Académique Documents
Professionnel Documents
Culture Documents
et Techniques - Marrakech
LST - MIPC
1 Formes linéaires
Définition 1 Une forme linéaire sur E est une application linéaire de E dans IK.
e∗i : E −→ IK
n
X
x= xj ej 7−→ e∗i (x) = xi
j=1
est une forme linéaire sur E. En effet, pour tous x, y ∈ E et pour tous α, β ∈ IK :
n
!
X
e∗i (α.x + β.y) = e∗i (αxj + βyj )ej = αxi + βyi = αe∗i (x) + βe∗i (y).
j=1
Remarques :
1. Pour tous, 1 ≤ i, j ≤ n, on a :
1 si i = j
e∗i (ej ) = δi,j =
0 si i 6= j
δi,j est appelé symbole de Kronecker. L’application e∗i est appelée forme duale
associée à l’élément ei , 1 ≤ i ≤ n, de la base B .
En effet, on a : !
n
X n
X
f (x) = f xj ej = f (ej )xj
j=1 j=1
1
3. La matrice de f dans la base B de E est la matrice ligne L :
Théorème 1 L’ensemble des formes linéaires sur E, noté E ∗ , est un espace vectoriel
sur IK de dimension n, de base B ∗ = (e∗1 , ..., e∗n ) appelée base duale de la base B.
L’espace E ∗ = L(E, IK) est appelé espace vectoriel dual de l’espace E.
Preuve :
1. E ∗ est un espace vectoriel sur IK. En effet, on sait que si F et G sont deux IK espaces
vectoriels, alors (L(F, G), +, .) est un IK espace vectoriel.
2. Montrons que B ∗ = (e∗1 , ..., e∗n ) est une base de E ∗ .
Xn
∗
Soit f ∈ E , soit x = xj ej ∈ E, on a :
j=1
n n n
!
X X X
f (x) = xj f (ej ) = e∗j (x)f (ej ) = f (ej )e∗j (x).
j=1 j=1 j=1
n
!
X
Puisque f (x) = f (ej )e∗j (x), ∀x ∈ E, on a :
j=1
n
X
f= f (ej )e∗j
j=1
n
X
αj e∗j (x) = 0, ∀x ∈ E.
j=1
En prenant x = ei , 1 ≤ i ≤ n, on a
n
X
αj e∗j (ei ) = αi = 0, ∀1 ≤ i ≤ n.
j=1
Donc, la suite (e∗1 , ..., e∗n ) est libre. C’est une base de E ∗ , notée B ∗ . Comme les bases
B de E et B ∗ de E ∗ ont le même nombre d’éléments, on a :
dim(E) = dim(E ∗ ) = n.
2
Définition 2 On appelle hyperplan de E, le noyau d’une forme linéaire non nulle sur
E.
Preuve :
Soit H un hyperplan de E. Il existe f une forme linaire non nulle sur E telle que :
Puisque f est non nulle, elle est surjective. En effet, on a Im(f ) est un s.e.v. de IK
vérifiant :
{0IK } Im(f ) ⊂ IK.
Or, les seules s.e.v. de IK sont {0IK } et IK. Donc Im(f ) = IK et par conséquent
dim(Im(f )) = dim(IK) = 1.
D’après le théorème noyau-image, on a :
Réciproquement si H un s.e.v. de E de dimension n−1. H possède une base (f1 , ..., fn−1 )
qu’on complète pour avoir une base (f1 , ..., fn ) de E. H est alors le noyau de la forme
linéaire :
fn∗ : E −→ IK
Xn
x= xj fj 7−→ fn∗ (x) = xn
j=1
2 Formes bilinéaires
Définition 3 Une forme bilinéaire sur E est une application :
ϕ : E × E −→ IK
(x, y) 7−→ ϕ(x, y)
3
E −→ IK
2. pour tout y ∈ E, l’application : est linéaire, c’est à dire :
x 7−→ ϕ(x, y)
Exemples :
1. On prend E = C([a, b], IR) l’espace des fonctions continues de [a, b] dans IR. Alors
l’application :
ϕ : E × E −→ IR
Z b
(f, g) 7−→ ϕ(f, g) = f (t)g(t)dt
a
est une forme bilinéaire sur E. En effet, en utilisant la linéarité de l’intégrale, on a pour
tout α ∈ IR et pour toutes fonctions f1 , f2 , g1 , g2 , f et g ∈ E :
Z b Z b Z b
ϕ(αf1 + f2 , g) = (αf1 + f2 )(t)g(t)dt = α f1 (t)g(t)dt + f2 (t)g(t)dt
a a a
= αϕ(f, g1 ) + ϕ(f, g2 ).
2. Soient f1 , ..., fp des formes linéaires sur E et (ai,j )1≤i,j≤p des scalaires (des éléments
de IK). Alors l’application :
ϕ : E × E −→ IK X
(x, y) 7−→ ϕ(x, y) = ai,j fi (x)fj (y)
1≤i,j≤p
X
est une forme bilinéaire. En effet, en utilisant la linéarité de la somme et des formes
linéaires fk , 1 ≤ k ≤ p, on montre la bilinéarité de ϕ.
L’ensemble des formes bilinéaires sur E est noté Bil(E). C’est un espace vectoriel sur IK.
4
Définition 6 La matrice d’une forme bilinéaire ϕ dans la base B = (e1 , ..., en ) de E
est la matrice carrée d’ordre n :
A = (ϕ(ei , ej ))1≤i,j≤n .
n
X
yj ϕ(e1 , ej )
j=1
n n
.. X X
Or AY = et X t AY = X t (AY ) = xi yj ϕ(ei , ej ).
n .
X i=1 j=1
yj ϕ(en , ej )
j=1
Donc
ϕ(x, y) = X t (AY ).
Théorème 4 Une application ϕ de E × E dans IK est une forme bilinéaire sur E si,
et seulement si, il existe une matrice A = (ai,j )1≤i,j≤n dans Mn (IK) telle que :
X
∀(x, y) ∈ E × E , ϕ(x, y) = ai,j e∗i (x)e∗j (y).
1≤i,j≤n
5
Théorème 5 Une forme bilinéaire ϕ sur E est symétrique (resp. anti-symétrique) si,
et seulement si, sa matrice A dans une base quelconque B de E est symétrique (resp.
anti-symétrique)
A2 = P t A1 P.