Algèbre Bilinéaire
Filière
Sciences Mathématiques Appliquées SMA
Prof : MUSTAPHA BOUALLALA Université Cadi Ayyad
Faculté poly-disciplinaire-
Safi
Notations et Symboles
E UnK-espace vectoriel.
Mn(K) L’ensemble des matrice carrée d’ordrenà coefficients dansK.
Ker(u) Le noyau deu,Ker(u) ={x ∈ E, u(x) =0}. Im(u) L’image deu, Im(u) ={u(x), x ∈ E}. L(E,F) L’ensemble des applications linéaires de EdansF.
L(E) L’ensemble des applications linéaires deEdansE.
E∗ =LK(E,K) L’ensemble des formes linéaire dansE.
Kn[X] L’ensemble les polynômes de degré inférieur ou égal àn à coefficients dansK.
Vect{xi} L’ensemble de toutes les combinaisons linéaires de vecteursxi. L2(E) L’ensemble des formes bilinéaire surE.
S2(E) L’ensemble des formes bilinéaire symétrique sur E.
A2(E) L’ensemble des formes bilinéaire antisymétrique surE.
`2(R) L’ensemble des suites(xn)n≥0telles que ∑∞
n=0
|xi|2 <∞. C([a,b],R) L’ensemble des fonctions continues de[a,b]dansR.
χu Le polynômes caractéristique de utel queχu(X) = det(u−XI)).
O(E) L’ensemble des endomorphisme orthogonaux.
O+(E) L’ensemble des endomorphismes orthogonaux de déterminant égal à 1 surE.
O−(E) L’ensemble des endomorphismes orthogonaux de déterminant égal à−1 surE.
GL(E) Le groupe des endomorphismes sur E.
On(R) L’ensemble des matrices orthogonales d’ordrenà coefficients réels.
O+n (R) L’ensemble des matrices orthogonales d’ordrenà coefficients réels de déterminant égal à 1.
O−n (R) L’ensemble des matrices orthogonales d’ordrenà coefficients réels de déterminant égal à−1.
GLn(R) Le groupe des matrices d’ordrenà coefficients réels.
Table des matières
1 Formes linéaires - Dualité 5
1.1 Formes linéaire et hyperplan . . . 5
1.2 Espace vectoriel dual . . . 6
1.3 Base duale . . . 7
1.4 Prolongement des formes linéaires . . . 8
1.5 Orthogonalité ou sens de la dualité . . . 9
1.6 Bidual . . . 11
1.7 Transposition . . . 13
2 Formes bilinéaire symétriques-Formes quadratiques 15 2.1 Forme Bilinéaire symétrique . . . 15
2.2 Matrice d’une forme bilinéaire . . . 16
2.3 Écriture matricielle d’une forme bilinéaire . . . 17
2.4 Changement de base . . . 18
2.5 Rang d’une forme bilinéaire . . . 18
2.6 Forme bilinéaire symétrique . . . 19
2.7 Formes quadratiques . . . 20
2.8 Formes bilinéaires symétriques non dégénérées . . . 21
2.9 Orthogonalité, Vecteurs isotropes . . . 23
2.10 Base orthogonale . . . 26
2.11 Cas d’unR-espace vectoriel . . . . 28
2.12 Méthode de Gauss pour la résolution des formes quadratiques . . . 30
3 Espaces euclidiens 33 3.1 Produit scalaire . . . 33
3.2 Règles de calcul sur un espace euclidien . . . 34
3.3 Inégalité de Cauchy-Schwartz . . . 35
TABLE DES MATIÈRES
3.7 Produit vectoriel de deux vecteurs . . . 39
4 Endomorphisme d’un espace euclidien 41 4.1 Matrice d’un endomorphisme . . . 41
4.2 Endomorphisme adjoint . . . 41
4.3 Endomorphisme symétrique . . . 43
4.4 Projection orthogonale . . . 45
4.5 Symétrie orthogonale . . . 47
4.6 Endomorphisme orthogonaux ou isométries . . . 48
5 Espaces hermitiens 53 5.1 Formes sesquilinéaires . . . 53
5.2 Représentation matricielle . . . 54
5.3 Changement de base . . . 54
5.4 Formes hermitiennes . . . 55
5.5 Orthogonalité . . . 56
5.6 Isotrope . . . 57
5.7 Base orthogonale . . . 57
5.8 Produit hermitien . . . 58
5.9 Règle de calcul . . . 59
5.10 Intégrale de Cauchy-Sylvester . . . 59
5.11 Endomorphisme adjoint . . . 60
5.12 Endomorphisme autoadjoint . . . 61
5.13 Endomorphisme unitaire . . . 62
5.14 Endomorphisme normaux . . . 63
5.15 Projection orthogonales . . . 64
Bibliographie 66
Chapitre 1
Formes linéaires - Dualité
1.1 Formes linéaire et hyperplan
SoitEunK-espace vectoriel quelconque.
Une forme linéaire surEest application linéaire deEversK.
Théorème 1
Exemple 1.1.1 1)
f1 : R3 → R
(x,y,z) 7→ f1(x,y,z) = 2x−y+3z.
2)
f2 : Mn → R
A 7→ f2(A) =Tr(A) =
∑
i
aii.
SoitEunK-espace vectoriel quelconque :
– On dit queHest un hyperplan deEsidim(E/H) =1 – Si la dimension deEest fini, alors
Hest un hyperplan deE⇔dim(H) =dim(E)−1 Théorème 2
1.2 Espace vectoriel dual
SoitEunK-espace vectoriel quelconque, alors :
1) Le noyau d’une forme linéaire non nulle surEest un hyperplan deE.
2) Tout hyperplan deEest le noyau d’au moins une forme linéaire non nulle deE.
3) Si f etgdeux formes linéaires non nulles deE, alors ker(f) = ker(g) ⇔ ∃λ∈Ktq f =λg.
Proposition 1
Démonstration 1.1.1 1) Soit f une forme linéaire non nulle, alors E/Ker(f) est isomorphe à Im(f)(Théorème d’isomorphisme).
Or f est non nulle, alors Im(f)6={0K}, donc Im(f) =K. Par suite E/Ker(f)est isomorphe àK.
Ce qui est implique dim(E/Ker(f)) = dim(K) = 1. D’où dim(Ker(f)) = dim(E)−1.
Conclusion Ker(f)est un hyperplan de E.
2) Soient H est un hyperplan de E et e tels que E= H⊕Ke.
Donc∀x ∈ E, ∃!(h,λ) ∈ H×Ktq x = h+λe et l’application f : x ∈ E →λ ∈ K, x 7→
f(x) = λx est une forme linéaire.
f(x) = 0⇔λ=0⇒x =h⇒ Ker(f) = H.
3) ⇒)Supposons que Ker(f) = Ker(g), et soit x0 ∈ E, tel que x0 6∈ Ker(f), donc on aura E=ker(f)⊕Vect{x0}.
Soit x ∈ E, x = y0+αx0, y0 ∈ Ker(f), alors f(x) = f(y0) +αf(x0) = αf(x0).Puisque g(x0) 6= 0 , on aura f(x) = f(x0)
g(x0)g(x). D’où ∀x ∈ E, f = f(x0)
g(x0)g, Il suffit de prendre λ = f(x0)
g(x0).
⇐)Trivial
1.2 Espace vectoriel dual
SoitEunK-espace vectoriel quelconque.
On appelle espace duale de E, noté E∗, l’espace vectoriel de toutes les formes li- néaires ϕ: E →K.
On noteE∗ =LK(E,K). Théorème 3
1.3 Base duale
On suppose queEest de dimension finie, alorsdimK(E) = dimK(E∗). En effet :
On adimK(LK(E,F)) =dim(E)×dim(F).
AlorsdimK(E∗) =dimK(LK(E,K)) =dim(E)×dim(K) = dim(E) Remarque 1
Exemple 1.2.1 1) E =Rn, pour chaque i1 ≤i ≤n.
Soit Pi : Rn → R la ième projection de Rn sur R, ∀x ∈ Rn, x = (x1,x2, ...,xn), on a Pi(x) = xi.
Donc ∀i 1 ≤ i ≤ n, Pi est une forme linéaire, les Pi sont très utiles en calcul différentiel ils sont désignés par dxi.
2) E =C([a,b])leR-espace vectoriel des fonction continues sur l’intervalle[a,b]. L’application ϕ : C([a,b]) → R
f 7→ ϕ(f) = Z b
a f(t)dt.
est linéaire surC([a,b]).
1.3 Base duale
SoitEunK-espace de dimension finie est égal àn.
(e1,e2, ...,en)est une base quelconque deE, pour chaquei, 1≤n, on définite∗i ∈ E∗ par :
∀j 1≤ jn; ei∗(ej) =<ej,e∗i >=δij =
( 1 si i =j 0 sii 6= j
Alors(e1∗,e2∗, ...,e∗n)forme une base deE∗ appelée base duale de(e1,e2, ...,en). Proposition 2
Preuve 1.3.1 On doit vérifier que(e1∗,e2∗, ...,e∗n)forme une base de E∗.
On sait que dim(E∗) = dim(E) =n, donc il suffit de vérifier que(e1∗,e2∗, ...,e∗n)est libre.
Soient(α1,α2, ...,αn) ∈ Rn tel que ∑n
i=1
αie∗i =0E∗, a-t-onα1=α2 =... =αn =0?
On a ∑n e∗ ⇒ ∀j, 1 ≤j ≤n, <e;∑n e∗ >=0.
1.4 Prolongement des formes linéaires
SoitEunK-espace vectoriel de dimension finien.
(e1,e2, ...,en)est une base quelconque deE, (e1∗,e2∗, ...,e∗n)sa base duale, alors : 1) ∀x ∈ E; x = ∑n
i=1
<x;e∗i >ei. 2) ∀ϕ∈ E∗; ϕ= ∑n
i=1
<ei;ϕ>ei∗. Proposition 3
Preuve 1.3.2 1) Soit x∈ E, donc x = ∑n
i=1
xiei.
⇒ ∀j, 1 ≤j ≤n, <x;e∗j >=< ∑n
i=1
xiei;e∗j >.
⇒ ∀j, 1 ≤j ≤n, <x;e∗j >= ∑n
i=1
xi <ei;e∗j >=xj.
⇒ x= ∑n
i=1
< x;e∗i >ei. 2) Soit ϕ ∈ E∗, avecϕ = ∑n
i=1
yie∗i.⇒ ∀j, 1 ≤ j ≤n, <ej;ϕ >=<ej; ∑n
i=1
yie∗i >= ∑n
i=1
yi <
ej;e∗i >.
⇒ ϕ= ∑n
i=1
<ei;ϕ>e∗i.
Exemple 1.3.1 SoitKun corps commutatif et β = (1,X,X2, ...,Xn) la base canonique deKn[X]. Alors la base duale β∗ = (e∗0,e1∗,e2∗, ...,en∗)est définie par :
∀i∈ {0, 1, ...,n}, ∀P∈ Kn[X], P = ∑n
k=1
akXk. D’après la proposition on a : P= ∑n
i=1
< P;e∗i >ei = ∑n
k=1
< P;e∗i >Xi. Donc<P;e∗i >=ai. Pour chaque a∈ K, soit ϕala forme linéaire définie surKn[X]par :∀P∈ Kn[X]; ϕa(P) = P(a). Alors d’après la proposition précédente, on a :ϕa = ∑n
i=1
<Xi;ϕa >e∗i = ∑n
i=1
aie∗i.
1.4 Prolongement des formes linéaires
Soient E unK-espace vectoriel de dimension finie n et Fun sous-espace vectoriel deE, alors :
Toute forme linéaireψdeFse prolonge en une forme linéaire ϕsurE.
∀ψ∈ F∗, ∃ϕ∈ E∗ telle que ϕ/F =ψ.
Théorème 1
1.5 Orthogonalité ou sens de la dualité
Preuve 1.4.1 Soitψ∈ F∗, puisque F est ss-ev de E, donc F possède au moins un supplémentaire G de E c.à.d E= F⊕G.
Soit ϕ∈ E∗définie par ϕ(x) = ψ(x1)ou x= x1+x2. D’ouϕ∈ E∗ etϕ/F =ψ.
Soit Eun K-espace vectoriel de dimension finie, alors pour chaque x ∈ E\ {0}, il existe ϕ∈ E∗ telle que<x,ϕ>=1.
Corollaire 1
Preuve 1.4.2 Soit x∈ E\ {0}.
O pose F =Vect{x}; ∃α ∈Ktels que y ∈ F ⇒y=αx.
Soitψ∈ F∗définie par∀y ∈ F; ψ(y) =<y;ψ>=α ∈Kou bienψ(y) = α.
D’après le théorème précédent, il existe ϕ∈ E∗ tels queϕ/F =ψavec<x;ϕ>=1.
1.5 Orthogonalité ou sens de la dualité
SoitEunK-espace vectoriel.
1) Pour toute partie non vide deE, l’orthogonale deA, qu’on noteA⊥, est la partie deE∗définie par :
∀ϕ∈ E∗; ϕ∈ A⊥ ⇔ ∀x∈ A,<x;ϕ>=0.
A⊥ ={ϕ∈ E∗; ∀x ∈ A; <x,ϕ>=0}.
2) Pour toute partie non vide BdeE∗, l’orthogonale de BdansEnotéB◦, la partie deEdéfinie par :
∀ϕ∈ E; x ∈ B◦ ⇔ ∀ϕ∈ B,< x;ϕ>=0.
B◦ ={x∈ E; ∀ϕ∈ B; <x,ϕ>=0} = \
ϕ∈B
Ker(ϕ). Théorème 4
1.5 Orthogonalité ou sens de la dualité
SoitEunK-espace vectoriel, alors
1) Pour toute partieAdeEet pour toute partieBdeE, on a A⊆B ⇒B⊥ ⊆A⊥.
2) Pour toute partieAdeE, A⊥est un ss-ev de E∗. 3) Pour toute partieAdeE, A⊥ = (Vect(A))⊥.
4) Pour toute partieBdeE∗, B◦ est un sous-espace vectoriel deE.
5) Pour toute partieBdeE∗, B◦ = (Vect(B))◦. 6) E⊥ ={0E∗}et E∗◦ ={0E}.
Proposition 4
Preuve 1.5.1 1) Supposons que A⊆ B et soitϕ∈ E∗, alors on a : ϕ∈ B⊥ ⇒ ∀x ∈ B; ϕ(x) = 0. (car A⊆B)
⇒ ∀x∈ A; ϕ(x) = 0⇒ ϕ∈ A⊥. 2),3),4),5),6) Exercice.
SoitEunK-espace vectoriel de dimension finie, alors Pour tout sous-espace vectorielFdeE, on a
dimK(F) +dimK(F⊥) = dimK(E). Théorème 2
Preuve 1.5.2 Soit
Φ : E∗ → F∗
ϕ 7→ Φ(ϕ) = ϕ/F. AlorsΦest linéaire. ϕ∈ Ker(Φ) ⇔Φ(ϕ) =0F∗ ⇔ ϕ/F =0F∗.
ϕ∈ Ker(Φ) ⇔ ∀x∈ F; <x;ϕ>=0⇔ ϕ∈ F⊥. Donc Ker(Φ) = F⊥.
On sait Ψ ∈ F∗, il existe ϕ ∈ E∗ telle queΦ(ϕ) = Ψ ⇔ ϕ/F = Ψ, donc Φest surjective, alors Im(Φ) = F∗.
Or dimK(E∗) +dimK(Ker(Φ)) =dimK(Im(Φ)),
dimK(E) +dimK(F⊥) =dimK(F∗). D’où
dim (E) +dim (F⊥) =dim (F).
1.6 Bidual
SoitEunK-espace vectoriel, alors
1) Pour tout sous-espace vectorielFdeE, on a : (F⊥)◦ =F.
2) Si Ede dimension finie, alors pour tout sous-espace vectorielGdeE, on a : (G◦)⊥ =G.
Théorème 3
Preuve 1.5.3 1) Il est clair, par définition F ⊆(F⊥)◦, donc i suffit de montrer que(F⊥)◦ ⊆F.
Supposons par l’absurde, qu’il existe x ∈ E, tel que x∈ (F⊥)◦et x 6∈F.
Donc d’après ce qui précède, il existe ϕ∈ E∗, telle queϕ(x) =1et∀y ∈ F,ϕ(y) = 0.
Ainsi ϕ∈ F⊥ et puisque x∈ (F⊥)◦, alorsϕ(x) =0, ce qui est absurde car ϕ(x) = 1.
2) On voit facilement que G ⊆(G◦)⊥, donc il suffit de montrer que(G◦)⊥ ⊆G. Puis que G est de dimension finie il existe ϕ1,ϕ2, ...,ϕm tels que G =Vect{ϕ1,ϕ2, ...,ϕm}.
Soit ϕ∈(G◦)⊥et soit x ∈ E tel que ϕ1(x) = ϕ2(x) =...ϕm(x) =0.
Puisque G =Vect{ϕ1,ϕ2, ...,ϕm}, alors∀ψ∈ G, ψ(x) = 0, par suite x ∈ G◦etϕ∈(G◦)⊥, alors∀ϕ(x) =0.
Or Tm
i=1
Ker(ϕi) ⊆ Ker(ϕ), donc d’après ce qui précède ϕ ∈ Vect{(ϕ1,ϕ2, ...,ϕm)}.D’où (G◦)⊥ ⊆G.
1.6 Bidual
SoitEunK-espace vectoriel, On appelle bidual deE, qu’on noteE∗∗, le dual de E.
E∗∗ = (E∗)∗ =L(E∗,K) .
Théorème 5
Si E est un espace vectoriel de dimension finie, alors E∗∗ est canoniquement iso-
∗
Théorème 4
1.6 Bidual
Preuve 1.6.1 On considère
J : E → E∗∗
x 7→ Jx = J(x). avec
Jx : E∗ → K ϕ 7→ ϕ(x). telle que< ϕ;J(x) >=<x;ϕ>.
1) Montrons que∀x ∈ E, Jx ∈ E∗∗. Soient ϕ1,ϕ2 ∈ E∗, α,β∈ K.
Jx(αϕ1+βϕ2) = (αϕ1+βϕ2)(x) = αϕ1(x) +βϕ2(x) = αJx(ϕ1) +βJx(ϕ2). 2 J est une application linéaire.
Soient x,y∈ E, α,β∈ K, ϕ∈ E∗.
(J(αx+βy))(ϕ) = ϕ(α(x) +β(y)) = (αJ(x) +βJ(y))(ϕ). 3) J est bijective.
Il suffit de montrer que J est injective car dim(E) =dim(E∗∗). Soient x ∈ E tel que J(x) = 0et(e1,e2, ...,en)une base de E.
Donc∀i∈ N∗; J(x)(ei∗) =0⇒ ∀i ∈N∗; e∗i(x) =0. D’où x =0.
Soient E un K-espace vectoriel de dimension finie = n et J : E → E∗∗ l’isomor- phisme canonique entreEetE∗∗. Alors
1) Pour toute base βdeE, on a j(β) = β∗∗, oùβ∗∗ = (β∗)∗ est la base duale de β∗ dansE∗∗.
2) Siγest une base deE∗,γ∗sa base duale dansE∗∗etβest sa base pré-duale dans E, alorsβ = J−1(γ∗).
Proposition 5
Preuve 1.6.2 1) Soitβ= (e1,e2, ...,en)est une base de E, alors on a J(ek)(e∗l); ∀k∈ {1, 2, ...,n}, ∀l ∈ {1, 2, ...,n}, <e∗l;J(ek)>=<ek;e∗l >=δkl.
Donc∀k∈ {1, 2, ...,n}, J(ek) = (e∗l)∗ ⇒ j(β) = β∗∗.
2) Puisqueβ∗ =γ, alors d’après 1) J(β) = γ∗, donc β=j−1(γ∗).
1.7 Transposition
1.7 Transposition
SoientEet FdeuxK-espace vectoriel etu : E→ Fune application linéaire.
On appelle transposée de u qu’on note tu l’application tu : F∗ → E∗ telle que
∀ϕ∈ F∗, tu(ϕ) = ϕ◦u.
Théorème 6
SoientE,FetGtroisK-espace vectoriels. Alors 1) ∀u∈ L(E;F), ∀v ∈ L(E;F), t(u+v) =t u+tv.
2) ∀λ∈ K,∀u∈ L(E;F), t(λu) =λtu.
3) ∀u∈ L(E;F), ∀v ∈ L(E;F), t(u◦v) =t u◦tv.
Proposition 6
Preuve 1.7.1 1) ∀ϕ ∈ F∗, t(u+v)(ϕ) = ϕ◦(u+v) = ϕ◦u+ϕ◦v =t u(ϕ) +tv(ϕ) = (u+tv)(ϕ). Donct(u+v) =t u+tv.
2) ∀ϕ∈ F∗, t(λu)(ϕ) = ϕ(λu) =λ(ϕ◦u) = λtu(ϕ). Donct(λu) = λtu.
3) ∀ϕ∈ G∗, t(v◦u)(ϕ) = ϕ(v◦u) = (ϕ◦v)◦u=t v(ϕ)◦u=t u(tv(ϕ)) = (tu◦tv)(ϕ). Donct(v◦u) =t u◦tv.
u : E→ Flinéaire,tu: F∗ →E∗transposée deu.
∀x∈ E; ∀ϕ∈ F∗, <u(x);ϕ>=<x;tu(ϕ) >
Remarque 2
En effet :<u(x);ϕ>= ϕ(u(x)) = ϕ◦u(x) =t u(ϕ)(x) =<x;tu(ϕ) >.
SoientEunK-espace vectoriel de dimension finie=n,(e1,e2, ...,en)une base deE.
Alors∀i,j, aij =<u(ej);e∗i >avec A= (aij)1≤i,j≤n la matrice de u.
Lemme 1
Preuve 1.7.2 On a A= (aij)1≤i,j≤n la matrice de u, alors∀j, 1≤ j≤n, u(ej) = ∑n
k=1
akjek.
∗ n ∗ n ∗
1.7 Transposition
SoientEunK-espace vectoriel de dimension finie=n,(e1,e2, ...,en)une base deE, (e∗1,e∗2, ...,e∗n)sa base duale,u ∈ L(E)et A =Mat(u,(e1,e2, ...,en)).
Alors la matrice detudans la base(e1∗,e2∗, ...,e∗n)est égal à la matrice transposéetA deA.
Théorème 5
Preuve 1.7.3 On pose B =Mat(tu,(e∗1,e∗2, ...,e∗n)) = (bij)1≤i,j≤n.
⇒ ∀j, 1 ≤j ≤n, tu(e∗j) = ∑n
k=1
bkje∗k, u(ej) = ∑n
k=1
akjek.
⇒ ∀j, 1 ≤j ≤n, ∀i, 1≤i≤n, <ei;tu(e∗j) >= ∑n
k=1
bkj <ei;e∗k >= ∑n
k=1
bkjδik =bij.
⇒bij =<ei;tu(e∗j) >=<u(ei);e∗j >= ∑n
k=1
aki <ek;e∗j >=< ∑n
k=1
akiδkj >=aji. Conclusion B =t A.
Chapitre 2
Formes bilinéaire symétriques-Formes quadratiques
2.1 Forme Bilinéaire symétrique
SoientEunK-espace vectoriel et f : E×E →Kune application.
On dit que f est une forme bilinéaire surEsi : 1) Pour chaquey ∈ E, l’application
ϕy : E → K
x 7→ ϕy(x) = f(x,y) est linéaire (⇒ ϕy ∈ E∗) 2 Pour chaquex∈ E, l’application
ϕx : E → K
y 7→ ϕx(y) = f(x,y) est linéaire (⇒ ϕx ∈ E∗) Théorème 7
2.2 Matrice d’une forme bilinéaire
1) Si f : E×E →Kest bilinéaire, alors i) f(x1+x2,y) = f(x1,y) + f(x2,y). ii) f(x,y1+y2) = f(x,y1) + f(x,y2). iii) f(λx,y) =λf(x,y).
iv) f(x,λy) = λf(x,y).
2) SiEest de dimension finie=n, soient(e1,e2, ...,en)une base deEet f : E×E → Kbilinéaire.
Alorsx= ∑n
i=1
xieiety = ∑n
j=1
yjej.
⇒ f(x,y) = f(∑n
i=1
xiei;
∑n j=1
yjej) = ∑n
i=1
∑n j=1
xixjf(ei,ej)
3) On note L2(E) l’ensemble de toutes les formes bilinéaire sur E. Alors (L2(E),+, .)est un espace vectoriel surK.
Remarque 3
2.2 Matrice d’une forme bilinéaire
Soient E un K-espace vectoriel de dimension finie, (e1,e2, ...,en) une base de E et f : E×E →Kune application bilinéaire. Alorsx = ∑n
i=1
xiei ety= ∑n
j=1
yjej. On a montrer que f(x,y) = ∑
1≤i,j≤n
xixjf(ei,ej)
A = (f(ei,ej))1≤i,j≤n s’appelle la matrice de f dans la base(e1,e2, ...,en). (A =Mat(f,(e1,e2, ...,en))).
Théorème 8
2.3 Écriture matricielle d’une forme bilinéaire
Réciproquent, soit A = (aij)1≤i,j≤n une matrice carrée quelconque, alors l’applica- tion
f : E×E → K
(x,y) 7→ f(x,y) =
∑
1≤i,j≤n
aijxiyj.
est une forme bilinéaire surE.
Ainsi, on a une correspondance entre les formes bilinéaires sur E et les matrices carrées.
Ψ : L2(E) → Mn(K)
f 7→ Mat(f,(e1,e2, ...,en)). 1) Ψest linéaire.
Ψ(f +g) = Mat(f +g,(e1,e2, ...,en))
= Mat(f,(e1,e2, ...,en)) +Mat(g,(e1,e2, ...,en)), ψ(λf) = Mat(λf,(e1,e2, ...,en)) = λMat(f,(e1,e2, ...,en)). 2) Ψest bijective. DoncΨest un isomorphisme d’espaces vectoriels.
Doncdim(L2(E)) =dim(Mn(K)) =n2. Remarque 4
2.3 Écriture matricielle d’une forme bilinéaire
Soient E un K-espace vectoriel de dimension finie = n, (e1,e2, ...,en) une base de E et f : E×E →Kune forme bilinéaire.
Pour chaquex∈ E, avecx = ∑n
i=1
xiei, on pose X =
x1 x2
. . . xn
ettX = (x1,x2, ...,xn).
Alors f(x,y) =t XAY, A= Mat(f,(e1,e2, ...,en)).
2.4 Changement de base
2.4 Changement de base
Soient E un K-espace vectoriel de dimension finie = n, B = (e1,e2, ...,en), B0 = (e01,e20, ...,e0n)deux bases deEet f : E×E→Kune forme bilinéaire.
On pose A= Mat(f,(e1,e2, ...,en))et B= Mat(f,(e01,e02, ...,e0n)).
SoitPla matrice de passage de la baseB= (e1,e2, ...,en)à la baseB0 = (e01,e02, ...,e0n). AlorsB=t PAP.
Proposition 7
Preuve 2.4.1 Soient x= ∑n
i=1
xiei = ∑n
i=1
x0ie0iet y = ∑n
j=1
yiei = ∑n
i=1
y0je0j.
X=
x1 x2
. . . xn
, X0 =
x10 x20 . . . x0n
, Y=
y1 y2
. . . yn
et Y0 =
y01 y02 . . . y0n
.
On sait que X =PX0et Y =PY0,
Or f(x,y) =t XAY=t (PX0)A(PY0) = (tX0tP)A(PY0) =t X0(tPAP)Y0. D’autre part on f(x,y) =t X0BY0. Donc B=t PAP.
2.5 Rang d’une forme bilinéaire
Soient E un K-espace vectoriel de dimension finie = n et f : E×E → K une forme bilinéaire. On considère l’application
Φ : E → E∗
y 7→ ϕy =Φ(y)
où∀x ∈ E, <x,ϕy >= f(x,y).
Φest donc une application linéaire deEversE∗.
Par définition, le rang de f est égal au rang deΦ.
rang(f) = rang(Φ) = dim(Im(Φ)). Théorème 9
2.6 Forme bilinéaire symétrique
Soient(e1,e2, ...,en)une base de E,(e∗1,e∗2, ...,e∗n)sa base duale de E∗. CalculonsMat(Φ,(e1,e2, ...,en),(e∗1,e∗2, ...,e∗n)).
∀j, 1 ≤j ≤n, Φ(ej) = ∑ni=1 <ei,Φ(ej) >e∗i.
<ei,Φ(ej) >=<ei,ϕej >= f(ei,ej).
⇒ ∀j, 1 ≤j ≤n, Φ(ej) = ∑n
i=1
f(ei,ej).
⇒ Mat(Φ,β,β∗) = (f(ei,ej))1≤i,j≤n = Mat(f,(e1,e2, ...,en)).
Soit Ala matrice de f dans la base(e1,e2, ...,en), alorsrang(f) =rang(A). Remarque 5
2.6 Forme bilinéaire symétrique
SoitEunK-espace vectoriel et f : E×E →Kune forme bilinéaire 1) On dit que f est symétrique si,∀x∈ E, ∀y ∈ E, f(x,y) = f(y,x). 2) On dit que f est antisymétrique si,∀x ∈ E, ∀y∈ E, f(x,y) =−f(y,x).
Théorème 10
SoientEunK-espace vectoriel de dimension finie=n,(e1,e2, ...,en)une base deE, Mat(f,(e1,e2, ...,en))et f ∈ L2(E).
1) f est symétrique⇔t A= A.
2) f est antisymétrique⇔t A =−A.
3) Si caractéristique deK=2, alors f symétrique⇔ f est antisymétrique.
4) Si caractéristique deK6=2, si on noteS2(E) = {f ∈ L2(E) : f symétrique}et A2(E) = {f ∈ L2(E) : f antisymétrique}, alorsL2(E) =S2⊕ A2(E).
Remarque 6
2.7 Formes quadratiques
2.7 Formes quadratiques
SoitEunK-espace vectoriel quelconque.
On dit qu’une application q : E → Kest une forme quadratique sur E, s’il existe une forme bilinéaire f surEtelle que
∀x∈ E, q(x) = f(x,x). Théorème 11
On suppose que E est de dimension finie, (e1,e2, ...,en) une base de E, q : E → K une forme quadratique, f : E×E → K une forme bilinéaire telle que ∀x ∈ E, q(x) = f(x,x)et A= (aij)1≤i,j≤n = Mat(f,(e1,e2, ...,en)).
Alors
∀x ∈ E, avec x=
∑
n i=1xiei, on aq(x) =
∑
1≤i,j≤n
aijxixj.
Réciproquement, soit q : E → K une application qui s’écrit sous la forme ∀x ∈ E, q(x) = ∑
1≤i,j≤n
bijxixj. Remarque 7
Soient E un K-espace vectoriel quelconque, q : E → K une forme quadratique, alors :
Il existe une forme bilinéaire symétrique unique f appelée forme bilinéaire symé- trique associée àqtelle que∀x ∈ E, q(x) = f(x,x).
Théorème 6
Preuve 2.7.1 Soit q une forme quadratique sur E, donc par définition il existe une forme bilinéaire g: E×E→Ktelle que∀x∈ E, q(x) = g(x,x).
Soient x∈ E, y ∈ E, alors on a
q(x+y) = g(x+y,x+y) = g(x,x) +g(x,y) +g(y,x) +g(y,y) =q(x) +g(x,y) +g(y,x) +q(y). Donc q(x+y)−q(x)−q(y) = g(x,y) +g(y,x).
Posons f(x,y) = 1
2[q(x+y)−q(x)−q(y)](Égalité de polarisation).
Alors f est une forme bilinéaire symétrique et on a f(x,x) =q(x).
2.8 Formes bilinéaires symétriques non dégénérées
Soient E est de dimension finie, (e1,e2, ...,en) une base de E, q : E → K une forme quadratique, f : E×E → Kla forme bilinéaire symétrique associée à q et A = (aij)1≤i,j≤n = Mat(f,(e1,e2, ...,en)).
Alors A s’appelle la matrice de q dans la base (e1,e2, ...,en) et on a
∀x∈ E, x = ∑n
i=1
xiei, q(x) = ∑
1≤i,j≤n
aijxixj.
Or f est symétrique donctA = Aet par suite∀i,∀j, aij = aji. D’où q(x) =
∑
1≤i,j≤n
aiix2ii+2
∑
1≤i<j≤n
aijxixj Remarque 8
Exemple 2.7.1 1) Soit q : R2 → R une forme quadratique s’écrit sous la forme ∀(x,y) ∈ R2, q(X) = q(x,y) = ax2+by2+2cxy avec X = (x,y).
La matrice de la forme quadratique q dans la base canonique est A = a c c b
!
2) Soit q : R3 → R une forme quadratique s’écrit sous la forme ∀(x,y,z) ∈ R3, q(X) = q(x,y,z) = ax2+by2+cz2+2dxy+2exz+2f yz avec X = (x,y,z).
La matrice de la forme quadratique q dans la base canonique est A =
a d e d b f e f c
2.8 Formes bilinéaires symétriques non dégénérées
Soient E un K-espace vectoriel quelconque, f : E×E → Kune forme bilinéaire symétrique.
On dit que f est non dégénérée si l’application Φ : E → E∗
y 7→ Φ(y) telle que
∀x∈ E, Φy(x) =<x,Φ(y)>= f(x,y)est injective.
Théorème 12
2.8 Formes bilinéaires symétriques non dégénérées
f est non dégénérée⇔Ker(Φ) = {0E∗}.
⇔ ∀y ∈ E, Φ(y) = 0E∗ ⇒y=0.
⇔ [∀x ∈ E, <x,Φ(y)>=0] ⇒y =0.
f est non dégénérée⇔[∀x ∈ E, f(x,y) =0] ⇒y=0.
Remarque 9
Soient E un K-espace vectoriel de dimension finie, (e1,e2, ...,en) une base de E, f : E×E →Kune forme bilinéaire symétrique et A= Mat(f,(e1,e2, ...,en)). Alors f est non dégénérée⇔ det(A) 6=0.
Théorème 7
Preuve 2.8.1 Soit
Φ : E → E∗ y 7→ Φ(y) f non dégénérée⇔Φinjective.
Or dim(E) <∞et dim(E) = dim(E∗).
Donc f est non dégénérée si et seulement siΦest bijective.
On sait que A= Mat(Φ,(e1,e2, ...,e3);(e∗1,e∗2, ...,e∗3)). DoncΦbijective⇔A inversible⇔det(A)6=0.
Exemple 2.8.1 Soit q : R3 → Rdéfinie par q(x,y,z) = x2+y2+2(xcos(α) +ysin(α))z. Pour quelle valeur deα, la forme quadratique q est non dégénérée.
On a la matrice de A dans la base canonique est A=
1 0 cos(α) 0 1 sin(α) cos(α) sin(α) 0
. q non dégénérée⇔det(A) 6=0⇔, or det(A) = −16=0.
Donc∀α ∈R, q est dégénérée.
2.9 Orthogonalité, Vecteurs isotropes
2.9 Orthogonalité, Vecteurs isotropes
Soient EunK-espace vectoriel quelconque et f : E×E → Kune forme bilinéaire symétrique.
1) Deux vecteurs xet ydeEsont dits orthogonaux, si f(x,y) =0.
2) Si Aest une partie (non vide) de E, l’orthogonal de A, noté A⊥ est la partie de Edéfinie par
A⊥ ={y∈ E, ∀x ∈ A, f(x,y) =0} y ∈ A⊥ ⇔ ∀x ∈ A, f(x,y) =0.
Théorème 13
1) A⊆ B⇒ B⊥ ⊆ A⊥.
2) Pour toute partieAdeE, on a :
i) A⊥ est un sous-espace vectoriel deE.
ii) A⊥ = (Vect(A))⊥.
iii) A ⊆ A⊥ ⊥, (A⊥ ⊥ = (A⊥)⊥).
3) {0E}⊥ =E.
4) E⊥ ={0E} ⇔ fnon dégénérée.
5) Si Eest de dimension finie, alors pour tout sous-espace vectoriel FdeEon a dimK(F) +dimK(F⊥) ≥dimK(E).
Proposition 8
Preuve 2.9.1 1),2),3) et 4) Exercice.
5) Soit
Φ : E → F∗
y 7→ Φ(y), ∀x∈ F, <x,Φ(y)>= f(x,y).
Donc Ker(Φ) = F⊥.
On sait que dimK(E) = dimK(Im(Φ)) +dimK(Ker(Φ)).
Im(Φ) ⊆F∗ ⇒dimK(Im(Φ))≤dimK(F∗)avec dimK(F∗) = dimK(F).
2.9 Orthogonalité, Vecteurs isotropes
Soient EunK-espace de dimension finie et f une forme bilinéaire symétrique non dégénérée. Alors
1) dimK(F) +dimK(F⊥) =dimK(E).
2) F⊥ ⊥ =F, (Pour tout sous-espace vectorielFdeE).
Corollaire 2
Preuve 2.9.2 1) On considère l’applicationΦ: E →F∗où∀x ∈ E, <x,Φ(x) >= f(x,y) ⇒ Ker(Φ) = F⊥.
Montrons que Im(Φ) = F∗?
Soit ϕ∈ F∗, existe-il y ∈ E tel que ϕ=Φ(y)?
ϕ ∈ F∗ donc d’après le théorème de prolongement des formes linéaires, il existe α ∈ E∗ telle que∀x ∈ F, ϕ(x) =α(x).
Or f est non dégénérée, donc l’application E → E∗, y 7→ ϕytelle que∀x ∈ E, < x,ϕy >=
f(x,y)est bijective.
Donc pourα ∈ E∗, il existe y∈ E tel queα = ϕy. α = ϕy ⇒ ∀x ∈ F, α(x) = ϕy(x) = f(x,y).
Or∀x∈ F, α(x) = ϕ(x) ⇒ ∀x ∈ F, ϕ(x) = f(x,y) ⇒ ϕ=Φ(y). D’oùΦest bijective.
D’après le théorème du noyau dimK(F) +dimK(F⊥) = dimK(E). 2) On a toujours F ⊆ F⊥ ⊥.
D’autre part on a dim(F) +dim(F⊥) = dim(F⊥) +dim(F⊥ ⊥) = dim(E).
⇒dim(F) = dim(F⊥ ⊥)et puisque F sous-espace vectoriel de F⊥ ⊥. D’où F =F⊥ ⊥
f non dégénérée⇔dim(E) = dim(F) +dim(F⊥),∀Fsous-espace vectoriel de E.
On a pas toujoursE =F⊕F⊥. Remarque 10
Exemple 2.9.1 Soient E=R2et f : R2×R2 → R
(x,y) 7→ f(x,y) = x1y1−x2y2 avec x= (x1,x2) et y= (y1,y2). Alors f est une forme bilinéaire sur E et A = Mat(f,(e1,e2)) = 1 0
0 1
! .
A est symétrique, donc f est symétrique et puisque det(A) =1 6=0, alors f est non dégénérée.
Soit F ={(x1,x2) ∈R2, x1 =x2} =Vect{(1, 1)}, alors F⊥ =Vect{(1, 1)}⊥ ={(1, 1)}⊥. Donc(x1,x2) ∈ F⊥ ⇔ f((x1,x2),(1, 1)) =0⇔ x1−x2 =0⇔ x1 =x2. D’où F⊥ = F.
2.9 Orthogonalité, Vecteurs isotropes
Soient EunK-espace vectoriel quelconque et f : E×E → Kune forme bilinéaire symétrique.
1) Un vecteurx∈ Eest dit isotrope si f(x,x) =0.
2) Un sous-espaceFdeEest dit isotrope siF∩F⊥ 6={0E}. 3) Un sous-espaceFdeEest dit totalement isotrope si F⊆ F⊥.
Théorème 14
Ftotalement isotrope⇒ Fest isotrope, la réciproque n’est pas toujours vraie.
Remarque 11
Soient EunK-espace vectoriel, f : E×E →Kune forme bilinéaire quelconque et Fun sous-espace vectoriel. Alors
E= F⊕F⊥ ⇔ Fest non isotrope.
Théorème 8
Preuve 2.9.3 ⇒)Si E =F⊕F⊥, alors F∩F⊥ ={0E}, donc F est non isotrope.
⇐) On suppose que F est non isotrope, donc par définition, F∩F⊥ = {0E}. Reste à montrer que E=F+F⊥?
Pour cela pour chaque y∈ E, on doit montrer qu’il existe(y1,y2) ∈ F×F⊥tels que y =y1+y2. Considérons l’application
g : F×F → R
(x,y) 7→ g(x,y) = f(x,y) c.à.d g = f/F×F. f est bilinéaire⇒g est bilinéaire symétrique.
Vérifions que g et non dégénérée ?
Soit y∈ F tel que∀x∈ F, g(x,y) =0, a-t-on y =0?
∀x ∈ F, g(x,y) =0 ⇒ ∀x ∈ F, f(x,y) =0 ⇒ y∈ F⊥. Donc y∈ F∩F⊥. D’où g est une forme bilinéaire symétrique non dégénérée sur F.
Ce qui implique Φ : F → F∗
2.10 Base orthogonale
Donc∀x ∈ F, f(x,y) = g(x,y1) = f(x,y1)⇒ ∀x∈ E, f(x,y−y1) =0⇒y−y1 ∈ F⊥.
⇒ ∃y2 ∈ F⊥, y−y1 =y2⇒ ∃y2∈ F⊥, y=y1+y2. D’où E =F+F⊥.
2.10 Base orthogonale
Soient EunK-espace vectoriel de dimension finie= n, f : E×E → Kune forme bilinéaire et(e1,e2, ...,en)une base deE.
1) On dit que (e1,e2, ...,en) est une base orthogonale (ou f-orthogonale) si
∀i, ∀j, i 6= j⇒ f(ei,ej) = 0.
2) On dit que(e1,e2, ...,en)est une base orthogonale si
∀i, ∀j, f(ei,ej) = δij =
( 1 si i = j 0 sii6= j Théorème 15
1) Si(e1,e2, ...,en)est une base orthogonale par rapport à f, alors la matriceAde f dans cette base, s’écrit sous la forme :
a11 0 . . . 0 0 a22 . . . 0
. . . .
. . . 0
0 . . . 0 ann
Si q la forme quadratique associée à la forme bilinéaire f, (∀x ∈ E, q(x) = f(x,x)). Alors∀x ∈ E, q(x) = ∑n
i=1
aix2i.
2) Si(e1,e2, ...,en)est une base orthonormale par rapport à f.
⇔la matriceAde f dans cette base s’écrit
1 0 . . . 0 0 1 . . . 0 . . . . . . . 0 0 . . . 0 1
Idn.
Dans ce cas on a∀x∈ E, q(x) = ∑n
i=1
x2i. Remarque 12
2.10 Base orthogonale
SoitEunK-espace vectoriel de dimension finien≥2. Alors :
Toute forme bilinéaire surEpossède au moins une base orthogonale.
Théorème 9
Preuve 2.10.1
(i) Si f =0, c.a.d,∀x,∀y, f(x,y) =0. Alors toutes les bases sont orthogonales.
(ii)On suppose que f 6=0( f 6=0⇒ ∃x ∈ E, f(x,x) 6=0?).
On procède par récurrence sur dimK(E) = n.
Pour n=2, soit E unK-espace vectoriel de dimension=2.
Soit F =Vect(e1), puisque f(e1,e1) 6=0, alors F est non isotrope⇒E =F⊕F⊥.
Soit e2 ∈ F⊥ avec e2 6=0 ⇒ (e1,e2)est une base de E, e2 ∈ F⊥, donc f(e1,e2) = 0. D’où (e1,e2) est une base orthogonale de E.
Donc la propriété est vraie pour n =2.
Hypothèse de récurrence (HR): On suppose que n > 2 et que toute forme bilinéaire symétrique sur un espace vectoriel de dimension finie<n possède au moins une base orthogonale.
Soient E un espace vectoriel de dimension=n et f une forme bilinéaire symétrique sur E.
Montrons que f possède une base orthogonale ? f 6=0⇒ ∃e1∈ E, f(e1,e1) 6=0.
F=Vect(e1), f(e1,e1)6=0⇒F non isotrope⇒E =F⊕F⊥.
⇒dim(F⊥) = dim(E)−dim(F) = n−1<n.
D’après le(HR)F⊥ possède au moins une base orthogonale.
Soit(e1,e1, ...,en)une base orthogonale de F⊥, E = F⊕F⊥ ⇒(e1,e2, ...,en)base de E.
SoitEunK-espace vectoriel de dimension finie
Alors toute forme bilinéaire symétrique non dégénérée, possède au moins une base orthonormale.
Corollaire 3
Preuve 2.10.2 Soit f une forme bilinéaire symétrique non dégénérée sur E.
f bilinéaire symétrique⇒ f possède une base orthogonale(e1,e2, ...,en). Pour chaque i, 1≤i ≤n, on pose ai = f(ei,ei).
ai ∈C, donc l’équation x2−ai =0possède au moins une racineαi ∈ C⇒α2i = ai. Posons, pour chaque i, 1≤i ≤n, e0i = ei
αi
.
a11 0 . . . 0