Table des matières

1 Formes linéaires et Espaces duals 3

1.1 Formes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Hyperplans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Base duale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5 Bidual et base préduale . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6 Transposée d’une application linéaire . . . . . . . . . . . . . . . . . . . 11

2 Formes bilinéaires et formes quadratiques 13

2.1 Formes bilinéaires symétriques . . . . . . . . . . . . . . . . . . . . . . . 13
2.1.1 Définitions et propriétés élémentaires . . . . . . . . . . . . . . . 13
2.1.2 Matrice associée à une forme bilinéaire . . . . . . . . . . . . . . 15
2.1.3 Rang d’une forme bilinéaire . . . . . . . . . . . . . . . . . . . . 17
2.1.4 Formes bilinéaires symétriques non dégénérées . . . . . . . . . . 17
2.1.5 Orthogonalité et vecteurs isotropes . . . . . . . . . . . . . . . . 18
2.1.6 Bases orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Formes quadratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.2.1 Définition et propriétés élémentaires . . . . . . . . . . . . . . . . 21
2.2.2 Réduction d’une forme quadratique par la méthode de Gauss . 24
2.3 Signature d’une forme bilinéaire symétrique . . . . . . . . . . . . . . . 26
2.3.1 base orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.3.2 Théorème d’inertie de Sylvestre : . . . . . . . . . . . . . . . . . 27

3 Espaces Euclidiens 29
3.1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

1
TABLE DES MATIÈRES

3.2 Procédé d’orthogonalité de Gram-Schmidt . . . . . . . . . . . . . . . . 32

3.3 Endomorphisme adjoint . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4 Projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.5 Endomorphismes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . 37

K. Lamrini Uahabi -2- SMA S4 Algèbre 5

Chapitre 1

Formes linéaires et Espaces duals

1.1 Formes linéaires

Définition 1.1.1 Soit E un IK-espace vectoriel. Une forme linéaire sur E est une
application linéaire de E dans IK.
L(E, IK), l’espace des formes linéaires sur E, se note E ∗ et s’appelle l’espace dual de
E.

Notation : Soient Φ ∈ E ∗ et x ∈ E, on note Φ(x) =< x, Φ >.

Exemple 1.1.1 Soit Pi : IKn → IK, (a1 , . . . , ai , . . . , an ) 7→ ai . P i est linéaire et donc

c’est une forme linéaire sur IK.
R1
Exemple 1.1.2 L’application ϕ : IR[X] → IR, P 7→ ϕ(P ) = 0
P (t)dt, est linéaire et
donc c’est une forme linéaire sur IR[X].
Pn
Exemple 1.1.3 T r : Mn (IK) → IK, A = (aij ) 7→ T r(A) = i=0 aij . La trace est une
application linéaire et donc c’est une forme linéaire sur Mn (IK).

Exemple 1.1.4 Soit (xn )n≥0 un élément de IKIN . Alors l’application ψ définie sur
n
X Xn
i
IK[X] par pour tout P ∈ IK[X], P = ai X , ψ(P ) = ai xi est une forme linéaire
i=1 i=1
sur IK[X].

Remarque 1.1.1 Soit ϕ une forme bilinéaire sur E un IK-espace vectoriel. Alors ϕ
est identiquement nulle ou une application surjective.

3
1.2. HYPERPLANS

Théorème 1.1.1 1t1 Soit F un sous-espace vectoriel de dimension finie d’un IK-
espace vectoriel E. Alors toute forme linéaire sur F se prolonge en une forme linéaire
sur E.

Démonstration : Soit ϕ ∈ F ∗ une forme linéaire sur F . Soit G un supplémentaire

de F dans E. Soit x ∈ E, alors il existe un unique x1 ∈ F et un unique x2 ∈ G tels que
x = x1 + x2 . posons Φ(x) = ϕ(x1 ), alors Φ est une forme linéaire sur E et Φ|F = ϕ.

Corollaire 1.1.1 Soit x un vecteur non nul d’un IK-espace vectoriel E. Alors il existe
une forme linéaire Φ sur E telle que Φ(x) = 1.

Démonstration : Soit F = V ect({x}). Soit ϕ la forme linéaire définie sur F par

ϕ(αx) = α. Alors d’après le théorème précédent, il existe une forme linéaire Φ sur E
telle que Φ|F = ϕ. On a donc Φ(x) = ϕ(x) = 1.

1.2 Hyperplans
Définition 1.2.1 Soit E un IK-espace vectoriel. Soit F un sous-espace vectoriel de E
admettant un supplémentaire G dans E. On dit que F est un hyperplan si la dimension
de G est égale à 1 (on dit que F est de codimension égale à 1).

Remarque 1.2.1 Soit ϕ ∈ E ∗ non nulle. Alors Kerϕ est un hyperplan de E. En

effet, comme ϕ est non nulle, alors Kerϕ 6= E. Soit x ∈ E \ Kerϕ. Montrons que E =
ϕ(y) ϕ(y)
Kerϕ ⊕ vect({x}). Soit y ∈ E \ Kerϕ, alors ϕ(y − ϕ(x) x) = 0. Donc y − ϕ(x) x ∈ Kerϕ.
Aı̈nsi,
ϕ(y) ϕ(y)
y=y− x+ x ∈ Kerϕ ⊕ vect({x}).
ϕ(x) ϕ(x)
D’où, E = Kerϕ ⊕ vect({x}). Par conséquent, Kerϕ est un hyperplan de E.

Proposition 1.2.1 Soit F un sous-espace vectoriel d’un IK-espace vectoriel E. Alors

les assertions suivantes sont équivalentes :
i) F est un hyperplan de E ;
ii) Pour tout x ∈ E \ F , E = F ⊕ vect({x}) ;
iii) Il existe ϕ ∈ E ∗ non nulle telle que Kerϕ = F .

K. Lamrini Uahabi -4- SMA S4 Algèbre 5

 1.3. BASE DUALE

Démonstration : : i) ⇒ ii) : Si F est un hyperplan de E, alors il existe un vecteur

u ∈ E \ F tel que E = F ⊕ V ect({u}). Soit x ∈ E \ F . Comme E = F ⊕ V ect({u}),
alors il existe un vecteur v ∈ F et un scalaire α ∈ IK tels que x = v + αu. Puisque
x∈
/ F , alors α 6= 0. il vient que
1 1
u= x − v ∈ F ⊕ V ect({x}).
α α
On en déduit que E = F ⊕ V ect({x}).
ii) ⇒ iii) : Soit u ∈ E \ F tel que E = F ⊕ V ect({u}). On considère l’application
Φ définie sur E par

Φ : E = F ⊕ V ect({u}) −→ IK
.
x + αu 7−→ α
Alors Φ est une forme linéaire sur E non nul. De plus, KerΦ = F .
ii) ⇒ iii) : voir la remarque précedente.

Définition 1.2.2 Soit F = KerΦ un hyperplan de E. L’équation Φ(x) = s’appelle

une équation de l’hyperplan F .

Examples 1.2.1 i) H = {(x, y, z) ∈ IR3 / x + 2y − 3z = 0} est un hyperplan de IR3 .

ii) H = {A ∈ Mn (IK) / tr(A) = 0} est un hyperplan de Mn (IK).
iii) H = {P ∈ IK[X] / P (1) = 0} est un hyperplan de IK[X].

1.3 Base duale

Théorème 1.3.1 Soit E un espace vectoriel sur IK de dimension finie égale à n et
soit {e1 , e2 , . . . , en } une base de E. Pour chaque i, i = 1, . . . n, on définit e∗i la forme
linéaire définie sur E par

< ej , e∗i >= e∗i (ej ) = δij , ∀j, j = 1 . . . , n

où δij est le symbole de Kronecker définie par


 1 si i = j
δij =
 0 sinon
Alors la famille {e∗1 , e∗2 , . . . , e∗n } est une base de E ∗ , dite la base duale de {e1 , e2 , . . . , en }.

K. Lamrini Uahabi -5- SMA S4 Algèbre 5

1.3. BASE DUALE

Démonstration : : D’abord, il est clair que pour chaque i, i = 1, . . . n, l’application

e∗i aı̈nsi définie est une forme linéaire sur E.
Xn
Soient λ1 , λ2 , . . . , et λn ∈ IK tels que λi e∗i = 0E ∗ . Soit j ∈ {1, . . . , n}, alors
i=1
Xn Xn
0=( λi e∗i )(ej ) = λi < ej , e∗i >= λj .
i=1 i=1

Il s’en suit que la famille {e∗1 , e∗2 , . . . , e∗n }

est linéairement indépendante.
Xn
Maintenant soit Φ ∈ E ∗ . Comme < ej , Φ(ei )e∗i >=< ej , Φ > pour tout j, j =
Xn i=1
∗
1 . . . , n, alors Φ = Φ(ei )ei . Donc {e1 , e2 , . . . , e∗n } est une famille génératrice de E ∗ .
∗ ∗

i=1
Ce qui achève la preuve.

Proposition 1.3.1 Soit E un espace vectoriel sur IK de dimension finie égale à n.

Soient {e1 , e2 , . . . , en } une base de E et {e∗1 , e∗2 , . . . , e∗n } sa base duale. alors on a :
Xn
i) pour tout x ∈ E, x < x, e∗i > ei .
i=1 Xn
ii) pour tout Φ ∈ E , Φ = ∗
< ei , Φ > e∗i .
i=1
Xn
Démonstration : : i) Soit x ∈ E, alors x = xi ei avec les xi sont dans k. Pour
i=1
tout j, j = 1, . . . , n on a
Xn
< x, e∗j >= < ei , e∗j >= xj .
i=1

Aı̈nsi,
Xn
x= xi ei .
i=1
ii) voir la deuxième partie de la démonstration du Théorème 1.3.1.

Exemple 1.3.1 Soit {e1 , e2 } la base canonique de IR2 . Alors sa base duale {e∗1 , e∗2 } est
définie par
∀x = (x1 , x2 ) ∈ IR2 , < x, e∗i >= xi .

On en déduit que
e∗1 : IR2 −→ IR
(x1 , x2 ) 7−→ x1
et
e∗2 : IR2 −→ IR
.
(x1 , x2 ) 7−→ x2

K. Lamrini Uahabi -6- SMA S4 Algèbre 5

 1.3. BASE DUALE

Plus généralement on a

Exemple 1.3.2 Soit {e1 , . . . , en } la base canonique de IKn . La base duale {e∗1 , . . . , e∗n }
de {e1 , . . . , en } est définie par

∀x = (x1 , . . . , xn ) ∈ IRn , < x, e∗i >= xi .

donc pour tout i, i = 1, . . . , n, e∗i est la projection de la ième composante. (....)

Exemple 1.3.3 Soit {1, X, . . . , X n } la base canonique de IKn [X]. La base duale {Φ0 , Φ1 , . . . , Φn }
de {1, X, . . . , X n } est définie par
n
X
mboxpourtoutP = ak X k ∈ IKn [X], pour tout i, i = 1 . . . , n, < P, Φi >= ai .
k=0

Maintenant, soit a ∈ IK et soit Φa la forme linéaire sur E définie par < P, Φa >=
P (a), ∀P ∈ IKn [X]. Ce qui donne
n
X n
X
i
Φa = < X , Φa > Φi = ai Φi .
i=0 i=0

Proposition 1.3.2 Soient E et B deux bases de E, et E ∗ et B ∗ les bases duales res-

pectives. Alors
PE ∗ →B∗ = t ((PE→B )−1 ),

où PE ∗ →B∗ est la matrice de passage de E ∗ à B ∗ et PE→B est la matrice de passage de

E à B.

Démonstration : : Soient PE→B = (aij ) et PE ∗ →B∗ = (bij ). Posons

n
X n
X
xj = akj ek et x∗i = bli e∗l .
k=1 l=1

Alors pour tout i, j ∈ {1, . . . , n}, on a

n
X n
X
δij =< xj , x∗i > = bli e∗l ( akj ek )
l=1 k=1
Xn Xn
= bli akj e∗l (ek )
l=1 k=1
Xn X n
= bli akj δlk
l=1 k=1
X n
= bki akj .
k=1

K. Lamrini Uahabi -7- SMA S4 Algèbre 5

1.4. ORTHOGONALITÉ

On remarque que le membre à gauche de l’égatilé est le coefficient de la i-ème

ligne et de la j-ème colonne de la matrice identité, tandis que le membre à droite
de l’égalité est le coefficient de la i-ème ligne et de la j-ème colonne du produit de
la transposée de PE ∗ →B∗ et la matrice PE→B . Il s’ensuit que I = t (PE ∗ →B∗ )PE→B , soit
PE ∗ →B∗ = t ((PE→B )−1 .

Exemple 1.3.4 Soit E = {e1 , e2 } la base canonique de IR2 . Soient v1 = e1 et v2 =

e1 − e2 . Alors B = {v1 , v2 } est une nouvelle base de IR2 . Soient E ∗ = {e∗1 , e∗2 } et
B ∗ = {v1∗ , v2∗ } de {v1 , v2 }. D’après la proposition précédente, on a
 
1 0
PE ∗ →B∗ = t ((PE→B )−1 =  .
1 −1

Aı̈nsi,
v1∗ : IR2 −→ IR
(x1 , x2 ) 7−→ x1 + x2
et
v2∗ : IR2 −→ IR
.
(x1 , x2 ) 7−→ −x2

1.4 Orthogonalité
Définition 1.4.1 Soit E un IK-espace vectoriel.
i) Pour toute partie A de E, l’orthogonale de A dans E ∗ , qu’on note A⊥ , est la partie
de E ∗ définie par A⊥ = {Φ ∈ E ∗ : ∀x ∈ A, < x, Φ >= 0}.

ii) Pour toute partie B de E ∗ , l’orthogonale de B, qu’on note ⊥ B, est la partie de

E définie par ⊥ B = {x ∈ E : ∀Φ ∈ B, < x, Φ >= 0}.

Remarque 1.4.1 Si A1 ⊂ A2 , alors A⊥ ⊥

2 ⊂ A1 .

Proposition 1.4.1 Soit E un espace vectoriel sur IK.

i) Pour toute partie A de E, A⊥ est un sous-espace vectoriel de E ∗ .

ii) Pour toute partie A de E, A⊥ = (V ect(A))⊥ . En particulier, ∅⊥ = {OE }⊥ .

K. Lamrini Uahabi -8- SMA S4 Algèbre 5

 1.4. ORTHOGONALITÉ

iii) Pour toute partie B de E ∗ , ⊥ B est un sous-espace vectoriel de E.

iv) Pour toute partie B de E ∗ , ⊥ B = ⊥ (V ect(B)). En particulier, ⊥ ∅ = ⊥ {0E ∗ } = E.

v) E ⊥ = {0E ∗ } et ⊥ E ∗ = {0E }.

Démonstration : i) Première méthode : on peut utiliser la définition d’un sous-

espace vectoriel.
Deuxième méthode : pour chaque x ∈ A, soit x̃ la forme linéaire définie sur E ∗ par
< ϕ, x̃ >=< x, ϕ > pour tout ϕ ∈ E ∗ . On a alors A⊥ = ∩x∈A ker x̃, qui est une
intersection de sous-espace vectoriel de E ∗ . On en déduit que A⊥ est un sous-espace
vectoriel de E ∗ .
ii) D’après la remarque 1.4.1, on a V ect(A)⊥ ⊂ A⊥ . L’autre inclusion est facile à
vérifier.
iii) On a ⊥ B = ∩ϕ∈B ker ϕ. Alors ⊥ B est un sous-espace de E.
iv) Facile à vérifier.
iv) On a ϕ ∈ E ⊥ si, et seulement si, ∀x ∈ E, < x, ϕ >= 0 ; C’est-à-dire ϕ = 0E ∗ .
Si x ∈ ⊥ E ∗ , alors pour tout ϕ ∈ E ∗ , < x, ϕ >= 0. Donc x = 0. Car sinon il existe une
forme linéaire ϕ ∈ E ∗ telle que < x, ϕ >6= 0.

Théorème 1.4.1 Soit F un sous-espace vectoriel d’un IK-espace vectoriel E. Alors

a) F ∗ est isomorphe à E ∗ /F ⊥ .
b) (E/F )∗ est isomorphe à F ⊥ .

Démonstration : a) Considèrons l’application Ψ : E ∗ → F ∗ définie par Ψ(Φ) =

Φ|F . Alors Ψ est linéaire. De plus, Ψ est surjective. En effet, si ϕ ∈ F ∗ , alors d’après le
théorème des prolongements des formes linéaires, il existe Φ ∈ E ∗ telle que Φ|F = ϕ.
Donc Ψ(Φ) = ϕ et Ψ est surjective.
On a
ker Ψ = {Φ ∈ E ∗ / Φ|F = 0F ∗ }
= {Φ ∈ E ∗ / ∀x ∈ F, < x, Φ >= 0}
= F ⊥.

On en déduit que E ∗ /F ⊥ est isomorphe à F ∗ .

K. Lamrini Uahabi -9- SMA S4 Algèbre 5

1.5. BIDUAL ET BASE PRÉDUALE

b) Soit π : E → F la surjection canonique et soit s : (E/F )∗ → E ∗ définie par

s(Φ) = Φ ◦ π pour tout Φ ∈ (E/F )∗ . Alors s est linéaire et de plus elle est injective.
Montrons que Im(s) = F ⊥ .
Soit ϕ ∈ F ⊥ . Alors < x, ϕ >= 0 pour tout x ∈ F . Soit Φ définie par

Φ ◦ π(x) =< π(x), Φ >=< x, ϕ >, ∀x ∈ E.

Alors Φ est bel et bien définie : si π(x) = π(y), alors x − y ∈ F . Donc par hypothèse
sur ϕ, < x − y, ϕ >= 0. Par suite < x, ϕ >=< y, ϕ. Ce qui donne Φ(π(x)) = Φ(π(y)).
De plus, Φ ∈ (E/F )∗ et s(Φ) = ϕ. Alors F ⊥ ⊆ Im(s).
Inversement, soit ϕ ∈ Im(s). Donc il existe Φ ∈ (E/F )∗ telle que s(Φ) = Φ ◦ π = ϕ.
Donc pour tout x ∈ E, < π(x), Φ >=< x, ϕ >. En particulier, si x ∈ F alors π(x) = 0
et donc < x, ϕ >= 0. Ce qui donne ϕ ∈ F ⊥ .

Corollaire 1.4.1 Soit E un espace vectoriel de dimension finie. Alors pour tout sous-
espace vectoriel F de E, on a

dim E = dim F + dim F ⊥ .

Démonstration : Etant donné que (E/F )∗ est isomorphe à F ⊥ , alors dim(E/F )∗ =

dim F ⊥ . Or, dim(E/F )∗ = dim(E/F ) = dim E − dim F . D’où le résultat.

1.5 Bidual et base préduale

Définition 1.5.1 Soit E un espace vectoriel sur IK. On appelle bidual de E, qu’on
note E ∗∗ , l’espace vectoriel dual de E ∗ . Autrement dit, E ∗∗ = (E ∗ )∗ = L(E ∗ , IK).

Remarque 1.5.1 Soit E un espace vectoriel sur IK. Considèrons l’application

Ψ : E −→ E ∗∗
x 7−→ x̃,

où x̃(ϕ) = Ψ(x)(ϕ) := ϕ(x), ∀ϕ ∈ E ∗ et ∀x ∈ E. Alors Ψ est linéaire et injective. Donc

E s’identifie canoniquement à un sous-espace vectoriel de E ∗∗ . Si E ∗ est de dimension
finie, alors dim E = dim E ∗ = dim E ∗∗ et donc Ψ est un isomorphisme et dans ce cas
E s’identifie canoniquement à E ∗∗ .

K. Lamrini Uahabi -10- SMA S4 Algèbre 5

 1.6. TRANSPOSÉE D’UNE APPLICATION LINÉAIRE

Proposition 1.5.1 Soient E un espace vectoriel sur IK de dimension finie égale à n.

Alors pour toute base {ϕ1 , ϕ2 , . . . , ϕn } de E ∗ , il existe une base {u1 , u2 , . . . , un } de E,
dite base préduale de {ϕ1 , ϕ2 , . . . , ϕn } vérifiant u∗i = ϕi pour tout i = 1, . . . , n.

Démonstration : Soit {ϕ1 , ϕ2 , . . . , ϕn } de E ∗ . Soit {ϕ∗1 , ϕ∗2 , . . . , ϕ∗n } sa base duale

dans E ∗∗ . Etant donné que E est un espace vectoriel de dimension finie, alors d’après
la remarque précédente l’application

Ψ : E −→ E ∗∗
x 7−→ x̃,

est bijective. Pour chaque i, i = 1, . . . , n, posons ui = Ψ−1 (ϕ∗i ). Alors {u1 , u2 , . . . , un }

est une base de E vérifiant ũi = ϕ∗i , ∀i = 1, . . . , n. Donc pour tous i et j = 1, . . . , n on
a
< ui , ϕj >=< ϕj , ũi >=< ϕj , ϕ∗i >= δij .

on en déduit que u∗i = ϕi pour tout i = 1, . . . , n.

1.6 Transposée d’une application linéaire

Définition 1.6.1 Soient E et F des IK-espaces vectoriels. Soit ϕ : E → F une ap-
plication linéaire. La transposée de ϕ, qu’on note t ϕ, est l’application de F ∗ dans E ∗
définie par
t
ϕ(Φ) = Φ ◦ ϕ, ∀Φ ∈ F ∗ .

Autrement dit
∀Φ ∈ F ∗ , ∀x ∈ E, < x, t ϕ(Φ) >=< ϕ(x), Φ > . (1.1)

Proposition 1.6.1 L’application transposée t ϕ est linéaire.

Démonstration : Exercice.

Proposition 1.6.2 Soient E et F des IK-espaces vectoriels. Soit ϕ : E → F une

application linéaire. Si ψ : F ∗ → E ∗ est une application linéaire vérifiant

∀Φ ∈ F ∗ , ∀x ∈ E, < x, ψ(Φ) >=< ϕ(x), Φ >,

alors ψ = t ϕ.

K. Lamrini Uahabi -11- SMA S4 Algèbre 5

1.6. TRANSPOSÉE D’UNE APPLICATION LINÉAIRE

Proposition 1.6.3 Soient E, F et G des IK-espaces vectoriels et soit λ ∈ IK. Soient

ϕ, ψ ∈ L(E, F ) et Φ ∈ L(F, G). Alors

t
(ϕ + ψ) = t ϕ + t ψ, t (λϕ) = λt ϕ et t (Φ ◦ ϕ) = t ϕ ◦ t Φ.

Démonstration : Exercice.

Théorème 1.6.1 Soient E et F des IK-espaces vectoriels et ϕ ∈ L(E, F ). Alors

i) ker t ϕ = (Imϕ)⊥ .
ii) Imt ϕ = ker ϕ⊥ .

Démonstration : Exercice.

Théorème 1.6.2 Soient E un IK-espace vectoriel de dimension finie et ϕ un endo-

morphisme de E. Soient B une base de E et B ∗ sa base duale. Si A = M at(ϕ, B), alors
M at(t ϕ, B ∗ ) = t A.

Démonstration : Soient B = {e1 , . . . , en } et B ∗ = {e∗1 , . . . , e∗n }. Soit A = M at(ϕ, B) =

(aij )1≤i,j≤n . Donc pour tous i et j, on a

aji =< ϕ(ei ), e∗j > .

Soit B = (bij )1≤i,j≤n la matrice associée à t ϕ dans B ∗ . Pour tout j = 1, . . . , n, on a

n
X
t
ϕ(e∗j ) = bkj e∗k . Par conséquent, pour tout i = 1, . . . , n,
k=1

n
X
aji =< ei , t ϕ(e∗j ) >=< ei , bkj e∗k >= bij .
k=1

K. Lamrini Uahabi -12- SMA S4 Algèbre 5

Chapitre 2

Formes bilinéaires et formes

quadratiques

2.1 Formes bilinéaires symétriques

2.1.1 Définitions et propriétés élémentaires

Définition 2.1.1 Soit E un IK-espace vectoriel. Une application Φ : E × E → IK est
dite forme bilinéaire sur E si les deux conditions suivantes sont vérifiées :
i) pour tout y ∈ E fixé, l’application Φy : E → IK, x 7→ Φ(x, y) est une forme linéaire
sur E ;
ii) pour tout x ∈ E fixé, l’application Φx : E → IK, y 7→ Φ(x, y) est une forme linéaire
sur E.
la forme bilinéaire Φ sur E est dite symétrique si ∀x, y ∈ E, Φ(x, y) = Φ(y, x). Elle
est dite antisymétrique si ∀x, y ∈ E, Φ(x, y) = −Φ(y, x).

Exemple 2.1.1 Soit E = C([0, 1]) l’espace des fonctions réelles continues sur [0, 1].
Alors l’application Φ définie sur E × E par
Z 1
Φ(f, g) = f (t)g(t)dt
0
est une forme bilinéaire symétrique sur E.

Exemple 2.1.2 Soit E = IKn , alors l’application ϕ définie par

Xn
ϕ(x, y) = xi y i
i=1

13
2.1. FORMES BILINÉAIRES SYMÉTRIQUES

est une forme bilinéaire symétrique sur IKn .

Exemple 2.1.3 L’application Φ(x, y) = x1 y1 +x2 y2 +x3 y3 −x4 y4 est une forme bilinaire
sur IR4 .

Exemple 2.1.4 Soient Φ1 et Φ2 des formes linéaires sur E. Alors l’application Φ(x, y) =
Φ1 (x)Φ2 (y) est une forme bilinéaire sur E.
En particulier, Φ(x, y) = xy est forme bilinéaire symétrique sur IR.

Exemple 2.1.5 L’application

E∗ × E → IR
(x∗ , x) 7→ < x, x∗ >

est une forme bilinéaire dite canonique.

Exemple 2.1.6 L’application IR2 × IR2 → IR, (x, y) 7→ det(x, y) est une forme bi-
linéaire antisymétrique.

Exemple 2.1.7 Soit M ∈ Mn (IR). Alors l’application

ΨM : IRn × IRn → IR
t
(X, Y ) 7→ XM Y

est une forme bilinéaire sur IRn .

Remarque 2.1.1 i) si Φ est une forme bilinéaire symétrique, alors Φ(x + y, x + y) =

Φ(x, x) + 2Φ(x, y) + Φ(y, y), ∀x, y ∈ E.
ii) si Φ est antisymétrique, alors Φ(x, x) = 0, ∀x ∈ E.

Proposition 2.1.1 Soit φ une forme bilinéaire sur E. Alors φ est identiquement nulle
si, et seulement si, ∀x ∈ E, φ(x, x) = 0.

Démonstration : Si φ(x, x) = 0 pour tout x ∈ E, alors d’apres i) de la remarque

précédente, 0 = φ(x + y, x + y) = 2φ(x, y). Ce qui implique que φ est identiquement
nulle. L’autre sens est trivial.

K. Lamrini Uahabi -14- SMA S4 Algèbre 5

 2.1. FORMES BILINÉAIRES SYMÉTRIQUES

2.1.2 Matrice associée à une forme bilinéaire

Proposition 2.1.2 Soit E un IR-espace vectoriel de dimension finie et de base B =
{e1 , e2 , . . . , en }. Alors toute forme bilinéaire Φ sur E est caractérisée par l’ensemble
{Φ(ei , ej ), 1 ≤ i, j ≤ n}.

Démonstration : Soient x et y ∈ E. Alors x = x1 e1 +· · ·+xn en et y = y1 e1 +· · ·+yn en .

Donc n n
X X
Φ(x, y) = Φ( xi ei , yj ej )
i=1 j=1
n
X n
X
= xi Φ(ei , yj ej )
i=1 j=1
n X
X n
= xi yj Φ(ei , ej ).
i=1 j=1

D’où le résultat.

Définition 2.1.2 Soient Φ : E×E → IR une forme bilinéaire sur E et B = {e1 , . . . , en }

une base de E. La matrice associée à Φ dans la base B est la matrice définie par

M atB (Φ) = (Φ(ei , ej ))1≤i,j≤n .

Exemple 2.1.8 On considère la forme bilinéaire Φ définie sur IR2 [X] par

Φ(P, Q) = P (0)Q(0) + P (1)Q(1) + 2P (2)Q(2).

la matrice associée à Φ dans la base canonique B = {1, X, X 2 } est

   
Φ(1, 1) Φ(1, X) Φ(1, X 2 ) 4 5 9
   
M atB (Φ) = 
 Φ(X, 1) Φ(X, X 2 ) 
Φ(X, X) =
 
 5 9 17  .

2 2 2 2
Φ(X , 1) Φ(X , X) Φ(X , X ) 9 17 33

Théorème 2.1.1 Soit B = {e1 , . . . , en } une base d’un IR-espace vectoriel E. Soit Φ
une forme bilinéaire sur E. Alors

Φ(x, y) = (x1 · · · xn )M t (y1 · · · yn )

où x= x1 e1 + · · · + xn en , y = y1 en + · · · + yn en et M = M atB (Φ).

K. Lamrini Uahabi -15- SMA S4 Algèbre 5

2.1. FORMES BILINÉAIRES SYMÉTRIQUES

En particulier, toute forme bilinéaire sur IRn est de la forme

< , >M : IRn × IRn → IR

t
(X, Y ) 7→ XM Y

où M ∈ Mn (IR).

Corollaire 2.1.1 Une forme bilinéaire est symétrique si, et seulement si, sa matrice
dans une base quelconque est symétrique.

Théorème 2.1.2 Soit Φ une forme bilinéaire sur IR-espace vectoriel E. Soient B =
{e1 , . . . , en } et B 0 = {f1 , . . . , fn } deux bases de E. Soit P la matrice de passage de base
B à la base B 0 . Alors la matrice associée à Φ dans la base B 0 est donnée par

M atB0 = t P M atB0 (Φ)P.

Démonstration : Soit  
f11 · · · f1n
 
 f21 · · · f2n 
P = .
 
.. .. ..

 . . . 

fn1 · · · fnn
Alors
   
f11 · · · fn1 Φ(e1 , e1 ) · · · Φ(e1 , en ) f11 · · · f1n
   
t
 f12 · · · fn2   Φ(e , e ) · · ·
2 1 Φ(e2 , en )  f21 · · · f2n 
P M atB (Φ)P =  .
   
.. .. ..  .. .. ..  .. .. ..

 . . . 
 . . . 
 . . . 

f1n · · · fnn Φ(en , e1 ) · · · Φ(en , en ) fn1 · · · fnn

On remarque que le coefficient de la i-ème ligne et de la j-ème colonne est

n X
X n
fki Φ(ek , el )flj
k=1 l=1

qui est égal à Φ(fi , fj ) le coefficient de la i-ème ligne et de la j-ème colonne de la matrice
M atB0 (Φ). Ce qui achève la démonstration.

Exemple 2.1.9 Reprenons l’exemple précédent

Φ(P, Q) = P (0)Q(0) + P (1)Q(1) + 2P (2)Q(2).

K. Lamrini Uahabi -16- SMA S4 Algèbre 5

 2.1. FORMES BILINÉAIRES SYMÉTRIQUES

Soient B = {1, X, X 2 } la base canonique de IR2 [X] et soit B 0 = {1, 1 + X, 1 + X 2 }. On

sait que  
4 5 9
 
M atB (Φ) = 
 5 9 .
17 
9 17 33
Alors d’après le théorème précédent,
     
1 1 1 4 5 9 1 1 1 4 9 13
     
M atB0 (Φ) = t 
 0 1 0 
  5 9 17   0 1 0
   =  9 23 35  .
  
0 0 1 9 17 33 0 0 1 13 35 55

2.1.3 Rang d’une forme bilinéaire

On rappelle que deux matrices carrées A et B de même ordre sont équivalentes s’il
existe deux matrices inversibles P et Q telles que B = QAP . Dans ce cas, les deux
matrices ont le même rang.

Définition 2.1.3 Soient A et B ∈ Mn (IK). On dit que A et B sont congruentes s’il

existe une matrice inversible P telle que B = t P AP .

Remarque 2.1.2 Deux matrices qui représentent la même forme bilinéaire par rap-
port à deux bases de E sont congruentes et donc ont le même rang.

Définition 2.1.4 Soit Φ une forme bilinéaire sur E. Soit B une base de E. On définit
le rang de Φ, noté rg(Φ), par rg(Φ) = rg(M atB (Φ)).

Exemple 2.1.10 Le rang de la forme bilinéaire Φ(P, Q) = P (0)Q(0) + P (1)Q(1) +

2P (2)Q(2) est égale à 3.

2.1.4 Formes bilinéaires symétriques non dégénérées

Définition 2.1.5 Une forme bilinéaire Φ sur IK-espace vectoriel E de dimension finie
est dite dégénérée si rg(Φ) < dim E. Dans le cas contraire (si rg(Φ) = dim E), Φ est
dite non-dégénérée.

Exemple 2.1.11 La forme bilinéaire dans l’exemple précédent est non-dégénérée.

K. Lamrini Uahabi -17- SMA S4 Algèbre 5

2.1. FORMES BILINÉAIRES SYMÉTRIQUES

Théorème 2.1.3 soit Φ une forme bilinéaire symétrique sur E un espace vectoriel de
dimension finie. Alors Φ est non-dégénérée si, et seulement si, l’application

Ψ : E −→ E ∗
y 7−→ Φy , où Φy (x) = Φ(x, y), ∀x ∈ E

est injective.

Démonstration : Soient B = {e1 , . . . , en } une base de E et B 0 = {e∗1 , . . . , e∗n } sa base

X n
0
duale. Soit M = M at(Ψ, B, B ) = (mij )1≤i,j≤n . Alors on a Ψ(ej ) = mkj e∗k . Donc
k=1
n
X
pour chaque i et j, on a Φ(ej , ej ) = Ψ(ej )(ei ) = mkj e∗k (ei ) = mij . On en déduit que
k=1
M = M atB (Φ).
Ainsi, on aura,

Φ est non-dégénérée ⇐⇒ det(M ) 6= 0

⇐⇒ det(M at(Ψ, B, B 0 ) 6= 0
⇐⇒ Ψ est bijective
⇐⇒ Ψ est injective.

2.1.5 Orthogonalité et vecteurs isotropes

Définition 2.1.6 Soit Φ une forme bilinéaire sur E. Soit A une partie non vide de E.
L’orthogonale de A par rapport à la forme bilinéaire Φ, qu’on note A⊥ , est défini par

A⊥ = {y ∈ E / Φ(x, y) = 0, ∀x ∈ A}.

Remarque 2.1.3 Soient A et B des parties non vides de E telles que A ⊂ B. Alors
B ⊥ ⊂ A⊥ .

Proposition 2.1.3 Soient Φ une forme bilinéaire sur E et A une partie non vide de
E. Alors
i) A⊥ est un sous-espace vectoriel de E.
ii) A⊥ = V ect(A)⊥ .

Démonstration : Exercice. (A⊥ = ∩x∈A ker Φx )

K. Lamrini Uahabi -18- SMA S4 Algèbre 5

 2.1. FORMES BILINÉAIRES SYMÉTRIQUES

Remarque 2.1.4 Par convention,

∅⊥ = V ect(∅)⊥ = {0}⊥ = E.

Proposition 2.1.4 Soient E un IK-espace vectoriel de dimension finie et Φ une forme

bilinéaire symétrique sur E. Soit F un sous-espace vectoriel de E. Alors
i) dim F + dim F ⊥ ≤ dim E.
ii) Si de plus Φ est non-dégénérée, on aura dim F + dim F ⊥ = dim E.

Démonstration : On considère l’application Ψ : E → F ∗ définie par

Ψ(y)(x) = Φ(x, y), ∀y ∈ E, ∀x ∈ F.

Il est clair que Ψ est linéaire et ker Ψ = F ⊥ .

i) Il découle du théorème du rang.
ii) On suppose que Φ est non-dégénérée et montrons que ImΦ = F ∗ . Soit ϕ ∈
F ∗ . D’après le théorème de prolongement des formes linéaires, il existe ψ ∈ E ∗ telle
que ψ|F = ϕ. Etant donnée que Φ est non-dégénérée et E de dimension finie, alors
l’application
ξ : E −→ E∗
y 7−→ ξ(y), où ξ(y)(x) = Φ(x, y), ∀x ∈ E
est bijective. Il existe donc un y ∈ E tel que ξ(y) = ψ. Par conséquent,

∀x ∈ F, Ψ(y)(x) = Φ(x, y) = ξ(y)(x) = ψ(x) = ϕ(x).

Ainsi, Ψ(y) = ϕ. Ce qui implique que Ψ est surjective. On en déduit que ImΨ = F ∗ .
Maintenant, le théorème du rang affirme

dim F + dim F ⊥ = dim E.

Définition 2.1.7 Soit Φ une forme bilinéaire symétrique sur un IK-espace vectoriel E.
i) Deux vecteurs x et y ∈ E sont orthogonaux si Φ(x, y) = 0.
ii) Un vecteur x ∈ E est isotrope si Φ(x, x) = 0.
iii) Un sous-espace vectoriel F de E est isotrope si F ∩ F ⊥ 6= {0}.
iv) Un sous-espace vectoriel F de E est totalement isotrope si F ⊂ F ⊥ .

K. Lamrini Uahabi -19- SMA S4 Algèbre 5

2.1. FORMES BILINÉAIRES SYMÉTRIQUES

Exemple 2.1.12 Soit Φ la forme bilinéaire symétrique définie sur IR2 par Φ(x, y) =
x1 y1 − x2 y2 . Les vecteurs (1, 0) et (0, 1) sont orthogonaux tandis que le vecteur (1, 1)
est isotrope.

Remarques 2.1.5 1) L’ensemble des vecteurs isotropes de E n’est pas nécessairement

un sous-espace vectoriel de E.
2) Le noyau de Φ n’est pas en général l’ensemble des vecteurs isotropes.

Théorème 2.1.4 Soit Φ une forme bilinéaire symétrique sur un IK-espace vectoriel
E. Soit F un sous-espace vectoriel de E de dimension finie. Alors

E = F ⊕ F ⊥ ⇐⇒ F est non isotrope.

Démonstration : =⇒ : Supposons E = F ⊕ F ⊥ . Alors F ∩ F ⊥ = {0} et donc F n’est

pas isotrope.
⇐= : Si F est non isotrope, alors F ∩ F ⊥ = {0}. Il suffit donc de montrer que E =
F + F ⊥.

2.1.6 Bases orthogonales

Définition 2.1.8 Soit Φ une forme bilinéaire symétrique sur un IK-espace vectoriel E
de dimension finie égale à n. On dit qu’une base B = {e1 , . . . , en } de E est une base
orthogonale de E (relativement à Φ) si

∀i, j = 1, . . . , n avec i 6= j on aΦ(ei , ej ) = 0.

Remarque 2.1.6 Soit Φ une forme bilinéaire symétrique sur un E et soit B = {e1 , . . . , en }
base orthogonale de E relativement à Φ. Alors M atB (Φ) est une matrice diagonale. Si
n
X n
X n
X
M atB (Φ) = (aij ), alors pour tous x = xi ei et y = yi ei , on a Φ(x, y) = aii xi yi .
i=1 i=1 i=1

Théorème 2.1.5 Soient E un espace vectoriel de dimension finie et Φ une forme

bilinéaire symétrique sur E. Alors E possède au moins une base orthogonale relative à
Φ.

Démonstration : Nous procédons par récurrence sur la dimension de E. Si n = 1,

alors toute base est orthogonale.

K. Lamrini Uahabi -20- SMA S4 Algèbre 5

 2.2. FORMES QUADRATIQUES

Supposons que n ≥ 2. Si Φ est identiquement nulle, alors toute base est orthogonale
relativement à Φ. Supposons donc que Φ n’est pas identiquement nulle. Alors il existe un
vecteur e1 (non isotrope) vérifiant Φ(e1 , e1 ) 6= 0. Soit F le sous-espace vectoriel engendré
par e1 , F = V ect(e1 ). Alors F ∩ F ⊥ = {0}. Donc d’après le théorème précédent,
E = F ⊕ F ⊥ . L’hypothèse de récurrence montre qu’il existe une base {e2 , . . . , en } de
F ⊥ orthogonale relativement à Φ|F ⊥ . Comme Φ(e1 , ej ) = 0, ∀j, j = 2, . . . , n, alors la
famille {e1 , . . . , en } est une base de E orthogonale pour Φ.

2.2 Formes quadratiques

2.2.1 Définition et propriétés élémentaires

Définition 2.2.1 Soit E un IK-espace vectoriel. on dit q’une application Q : E → IK
est une forme quadratique sur E s’il existe une forme bilinéaire symétrique Φ sur E
vérifiant
∀x ∈ E, Q(x) = Φ(x, x).

Exemple 2.2.1 Soient E un IK-espace vectoriel et Φ une forme bilinéaire symétrique

sur E. Alors l’application Q : E → IK définie par

Q(x) := Φ(x, x), ∀x ∈ E,

est une forme quadratique sur E, appelée forme quadratique associée à la forme bi-
linéaire symétrique Φ.

Théorème 2.2.1 Soient E un espace vectoriel sur IK et Q une forme quadratique sur
E. Alors il existe une unique forme bilinéaire symétrique à laquelle Q est associée.
Cette forme bilinéaire symétrique Φ est appelée forme polaire de la forme quadratique
Φ. Elle est reliée à celle-ci par la formule de polarisation suivante :
1
∀x, y ∈ E, Φ(x, y) = [Q(x + y) − Q(x) − Q(y)].
2
Démonstration : Si Q est associée à une forme bilinéaire symétrique Φ, alors on a

∀x, y ∈ E, Q(x + y) = Φ(x + y, x + y) = Φ(x, x) + 2Φ(x, y) + Φ(y, y).

On obtient donc la formule de polarisation annoncée ci-haut.

K. Lamrini Uahabi -21- SMA S4 Algèbre 5

2.2. FORMES QUADRATIQUES

Exemple 2.2.2 Soit Q : IR3 → IR définie dans la base canonique par

Q(x) = 3x21 + 2x22 − x23 + 5x1 x2 − 6x1 x3 + 7x2 x3 .

En polarisant on obtient

5 5 7 7
Φ(x, y) = 3x1 y1 + 2x2 y2 − x3 y3 + x1 y2 + x2 y1 − 3x1 y3 − 3x3 y1 + x2 y3 + x3 y2 .
2 2 2 2

Remarque 2.2.1 Pusiqu’une forme quadratique est un polynôme homogène de degré

2 en les composantes de x, il est clair que l’on a

Q(λx) = λ2 Q(x), ∀x ∈ E, ∀λ ∈ IK.

On dit que Q(x) est une application homogène de degré 2.

Cependant, une application homogène de degré 2 n’est pas nécessairement une forme
quadratique. En effet, si Q, IR2 → IR est l’application définie par


x41 +x42

x21 +x22
si x = (x1 , x2 ) 6= (0, 0)
Q=
 0 si x = (0, 0)

alors Q est homogène de degré 2 mais elle n’est pas un polynôme en les xi .

Définition 2.2.2 Soit E un espace vectoriel de dimension finie sur IK. Soit Q une
forme quadratique sur E et soit Φ sa forme polaire. La matrice associée à Φ dans une
base B de E s’appelle aussi la matrice associée à Q dans B.

Remarque 2.2.2 Soit E un espace vectoriel de dimension finie sur IK. Soit Q une
forme quadratique sur E et soit Φ sa forme polaire. Comme Φ possède une base or-
thogonale B, alors cette base s’apelle aussi une base Q et Q s’écrit par rapport à cette
base sous la forme réduite suivante :
n
X
∀x ∈ E, Q(x) = aii x2i .
i=1

Définition 2.2.3 Le rang d’une forme quadratique est défini comme étant le rang de
sa forme polaire associée.

K. Lamrini Uahabi -22- SMA S4 Algèbre 5

 2.2. FORMES QUADRATIQUES

Théorème 2.2.2 Soient E un IK-espace vectoriel de dimension finie égale à n et Q

une forme quadratique sur E de rang r. Alors il existe des formes linéaires ϕ1 , . . . , ϕr
linéairement indépendantes et il existe des scalaires λ1 , . . . , λr , non nuls, tels que
r
X
∀x ∈ E, Q(x) = λi ϕi (x)2 .
i=1

n
X
Démonstration : Soit B = {e1 , . . . , en } une base de E. Pour chaque x = xi ei dans
i=1
E, on a
n
X X
Q(x) = aii x2i + 2 aij xi xj .
i=1 1≤i<j≤n

Maintenant, soit B 0 = {v1 , . . . , vn } une base Q-orthogonale de E. Soit A = (aij ) la

matrice associée à Q dans cette base B 0 . Alors A est une matrice diagonale de rang r
et le nombre des coefficients diagonaux non nuls est égal à r. Quitte à réordonner les
vecteurs de la base B 0 , on peut supposer que pour tout i, i = 1, . . . , r, aii 6= 0. Donc
Xn
pour chaque x = x0i vi dans E, on a
i=1

n
X
Q(x) = aii x0i 2 .
i=1

Soit P = (pij ) la matrice de passage de la base B 0 à la base B. Alors on sait que

n
X
0
∀i, i = 1, . . . , n, xi = pij xi . Soit B ∗ = {e∗1 , . . . , e∗n } la base duale de B. Donc
j=1

∀j, j = 1, . . . , n, xj =< x, e∗j > .

Pour chaque i, i = 1, . . . , n, soit

n
X
ϕi = pij e∗j .
j=1

Alors {ϕ1 , . . . , ϕn } est une base de E ∗ puisque detB∗ {ϕ1 , . . . , ϕn } =

6 0. En particulier,
{ϕ1 , . . . , ϕr } est libre et on a

x0i = ϕi (x), ∀i, i = 1, . . . , n.

K. Lamrini Uahabi -23- SMA S4 Algèbre 5

2.2. FORMES QUADRATIQUES

2.2.2 Réduction d’une forme quadratique par la méthode de

Gauss
a) Cas de deux dimension :

Soient E un espace vectoriel sur IK, de dimension finie égale à n = 2 et Q. Soit

{e1 , e2 } une base de E et Q. Alors pour chaque x = x1 e1 + x2 e2 ∈ E, on a Q(x) =
ax21 + bx22 + cx1 x2 .
Cas 1 : (a, b) 6= (0, 0). Supposons par exemple a 6= 0. Alors

Q(x) = ax 12 + bx22 + 2cx1 x2

2c
= a(x21 + x x ) + bx22
a 1 2
c 2 2
= a(x21 + x ) + (b − ac 2 )x22
a 2

c2
Si on prend λ1 = a, λ2 = b − a2
, ϕ1 (x) = x21 + ac x22 et ϕ2 (x) = x2 , alors on aura

Q(x) = λ1 ϕ1 (x)2 + λ2 ϕ2 (x)2 .

Donc une base Q-orthogonale B 0 = {u1 , u2 } a pour matrice de passage de B à la base

B 0 , la matrice donnée par
 −1  
c
1 a
1 − ac
P =  = .
0 1 0 1

On en déduit que u1 = e1 et u2 = − ac e1 + e2 .
Cas 1 2 (a, b) = (0, 0). Si a = 0 et b = 0, alors Q s’écrit sous la forme

c c
Q(x) = 2cx1 x2 = (x1 + x2 )2 − (x1 − x2 )2 .
2 2

Si on prend λ1 = 2c , λ2 = − 2c , ϕ1 (x) = x+
1 x2 et ϕ2 (x) = x1 − x2 , alors on aura

Q(x) = λ1 ϕ1 (x)2 + λ2 ϕ2 (x)2 .

Donc  −1  
1 1 1 1 1 
P =  = .
1 −1 2 1 −1

Par conséquent, u1 = 12 e1 + 12 e2 et u2 = 21 e1 − 12 e2 .

K. Lamrini Uahabi -24- SMA S4 Algèbre 5

 2.2. FORMES QUADRATIQUES

a) Cas de la dimension trois :

Soient B = {e1 , e2 , e3 } une base d’un IK-espace vectoriel E de dimension 3 et Q : E →

IK une forme quadratique. Soit x = x1 e1 + x2 e2 + x3 e3 , alors on a

Q(x) = ax21 + bx22 + cx23 + 2dx1 x2 + 2ex1 x3 + 2f x2 x3 .

1er cas : (a, b, c) 6= (0, 0, 0)

Supposons, par exemple, que a 6= 0. Donc

Q(x) = (ax 12 + 2dx1 x2 + 2ex1 x3 ) + bx22 + cx23 + 2f x2 x3

= a(x21 + 2( ad x2 + ae x3 )x1 ) + bx22 + cx23 + 2f x2 x3
= a((x1 + ad x2 + ae x3 )2 − ( ad x2 + ae x3 )2 ) + bx22 + cx23 + 2f x2 x3
= a(x1 + ad x2 + ae x3 )2 + Q0 (x2 , x3 ).

où Q0 est une forme quadratique en (x2 , x3 ). Pour terminer la décomposition de Q,

il reste à décomposer Q0 en tant que forme quadratique sur un espace vectoriel de
dimension 2.
2ème cas : (a, b, c) = (0, 0, 0)
Alors
Q(x) = αx1 x2 + βx1 x3 + γx2 x3 avec (α, β, γ) 6= (0, 0, 0).

Supposons par exemple que α 6= 0, alors

Q(x) = α(x1 x2 + αβ x1 x3 + αγ x2 x3 )
= α((x1 + αγ x3 )(x2 + αβ x3 ) − βγ 2
x)
α2 3

= α( 14 ((x1 + αγ x3 ) + (x2 + αβ x3 ))2 − 41 ((x1 + αγ x3 ) − (x2 + αβ x3 ))2 − βγ 2

x)
α2 3
β+γ
= α
4
(x1 + x2 + α
x3 )2 − α4 (x1 − x2 + γ−β
α
x3 ) 2 − βγ 2
x
α 3

= aX12 + bX22 + cX32

Soit  
β+γ
1 1 α
 γ−β

P =
 1 −1 α
.

0 0 1

Une base Q-orthogonale {v1 , v2 , v3 } est définie par sa matrice de passage P −1 de la

base {e1 , e2 , e3 } à la base {v1 , v2 , v3 }.

K. Lamrini Uahabi -25- SMA S4 Algèbre 5

2.3. SIGNATURE D’UNE FORME BILINÉAIRE SYMÉTRIQUE

Exemple 2.2.3 Soit Q : IR3 → IR la forme quadratique définie dans la base cano-
nique B = {e1 , e2 , e3 } par

Q(x) = x21 + 3x22 + 7x23 + 2x1 x2 + 8x2 x3 .

La réduction de Gauss donne

Q(x) = (x1 + x2 )2 + 2(x2 + 2x3 )2 − x23 = ϕ1 (x)2 + 2ϕ2 (x)2 − ϕ3 (x)2 .

Posons 
 X 1 = x1 + x2


X2 = x2 + 2x3


X 3 = x3


X1 , X2 , X3 sont les composantes du vecteurs X dans une base orthogonale B 0 = {v1 , v2 , v3 }.

Soit P la matrice de passage de la base canonique à la base B 0 . Alors t (x1 , x2 , x3 ) = P X.
D’après le système précédent on a

 x1 = X1 − X2 + 2X3


x2 = X2 − 2X3


x3 = X 3


Il vient que  
1 −1 2
 
P =
 0 1 .
−2 
0 0 1
On en déduit que v1 = {1, 0, 0}, v2 = {−1, 1, 0} et v3 = {2, −2, 1} qui forment une
base Q-orthogonale.

2.3 Signature d’une forme bilinéaire symétrique

2.3.1 base orthogonale

Définition 2.3.1 Soient E un IK-espace vectoriel de dimension finie égale à n et Φ une
forme bilinéaire symétrique sur E. Une base {e1 , e2 , . . . , en } est une base orthonormale
de E, relativement à Φ, si

Φ(ei , ej ) = δij , ∀i, j ∈ {1, . . . , n}.

K. Lamrini Uahabi -26- SMA S4 Algèbre 5

 2.3. SIGNATURE D’UNE FORME BILINÉAIRE SYMÉTRIQUE

Proposition 2.3.1 Soit E un espace vectoriel sur C

I de dimension finie égale à n.
Alors toute forme bilinéaire symétrique non dégénérée sur E, possède au moins une
base orthonormale.

Démonstration : Soit {u1 , . . . , un } une base orthogonale de E relativement à Φ. Pour

chaque i ∈ {1, . . . , n} soit αi = Φ(ui , ui ). Comme αi ∈ C
I , alors soit ai ∈ C
I tel que
a2i = αi . Soit
1
vi = ui , ∀i, i = 1, . . . , n.
ai
Alors {v1 , . . . , vn } est une base orthonormale de E.

Proposition 2.3.2 Soient E un espace vectoriel sur IR de dimension finie égale à n

et Φ une forme bilinéaire symétrique non dégénérée sur E. Alors Φ possède une base
orthonormale si, et seulement si,

Φ(x, x) > 0, ∀x ∈ E \ {0}.

Démonstration : ⇒: Supposons que Φ possède une base orthonormale {v1 , . . . , vn }.

Soit x ∈ E non nul avec x = ni=1 xi ei . Alors Φ(x, x) = ni=1 x2i > 0.
P P

⇐: Supposons que ∀x ∈ E \{0}, Φ(x, x) > 0. Soit {u1 , . . . , un } une base orthogonale
p
de E relativement à Φ. Par hypothèse, Φ(ui , ui ) > 0 pour tout i. Soit αi = Φ(ui , ui ),
∀i, i = 1, . . . , n. Alors { α11 u1 , . . . , α1n un } est une base orthonormale de Φ.

2.3.2 Théorème d’inertie de Sylvestre :

Théorème 2.3.1 Soit φ une forme bilinéaire symétrique sur un IR-espace vectoriel E
de dimension n. Soit r le rang de Φ et {e1 , . . . , en } une base orthogonale de E. Soit p
le nombre des i tels que Φ(ei , ei ) > 0 et q le nombre des i tels que Φ(ei , ei ) < 0. Alors
le couple (p, q), appelé la signature de Φ, ne dépend pas de la base orthogonale choisie
et on a r = p + q.

Exemple 2.3.1 Soit Q la forme quadratique définie sur IR3 par

Q(x) = x21 + 2x22 + 15x23 − 4x1 x2 + 6x1 x3 − 8x2 x3 .

En appliquant la méthode de Gauss on obtient :

Q(x) = (x1 − 2x2 + 3x3 )2 − 2(x2 − x3 )2 + 8x23 = ϕ1 (x)2 − ϕ2 (x)2 + ϕ3 (x)2 .

Donc la signature est (2, 1).

K. Lamrini Uahabi -27- SMA S4 Algèbre 5

2.3. SIGNATURE D’UNE FORME BILINÉAIRE SYMÉTRIQUE

K. Lamrini Uahabi -28- SMA S4 Algèbre 5

Chapitre 3

Espaces Euclidiens

3.1 Produit scalaire

Définition 3.1.1 Soit E un espace vectoriel sur IR. Une forme bilinéaire symétrique
Φ sur E est dite définie positive si

∀x ∈ E, Φ(x, x) ≥ 0 et si Φ(x, x) = 0 alors x = 0.

Définition 3.1.2 On appelle produit scalaire sur un espace vectoriel réel E toute forme
bilinéaire symétrique définie positive sur E.
Un IR-espace vectoriel E est dit préhilbertien s’il est muni d’un produit scalaire. Si de
plus E est de dimension finie, E est dit un espace euclidien . On notera le produit
scalaire par < x, y >.

Définition 3.1.3 Soient x et y des vecteurs d’un espace euclidien E. On dit que x et
y sont orthogonaux si < x, y >= 0.

Remarque 3.1.1 Le produit scalaire < ., . > vérifie :

i) < x, y >=< y, x > .
ii) < x, x > 0 si x 6= 0.
La propriété ii) affirme que le seul vecteur isotrope est le vecteur nul.

Définition 3.1.4 L’application

kk : E → IR
√
x 7 → kxk = < x, x >

29
3.1. PRODUIT SCALAIRE

est appelée la norme (relative au produit scalaire < ., . >). kxk est appelé la norme ou
la longueur du vecteur x.

Proposition 3.1.1 Soient x et y des vecteurs d’un espace euclidien E. Alors

i) kx + yk2 = kxk2 + kyk2 + 2 < x, y > . (la relation de polarisation)
ii) si x et y sont orthogonaux, alors kx + yk2 = kxk2 + kyk2 .

Exemple 3.1.1 La relation

< (x1 , . . . , xn ), (y1 , . . . , yn ) >= x1 y1 + · · · + xn yn

définit un produit scalaire sur IRn . Donc le munit d’une structure d’espace euclidien
p
dite canonique. En particulier, la norme d’un vecteur x est kxk = x21 + · · · x2n dite
norme euclidienne.

Exemple 3.1.2 Soit E = IRn [X]. Alors l’application

< ., . >: E × E −→ IR
R1
(P, Q) 7−→ < P, Q >:= −1
P (t)Q(t)dt

est un produit scalaire sur E.

Exemple 3.1.3 Soit E = M2 (IR). Alors l’application

< ., . >: E × E −→ IR
(A, B) 7−→ < P, Q >:= tr(t AB)

est un produit scalaire sur E.

Si    
x1 x2 y1 y2
A=  et B =  
x3 x4 y3 y4

alors < A, B >= x1 y1 + x2 y2 + x3 y3 + x4 y4 .

Plus généralement, sur Mn (IR), < A, B >= tr(t AB) définit un produit scalaire,
n
X
dit canonique. Si A = (aij ) et B = (bij ), alors < A, B >= aij bij .
i,j=1

K. Lamrini Uahabi -30- SMA S4 Algèbre 5

 3.1. PRODUIT SCALAIRE

Proposition 3.1.2 (Inégalité de Cauchy-Schwartz)

Soit E un espace vectoriel euclidien. Pour tous x et y dans E, on a

| < x, y > | ≤ kxk kyk.

Il n’y a égalité que si x et y sont colinéaires.

Démonstration : Si x = 0, alors il n’y a rien à montrer. Supposons donc x 6= 0. Soit

t ∈ IR, alors

ktx + yk2 =< tx + y, tx + y >= t2 kxk2 + 2t < x, y > +kyk2 ≥ 0.

C’est une fonction polynomiale en t de degré 2. Elle ne garde un signe constant pour
tout t que si son discrimant réduit < x, y >2 −kxk2 kyk2 ≤ 0. D’où,

< x, y >≤ kxk kyk.

Si ce discrimant est nul, alors il y a une racine double t0 qui vérifie < t0 x+y, t0 x+y >= 0
ce qui equivaut à x et y sont colinéaires.

Exemple 3.1.4 Soit E = IRn . Pour tous (x1 , . . . , xn ) et (y1 , . . . , yn ) ∈ IRn on a

n n n
2 21 1
X X X
| xi yi | ≤ ( xi ) ( yi2 ) 2 .
i=1 i=1 i=1

Exemple 3.1.5 Soit E = C([a, b], IR). Alors pour tous f et g ∈ E, on a

Z b Z b Z b
1 1
2
| f (t)g(t)dt| ≤ ( f (t) dt) (
2 g(t)dt) 2 .
a a a

Théorème 3.1.1 L’application k k est une norme : elle vérifie

i) kλxk = |λ|kxk , ∀x ∈ E, ∀λ ∈ IR.
ii) kxk > 0 si x 6= 0.
iii) kx + yk ≤ kxk + kyk.

Démonstration : Seule l’inégalité triangulaire ( iii)) est à démontrer. Soient x et y

dans E. Alors
kx + yk2 = < x + y, x + y >
= kxk2 + kyk2 + 2 < x, y >
≤ kxk2 + kyk2 + 2kxk kyk
= (kxk + kyk)2 .
Ce qui achève la preuve.

K. Lamrini Uahabi -31- SMA S4 Algèbre 5

3.2. PROCÉDÉ D’ORTHOGONALITÉ DE GRAM-SCHMIDT

Remarque 3.1.2 Soient x et y des vecteurs non nuls. D’après l’inégalité de Cauchy-
Schwartz on a
| < x, y > |
< 1.
kxk kyk
|<x,y>|
Par conséquent, il existe un unique θ ∈ [0, π] tel que cos θ = kxk kyk
. L’angle θ est dit
angle non orienté entre les vecteurs x et y.

3.2 Procédé d’orthogonalité de Gram-Schmidt

Théorème 3.2.1 Soit E un espace vectoriel euclidien. Pour tout sous-espace vectoriel
F de E on a E = F ⊕ F ⊥ .

Démonstration : Tout vecteur dans F ∩ F ⊥ est isotrope et donc nul. Alors F est non
isotrope. Le résultat découle maintenant du Théorème 2.1.4.

Proposition 3.2.1 Soit E un espace vectoriel euclidien. Alors E admet une base or-
thonormée.

Démonstration : E admet une base orthogonale (relativement au produit scalaire).

Il suffit de diviser chaque vecteur de la base par sa norme pour obtenir une base or-
thonormée.

Proposition 3.2.2 Soit {e1 , . . . , en } une base orthonormée d’un espace vectoriel eu-
clidien E. Pour tout vecteur x de E, on a
n
X n
X
2
x= < x, ei > ei et kxk = < x, ei >2 .
i=1 i=1

n
X
Démonstration : Soit x = xi ei . Alors < x, ej >= xj pour tout j, j = 1 . . . , n et
i=1
n
X
< x, x >= < x, ei >2 .
i=1

Remarques 3.2.1 i) Si {e1 , . . . , en } est une base orthonormale de E, alors pour tous
n
X
x et y de E, < x, y >= < x, ei >< y, ei >.
i=1

K. Lamrini Uahabi -32- SMA S4 Algèbre 5

 3.2. PROCÉDÉ D’ORTHOGONALITÉ DE GRAM-SCHMIDT

ii) Si ϕ est un endomorphisme de E et si A = (aij ) la matrice de ϕ dans la base

orthonormale {e1 , . . . , en }, alors on a

aij =< ϕ(ej ), ei >, ∀i, j = 1, . . . , n.

n
X
En effet, on a ϕ(ej ) = akj ek . Alors < ϕ(ej ), ei >= aij .
k=1

Théorème 3.2.2 Soient E un espace euclidien de dimension finie égale à n et {e1 , . . . , en }

une base quelconque de E. Alors il existe une base orthonormale unique {v1 , . . . , vn }
de E telle que :
i) pour tout i ∈ {1, . . . , n} on a V ect({e1 , . . . , ei }) = V ect({v1 , . . . , vi }).
ii) pour tout i ∈ {1, . . . , n} on a < ei , vi > > 0.

Démonstration : On construit les vecteurs v1 , v2 , . . . , vn par récurrence de la manière

suivante :
1
v1 = e
ke1 k 1

v20 = e2 − < e2 , v1 > v1 et v2 = 1

v0
kv20 k 2
..
.
j
X 1
0
vj+1 = ej+1 − < ej+1 , vk > vk et vj+1 = v0
k=1
kvj+1 k j+1
0

Exemple 3.2.1 Considèrons la base suivante de l’espace euclidien IR3 :

{(u1 = (1, 1, 1); u2 = (0, 1, 1); u3 = (0, 0, 1)}.

Posons
1 1 1 1
v1 = u1 = ( √ , √ , √ ).
ku1 k 3 3 3
Posons ensuite,
2 1 1 1 −2 1 1
v20 = u2 − < u2 , v1 > v1 = (0, 1, 1) − √ ( √ , √ , √ ) = ( √ , √ , √ ).
3 3 3 3 6 6 6
Finalement posons

v30 = u3 − < u3 , v1 > v1 − < u3 , v2 > v2

−2 √1 √1
√1 ( √1 , √1 , √1 ) − √1 ( √
= (0, 0, 1) − 3 3 3 3 6 6
, 6, 6)
= (0, − 12 , 12 );

K. Lamrini Uahabi -33- SMA S4 Algèbre 5

3.3. ENDOMORPHISME ADJOINT

puis normalisons v30 ,

1 0 1 1
v3 = 0
v3 = (0, − √ , √ ).
kv3 k 2 2
La base orthonormée de IR3 demandée est donc

1 1 1 −2 1 1 −1 1
{v1 = ( √ , √ , √ ) ; v2 = ( √ , √ , √ ) ; v3 = (0, √ , √ )}.
3 3 3 6 6 6 2 2

Exercice 3.2.1 Soit F le sous-espace vectoriel de IR3 engendré par la famille de vec-
teurs
{v1 = (1, 1, 0, 0), v2 = (1, 0, −1, 1), v3 = (0, 1, 1, 1)}.

Déterminer une base orthonormée de F .

3.3 Endomorphisme adjoint

Proposition 3.3.1 Soit E un espace euclidien. Alors pour tout endomorphisme ϕ de

E, il existe un unique endomorphisme ψ de E tel que

∀x, y ∈ E,, < ϕ(x), y >=< x, ψ(y) > .

Dans ce cas, ψ s’appelle l’adjoint de ϕ et l’on note ϕ∗ .

Proposition 3.3.2 Soit B = {e1 , . . . , en } une base orthonormée de E. Soient ϕ et ψ

des endomorphismes de E. Alors on a
i) (ϕ∗ )∗ = ϕ.
ii) (ϕ + ψ)∗ = ϕ∗ + ψ ∗ .
iii) ∀λ ∈ IR, (λϕ)∗ = λϕ∗ .
iv) M at(ϕ∗ , B) = t M at(ϕ, B).

Démonstration : Soient x et y dans E et λ un réel.

i) On a < ϕ∗ (x), y >=< y, ϕ∗ (x) >=< ϕ(y), x >=< x, ϕ(y) >. Donc < ϕ∗ (x), y >=<
x, ϕ(y) > et ceci pour tout x et y. Par conséquent (ϕ∗ )∗ = ϕ.
ii) De l’égalité < (ϕ + ψ)(x), y >=< ϕ(x) + ψ(x), y >=< ϕ(x), y > + < ψ(x), y >=<
x, ϕ∗ (y) > + < x, ψ ∗ (y) >=< x, (ϕ∗ + ψ ∗ )(y) >, on en déduit ii).
iii) Comme < (λϕ)(x), y >=< λϕ(x), y >= λ < ϕ(x), y >= λ < x, ϕ∗ (y) >=<

K. Lamrini Uahabi -34- SMA S4 Algèbre 5

 3.3. ENDOMORPHISME ADJOINT

x, λϕ∗ (y) >, alors (λϕ)∗ = λϕ∗ .

iv) Soient M at(ϕ, B) = (aij ) et M at(ϕ∗ , B) = (bij ) . Comme B est une base ortho-
normée de E, alors aji =< ϕ(ei ), ej >=< ei , ϕ∗ (ej ) >=< ϕ∗ (ej ), ei >= bij . Ce qui
achève la preuve.

Proposition 3.3.3 Soient E un espace euclidien et ϕ un endomorphisme de E. Alors

i) ker ϕ∗ = (Im ϕ)⊥ .
ii) Im ϕ∗ = (Ker ϕ)⊥ .
iii) Si F est un sous-espace de E stable par ϕ, alors F ⊥ est stable par ϕ∗ .

Démonstration : i) On a

x ∈ ker ϕ∗ ⇐⇒ ϕ∗ (x) = 0
⇐⇒ < ϕ∗ (x), y >= 0, ∀y ∈ E
⇐⇒ < x, ϕ(y) >= 0, ∀y ∈ E
⇐⇒ x ∈ (Im ϕ)⊥ .

ii) Soit x ∈ Im ϕ∗ , donc x = ϕ∗ (y) avec y ∈ E. Soit z ∈ Kerϕ, alors < x, z >=<
ϕ∗ (y), z >=< y, ϕ(z) >=< y, 0 >= 0. Donc x ∈ (Ker ϕ)⊥ . Pour l’autre inclusion, soit
x ∈ (Ker ϕ)⊥ . Alors < x, y >= 0 pour tout y ∈ Ker ϕ
iii) Soit x ∈ F ⊥ . Montrons que ϕ(x)∗ ∈ F ⊥ . Soit y ∈ F , alors < ϕ∗ (x), y >=<
x, ϕ(y) >= 0 car x ∈ F ⊥ et ϕ(y) ∈ F . Par suite ϕ(x)∗ ∈ F ⊥ .

Définition 3.3.1 Soient E un espace euclidien et ϕ un endomorphisme de E. On dit

que
i) ϕ est symétrique si ϕ∗ = ϕ.
ii) ϕ est antisymétrique si ϕ∗ = −ϕ.

Proposition 3.3.4 Soit ϕ un endomorphisme d’un espace euclidien E. Alors les as-
sertions suivantes sont équivalentes :
i) ϕ est symétrique.
ii) ∀x, y ∈ E, < ϕ(x), y >=< x, ϕ(y) >.
iii) sa matrice dans une base orthonormée est symétrique.

Démonstration : Exrecice.

K. Lamrini Uahabi -35- SMA S4 Algèbre 5

3.4. PROJECTION ORTHOGONALE

3.4 Projection orthogonale

Définition 3.4.1 Soit F un sous-espace vectoriel d’un espace euclidien E. L’applica-
tion PF définie par
PF : E = F ⊕ F ⊥ −→ E
x = x1 ⊕ x2 7−→ x1
est appelée la projection orthogonale sur F .

Théorème 3.4.1 La projection orthogonale PF est linéaire. De plus, elle vérifie :

i) PF2 = PF .
ii) Ker PF = F ⊥ et Im PF = F .
iii) ∀x ∈ E et ∀y ∈ F on a kx − PF (x)k ≤ kx − yk.

Démonstration : i) et ii) sont faciles à vérifier.

iii) Soient x = x1 + x2 ∈ E = F ⊕ F ⊥ et y ∈ F . Alors

kx − yk2 = k(x1 − y) + x2 k2
= kx1 − yk2 + kx2 k2
≥ kx2 k2
= kx − PF (x)k2 .

Proposition 3.4.1 Soit {e1 , . . . , ep } une base orthonormée de F , un sous espace-

vectoriel d’un espace euclidien E. Alors pour tout x ∈ E on a

PF (x) =< x, e1 > e1 + · · · + < x, ep > ep .

Démonstration : Soit a =< x, e1 > e1 + · · · + < x, ep > ep . Alors on a

< x − a, ej >= 0, ∀j = 1 . . . , p.

Donc x − a ∈ F ⊥ . Il vient que 0 = PF (x − a) = PF (x) − a et PF (x) = a.

Remarque 3.4.1 Si {e1 , . . . , ep } est simplement orthogonale, alors

1 1
PF (x) =< x, e1 > 2
e1 + · · · + < x, ep > ep .
ke1 k kep k2

K. Lamrini Uahabi -36- SMA S4 Algèbre 5

 3.5. ENDOMORPHISMES ORTHOGONAUX

Définition 3.4.2 Soit SF l’endomorphisme de E défini par SF = 2PF − IdE . C’est un

automorphisme symétrique et orthogonal de E qui vérifie SF ◦ SF = IdE . On l’appelle
la symétrie orthogonale par rapport à F .

Exemple 3.4.1 Soit F la droite dirigée par le vecteur u = (1, 2) dans IR2 . Alors
1 1
PF (1, 0) =< (1, 0), (1, 2) > 2
u= u
kuk 5
1 2
PF (0, 1) =< (0, 1), (1, 2) > 2
u = u.
kuk 5
La matrice de PF dans la base canonique est
 
1 2
 5 5 
2 4
5 5

et la matrice de SP dans la base canonique est

 
−3 4
 5 5 
4 3
5 5

Théorème 3.4.2 Tout endomorphisme symétrique d’un espace vectoriel euclidien est
diagonalisable dans une base orthonormée (formée par ses vecteurs propres qui sont
deux à deux orthogonaux)

Exemple 3.4.2 La matrice suivante est symétrique

 
1 0 2
 
M =  0 3 0 .

2 0 1

Son polynôme caractéristique est χM = −(1 + X)(3 − X)2 .

3.5 Endomorphismes orthogonaux

Définition 3.5.1 Soit ϕ un endomorphisme d’un espace euclidiende E. On dit que ϕ
est un endomorphisme orthogonal si

∀x, y ∈ E, < ϕ(x), ϕ(y) >=< x, y > .

K. Lamrini Uahabi -37- SMA S4 Algèbre 5

3.5. ENDOMORPHISMES ORTHOGONAUX

Proposition 3.5.1 Soit ϕ un endomorphisme d’un espace euclidiende E. Alors les

assertions suivantes sont équivalentes :
i) ϕ est un endomorphisme orthogonal ;
ii) ∀x ∈ E, kϕ(x)k = kxk (ϕ est une isométrie) iii) ϕ∗ ◦ ϕ = ϕ ◦ ϕ∗ = IdE .

Démonstration : i) ⇒ ii) : il suffit de prendre y = x.

ii) ⇒ i) : on a

1
< ϕ(x), ϕ(y) > = (kϕ(x) + ϕ(y)k2 − kϕ(x)k2 − kϕ(y)k2 )
1
= (kϕ(x + y)k2 − kϕ(x)k2 − kϕ(y)k2 )
1
= (kx + yk2 − kxk2 − kyk2 )
= < x, y > .

i) ⇔ iii) Dans une base orthonormée on a

t
< ϕ(x), ϕ(y) >=< x, y >, ∀x, y ∈ E ⇔ (AX)AY = t XY, ∀X, Y ∈ Mn,1 (IR)
t
⇔ AA = I.

Ce qui prouve que i) ⇔ iii)

Remarque 3.5.1 Tout endomorphisme orthogonal ϕ est inversible et on a ϕ−1 = ϕ∗ .

Proposition 3.5.2 Soit ϕ un endomorphisme orthogonal. Alors les valeurs propres de

ϕ sont 1 ou −1.

Démonstration : Soient λ une valeur propre de ϕ et u son vecteur propre associé.

D’une part on a kϕ(x)k = kλuk = |λ|kuk et d’autre part kϕ(u)k = kuk. Ce qui implique
que |λ| = 1.

Proposition 3.5.3 Soit ϕ un endomorphisme d’un espace euclidiende E. Alors ϕ est

orthogonal si, et seulement si, il transforme toute base orthonormée en une base ortho-
normée.

Démonstration : Supposons que ϕ est orthogonal. Etant donné que ϕ est inversible,
alors il transforme toute base en une base. Soit {e1 , . . . , en } une base orthonormée. Alors
< ϕ(ei ), ϕ(ej ) >=< ei , ej >= δij . Donc {ϕ(e1 ), . . . , ϕ(en )} est une base orthonormée
de E.

K. Lamrini Uahabi -38- SMA S4 Algèbre 5

 3.5. ENDOMORPHISMES ORTHOGONAUX

Réciproquement, soit {e1 , . . . , en } une base orthonormée telle que {ϕ(e1 ), . . . , ϕ(en )}
soit une base orthonormée. Soit x ∈ E. Alors
Xn
kϕ(x)k 2
= kϕ( < x, ei > ei )k2
i=1
n
X
= k < x, ei > ϕ(ei )k2
i=1
n
X
= < x, ei >2
i=1
= kxk2 .

Maintenant le résultat découle de la proposition 3.5.1.

K. Lamrini Uahabi -39- SMA S4 Algèbre 5

Index

équation de l’hyperplan , 5 sous-espace isotrope, 19

symétrique, 13
antisymétrique, 13
totalement isotrope, 19
base duale, 5
transposée , 11
base orthogonale, 20
base préduale, 11

canonique, 14
codimension, 4

définie positive, 29
dégénérée , 17

espace dual, 3
espace euclidien, 29

forme bilinéaire , 13
forme quadratique, 21

hyperplan, 4

isotrope , 19

non-dégénérée, 17
norme, 30

orthogonale, 18
orthogonaux, 19

préhilbertien, 29
produit scalaire, 29

40