2 et 𝜑(𝑥, 𝑦) ≠ 0
3. Si q est non nulle il peut exister des vecteurs isotropes non nuls
4. Si x est isotrope alors 𝛼𝑥 est isotrope ∀𝛼 ∈ 𝐾
Car 𝑞(𝛼𝑥 ) = 𝛼 2 𝑞 (𝑥 ) = 0

Proposition4.8 : Si ℬ = { 𝑒1 , 𝑒2 , … , 𝑒𝑛 } est une base q-orthogonale de E, alors les

vecteurs 𝑒𝑖 tels que 𝑞 (𝑒𝑖 ) = 0 (c’est-à-dire les vecteurs isotropes de ℬ)

forment une base de 𝐾𝑒𝑟𝑞

Preuve : Soit 𝑥 = ∑𝑛𝑖=1 𝑥𝑖 𝑒𝑖 dans E,

Supposons que 𝑞 (𝑒𝑖 ) = 0 ∀𝑖 > 𝑗 et 𝑞(𝑒𝑖 ) ≠ 0∀𝑖 ≤ 𝑗 pour j∈ {1, … , 𝑛}

𝑥 ∈ 𝐾𝑒𝑟𝑞 ⇔ 𝜑(𝑥, 𝑦) = 0 ∀𝑦 ∈ 𝐸
⇔Pour tout i, 𝜑(𝑥, 𝑒𝑖 ) = 0 =𝑥𝑖 𝑞(𝑒𝑖 )
⇔ 𝑥𝑖 = 0 ∀𝑖 ≤ 𝑗
Donc 𝑥 ∈ 𝐾𝑒𝑟𝑞 si et seulement si 𝑥 ∈< 𝑒𝑗+1 , … , 𝑒𝑛 > ∎

Remarque4.9 : Le rang de 𝜑 est le nombre de vecteurs 𝑒𝑖 de la base ℬ tel que

𝑞 (𝑒𝑖 ) ≠ 0 (C’est-à-dire les vecteurs non isotropes de ℬ)

Définition4.10 : Soit F un sous espace vectoriel de E

On dit que F est isotrope si et Seulement si 𝐹 ∩ 𝐹 ⊥ ≠ {0}

Proposition4.11 : Soient 𝜑 une forme bilinéaire symétrique définie sur E et F un sous

espace vectoriel de E, alors :

F est non isotrope si et seulement si 𝐸 = 𝐹⨁𝐹 ⊥

Preuve : supposons F non isotrope, c’est-à-dire 𝐹 ∩ 𝐹 ⊥ = {0}

On a Ker𝜑 ⊂ 𝐹 ⊥ et F∩ 𝐾𝑒𝑟𝜑 ⊂ 𝐹 ∩ 𝐹 ⊥ = {0} donc

𝑑𝑖𝑚 𝐹 + 𝑑𝑖𝑚 𝐹 ⊥ = 𝑑𝑖𝑚 𝐸
Réciproquement, si E = F⨁𝐹 ⊥ alors 𝐹 ∩ 𝐹 ⊥ = {0} et F est donc non isotrope∎

15
 Chapitre2 : Formes bilinéaires et formes quadratiques

Théorème4.12: Soit q une forme quadratique sur E, alors E possède au moins une
base q-orthogonale
(La démonstration se fait par récurrence sur 𝑛 = 𝑑𝑖𝑚𝐸)

Corollaire4.13 : Pour toute matrice symétrique A, il existe une matrice inversible P

et une matrice diagonale D telle que : D = tP . A . P

Preuve : Soit q une forme quadratique définie sur E telle que A est sa matrice

relativement à une base ξ de E. D’après le théorème 4.12 il existe au

moins une base ℬ de E qui soit q-orthogonale. La matrice de 𝑞 dans ℬ est
diagonale, notons D cette matrice.
Les matrices D et A sont congruentes c’est-à-dire il existe P inversible telle
que D = tP . A . P (P est la matrice de changement de base).∎

Posons q une forme quadratique sur E. ℬ= { 𝑒1 , 𝑒2 , … , 𝑒𝑛 } une base q-orthogonale de

E. la matrice D de q relativement à ℬ est diagonale D = 𝑑𝑖𝑎𝑔(𝑑1 , 𝑑2 , … , 𝑑𝑛 )
Si 𝑥 = ∑𝑛𝑖=1 𝑥𝑖 𝑒𝑖 dans ℬ alors l’expression analytique de q dans cette base s’écrit :
𝑞 (𝑥 ) = 𝑑1 𝑥12 + 𝑑2 𝑥22 + ⋯ + 𝑑𝑛 𝑥𝑛2
En posant 𝑙𝑖 : 𝐸 → 𝐾 telle que 𝑙𝑖 (𝑥 ) = 𝑥𝑖 des formes linéaires sur E on obtient une
famille libre {𝑙1 , 𝑙2 , … , 𝑙𝑛 } de E* (c’est la base duale de ℬ)
On vient de prouver en partie le théorème suivant :

Théorème4.14 : Soient 𝜑 une forme bilinéaire symétrique sur E, 𝑞 la forme

quadratique associée et ℬ une base de E. Les propriétés suivantes sont
équivalentes :
1. ℬ est une base q-orthogonale
2. ∀𝑥, 𝑦 ∈ 𝐸 ∶ 𝜑(𝑥, 𝑦) = ∑𝑛𝑖=1 𝑞(𝑒𝑖 )𝑥𝑖 𝑦𝑖
3. ∀𝑥 ∈ 𝐸 ∶ 𝑞(𝑥 ) = ∑𝑛𝑖=1 𝑞(𝑒𝑖 )𝑥𝑖2
𝑞 (𝑒1 ) ⋯ 0
4. La matrice de 𝜑 relativement à ℬ est ( ⋮ ⋱ ⋮ )
0 ⋯ 𝑞 (𝑒𝑛 )

16
 Chapitre2 : Formes bilinéaires et formes quadratiques

5 Décomposition en carrés d’une forme quadratique -Méthode de Gauss :

Soient E un ℝ-espace vectoriel de dimension n et ℬ= { 𝑒1 , 𝑒2 , … , 𝑒𝑛 } une base de E

La démonstration du théorème suivant fournit une méthode, appelée méthode de

Gauss, pour décomposer une forme quadratique en carrés de formes linéaires

linéairement indépendantes

Théorème5.1: Soit 𝑞 une forme quadratique non nulle définie sur E. Alors il existe r

formes linéaires 𝑙1 , … , 𝑙𝑟 définies sur E linéairement indépendantes et r

réels 𝛼1 , … , 𝛼𝑟 tels que ∀𝑥 ∈ 𝐸 : 𝑞 (𝑥 ) = ∑𝑟𝑖=1 𝛼𝑖 (𝑙𝑖 (𝑥))2 1 ≤ 𝑟 ≤ 𝑛
Preuve : Par récurrence sur 𝑛 = 𝑑𝑖𝑚𝐸
Si 𝑛 = 1 le résultat est évident
Supposons le résultat vrai pour toute forme quadratique sur un espace de dimension
𝑟 ≤ 𝑛 − 1 et montrons que si 𝑑𝑖𝑚𝐸 = 𝑛; 𝑞 s’écrit comme somme de carrés.
On a ∀𝑥 ∈ 𝐸 : 𝑞 (𝑥 ) = ∑𝑛𝑖=1 𝑎𝑖𝑖 𝑥𝑖2 + 2 ∑1≤𝑖<𝑗≤𝑛 𝑥𝑖 𝑥𝑗 𝑎𝑖𝑗
1er cas:
Il existe au moins un carré dans 𝑞(𝑥), supposons que 𝑎11 ≠ 0. Alors :
𝑛 𝑛

𝑞 (𝑥 ) = 𝑎11 𝑥12 + 2 ∑ 𝑎1𝑗 𝑥1 𝑥𝑗 + ∑ 𝑎𝑖𝑖 𝑥𝑖2 + 2 ∑ 𝑎𝑖𝑗 𝑥𝑖 𝑥𝑗

𝑗=2 𝑖=2 2≤𝑖<𝑗≤𝑛

Posons ∑𝑛𝑖=2 𝑎𝑖𝑖 𝑥𝑖2 + 2 ∑2≤𝑖<𝑗≤𝑛 𝑎𝑖𝑗 𝑥𝑖 𝑥𝑗 = 𝑞1 (𝑥2 , … , 𝑥𝑛 ) une forme quadratique en
𝑥2 , … , 𝑥𝑛
2
Donc 𝑞 (𝑥 ) = 𝑎11 [𝑥12 + ∑𝑛𝑗=2 𝑎1𝑗 𝑥1 𝑥𝑗 ] + 𝑞1 (𝑥2 , … , 𝑥𝑛 )
𝑎11

En appliquant l’identité 𝑎2 + 2𝑎𝑏 = (𝑎 + 𝑏)2 − 𝑏 2 on obtient :

2 2
𝑛 𝑛
𝑎1𝑗 𝑥𝑗 𝑎1𝑗 𝑥𝐽
𝑞 (𝑥 ) = 𝑎11 [(𝑥1 + ∑ ) − (∑ ) ] + 𝑞1 (𝑥2 , … , 𝑥𝑛 )
𝑎11 𝑎11
𝑗=2 𝑗=2

𝑎1𝑗 𝑥𝑗 2 1 2
= 𝑎11 (𝑥1 + ∑𝑛𝑗=2 ) − (∑𝑛𝑗=2 𝑎1𝑗 𝑥𝑗 ) + 𝑞1 (𝑥2 , … , 𝑥𝑛 )
𝑎11 𝑎11
𝑎1𝑗 𝑥𝑗
Posons 𝛼1 = 𝑎11 , 𝑙1 (𝑥) = (𝑥1 + ∑𝑛𝑗=2 ) et
𝑎11

17
 Chapitre2 : Formes bilinéaires et formes quadratiques

2
𝑛
1
𝑞2 (𝑥2 , … , 𝑥𝑛 ) = − (∑ 𝑎1𝑗 𝑥𝑗 ) + 𝑞1 (𝑥2 , … , 𝑥𝑛 )
𝑎11
𝑗=2

𝑞2 s’écrit comme somme de carrés de formes linéaires indépendantes 𝑙2 , … , 𝑙𝑛(d’après

l’hypothèse de récurrence) ; ces formes linéaires n’ont pas de composantes suivant
𝑥1 elles sont donc linéairement indépendantes avec 𝑙1 .
2ème cas :
Aucun carré dans 𝑞(𝑥) c’est-à-dire 𝑞(𝑥) = 2 ∑1≤𝑖<𝑗≤𝑛 𝑥𝑖 𝑥𝑗 𝑎𝑖𝑗
Supposons 𝑎12 ≠ 0 et regroupons dans 𝑞(𝑥) tous les termes en 𝑥1 𝑒𝑡 𝑥2
𝑛 𝑛

𝑞(𝑥 ) = 2𝑎12 𝑥1 𝑥2 + 2 ∑ 𝑎1𝑗 𝑥1 𝑥𝑗 + 2 ∑ 𝑎2𝑗 𝑥2 𝑥𝑗 + 2 ∑ 𝑎𝑖𝑗 𝑥𝑖 𝑥𝑗

𝑗=3 𝑗=3 3≤𝑖<𝑗≤𝑛

𝑛 𝑛
2
𝑞 (𝑥 ) = [𝑎2 𝑥 𝑥 + 𝑎12 𝑥1 ∑ 𝑎1𝑗 𝑥𝑗 + 𝑎12 𝑥2 ∑ 𝑎2𝑗 𝑥𝑗 ] + 2 ∑ 𝑎𝑖𝑗 𝑥𝑖 𝑥𝑗
𝑎12 12 1 2
𝑗=3 𝑗=3 3≤𝑖<𝑗≤𝑛

Posons 𝜑(𝑥 ) = ∑𝑛𝑗=3 𝑎1𝑗 𝑥𝑗 et 𝜓(𝑥 ) = ∑𝑛𝑗=3 𝑎2𝑗 𝑥𝑗 et 𝜃(𝑥 ) = 2 ∑3≤𝑖<𝑗≤𝑛 𝑎𝑖𝑗 𝑥𝑖 𝑥𝑗
2 2
𝑞(𝑥 ) = (𝑎12 𝑥1 + 𝜓(𝑥 ))(𝑎12 𝑥2 + 𝜑(𝑥 )) − 𝜑(𝑥 )𝜓(𝑥 ) + 𝜃(𝑥 )
𝑎12 𝑎12
En posant 𝑎 = (𝑎12 𝑥1 + 𝜓(𝑥 )) et 𝑏 = (𝑎12 𝑥2 + 𝜑(𝑥 )) et en appliquant l’identité
1
𝑎𝑏 = [(𝑎 + 𝑏)2 − (𝑎 − 𝑏)2 ] on obtient :
4
2 1
𝑞 (𝑥 ) = [(𝑎 𝑥 + 𝑎12 𝑥2 + 𝜑(𝑥 ) + 𝜓(𝑥))2 − (𝑎12 𝑥1 − 𝑎12 𝑥2 + 𝜓(𝑥 ) − 𝜑(𝑥))2 ]
𝑎12 4 12 1
+ 𝑞1 (𝑥3 , … , 𝑥𝑛 )
2
Avec 𝑞1 (𝑥3 , … , 𝑥𝑛 ) = − 𝜑(𝑥 )𝜓(𝑥 ) + 𝜃(𝑥 )
𝑎12
1 1
On pose 𝛼1 = , 𝛼2 = , 𝑙1 (𝑥 ) = 𝑎12 𝑥1 + 𝑎12 𝑥2 + 𝜑(𝑥 ) + 𝜓(𝑥) et
2𝑎12 2𝑎12

𝑙2 (𝑥 ) = 𝑎12 𝑥1 − 𝑎12 𝑥2 + 𝜓(𝑥 ) − 𝜑(𝑥)

Pour conclure il suffit d’appliquer l’hypothèse de récurrence à 𝑞1 .∎

Théorème5.2 : (Théorème de Sylvester)

Soit 𝑞 une forme quadratique définie sur E de rang 𝑟. Il existe une base
q-orthogonale ℬ= { 𝑒1 , 𝑒2 , … , 𝑒𝑛 } de E et un entier 𝑠 ∈ {1, … , 𝑟} tel que
𝑞(𝑥 ) = 𝑞(∑𝑛𝑖=1 𝑥𝑖 𝑒𝑖 ) = 𝑥12 + ⋯ + 𝑥𝑠2 − 𝑥𝑠+1
2
− ⋯ − 𝑥𝑟2

18
 Chapitre2 : Formes bilinéaires et formes quadratiques

De plus l’entier 𝑠 ne dépend que de 𝑞

On appelle signature de 𝑞 le couple (𝑠, 𝑡 = 𝑟 − 𝑠)
Pour trouver la signature d’une forme quadratique 𝑞 on peut utiliser la méthode de
Gauss pour écrire 𝑞 comme somme de carrés et trouver 𝑠 𝑒𝑡 𝑡 tels que
𝑠 = 𝑐𝑎𝑟𝑑 {𝛼𝑖 > 0, 𝑖 = 1, … , 𝑟} et 𝑡 = 𝑐𝑎𝑟𝑑 {𝛼𝑖 < 0, 𝑖 = 1, … , 𝑟}

Proposition5.3 : Soit q une forme quadratique sur E de signature (𝑟, 𝑠). Alors q est

non dégénérée si et seulement si 𝑠 + 𝑡 = 𝑛 ( 𝑛 = 𝑑𝑖𝑚 𝐸 )

Ceci est vrai puisque en appliquant le théorème du rang, si q est non dégénérée alors

𝑟𝑔𝑞 = 𝑛.

Exemples5.4 :

a. Soit 𝑞 la forme quadratique sur ℝ3 définie par :

𝑞(𝑥 ) = 2𝑥12 − 𝑥22 − 4𝑥1 𝑥2 − 8𝑥2 𝑥3

2 −2 0
La matrice A de 𝑞 dans la base canonique ξ de ℝ3 est A = (−2 −1 −4)
0 −4 0
On a: 𝑞(𝑥 ) = 2𝑥12 − 𝑥22 − 4𝑥1 𝑥2 − 8𝑥2 𝑥3 = 2(𝑥1 − 𝑥2 )2 − 3𝑥22 − 8𝑥2 𝑥3
4 2 16
𝑞 (𝑥 ) = 2(𝑥1 − 𝑥2 )2 − 3 (𝑥2 + 𝑥3 ) + 𝑥32 …(1)
3 3

Le rang de 𝑞 est 𝑟𝑔𝑞 = 3 et la signature de q est le couple (2, 1)

4
En posant 𝑙1 (𝑥 ) = 𝑥1 − 𝑥2 , 𝑙2 (𝑥 ) = 𝑥2 + 𝑥3 et 𝑙3 (𝑥 ) = 𝑥3 tels que 𝑙𝑖 : ℝ3 → ℝ
3

(1) est une décomposition de 𝑞(𝑥) en carrés des formes linéaires linéairement
indépendantes 𝑙1 , 𝑙2 𝑒𝑡 𝑙3
La décomposition de Gauss permet aussi de déterminer une base orthogonale par
rapport à la forme quadratique 𝑞.
Soit ℬ* = {𝑙1 , 𝑙2 , 𝑙3 } une base de l’espace dual (ℝ3 )*, la base ℬ = {𝑣1 , 𝑣2 , 𝑣3 } pré
duale de ℬ* est orthogonale par rapport à la forme quadratique 𝑞.
−4
1 1
3
Pass (ξ,ℬ) = (tPass(ξ*,ℬ*))-1 = (0 1
−4) D’où:
3
0 0 1

19
 Chapitre2 : Formes bilinéaires et formes quadratiques

−4
1 1 3
𝑣1 = (0) , 𝑣2 = (1) 𝑒𝑡 𝑣3 = (−4)
0 0 3
1
La matrice A’ de 𝑞 dans ℬ est diagonale et
𝑞(𝑣1 ) 0 0 2 0 0
A’ = ( 0 𝑞(𝑣2 ) 0 ) = (0 −3 0)
16
0 0 𝑞(𝑣3 ) 0 0
3

b. Soit 𝑞 la forme quadratique sur ℝ4 définie par :

𝑞(𝑥 ) = 𝑥1 𝑥2 + 𝑥1 𝑥3 + 𝑥2 𝑥3 + 𝑥3 𝑥4
1 1
0 0
2 2
1 1
0 0
2 2
La matrice A de 𝑞 dans la base canonique ξ de ℝ4 est A= 1
1 1 0
2
2 2 1
(0 0 0)
2

On applique la méthode de Gauss pour décomposer 𝑞 en somme de carrés de formes

linéaires linéairement indépendantes :
𝑞 (𝑥 ) = (𝑥1 𝑥2 + 𝑥1 𝑥3 + 𝑥2 𝑥3 ) + 𝑥3 𝑥4 = (𝑥1 + 𝑥3 )(𝑥2 + 𝑥3 ) − 𝑥32 + 𝑥3 𝑥4
1 1 1 2 1
𝑞(𝑥 ) = (𝑥1 + 2𝑥3 + 𝑥2 )2 − (𝑥1 − 𝑥2 )2 − (𝑥3 − 𝑥4 ) + 𝑥42
4 4 2 4
1 1 1
𝑞 (𝑥 ) = 𝑙12 (𝑥 ) − 𝑙22 (𝑥 ) − 𝑙32 (𝑥 ) + 𝑙42 (𝑥 )
4 4 4

Le rang 𝑟𝑔𝑞 = 4 et la signature de 𝑞 est (2,2)

Une base 𝑞-orthogonale de ℝ4 est la base ℬ = {𝑣1 , 𝑣2 , 𝑣3 , 𝑣4 } pré duale de
ℬ* = {𝑙1 , 𝑙2 , 𝑙3 , 𝑙4 }
Les calculs donnent :
−1 −1
1 1
2 2
2 2 −1 −1
𝑣1 = 1 , 𝑣2 = −1 , 𝑣3 = 𝑒𝑡 𝑣4 =
0 0 2 2
1 1
(0 ) ( 0) (0) (1)

1 −1 1
La matrice A’ de 𝑞 dans ℬ est diagonale et on a : 𝐴’ = 𝑑𝑖𝑎𝑔 ( , , −1, )
4 4 4

20
 Chapitre2 : Formes bilinéaires et formes quadratiques

Remarques5.5:

- On n’a pas unicité pour les bases orthogonales, un autre choix des indices dans
la décomposition de 𝑞 conduit à une autre base.
- Les éléments de la diagonale de A’ ne sont pas nécessairement les valeurs
propres de la matrice A.
- On peut calculer la matrice A’ en utilisant la formule de changement de base
A’=tP.A.P si P = Pass(ξ,ℬ)
- Lorsque le rang de 𝑞 est inférieur strictement à 𝑛, on complète la base ℬ* pour
la rendre une base de E* puis on détermine sa base pré duale.
Comme exemple : Décomposer 𝑞 (𝑥 ) = 𝑥12 − 2𝑥22 + 3𝑥32 + 4𝑥1 𝑥2 + 6𝑥1 𝑥3
puis trouver une base 𝑞-orthogonale.

21
 Chapitre2 : Formes bilinéaires et formes quadratiques

6 Exercices
Exercice1 :
Soit 𝑓1 𝑒𝑡 𝑓2 deux formes linéaires sur un K espace vectoriel E .
Montrer que l’application 𝜑 : 𝐸 ⤬ 𝐸 ⟶ 𝐾 définie par :
𝜑(𝑥, 𝑦) = 𝑓1 (𝑥)𝑓2 (𝑦)est une forme bilinéaire et que 𝑡𝜑(𝑥, 𝑦)= 𝑓2 (𝑥)𝑓1 (𝑦)
( 𝑡 𝜑(𝑥, 𝑦) = 𝜑(𝑦, 𝑥) )

Exercice2 :

Soient 𝐸 = ℝ2 [𝑋] et 𝜑 : 𝐸 ⤬ 𝐸 ⟶ ℝ l’application définie par

1
𝜑(𝑃, 𝑄) = ∫0 𝑋𝑃(𝑋)𝑄(𝑋)𝑑𝑋 𝑃, 𝑄𝐸
- Montrer que 𝜑 est une forme bilinéaire sur 𝐸 ⤬ 𝐸
- Déterminer la matrice de 𝜑 relativement à la base canonique de 𝐸 et écrire
l’expression analytique de 𝜑
1 1 2 1
- Calculer la matrice de 𝜑 dans la base ℬ= {1, 𝑋 − , (𝑋 − ) − }
2 2 12

Exercice3 :

Soient 𝐸 = ℝ2 [𝑋] et 𝜑: 𝐸 ⤬ 𝐸 ⟶ ℝ l’application définie par

𝑃, 𝑄𝐸 : 𝜑(𝑃, 𝑄 ) = 𝑃(1)𝑄 (−1) + 𝑃(−1)𝑄(1)

- Montrer que 𝜑 est une forme bilinéaire sur 𝐸 ⤬ 𝐸 et donner sa matrice dans la
base canonique de E
- Montrer que ℬ = {1 − 𝑋 2 , 𝑋, 𝑋 2 } est une base de E et déterminer la matrice de
𝜑 dans cette base
- Déduire l’expression, dans ℬ, de 𝜑 et de la forme quadratique associée
- Soit 𝐹 = {𝑃 ∈ 𝐸 : 𝑃(0) = 0}
a. Montrer que 𝐹 est un sous-espace vectoriel de E. Trouver une base de 𝐹
b. Déterminer l’orthogonal 𝐹 ⊥ de 𝐹 et préciser sa dimension

22
 Chapitre2 : Formes bilinéaires et formes quadratiques

Exercice4 :

On considère la forme bilinéaire 𝜑 : ℝ4 ⤬ ℝ4 ⟶ ℝ suivante :

1 3 1
𝜑(𝑥, 𝑦) =( 𝑥1 𝑦2 + 𝑥2 𝑦1 ) - (𝑥1 𝑦3 +𝑥3 𝑦1 )+ (𝑥1 𝑦4 + 𝑥4 𝑦1 ) + (𝑥2 𝑦3 + 𝑥3 𝑦2 )
2 2 2
1
- ( 𝑥2 𝑦4 + 𝑥4 𝑦2 )+( 𝑥3 𝑦4 + 𝑥4 𝑦3 )
2

- Ecrire sa matrice relativement à la base canonique de ℝ4 et préciser le 𝑟𝑎𝑛𝑔 𝑑𝑒 𝜑 .

- Quel est son noyau ? Que peut-on conclure ?
- Donner la forme quadratique 𝑞 associée.
- Trouver une réduction de Gauss en précisant une base 𝑞-orthogonale et la signature
de 𝑞
- Déterminer l’ensemble des vecteurs isotropes de 𝑞.

Exercice5 :
Soit l’application 𝑞: ℝ4 → ℝ telle que
𝑞 (𝑥 ) = 16𝑥12 − 16𝑥22 + 5𝑥32 − 16𝑥1 𝑥3 + 16 𝑥2 𝑥3 + 2𝑥3 𝑥4 ;  𝑥 ℝ4

- Pourquoi 𝑞 est une forme quadratique ?

- Donner l’expression analytique de la forme polaire 𝜑 associée et écrire sa

matrice dans la base canonique de ℝ4

- En utilisant la méthode de Gauss, décomposer q en sommes de carrés de formes

linéaires indépendantes.

Déduire le rang et la signature de q ainsi qu’une base q-orthogonale de ℝ4

- Trouver l’orthogonal 𝐹 ⊥ du sous-espace vectoriel 𝐹 = ˂ 𝑒1 , 𝑒2 + 2𝑒3 ˃.

23