Table des mati` eres
1 Formes lin´eaires et Espaces duals 3
1.1 Formes lin´eaires . . . 3
1.2 Hyperplans . . . 4
1.3 Base duale . . . 5
1.4 Orthogonalit´e . . . 8
1.5 Bidual et base pr´eduale . . . 10
1.6 Transpos´ee d’une application lin´eaire . . . 11
2 Formes bilin´eaires et formes quadratiques 13 2.1 Formes bilin´eaires sym´etriques . . . 13
2.1.1 D´efinitions et propri´et´es ´el´ementaires . . . 13
2.1.2 Matrice associ´ee `a une forme bilin´eaire . . . 15
2.1.3 Rang d’une forme bilin´eaire . . . 17
2.1.4 Formes bilin´eaires sym´etriques non d´eg´en´er´ees . . . 17
2.1.5 Orthogonalit´e et vecteurs isotropes . . . 18
2.1.6 Bases orthogonales . . . 20
2.2 Formes quadratiques . . . 21
2.2.1 D´efinition et propri´et´es ´el´ementaires . . . 21
2.2.2 R´eduction d’une forme quadratique par la m´ethode de Gauss . 24 2.3 Signature d’une forme bilin´eaire sym´etrique . . . 26
2.3.1 base orthogonale . . . 26
2.3.2 Th´eor`eme d’inertie de Sylvestre : . . . 27
3 Espaces Euclidiens 29 3.1 Produit scalaire . . . 29
1
TABLE DES MATI`ERES
3.2 Proc´ed´e d’orthogonalit´e de Gram-Schmidt . . . 32
3.3 Endomorphisme adjoint . . . 34
3.4 Projection orthogonale . . . 36
3.5 Endomorphismes orthogonaux . . . 37
Chapitre 1
Formes lin´ eaires et Espaces duals
1.1 Formes lin´ eaires
D´efinition 1.1.1 Soit E un IK-espace vectoriel. Une forme lin´eaire sur E est une application lin´eaire deE dans IK.
L(E,IK), l’espace des formes lin´eaires 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 lin´eaire et donc c’est une forme lin´eaire sur IK.
Exemple 1.1.2 L’application ϕ : IR[X]→IR, P 7→ϕ(P) =R1
0 P(t)dt, est lin´eaire et donc c’est une forme lin´eaire sur IR[X].
Exemple 1.1.3 T r : Mn(IK)→IK, A= (aij)7→T r(A) =Pn
i=0aij. La trace est une application lin´eaire et donc c’est une forme lin´eaire sur Mn(IK).
Exemple 1.1.4 Soit (xn)n≥0 un ´el´ement de IKIN. Alors l’application ψ d´efinie sur IK[X] par pour tout P ∈ IK[X], P =
n
X
i=1
aiXi, ψ(P) =
n
X
i=1
aixi est une forme lin´eaire surIK[X].
Remarque 1.1.1 Soit ϕ une forme bilin´eaire sur E un IK-espace vectoriel. Alors ϕ est identiquement nulle ou une application surjective.
3
1.2. HYPERPLANS
Th´eor`eme 1.1.1 1t1 Soit F un sous-espace vectoriel de dimension finie d’un IK- espace vectoriel E. Alors toute forme lin´eaire sur F se prolonge en une forme lin´eaire sur E.
D´emonstration : Soitϕ∈F∗ une forme lin´eaire sur F. Soit Gun suppl´ementaire deF dans E. Soitx∈E, alors il existe un uniquex1 ∈F et un uniquex2 ∈Gtels que x=x1+x2. posons Φ(x) = ϕ(x1), alors Φ est une forme lin´eaire sur E et Φ|F =ϕ.
Corollaire 1.1.1 Soitx un vecteur non nul d’un IK-espace vectoriel E. Alors il existe une forme lin´eaire Φ sur E telle que Φ(x) = 1.
D´emonstration : Soit F = V ect({x}). Soit ϕ la forme lin´eaire d´efinie sur F par ϕ(αx) = α. Alors d’apr`es le th´eor`eme pr´ec´edent, il existe une forme lin´eaire Φ sur E telle que Φ|F =ϕ. On a donc Φ(x) =ϕ(x) = 1.
1.2 Hyperplans
D´efinition 1.2.1 Soit E unIK-espace vectoriel. Soit F un sous-espace vectoriel de E admettant un suppl´ementaireGdansE. On dit queF est unhyperplansi la dimension deG est ´egale `a 1 (on dit queF est de codimension ´egale `a 1).
Remarque 1.2.1 Soit ϕ ∈ E∗ non nulle. Alors Kerϕ est un hyperplan de E. En effet, commeϕest non nulle, alorsKerϕ 6=E. Soit x∈E\Kerϕ. Montrons que E = Kerϕ⊕vect({x}). Soit y∈E\Kerϕ, alors ϕ(y−ϕ(y)ϕ(x)x) = 0. Donc y−ϕ(y)ϕ(x)x∈Kerϕ.
A¨ınsi,
y=y− ϕ(y)
ϕ(x)x+ ϕ(y)
ϕ(x)x∈Kerϕ⊕vect({x}).
D’o`u, E =Kerϕ⊕vect({x}). Par cons´equent, Kerϕ est un hyperplan deE.
Proposition 1.2.1 Soit F un sous-espace vectoriel d’un IK-espace vectoriel E. Alors les assertions suivantes sont ´equivalentes :
i)F est un hyperplan de E;
ii) Pour tout x∈E\F, E =F ⊕vect({x}); iii) Il existeϕ∈E∗ non nulle telle que Kerϕ=F.
1.3. BASE DUALE
D´emonstration : : 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 α6= 0. il vient que
u= 1 αx− 1
αv ∈F ⊕V ect({x}).
On en d´eduit que E =F ⊕V ect({x}).
ii)⇒iii) : Soit u∈ E\F tel que E =F ⊕V ect({u}). On consid`ere l’application Φ d´efinie sur E par
Φ :E =F ⊕V ect({u}) −→ IK x+αu 7−→ α . Alors Φ est une forme lin´eaire sur E non nul. De plus, KerΦ =F.
ii)⇒iii) : voir la remarque pr´ecedente.
D´efinition 1.2.2 Soit F = KerΦ un hyperplan de E. L’´equation Φ(x) = s’appelle une´equation 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
Th´eor`eme 1.3.1 Soit E un espace vectoriel sur IK de dimension finie ´egale `a n et soit {e1, e2, . . . , en} une base de E. Pour chaque i, i = 1, . . . n, on d´efinit e∗i la forme lin´eaire d´efinie sur E par
< ej, e∗i >=e∗i(ej) =δij, ∀j, j = 1. . . , n o`u δij est le symbole de Kronecker d´efinie par
δij =
1 si i=j
0 sinon
Alors la famille{e∗1, e∗2, . . . , e∗n}est une base deE∗, dite la base duale de{e1, e2, . . . , en}.
K. Lamrini Uahabi -5- SMA S4 Alg`ebre 5
1.3. BASE DUALE
D´emonstration : : D’abord, il est clair que pour chaque i, i = 1, . . . n, l’application e∗i a¨ınsi d´efinie est une forme lin´eaire sur E.
Soient λ1, λ2, . . . , etλn ∈IK tels que X
i=1
nλie∗i = 0E∗. Soit j ∈ {1, . . . , n}, alors
0 = (X
i=1
nλie∗i)(ej) =X
i=1
nλi < ej, e∗i >=λj.
Il s’en suit que la famille{e∗1, e∗2, . . . , e∗n}est lin´eairement ind´ependante.
Maintenant soit Φ ∈ E∗. Comme < ej,X
i=1
nΦ(ei)e∗i >=< ej,Φ > pour tout j, j = 1. . . , n, alors Φ =X
i=1
nΦ(ei)e∗i. Donc{e∗1, e∗2, . . . , e∗n} est une famille g´en´eratrice deE∗. Ce qui ach`eve la preuve.
Proposition 1.3.1 Soit E un espace vectoriel sur IK de dimension finie ´egale `a n.
Soient {e1, e2, . . . , en} une base de E et {e∗1, e∗2, . . . , e∗n} sa base duale. alors on a : i) pour tout x∈E, xX
i=1
n < x, e∗i > ei. ii) pour tout Φ∈E∗, Φ =X
i=1
n< ei,Φ> e∗i.
D´emonstration : : i) Soit x∈E, alors x=X
i=1
nxiei avec lesxi sont dansk. Pour tout j, j = 1, . . . , n on a
< x, e∗j >=X
i=1
n< ei, e∗j >=xj.
A¨ınsi,
x=X
i=1 nxiei.
ii) voir la deuxi`eme partie de la d´emonstration du Th´eor`eme 1.3.1.
Exemple 1.3.1 Soit {e1, e2}la base canonique de IR2. Alors sa base duale {e∗1, e∗2}est d´efinie par
∀x= (x1, x2)∈IR2, < x, e∗i >=xi. On en d´eduit que
e∗1 :IR2 −→ IR (x1, x2) 7−→ x1 et
e∗2 :IR2 −→ IR (x1, x2) 7−→ x2
.
1.3. BASE DUALE
Plus g´en´eralement 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 d´efinie par
∀x= (x1, . . . , xn)∈IRn, < x, e∗i >=xi.
donc pour tout i, i= 1, . . . , n, e∗i est la projection de la i`eme composante. (....)
Exemple 1.3.3 Soit{1, X, . . . , Xn}la base canonique deIKn[X]. La base duale{Φ0,Φ1, . . . ,Φn} de{1, X, . . . , Xn} est d´efinie par
mboxpourtoutP =
n
X
k=0
akXk∈IKn[X], pour tout i, i= 1. . . , n, < P,Φi >=ai. Maintenant, soit a ∈ IK et soit Φa la forme lin´eaire sur E d´efinie par < P,Φa >=
P(a),∀P ∈IKn[X]. Ce qui donne Φa=
n
X
i=0
< Xi,Φa>Φi =
n
X
i=0
aiΦi.
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),
o`u PE∗→B∗ est la matrice de passage de E∗ `a B∗ et PE→B est la matrice de passage de E `a B.
D´emonstration : : Soient PE→B= (aij) et PE∗→B∗ = (bij). Posons xj =
n
X
k=1
akjek et x∗i =
n
X
l=1
blie∗l.
Alors pour touti, j ∈ {1, . . . , n}, on a δij =< xj, x∗i > =
n
X
l=1
blie∗l(
n
X
k=1
akjek)
=
n
X
l=1 n
X
k=1
bliakje∗l(ek)
=
n
X
l=1 n
X
k=1
bliakjδlk
=
n
X
k=1
bkiakj.
K. Lamrini Uahabi -7- SMA S4 Alg`ebre 5
1.4. ORTHOGONALIT´E
On remarque que le membre `a gauche de l’´egatil´e est le coefficient de la i-`eme ligne et de la j-`eme colonne de la matrice identit´e, tandis que le membre `a droite de l’´egalit´e est le coefficient de la i-`eme ligne et de la j-`eme colonne du produit de la transpos´ee 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’apr`es la proposition pr´ec´edente, on a
PE∗→B∗ =t((PE→B)−1 =
1 0 1 −1
.
A¨ınsi,
v1∗ :IR2 −→ IR (x1, x2) 7−→ x1+x2 et
v2∗ :IR2 −→ IR (x1, x2) 7−→ −x2 .
1.4 Orthogonalit´ e
D´efinition 1.4.1 Soit E unIK-espace vectoriel.
i) Pour toute partieA deE, l’orthogonale de A dans E∗, qu’on note A⊥, est la partie deE∗ d´efinie par A⊥ ={Φ∈E∗ : ∀x∈A, < x,Φ>= 0}.
ii) Pour toute partieB deE∗, l’orthogonale de B, qu’on note ⊥B, est la partie de E d´efinie par ⊥B ={x∈E : ∀Φ∈B, < x,Φ>= 0}.
Remarque 1.4.1 SiA1 ⊂A2, alorsA⊥2 ⊂A⊥1.
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}⊥.
1.4. ORTHOGONALIT´E
iii) Pour toute partie B de E∗, ⊥B est un sous-espace vectoriel de E.
iv) Pour toute partieB de E∗, ⊥B =⊥(V ect(B)). En particulier, ⊥∅=⊥{0E∗}=E.
v) E⊥ ={0E∗} et ⊥E∗ ={0E}.
D´emonstration : i) Premi`ere m´ethode : on peut utiliser la d´efinition d’un sous- espace vectoriel.
Deuxi`eme m´ethode : pour chaque x ∈ A, soit ˜x la forme lin´eaire d´efinie sur E∗ par
< ϕ,x >=< x, ϕ >˜ pour tout ϕ ∈ E∗. On a alors A⊥ = ∩x∈Aker ˜x, qui est une intersection de sous-espace vectoriel de E∗. On en d´eduit que A⊥ est un sous-espace vectoriel deE∗.
ii) D’apr`es la remarque 1.4.1, on a V ect(A)⊥ ⊂ A⊥. L’autre inclusion est facile `a v´erifier.
iii) On a ⊥B =∩ϕ∈Bkerϕ. Alors ⊥B est un sous-espace de E.
iv) Facile `a v´erifier.
iv) On aϕ∈E⊥ si, et seulement si, ∀x∈E, < x, ϕ >= 0 ; C’est-`a-direϕ= 0E∗. Six∈⊥E∗, alors pour toutϕ∈E∗, < x, ϕ >= 0. Donc x= 0. Car sinon il existe une forme lin´eaire ϕ∈E∗ telle que< x, ϕ >6= 0.
Th´eor`eme 1.4.1 Soit F un sous-espace vectoriel d’un IK-espace vectoriel E. Alors a) F∗ est isomorphe `a E∗/F⊥.
b) (E/F)∗ est isomorphe `a F⊥.
D´emonstration : a) Consid`erons l’application Ψ : E∗ →F∗ d´efinie par Ψ(Φ) = Φ|F. Alors Ψ est lin´eaire. De plus, Ψ est surjective. En effet, siϕ∈F∗, alors d’apr`es le th´eor`eme des prolongements des formes lin´eaires, il existe Φ∈ E∗ telle que Φ|F =ϕ.
Donc Ψ(Φ) =ϕet Ψ est surjective.
On a
ker Ψ = {Φ∈E∗/Φ|F = 0F∗}
= {Φ∈E∗/∀x∈F, < x,Φ>= 0}
= F⊥.
On en d´eduit que E∗/F⊥ est isomorphe `a F∗.
K. Lamrini Uahabi -9- SMA S4 Alg`ebre 5
1.5. BIDUAL ET BASE PR´EDUALE
b) Soit π : E → F la surjection canonique et soit s : (E/F)∗ → E∗ d´efinie par s(Φ) = Φ◦π pour tout Φ ∈ (E/F)∗. Alors s est lin´eaire et de plus elle est injective.
Montrons queIm(s) =F⊥.
Soit ϕ∈F⊥. Alors < x, ϕ >= 0 pour toutx∈F. Soit Φ d´efinie par Φ◦π(x) =< π(x),Φ>=< x, ϕ >, ∀x∈E.
Alors Φ est bel et bien d´efinie : si π(x) = π(y), alors x−y ∈ F. Donc par hypoth`ese surϕ, < 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, soitϕ∈Im(s). Donc il existe Φ ∈(E/F)∗ telle ques(Φ) = Φ◦π =ϕ.
Donc pour toutx∈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 SoitE un espace vectoriel de dimension finie. Alors pour tout sous- espace vectoriel F de E, on a
dimE = dimF + dimF⊥.
D´emonstration : Etant donn´e que (E/F)∗ est isomorphe `a F⊥, alors dim(E/F)∗ = dimF⊥. Or, dim(E/F)∗ = dim(E/F) = dimE−dimF. D’o`u le r´esultat.
1.5 Bidual et base pr´ eduale
D´efinition 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 surIK. Consid`erons l’application Ψ : E −→ E∗∗
x 7−→ x,˜
o`u ˜x(ϕ) = Ψ(x)(ϕ) :=ϕ(x),∀ϕ∈E∗ et∀x∈E. Alors Ψ est lin´eaire et injective. Donc E s’identifie canoniquement `a un sous-espace vectoriel deE∗∗. Si E∗ est de dimension finie, alors dimE = dimE∗ = dimE∗∗ et donc Ψ est un isomorphisme et dans ce cas E s’identifie canoniquement `a E∗∗.
1.6. TRANSPOS´EE D’UNE APPLICATION LIN´EAIRE
Proposition 1.5.1 Soient E un espace vectoriel sur IK de dimension finie ´egale `a n.
Alors pour toute base {ϕ1, ϕ2, . . . , ϕn} de E∗, il existe une base {u1, u2, . . . , un} de E, dite base pr´eduale de {ϕ1, ϕ2, . . . , ϕn} v´erifiant u∗i =ϕi pour tout i= 1, . . . , n.
D´emonstration : Soit {ϕ1, ϕ2, . . . , ϕn}de E∗. Soit{ϕ∗1, ϕ∗2, . . . , ϕ∗n}sa base duale dans E∗∗. Etant donn´e queE est un espace vectoriel de dimension finie, alors d’apr`es la remarque pr´ec´edente l’application
Ψ : E −→ E∗∗
x 7−→ x,˜
est bijective. Pour chaquei, i= 1, . . . , n, posons ui = Ψ−1(ϕ∗i). Alors {u1, u2, . . . , un} est une base deE v´erifiant ˜ui =ϕ∗i, ∀i= 1, . . . , n. Donc pour tous i etj = 1, . . . , non a
< ui, ϕj >=< ϕj,u˜i >=< ϕj, ϕ∗i >=δij. on en d´eduit que u∗i =ϕi pour touti= 1, . . . , n.
1.6 Transpos´ ee d’une application lin´ eaire
D´efinition 1.6.1 Soient E et F des IK-espaces vectoriels. Soit ϕ : E → F une ap- plication lin´eaire. La transpos´ee de ϕ, qu’on note tϕ, est l’application de F∗ dans E∗ d´efinie par
tϕ(Φ) = Φ◦ϕ, ∀Φ∈F∗.
Autrement dit
∀Φ∈F∗, ∀x∈E, < x,tϕ(Φ)>=< ϕ(x),Φ> . (1.1) Proposition 1.6.1 L’application transpos´ee tϕest lin´eaire.
D´emonstration : Exercice.
Proposition 1.6.2 Soient E et F des IK-espaces vectoriels. Soit ϕ : E → F une application lin´eaire. Si ψ : F∗ →E∗ est une application lin´eaire v´erifiant
∀Φ∈F∗, ∀x∈E, < x, ψ(Φ)>=< ϕ(x),Φ>, alors ψ =tϕ.
K. Lamrini Uahabi -11- SMA S4 Alg`ebre 5
1.6. TRANSPOS´EE D’UNE APPLICATION LIN´EAIRE
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) =tϕ+tψ, t(λϕ) = λtϕ et t(Φ◦ϕ) = tϕ◦tΦ.
D´emonstration : Exercice.
Th´eor`eme 1.6.1 Soient E et F des IK-espaces vectoriels et ϕ∈ L(E, F). Alors i)kertϕ= (Imϕ)⊥.
ii) Imtϕ= kerϕ⊥.
D´emonstration : Exercice.
Th´eor`eme 1.6.2 Soient E un IK-espace vectoriel de dimension finie et ϕ un endo- morphisme deE. Soient B une base deE etB∗ sa base duale. SiA=M at(ϕ,B), alors M at(tϕ,B∗) =tA.
D´emonstration:SoientB ={e1, . . . , en}etB∗ ={e∗1, . . . , e∗n}. SoitA=M at(ϕ,B) = (aij)1≤i,j≤n. Donc pour tousi et j, on a
aji=< ϕ(ei), e∗j > .
Soit B = (bij)1≤i,j≤n la matrice associ´ee `a tϕ dans B∗. Pour tout j = 1, . . . , n, on a
tϕ(e∗j) =
n
X
k=1
bkje∗k. Par cons´equent, pour tout i= 1, . . . , n,
aji=< ei,tϕ(e∗j)>=< ei,
n
X
k=1
bkje∗k>=bij.
Chapitre 2
Formes bilin´ eaires et formes quadratiques
2.1 Formes bilin´ eaires sym´ etriques
2.1.1 D´ efinitions et propri´ et´ es ´ el´ ementaires
D´efinition 2.1.1 Soit E un IK-espace vectoriel. Une application Φ : E×E →IK est dite forme bilin´eaire surE si les deux conditions suivantes sont v´erifi´ees :
i) pour touty ∈E fix´e, l’application Φy : E →IK,x7→Φ(x, y) est une forme lin´eaire surE;
ii) pour toutx∈E fix´e, l’application Φx : E →IK,y7→Φ(x, y) est une forme lin´eaire surE.
la forme bilin´eaire Φ sur E est dite sym´etrique si ∀x, y ∈E, Φ(x, y) = Φ(y, x). Elle est diteantisym´etrique si ∀x, y ∈E, Φ(x, y) = −Φ(y, x).
Exemple 2.1.1 Soit E = C([0,1]) l’espace des fonctions r´eelles continues sur [0,1].
Alors l’application Φ d´efinie sur E×E par Φ(f, g) =
Z 1 0
f(t)g(t)dt
est une forme bilin´eaire sym´etrique sur E.
Exemple 2.1.2 Soit E =IKn, alors l’application ϕd´efinie par ϕ(x, y) =
n
X
i=1
xiyi
13
2.1. FORMES BILIN´EAIRES SYM´ETRIQUES
est une forme bilin´eaire sym´etrique sur IKn.
Exemple 2.1.3 L’application Φ(x, y) =x1y1+x2y2+x3y3−x4y4est une forme bilinaire surIR4.
Exemple 2.1.4 Soient Φ1et Φ2des formes lin´eaires surE. Alors l’application Φ(x, y) = Φ1(x)Φ2(y) est une forme bilin´eaire sur E.
En particulier, Φ(x, y) =xy est forme bilin´eaire sym´etrique surIR.
Exemple 2.1.5 L’application
E∗×E → IR
(x∗, x) 7→ < x, x∗ >
est une forme bilin´eaire dite canonique.
Exemple 2.1.6 L’application IR2 ×IR2 → IR, (x, y) 7→ det(x, y) est une forme bi- lin´eaire antisym´etrique.
Exemple 2.1.7 Soit M ∈ Mn(IR). Alors l’application ΨM : IRn×IRn → IR
(X, Y) 7→ tXM Y est une forme bilin´eaire sur IRn.
Remarque 2.1.1 i) si Φ est une forme bilin´eaire sym´etrique, alorsΦ(x+y, x+y) = Φ(x, x) + 2Φ(x, y) + Φ(y, y), ∀x, y ∈E.
ii) si Φ est antisym´etrique, alors Φ(x, x) = 0, ∀x∈E.
Proposition 2.1.1 Soitφ une forme bilin´eaire surE. Alors φ est identiquement nulle si, et seulement si, ∀x∈E, φ(x, x) = 0.
D´emonstration : Si φ(x, x) = 0 pour tout x ∈ E, alors d’apres i) de la remarque pr´ec´edente, 0 = φ(x+y, x+y) = 2φ(x, y). Ce qui implique que φ est identiquement nulle. L’autre sens est trivial.
2.1. FORMES BILIN´EAIRES SYM´ETRIQUES
2.1.2 Matrice associ´ ee ` a une forme bilin´ eaire
Proposition 2.1.2 Soit E un IR-espace vectoriel de dimension finie et de base B = {e1, e2, . . . , en}. Alors toute forme bilin´eaire Φ sur E est caract´eris´ee par l’ensemble {Φ(ei, ej),1≤i, j ≤n}.
D´emonstration:Soientxety∈E. Alorsx=x1e1+· · ·+xnenety=y1e1+· · ·+ynen. Donc
Φ(x, y) = Φ(
n
X
i=1
xiei,
n
X
j=1
yjej)
=
n
X
i=1
xiΦ(ei,
n
X
j=1
yjej)
=
n
X
i=1 n
X
j=1
xiyjΦ(ei, ej).
D’o`u le r´esultat.
D´efinition 2.1.2 Soient Φ : E×E →IRune forme bilin´eaire surEetB={e1, . . . , en} une base deE. La matrice associ´ee `a Φ dans la base B est la matrice d´efinie par
M atB(Φ) = (Φ(ei, ej))1≤i,j≤n.
Exemple 2.1.8 On consid`ere la forme bilin´eaire Φ d´efinie sur IR2[X] par Φ(P, Q) = P(0)Q(0) +P(1)Q(1) + 2P(2)Q(2).
la matrice associ´ee `a Φ dans la base canonique B={1, X, X2} est
M atB(Φ) =
Φ(1,1) Φ(1, X) Φ(1, X2) Φ(X,1) Φ(X, X) Φ(X, X2) Φ(X2,1) Φ(X2, X) Φ(X2, X2)
=
4 5 9
5 9 17 9 17 33
.
Th´eor`eme 2.1.1 Soit B = {e1, . . . , en} une base d’un IR-espace vectoriel E. Soit Φ une forme bilin´eaire sur E. Alors
Φ(x, y) = (x1· · ·xn)Mt(y1· · ·yn) o`u x=x1e1+· · ·+xnen, y=y1en+· · ·+ynen et M =M atB(Φ).
K. Lamrini Uahabi -15- SMA S4 Alg`ebre 5
2.1. FORMES BILIN´EAIRES SYM´ETRIQUES
En particulier, toute forme bilin´eaire sur IRn est de la forme
< , >M: IRn×IRn → IR (X, Y) 7→ tXM Y o`u M ∈ Mn(IR).
Corollaire 2.1.1 Une forme bilin´eaire est sym´etrique si, et seulement si, sa matrice dans une base quelconque est sym´etrique.
Th´eor`eme 2.1.2 Soit Φ une forme bilin´eaire sur IR-espace vectoriel E. Soient B = {e1, . . . , en}et B0 ={f1, . . . , fn} deux bases deE. Soit P la matrice de passage de base B `a la base B0. Alors la matrice associ´ee `a Φ dans la base B0 est donn´ee par
M atB0 =tP M atB0(Φ)P.
D´emonstration : Soit
P =
f11 · · · f1n f21 · · · f2n
... ... ... fn1 · · · fnn
.
Alors
tP M atB(Φ)P =
f11 · · · fn1 f12 · · · fn2 ... ... ... f1n · · · fnn
Φ(e1, e1) · · · Φ(e1, en) Φ(e2, e1) · · · Φ(e2, en)
... ... ... Φ(en, e1) · · · Φ(en, en)
f11 · · · f1n f21 · · · f2n ... ... ... fn1 · · · fnn
.
On remarque que le coefficient de la i-`eme ligne et de la j-`eme colonne est
n
X
k=1 n
X
l=1
fkiΦ(ek, el)flj
qui est ´egal `a Φ(fi, fj) le coefficient de la i-`eme ligne et de la j-`eme colonne de la matrice M atB0(Φ). Ce qui ach`eve la d´emonstration.
Exemple 2.1.9 Reprenons l’exemple pr´ec´edent
Φ(P, Q) = P(0)Q(0) +P(1)Q(1) + 2P(2)Q(2).
2.1. FORMES BILIN´EAIRES SYM´ETRIQUES
SoientB ={1, X, X2}la base canonique de IR2[X] et soit B0 ={1,1 +X,1 +X2}. On sait que
M atB(Φ) =
4 5 9
5 9 17 9 17 33
.
Alors d’apr`es le th´eor`eme pr´ec´edent,
M atB0(Φ) =t
1 1 1 0 1 0 0 0 1
4 5 9
5 9 17 9 17 33
1 1 1 0 1 0 0 0 1
=
4 9 13 9 23 35 13 35 55
.
2.1.3 Rang d’une forme bilin´ eaire
On rappelle que deux matrices carr´ees A et B de mˆeme ordre sont ´equivalentes s’il existe deux matrices inversibles P et Q telles que B = QAP. Dans ce cas, les deux matrices ont le mˆeme rang.
D´efinition 2.1.3 Soient A et B ∈ Mn(IK). On dit que A et B sont congruentes s’il existe une matrice inversibleP telle queB =tP AP.
Remarque 2.1.2 Deux matrices qui repr´esentent la mˆeme forme bilin´eaire par rap- port `a deux bases de E sont congruentes et donc ont le mˆeme rang.
D´efinition 2.1.4 Soit Φ une forme bilin´eaire surE. SoitB une base de E. On d´efinit le rang de Φ, not´e rg(Φ), par rg(Φ) =rg(M atB(Φ)).
Exemple 2.1.10 Le rang de la forme bilin´eaire Φ(P, Q) = P(0)Q(0) +P(1)Q(1) + 2P(2)Q(2) est ´egale `a 3.
2.1.4 Formes bilin´ eaires sym´ etriques non d´ eg´ en´ er´ ees
D´efinition 2.1.5 Une forme bilin´eaire Φ surIK-espace vectoriel E de dimension finie est dite d´eg´en´er´ee si rg(Φ) <dimE. Dans le cas contraire (si rg(Φ) = dimE), Φ est dite non-d´eg´en´er´ee.
Exemple 2.1.11 La forme bilin´eaire dans l’exemple pr´ec´edent est non-d´eg´en´er´ee.
K. Lamrini Uahabi -17- SMA S4 Alg`ebre 5
2.1. FORMES BILIN´EAIRES SYM´ETRIQUES
Th´eor`eme 2.1.3 soit Φune forme bilin´eaire sym´etrique sur E un espace vectoriel de dimension finie. Alors Φest non-d´eg´en´er´ee si, et seulement si, l’application
Ψ : E −→ E∗
y 7−→ Φy, o`u Φy(x) = Φ(x, y), ∀x∈E est injective.
D´emonstration : Soient B={e1, . . . , en} une base deE et B0 ={e∗1, . . . , e∗n} sa base duale. Soit M = M at(Ψ,B,B0) = (mij)1≤i,j≤n. Alors on a Ψ(ej) =
n
X
k=1
mkje∗k. Donc pour chaqueiet j, on a Φ(ej, ej) = Ψ(ej)(ei) =
n
X
k=1
mkje∗k(ei) = mij. On en d´eduit que M =M atB(Φ).
Ainsi, on aura,
Φ est non-d´eg´en´er´ee ⇐⇒ det(M)6= 0
⇐⇒ det(M at(Ψ,B,B0)6= 0
⇐⇒ Ψ est bijective
⇐⇒ Ψ est injective.
2.1.5 Orthogonalit´ e et vecteurs isotropes
D´efinition 2.1.6 Soit Φ une forme bilin´eaire surE. SoitA une partie non vide deE.
L’orthogonale deA par rapport `a la forme bilin´eaire Φ, qu’on note A⊥, est d´efini 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 bilin´eaire 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)⊥.
D´emonstration : Exercice. (A⊥=∩x∈Aker Φx)
2.1. FORMES BILIN´EAIRES SYM´ETRIQUES
Remarque 2.1.4 Par convention,
∅⊥ =V ect(∅)⊥ ={0}⊥ =E.
Proposition 2.1.4 SoientE un IK-espace vectoriel de dimension finie et Φune forme bilin´eaire sym´etrique sur E. Soit F un sous-espace vectoriel de E. Alors
i)dimF + dimF⊥ ≤dimE.
ii) Si de plus Φ est non-d´eg´en´er´ee, on aura dimF + dimF⊥ = dimE.
D´emonstration : On consid`ere l’application Ψ : E →F∗ d´efinie par Ψ(y)(x) = Φ(x, y), ∀y∈E, ∀x∈F.
Il est clair que Ψ est lin´eaire et ker Ψ =F⊥. i) Il d´ecoule du th´eor`eme du rang.
ii) On suppose que Φ est non-d´eg´en´er´ee et montrons que ImΦ = F∗. Soit ϕ ∈ F∗. D’apr`es le th´eor`eme de prolongement des formes lin´eaires, il existe ψ ∈ E∗ telle que ψ|F = ϕ. Etant donn´ee que Φ est non-d´eg´en´er´ee et E de dimension finie, alors l’application
ξ : E −→ E∗
y 7−→ ξ(y), o`u ξ(y)(x) = Φ(x, y),∀x∈E est bijective. Il existe donc uny∈E tel que ξ(y) =ψ. Par cons´equent,
∀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 d´eduit queImΨ =F∗. Maintenant, le th´eor`eme du rang affirme
dimF + dimF⊥ = dimE.
D´efinition 2.1.7 Soit Φ une forme bilin´eaire sym´etrique sur unIK-espace vectorielE.
i) Deux vecteurs xet y∈E sont orthogonauxsi Φ(x, y) = 0.
ii) Un vecteurx∈E estisotrope si Φ(x, x) = 0.
iii) Un sous-espace vectoriel F de E estisotrope si F ∩F⊥ 6={0}.
iv) Un sous-espace vectorielF deE est totalement isotrope si F ⊂F⊥.
K. Lamrini Uahabi -19- SMA S4 Alg`ebre 5
2.1. FORMES BILIN´EAIRES SYM´ETRIQUES
Exemple 2.1.12 Soit Φ la forme bilin´eaire sym´etrique d´efinie sur IR2 par Φ(x, y) = x1y1 −x2y2. 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 deE n’est pas n´ecessairement un sous-espace vectoriel deE.
2) Le noyau de Φ n’est pas en g´en´eral l’ensemble des vecteurs isotropes.
Th´eor`eme 2.1.4 Soit Φ une forme bilin´eaire sym´etrique 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.
D´emonstration :=⇒: Supposons E =F ⊕F⊥. AlorsF ∩F⊥ ={0} et doncF 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
D´efinition 2.1.8 Soit Φ une forme bilin´eaire sym´etrique sur unIK-espace vectoriel E de dimension finie ´egale `a n. On dit qu’une base B = {e1, . . . , en} de E est une base orthogonaledeE (relativement `a Φ) si
∀i, j = 1, . . . , n aveci6=j on aΦ(ei, ej) = 0.
Remarque 2.1.6 Soit Φ une forme bilin´eaire sym´etrique sur unEet soitB={e1, . . . , en} base orthogonale deE relativement `a Φ. Alors M atB(Φ) est une matrice diagonale. Si M atB(Φ) = (aij), alors pour tousx=
n
X
i=1
xiei ety=
n
X
i=1
yiei, on a Φ(x, y) =
n
X
i=1
aiixiyi. Th´eor`eme 2.1.5 Soient E un espace vectoriel de dimension finie et Φ une forme bilin´eaire sym´etrique sur E. Alors E poss`ede au moins une base orthogonale relative `a Φ.
D´emonstration : Nous proc´edons par r´ecurrence sur la dimension de E. Si n = 1, alors toute base est orthogonale.
2.2. FORMES QUADRATIQUES
Supposons quen≥2. Si Φ est identiquement nulle, alors toute base est orthogonale relativement `a Φ. Supposons donc que Φ n’est pas identiquement nulle. Alors il existe un vecteure1(non isotrope) v´erifiant Φ(e1, e1)6= 0. SoitF le sous-espace vectoriel engendr´e par e1, F = V ect(e1). Alors F ∩F⊥ = {0}. Donc d’apr`es le th´eor`eme pr´ec´edent, E = F ⊕F⊥. L’hypoth`ese de r´ecurrence montre qu’il existe une base {e2, . . . , en} de F⊥ orthogonale relativement `a 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 D´ efinition et propri´ et´ es ´ el´ ementaires
D´efinition 2.2.1 Soit E unIK-espace vectoriel. on dit q’une application Q : E →IK est une forme quadratique sur E s’il existe une forme bilin´eaire sym´etrique Φ sur E v´erifiant
∀x∈E, Q(x) = Φ(x, x).
Exemple 2.2.1 Soient E unIK-espace vectoriel et Φ une forme bilin´eaire sym´etrique surE. Alors l’application Q : E →IK d´efinie par
Q(x) := Φ(x, x), ∀x∈E,
est une forme quadratique sur E, appel´ee forme quadratique associ´ee `a la forme bi- lin´eaire sym´etrique Φ.
Th´eor`eme 2.2.1 Soient E un espace vectoriel sur IK et Qune forme quadratique sur E. Alors il existe une unique forme bilin´eaire sym´etrique `a laquelle Q est associ´ee.
Cette forme bilin´eaire sym´etrique Φ est appel´ee forme polaire de la forme quadratique Φ. Elle est reli´ee `a celle-ci par la formule de polarisation suivante :
∀x, y ∈E, Φ(x, y) = 1
2[Q(x+y)− Q(x)− Q(y)].
D´emonstration : Si Qest associ´ee `a une forme bilin´eaire sym´etrique 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 annonc´ee ci-haut.
K. Lamrini Uahabi -21- SMA S4 Alg`ebre 5
2.2. FORMES QUADRATIQUES
Exemple 2.2.2 Soit Q : IR3 →IRd´efinie dans la base canonique par Q(x) = 3x21+ 2x22−x23+ 5x1x2−6x1x3+ 7x2x3. En polarisant on obtient
Φ(x, y) = 3x1y1+ 2x2y2−x3y3+5
2x1y2+5
2x2y1−3x1y3−3x3y1+ 7
2x2y3+7 2x3y2. Remarque 2.2.1 Pusiqu’une forme quadratique est un polynˆome homog`ene de degr´e 2 en les composantes dex, il est clair que l’on a
Q(λx) =λ2Q(x), ∀x∈E, ∀λ∈IK.
On dit que Q(x) est une application homog`ene de degr´e 2.
Cependant, une application homog`ene de degr´e 2 n’est pas n´ecessairement une forme quadratique. En effet, si Q, IR2 →IRest l’application d´efinie par
Q=
x41+x42
x21+x22 six= (x1, x2)6= (0,0) 0 six= (0,0)
alors Qest homog`ene de degr´e 2 mais elle n’est pas un polynˆome en les xi.
D´efinition 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 associ´ee `a Φ dans une base B deE s’appelle aussi la matrice associ´ee `a Qdans 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 poss`ede une base or- thogonaleB, alors cette base s’apelle aussi une base QetQs’´ecrit par rapport `a cette base sous la forme r´eduite suivante :
∀x∈E, Q(x) =
n
X
i=1
aiix2i.
D´efinition 2.2.3 Le rang d’une forme quadratique est d´efini comme ´etant le rang de sa forme polaire associ´ee.
2.2. FORMES QUADRATIQUES
Th´eor`eme 2.2.2 Soient E un IK-espace vectoriel de dimension finie ´egale `a n et Q une forme quadratique sur E de rang r. Alors il existe des formes lin´eaires ϕ1, . . . , ϕr lin´eairement ind´ependantes et il existe des scalaires λ1, . . . , λr, non nuls, tels que
∀x∈E, Q(x) =
r
X
i=1
λiϕi(x)2.
D´emonstration :Soit B={e1, . . . , en}une base deE. Pour chaquex=
n
X
i=1
xiei dans E, on a
Q(x) =
n
X
i=1
aiix2i + 2 X
1≤i<j≤n
aijxixj.
Maintenant, soit B0 = {v1, . . . , vn} une base Q-orthogonale de E. Soit A = (aij) la matrice associ´ee `a Qdans cette base B0. Alors A est une matrice diagonale de rang r et le nombre des coefficients diagonaux non nuls est ´egal `a r. Quitte `a r´eordonner les vecteurs de la base B0, on peut supposer que pour tout i, i = 1, . . . , r, aii 6= 0. Donc pour chaque x=
n
X
i=1
x0ivi dans E, on a
Q(x) =
n
X
i=1
aiix0i2.
Soit P = (pij) la matrice de passage de la base B0 `a la base B. Alors on sait que
∀i, i= 1, . . . , n,x0i =
n
X
j=1
pijxi. SoitB∗ ={e∗1, . . . , e∗n}la base duale de B. Donc
∀j, j = 1, . . . , n, xj =< x, e∗j > . Pour chaque i, i= 1, . . . , n, soit
ϕi =
n
X
j=1
pije∗j.
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 Alg`ebre 5
2.2. FORMES QUADRATIQUES
2.2.2 R´ eduction d’une forme quadratique par la m´ ethode de Gauss
a) Cas de deux dimension :
Soient E un espace vectoriel sur IK, de dimension finie ´egale `a n = 2 et Q. Soit {e1, e2} une base de E et Q. Alors pour chaque x = x1e1 +x2e2 ∈ E, on a Q(x) = ax21+bx22+cx1x2.
Cas 1 : (a, b)6= (0,0). Supposons par exemple a6= 0. Alors Q(x) = ax12+bx22+ 2cx1x2
= a(x21+ 2cax1x2) +bx22
= a(x21+ cax22) + (b− ac22)x22
Si on prendλ1 =a, λ2 =b− ac22, ϕ1(x) = x21+acx22 etϕ2(x) = x2, alors on aura Q(x) =λ1ϕ1(x)2+λ2ϕ2(x)2.
Donc une base Q-orthogonaleB0 ={u1, u2} a pour matrice de passage de B `a la base B0, la matrice donn´ee par
P =
1 ca 0 1
−1
=
1 −ca
0 1
.
On en d´eduit que u1 =e1 et u2 =−ace1+e2.
Cas 1 2 (a, b) = (0,0). Si a= 0 et b = 0, alors Qs’´ecrit sous la forme Q(x) = 2cx1x2 = c
2(x1+x2)2− c
2(x1−x2)2.
Si on prendλ1 = c2, λ2 =−2c,ϕ1(x) =x+1x2 etϕ2(x) =x1−x2, alors on aura Q(x) =λ1ϕ1(x)2+λ2ϕ2(x)2.
Donc
P =
1 1
1 −1
−1
= 1 2
1 1
1 −1
.
Par cons´equent,u1 = 12e1+12e2 etu2 = 12e1− 12e2.
2.2. FORMES QUADRATIQUES
a) Cas de la dimension trois :
SoientB={e1, e2, e3}une base d’unIK-espace vectoriel E de dimension 3 etQ : E → IK une forme quadratique. Soit x=x1e1+x2e2+x3e3, alors on a
Q(x) =ax21+bx22+cx23+ 2dx1x2+ 2ex1x3 + 2f x2x3. 1er cas : (a, b, c)6= (0,0,0)
Supposons, par exemple, quea 6= 0. Donc
Q(x) = (ax12+ 2dx1x2+ 2ex1x3) +bx22+cx23+ 2f x2x3
= a(x21 + 2(dax2+ eax3)x1) +bx22+cx23+ 2f x2x3
= a((x1+ dax2+ eax3)2−(dax2+ eax3)2) +bx22+cx23 + 2f x2x3
= a(x1 +dax2 +eax3)2 +Q0(x2, x3).
o`u Q0 est une forme quadratique en (x2, x3). Pour terminer la d´ecomposition de Q, il reste `a d´ecomposer Q0 en tant que forme quadratique sur un espace vectoriel de dimension 2.
2`eme cas :(a, b, c) = (0,0,0) Alors
Q(x) = αx1x2+βx1x3+γx2x3 avec (α, β, γ)6= (0,0,0).
Supposons par exemple que α6= 0, alors
Q(x) = α(x1x2+ βαx1x3+αγx2x3)
= α((x1 +γαx3)(x2+βαx3)− βγα2x23)
= α(14((x1+αγx3) + (x2+ βαx3))2−14((x1+ γαx3)−(x2+ βαx3))2−βγα2x23)
= α4(x1+x2+β+γα x3)2− α4(x1−x2+γ−βα x3)2−βγαx23
= aX12+bX22+cX32
Soit
P =
1 1 β+γα 1 −1 γ−βα
0 0 1
.
Une base Q-orthogonale {v1, v2, v3} est d´efinie par sa matrice de passage P−1 de la base {e1, e2, e3} `a la base {v1, v2, v3}.
K. Lamrini Uahabi -25- SMA S4 Alg`ebre 5
2.3. SIGNATURE D’UNE FORME BILIN´EAIRE SYM´ETRIQUE
Exemple 2.2.3 Soit Q : IR3 → IR la forme quadratique d´efinie dans la base cano- nique B={e1, e2, e3} par
Q(x) =x21+ 3x22 + 7x23+ 2x1x2 + 8x2x3. La r´eduction de Gauss donne
Q(x) = (x1+x2)2+ 2(x2+ 2x3)2−x23 =ϕ1(x)2+ 2ϕ2(x)2−ϕ3(x)2. Posons
X1 =x1 +x2 X2 =x2 + 2x3 X3 =x3
X1, X2, X3sont les composantes du vecteursXdans une base orthogonaleB0 ={v1, v2, v3}.
SoitP la matrice de passage de la base canonique `a la baseB0. Alorst(x1, x2, x3) =P X. D’apr`es le syst`eme pr´ec´edent on a
x1 =X1−X2+ 2X3 x2 =X2−2X3
x3 =X3 Il vient que
P =
1 −1 2
0 1 −2
0 0 1
.
On en d´eduit 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 bilin´ eaire sym´ etrique
2.3.1 base orthogonale
D´efinition 2.3.1 SoientEunIK-espace vectoriel de dimension finie ´egale `anet Φ une forme bilin´eaire sym´etrique surE. Une base {e1, e2, . . . , en}est une base orthonormale deE, relativement `a Φ, si
Φ(ei, ej) =δij, ∀i, j ∈ {1, . . . , n}.