Cours2 Algèbre 5 SMA4 FSSM

Algèbre bilinéaire
Mohamed HOUIMDI
Université Cadi Ayyad
Faculté des Scieces-Semlalia
Département de Mathématiques
TABLE DES MATIÈRES
1 Formes linéaires – Dualité 2

1.1 Formes linéaires et hyperplans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.5 Espace vectoriel dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.7 Base duale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.12 Base préduale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.15 Prolongement des formes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.18 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.26 Bidual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.29 Transposée d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.35 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 Formes bilinéaires symétriques - Formes quadratiques 23

2.1 Formes bilinéaires symétriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1.1 Définition et propriètés élémentaires . . . . . . . . . . . . . . . . . . . . . . 23
2.3.1 Matrice d’une forme bilinéaire . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4.1 Ecriture matricielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.4.2 Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.5.1 Rang d’une forme bilinéaire . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.7.1 Formes bilinéaires symétriques non dégénérées . . . . . . . . . . . . . . . . 27
2.9.1 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.14.1 Bases orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.18 Formes quadratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.21.1 Méthode de Gauss pour la réduction d’une forme quadratique . . . . . . . . 35
2.22 Signature d’une forme bilinéaire symétrique . . . . . . . . . . . . . . . . . . . . . . 40
2.22.1 bases orthonormales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.25.1 Théorème d’inertie de Sylvestre . . . . . . . . . . . . . . . . . . . . . . . . 41
2.27 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3 Espaces eucldiens 48
3.1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
3.3.1 Notations et règles de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.3.2 Utilisation des bases orthonormales . . . . . . . . . . . . . . . . . . . . . . 51
3.4 Inégalité de cauchy-Schwartz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
ii
3.10 Procédé d’orthonormalisation de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . 54
3.13 Changement de bases orthonormales - Orientation . . . . . . . . . . . . . . . . . . . 56
3.19 Produit vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.19.1 Formes linéaires d’un espace euclidien . . . . . . . . . . . . . . . . . . . . 58
3.20.1 Définition et propriètés du produit vectoriel . . . . . . . . . . . . . . . . . . 58
3.25 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
4 Endomorphismes d’un espace euclidiens 67

4.1 Endomorphisme adjoint . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.5 Projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.5.1 Projection suivant une direction . . . . . . . . . . . . . . . . . . . . . . . . 69
4.7.1 Définition et propriètés d’une projection orthogonale . . . . . . . . . . . . . 70
4.10.1 Distance d’un point à un sous-espace vectoriel . . . . . . . . . . . . . . . . 74
4.13 Symétrie orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.13.1 Symétrie suivant une direction . . . . . . . . . . . . . . . . . . . . . . . . . 76
4.15.1 Propriètés des symétries orthogonales . . . . . . . . . . . . . . . . . . . . . 76
4.18 Endomorphismes symétriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.18.1 Définition et propriètés des endomorphismes symétriques . . . . . . . . . . 78
4.22.1 Formes bilinéaires symétriques d’un espace euclidien . . . . . . . . . . . . . 80
4.27 Endomorphismes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.27.1 Définition et propriètés de base . . . . . . . . . . . . . . . . . . . . . . . . . 82
4.32.1 Cas d’un espace euclidien de dimension 2 . . . . . . . . . . . . . . . . . . . 85
4.33.1 Cas d’un espace euclidien de dimension 3 . . . . . . . . . . . . . . . . . . . 86
4.35.1 Cas général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.38 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5 Formes sesquilinéaires - Formes quadratiques hermitiennes 106

5.1 Formes sesquilinéaires - Formes hemitiennes . . . . . . . . . . . . . . . . . . . . . 106
5.1.1 Quelques rappels sur les nombres complexes . . . . . . . . . . . . . . . . . 106
5.1.2 Définition et propriètés de base . . . . . . . . . . . . . . . . . . . . . . . . . 107
5.3.1 Matrice d’une forme sesquilinéaire . . . . . . . . . . . . . . . . . . . . . . 108
5.4.1 Ecriture matricielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.4.2 Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
5.5.1 Rang d’une forme sesquilinéaire . . . . . . . . . . . . . . . . . . . . . . . . 110
5.6.1 Formes hermitienne non dégénérée . . . . . . . . . . . . . . . . . . . . . . 110
5.8.1 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
5.12.1 Bases orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
5.16 Formes quadratiques hermitiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
5.19.1 Méthode de Gauss pour la réduction d’une forme quadratique hermitienne . . 115
5.20 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
6 Espaces hermitiens 121

6.1 Produit hermitien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.1.1 Définition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
6.3.1 Notations et règles de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . 122
6.3.2 Utilisation des bases orthonormales . . . . . . . . . . . . . . . . . . . . . . 123
6.4 Inégalité de cauchy-Schwartz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
6.8 Endomorphismes d’un espace hermitien . . . . . . . . . . . . . . . . . . . . . . . . 125
6.8.1 Endomorphisme adjoint . . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
6.11.1 Endomorphismes normaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 126
Page iii sur 135 Pr.Mohamed HOUIMDI

6.15.1 Endomorphismes hermitiens . . . . . . . . . . . . . . . . . . . . . . . . . . 129
6.18.1 Endomorphismes unitaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
6.23 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
Page 1 sur 135 Pr.Mohamed HOUIMDI

CHAPITRE 1
FORMES LINÉAIRES – DUALITÉ
1.1 Formes linéaires et hyperplans

Définition 1.2.
Une forme linéaire sur E est une application linéaire de E vers K.
Remarque 1.2.1
Rappelons que si E est un K-espace vectoriel, on dit que H est un hyperplan de E, si dim(E/H) = 1.
Donc si E est de dimension finie, alors
H est un hyperplan de E ⇐⇒ dim(H) = dim(E) − 1
Proposition 1.3.
Soit E un K-espace vectoriel quelconque. Alors

i) Le noyau d’une forme linéaire non nulle sur E est un hyperplan de E.
ii) Tout hyperplan de E est le noyau d’au moins une forme linéaire non nulle de E.
iii) Si ϕ et ψ sont deux formes linéaires non nulles de E. Alors
ker(ϕ) = ker(ψ) ⇐⇒ ∃λ ∈ K : ψ = λϕ
Preuve ?
i) Soit ϕ une forme linéaire non nul sur E, alors on sait que E/ ker(ϕ) est isomorphe à Im(ϕ).
Puisque ϕ 6= 0, alors Im(ϕ) 6= {0K }, donc Im(ϕ) = K. Par suite, E/ ker(ϕ) est isomorphe à K,
donc dim(E/ ker(ϕ)) = 1. Ainsi, ker(ϕ) est un hyperplan de E.
ii) (=⇒) Supposons que ker(ϕ) = ker(ψ) et soit x0 ∈ E, tel que x0 ∈
/ ker(ϕ), donc on aura
E = ker(ϕ) ⊕Vect(x0 )
Soit x ∈ E avec x = y0 + αx0 , alors ϕ(x) = αϕ(x0 ) et ψ(x) = αψ(x0 ). Puisque ϕ(x0 ) 6= 0,
0)
donc on voit que ψ(x) = ψ(x
ϕ(x0 ) ϕ(x) et ceci pour tout x ∈ E, donc on aura
ψ(x0 )
ψ= ϕ
ϕ(x0 )
2
(⇐=) Trivial.
Remarque 1.3.1
Le résultat ii) de la proposition précédente se généralise de la manière suivante :
Proposition 1.4.
Soient E un K-espace vectoriel quelconque, ϕ et ϕ1 , ϕ2 , . . . , ϕn des formes linéaires non

nulles sur E. Alors
n
\ n
ker(ϕi ) ⊆ ker(ϕ) ⇐⇒ ∃(λ1 , λ2 , . . . , λn ) ∈ K n : ϕ = ∑ λi ϕi
i=1 i=1
Preuve n
ker(ϕi ) ⊆ ker(ϕ) et montrons que ϕ ∈ Vect({ϕ1 , ϕ2 , . . . , ϕn }).
T
(=⇒) Supposons que
i=1
Pour cela, on procède par récurrence sur n ≥ 1.
? Pour n = 1, le résultat est vrai d’après la proposition précédente.
Supposons que n > 1 et la proprièté vraie pour tout entier m < n.
Première méthode : Pour chaque i ∈ {1, 2, . . . , n − 1}, soit ψi la réstriction de ϕi à ker(ϕn ) et
soit ψ la restriction de ϕ à ker(ϕn ), alors ψ1 , ψ2 , . . . , ψn−1 et ψ sont des formes linéaires
de ker(ϕn ) et on a
n−1
\
? ker(ψi ) ⊆ ker(ψ)
i=1
Ainsi, d’après l’hypothèse de récurrence, il existe (λ1 , λ2 , . . . , λn−1 ) ∈ K n−1 , tel que
n−1
ψ= ∑ λiψi
i=1
Soit β la forme linéaire de E définie par

n−1
β = ϕ − ∑ λi ϕi
i=1
Alors pour x ∈ ker(ϕn ), on a

n−1 n−1
β(x) = ϕ(x) − ∑ λi ϕi (x) = ψ(x) − ∑ λi ψi (x) = 0
i=1 i=1
Donc ker(ϕn ) ⊆ ker(β), donc d’après la proposition précédente, il existe λn ∈ K, tel que
β = λn ϕn , par suite, on aura
n
ϕ = ∑ λ i ϕi
i=1
Deuxième méthode : On peut supposer que ϕ1 , ϕ2 , . . . , ϕn sont linéairement indépendants, car

sinon, il existe i0 ∈ {1, 2, . . . , n}
n
ϕi0 = ∑ α i ϕi
i=1
i6=ϕi0

Donc quitte à réordonner les éléments, on peut supposer que i0 = n, donc on aura
n−1
ϕn = ∑ α i ϕi
i=1
n−1 n−1
ker(ϕi ) ⊆ ker(ϕn ) donc ker(ϕi ) ⊆ ker(ϕ), par suite d’après l’hypo-
T T
Ainsi, on aura
i=1 i=1
thèse de récurrence, il existe (λ1 , λ2 , . . . , λn−1 ) ∈ K n−1 , tel que
n−1
ϕ= ∑ λiϕi
i=1
Donc on aura le résultat.
Supposons, donc, que (ϕ1 , ϕ2 , . . . , ϕn ) est libre, donc, d’après l’hypothèse,
\
∀i ∈ {1, 2, . . . , n}, ker(ϕ j ) * ker(ϕi )
j=1
j6=i
Donc pour tout i ∈ {1, 2, . . . , n}, il existe yi ∈ E, tel que yi ∈ ker(ϕ j ) et yi ∈

T
/ ker(ϕi )
j=1
j6=i
yi
Si on pose xi = , alors ϕi (xi ) = 1 et ∀ j, j 6= i =⇒ ϕ j (xi ) = 0.
ϕi (yi )
Donc pour tout x ∈ E, on a
n
∀i ∈ {1, 2, . . . , n}, ϕi (x − ∑ ϕ j (x)x j ) = ϕi (x) − ϕi (x) = 0
j=1
Donc
n n
\
x − ∑ ϕ j (x)x j ∈ ker(ϕi )
j=1 i=1
Par suite,
n
∀x ∈ E, x − ∑ ϕ j (x)x j ∈ ker(ϕ)
j=1
Donc
n
∀x ∈ E, ϕ(x) = ∑ ϕ(x j )ϕ j (x)
j=1
Donc, si on pose pour tout j ∈ {1, 2, . . . , n}, λ j = ϕ(x j ), on aura
n
ϕ= ∑ λ jϕ j
j=1
(⇐=) Trivial.
1.5 Espace vectoriel dual

Définition 1.6.
Soit E un K-espace vectoriel. On appelle espace vectoriel dual de E, qu’on note E ∗ , l’es-
pace vectoriel de toutes les formes linéaires sur E.
E ∗ = L(E, K)

Notations
Pour x ∈ E et pour ϕ ∈ E ∗ , on pose
ϕ(x) =< x, ϕ >
Remarque 1.6.1
Si E est de dimension finie, alors on sait que L(E, K) est aussi de dimension finie et on a
dim(L(E, K)) = dim(E) × dim(K) = dim(E)
Donc si E est de dimension finie, alors E ∗ est aussi de dimension finie et on a
dim(E ∗ ) = dim(E)
Donc, en particulier, si E est de dimension finie, alors E et E ∗ sont isomorphes.

Cependant, si E n’est pas de dimension finie, E ∗ peut ne pas être isomorphe à E. (Voir exemple
ci-dessous).
Exemples
1. Soit K un corps commutatif, pour tout a ∈ K n avec a = (a1 , a2 , . . . , an ), soit ϕa l’application
définie par,
n
∀x ∈ K n , x = (x1 , x2 , . . . , xn ) =⇒ ϕa (x) = ∑ ai xi
i=1
Alors ϕa est une forme linéaire sur K n .

Réciproquement, soit ϕ une forme linéaire sur K n , alors il existe un unique a ∈ K n , tel que
ϕ = ϕa .
En effet, soit (e1 , e2 , . . . , en ) la base canonique de K n et pour chaque i ∈ {1, 2, . . . , n}, soit
ai = ϕ(ei ), alors pour x = (x1 , x2 , . . . , xn ), on a
n n n
ϕ(x) = ϕ( ∑ xi ei ) = ∑ xi ϕ(ei ) = ∑ ai xi = ϕa (x)
i=1 i=1 i=1
2. Soit K un corps commutatif, pour chaque x = (xn )n≥0 élément de K N , soit ϕx l’application
définie sur K[X] par,
p p
∀P ∈ K[X], P = ∑ ai X i =⇒ ϕx (P) = ∑ ai xi
i=1 i=1
Alors pour tout x ∈ K N , ϕx définit une forme linéaire sur K[X].

Réciproquement, soit ϕ une forme linéaire sur K[X], alors il existe un unique x = (xn )n≥0 élé-
ment de K N , tel que ϕ = ϕx .
En effet, soit (1, X, X 2 , . . . , X n , . . .) la base canonique de K[X] et pour chaque n ∈ N, soit
xn = ϕ(X n ), alors pour P = a0 + a1 X + · · · + a p X p , on a
p p p
ϕ(P) = ϕ( ∑ ai X i ) = ∑ ai ϕ(X i ) = ∑ ai xi = ϕx (P)
i=1 i=1 i=1
Ainsi, l’application
f : K N −→ (K[X])∗
x 7−→ ϕx
est un isomorphisme d’espaces vectoriels.

3. Soient K un corps commutatif et E = Mn (K), le K-espace vectoriel des matrices carrées d’ordre
n à coefficients dans K. Pour M ∈ Mn (K), avec M = (mi j )1≤i, j≤n , on sait que la trace de M,
notée tr(M), est définie par tr(M) = ∑ni=1 mi j . Alors
ϕ : Mn (K) −→ K
M 7−→ tr(M)
est une forme linéaire sur Mn (K).

Réciproquent, soit ϕ une forme linéaire sur Mn (K), alors il existe un unique A ∈ Mn (K), tel que
∀M ∈ Mn (K), ϕ(M) = tr(AM)
En effet, pour chaque (i, j) ∈ {1, 2, . . . , n}2 , soit Ei j la mtrice de Mn (K), dont tous les coefficients
sont nuls sauf celui de la ıième ligne et la jième colonne qui est égal à 1.
Alors pour chaque M ∈ Mn (K), avec M = (mi j )1≤i, j≤n , on a
n n
M=∑ ∑ mi j Ei j
i=1 j=1
Soit ϕ une forme linéaire sur Mn (K).

Pour (i, j) ∈ {1, 2, . . . , n}2 , soit ai j = ϕ(E ji ), alors on a
!
n n
∀M ∈ Mn (K), ϕ(M) = ϕ ∑ ∑ mi j Ei j
i=1 j=1
n n
=∑ ∑ mi j ϕ(Ei j )
i=1 j=1
n n
=∑ ∑ mi j a ji
i=1 j=1
!
n n
=∑ ∑ mi j a ji
i=1 j=1
n
= ∑ cii où MA = (ci j )1≤i, j≤n
i=1
= tr(MA) = tr(AM)
Remarque 1.6.2
Le Q-espace vectoriel Q[X] n’est pas isomorphe à son dual (Q[X])∗ .
En effet, pour chaque entier n ≥ 0, soit En = {P ∈ Q[X] : deg(P) ≤ n}, alors on sait que En est un
Q-espace espace vectoriel de dimension finie = n + 1, donc En est isomorphe à Qn+1 . Or on sait que
pour tout entier m ≥ 1, Qm est dénombrable, donc pour tout n ≥ 0, En est dénombrable.
∞
S
Puisque Q[X] = En et puisque une réunion dénombrables d’ensembles dénombrables est dénom-
n=0
brable, alors Q[X] est dénombrable.
D’après l’exemple précédent, on sait que (Q[X])∗ est isomorphe à QN , donc si on suppose que Q[X]
est isomorphe à son dual, alors QN serait dénombrable. Ce qui est absurde, car on sait que QN n’est
pas dénombrable. (Pour les questions de dénombrabilité, voir annexe).

1.7 Base duale
Proposition 1.8.
Soient E un K-espace vectoriel de dimension = n et (e1 , e2 , . . . , en ) une base quelconque de

E. Pour chaque i ∈ {1, 2, . . . , n}, on définit e∗i ∈ E ∗ , par
(
1 si j = i
∀ j ∈ {1, 2, . . . , n}, < e j , e∗i >= δi j =
0 si j 6= i
Alors (e∗1 , e∗2 , . . . , e∗n ) est une base de E ∗ , appelée base duale de E.
Preuve
Puisque dim(E ∗ ) = n, alors il suffit de montrer que (e∗1 , e∗2 , . . . , e∗n ) est libre. Pour cela, soit
(α1 , α2 , . . . , αn ) ∈ K n , tel que α1 e∗1 + α2 e∗2 + · · · + αn e∗n = 0. A-t-on α1 = α2 = · · · = αn = 0 ?
n n
∑ αie∗i = 0 =⇒ ∀ j ∈ {1, 2, . . . , n}, < e j , ∑ αie∗i >= 0
i=1 i=1
n
=⇒ ∀ j ∈ {1, 2, . . . , n}, ∑ αi < e j , e∗i >= 0
i=1
=⇒ ∀ j ∈ {1, 2, . . . , n}, α j = 0 (car < e j , e∗i >= δi j )
Proposition 1.9.
Soient E un K-espace vectoriel de dimension finie = n, (e1 , e2 , . . . , en ) une base de E et

(e∗1 , e∗2 , . . . , e∗n ) sa base duale, alors
i)
n
∀x ∈ E, x = ∑ < x, e∗i > ei
i=1
ii)
n
∀ϕ ∈ E ∗ , ϕ = ∑ < ei , ϕ > e∗i
i=1
Preuve n
i) Soit x ∈ E avec x = ∑ xi ei , alors pour tout j ∈ {1, 2, . . . , n}, on a
i=1
n
< x, e∗j >= ∑ xi < ei , e∗j >= x j (car < ei , e∗j >= δi j )
i=1
n
ii) Soit ϕ ∈ E ∗ avec ϕ = ∑ yi e∗i , alors pour tout j ∈ {1, 2, . . . , n}, on a
i=1
n
< e j , ϕ >= ∑ yi < e j , e∗i >= y j (car < ei , e∗j >= δi j )
i=1

Exemples
1. Soient K un corps commutatif et β = (e1 , e2 , . . . , en ) la base canonique de K n . Alors la base
duale β∗ = (e∗1 , e∗2 , . . . , e∗n ) est définie par
∀i ∈ {1, 2, . . . , n}, ∀x ∈ K n , x = (x1 , x2 , . . . , xn ) =⇒ e∗i (x) = xi
Donc pour tout i ∈ {1, 2, . . . , n}, e∗i est la ıième projection de K n sur K.
2. Soit β = (e1 , e2 , . . . , en ) la base canonique de Rn . Dans ce cas, pour tout i ∈ {1, 2, . . . , n}, on
pose e∗i = dxi , donc dxi est la ıième projection de Rn sur R :
∀x ∈ K n , x = (x1 , x2 , . . . , xn ) =⇒ dxi (x) = xi
Soit Ω un ouvert de Rn et soit f : Ω −→ R une fonction différentiable au point x0 ∈ Ω. Alors on
sait que la différentielle f 0 (x0 ) au point x0 est une forme linéaire sur Rn et on a
∀h ∈ Rn , f (x0 + h) − f (x0 ) = f 0 (x0 )(h) + o(khk)
D’après la proposition précédente, on a
n
f 0 (x0 ) = ∑ < ei , f 0 (x0 ) > dxi
i=1
Or, on sait que pour tout i ∈ {1, 2, . . . , n}, on a

∀t ∈ R, f (x0 + tei ) − f (x0 ) = t < ei , f 0 (x0 ) > +to(1)
Donc
f (x0 + tei ) − f (x0 )
∀t ∈ R, =< ei , f 0 (x0 ) > +o(1)
t
Ainsi, on aura
f (x0 + tei ) − f (x0 )
lim =< ei , f 0 (x0 ) >
t→0 t
On sait que la ıième dérivée partielle au point x0 est définie par
∂f f (x0 + tei ) − f (x0 )
(x0 ) = lim
∂xi t→0 t
Ainsi, on retrouve l’écriture canonique de f 0 (x0 ),
n
∂f
f 0 (x0 ) = ∑ (x0 )dxi
i=1 ∂xi
3. Soient K un corps commutatif et β = (1, X, . . . , X n ) la base canonique de Kn [X]. Alors la base

duale β∗ = (e∗0 , e∗1 , . . . , e∗n ) est définie par,
n
∀i ∈ {0, 1, . . . , n}, ∀P ∈ Kn [X], P = ∑ ak X k =⇒ e∗i (P) = ai
k=1
Pour chaque a ∈ K, soit ϕa la forme linéaire définie sur Kn [X] par,

∀P ∈ Kn [X], ϕa (P) = P(a)
Alors, d’après la proposition précédente, on a
n n
ϕa = ∑ < X i , ϕa > e∗i = ∑ ai e∗i
i=0 i=1

Proposition 1.10.

(e∗1 , e∗2 , . . . , e∗n ) sa base duale. Soit u un endomorphisme de E et A = (ai j )1≤i, j≤n la matrice
de u par rapport à la base (e1 , e2 , . . . , en ), alors
∀(i, j) ∈ {1, 2, . . . , n}2 , ai j =< u(e j ), e∗i >
Preuve
D’après la proposition précédente, on a
n
∀ j ∈ {1, 2, . . . , n}, u(e j ) = ∑ < u(e j ), e∗i > ei
i=1
Donc, si A = (ai j )1≤i, j≤n la matrice de u par rapport à la base (e1 , e2 , . . . , en ), alors
∀(i, j) ∈ {1, 2, . . . , n}2 , ai j =< u(e j ), e∗i >
Proposition 1.11.

(e∗1 , e∗2 , . . . , e∗n ) sa base duale. pour chaque (i, j) ∈ {1, 2, . . . , n}2 , on désigne par ei ⊗ e∗j l’en-
domorphisme de E défini par,
∀x ∈ E, (ei ⊗ e∗j )(x) =< x, e∗j > ei
Alors A = {ei ⊗ e∗j : (i, j)) ∈ {1, 2, . . . , n}2 } forme une base de L(E) et on a
∀(i, j)) ∈ {1, 2, . . . , n}2 , Mat(ei ⊗ e∗j , (e1 , e2 , . . . , en )) = Ei j
où les Ei j sont les matrices élémentaires de Mn (K).
Preuve
Puisque dim(L(E)) = n2 , alors il suffit de montrer que A est une partie génératrice de L(E). Pour
cela, soit u ∈ L(E) et soit A = (ai j )1≤i, j≤n la matrice de u par rapport à la base (e1 , e2 , . . . , en ). Pour
x élément quelconque de E, on sait que
n
x= ∑ < x, e∗j > e j
j=1

Donc, on aura
n n
x= ∑ < x, e∗j > e j =⇒ u(x) = ∑ < x, e∗j > u(e j )
j=1 j=1
!
n n
=⇒ u(x) = ∑ < x, e∗j > ∑ ai j ei
j=1 i=1
n n
=⇒ u(x) = ∑ ∑ ai j < x, e∗j > ei
i=1 j=1
n n
=⇒ u(x) = ∑ ∑ ai j (ei ⊗ e∗j )(x) (ceci pour tout x ∈ E)
i=1 j=1
n n
=⇒ u = ∑ ∑ ai j ei ⊗ e∗j
i=1 j=1
Ainsi, A est une partie génératrice de L(E).

Soit M = (mkl )1≤k,l≤n la matrice de ei ⊗ e∗j par rapport à la base (e1 , e2 , . . . , en ), alors, d’après la
proposition préédente, on a
∀(k, l)) ∈ {1, 2, . . . , n}2 , mkl =< (ei ⊗ e∗j )(el ), e∗k >=< el , e∗j >< ei , e∗k >
Donc on voit que

(
1 si k = i et l = j
mkl =
0 si k 6= i ou l 6= j
Donc M = Ei j .
1.12 Base préduale

Lemme 1.13.
Soient E un K-espace vectoriel de dimension finie, β = (e1 , e2 , . . . , en ) et γ = (v1 , v2 , . . . , vn )

deux bases de E, β∗ = (e∗1 , e∗2 , . . . , e∗n ) et γ∗ = (v∗1 , v∗2 , . . . , v∗n ) leurs bases duales.
Soit P la matrice de passage de β à γ et Q celle de β∗ à γ∗ . Alors
Q = t (P−1 ) = (t P)−1
Preuve
On pose P−1 = (αi j )1≤i, j≤nα et Q = (qi j )1≤i, j≤nα . Alors, d’après la proposition 3.9, on a
∀(i, j) ∈ {1, 2, . . . , n}2 , qi j =< ei , v∗j >
D’autre part, on a
n
∀i ∈ {1, 2, . . . , n}, ei = ∑ αkivk
k=1

Ainsi, on aura
∀(i, j) ∈ {1, 2, . . . , n}2 , qi j =< ei , v∗j >

n
=< ∑ αkivk , v∗j >
k=1
n
= ∑ αki < vk , v∗j >
k=1
= α ji
Théorème 1.14.
Soient E un K-espace vectoriel de dimension finie, β = (e1 , e2 , . . . , en ) une base de E et

(ϕ1 , ϕ2 , . . . , ϕn ) une base de E ∗ et Q la matrice de passage de la base (ϕ1 , ϕ2 , . . . , ϕn ) à la
base duale β∗ . Alors
i) Il existe une unique base γ = (v1 , v2 , . . . , vn ) de E, appelée base préduale de
(ϕ1 , ϕ2 , . . . , ϕn ), telle que ∀ j ∈ {1, 2, . . . , n}, v∗j = ϕ j .
ii) Si P est la matrice de passage de la base β à la base γ, alors P = (t Q)−1 = t (Q−1 ).
Preuve
i) (ϕ1 , ϕ2 , . . . , ϕn ) est libre, donc d’après la proposition 3.4, on a
n
\
∀ j ∈ {1, 2, . . . , n}, ker(ϕi ) * ker(ϕ j )
i=1
i6= j
n
Donc, pour tout j ∈ {1, 2, . . . , n}, il existe x j ∈ E, tel que x j ∈ ker(ϕi ) et x j ∈
T
/ ker(ϕ j ).
i=1
i6= j
xj
Pour chaque j ∈ {1, 2, . . . , n}, soit v j = , donc on aura
ϕ j (x j )
n n
∑ a j v j = 0 =⇒ ∀i ∈ {1, 2, . . . , n}, ϕi( ∑ a j v j ) = 0
j=1 j=1
=⇒ ∀i ∈ {1, 2, . . . , n}, ai = 0 car ϕi (v j ) = δi j
Donc γ = (v1 , v2 , . . . , vn ) est une base de E et on a ∀ j ∈ {1, 2, . . . , n}, v∗j = ϕ j .

ii) Conséquence du lemme précédent.
1.15 Prolongement des formes linéaires

Théorème 1.16.
Soient E un K-espace vectoriel quelconque et F un sous-espace vectoriel de E. Alors toute

forme linéaire sur F se prolonge en une forme linéaire de E.

Preuve
Soit ψ une forme linéaire sur F et soit G un supplémentaire de F dans E.
Soit ϕ la forme linéaire définie sur E, par
ϕ : E = F ⊕ G −→ K
x = x1 + x2 7−→ ϕ(x) = ψ(x1 )
Alors ϕ est un prolongement de ψ à E
Corollaire 1.17.
Soit E un K-espace vectoriel quelconque. Alors pour tout x ∈ E, avec x 6= 0, il existe une
forme linéaire ϕ ∈ E ∗ , tel que < x, ϕ >= 1.
Preuve
Soit F = Vect(x) et soit ψ la forme linéaire définie sur F par,
∀y ∈ F, y = αx =⇒ ψ(y) = α
D’après le théorème précédent, ψ se prolonge en une forme linéaire ϕ sur E. Donc on a
ϕ(x) = ψ(x) = 1
1.18 Orthogonalité
Définition 1.19.
Soit E un K-espace vectoriel.

i) Pour toute partie non vide A de E, l’orthogonal de A, qu’on note A⊥ , est la partie de E ∗
définie par
∀ϕ ∈ E ∗ , ϕ ∈ A⊥ ⇐⇒ ∀x ∈ A, < x, ϕ >= 0
ii) Pour toute partie non vide B de E,* le pré-orthogonal de B, qu’on note B◦ , est la partie de
E définie par
∀x ∈ E, x ∈ B◦ ⇐⇒ ∀ϕ ∈ B, < x, ϕ >= 0
Remarque 1.19.1
A⊥ = {ϕ ∈ E ∗ : ∀x ∈ A, ϕ(x) = 0}
B◦ = {x ∈ E : ∀ϕ ∈ B, ϕ(x) = 0}

Proposition 1.20.
Soit E un K-espace vectoriel. Alors

a) Pour toute partie A de E et Pour toute partie B de E, on a
A ⊆ B =⇒ B⊥ ⊆ A⊥
b) Pour toute partie A de E, A⊥ est un sous-espace vectoriel de E ∗ .

c) Pour toute partie A de E, A⊥ = (Vect(A))⊥ .
d) Pour toute partie B de E ∗ , B◦ est un sous-espace vectoriel de E.
e) Pour toute partie B de E ∗ , B◦ = (Vect(B))◦ .
f) E ⊥ = {0E ∗ } et E ∗◦ = {0E }
Preuve
a) Supposons que A ⊆ B et soit ϕ ∈ E ∗ , alors on a
ϕ ∈ B⊥ =⇒ ∀x ∈ B, ϕ(x) = 0
=⇒ ∀x ∈ A, ϕ(x) = 0 car A ⊆ B
=⇒ ϕ ∈ A⊥
b) Pour chaque x ∈ E, soit xe : E ∗ −→ K l’application définie par
∀ϕ ∈ E ∗ , xe(ϕ) = ϕ(x)
Alors xe est une forme linéaire sur E ∗ et on a
A⊥ =
\
x)
ker(e
x∈A
Donc A⊥ est un sous-espace vectoriel de E.

c) A ⊆ Vect(A), donc d’après a), Vect(A)⊥ ⊆ A⊥ .
m m
Soit ϕ ∈ A⊥ et soit x ∈ Vect(A) avec x = ∑ αi xi , où xi ∈ A, alors on a ϕ(x) = ∑ αi ϕ(xi ) = 0.
i=1 i=1
Donc ϕ ∈ (Vect(A)⊥ .
d) On remarque que si B est une partie de E ∗ , alors
B◦ =
\
ker(ϕ)
ϕ∈B
Donc B◦ est un sous-espace vectoriel de E.

e) Se démontre de la même manière que c).
f) Si ϕ ∈ E ⊥ , alors ∀x ∈ E, ϕ(x) = 0, donc ϕ = 0.
Supposons, par absurde que E ∗◦ 6= {0E }, donc il existe x 6= 0, tel que
∀ϕ ∈ E ∗ , ϕ(x) = 0
ce qui est absurde, car on sait que si x 6= 0, alors il existe ϕ ∈ E ∗ , telle que ϕ(x) = 1.

Proposition 1.21.
Soient E un K-espace vectoriel et F un sous-espace vectoriel de E. Alors

i) F ∗ est canoniquement isomorphe à E ∗ /F ⊥ .
ii) (E/F)∗ est canoniquement isomorphe à F ⊥ .
Preuve
i) Soit Φ : E ∗ −→ F ∗ l’application qui à chaque ϕ ∈ E ∗ fait correspondre sa réstriction à F.
Alors Φ est linéaire et d’après le théorème de prolongement, Φ est surjective.
ϕ ∈ ker(Φ) ⇐⇒ ∀x ∈ F, ϕ(x) = 0
⇐⇒ ϕ ∈ F ⊥
Donc, ker(Φ) = F ⊥ . On sait que E ∗ / ker(Φ) est isomorphe à Im(Φ), d’où le résultat.
ii) Soit s : E −→ E/F la surjection canonique et soit Ψ : (E/F)∗ −→ E ∗ l’application définie par
∀ϕ ∈ (E/F)∗ , Ψ(ϕ) = ϕ ◦ s
Alors, il est clair que Ψ est linéaire et que Ψ est injective.
Pour conclure, montrons que Im(Ψ) = F ⊥ .
ψ ∈ Im(Ψ) =⇒ ∃ϕ ∈ (E/F)∗ : ψ = ϕ ◦ s
=⇒ ∀x ∈ F, ψ(x) = ϕ(s(x)) = 0 car ∀x ∈ F, s(x) = 0
=⇒ ψ ∈ F ⊥
Réciproquement, soit ψ ∈ F ⊥ et soit ϕ : (E/F) −→ K définie par

∀x ∈ E, ϕ(s(x)) = ψ(x)
Alors ϕ est bien définie, car si s(x) = s(y), alors x − y ∈ F, donc ψ(x − y) = 0 et par suite,
ψ(x) = ψ(y), donc ϕ(s(x)) = ϕ(s(y)).
Ainsi, ϕ ∈ (E/F)∗ et on a ψ = ϕ ◦ s.
Donc ψ ∈ Im(Ψ) et par suite, (E/F)∗ est isomorphe à F ⊥ .
Corollaire 1.22.
Soit E un K-espace vectoriel de dimension finie. Alors pour tout sous-espace vectoriel F
de E, on a
dim(F) + dim(F ⊥ ) = dim(E)
Preuve
Conséquence directe du théorème précédent.
Lemme 1.23.
Soient E un K-espace vectoriel, F un sous-espace vectoriel de E et x ∈ E avec x ∈

/ F. Aloes,
il existe une forme linéaire ϕ sur E, telle que
< x, ϕ >= 1 et ∀y ∈ F, < y, ϕ >= 0

Preuve
Soit G un supplémentaire de Vect(x) + F dans E et soit H = F + G, alors E = Vect(x) ⊕ H et F ⊆ H.
Soit ϕ la forme linéaire définie par
ϕ : E = Vect(x) ⊕ H −→ K
Z =α
z = αx + y 7−→ ϕ(x)
Alors ϕ(x) = 1 et ∀y ∈ F, ϕ(y) = 0.
Théorème 1.24.
Soient E un K-espace vectoriel. Alors,

i) Pour tout sous-espace vectoriel F de E, on a
(F ⊥ )◦ = F
ii) Si E est de dimension finie, alors pour tout sous-espace vectoriel G de E,* on a
(G◦ )⊥ = G
Preuve
i) Il est clair, par définition que F ⊆ (F ⊥ )◦ , donc il suffit de montrer que (F ⊥ )◦ ⊆ F.
Pour cela, supposons, par absurde, qu’il existe x ∈ E, tel que x ∈ (F ⊥ )◦ et x ∈ / F. Donc d’après
∗
le lemme précédent, il existe ϕ ∈ E , telle que ϕ(x) = 1 et ∀y ∈ F, ϕ(y) = 0.
Ainsi, ϕ ∈ F ⊥ et puisque x ∈ (F ⊥ )◦ , alors, par définition de l’orthogonal, on a ϕ(x) = 0, ce qui
est absurde, car ϕ(x) = 1.
ii) On voit facilement que G ⊆ (G◦ )⊥ , donc il suffit de montrer que (G◦ )⊥ ⊆ G.
Pour cela, nous allons utiliser le fait que G est de dimension finie, donc il existe ϕ1 , ϕ2 , . . . , ϕm ,
tels que G = Vect({ϕ1 , ϕ2 , . . . , ϕm }).
Soit, maintenant, 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◦ et puisque

m
ϕ ∈ (G◦ )⊥ , alors ϕ(x) = 0. Ainsi, nous avons montré que ker(ϕi ) ⊆ ker(ϕ), donc d’après la
T
i=1
proposition 3.4, ϕ ∈ Vect({ϕ1 , ϕ2 , . . . , ϕm }).
Corollaire 1.25.
Soient E un K-espace vectoriel de dimension finie et F un sous-espace vectoriel de codi-

mension p, p = dim(E) − dim(F), alors il existe p formes linéaires, ϕ1 , ϕ2 , . . . , ϕ p , linéai-
rement indépendantes, telles que
p
\
F= ker(ϕi )
i=1

Preuve
F est de codimension p, donc dim(F ⊥ ) = p. Soit (ϕ1 , ϕ2 , . . . , ϕ p ) une base de F ⊥ , alors on aura,
p
⊥ ◦ ◦
\
(F ) = Vect({ϕ1 , ϕ2 , . . . , ϕ p }) = ker(ϕi )
i=1
D’aute part, d’après le théorème précédent, on a (F ⊥ )◦ = F. D’où le résultat.
Remarque 1.25.1
Soient E un K-espace vectorie de dimension finie = n, (e1 , e2 , . . . , en ) une base de E, F un sous-espace
vectoriel de E de codimension p et ϕ1 , ϕ2 , . . . , ϕ p les formes linéaires linéairement indépendantes,
p
T
telles que F = ker(ϕi ).
i=1
Pour chaque i ∈ {1, 2, . . . , p} et chaque j ∈ {1, 2, . . . , n}, on pose ai j = ϕi (e j ), alors
n n
∀x ∈ E, x = ∑ x j e j =⇒ ϕi(x) = ∑ ai j x j
j=1 j=1
Donc x ∈ F, si et seulement si, les composantes, x1 , x2 , . . . , xn , de x dans la base (e1 , e2 , . . . , en ), véri-

fient le système (S) suivant, de p équations à n inconnues,


 a11 x1 + a12 x2 + · · · + a1n xn = 0

a21 x1 + a22 x2 + · · · + a2n xn = 0

(S) : ..


 .

a x + a x + · · · + a x = 0
p1 1 p2 2 pn n
Ce système qui est de rang p, car (ϕ1 , ϕ2 , . . . , ϕ p ) est de rang p, s’appelle une représentation carté-
sienne du sous-espace vectoriel F.
Exemples
E un K-espace vectorie de dimension finie = n.
1. Une droite vectorielle de E possède une représentation cartésienne sous forme d’un système de
rang n − 1 et de n − 1 équations.
2. Un hyperplan de E possède une représentation cartésienne sous-forme d’une seule équation :
a1 x1 + a2 x2 + · · · + an xn = 0 avec (a1 , a2 , . . . , an ) 6= (0, 0, . . . , 0)
1.26 Bidual
Définition 1.27.
Soit E un K-espace vectoriel, on appelle bidual de E, qu’on note E ∗∗ , le dual de E ∗ .
E ∗∗ = (E ∗ )∗ = L(E ∗ , K)
Remarque 1.27.1
Considèrons l’application j : E −→ E ∗∗ définie par,
∀x ∈ E, ∀ϕ ∈ E ∗ , < ϕ, j(x) >=< x, ϕ >

Alors, il est facile de voir que j est linéaire injective. Donc E s’identifie canoniquement à un sous-
espace vectoriel de E ∗∗ .
En particulier, si E est de dimension finie, alors j est un isomorphisme, donc, dans ce cas, E s’identifie
canoniquement à E ∗∗ .
Proposition 1.28.
Soient E un K-espace vectoriel de dimension finie = n et j : E −→ E ∗∗ l’isomorphisme

canonique entre E et E ∗∗ . Alors
i) Pour toute base β de E, on a j(β) = β∗∗ , où β∗∗ = (β∗ )∗ est la base duale de β∗ dans E ∗∗ .
ii) Si γ est une base de E ∗ , γ∗ sa base duale dans E ∗∗ et β est sa base préduale dans E, alors
β = j−1 (γ∗ )
Preuve
i) Soit β = (e1 , e2 , . . . , en ) une base de E, alors on a
∀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 )∗ .
ii) Puisque β∗ = γ, alors, d’après i), j(β) = γ∗ , donc β = j−1 (γ∗ ).
1.29 Transposée d’une application linéaire

Définition 1.30.
Soient E et F deux K-espaces vectoriels et f : E −→ F une application linéaire. On appelle

application transposée de f , qu’on note tf , l’application linéaire de F ∗ dans E ∗ définie par,
∀ϕ ∈ F ∗ , tf (ϕ) = ϕ ◦ f
Remarque 1.30.1
Par définition de l’application transposée d’une application linéaire f , on a
∀x ∈ E, ∀ϕ ∈ F ∗ , < x, t f (ϕ) >=< f (x), ϕ >
De plus, t f est l’unique application linéaire de F ∗ vers E ∗ vérifiant cette relation.

En effet, soit g : F ∗ −→ E ∗ une application linéaire telle que
∀x ∈ E, ∀ϕ ∈ F ∗ , < x, g(ϕ) >=< f (x), ϕ >
Alors, il est clair que ∀ϕ ∈ F ∗ , g(ϕ) = ϕ ◦ f , donc g = t f .
Proposition 1.31.
Soient E, F et G trois K-espaces vectoriels. Alors

a) ∀ f ∈ L(E, F), ∀g ∈ L(E, F), t( f + g) = t f + tg.
b) ∀λ ∈ K, ∀ f ∈ L(E, F), t(λ f ) = λ t f .
c) ∀ f ∈ L(E, F), ∀g ∈ L(F, G), t(g ◦ f ) = t f ◦ tg.

Preuve
a)
∀ϕ ∈ F ∗ , t( f + g)(ϕ) = ϕ ◦ ( f + g) = ϕ ◦ f + ϕ ◦ g = t f (ϕ) + tg(ϕ)
Donc t( f + g) = t f + tg.
b)
∀ϕ ∈ F ∗ , t(λ f )(ϕ) = ϕ ◦ (λ f ) = λ(ϕ ◦ f ) = λ t f (ϕ)
Donc t(λ f ) = λ t f .
c)
∀ϕ ∈ G∗ , t(g ◦ f )(ϕ) = ϕ ◦ (g ◦ f ) = (ϕ ◦ g) ◦ f = tg(ϕ) ◦ f = t f ( tg(ϕ)) = ( t f ◦ tg)(ϕ)
Donc t(g ◦ f ) = t f ◦ tg.
Théorème 1.32.
Soient E et F deux K-espaces vectoriels et f : E −→ F une application linéaire. Alors,

i) ker( t f ) = (Im( f ))⊥ .
ii) Im( t f ) = (ker( f ))⊥ .
Preuve
i)
ϕ ∈ ker( t f ) ⇐⇒ t f (ϕ) = 0
⇐⇒ ϕ ◦ f = 0
⇐⇒ ∀x ∈ E, < f (x), ϕ >= 0
⇐⇒ ϕ ∈ (Im( f ))⊥
ii) Soit ψ ∈ Im( t f ), alors il existe ϕ ∈ F ∗ , telle que ψ = t f (ϕ), donc on aura,
∀x ∈ ker( f ), < x, ψ >=< x, t f (ϕ) >=< f (x), ϕ >= 0
donc ψ ∈ (ker( f ))⊥ , par suite, Im( t f ) ⊆ (ker( f ))⊥ .
Réciproquement, soit ψ ∈ (ker( f ))⊥ et soit G un supplémentaire de Im( f ) dans F.
Soit ϕ : F −→ K la correspondance définie par,
ϕ : F = Im( f ) ⊕ G −→ K
y = f (x) + z 7−→ ψ(x)
Alors ψ définit bien une application, car si y = f (x) + z = f (x0 ) + z, alors x − x0 ∈ ker( f ), donc
ψ(x − x0 ) = 0 et ainsi ψ(x) = ψ(x0 ), et on a
∀x ∈ E, ϕ( f (x)) = ψ(x)
Donc ψ = ϕ ◦ f = t f (ϕ).
Théorème 1.33.
Soient E un K-espace vectoriel de dimension finie = n, β = (e1 , e2 , . . . , en ) une base de E

et β∗ sa base duale. Alors pour tout endomorphisme u de E, on a
Mat( tu, β∗ ) = tMat(u, β)

Preuve
Soient A = Mat(u, β) et B = Mat( tu, β∗ ) avec A = (ai j )1≤i, j≤n et B = (bi j )1≤i, j≤n , alors on sait que
∀(i, j) ∈ {1, 2, . . . , n}2 , ai j =< u(e j ), e∗i >
n
∀ j ∈ {1, 2, . . . , n}, tu(e∗j ) = ∑ bk j e∗k
k=1
Donc,
n
∀(i, j) ∈ {1, 2, . . . , n}2 , a ji =< u(ei ), e∗j >=< ei , tu(e∗j ) >= ∑ bk j < ei, e∗k >= bi j
k=1
Donc B = tA.
Proposition 1.34 (Dualité et stabilité).
Soient E un K-espace vectoriel, u un endomorphisme de E et F un sous-espace vectoriel de

E. Alors,
F est stable par u ⇐⇒ F ⊥ est stable par tu
Preuve
(=⇒) Supposons que F est stable par u. Alors pour ϕ ∈ F ⊥ , on a
∀x ∈ F, < x, tu(ϕ) >=< u(x), ϕ >= 0 (car u(x) ∈ F et ϕ ∈ F ⊥ )
Donc tu(ϕ) ∈ F ⊥ et par suite, F ⊥ est stable par tu.

(⇐=) Supposons que F ⊥ est stable par tu. Alors pour x ∈ F, on a
x ∈ F =⇒ ∀ϕ ∈ F ⊥ , < x, tu(ϕ) >= 0 (car tu(ϕ) ∈ F ⊥ )

=⇒ ∀ϕ ∈ F ⊥ , < u(x), ϕ >= 0
=⇒ u(x) ∈ (F ⊥ )◦
=⇒ u(x) ∈ F (car, d’après le théorème 3.24, (F ⊥ )◦ )
Donc F est stable par u.
1.35 Exercices
Exercice 1
Pour chaque entier n ≥ 1, Rn [X] désigne l’ensemble des polynômes à coëfficients réels de degré ≤ n.
Soit ϕ l’application définie par,
ϕ : Rn [X] −→ R
P 7−→ 01 P(t)dt
R
1. Montrer que Rn [X] est un R-espace vectoriel. Quelle est sa dimension ?

2. Montrer que ϕ est une forme linéaire sur Rn [X].

3. Pour chaque i ∈ {0, 1, 2, . . . , n}, soit ϕi l’application définie par,
ϕi : Rn [X] −→ R
P 7−→ P( ni )
Montrer que ∀i ∈ {0, 1, 2, . . . , n}, ϕi est une forme linéaire sur Rn [X] et que (ϕ0 , ϕ1 , . . . , ϕn ) est
une base de (R[X])∗ .
4. En déduire qu’il existe des réels a0 , a1 , . . . , an , tels que
Z 1 n
i
∀P ∈ Rn [X], P(t)dt = ∑ ai P( )
0 i=0 n
Exercice 2
E = R3 [X] est muni de sa base canonique (e0 , e1 , e2 , e3 ), où e0 = 1, e1 = X, e2 = X 2 et e3 = X 3 . Soit
F la partie de E définie par,
P ∈ F ⇐⇒ P(1) = 0 et P00 (0) = 0
a) Vérifier que F est un sous-espace vectoriel de E et déterminer une base de F.
b) Quelle est la dimension de F ?
c) Montrer que
∀ϕ ∈ E ∗ , ϕ ∈ F ⊥ ⇐⇒ ϕ(e0 ) = ϕ(e1 ) = ϕ(e3 )
d) Soient ϕ0 , ϕ1 , ϕ2 et ϕ3 les formes linéaires définies sur E par,
ϕ0 = e∗2



ϕ = e∗ + e∗ + e∗

1 0 1 3
ϕ = e∗ − e∗


 2 1 2
ϕ3 = e2 − e∗3
∗

Vérifier que (ϕ0 , ϕ1 , ϕ2 , ϕ3 ) est une base de E ∗ et déterminer sa base préduale (v0 , v1 , v2 , v3 ).
Exercice 3
On considère les formes linéaires ϕ1 , ϕ2 , ϕ3 , ϕ4 définies sur R3 [X] par,
∀P ∈ R3 [X], ϕ1 (P) = P(0), ϕ2 (P) = P(1), ϕ3 (P) = P0 (0) et ϕ4 (P) = P0 (1)
où P0 désigne le polynôme dérivé de P.

a) Montrer que γ = (ϕ1 , ϕ2 , ϕ3 , ϕ4 ) est une base de (R3 [X])∗ .
b) Déterminer la base préduale β de γ dans R3 [X].
c) Soit ϕ la forme linéaire définie sur R3 [X] par,
Z 1
∀P ∈ R3 [X], ϕ(P) = P(t)dt
0
Déterminer les composantes de ϕ dans la base γ.
Exercice 4
On désigne par (e1 , e2 , e3 ) la base canonique de C2 [X]. Rappelons que
e0 = 1, e1 = X et e2 = X 2
a) Déterminer (e∗0 , e∗1 , e∗2 ) la base duale de (e0 , e1 , e2 ).

b) Soient a, b et c trois points deux à deux distincts de C. On pose
P1 = (X − b)(X − c), P2 = (X − a)(X − c) et P3 = (X − a)(X − b)
Montrer (P1 , P2 , P3 ) est une base de C2 [X] et trouver les coordonnées d’un polynôme P dans
cette base.
c) Déterminer la base duale (P1∗ , P2∗ , P3∗ ) de (P1 , P2 , P3 ).
d) Soit u l’endomorphisme de C2 [X] défini par ;
∀P ∈ C2 [X], u(P) = XP0 + P
Déterminer tu.
Exercice 5
Soit E = Kn [X]. Dans chacun des cas suivants, montrer que β = (ϕ1 , ϕ2 , . . . , ϕn ) est une base de E ∗ et
déterminer sa base préduale :
a)
∀i ∈ {1, 2, . . . , n}, ∀P ∈ E, ϕi (P) = P(xi )
x0 , x1 , . . . , xn sont des éléments deux à deux distincts de K.
b)
∀i ∈ {1, 2, . . . , n}, ∀P ∈ E, ϕi (P) = P(i) (0)
c)
∀i ∈ {1, 2, . . . , n}, ∀P ∈ E, ϕi (P) = P(i) (xi )
x0 , x1 , . . . , xn sont des éléments deux à deux distincts de K.
Exercice 6
E = Kn [X] et ϕ une forme linéaire sur E.
1. On suppose qu’il existe a ∈ K, tel que
∀P ∈ Kn [X], ϕ((X − a)P) = 0
Montrer qu’il existe α ∈ K, tel que ∀P ∈ E, ϕ(P) = αP(a).

2. On suppose qu’il existe a ∈ K, tel que
∀P ∈ Kn [X], ϕ((X − a)2 P) = 0
Montrer qu’il existe (α, β) ∈ K2 , tels que ∀P ∈ E, ϕ(P) = αP(a) + βP0 (a).
Exercice 7
Soient K un corps commutatif et ϕ1 , ϕ2 , . . . , ϕn , n ≥ 2, les formes linéaires de K n définies par :
(
∀i ∈ {1, 2, . . . , n − 1}, ϕi (x) = xi + xi+1
∀x ∈ K n , x = (x1 , x2 , . . . , xn ) =⇒
ϕn (x) = x1 + xn
1. Pour quelles valeurs de n, (ϕ1 , ϕ2 , . . . , ϕn ) forme une base de (K n )∗ ?

2. Dans le cas où (ϕ1 , ϕ2 , . . . , ϕn ) forme une base de (K n )∗ , déterminer sa base préduale.
Exercice 8
Pour chaque aR, on considère la forme linéaire ϕa définie sur R2 [X], par :
∀P ∈ R2 [X], ϕa (P) = P(a)

1. Montrer que (ϕ−1 , ϕ0 , ϕ1 ) est une base de (R2 [X])∗ .
2. En déduire qu’il existe des constantes α, β et γ ; tels que,
Z 1
∀P ∈ R2 [X], P(t)dt = αP(−1) + βP(0) + γP(1) (Formule des trois niveaux)
−1
3. Déterminer la base préduale de (ϕ−1 , ϕ0 , ϕ1 ).

4. Calculer les constantes α, β et γ.
Exercice 9
Soient E un K-espace vectoriel de dimension finie, ϕ et ψ deux formes linéaires non nulles sur E.
Montrer qu’il existe x ∈ E, tel que ϕ(x)ψ(x) 6= 0.
Exercice 10
Soient E un K-espace vectoriel de dimension finie = n et (e1 , e2 , . . . , en ) un système de vecteurs de E,
tels que,
∀ϕ ∈ E ∗ , ϕ(e1 ) = ϕ(e2 ) = · · · = ϕ(en ) = 0 =⇒ ϕ = 0
Montrer que (e1 , e2 , . . . , en ) est une base de E.
Exercice 11
Soient E un K-espace vectoriel de dimension finie = n et ϕ1 , ϕ2 , . . . , ϕn des formes linéaires sur E.
On suppose qu’il existe x ∈ E, tel que ϕ1 (x) = ϕ2 (x) = · · · = ϕn (x) = 0.
Montrer que la famille (ϕ1 , ϕ2 , . . . , ϕn ) est liée.
Exercice 12
Soient E un K-espace vectoriel de dimension infinie. Montrer que si ϕ1 , ϕ2 , . . . , ϕn sont des formes
linéaires sur E, alors
n
ker(ϕi ) 6= {0}.
T
i)
i=1
n
T
ii) ker(ϕi ) est de codimension finie.
i=1
Exercice 13
Soient E un K-espace vectoriel quelconque et p un entier ≥ 1. On suppose qu’il existe p formes
linéaires ϕ1 , ϕ2 , . . . , ϕ p , telles que
∀x ∈ E, ϕ1 (x) = ϕ2 (x) = · · · = ϕ p (x) = 0 =⇒ x = 0
Montrer que E est de dimension finie ≤ p.

Exercice 14
Soient β1 et β2 deux bases d’un K-espace vectoriel E et soit P la matrice de passage de β1 à β2 .
Déterminer la matrice de passage Q de β∗1 à β∗2 .
Exercice 15
Soient E et F deux K-espaces vectoriels, V un sous-espace de E et f : E −→ F une application
linéaire. Montrer que
f (V )⊥ = (t f )−1 (V ⊥ )
Exercice 16
Soient E un K-espace vectoriel, F et G deux sous-espace vectoriels de E, tels que E = F ⊕ G.
Montrer que
E ∗ = F ⊥ ⊕ G⊥

CHAPITRE 2
FORMES BILINÉAIRES SYMÉTRIQUES -
FORMES QUADRATIQUES
2.1 Formes bilinéaires symétriques

2.1.1 Définition et propriètés élémentaires
Définition 2.2.
Soit E un K-espace vectoriel, où K est un corps commutatif quelconque.

a) On dit qu’une application f : E × E −→ K est une forme bilinéaire sur E, si
i) Pour tout y ∈ E, (y fixé), l’application,
ϕy : E −→ K
x 7−→ ϕy (x) = f (x, y)
est une forme linéaire sur E.

ii) Pour tout x ∈ E, (x fixé), l’application,
ϕx : E −→ K
y 7−→ ϕx (y) = f (x, y)
est une forme linéaire sur E.

b) Une forme bilinéaire f sur E est dite symétrique, si
∀x ∈ E, ∀y ∈ E, f (y, x) = f (x, y)
c) Une forme bilinéaire f sur E est dite antisymétrique, si
∀x ∈ E, ∀y ∈ E, f (y, x) = − f (x, y)
Remarque 2.2.1
1. Si f est une forme bilinéaire quelconque, alors
∀x ∈ E, ∀y ∈ E, f (x + y, x + y) = f (x, x) + f (x, y) + f (y, x) + f (y, y)
∀α ∈ K, ∀β ∈ K, ∀x ∈ E, ∀y ∈ E, f (αx, βy) = αβ f (x, y)
23
2. Si f est une forme bilinéaire symétrique, alors
∀x ∈ E, ∀y ∈ E, f (x + y, x + y) = f (x, x) + 2 f (x, y) + f (y, y)
3. Si f est antisymétrique, alors
∀x ∈ E, f (x, x) = 0
Notations
On désigne par L2 (E) l’ensemble de toutes les formes linéaires sur E, S2 (E) l’ensemble de toutes les
formes bilinéaires symétriques sur E et A2 (E) celui de toutes les formes bilinéaires antisymétriques
sur E
Proposition 2.3.
Soit E un K-espace vectoriel quelconque, alors

i) L2 (E) est un K-espace vectoriel.
ii) Si K est un corps de caractéristique 6= 2, alors L2 (E) = S2 (E) A2 (E)
L
Preuve
i) Il est facile de vérifier que la somme de deux formes linéaires et la multiplication d’une forme
linéaire par un scalaire sont aussi des formes linéaires, donc L2 (E) est un sous-espace vectoriel
du K-espace vectoriel de toutes les applications de E × E vers K.
ii) Remarquons d’abord que si K est un corps de caractéristique = 2, alors 1K = −1K , donc dans ce
cas S2 (E) = A2 (E).
Supposons, maintenant que K est un corps de caractéristique 6= 2. Soit f une forme bilinéaire
qui est à la fois symétrique et antisymétrique, alors on aura
∀(x, y) ∈ E × E, f (x, y) = f (y, x) et f (x, y) = − f (y, x)
Donc ∀(x, y) ∈ E × E, 2K f (x, y) = 0K , puisque 2K 6= 0K , alors on a,
∀(x, y) ∈ E × E, f (x, y) = 0K
Donc S2 (E) A2 (E) = {0}.
T
Soit f ∈ L2 (E) et soient g et h les applications de E × E vers K définies par

f (x, y) + f (y, x) f (x, y) − f (y, x)
∀(x, y) ∈ E × E, g(x, y) = et h(x, y) =
2 2
Alors, il est facile de vérifier que g est bilinéaire symétrique, que h est bilinéaire antisymétrique
et que f = g + h. Donc L2 (E) = S2 (E) + A2 (E).
Dans toute la suite, sauf indication du contraire, on suppose que K est un corps commutatif de carac-
téristique 6= 2.
2.3.1 Matrice d’une forme bilinéaire

Définition 2.4.
Soient E un K-espace vectoriel de dimension finie = n, (e1 , e2 , . . . , en ) une base de E et f

une forme bilinéaire sur E. On dit qu’une matrice A = (ai j )1≤i, j≤n est la matrice de f par
rapport à la base (e1 , e2 , . . . , en ), si
∀(i, j) ∈ {1, 2, . . . , n}2 , ai j = f (ei , e j )

Remarque 2.4.1
Soient E un K-espace vectoriel de dimension finie = n, β = (e1 , e2 , . . . , en ) une base de E.
1. Si f est une forme bilinéaire, alors A = ( f (ei , e j ))1≤i, j≤n est la matrice de f par rapport à la
base β.
2. Réciproquement, soit A = (ai j )1≤i, j≤n une matrice carrée d’ordre n à coefficients dans K et soit
f : E × E −→ K, l’application définie par :
n n
∀(x, y) ∈ E × E, f (x, y) = ∑ ∑ ai j xiy j
i=1 j=1
n n
où x = ∑ xi ei et y = ∑ y j e j , alors f définit une forme bilinéaire sur E, dont la matrice par
i=1 j=1
rapport à la base β est égale à A.
Signalons que l’expression, ci-dessus, de f (x, y) peut aussi s’écrire sous la forme :
f (x, y) = ∑ ai j xi y j
1≤i, j≤n
ou encore sous la forme :

f (x, y) = ∑ ai j xi y j (où Nn = {1, 2, . . . , n})
(i, j)∈N2n
3. Si f est une forme bilinéaire sur E et si A = (ai j )1≤i, j≤n est la matrice de f par rapport à la
base β, alors
i) f est symétrique ⇐⇒ tA = A.
(où tA désigne la matrice transposée de A).
Donc, si f est symétrique, alors ∀(i, j) ∈ N2n , ai j = a ji , par suite, dans ce cas, l’expression
de f (x, y) s’écrit sous la forme :
n
f (x, y) = ∑ aii xi yi + ∑ ai j (xi y j + x j yi )
i=1 1≤i< j≤n
Donc, en particulier, si f est symétrique, alors,

n
∀x ∈ E, f (x, x) = ∑ aii xi2 + 2 ∑ ai j xi x j
i=1 1≤i< j≤n
ii) f est antisymétrique ⇐⇒ tA = −A.
2.4.1 Ecriture matricielle

Soient E un K-espace vectoriel de dimension finie = n, β = (e1 , e2 , . . . , en ) une base de E,
f : E × E −→ K une forme bilinéaire sur E et A la matrice de f par rapport à la base β.
n
Pour chaque x ∈ E avec x = ∑ xi ei , on pose
i=1
 
x1
x2 
X =  ..  , donc t X = (x1 , x2 , . . . , xn )
 
.
xn
Alors f possède une expression matricielle sous la forme :
∀(x, y) ∈ E × E, f (x, y) = t XAY

2.4.2 Changement de base
Proposition 2.5.
Soient E un K-espace vectoriel de dimension finie = n, β = (e1 , e2 , . . . , en ) et

β0 = (e01 , e02 , . . . , e0n ) deux bases de E, f une forme bilinéaire sur E, A et B sont respective-
ment les matrices de f par rapport aux bases β et β0 . Soit P la matrice de passage de la base
β à la base β0 , alors on a
B = tPAP
Preuve
En utilisant l’écriture matricielle par rapport aux bases β et β0 , on aura
∀(x, y) ∈ E × E, f (x, y) = tXAY = tX 0 BY 0
n n n n
avec x = ∑ xi ei = ∑ xi0 e0i et y = ∑ yi ei = ∑ y0i e0i .
i=1 i=1 i=1 i=1
Soit P la matrice de passage de la base β à la base β0 , alors on sait que X = PX 0 et Y = PY 0 .
Par suite, on aura
t
XAY = t(PX 0 )A(PY 0 )
= tX 0tPAPY 0
= tX 0 (tPAP)Y 0 (Rappelons que la multiplication des matrices est associative)
Donc ∀X 0 ∈ K n , ∀Y 0 ∈ K n , tX 0 BY 0 = tX 0 (tPAP)Y 0 , donc B = tPAP.
2.5.1 Rang d’une forme bilinéaire

Rappelons que deux matrices carrées A et B sont dites équivalentes, s’il existe deux matrices in-
versibles P et Q, telles que B = QAP. Rappelons aussi que deux matrices sont équivalentes, si et
seulement si, elles ont le même rang.
Définition 2.6.
Soit K un corps commutatif. Deux matrices carrées A et B à coefficients dans K sont dites
congruentes, s’il existe une matrice inversible P, tel que B = tPAP.
Remarque 2.6.1
1. Deux matrices sont donc congruentes, si elles représentent la même forme bilinéaire par rap-
port à deux bases de E.
2. Deux matrices congruentes sont équivalentes, donc deux matrices congruentes ont même rang.
Ainsi, la définition suivante est justifiée :
Définition 2.7.
Soient E un K-espace vectoriel de dimension finie = n, β = (e1 , e2 , . . . , en ) une base de E,

f : E × E −→ K une forme bilinéaire sur E et A la matrice de f par rapport à la base β. On
définit le rang de f , noté rg( f ), par :
rg( f ) = rg(A)

2.7.1 Formes bilinéaires symétriques non dégénérées
Définition 2.8.
Soient E un K-espace vectoriel quelconque et f une forme bilinéaire symétrique sur E. On

considère l’application Φ : E −→ E ∗ définie par :
∀y ∈ E, Φ(y) = ϕy où ∀x ∈ E, ϕy (x) = f (x, y)
Si Φ est injective, on dit que f est non dégénérée.
Remarque 2.8.1
D’après la définition précédente, f est non dégénérée, si et seulement si, pour tout y ∈ E, on a
[∀x ∈ E, f (x, y) = 0] =⇒ y = 0
Cela signifie que si pour un certain y ∈ E, on a f (x, y) = 0 pour tout x ∈ E, alors nécessairement, on
a y = 0.
Proposition 2.9.
Soient E un K-espace vectoriel de dimension finie, β une base de E, f une forme bilinéaire
symétrique sur E et A la matrice de f par rapport à la base β. Alors,
[ f est non dégénérée] ⇐⇒ det(A) 6= 0
Preuve
On considère l’application Φ : E −→ E ∗ qui à chaque y fait correspondre ϕy .
Posons β = (e1 , e2 . . . , en ) et β∗ = (e∗1 , e∗2 , . . . , e∗n ) la base duale de β.
Soit M = (mi j )1≤i, j≤n la matrice de Φ par rapport aux bases β et β∗ , alors on a
n
∀ j ∈ {1, 2, . . . , n}, Φ(e j ) = ∑ mk j e∗k
k=1
Donc pour chaque i ∈ {1, 2 . . . , n} et pour chaque j ∈ {1, 2, . . . , n}, on a
n
f (ei , e j ) = Φ(e j )(ei ) = ∑ mk j e∗k (ei) = mi j (car e∗k (ei ) = δik )
k=1
On en déduit donc que M = A. Ainsi, on aura,
f est non dégénérée ⇐⇒ Φ est injective (par définition)

⇐⇒ Φ est bijective (car E et E ∗ ont même dimension)
⇐⇒ det(M) 6= 0
⇐⇒ det(A) 6= 0 (car M = A)

2.9.1 Orthogonalité
Définition 2.10.
Soient E un K-espace vectoriel quelconque, f une forme bilinéaire symétrique sur E. Soit
A une partie non vide de E, on définit l’orthogonale de A, par rapport à la forme binéaire f ,
noté A⊥ , par :
∀y ∈ E, y ∈ A⊥ ⇐⇒ ∀x ∈ A, f (x, y) = 0
Remarque 2.10.1
1. Pour chaque x ∈ E, soit ϕx ∈ E ∗ définie par :
∀y ∈ E, ϕx (y) = f (x, y)
Soit A une partie non vive de E, alors on voit facilement que
∀y ∈ E, y ∈ A⊥ ⇐⇒ y ∈
\
ker(ϕx )
x∈A
On en déduit , donc, que A⊥ =

T
ker(ϕx ). Donc pour toute partie non vide A de E, même si A
x∈A
n’est pas un sous-espace vectoriel de E, A⊥ est toujours un sous-espace vectoriel de E.
2. Soient A et B deux parties non vides de E, telles que A ⊆ B, alors B⊥ ⊆ A⊥ .
3. Pour toute partie non vide A de E, on a A⊥ = Vect(A)⊥ .
En effet, on a A ⊆ Vect(A), donc, d’après la remarque précédente, on a Vect(A)⊥ ⊆ A⊥ .
Soit y ∈ A⊥ , a-t-on y ∈ Vect(A)⊥ ?
Soit x ∈ Vect(A), alors, par définition, il existe x1 , x2 , . . . , xm éléments de A et il existe α1 , α2 , . . . , αm
dans K, tels que x = α1 x1 + α2 x2 + · · · + αm xm . Donc on aura,
f (x, y) = α1 f (x1 , y) + α2 f (x2 , y) + · · · + αm f (xm , y) = 0 (car ∀i ∈ {1, 2, . . . , m}, f (xi , y) = 0)
4. D’après la remarque précédente, on pose, par covention,
0/ ⊥ = Vect(0)
/ ⊥ = {0}⊥ = E
Proposition 2.11.
Soient E un K espace vectoriel de dimension finie et f une forme bilinéaire symétrique sur
E, alors pour tout sous-espace vectoriel F de E, on a
i) dim(F) + dim(F ⊥ ) ≥ dim(E).
ii) Si de plus f est non dégénérée, alors on a dim(F) + dim(F ⊥ ) = dim(E) .
Preuve
On considère l’application Ψ : E −→ F ∗ définie par :
∀y ∈ E, ∀x ∈ F, Ψ(y)(x) = f (x, y)
Alors, il est clair que Ψ est linéaire et que ker(Ψ) = F ⊥ .

i) D’après le théorème du rang, on a dim(ker(Ψ)) + dim(Im(Ψ)) = dim(E).
On a aussi Im(Ψ) ⊆ F ∗ , donc dim(Im(Ψ)) ≤ dim(F ∗ ) avec dim(F ∗ ) = dim(F), donc
dim(F ⊥ ) + dim(F) ≥ dim(E)
ii) Supposons maintenant que f est non dégénérée et montrons que Im(Ψ) = F ∗ .
Soit ϕ ∈ F ∗ , existe-t-il y ∈ E, tel que Ψ(y) = ϕ ?
ϕ ∈ F ∗ , donc, d’après le théorème de prolongement des formes linéaires, il existe ψ ∈ E ∗ , telle
que
∀x ∈ F, ψ(x) = ϕ(x)
Or f est non dégénérée et E de dimension finie, donc l’application Φ : E −→ E ∗ , où
∀z ∈ E, ∀x ∈ E, Φ(z)(x) = f (x, z), est bijective.
Donc, il existe z ∈ E, tel que Φ(z) = ψ, donc on aura,
∀x ∈ F, Ψ(z)(x) = f (x, z) = Φ(z)(x) = ψ(x) = ϕ(x)
Donc Ψ(z) = ϕ. Par suite Ψ est surjective et ainsi Im(Ψ) = F ∗ .

D’après le théorème du rang, on a
dim(F ⊥ ) + dim(F) = dim(E)
Corollaire 2.12.
Soient E un K-espace vectoriel de dimension finie et f une forme bilinéaire symétrique non
dégénérée sur E. Alors pour tout sous-espace vectoriel F de E, on a
F ⊥⊥ = F
Preuve
Puisque f est non dégénérée, alors on a
dim(F) + dim(F ⊥ ) = dim(F ⊥ ) + dim(F ⊥⊥ ) = dim(E)
Donc, dim(F ⊥ ) = dim(F ⊥⊥ ), et puisque F est toujours un sous-espace vectoriel de F ⊥⊥ , alors
F = F ⊥⊥
Remarque 2.12.1
1. En fait, si f est une forme bilinéaire symétrique quelconque sur E, où E est de dimension finie,
alors pour tout sous-espace vectoriel F de E, on a
F ⊥⊥ = F + N
où N = E ⊥ = {y ∈ E : ∀x ∈ E, f (x, y) = 0} s’appelle le noyau de f . (Voir exercices)

2. Si f est une forme bilinéaire symétrique non dégénérée sur E, où E est de dimension finie, alors
pour tout sous-espace vectoriel F de E, on a
dim(F) + dim(F ⊥ ) = dim(E)
Par contre, même si f est non dégénérée, on a pas toujours E = F ⊕ F ⊥ .

Par exemle, on prend E = R2 muni de la forme bilinéaire f définie par
∀(x, y) ∈ E 2 , f (x, y) = x1 y1 − x2 y2

où x = (x1 , x2 ) et y = (y1 , y2 ).
Soient (e1 , e2 ) la base canonique de E et A = Mat( f , (e1 , e2 )), alors on a

1 0
A=
0 −1
Donc det(A) = −1 6= 0, par suite f est non dégénérée.

Soit F = Vect(e1 + e2 ) et soit y ∈ E, avec y = (y1 , y2 ), alors on a
y ∈ F ⊥ ⇐⇒ f (e1 + e2 , y) = 0 (car Vect(e1 + e2 )⊥ = {e1 + e2 }⊥ )

⇐⇒ y1 − y2 = 0
⇐⇒ y ∈ F
Donc F ⊥ = F.
Définition 2.13.
Soient E un K-espace vectoriel et f une forme bilinéaire symétrique sur E.

i) On dit que deux vecteurs x et y de E sont orthogonaux, si f (x, y) = 0.
ii) On dit qu’un vecteur x ∈ E est isotrope, si f (x, x) = 0.
iii) Un sous-espace vetoriel F de E est dit isotrope, si F ∩ F ⊥ 6= {0}.
iv) Un sous-espace vetoriel F de E est dit totalement isotrope, si F ⊆ F ⊥ .
Remarque 2.13.1
Soit I = {x ∈ E : f (x, x) = 0} l’ensemble des vecteurs isotropes de E, alors on a
a) 0 ∈ I.
b) ∀λ ∈ K, ∀x ∈ I, λx ∈ I.
Par contre I n’est pas stable pour l’addition.
Par exemple, si on prend E = R2 , f (x, y) = x1 y1 − x2 y2 , x = e1 + e2 et y = e1 − e2 , alors on aura,
f (x, x) = f (y, y) = 0 et f (x + y, x + y) = 2
Théorème 2.14.
Soient E un K-espace vectoriel quelconque, f une forme bilinéaire symétrique sur E et F

un sous-espace vectoriel de E de dimension finie. Alors
E = F ⊕ F ⊥ ⇐⇒ F est non isotrope
Preuve
(=⇒) Trivial.
(⇐=) Supposons que F est non isotrope, donc F ∩ F ⊥ = {0}. Or on sait que

⊥
F ∩ F = {0}

E = F ⊕ F ⊥ ⇐⇒ et
F + F⊥ = E



Il suffit donc de montrer que F + F ⊥ = E. Pour cela, on considère l’application g : F × F −→ K
définie par :
∀(x, y) ∈ F × F, g(x, y) = f (x, y)
Alors g est une forme bilinéaire symétrique sur F.
Soit y ∈ F, tel que ∀x ∈ F, g(x, y) = 0, alors y ∈ F ∩ F ⊥ , donc y = 0, car F est non isotrope.
Par suite, g est non dégénérée.
Soit maintenant y ∈ E, montrons qu’il existe (y1 , y2 ) ∈ F × F ⊥ , tel que y = y1 + y2 . Pour cela,
on considère la forme linéaire ϕy définie sur F par :
∀x ∈ F, ϕy (x) = f (x, y)
Puisque g est non dégénérée et F de dimension finie, alors l’application Ψ : F −→ F ∗ définie

par :
∀z ∈ F, ∀x ∈ F, Ψ(z)(x) = g(x, z)
est bijective. Puisque ϕy ∈ F ∗ , alors il existe y1 ∈ F, tel que Ψ(y1 ) = ϕy .
Montrons que y − y1 ∈ F ⊥ . Pour cela, soit x ∈ F, alors on a
f (x, y − y1 ) = f (x, y) − f (x, y1 )

= f (x, y) − g(x, y1 ) (car (x, y1 ) ∈ F × F)
= ϕy (x) − Ψ(y1 )(x) = 0 (car Ψ(y1 ) = ϕy )
Donc y − y1 ∈ F ⊥ . Posons y2 = y − y1 , alors y = y1 + y2 avec (y1 , y2 ) ∈ F × F ⊥ .
2.14.1 Bases orthogonales

Définition 2.15.
Soient E un K-espace vectoriel de dimension finie = n et f une forme bilinéaire symétrique

sur E. On dit qu’une base (e1 , e2 , . . . , en ) est orthogonale, si
∀i ∈ {1, 2, . . . , n}, ∀ j ∈ {1, 2, . . . , n}, i 6= j =⇒ f (ei , e j ) = 0
Remarque 2.15.1
Supposons que E possède une base orthogonale β = (e1 , e2 , . . . , en ) et soit A = (ai j )1≤i, j≤n la matrice
de f par rapport à β, donc pour i 6= j, on a ai j = f (ei , e j ) = 0. Donc A est une matrice diagonale et
n n
on a pour x = ∑ xi ei et y = ∑ yi ei ,
i=1 i=1
n
f (x, y) = ∑ aii xi yi
i=1
n
Donc, en particulier, pour tout x ∈ E, avec x = ∑ xi ei , on a
i=1
n
f (x, x) = ∑ aii xi2
i=1
Dans la suite on se propose de montrer que toute forme bilinéaire symétrique possède au moins une
base orthogonale.

Lemme 2.16.
Soient E un K-espace vectoriel et f une forme bilinéaire symétrique sur E. Alors
f est identiquement nulle ⇐⇒ ∀x ∈ E, f (x, x) = 0
Preuve
(=⇒) Trivial.
(⇐=) Supposons que pour tout x ∈ E, f (x, x) = 0 et montrons que f est identiquement nulle.
Soient (x, y) ∈ E × E, alors on a f (x + y, x + y) = 0.
On a aussi f (x + y, x + y) = f (x, x) + 2 f (x, y) + f (y, y) = 2 f (x, y), donc f (x, y) = 0, car K est
un corps de caractéristique 6= 2.
Théorème 2.17.
Soit E un K-espace vectoriel de dimension finie. Alors toute forme bilinéaire symétrique f
sur E, possède au moins une base orthogonale.
Preuve
Si f est identiquement nulle, alors toute base de E est orthogonale.
On peut donc supposer que f 6= 0, donc d’après le lemme précédent, il existe au moins un x0 ∈ E, tel
que f (x0 , x0 ) 6= 0.
Posons F = Vect(x0 ), puisque f (x0 , x0 ) 6= 0 alors F est non isotrope, donc
E = F ⊕ F⊥
Donc pour montrer l’existence d’une base orthogonale, nous somme amenés à procèder par récur-
rence sur n = dim(E), avec n ≥ 2.
Pour n = 2, soient e1 = x0 et e2 un vecteur quelcoque de F ⊥ , avec e2 6= 0, alors (e1 , e2 ) est une base
orthogonale de E.
H.R "Supposons que n > 2 et que toute forme bilinéaire symétrique sur un K-espace vectoriel de
dimension < n, possède aumoins une base orthogonale".
Soit E un K-espace vectoriel de dimension n et soit g la réstriction de f à F ⊥ × F ⊥ , alors g est une
forme bilinéaire symétrique sur F ⊥ , avec dim(F ⊥ ) = n − 1. Donc, d’après l’hypothèse de récurrence,
F ⊥ possède au moins une base orthogonale (e1 , . . . , en−1 ). On déduit donc que (e1 , . . . , en−1 , x0 ) est
une base orthogonale de E.
2.18 Formes quadratiques

Définition 2.19.
Soit E un K-espace vectoriel. On dit qu’une application q : E −→ K est une forme quadra-
tique sur E, s’il existe une forme bilinéaire f , telle que
∀x ∈ E, q(x) = f (x, x)

Exemples
Si f est une forme bilinéaire symétrique sur E, alors l’application q : E −→ K définie par :
∀x ∈ E, q(x) = f (x, x)
est une forme quadratique sur E, appelée forme quadratique associée à la forme bilinéaire symétrique
f.
Réciproquement, à toute forme quadratique, on peut associer une forme binéaire symétrique unique,
comme le montre la proposition suivante :
Proposition 2.20.
Soient E un K-espace vectoriel et q une forme quadratique sur E. Alors il existe une forme
bilinéaire symétrique unique f sur E, telle que
∀x ∈ E, q(x) = f (x, x)
Dans ce cas, f s’appelle la forme polaire associée à la forme quadratique q et on a la relation

suivante :
1
∀x ∈ E, ∀y ∈ E, f (x, y) = (q(x + y) − q(x) − q(y))
2
Preuve
q est une forme quadratique sur E, donc, par définition, il existe une forme bilinéaire g sur E, telle
que
∀x ∈ E, q(x) = g(x, x)
Soit f : E × E −→ K l’application définie par :
g(x, y) + g(y, x)
∀(x, y) ∈ E × E, f (x, y) =
2
Alors f est une forme bilinéaire symétrique sur E et on a
g(x, x) + g(x, x)
∀x ∈ E, f (x, x) = = g(x, x) = q(x)
2
Puuisque f est symétrique, alors
∀(x, y) ∈ E × E, q(x + y) = f (x + y, x + y) = f (x, x) + 2 f (x, y) + f (y, y) = q(x) + 2 f (x, y) + q(y)
donc
1
∀x ∈ E, ∀y ∈ E, f (x, y) = (q(x + y) − q(x) − q(y))
2
Cette relation entre q et f assure l’unicité de f .
Remarque 2.20.1
Soient E un K-espace vectoriel de dimension finie = n, q une forme quadratique sur E et f la forme
polaire associée à q.
1. Soit β une base de E et soit A = (ai j )1≤i, j≤n la matrice de f par rapport à la base β.
Alors A s’appelle aussi la matrice de q par rapport à β et on a
n
∀x ∈ E, q(x) = ∑ aii xi2 + 2 ∑ ai j xi x j
i=1 1≤i< j≤n

2. Puisque f est symétrique, alors f possède au moins une base orthogonale β.
β s’appelle aussi une base q-orthogonale et q s’écrit, par rapport à cette base, sous la forme
réduite suivante :
n
∀x ∈ E, q(x) = ∑ aii xi2
i=1
3. Le rang d’une forme quadratique est défini comme étant le rang de sa forme pôlaire associée.
Théorème 2.21.
Soient E un K-espace vectoriel de dimension finie = n et q une forme quadratique sur E

de rang r. Alors il existe des formes linéaires l1 , l2 , . . . , lr , linéairement indépendantes et il
existe des scalaires λ1 , λ2 , . . . , λr , non nuls, tels que
r
∀x ∈ E, q(x) = ∑ λi li (x)2
i=1
Preuve n
Fixons une base (e1 , e2 , . . . , en ) de E, alors pour chaque x ∈ E, avec x = ∑ xi ei , on a
i=1
n
q(x) = ∑ aii xi2 + 2 ∑ ai j xi x j
i=1 1≤i< j≤n
D’après le théorème 1.17, q possède au moins une base q-orthogonale (v1 , v2 , . . . , vn ). Soit A la ma-
trice de q par rapport à cette base, donc A est une matrice diagonale de rang r, par suite le nombre
des coefficients diagonaux non nuls est égal à r. Donc quitte à réordonner les vecteurs de la base
(v1 , v2 , . . . , vn ), on peut supposer que
∀i ∈ {1, 2, . . . , r}, aii 6= 0

n
Donc pour chaque x ∈ E, avec x = ∑ Xi vi , on a
i=1
r
q(x) = ∑ λi Xi2 où ∀i ∈ {1, 2, . . . , r}, λi = aii
i=1
Soit P = (pi j )1≤i, j≤n la matrice de passage de la base (v1 , v2 , . . . , vn ) à la base (e1 , e2 , . . . , en ), alors
on sait que
n
∀i ∈ {1, 2, . . . , n}, Xi = ∑ pi j x j
j=1
Soit β∗ = (e∗1 , e∗2 , . . . , e∗n ) la base duale de β = (e1 , e2 , . . . , en ), alors, par définition, on a
∀ j ∈ {1, 2, . . . , n}, x j = e∗j (x)

n
Donc si pour chaque i ∈ {1, 2, . . . , n}, on pose li = ∑ pi j e∗j , alors (l1 , l2 , . . . , ln ) est une base de E ∗ ,
j=1
car detβ∗ (l1 , l2 , . . . , ln ) 6= 0, donc (l1 , l2 , . . . , lr ) est libre et on a
∀i ∈ {1, 2, . . . , r}, Xi = li (x)

2.21.1 Méthode de Gauss pour la réduction d’une forme quadratique
Cas de deux dimensions
Soient E un K-espace vectoriel de dimension = 2, (e1 , e2 ) une base de E et q une forme quadratique
sur E, alors pour chaque x ∈ E, avec x = x1 e1 + x2 e2 , on a
q(x) = ax12 + bx22 + 2cx1 x2
i) Si (a, b) 6= (0, 0), alors on peut supposer, par exemple, que a 6= 0, puis on procède de la manière
suivante :
q(x) = ax12 + bx22 + 2cx1 x2

2c
= a[x12 + x1 x2 ] + bx22
a
c c2
= a[(x1 + x2 )2 − 2 x22 ] + bx22
a a
c 2 c2 2
= a(x1 + x2 ) + (b − )x2
a a
2
Donc, si on pose λ1 = a, λ2 = b − ac2 , l1 (x) = x1 + ac x2 et l2 (x) = x2 , alors on aura
c
q(x) = λ1 l1 (x)2 + λ2 l2 (x)2 = λ1 (x1 + x2 )2 + λ2 x22
a
Donc, dans ce cas, une base q-orthogonale (v1 , v2 ) a pour matrice de passage par rapport à la
base (e1 , e2 ), la matrice définie par :
c −1
1 − ac

1 a
P= =
0 1 0 1
Donc v1 = e1 et v2 = − ac e1 + e2 .
ii) 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
(car ∀a ∈ K, ∀b ∈ K, ab = 41 [(a + b)2 − (a − b)2 ])
Donc, si on pose λ1 = 2c , λ2 = − 2c , l1 (x) = x1 + x2 et l2 (x) = x1 − x2 , alors on aura
q(x) = λ1 l1 (x)2 + λ2 l2 (x)2 = λ1 (x1 + x2 )2 + λ2 (x1 − x2 )2
Ainsi une base q-orthogonale a pour matrice de passage par rapport à la base (e1 , e2 ), la matrice
définie par :
−1
1 1 1 1 1
P= =
1 −1 2 1 −1
Donc v1 = 12 (e1 + e2 ) et v2 = 12 (e1 − e2 ).
Cas de la dimension 3
Soient E un K-espace vectoriel de dimension 3, (e1 ,2 , e3 ) une base de E et q : E −→ K une forme
quadratique. Alors pour tout x ∈ E, x = x1 e1 + x2 e2 + x3 e3 , on a
q(x) = ax12 + bx22 + cx32 + 2dx1 x2 + 2ex1 x3 + 2 f x2 x3

i) Si (a, b, c) 6= (0, 0, 0), alors on peut supposer par exemple que a 6= 0. Dans ce cas, en regroupant
tous les termes contenant x1 , on aura,
q(x) = (ax12 + 2dx1 x2 + 2ex1 x3 ) + bx22 + cx32 + 2 f x2 x3

d e
2
= a x1 + 2( x2 + x3 )x1 + bx22 + cx32 + 2 f x2 x3
a a

d e 2 d e 2
= a (x1 + x2 + x3 ) − ( x2 + x3 ) + bx22 + cx32 + 2 f x2 x3
a a a a
d e
= a(x1 + x2 + x3 )2 + Q(x2 , x3 )
a a
où Q est une forme quadratique en (x2 , x3 ). Donc pour achever la décomposition de q, il suf-
fit de décomposer Q qui peut-être considérée comme une forme quadratique sur un K-espace
vectoriel de dimension 2.
ii) Si a = b = c = 0, alors q s’écrit sous la forme :
q(x) = αx1 x2 + βx1 x3 + γx2 x3 avec (α, β, γ) 6= (0, 0, 0)
En supposant, par exemple, que α 6= 0, on peut procèder de la manière suivante :

β γ
q(x) = α x1 x2 + x1 x3 + x2 x3
α α

γ β βγ 2
= α x1 + x3 x2 + x3 − 2 x3
α α α
" 2 2 #
1 γ β 1 γ β βγ 2
=α x1 + x3 + x2 + x3 − x1 + x3 − x2 + x3 − 2 x3
4 α α 4 α α α
" 2 2 #
1 β+γ 1 γ−β βγ
=α x1 + x2 + x3 − x1 − x2 + x3 − 2 x32
4 α 4 α α
2 2
α β+γ α γ−β βγ
= x1 + x2 + x3 − x1 − x2 + x3 − x32
4 α 4 α α
= aX12 + bX22 + cX32


X1 = x1 + x2 + β+γ
α x3
 
α
a = 4


 

Avec b = − α4 X2 = x1 − x2 + γ−β
et α x3
 
c = βγ
 

α 


X3 = x3

 
1 1 β+γ α 

 
Soit P = 1 −1 β−γ 
 
 α 
 
0 0 1
alors, une une base q-orthogonale (v1 , v2 , v3 ) est définie par sa matrice de passage Q de la base
(e1 , e2 , e3 ) à la base (v1 , v2 , v3 ), où Q = P−1 .

Le cas général
Soient E un K-espace vectoriel de dimension fine = n, (e1 , e2 , . . . , en ) une base de E et q : E −→ K
une forme quadratique non nulle. Alors on sait q s’écrit sous la forme :
n n
∀x ∈ E, x = ∑ xi ei =⇒ q(x) = ∑ ai xi2 + 2 ∑ ai j xi x j
i=1 i=1 1≤i< j≤n
Nous allons procéder par récurrence sur n, en distinguant deux cas :

i) Il existe i0 ∈ {1, 2, . . . , n}, tel que ai0 6= 0, alors quitte à réordonner les ai , on peut supposer que
a1 6= 0. Dans ce cas, en regroupant tous les termes contenant x1 , (si à la place de a1 on prend
ai0 , on doit regrouper tous les termes contenant xi0 ), on aura,
n n
q(x) = a1 x12 + 2 ∑ a1 j x1 x j + ∑ ai xi2 + 2 ∑ ai j xi x j
j=2 i=2 2≤i< j≤n
" ! #
n n a1 j
= a1 x12 + 2 ∑ α j x j x1 + ∑ aixi2 + 2 ∑ ai j xi x j où ∀ j ∈ {2, . . . , n}, α j =
j=2 i=2 2≤i< j≤n a1
 !2 !2 
n n n
= a1  x1 + ∑ α j x j − x
∑ j j
α  + ∑ aixi2 + 2 ∑ ai j xi x j
j=2 j=2 i=2 2≤i< j≤n
!2
n
= a1 x1 + ∑ α j x j + Q(x2 , . . . , xn )
j=2
où !2
n n
Q(x2 , . . . , xn ) = ∑ ai xi2 + 2 ∑ ai j xi x j − ∑ α jx j
i=2 2≤i< j≤n j=2
est une forme quadratque en x2 , x3 , . . . , xn , donc on peut considérer Q comme une forme qua-
dratique sur un K-espace vectoriel de dmension n − 1 et on applique, alors, l’hypothèse de
récurrence à Q.
i) ∀i ∈ {1, 2, . . . , n}, ai = 0, alors, dans ce cas, q s’écrit sous la forme :
q(x) = ∑ αi j xi x j
1≤i< j≤n
q 6= 0, donc l’un au moins des coefficients αi j est non nul, donc pour simplifier on peut supposer
que α12 6= 0, puis on regroupe tous les termes contenant x1 et tous les termes contenant x2 . Ainsi,
on aura
" ! ! #
n n
q(x) = α12 x1 x2 + ∑ α1 j x j x1 + ∑ α2 j x j x2 + ∑ αi j xi x j
j=3 j=3 3≤i< j≤n
" ! ! #
n
α1 j n α
2j
= α12 x1 x2 + ∑ x j x1 + ∑ x j x2 + ∑ αi j xi x j
j=3 α12 j=3 α12 3≤i< j≤n
" ! ! ! !#
n α n α n α n α
2j 1j 1j 2j
= α12 x1 + ∑ xj x2 + ∑ xj − ∑ xj ∑ xj + ∑ αi j xi x j
α
j=3 12 α
j=3 12 α
j=3 12 α
j=3 12 3≤i< j≤n
! !
n α n α
2j 1j
= α12 x1 + ∑ xj x2 + ∑ x j + Q(x3 , . . . , xn )
α
j=3 12 α
j=3 12
!2 !2
n α +α n α −α
α12 2j 1j α12 2j 1j
= x1 + x2 + ∑ xj − x1 − x2 + ∑ x j + Q(x3 , . . . , xn )
4 j=3 α12 4 j=3 α12

On achève la décompositon en appliquant l’hypothèse de récurrence à Q.
Exemples
1. Soit q la forme quadratique définie sur R3 par :
q(x, y, z) = x2 + 6y2 + 16z2 − 4xy + 6xz − 16yz
Déterminons une base q-orthogonale. Pour cela, décomposons q sous forme de carrés.
q(x) = x2 + 6y2 + 16z2 − 4xy + 6xz − 16yz

= (x2 − 4xy + 6xz) + 6y2 + 16z2 − 16yz
= [x2 − 2x(2y − 3z)] + 6y2 + 16z2 − 16yz
= [(x − (2y − 3z))2 − (2y − 3z)2 ] + 6y2 + 16z2 − 16yz
= (x − 2y + 3z)2 − 4y2 + 12yz − 9z2 + 6y2 + 16z2 − 16yz
= (x − 2y + 3z)2 + 2y2 + 7z2 − 4yz
= (x − 2y + 3z)2 + 2(y2 − 2yz) + 7z2
= (x − 2y + 3z)2 + 2[(y − z)2 − z2 ] + 7z2
= (x − 2y + 3z)2 + 2(y − z)2 + 5z2
Donc pour déterminer une base q-orthogonale, on pose

 

 X = x − 2y + 3z x = X + 2Y − Z

Y = y−z donc y = Y + Z
 
Z=z z=Z
 
Donc une base q-orthogonale (v1 , v2 , v3 ) est déterminée par sa matrice de passage P de la base
(e1 , e2 , e3 ) à la base (v1 , v2 , v3 ) :  
1 2 −1
P = 0 1 1 
0 0 1
Donc, on aura 
v1 = e1

v2 = 2e1 + e2

v3 = −e1 + e2 + e3

2. Mettre sous forme de carrés la forme quadratique de R4 définie par :
q(x, y, z,t) = xy + yz + zt + tx
puis déterminer une base q-orthogonale.
q(x, y, z,t) = xy + yz + zt + tx
= (x + z)(y + t)
1 1
= (x + y + z + t)2 − (x − y + z − t)2
4 4
1 1
= (x + y + z + t)2 − (x − y + z − t)2 + 0z2 + 0t 2
4 4

Donc, pour obtenir une base q-orthogonale, on pose


X = x+y+z+t

Y = x − y + z − t


Z=z

T =t
Donc, on aura
x = 21 X + 12 Y − Z



y = 1 X − 1 Y − T

2 2


z = Z

t =T
Une base q-orthogonale est détermnée par la matrice de passage P, défine par :
 
1 1 −2 0
1 1 −1 0 −2
P=  
2 0 0 2 0
0 0 0 2
Donc, si on pose
v1 = 12 e1 + 12 e2



v = 1 e − 1 e

2 2 1 2 2
v3 = −e1 + e3


v4 = −e2 + e4

Alors (v1 , v2 , v3 , v4 ) est une base q-orthogonale.

3. Mettre sous forme de carrés la forme quadratique sur R4 définie par :
q(x, y, z,t) = xy + xz + xt − yz + yt + 2zt
q(x, y, z,t) = xy + xz + xt − yz + yt + 2zt

= q(x, y, z,t) = (xy + xz + xt − yz + yt) + 2zt (regroupement des termes en x et ceux en y)
= [xy + x(z + t) + y(t − z)] + 2zt
= [(x + (t − z))(y + (z + t)) − (t − z)(t + z)] + 2zt
1
= (x + y + 2t)2 − (x − y − 2z)2 − (t − z)(t + z) + 2zt

4
1 1
= (x + y + 2t)2 − (x − y − 2z)2 + (z2 + 2zt) − t 2
4 4
1 1
= (x + y + 2t)2 − (x − y − 2z)2 + (z + t)2 − 2t 2
4 4
Donc, pour obtenir une base q-orthogonale, on pose


X = x + y + 2t

Y = x − t − 2z


Z = z+t

T =t

Donc, on aura
1 1

x = 2 X + 2 Y + Z − 2T

y = 1 X − 1 Y − Z

2 2


z = Z − T

t =T
Donc une base q-orthogonale est détermnée par la matrice de passage P, défine par :
 
1 1 2 −4
1 1 −1 −2 0 
P=  
2 0 0 2 −2
0 0 0 2
Donc, si on pose
v1 = 12 e1 + 12 e2



v = 1 e − 1 e

2 2 1 2 2
v3 = e1 − e2 + e3


v4 = −2e1 − e3 + e4

alors, (v1 , v2 , v3 , v4 ) est une base q-orthogonale.
2.22 Signature d’une forme bilinéaire symétrique

2.22.1 bases orthonormales
Définition 2.23.
Soient E un K-espace vectoriel de dimension finie = n et f une forme bilinéaire stmétrque

sur E. Une base (e1 , e2 , . . . , en ) est une base orthonormale de E, si
(
1 si i = j
∀(i, j) ∈ {1, 2, . . . , n}2 , f (ei , e j ) =
0 si i 6= j
Remarque 2.23.1
Soient E un K-espace vectoriel de dimension finie = n et f une forma bilnéaire symétrique sur E. On
suppoose que f possède une base orthonormale β, alors la matrice de f par rapport à β est égale à
la matrice identité, donc f est non dégénérée. La condition f non dégénérée est donc une condition
nécessaire pour l’existence d’une base orthonormale.
Nous allons voir par la suite que cette conditon n’est pas toujours suffisante.
Proposition 2.24.
Soit E un C-espace vectoriel de dimension finie = n. Alors toute forme bilinéaire symé-
trique non dégénérée sur E, possède au moins une base orthonormale.
Preuve
On sait que toute forme bilinéaire symétrique sur un K-espace vectoriel de dimension finie , possède
au moins une base orthogonale.

Soit f une forme bilinéaire symétrique sur un C-espace vectoriel de dimension finie E et soit (v1 , v2 , . . . , vn )
une base orthogonale de f . Pour chaque i ∈ {1, 2, . . . , n}, soit αi = f (vi , vi ), puisque C est algèbre-
quement clos, alors le polynôme X 2 − αi possède au moins une racine ai ∈ C, donc a2i = αi .
Pour chaque i ∈ {1, 2, . . . , n}, posons ei = a1i vi , alors (e1 , e2 , . . . , en ) est une base de E et on a
(α
i
1 a2i
= 1 si i = j
∀(i, j) ∈ {1, 2, . . . , n}, f (ei , e j ) = f (vi , v j ) =
ai a j 0 si i 6= j
Donc (e1 , e2 , . . . , en ) est orthonormale.
Proposition 2.25.
Soit E un R-espace vectoriel de dimension finie et f une forme bilinéaire symétrique non
dégénérée sur E. Alors f possède une base orthonormale, si, et seulement si,
∀x ∈ E, x 6= 0 =⇒ f (x, x) > 0
Preuve
(=⇒) Supposons que f possède une base orthonormale (e1 , e2 , . . . , en ), donc pour chaque x ∈ E,
n
avec x 6= 0 et x = ∑ xi ei , on a
i=1
n
f (x, x) = ∑ xi2 > 0
i=1
(⇐=) Supposons que ∀x ∈ E, x 6= 0 =⇒ f (x, x) > 0 et soit (v1 , v2 , . . . , vn ) une baseporthogonale de

f , donc ∀ ∈ {1, 2, . . . , n}, f (vi , vi ) > 0. Pour chaque i ∈ {1, 2, . . . , n}, soit ai = f (vi , vi ) et soit
1
ei = vi , alors (e1 , e2 , . . . , en ) est une base orthonormale de f .
ai
2.25.1 Théorème d’inertie de Sylvestre

Théorème 2.26.
Soit E un R-espace vectoriel de dimension finie = n, f une forme bilinéaire symétrique sur
E de rang r et (e1 , e2 , . . . , en ) une base orthogonale de E.
Soit p le nombre des i ∈ {1, 2, . . . , n}, tels que f (ei , ei ) > 0 et soit q le nombre des
i ∈ {1, 2, . . . , n}, tels que f (ei , ei ) < 0. Alors le couple (p, q) ne dépend pas de la base
orthogonale choisie et on a p + q = r.
Dans ce cas, (p, q) s’appelle la signature de f .
Preuve
Soit (v1 , v2 , . . . , vn ) une autre base orthogonale de E et soient p0 le nombre des i ∈ {1, 2, . . . , n}, tels
que f (vi , vi ) > 0 et q0 le nombre des i ∈ {1, 2, . . . , n}, tels que f (vi , vi ) < 0. Pour simplfier, quitte à
réordonner les éléments des deux bases, on peut supposer que f (ei , ei ) > 0 pour i ∈ {1, 2, . . . , p} et
f (vi , vi ) > 0 pour i ∈ {1, 2, . . . , p0 }. Puisque f est de rang r et puisque la matrice M de f par rapport
à une base orthogonale est une matrice diagonale, alors le nombre des éléments diagonaux non nuls
de M est égal à r, car rg(A) = rg( f ) = r, on en déduit donc que p + q = p0 + q0 = r.
Montrons maintenant que p = p0 et q = q0 , pour cela, considèrons le système S = (e1 , . . . , e p , v p0 +1 , . . . , vn )

et montrons que ce système est libre.
Soient α1 , α2 , . . . , α p , β1 , . . . , βn−p0 des nombres réels, tels que
α1 e1 + · · · + α p e p + β1 v p0 +1 + · · · + βn−p0 vn = 0
Posons x = α1 e1 + · · · + α p e p = −(β1 v p0 +1 + · · · + βn−p0 vn ), alors, d’une part, on a
f (x, x) = α21 f (e1 , e1 ) + · · · + α2p f (e p , e p ) ≥ 0
et d’autre part, on a
f (x, x) = β21 f (v p0 +1 , v p0 +1 ) + · · · + β2n−p0 f (vn , vn ) ≤ 0
Donc on en déduit que f (x, x) = 0 et puisque f (ei , ei ) > 0, pour i ∈ {1, 2, . . . , p}, alors
α1 = α2 = · · · = α p = 0
Donc β1 = · · · = βn−p0 = 0, car (v p0 +1 , . . . , vn ) est libre.

Le système S est donc libre, donc le nombre d’éléments de S est ≤ dim(E).
Ainsi, p + (n − p0 ) ≤ n, donc p ≤ p0 . Pusque p et p0 jouent un rôle symétrique, alors de la même
manière, on montre que p0 ≤ p.
2.27 Exercices
Exercice 17
Soit f la forme bilinéaire symétrique définie sur R3 par,
f (x, y) = x1 y1 + 6x2 y2 + 56x3 y3 − 2(x1 y2 + x2 y1 ) + 7(x1 y3 + x3 y1 ) − 18(x2 y3 + x3 y2 )
1. Ecrire la matrice de f par rapport à la base canonique (e1 , e2 , e3 ).

2. Soit (e01 , e02 , e03 ) le système de R3 défini par
e01 = e1 , e02 = 2e1 + e2 et e03 = −3e1 + 2e2 + e3
Vérifier que (e01 , e02 , e03 ) est une base de R3 et écrire la matrice de f par rapport à cette base.
Exercice 18
Soient ϕ1 : C 1 ([0, 1]) × C 1 ([0, 1]) −→ R et ϕ2 : R3 [X] × R3 [X] −→ R les applications définies par :
Z 1
ϕ1 ( f , g) = f (0)g(0) + f 0 (t)g0 (t)dt et ϕ2 (P, Q) = P(0)Q(1)
0
1. Motrer que ϕ1 et ϕ2 sont des formes bilinéaires. Sont-t-elles symétriques ?

2. Ecrire la matrice de ϕ2 par rapport à la base canonique de R3 [X]. ϕ2 est-t-elle non dégénérée ?
Exercice 19
Soit f la forme bilinéare définie sur R3 par :
f (x, y) = x1 y1 + 2x2 y2 + 13x3 y3 − x1 y2 − x2 y1 + 3x1 y3 + 3x3 y1 − 5x2 y3 − 5x3 y2
1. Ecrire la matrice de f par rapport à la base canonique de R3 .

2. Présiser le rang et le noyau de f .
3. Donner la forme quadratique q associée à f .

Exercice 20
Soient E un K-espace vectoriel, f et g deux formes bilinéaires symétriques. On suppose que g est non
dégénérée et qu’il existe u ∈ L(E), tel que
∀(x, y) ∈ E × E, f (x, y) = g(u(x), y)
1. Soient β une base de E, M = Mat( f , β), N = Mat(g, β) et A = Mat(u, β). Déterminer A en

fonction de M et N.
2. Montrer que si x et y sont deux vecteurs propres associés à des valeurs propres distinctes, alors
f (x, y) = g(x, y) = 0.
Exercice 21
Soit f : M2 (R) × M2 (R) −→ R l’application définie par :
∀(A, B) ∈ M2 (R) × M2 (R), f (A, B) = det(A + B) − det(A − B)
1. Montrer que f est une forme bilinéaire symétrique.

2. Déterminer la matrice de u par rapport à la base canonique (e1 , e2 , e3 , e4 ) de M2 (R).

1 0 0 0 0 1 0 0
Rappelons que e1 = , e2 = , e3 = et e4 =
0 0 1 0 0 0 0 1
Exercice 22
Soit E un K-espace vectoriel de dimension finie, muni d’une forme bilinéaire symétrique f . On note
N le noyau de f et on rappelle que N = E ⊥ :
∀y ∈ E, y ∈ N ⇐⇒ ∀x ∈ E, f (x, y) = 0
1. Montrer que f est non dégénérée, si et seulement si, N = {0E }.

2. Soit F un autre espace vectoriel sur K et soit u : E −→ F une application linéaire.
a) Montrer que si G est un sous-espace vectoriel de E, alors u−1 (u(G)) = G + ker(u).
b) Montrer que u est injective, si et seulement si, pour tout sous-espace vectoriel G de E, on a
u−1 (u(G)) = G.
c) Montrer que si H est un sous-espace vectoriel de F, alors u(u−1 (H)) = H ∩ Im(u).
d) Montrer que u est surjective, si et seulement si, pour tout sous-espace vectoriel H de F, on
a u(u−1 (H)) = H.
e) On suppose que u est surjective et que ker(u) ⊆ N. Pour x0 ∈ F et y0 ∈ F avec x0 = u(x) et
y0 = u(y), on pose g(x0 , y0 ) = f (x, y).
i) Montrer que g définit bien une application sur F × F et que g est bilinéaire symétrique.
ii) Montrer que g est non dégénérée, si et seulement si, ker(u) = N.
iii) Montrer que G est un sous-espace vectoriel de E, alors u(G⊥ ) = u(G)⊥ .
iv) Montrer que si ker(u) = N, alors pour tout sous-espace vectoriel G de E, on a
u(G⊥⊥ ) = u(G).
3. Déduire de ce qui précède que si G est un sous-espace vectoriel de E, alors G⊥⊥ = G + N.
(On pourra considérer le K-espace vectoriel quotient F = E/N.)
4. Soit E = C ([0, 1], R), le R-espace vectoriel des fonctions continues de [0, 1] vers R, muni de
son produit scalaire usuel :
∀ f ∈ E, ∀g ∈ E, < f , g >= int01 f (t)g(t) dt
Soit F = { f ∈ E : f (0) = 0}
a) Vérifier que F est un hyperplan de E.

b) Soit g ∈ F ⊥ et soit h : [0, 1] −→ R la fonction définie par :
(
2tg(t) t ∈ [0, 12 ]
∀t ∈ [0, 1], h(t) =
g(t) t ∈] 12 , 1]
Montrer h ∈ F et en déduire que g = 0.

c) En déduire que F ⊥⊥ = E.
Exercice 23
Soient un R-espace vectoriel, q une forme quadratique sur E, Nq le noyau de q et Cq le cône des
vecteurs isotropes de q.
Montrer que Cq = Nq , si, et seulement si, q garde un signe constant.
Exercice 24
Donner la matrice des formes quadratiques suivantes, puis les réduire sous forme de carrés et déter-
miner la signature et une base q-orthogonale pour chacune d’entre elles.
1. q(x, y, z) = x2 + 2xy + 2yz + 2xz.
2. q(x, y, z) = x2 + 3y2 − 3z2 − 8yz + 2xz − 4xy.
3. q(x, y, z) = x2 + y2 + z2 + xy + myz
4. q(x, y, z,t) = xy + 2xt + yz + 4yt + 2zt.
5. q(x, y, z,t) = xy + yt − zt − 2xt − 2yz − xz.
Exercice 25
Soit q la forme quadratique défine sur R3 , par
q(x, y, z) = x2 − z2 + 2xy + 2yz
1. Déterminer la forme polaire f associée à q.

2. Appliquer la méthode de Gauss à q.
3. En déduire le rang et la signature de q.
4. Donner une base de ker( f ).
Exercice 26
Soit q la forme quadratique définie sur R4 par :
∀x ∈ R4 , q(x) = 16x12 − 16x22 + 5x33 − 16x1 x3 + 16x2 x3 + 2x3 x4
1. Trouver la matrice de q par rapport à la base canonique de R4 et déterminer la forme polaire

associée à q.
2. Déterminer le rang, la signature de q et détermner une base q-orthogonale.
3. Déterminer le cône des vecteurs q-isotropes.
4. Trouver le q-orthogonale de F = Vect(e1 , e2 + 2e3 ).
Exercice 27
Soient E un R-espace vectoriel de dimension finie = n, a un vecteur non nul de E, q une forme
quadratique sur E et ϕ la forme polaire associée. Soit Q : E −→ R l’application définie par :
∀x ∈ E, Q(x) = q(a)q(x) − (ϕ(a, x))2
1. Montrer que Q est une forme quadratique et déterminer la forme polaire associée.

2. Déterminer le noyau et le rang de Q.
Exercice 28
Dans chacun des cas suivants, montrer que l’application q : Mn (R) −→ R définit une forme quadra-
tique dont on déterminera le rang et la signature :
a) ∀A ∈ Mn (R), q(A) = tr(A2 ),
b) ∀A ∈ Mn (R), q(A) = tr(A)2 ,
c) ∀A ∈ Mn (R), q(A) = tr(tAA).
Exercice 29
Soient a un nombre réel et q la forme quadratique définie sur R3 par,
q(x, y, z) = x2 + (1 + a)y2 + (1 + a + a2 )z2 + 2xy − 2yz
1. Décomposer q sous forme de carrés.

2. Donner, suivant les valeurs de a, le rang et la signature de q.
3. Pour quelles valeurs de a, q définit-elle un produit scalaire ?
Exercice 30
Soit q la forme quadratique définie sur R2 [X], par :
∀P ∈ R2 [X], q(P) = P0 (0)P(1)
1. Déterminer la matrice de q dans la base canonique de R2 [X].

2. Déterminer le noyau de q et en déduire le rang de q.
3. Déterminer le cône des vecteurs isotropes Cq .
4. Déterminer une base de E formée de vecteurs isotropes.
5. C p est-t-il un sous-espace vectoriel de E ?
6. Déterminer une base q-orthogonale. Quelle est la signature de q ?
Exercice 31
Soient E un K-espace vectoriel, a ∈ E, f une forme bilinéaire symétrique sur E et q la forme quadra-
tique associée. Soit ϕ : E −→ K l’application définie par
∀x ∈ E, ϕ(x) = q(a)q(x) − f (a, x)2
1. Montrer que ϕ est une forme quadratique sur E.

2. Si E est de dimension finie, comparer les rangs de ϕ et q.
3. Dans le cas général, déterminer le noyau de la forme polaire de ϕ en fonction de celui de f .
Exercice 32
Soient E un R-espace vectoriel de dimension finie = n, q une forme quadratique sur E de signature
(n − 1, 1) et F un sous-espace vectoriel de E de dimension p. On suppose qu’il existe x0 ∈ F, tel que
q(x0 ) < 0 et on pose D = Vect(x0 ).
1. Montrer que E = D ⊕ D⊥ .
2. Montrer que la réstriction de q à D⊥ est définie positive.
3. Montrer que F ∩ D⊥ est de dimension n − 1.
4. Quelle est la signature de la réstriction de q à F ?
5. Montrer que E = F ⊕ F ⊥ .

Exercice 33
Soient E un R-espace vectoriel, q une forme quadratique sur E et f la forme pôlaire associée à q. On
note C(q) le cône des vecteurs isotropes pour q et N le noyau de f . Rappelons qu’on a
C(q) = {x ∈ E : q(x) = 0} et N = E ⊥ = {y ∈ E : ∀x ∈ E, f (x, y) = 0}
1. On suppose que q garde un signe constant, c’està dire,
∀x ∈ E, q(x) ≥ 0 ou ∀x ∈ E, q(x) ≤ 0
Montrer que C(q) = N, en déduire, que dans ce cas, C(q) est un sous-espace vectoriel de E.
(On pourra étudier le signe de q(x + λy), pour x ∈ C(q), y ∈ E et λ ∈ R).
2. On ne suppose plus que q garde un signe constant. Soient x0 et y0 deux vecteurs de E, tels que
q(x0 ) > 0 et q(y0 ) < 0.
a) Montrer que (x0 , y0 ) est libre.
b) Montrer qu’il existe deux réels distincts λ1 et λ2 , tels que,
q(x0 + λ1 y0 ) = q(x0 + λ2 y0 ) = 0
c) En déduire que C(q) n’est pas un sous-espace vectoriel.

3. Déduire, de ce qui précède, que les propriètés suivantes sont équivalentes :
i) q garde un signe constant.
ii) C(q) est un sous-espace vectoriel de E.
iii) C(q) = N.
4. On suppose que E est de dimension finie = n, q de signature (s,t) et G un sous-espace vectoriel
de E totalement isotrope pour q.
a) Montrer que
dim(G) ≤ n − s et dim(G) ≤ n − t
b) Montrer que si H est un sous-espace totalement isotrope de E, alors G + H est totalement
isotrope, si et seulement si, H ⊆ G⊥ .
c) Monter qu’il existe un sous-espace totalement isotrope F de E, tel que dim(F) = n −
max(s,t).
d) i) Soient M et N deux sous-espaces vectoriels, tels que F = (F ∩G)⊕M et G = (F ∩G)⊕N.
Montrer que M ∩ N ⊥ ⊆ G⊥
ii) Montrer que M ∩ N ⊥ ∩ G = {0}.
iii) Montrer que G ⊕ (M ∩ N ⊥ ) est un sous-espace isotrope et déteminer sa dimension.
e) En déduire que tout sous-espace totalement isotrope est inclus dans un espace totalement
isotrope maximal de dimension n − max(s,t).
Exercice 34
Soient E un R-espace vectoriel de dimension finie = n, q une forme quadratique sur E de signature
(n − 1, 1) et F un sous-espace vectoriel de E de dimension p.
On suppose qu’il existe x0 ∈ F, tel que q(x0 ) < 0.
1. Montrer que E = Vect(x0 ) ⊕Vect(x0 )⊥ .
2. Montrer que la réstriction à Vect(x0 )⊥ est définie positive.
3. Montrer que F ∩Vect(x0 )⊥ est de dimension p − 1.
4. Quelle est la signature de la réstriction de q à F ?
5. Montrer que E = F ⊕ F ⊥ .

Exercice 35
Soient K un corps commutatif quelconque, σ un automorphisme de K et E un K-espace vectoriel de
dimension n sur K.
On dit qu’une application f : E × E −→ K est une forme σ-sesquilinéaire sur E, si
i) ∀(x1 , x2 ) ∈ E × E, ∀y ∈ E, f (x1 + x2 , y) = f (x1 , y) + f (x2 , y),
ii) ∀λ ∈ K, ∀x ∈ E, ∀y ∈ E, f (λx, y) = λ f (x, y),
iii) ∀x ∈ E, ∀(y1 , y2 ) ∈ E × E, f (x, y1 + y2 ) = f (x, y1 ) + f (x, y2 ),
iv) ∀λ ∈ K, ∀x ∈ E, ∀y ∈ E, f (x, λy) = σ(λ) f (x, y).
1. Montrer que le seul automorphisme de R est l’identité. Conclure.
2. Une forme σ-sesquilinéaire f est dite alternée si
∀x ∈ E, f (x, x) = 0
Montrer que si f est alternée non identiquement nulle, alors σ = IdK et f antisymétrique.
3. Une forme σ-sesquilinéaire f est dite hermitienne si
∀(x, y) ∈ E × E, f (y, x) = σ( f (x, y))
Montrer que si f est hermitien, alors σ2 = IdK .

4. Soit f une forme bilinéaire symétrique sur E. On suppose qu’il existe λ ∈ K, tel que
∀(x, y) ∈ E × E, f (y, x) = λ f (x, y)
Montrer que λ = ±1.
Exercice 36
Soient a un nombre réel et q la forme quadratique définie sur R3 par :
∀x ∈ R3 , q(x) = x12 + (a + 5)x22 + (a2 + a + 2)x32 + 4x1 x2 + 2x1 x3 + 2(a + 3)x2 x3
1. Déterminer la matrice de q par rapport à la base canonique de R3 .

2. En appliquant l’algorithme de Gauss, décomposer q sous forme de carrés.
3. Déterminer, suivant les valeurs du paramètre a, le rang et la signature de q.
4. Pour quelles valeurs de a, la forme quadratique q définit-t-elle un produit scalaire sur R3 ?
5. On suppose q = 3, déterminer une base q-orthogonale.
6. On suppose q = 0, déterminer le cône Cq des vecteurs isotropes de q.

CHAPITRE 3
ESPACES EUCLDIENS
3.1 Produit scalaire

Définition 3.2.
Soient E un R-espace vectoriel et f une forme bilinéaire symétrique sur E.

i) On dit que f est positif, si
∀x ∈ E, f (x, x) ≥ 0
ii) On dit que f est définie positive, si
∀x ∈ E, x 6= 0 =⇒ f (x, x) > 0
iii) On appelle produit scalaire sur E, toute forme bilinéaire symétrique définie positive.
iv) Un R-espace vectoriel muni d’un produit scalaire s’appelle un espace préhilbertien réel.
v) Un espace préhilbertien réel de dimension finie s’appelle un espace euclidien.
Remarque 3.2.1
1. Tout produit scalaire est non dégénéré.
En effet, soit f un produit scalaire et soit y ∈ E, tel que,
∀x ∈ E, f (x, y) = 0
Donc, en particulier, pour x = y, on a f (y, y) = 0, donc y = 0.
2. Une forme quadratique q sur un R-espace vectoriel E est dite positive (resp. définie positive),
si la forme polaire associée à q est positive (resp. définie positive). Donc, on aura
q est posive ⇐⇒ ∀x ∈ E, q(x) ≥ 0
(q est définie posive) ⇐⇒ (∀x ∈ E, x 6= 0 =⇒ q(x) > 0)
3. Une matrice symétrique réelle A est dite positive (resp. définie positive), si la forme quadratique
définie par la matrice A est positive (resp. définie positive). Donc, pour une matrice symétrique
A ∈ Mn (R) on aura,
A est posive ⇐⇒ ∀X ∈ Rn , t XAX ≥ 0
48
(A est définie posive) ⇐⇒ (∀X ∈ Rn , X 6= 0 =⇒ t XAX > 0)
Exemples
1. Le produit scalaire usuelle sur Rn est défini par :
n
n n
∀x ∈ R , ∀y ∈ R , f (x, y) = ∑ xi yi
i=1
avec x = (x1 , x2 , . . . , xn ) et y = (y1 , y2 , . . . , yn ).

Donc Rn muni de ce produit scalaire est un espace euclidien.
2. Soit f : Mn (R) × Mn (R) −→ R l’application définie par :
∀(A, B) ∈ Mn (R), f (A, B) = tr(tAB)
Alors, f définit un produit scalaire sur Mn (R).

En effet, il est facile de vérifier que f est une forme bilinéaire.
Soit A ∈ Mn (R), avec A 6= 0 et A = (ai j )1≤i, j≤n , alors on a
n n
t
f (A, A) = tr( AA) = ∑ ∑ a2ki
i=1 k=1
On en déduit donc que f (A, A) > 0.

∞
3. l2 (R) = {(xn )n≥0 ∈ RN : ∑ xn2 < ∞} est un espace préhilbertien réel pour le produit scalaire
n=0
défini par :
∞
∀x ∈ RN , ∀y ∈ RN , f (x, y) = ∑ xn yn
i=1
avec x = (xn )n≥0 et y = (yn )n≥0 .
Ici, f est bien définie, car ∀n ∈ N, |xn yn | ≤ 12 (xn2 + y2n ).
4. C ([a, b], R), le R-espace vectoriel des fonctions continues de [a, b] vers R, est un espace pré-
hilbertien réel pour le produit scalaire suivant :
Z b
∀ f ∈ C ([a, b], R), ∀g ∈ C ([a, b], R), ϕ( f , g) = f (t)g(t)dt
a
Il est clair que ϕ définit une forme bilinéaire symétrique positive sur C ([a, b], R).
Reste à vérifier que f est définie positive, pour cela, soit f ∈ C ([a, b], R), tel que f 6= 0.
f > 0 et f continue donc il existe x0 ∈]a, b[ tel que f (x0 ) 6= 0. f est continue, donc | f | est aussi
continue, donc pour ε = | f (x20 )| , il existe α > 0, tel que pour tout x ∈ [x0 − α, x0 + α], on a
1 3
| f (x0 ) ≤ | f (x)| ≤ | f (x0 )|
2 2
Donc, on aura
Z b Z x0 +α Z x0 +α
2 2 1
ϕ( f , f ) = f (t) dt ≥ f (t) dt ≥ f (x0 )2 dt = α f (x0 )2 > 0
a x0 −α 2 x0 −α
5. Soit f : Ω ⊆ Rn −→ R une fonction de classe C2 sur un ouvert Ω de Rn . Pour chaque x0 ∈ Ω,

la matrice hessienne H(x0 ) au point x0 , par :
2
∂ f
H(x0 ) = (x0 )
∂xi ∂x j 1≤i, j≤n

On sait, d’après le théorème de Schwartz, que H(x0 ) est une matrice symétrique et que si H(x0 )
est définie positive, alors x0 est un minimum local de f .
Rappelons que la forme quadratique q déterminée par la matrice H(x0 ) est définie par :
n n
∂2 f
∀(h1 , h2 , . . . , hn ) ∈ Rn , q(h1 , h2 , . . . , hn ) = ∑ ∑ ∂xi∂x j (x0)hih j
i=1 j=1
Proposition 3.3.
Soit E un espace euclidien. Alors,

i) E possède au moins une base orthonormale.
ii) Pour tout sous-espace vectoriel F de E, on a E = F ⊕ F ⊥ .
iii) Pour tout sous-espace vectoriel F de E, on a F ⊥⊥ = F.
Preuve
i) Soit f un produit scalaire sur E, puisque f est une forme bilinéaire symétrique sur E, alors E
possède au moins une base orthogonale (e1 , e2 , . . . , en ) et puisque f est définie positive, alors
∀i ∈ {1, 2, . . . , n}, f (ei , ei ) > 0. Soit (v1 , v2 , . . . , vn ) le système défini par :
1
∀i ∈ {1, 2, . . . , n}, vi = p ei
f (ei , ei )
alors (v1 , v2 , . . . , vn ) est une base orthonormale de E.

ii) Il suffit de vérifier que F est non isotrope.
Soit x ∈ F ∩ F ⊥ , alors f (x, x) = 0, donc x = 0, car f est définie positive.
iii) Un produit scalaire est non dégénéré, donc F ⊥⊥ = F.
3.3.1 Notations et règles de calcul

Notations
Soit E un espace préhilbertien complexe muni d’un produit hermitien h. Dans toute la suite, nous
adoptons les notations suivantes :
∀x ∈ E, ∀y ∈ E, on pose f (x, y) =< x, y > et f (x, x) = kxk2
Règles de calcul
i)
∀x ∈ E, ∀y ∈ E, kx + yk2 = kxk2 + 2 < x, y > +kyk2
ii)
∀x ∈ E, ∀y ∈ E, kx − yk2 = kxk2 − 2 < x, y > +kyk2
iii)
∀x ∈ E, ∀y ∈ E, kx + yk2 + kx − yk2 = 2(kxk2 + kyk2 ) (Identité du prallèlogramme)

iv) Identité de polarisation :
1
kx + yk2 − kxk2 − kyk2

∀x ∈ E, ∀y ∈ E, < x, y > =
2
1
= kx + yk2 − kx − yk2

4
Remarque 3.3.1
Notez que si < x, y >= 0, alors on aura
kx + yk2 = kx − yk2 = kxk2 + kyk2
3.3.2 Utilisation des bases orthonormales

Soit E un espace euclidien de dimension n, muni d’une base orthonormale (e1 , e2 , . . . , en ).
Alors on a
1.
n
∀x ∈ E, x = ∑ < x, ei > ei
i=1
2.
n
∀x ∈ E, ∀y ∈ E, < x, y >= ∑ < x, ei >< y, ei >
i=1
3.
n
∀x ∈ E, kxk2 = ∑ (< x, ei >)2
i=1
4. Si u est un endomorphisme de E et si A = (ai j )1≤i, j≤n la matrice de u par rapport à la base

orthonormale (e1 , e2 , . . . , en ), alors on a
∀i ∈ {1, 2, . . . , n}, ∀ j ∈ {1, 2, . . . , n}, ai j =< u(e j ), ei >
Preuve n
1. Soit x ∈ E avec x = ∑ xk ek , alors on aura
k=1
n
∀i ∈ {1, 2, . . . , n}, < x, ei >= ∑ xk < ek , ei >= xi ((car < ek , ei >= δki )
k=1
2. Exercice.
3. Exercice.
4. A = (ai j )1≤i, j≤n = Mat(u, (e1 , e2 , . . . , en )), donc on a
n
∀ j ∈ {1, 2, . . . , n}, u(e j ) = ∑ ak j ek
k=1
Donc,
n
∀i ∈ {1, 2, . . . , n}, ∀ j ∈ {1, 2, . . . , n}, < u(e j , ei >= ∑ ak j < ek , ei >= ai j (car < ek , ei >= δki )
k=1

3.4 Inégalité de cauchy-Schwartz
Théorème 3.5.
Soit E un R-espace vectoriel muni d’une forme blinéaire symétrique positive, alors on a
p p
∀x ∈ E, ∀y ∈ E, | f (x, y)| ≤ f (x, x) f (y, y)
Preuve
Soit (x, y) ∈ E 2 , puisque f est positif, alors on a
∀λ ∈ R, f (λx + y, λx + y) = f (x, x)λ2 + 2 f (x, y)λ + f (y, y) ≥ 0
il s’agit donc d’un polynÃt’me de second degrÃl’ en λ qui garde un signe constant, donc son discri-
minant est nÃl’gatif. Donc on a
f (x, y)2 − f (x, x) f (y, y) ≤ 0
D’où le résultat.
Corollaire 3.6.
Soit E un espace préhilbertien réel, alors on a
∀x ∈ E, ∀y ∈ E, | < x, y > | ≤ kxkkyk
Preuve
On sait que tout produit scalaire est une forme bilinéaire définie positive, donc, en particulier, tout
produit scalaire est positive, donc, d’après le théorème précédent, on a le résultat.
Proposition 3.7.
Soit E un espace préhilbertien réel, alors on a
| < x, y > | = kxkkyk ⇐⇒ (x, y) est lié
Preuve
(=⇒) Supposons que | < x, y > | = kxkkyk, alors le discriminant du polynôme en λ :
P(λ) = kxk2 λ2 − 2 < x, y > λ + kyk2
est nul, donc il existe λ0 ∈ R, tel que P(λ0 ) = 0, donc on aura
kλ0 x − yk2 = P(λ0 ) = 0
Donc λ0 x − y = 0, donc (x, y) est lié.

(⇐=) Supposons que (x, y) est lié, alors il existe α ∈ R, tel que y = αx, donc on aura
| < x, y > | = | < x, αx > | = |α|kxk2 = kxkkyk

Exemples
1. On considère Rn muni de son produit scalaire usuel, alors l’inégalité de Cauchy-Schwartz se
traduit par :
!1 !1
n n 2 n 2
n n
∀(x1 , x2 , . . . , xn ) ∈ R , ∀(y1 , y2 , . . . , yn ) ∈ R , ∑ xiyi ≤ ∑ xi2 ∑ y2i
i=1 i=1 i=1
2. on considère l2 (R) muni de son produit scalaire usuel, alors l’inégalité de Cauchy-Schwartz se
traduit par :
!1 !1
∞ ∞ 2 ∞ 2
∀(xn )n≥0 ∈ l2 (R), ∀(yn )n≥0 ∈ l2 (R), ∑ xnyn ≤ ∑ xn2 ∑ y2n

n=0 n=0 n=0
3. On considère C ([a, b], R) muni de son produit scalaire usuel, alors l’inégalité de Cauchy-
Schwartz se traduit par :
Z b Z b
12 Z b
12
2 2
∀ f ∈ C ([a, b], R), ∀g ∈ C ([a, b], R), f (t)g(t)dt ≤ f (t) dt g(t) dt
a a a
Définition 3.8.
Soit E un K-espace vectoriel, (K = R ou C). On appelle norme sur E, toute application

N : E −→ R+ vérifiant les propriètés suivantes :
i) ∀x ∈ E, N(x) = 0 ⇐⇒ x = 0,
ii) ∀λ ∈ K, ∀x ∈ E, N(λx) = |λ|N(x),
iii) ∀x ∈ E, ∀y ∈ E, N(x + y) ≤ N(x) + N(y). (Inégalité triangulaire).
Dans ce cas, on dit que le couple (E, N) est un espace normé.
Notations
Soit (E, N) un espace normé, alors pour tout x ∈ E, on pose kxk = N(x) et on lit "norme de x".
Si plusieurs normes sont définies sur E, on les désigne par k.k1 , k.k2 , . . . . . ..
Exemples
Les normes usuelles de Rn sont définies par :
n
n
∀x ∈ R , kxk1 = ∑ |xi |
i=1
!1
n 2
∀x ∈ Rn , kxk2 = ∑ xi2
i=1
n
∀x ∈ R , kxk∞ = sup |xi |
1≤i≤n
En utilisant les propriètés de la valeur absolue, il est facile de vérifier que les applications k.k1
et k.k∞ définissent des normes sur Rn , par contre, pour établir l’inégalité triangulaire concernant
l’application k.k2 , on utilise l’inégalité de Cauchy-Schwartz, comme le montre le corollaire suivant :

Corollaire 3.9.
Soit E un espace préhilbertien réel, alors l’application dédinie par :

√
∀x ∈ E, kxk = < x, x >
est une norme sur E, appelée norme euclidienne sur E.
Preuve
Vérifions les trois propriètés de la définition d’une norme.
i) Un produit scalaire est défini positif, donc on a
∀x ∈ E, < x, x >> 0 ⇐⇒ x 6= 0
Donc, par contraposée, on aura
∀x ∈ E, x = 0 ⇐⇒ kxk = 0
ii) Soit λ ∈ R et soit x ∈ E, alors on a

p p √
kλxk = < λx, λx > = λ2 < x, x > = |λ| < x, x > = |λ|kxk
iii) Soient x ∈ E et y ∈ E, alors on a
kx + yk2 = kxk2 + kyk2 + 2 < x, y >

≤ kxk2 + kyk2 + 2kxkkyk (inégalité de Cauchy-Schwartz)
≤ (kxk + kyk)2
Donc kx + yk ≤ kxk + kyk.
3.10 Procédé d’orthonormalisation de Gram-Schmidt

Théorème 3.11.
Soient E un espace euclidien de dimension n et (v1 , v2 , . . . , vn ) une base quelconque de E.

Alors il existe une base orthonormale unique (e1 , e2 , . . . en ) de E, telle que :
i) Pour tout j ∈ {1, 2, . . . , n}, Vect(e1 , e2 , . . . , e j ) = Vect(v1 , v2 , . . . , v j ).
ii) Pour tout j ∈ {1, 2, . . . , n}, < v j , e j >> 0.

Preuve
On construit les vecteurs e1 , e2 , . . . , en par récurrence de la manière suivante :
v1
e1 =
kv1 k
e02
e02 = v2 − < v2 , e1 > e1 et e2 =
ke02 k
..
.
j e0j+1
e0j+1 = v j+1 − ∑ < v j+1 , ek > ek et e j+1 =
k=1 ke0j+1 k
..
.
j
e0n
e0n = vn − ∑ < vn , ek > ek et en = 0
k=1 ken k
Puisque ∀ j ∈ {1, 2, . . . , n}, < v j , e j >=< e0j , e j >= ke0j k, alors on aura
∀ j ∈ {1, 2, . . . , n}, < v j , e j >> 0
Remarque 3.11.1
Soit (v1 , v2 , . . . , vn ) une base de E et (e1 , e2 , . . . , en ) la base orthonormale de E, obtenue en appliquant
le procécédé de Gram-Schmidt au système (v1 , v2 , . . . , vn ), alors on a
j
∀ j ∈ {1, 2, . . . , n}, v j = ∑ < v j , ei > ei
i=1
Donc, si P est la matrice de passage de (e1 , e2 , . . . , en ) à (v1 , v2 , . . . , vn ), alors P est une matrice
triangulaire supérieure dont les éléments diagonaux sont définis par :
∀i ∈ {1, 2, . . . , n}, pii =< vi , ei >
Proposition 3.12 (Inégalité d’Hadamard).
Soient E un espace euclidien orienté de dimension n et (v1 , v2 , . . . , vn ) un système de vec-

teurs de E, alors
|det(v1 , v2 , . . . , vn )| ≤ kv1 kkv2 k · · · kvn k
Preuve
Si det(v1 , v2 , . . . , vn ) = 0, alors l’inégalité est trivial.
Si det(v1 , v2 , . . . , vn ) 6= 0, alors (v1 , v2 , . . . , vn ) est une base de E.
Soit (e1 , e2 , . . . , en ) la base orthonormale de E, obtenue en appliquant le procécédé de Gram-Schmidt
au système (v1 , v2 , . . . , vn ), alors d’après la remarque précédente, on a
|det(v1 , v2 , . . . , vn )| = |< v1 , e1 >< v2 , e2 > · · · < vn , en >|

≤ kv1 kkv2 k · · · kvn k (d’après Cauchy-Schwartz)

3.13 Changement de bases orthonormales - Orientation
Lemme 3.14.
Soit E un espace euclidien de dimension n, muni d’une base orthonormale (e1 , e2 , . . . , en ).

Soit (v1 , v2 , . . . , v p ) un système quelconque de vecteurs de E, tels que
n
∀ j ∈ {1, 2, . . . , p}, v j = ∑ ai j ei
i=1
Soit A la matrice de Mn,p (R) définie par A = (ai j )1≤i≤n,1≤ j≤p , alors on a
t
AA = (< vi , v j >)1≤i, j≤p
Preuve
Puisque (e1 , e2 , . . . , en ) est une base orthonormale, alors pour tout x ∈ E, on a
n
x = ∑ < x, ei > ei
i=1
Donc, en particulier, on a
∀ j ∈ {1, 2, . . . , n}, ∀i ∈ {1, 2, . . . , n}, ai j =< v j , ei >
Posons, maitenant, t AA = (αi j )1≤i, j≤p , alors pour tout (i, j) ∈ {1, 2, . . . , n}2 , on a
n
αi j = ∑ akiak j
k=1
n
= ∑ < vi, ek >< v j , ek >
k=1
n
=< vi , v j > (car ∀x ∈ E, ∀y ∈ E, < x, y >= ∑ < x, ek >< y, ek >)
k=1
Théorème 3.15.
Soient E un espace euclidien de dimension n, β et γ deux bases orthonormales de E et P la

matrice de passage de β à γ, alors on a
t
PP = PtP = I
Preuve
Soient β = (e1 , e2 , . . . , en ), γ = (v1 , v2 , . . . , vn ) et P = (pi j )1≤i, j≤n , alors on a
n
∀(i, j) ∈ {1, 2, . . . , n}2 , v j = ∑ pi j ei
i=1
Donc, d’après le lemme précédent, on a
(
t 1 si i = j
PP = (< vi , v j >)1≤i, j≤n = δi j =
0 si i 6= j
Donc tPP = I, par suite on a aussi P tP = I.

Définition 3.16.
Une matrice A ∈ Mn (R) est dite orthogonale , si tAA = I.
Remarque 3.16.1
1. Si A est une matrice orthogonale, alors A est inversible et on a
A−1 = tA
2. Si A est une matrice orthogonale, alors
det(A) = ±1
En fait, on a tAA = I, donc det(tAA) = det(I) = 1, donc det(A)2 = 1.
3. Fixons une base orthonormale β de E et soit γ une autre base orthonormale de E.
Soit P la matrice de passage de β à γ, alors d’après le lemme précédent, P est une matrice
orthogonale, donc on aura detβ (γ) = det(P) = ±1
Proposition 3.17.
Fixons une base orthonormale β de E et considèrons la relation R définie sur l’ensemble B

de toutes les bases orthonormales de E, par :
β1 R β2 ⇐⇒ detβ (β1 ) = detβ (β2 )
Alors R est une relation d’équivalence ayant deux classes d’équivalence C1 et C2 définies
par :
C1 = {γ ∈ B : detβ (γ) = 1} et C2 = {γ ∈ B : detβ (γ) = −1}
Preuve
Exercice
Définition 3.18.
i) Un espace euclidien orienté est un couple (E, β), où E est un espace euclidien et β une
base orthnormale de E fixée.
ii) Si (E, β) est un espace euclien orienté et si γ est une base orthonormale de E, tel que
detβ (γ) = 1, on dit que γ est une base orthonormale directe.
Dans le cas contraire, on dit que γ est une base orthonormale indirecte.
Remarque 3.18.1
1. En pratique, pour simlifier, on dit soit E un espace euclidien orienté, donc, sous-entendu, E est
menu d’une base orthonormale β.
2. Soit E un espace euclidien orienté de dimension n et soit S = (v1 , v2 , . . . , vn ) un système de n
vecteurs de E. Alors le déterminant de S ne dépend pas de la base orthormale directe choisie.
En effet, soit γ une base orthonormale directe, alors on a
detβ (S) = detβ (γ) detγ β(S) = detγ (S) (car det(γ) = 1)
β
Donc, dans un espace euclidien orienté, det(S) désigne le déterminant de S par rapport à
n’importe quelle base orthonormale directe.

3.19 Produit vectoriel
3.19.1 Formes linéaires d’un espace euclidien
Proposition 3.20.
Soit E un espace euclidien, alors pour toute forme linéaire ϕ de E, il existe un unique y ∈ E,
tel que
∀x ∈ E, ϕ(x) =< x, y >
Preuve
On sait que le produit scalaire sur E est, en particulier, une forme bilinéaire symétrique non dégénéré,
donc l’application Φ : E −→ E ∗ définie par :
∀y ∈ E, ∀x ∈ E, Φ(y)(x) =< x, y >
est bijective.
Donc pour chaque ϕ ∈ E ∗ , il existe un unique y ∈ E, tel que Φ(y) = ϕ et ainsi, on aura
∀x ∈ E, ϕ(x) = Φ(y)(x) =< x, y >
3.20.1 Définition et propriètés du produit vectoriel

Théorème 3.21.
Soit E un espace euclidien orienté de dimension 3. Alors pour tout couple de vecteurs (u, v)
de E, il existe un unique vecteur w de E, tel que
∀x ∈ E, det(u, v, x) =< x, w >
Dans ce cas, w s’appelle le produit vectoriel de u et v et se note u ∧ v.
Preuve
Considèrons l’application ϕ : E −→ R définie par
∀x ∈ E, ϕ(x) = det(u, v, x)
Puisque le determinant est une forme multilinéaire, alors ϕ est une forme linéaire sur E, donc d’après
le théorème précédent, il existe un unique w ∈ E, tel que
∀x ∈ E, ϕ(x) = det(u, v, x) =< x, w >
Remarque 3.21.1
1. Le produit vectoriel u ∧ v de deux vecteurs u et v est caractériser par
∀x ∈ E, det(u, v, x) =< x, u ∧ v >
2. Soit (e1 , e2 , e3 ) une base orthonormale de E, alors on sait que
∀x ∈ E, x =< x, e1 > e1 + < x, e2 > e2 + < x, e3 > e3

u ∧ v = e1 + e2 + e3
= det(u, v, e1 )e1 + det(u, v, e2 )e2 + det(u, v, e3 )e3
Donc si u = u1 e1 + u2 e2 + u3 e3 et v = v1 e1 + v2 e2 + v3 e3 , alors w = w1 e1 + w2 e2 + w3 e3 , où
w1 , w2 , w3 sont déterminés par
u2 v2 u v u v
w1 = , w2 = − 1 1 et w3 = 1 1
u3 v3 u3 v3 u2 v2
3. Si (e1 , e2 , e3 ) est une base orthonormale direecte de E, alors on a
e1 ∧ e2 = e3 , e2 ∧ e3 = e1 et e3 ∧ e1 = e2
En effet, on a
e1 ∧ e2 = det(e1 , e2 , e1 )e1 + det(e1 , e2 , e2 )e2 + det(e1 , e2 , e3 )e3 = det(e1 , e2 , e3 )e3 = e3
De la même manière on vérifie que e2 ∧ e3 = e1 et e3 ∧ e1 = e2 .
Proposition 3.22.
Soit E un espace euclidien orienté de dimension 3. Alors on a

i) ∀u ∈ E, ∀v ∈ E, ∀w ∈ E, u ∧ (v + w) = (u ∧ v) + (u ∧ w) et (u + v) ∧ w = (u ∧ w) + (v ∧ w).
ii) ∀λ ∈ R, ∀u ∈ E, ∀v ∈ E, (λu) ∧ v = u ∧ (λv) = λ(u ∧ v).
iii) ∀u ∈ E, ∀v ∈ E, u ∧ v = −v ∧ u.
iv) ∀u ∈ E, ∀v ∈ E, < u, u ∧ v >=< v, u ∧ v >= 0.
v) u ∧ v = 0 ⇐⇒ (u, v) est lié.
Preuve
i) Pour tout x ∈ E, on a
 = det(u, v + w, x)
= det(u, v, x) + det(u, w, x)
= + 
=< (u ∧ v + u ∧ w), x >
Donc, ∀x ∈ E, =< (u ∧ v + u ∧ w), x >, par suite, u ∧ (v + w) = u ∧ v + u ∧ w).
ii) Pour tout x ∈ E, on a
< (λu) ∧ v, x > = det(λu, v, x)
= λ det(u, v, x) = λ 
= det(u, λv, x) =
Donc, (λu) ∧ v = u ∧ (λv) = λ(u ∧ v).
iii) Pour tout x ∈ E, on a
 = det(u, v, x)
= −λ det(v, u, x)
=< −(v ∧ u), x >
Donc u ∧ v = −v ∧ u.

iv) Pour u ∈ E et v ∈ E, on a
= det(u, v, u) = 0 et < v ∧ u, v >= det(v, u, v) = 0
v) (=⇒) Supposons que u ∧ v = 0, puis supposons, par absurde, que (u, v) est libre.
Soit x0 ∈ E, tel que x0 ∈
/ Vect(u, v), alors (u, v, x0 ) est libre, donc det(u, v, x0 ) 6= 0.
Ce qui est absurde, car ∀x ∈ E, det(u, v, x) = 0.
(⇐=) Supposons que (u, v) est lié.
Si u = 0 ou v = 0, alors u ∧ v = 0.
Si u 6= 0 et v 6= 0, alors il existe α ∈ R, tel que v = αu, donc on aura
u ∧ v = u ∧ (αu) = α (u ∧ u) = 0 (car ∀u ∈ E, u ∧ u = 0)
Remarque 3.22.1
Si (u, v) est libre, alors (u, v, u ∧ v) est une base de E.
En effet, on a
det(u, v, u ∧ v) == ku ∧ vk2
Puisque (u, v) est libre, alors, d’après la proposition précédente, u ∧ v 6= 0, donc det(u, v, u ∧ v) 6= 0 et
par suite (u, v, u ∧ v) est une base de E.
Proposition 3.23.
Soit E un espace euclidien orienté de dimension 3. Alors
∀(u, v) ∈ E 2 , ku ∧ vk2 = kuk2 kvk2 − (< u, v >)2
Preuve
Si (u, v) est lié, alors on sait que < u, v >= kukkvk et u ∧ v = 0, d’où le résultat.
Si (u, v) est libre, alors (u, v, u∧v) est une base de E. Soit P la matrice de passage de la base (u, v, u∧v)
à une base orthonormale de E, alors d’après le lemme précédent, on a
kuk2
   
< u, u > < u, v > < u, u ∧ v > < u, v > 0
t
PP =  < v, u > < v, v > < v, u ∧ v >  = < u, v > kvk2 0 
 0 0 ku ∧ vk2
Donc, d’une part, on aura
det(tPP) = det(P)2 = det(u, v, u ∧ v)2 = ()2 = ku ∧ vk4
D’aure part, on a
det(tPP) = ku ∧ vk2 kuk2 kvk2 − (< u, v >)2

Par suite, on aura

ku ∧ vk4 = ku ∧ vk2 kuk2 kvk2 − (< u, v >)2

Donc ku ∧ vk2 = kuk2 kvk2 − (< u, v >)2 .
Remarque 3.23.1
1. Si kuk = kvk = 1 et < u, v >= 0, alors (u, v, u ∧ v) est une base orthonormale directe de E.
En effet, on a
det(u, v, u ∧ v) = ku ∧ vk2 = kuk2 kvk2 − (< u, v >)2 = 1

2. Soient u et v deux vecteurs non nuls, alors d’après la proposition précédente, on a
ku ∧ vk2 < u, v >2
+ =1
kuk2 kvk2 kuk2 kvk2
Donc, il existe un unique θ ∈ [0, π], tel que
< u, v > ku ∧ vk
cos θ = et sin θ =
kukkvk kukkvk
Dans ce cas, θ s’appelle l’angle non orienté formé par les vecteurs u et v.
Proposition 3.24 (Formule du double produit vectoriel).
Soient E un espace euclidien, u, v et w trois vecteurs de E, alors on a
u ∧ (v ∧ w) =< u, w > v− < u, v > w
Preuve
i) Si l’un des trois vecteurs est nul, alors il est clair que la proposition est vérifiée. Donc dans la suite,
on peut supposer que les trois vecteurs sont non nuls.
ii) Si (v, w) est lié, alors v ∧ w = 0, donc u ∧ (v ∧ w) = 0.
D’autre part, puisque v et w sont non nuls, alors il existe α ∈ R, tel que w = αv, donc on aura
< u, w > v− < u, v > w =< u, αv > v− < u, v > αv = α < u, v > v − α < u, v > v = 0
Donc, dans ce cas, la proposition est vérifiée.
iii) Si (v, w) est libre, alors F = Vect(v, w) est un espace euclidien de dimension 2. Soit (e1 , e2 ) une
v
base orthonormale de F, avec e1 = kvk et soit e3 un vecteur de E, tel que (e1 , e2 , e3 ) soit une
base orthonormale directe de E. Alors on aura
w = αe1 + βe2 et v = ae1 + be2 + ce3
Donc, d’une part, on a
u ∧ (v ∧ w) = u ∧ (v ∧ (αe1 + βe2 ))
= u ∧ (βkvke1 ∧ e2 )
= βkvku ∧ e3
= βkvk(ae1 ∧ e3 + be2 ∧ e3 )
= βkvk(be1 − ae2 )
< u, w > v− < u, v > w =< ae1 + be2 + ce3 , αe1 + βe2 > v− < ae1 + be2 + ce3 , v > (αe1 + βe2 )
= (aα + bβ)kvke1 − akvk(αe1 + βe2 )
= βkvk(be1 − ae2 )
Remarque 3.24.1
On a aussi
(u ∧ v) ∧ w =< u, w > v− < v, w > u
Donc le produit vectoriel n’est pas associatif. En fait, on montrer, voir exercices, que
u ∧ (v ∧ w) = (u ∧ v) ∧ w ⇐⇒ (v, u ∧ w) est lié

3.25 Exercices
Exercice 37
Dans chacun des cas suivants, déterminer les valeurs du paramètre réel a pour lesquelles la forme
quadratique q définit un produit scalaire sur R3 :
a) q(x) = x12 + x22 + (a + 12)x32 − 6x1 x3 + 4x2 x3 .
b) q(x) = x12 + (a + 5)x22 + (a2 + a + 2)x32 + 4x1 x2 + 2x1 x3 + 2(a + 3)x2 x3 .
Exercice 38
Soient E un R-espace vectoriel quelconque et q : E −→ R, telle que
∀(x, y) ∈ E × E, q(x + y) + q(x − y) = 2q(x) + 2q(y)
On considère l’application f : E × E −→ R, définie par :
1
∀(x, y) ∈ E × E, f (x, y) = (q(x + y) − q(x − y))
4
1. a) Montrer que q(0) = 0.
b) Montrer que ∀x ∈ E, q(−x) = q(x).
c) En déduire que ∀(x, y) ∈ E × E, f (x, y) = f (y, x).
d) Montrer que ∀y ∈ E, f (0, y) = 0.
2. Montrer que
∀(x, y, z) ∈ E 3 , f (x + y, z) + f (x − y, z) = 2 f (x, z)
3. Montrer que
a)
∀p ∈ Z, ∀(x, z) ∈ E 2 , f (px, z) = p f (x, z)
b)
p p
∀p ∈ Z, ∀q ∈ N∗ , ∀(x, z) ∈ E 2 , f ( x, z) = f (x, z)
q q
4. On suppose que l’application ϕ : R −→ R définie par ϕ(t) = q(tx + y) est continue sur R.
Montrer que f est bilinéaire symétrique.
5. Soit (E, k · k) un espace normé dont la norme vérifie l’identité du parallèlogramme :
∀(x, y) ∈ E 2 , kx + yk2 + kx − yk2 = 2kxk2 + 2kyk2
Montrer que la norme k · k est défini par un produit scalaire.
Exercice 39
Soient E un espace euclidien, F et G deux sous-espaces vectoriels de E. Montrer que
(F ∩ G)⊥ = F ⊥ + G⊥ et (F + G)⊥ = F ⊥ ∩ G⊥
Exercice 40
Soit E un espace préhilbertien réel x et y deux vecteurs de E. Montrer que
< x, y >= 0 ⇐⇒ ∀λ ∈ R, kx + λyk ≥ kxk
Exercice 41
Soient E un espace préhilbertien, x et y deux vecteurs non nuls de E. Montrer que
x y kx − yk
2
− 2
=
kxk kyk kxkkyk

Exercice 42 (Egalité de la médiane)
Soient E un espace préhilbertien réel, x, a et b trois vecteurs quelconques de E. Montrer que
2
a+b kx − ak2 + kx − bk2 1
x− = − ka − bk2
2 2 4
Exercice 43
Soient E un espace euclidien, x et y deux vecteurs de E, avec x 6= y. Montrer que pour tout z ∈ E, on a
kx − zk + ky − zk = kx − yk ⇐⇒ ∃α ∈ [0, 1] : z = (1 − α)x + αy
Exercice 44
Soient E un espace euclidien, a ∈ E et (α, β, γ) ∈ R3 . Résoudre, dans E, l’équation
α < x, x > +β < x, a > +γ = 0

Exercice 45
Soit ϕ : Rn [X] × Rn [X] −→ R l’applcation définie par :
n
ϕ(P, Q) = ∑ P(k)Q(k)
k=1
Montrer que ϕ définit un produit scalaire sur Rn [X].

Exercice 46
Soient a, b deux nombres réels et f la forme bilinéaire définie sur R2 par :
∀(x, y) ∈ R2 × R2 , f (x, y) = x1 y1 + 2x1 y2 + ax2 y1 + x2 y2
1. A quelle condition sur (a, b), f définit-elle un produit scalaire sur R2 ?

2. On suppose a = 2 et b = 5.
a) Préciser la norme définie par f .
b) Ecrire l’inégalité de Cauchy-schwartz pour cette norme.
Exercice 47
Soient E un R-espace vectoriel, q une forme quadratique sur E, N(q) le noyau de q et C(q) le cône
des vecteurs isotropes de q.
Montrer que q garde un signe constant si, et seulement si, C(q) = N(q).
Exercice 48
R3 est muni de son produit scalaire usuel et (e1 , e2 , e3 ) sa base canonique. Soient v1 = e1 + e2 + e3 ,
v2 = e1 + e2 et v3 = e1 .
a) Vérifier que (v1 , v2 , v3 ) définit une base de R3 .
b) Appliquer le procédé de Gram-Schmidt à la base (v1 , v2 , v3 ) pour obtenir une base orthonormale
(u, v, w).
Exercice 49 (Quelques applications de l’inégalité de Cauchy-Schwartz)n

1. Soient x1 , x2 , . . . , xn des nombres réels strictement positifs, tels que ∑ xi = 1. Montrer que
i=1
n
1
∑ xi ≥ n2
i=1
Etudier le cas d’égalité.

2. Soient x1 , x2 , . . . , xn des nombres réels quelconques. Montrer que
!
n √ n
∑ xi ≤ n ∑ xi2
i=1 i=1

3. Soit (x1 , x2 , . . . , xn ) ∈ Rn . Montrer que
!2
n n
∑ xk ≤ n ∑ xk2
k=1 k=1

4. Soient x1 , x2 , . . . , xn des nombres réels strictement positifs. Montrer que
1 1 1
(x1 + x2 + · · · + xn )( + + · · · + ) ≥ n2
x1 x2 xn
5. Soit (x1 , x2 , . . . , xn ) ∈ Rn . Montrer que
!2
1 n n √
√ ∑ xk ≤ ∑ xk2 k
2 n i=1 i=1

6. Soit (x, y, z) ∈ R3 , tel que x2 + y2 + z2 ≤ 1. Montrer que
(x + 2y + 3z)2 ≤ 14

7. Soit (x, y, z) ∈ R3 , tel que x2 + 2y2 + 3z2 ≤ 1. Montrer que
11
(x + y + z)2 ≤
6
8. Soit P ∈ R[X] un polynôme à coefficients ≥ 0. Montrer que
√
∀(x, y) ∈ R2+ , P( xy)2 ≤ P(x)P(y)
9. Montrer que p p
∀(x, y) ∈ R2 , x y2 + 1 + y x2 + 1 < x2 + y2 + 1
10. Montrer que pour toute fonction continue f : [a, b] −→ R, on a
Z b 2 Z b
| f (t)|dt ≤ (b − a) f (t)2 dt
a a
Pour quelles fonctions a-t-on l’égalité ?

11. Soit f : [a, b] −→ R une fonction continue et strictement positive. Montrer que
Z b Z b
dt
f (t)dt ≥ (b − a)2
a a f (t)

12. Soit f : [a, b] −→ R une fonction continue et positive. Pour chaque entier n ≥ 0, on pose
Z b
In = t n f (t)dt
a
Montrer que ∀(n, p) ∈ N2 , In+p

2 ≤ I2n I2p . Etudier le cas d’égalité.
13. Soient E un espace euclidien, v1 , v2 , . . . , vn , n ≥ 1, des vecteurs de E. Montrer que
2
n n
∑ vi ≤ n ∑ kvi k2
i=1 i=1
Exercice 50
Mn (R) est muni de son produit scalaire usuel :
∀(A, B) ∈ Mn (R)2 , < A, B >= tr(t AB)
1. Montrer que la base canonique (Ei j )1≤i, j≤n est une base orthonormale de Mn (R).
2. Montrer que Sn (R)⊥ = An (R).
3. Montrer que √ p t
∀A ∈ Mn (R), tr(A) ≤ n tr( AA)
Etudier le cas dégalité
Exercice 51
Soient E un espace euclidien, α ∈ R, u, v et w trois vecteurs de E, tels que
< u, v >=< u, w >=< v, w >= α
a) Montrer que − 12 ≤ α ≤ 1.
b) Montrer que (u, v, w) est libre, si, et seulement si, − 12 < α < 1.
Exercice 52
Soient E un espace euclidien, n un entier ≥ 2 et S = (v1 , v2 , . . . , vn ) un système de vecteurs de E, tels
que
∀(i, j) ∈ {1, 2, . . . , n}2 , i 6= j =⇒< vi , v j >< 0
Montrer que rg(S) ≥ n − 1.
Exercice 53
Soient E un espace euclidien et S une partie de E, telle que
∀(x, y) ∈ S2 , < x, y >= −1
1. Etablir que S est finie.

2. Montrer que
1
∑ 1 + kxk2 ≤ 1
x∈S
Exercice 54
Soit E un espace préhilbertien. On suppose qu’il existe un système de vectreurs (e1 , e2 , . . . , en ) de E,
tels que
n
∀x ∈ E, kxk2 = ∑ (< x, ei >)2
i=1

1. Montrer que pour tout (i, j) ∈ {1, 2, . . . , n}, < ei , e j >= δi j .
2. Soit F = Vect({e1 , e2 , . . . , en }) et soit x ∈ E.
n
On pose y = ∑ < x, ei > ei , calculer kx − yk et en déduire que E = F.
i=1
Exercice 55
Soient E un espace euclidien et (v1 , v2 , . . . , vn ) un système lié de vecteurs unitaires, tels que
∃α 6= 1 : ∀(i, j) ∈ {1, 2, . . . , n}, i 6= j =⇒< vi , v j >= α
Montrer que
a) v1 + v2 + · · · + vn = 0,
1
b) α = − n−1 ,
c) rg(v1 , v2 , . . . , vn ) = n − 1.
Exercice 56
Soit ϕ la forme bilinéaire définie sur R3 par :
ϕ(x, y) = (x1 − 2x2 )(y1 − 2y2 ) + x2 y2 + (x2 + x3 )(y2 + y3 )
1. Montrer que ϕ définit un produit scalaire sur R3 .
2. Ecrire la matrice de ϕ dans la base canonique (e1 , e2 , e3 ) de R3 .
3. A l’aide de Gram-Schmidt, orthogonaliser la base canonique de R3 pour le produit scalaire ϕ.
Exercice 57 (Formule du double produit vectoriel)
Soient u, v et w trois vecteurs d’un espace euclidien de dimension de dimension 3
1. Montrer que
u ∧ (v ∧ w) =< u, w > v− < u, v > w
2. Montrer que
det(u ∧ v, v ∧ w, w ∧ u) = det(u, v, w)2
3. Montrer que
u ∧ (v ∧ w) = (u ∧ v) ∧ w ⇐⇒ (v, u ∧ w) est lié
4. Montrer que
u ∧ (v ∧ w) + w ∧ (u ∧ v) + v ∧ (w ∧ u) = 0 (Identité de Jacobi)
Exercice 58
Soient E un espace euclidien orienté de dimension 3, a, b, c et d quatres vecteurs de E.
Montrer que
a) < a ∧ b, c ∧ d >=< a, c >< b, d > − < a, d >< b, c >.
b) (a ∧ b) ∧ (c ∧ d) = det(a, b, d)c − det(a, b, c)d.
Exercice 59
Soient a et b deux vecteurs d’un espace euclidien orienté de dimension 3, avec a 6= 0.
1. Etudier l’équation a ∧ x = b.
(Indication : on cherchera une solution particulière sous la forme x = a ∧ y).
2. Soient u, v et w trois vecteurs de E. Trouver trois vecteurs x, y et z de E, tels que

u = x ∧ y

v = y∧z

w = z∧x

(Indication : on pourra caculer u ∧ v).

CHAPITRE 4
ENDOMORPHISMES D’UN ESPACE
EUCLIDIENS
4.1 Endomorphisme adjoint

Proposition 4.2.
Soit E un espace euclidien. Alors pour tout endomorphisme u de E, il existe un unique

endomorphisme v de E, tel que
∀x ∈ E, ∀y ∈ E, < u(x), y >=< x, v(y) >
Dans ce cas, v s’appelle l’adjoint de u et se note u∗ .
Fixons y ∈ E et considèrons l’application ϕy : E −→ R définie par :

∀x ∈ E, ϕy (x) =< u(x), y >
Alors ϕy est une forme linéaire, donc il existe un unique zy ∈ E, tel que
∀x ∈ E, ϕy (x) =< x, zy >
Considèrons l’application v : E −→ E qui à chaque y fait correspondre v(y) = zy .
Alors v est linéaire, en effet, soient y1 ∈ E, y2 ∈ E et λ ∈ R, alors on a
∀x ∈ E, < x, v(λv1 + v2 ) > =< u(x), λv1 + v2 >
= λ < u(x), y1 > + < u(x), y2 >
= λ < x, v(y1 ) > + < x, v(y2 ) >
=< x, λv(y1 ) + v(y2 ) >
Donc ∀x ∈ E, < x, v(λy1 + y2 ) − λv(y1 ) − v(y2 ) >= 0, par suite
v(λy1 + y2 ) − λv(y1 ) − v(y2 ) = 0
Donc v est linéaire.
Soit w un autre endomorphisme de E, tel que
∀x ∈ E, ∀y ∈ E, < u(x), y >=< x, w(y) >
67
Alors, on aura
∀x ∈ E, ∀y ∈ E, < x, v(y) >=< x, w(y) >
Ainsi, on en déduit que ∀y ∈ E, w(y) = v(y).
Proposition 4.3.
Soit E un espace euclidien. Alors on a

i) ∀u ∈ L(E), u∗∗ = u.
ii) ∀u ∈ L(E), ∀v ∈ L(E), (u + v)∗ = u∗ + v∗ .
iii) ∀λ ∈ R, ∀u ∈ L(E), (λu)∗ = λu∗ .
iv) ∀u ∈ L(E), ∀v ∈ L(E), (v ◦ u)∗ = u∗ ◦ v∗ .
v) Si β est une base orthonormale de E et si A = Mat(u, β), alors on a
Mat(u∗ , β) = tMat(u, β)
Preuve
i) Soit w = u∗∗ = (u∗ )∗ , alors w est l’unique endomorphisme de E vérifiant
∀x ∈ E, ∀y ∈ E, < u∗ (x), y >=< x, w(y) >
Or, par définition de l’adjoint, on a
∀x ∈ E, ∀y ∈ E, < u∗ (x), y >=< x, u(y) >
Donc u∗∗ = u.
ii)
∀x ∈ E, ∀y ∈ E, < (u + v)∗ (x), y > =< x, (u + v)(y) >

=< x, u(y) > + < x, v(y) >
=< u∗ (x), y > + < v∗ (x), y >
=< (u∗ + v∗ )(x), y >
Donc (u + v)∗ = u∗ + v∗ .
iii) Se démontre de la même manière que ii).
iv) Pour tout x ∈ E et pour tout y ∈ E, on a
< (v◦u)∗ (x), y >=< x, (v◦u)(y) >=< x, v(u(x)) >=< v∗ (x), u(y) >=< u∗ (v∗ (x)), y >=< (u∗ ◦v∗ )(x), y >
Donc (v ◦ u)∗ = u∗ ◦ v∗ .
v) Soient β = (e1 , e2 , . . . , en ) une base orthonormale de E, A la matrice de u et B la matrice de u∗ par
rapport à β, alors on sait que
∀(i, j) ∈ {1, 2, . . . , n}2 , bi j =< u∗ (e j ), ei >=< e j , u(ei ) >=< u(ei ), e j >= a ji
Donc B = tA.

Proposition 4.4.
Soient E un espace euclidien et u un endomorphisme de E, alors

i) ker(u∗ ) = Im(u)⊥ .
ii) Im(u∗ ) = ker(u)⊥ .
iii) Si F est un sous-espace de E stable par u, alors F ⊥ est stable par u∗ .
Preuve
i) Soit y ∈ E, alors on a
y ∈ ker(u∗ ) ⇐⇒ u∗ (y) = 0
⇐⇒ ∀x ∈ E, < u∗ (y), x >= 0
⇐⇒ ∀x ∈ E, < y, u(x) >= 0
⇐⇒ y ∈ Im(u)⊥
Donc ker(u∗ ) = Im(u)⊥ .

ii) D’après i), on a
ker(u) = ker(u∗∗ ) = Im(u∗ )⊥
Donc, on aura
ker(u)⊥ = ℑ(u∗ )⊥⊥ = Im(u∗ )
iii) Soit F un sous-espace vectoriel de E stable par u. Vérifions que F ⊥ est stable par u∗ , pour cela
soit y ∈ F ⊥ et soit x ∈ F, alors on a
< u∗ (y), x >=< y, u(x) >= 0 (car u(x) ∈ F et y ∈ F ⊥ )
Donc F ⊥ est stable par u∗ .
4.5 Projection orthogonale

4.5.1 Projection suivant une direction
Définition 4.6.
Soient E un K-espace vectoriel quelconque, F un sous-espace vectoriel de E et G un sup-

plémentaire de F dans E. On appelle projection sur F parallèlement à G, l’application p
définie par :
p : E = F ⊕ G −→ E
x = x1 + x2 7−→ p(x) = x1
Remarque 4.6.1
Si p est la projection sur F parallèlement à G, alors on a
i) p2 = p, c’est à dire p est un projecteur de E.
ii) Im(p) = {x ∈ E : p(x) = x} = F ;
iii) ker(p) = G.

Proposition 4.7.
Soient E un K-espace vectoriel et u un projecteur de E, alors on a

i) ∀x ∈ E, u(x) − x ∈ ker(u).
ii) Im(u) = {x ∈ E : u(x) = x}.
iii) E = Im(u) ⊕ ker(u).
iv) u est la projection sur Im(u) parallèlement à ker(u).
Preuve
i) Pour x ∈ E, on a u(u(x) − x) = u2 (x) − u(x) = 0, (car u2 = u).
ii) Si u(x) = x, alors x ∈ Im(u).
Réciproquement, si x ∈ Im(u), alors il existe y ∈ E, tel que x = u(y), donc
u(x) = u(u(y)) = u2 (y) = u(y) = x (car u2 = u)
iii) Soit x ∈ ker(u) ∩ Im(u), alors u(x) = 0 et u(x) = x, donc x = 0.

Pour x ∈ E, on a x = (x − u(x)) + u(x), avec x − u(x) ∈ ker(u) et u(x) ∈ Im(u).
iv) E = Im(u) ⊕ ker(u), donc pour x = x1 + x2 , alors u(x) = u(x1 ) = x1 .
Donc u est la projection sur Im(u) parallèlement à ker(u).
4.7.1 Définition et propriètés d’une projection orthogonale

Rappelons que si E est un espace euclidien, alors pour tout sous-espace vectoriel F, on a E = F ⊕ F ⊥ .
Dans ce cas, F ⊥ s’appelle le supplémentaire orthogonal de F.
Définition 4.8.
Soient E un espace euclidien et F un sous-espace vectoriel de E. On appelle projection

orthogonale sur F, qu’on note pF , la projection sur F parallèlement à F ⊥ :
pF : E = F ⊕ F ⊥ −→ E
x = x1 + x2 7−→ pF (x) = x1
Remarque 4.8.1
1. Pour tout sous-espace vectoriel de E, on a
pF ⊥ = IdE − pF
2. Soient x ∈ E et y ∈ E, alors on a

y ∈ F

y = pF (x) ⇐⇒ et
x − y ∈ F⊥



y ∈ F

⇐⇒ et

∀z ∈ F, < x − y, z >= 0


3. Soient E un espace euclidien et u un projecteur de E, alors on sait que u est la projection sur
Im(u) parallélement à ker(u), donc
(u est une projection orthogonale) ⇐⇒ ker(u) = Im(u)⊥
Proposition 4.9.
Soient E un espace euclidien et u un projecteur de E, alors les propositions suivantes sont

équivalentes :
i) u est projection orthogonale,
ii) u∗ = u,
iii) ∀x ∈ E, ku(x)k ≤ kxk.
Preuve
i) =⇒ ii) Supposons que u est une projection orthogonale et montrons que u∗ = u.
Puisque u est une projection orthogonale, alors ker(u) = Im(u)⊥ , donc
∀x ∈ E, ∀y ∈ E, < u(x), y − u(y) >= 0
Soient x ∈ E et y ∈ E, alors on a
< u(x), y > =< u(x), (y − u(y)) + u(y) >
=< u(x), y − u(y) > + < u(x), u(y) >
=< u(x), u(y) > (car < u(x), y − u(y) >= 0)
=< (u(x) − x) + x, u(y) >
=< u(x) − x, u(y) > + < x, u(y) >
=< x, u(y) > (car < u(x) − x, u(y) >= 0)
Donc ∀x ∈ E, ∀y ∈ E, < u(x), y >=< x, u(y) >, donc d’après l’unicité de l’adjoint on a u∗ = u.
ii) =⇒ iii) Supposons que u∗ = u et soit x ∈ E, alors on a
ku(x)k2 =< u(x), u(x) >
=< u∗ (u(x)), x >
=< u2 (x), x > (car u∗ = u)
=< u(x), x > (car u2 = u)
≤ ku(x)kkxk (d’après l’inégalité de Cauchy-Schwartz)
Donc ∀x ∈ E, ku(x)k ≤ kxk.
iii) =⇒ i) Supposons que ∀x ∈ E, ku(x)k ≤ kxk et montrons que u est une projection orthogonale.
Pour cela, il suffit de montrer que ker(u)⊥ = Im(u).
Soit y ∈ ker(u)⊥ , pour montrer que y ∈ Im(u), il suffit d’établir que u(y) = y.
ku(y) − yk2 =< u(y) − y, u(y) − y >
=< u(y) − y, u(y) > − < u(y) − y, y >
=< u(y) − y, u(y) > (car u(y) − y ∈ ker(u) et y ∈ ker(u)⊥ )
=< u(y), u(y) > − < y, u(y) >
=< u(y), u(y) > − < y, (u(y) − y) + y >
=< u(y), u(y) > − < y, y > (car < y, u(y) − y >= 0)
= ku(y)k2 − kyk2
≤ 0 (car ∀x ∈ E, ku(x)k ≤ kxk)

Donc ku(y) − yk = 0, par suite, u(y) = y. Ainsi ker(u)⊥ ⊆ Im(u).
Or, on a
dim(ker(u)) + dim(Im(u)) = dim(ker(u)) + dim(ker(u)⊥ ) = dim(E)
Donc dim(ker(u)⊥ ) = dim(Im(u)), par conséquent, ker(u)⊥ = Im(u).
Proposition 4.10.
Soient E un espace euclidien, F un sous-espace vectoriel de E et (v1 , v2 , . . . , v p ) une base

orthonormale de F, alors
p
∀x ∈ E, pF (x) = ∑ < x, vi > vi
i=1
Preuve
On sait que pour tout x ∈ E, on a pF (x) ∈ F. Puisque (v1 , v2 , . . . , v p ) est une base orthonormale de
F, alors on a
p
pF (x) = ∑ < pF (x), vi >
i=1
On sait aussi que ker(pF ) = F ⊥ et Im(pF ) = F, donc on aura
∀x ∈ E, ∀y ∈ F, < x − pF (x), y >= 0 (car x − pF (x) ∈ ker(pF ))
Ainsi, on aura
∀x ∈ E, ∀i ∈ {1, 2, . . . , p}, < x, vi >=< (x − pF (x)) + pF (x), vi >=< pF (x), vi >
Exemples
1. Soit F une droite vectorielle de E, donc F = Vect(x0 ) avec x0 6= 0.
v = kxx00 k est une base orthonormale de E, donc on aura
< x, x0 >
∀x ∈ E, pF (x) = x0
kx0 k2
2. Soient H un hyperplan de E et x0 un vecteur non nul orthogonal à H, alors H ⊥ = F, où

F = Vect(x0 ), donc on aura
pH = IdE − pF
Ainsi, d’après la remarque précédente, on a
< x, x0 >
∀x ∈ E, pH (x) = x − x0
kx0 k2
3. R3 est muni de son produit scalaire usuel. Trouver la matrice, par rapport à la base canonique
(e1 , e2 , e3 ) de R3 , de la projection orthogonale sur la droite vectoriel F = Vect(e1 − e3 ).

√
Posons x0 = e1 − e3 , alors kx0 k = 2, donc on aura
 < e1 , x0 >
 pF (e1 ) = 2
x0 = 12 x0 = 12 (e1 − e2 )
kx k



 0




 < e2 , x0 >
pF (e2 ) = x0 = 0

 kx0 k2




 < e3 , x0 >
x0 = − 12 x0 = − 12 (e1 − e2 )

 pF (e3 ) =

kx0 k2
Donc, on aura  
1 0 −1
1
Mat(pF , (e1 , e2 , e3 ) =  0 0 0 
2
−1 0 1
(e1 , e2 , e3 , e4 ) de R3 , de la projection orthogonale sur le sous-espace vectoriel F = {(x, y, z,t) ∈
R4 : x + y + t = 0}.
On remarque√que F un hyperplan de R4 et x0 = e1 + e2 + e4 est un vecteur orthogonal à F,
avec kx0 k = 3, donc on aura
< x, x0 >
∀x ∈ R4 , pF (x) = x − x0
3
Donc on aura
< e1 , x0 >


 pF (e1 ) = e1 − x0 = 31 (2e1 − e2 − e4 )


 3



< e2 , x0 >


pF (e2 ) = e2 − x0 = 31 (−e1 + 2e2 − e4 )




 3

 < e3 , x0 >

 pF (e3 ) = e3 − x0 = e3
3







 pF (e4 ) = e4 − < e4 , x0 > x0 = 1 (−e1 − e2 + 2e4 )



3 3
2 −1 0 −1
1 −1 2 0 −1
Mat(pF , (e1 , e2 , e3 , e4 )) =  
3 0 0 1 0
−1 −1 0 2
(e1 , e2 , e3 , e4 ) de R3 , de la projection orthogonale sur le sous-espace vectoriel F = Vect(e1 +
e2 , e1 + e4 ).
Dans ce cas, pour déterminer l’expression de pF , on doit chercher une base orthonormale
de F. En appliquant le procédé d’orthonormalisation de Gram-Schmidt, on obtient une base
orthonormale (v1 , v2 ) définie par
1 1
v1 = √ (e1 + e2 ) et v2 = √ (e1 − e2 + 2e4 )
2 6
Donc, d’après la proposition précédente, on aura
∀x ∈ E, pF (x) =< x, v1 > v1 + < x, v2 > v2

Ainsi, on aura

1 1 1
 pF (e1 ) =< e1 , v1 > v1 + < e1 , v2 > v2 = 2 (e1 + e2 ) + 6 (e1 − e2 + 2e4 ) = 6 (7e1 + 2e2 + 2e4 )







 pF (e2 ) =< e2 , v1 > v1 + < e2 , v2 > v2 = 12 (e1 + e2 ) − 16 (e1 − e2 + 2e4 ) = 16 (7e1 + 7e2 − 2e4 )




pF (e3 ) =< e3 , v1 > v1 + < e3 , v2 > v2 = 0









 p (e ) =< e , v > v + < e , v > v = 1 (2e − 2e + 4e )

F 4 4 1 1 4 2 2 6 1 2 4
7 7 0 2
1 2 7
 0 −2
Mat(pF , (e1 , e2 , e3 , e4 )) =  
6 0 0 0 0
2 −2 0 4
4.10.1 Distance d’un point à un sous-espace vectoriel

Définition 4.11.
Soient (E, k · k) un espace normé, x ∈ E et A une partie non vide de E. On définit la distance
de x à A, qu’on note d(x, A), par
d(x, A) = inf kx − yk
y∈A
Rappelons qu’un espace euclidien E est un espace normé et que la norme est définie à l’aide le produit
scalaire par : √
∀x ∈ E, kxk = < x, x >
Théorème 4.12.
Soient E un espace euclidien et F un sous-espace de E, alors
∀x ∈ E, d(x, F) = kx − pF (x)k
Preuve
Soit x ∈ E, alors pour tout y ∈ F, on a
x − y = x − pF (x) + pF (x) − y avec x − pF (x) ∈ F ⊥ et pF (x) − y ∈ F
Donc, on aura
∀y ∈ F, kx − yk2 = kx − pF (x)k2 + kpF (x) − yk2 ≤ kx − pF (x)k2
Ainsi, on a
inf kx − yk ≤ kx − pF (x)k
y∈F
Or, on sait que pF (x) ∈ F, donc kx − pF (x)k ≤ inf kx − yk. Donc, on aura
y∈F
d(x, F) = inf kx − yk = kx − pF (x)k

y∈F

Exemples (d’application)
Caculons
Z 1
inf (t 2 − at − b)2 dt
(a,b)∈R2 0
On considère R2 [X] le R-espace vectoriel des polynômes à coefficients réels de degré ≤ 2, muni du
produit scalaire défini par
Z 1
∀P ∈ R2 [X], ∀Q ∈ R2 [X], < P, Q >= P(t)Q(t)dt
0
Soit F = {P ∈ R2 [X] : deg(P) ≤ 1}, alors dim(F) = 2, donc F est un hyperplan de R2 [X].
Soit P = X 2 , alors on a
Z 1
2 2
d(P, F) = inf kP − Qk = inf (t 2 − at − b)2 dt
Q∈F (a,b)∈R2 0
car tout Q ∈ F s’écrit sous la forme aX + b avec (a, b) ∈ R2 .

On en déduit donc que
Z 1
inf (t 2 − at − b)2 dt = kP − pF (P)k2
(a,b)∈R2 0
Cherchons F ⊥ . Soit Q = αX 2 + βX + γ un élément de R2 [X], alors on a
Q ∈ F ⊥ ⇐⇒< Q, 1 >= 0 et < Q, X >= 0 (car F = Vect(1, X))

Z 1 Z 1
⇐⇒ Q(t)dt = 0 et tQ(t)dt = 0
(0 0
1 1
⇐⇒ 3α + 2β + γ = 0
1 1 1
4α + 3β + 2γ = 0
⇐⇒ α = 6γ et β = −6γ
Donc Q = 6X 2 − 6X + 1 est un vecteur orthogonal à F, où F est un hyperplan de R2 [X], donc
< P, Q >
pF (P) = P − Q
kQk2
Avec
Z 1 Z 1
1 1
< P, Q >= t 2 (6t 2 − 6t + 1)dt = et kQk2 = (6t 2 − 6t + 1)2 dt =
0 30 0 5
Donc, on aura
1
pF (P) = X −
6
Par suite, on a
Z 1 Z 1
2 2 2 1 1
inf (t − at − b) dt = kP − pF (P)k = (t 2 − t + )2 dt =
(a,b)∈R2 0 0 6 180

4.13 Symétrie orthogonale
4.13.1 Symétrie suivant une direction
Définition 4.14.
Soient E un K-espace vectoriel, F un sous-espace vectoriel de E et G un supplémentaire

de F dans E. On appelle symétrie par rapport à F parallélement à G, l’application s définie
par :
s : E = F ⊕ G −→ E
x = x1 + x2 7−→ s(x) = x1 − x2
Remarque 4.14.1
Soit s la symétrie par rapport à F parallélement à G, alors on vérifie facilement que
i) s est un endomorphisme de E et s2 = IdE ;
ii) F = ker(s − IdE ) et G = ker(s + IdE ) ;
iii) s = 2p − IdE où p est la projection sur F parallélement à G.
Rappelons qu’un endomorphisme u de E vérifiant u2 = IdE s’appelle une symétriede E.
Proposition 4.15.
Soient E un K-espace vectoriel de E et u une symétrie de E, alors on a

i) E = ker(u − IdE ) ⊕ ker(u + IdE ) ;
ii) u est la symétrie par rapport à F = ker(u − IdE ) parallélement à G = ker(u + IdE ).
Preuve
i) On a (u − IdE )(u + IdE ) = 0, donc d’après le théorème de décomposition des noyaux, on aura
E = ker(u − IdE ) ⊕ ker(u + IdE )
ii) Pour x ∈ E, x = x1 + x2 , avec x1 ∈ ker(u − IdE ) et x2 ∈ ker(u + IdE ), on a
u(x) = u(x1 ) + u(x2 ) = x1 − x2
Donc u est la symétrie par rapport à F = ker(u − IdE ) parallélement à G = ker(u + IdE ).
4.15.1 Propriètés des symétries orthogonales

Définition 4.16.
Soient E un espace euclidien et F un sous-espace vectoriel de E.

On appelle symétrie orthogonale par rapport à F, qu’on note sF , la symétrie par rapport à
F parallélement à F ⊥ :
sF : E = F ⊕ F ⊥ −→ E
x = x1 + x2 7−→ sF (x) = x1 − x2

Remarque 4.16.1
Soient E un espace euclidien et F un sous-espace vectoriel de E, alors on a
1. s2F = IdE ;
2. ker(sF − IdE )⊥ = ker(sF + IdE ) ;
3. Si pF est la projection orthogonale sur F, alors on a sF = 2pF − IdE ;
4. ∀x ∈ E, ksF (x)k = kxk.
Proposition 4.17.
Soient E un espace euclidien et u une symétrie de E, c’est à dire u2 = IdE .

Alors les propositions suivantes sont équivalentes :
i) u est une symétrie orthogonale.
ii) u∗ = u.
iii) ∀x ∈ E, ku(x)k = kxk.
Preuve
i) =⇒ ii) Supposons que u est une symétrie orthogonale.
Soit p la projection orthogonale sur F, alors on sait que u = 2p − IdE , donc on aura
u∗ = (2p − IdE )∗ = 2p∗ − IdE = 2p − IdE = u
ii) =⇒ iii) Supposons que u∗ = u, alors on a
ku(x)k2 =< u(x), u(x) >=< x, u∗ (u(x)) >=< x, u2 (x) >=< x, x >= kxk2
iii) =⇒ i) Supposons que ∀x ∈ E, ku(x)k = kxk et montrons que ker(u − IdE )⊥ = ker(u + IdE ).
Soit p la projection sur ker(u − IdE ) parallélement à ker(u + IdE ), alors on a
u(x) + x
∀x ∈ E, p(x) =
2
par suite, on a
1 1
kp(x)k = ku(x) + xk ≤ (ku(x)k + kxk) = kxk (car ku(x)k = kxk)
2 2
Donc ∀x ∈ E, kp(x)k ≤ kxk, donc p est une projection orthogonale, par suite u est une symétrie
orthogonale.
Exemples
1. Cas où F est une droite vectoriel avec F = Vect(x0 ), on a
< x, x0 >
sF (x) = 2pF (x) − x = 2 x0 − x
kx0 k2
2. Cas où F est un hyperplan de E avec x0 un vecteur non nul orthogonal à F, on a
< x, x0 > < x, x0 >

sF (x) = 2pF (x) − x = 2(x − 2
x0 ) − x = x − 2 x0
kx0 k kx0 k2

4.18 Endomorphismes symétriques
4.18.1 Définition et propriètés des endomorphismes symétriques
Définition 4.19.
Soient E un espace euclidien et u un endomorphisme de E.

i) On dit que u est symétrique, si u∗ = u.
ii) On dit que u que est antisymétrique, si u∗ = −u.
Remarque 4.19.1
1. Soient β une base orthonormale de E, u un endomorphisme de E et A = Mat(u, β), alors
u est symétrique ⇐⇒ tA = A
u est antisymétrique ⇐⇒ tA = −A
2. Si u est symétrique, alors

ker(u) = ker(u∗ ) = Im(u)⊥
Exemples
1. Toute projection orthogonale est un endomorphisme symétrique.
2. Toute symétrie orthogonale est un endomorphisme symétrique.
3. Soit a ∈ E un espace euclidien orienté de dimension 3 et soit u l’endomorphisme de E défini
par :
∀x ∈ E, u(x) = a ∧ x
Alors u est un endomorphisme antisymétrique
En effet, soient x ∈ E et y ∈ E, alors on a
< u(x), y >=< a ∧ x, y >= det(a, x, y) = − det(a, y, x) = − < x, a ∧ y >=< x, (−u)(y) >
Donc, d’après l’unicité de l’adjoint, on a u∗ = −u.
Lemme 4.20.
Soit A ∈ Mn (R) une matrice symétrique, alors toutes les valeurs propres de A sont réelles.
Preuve
Rappelons d’abord que si M ∈ Mn (C), avec M = (mi j )1≤i, j≤n , on définit M par :
M = (mi j )1≤i, j≤n
Alors, on voit facilement que
∀M ∈ Mn (C), ∀N ∈ Mn (C), MN = M N

Soit maintenant A ∈ Mn (R) une matrice symétrique et soit λ ∈ C une valeur propre de A.
Alors il existe X ∈ Cn , avec X 6= 0, tel que AX = λX, donc on aura
AX = λX =⇒ AX = λX
=⇒ AX = λ X (car A = A)
t t
=⇒ X(AX) = X(λ X)
=⇒ (tX tA)X = λ(tXX) (car tA = A)
=⇒ t(AX)X = λ(tXX)
=⇒ λ(tXX) = λ(tXX)
=⇒ (λ − λ)tXX = 0
=⇒ λ − λ = 0
=⇒ λ ∈ R
Lemme 4.21.
Soient E un espace euclidien, u un endomorphisme symétrique de E et F un sous-espace

vectoriel stable par u. Alors F ⊥ est stable par u.
Preuve
Soit y ∈ F ⊥ , a-t-on u(y) ∈ F ⊥ ?
Soit x ∈ F, alors on a
< x, u(y) >=< u(x), y >= 0 (car u(x) ∈ F)
Donc u(y) ∈ F ⊥ .
Théorème 4.22.
Soit E un espace euclidien. Alors tout endomorphisme symétrique de E, possède au moins

une base ortrhonormale formée de vecteurs propres de u.
Preuve
On procède par récurrence sur n, avec n = dim(E) et n ≥ 2.
Soit λ ∈ R une valeur propre de u, donc il existe x ∈ E, avec x ∈ 0, tel que u(x) = λx.
x
Posons e1 = kxk , alors ke1 k = 1 et u(e1 ) = λe1 .
Soit F = Vect(e1 ), alors F est stable par u. Puisque u est symétrique, alors F ⊥ est aussi stable par u.
Déclenchons maintenant la récurrence :
Pour n = 2, on a dim(F) = 1, donc dim(F ⊥ ) = 1. Soit e2 ∈ F ⊥ , avec ke2 k = 1, alors e2 est un vecteur
propre de u, (car F = Vext(e2 ) et u(e2 ) ∈ F).
Donc, dans ce cas, (e1 , e2 ) est une base orthonormale de E formée de vecteurs propres de u.
H.R "Supposons que n > 2 et que tout endomorphisme symétrique sur un espace euclidien de di-
mension < n, possède au moins une base orthonormale formée de vecteurs propres". Soient u un
endomorphisme symétrique d’un espace euclidien de dimension n,
lambda ∈ R une valeur propre de u et e1 ∈ E, avec ke1 k = 1 un vecteur propre associé à λ.
Soit F = Vect(e1 ), donc, d’après ce qui précède, F ⊥ est stable par u.
Soit v la réstriction de u à F ⊥ , alors v est un endomorphisme symétrique de F ⊥ , avec
dim(F ⊥ ) = n − dim(F) = n − 1

Donc d’après l’hypothèse de récurrence, il existe une base orthonormale (e2 , e3 , . . . , en ) de F ⊥ formée
de vecteurs propres de v.
Puisque v est la réstriction de u à F ⊥ , alors (e1 , e2 , . . . , en ) est une base orthonormale de E formée
de vecteurs poropres de u.
4.22.1 Formes bilinéaires symétriques d’un espace euclidien

Proposition 4.23.
Soit E un espace euclidien. Alors

i) Pour tout endomorphisme symétrique u de E, l’application f : E × E −→ R définie par :
∀(x, y) ∈ E × E, f (x, y) =< u(x), y >
est une forme bilinéaire symétrique sur E.

ii) Si β = (e1 , e2 , . . . , en ) est une base orthonormale de E, alors Mat( f , β) = Mat(u, β).
Preuve
i) Puisque u est linéaire, alors f est bilinéaire et puisque u est symétrique, alors f est symétrique.
ii) Soient M = Mat( f , β) = (mi j )1≤i, j≤n et A = Mat(u, β) = (ai j )1≤i, j≤n .
Puisque β est une base orthonormale, alors on a
∀(i, j) ∈ {1, 2, . . . , n}2 , ai j =< u(e j ), ei >=< e j , u(ei ) >= f (ei , e j ) = mi j
Définition 4.24.
Soient un espace euclidien, u un endomorphisme symétrique de E et f : E ×E −→ R définie

par :
∀(x, y) ∈ E × E, f (x, y) =< u(x), y >
i) On dit que u est positif, si f est positive.
ii) On dit que u est défini positif, si f estdéfinie positive.
Remarque 4.24.1
Soit u un endomorphisme symétrique de E, alors d’après la définition précédente, on a
u positif ⇐⇒ ∀x ∈ E, < u(x), x >≥ 0
u défini positif ⇐⇒ (∀x ∈ E, x 6= 0 =⇒< u(x), x >> 0)
Théorème 4.25.
Soit E un espace euclidien. Alors pour toute forme bilinéaire symétrique f sur E, il existe
un unique endomorphisme symétrique u, tel que
∀(x, y) ∈ E × E, f (x, y) =< u(x), y >

Preuve
Soient f une forme bilinéaire symétrique sur E, A la matrice de f par rapport à une base orthonor-
male β = (e1 , e2 , . . . , en ) de E etu l’endomorphisme
 de E de matrice A par rapport à β.
x1
n x2 
Pour x = ∑ xi ei , on pose X =  .. , alors d’après l’écriture matricielle, on aura
 
i=1 .
xn
∀(x, y) ∈ E × E, < x, y >= tXY = tY X et f (x, y) = tXAY = tYAX
Ainsi, on aura
∀(x, y) ∈ E × E, f (x, y) = tYAX = tY (AX) =< u(x), y >
Remarque 4.25.1
Pour toute forme quadratique q sur un espace euclidien E, il existe un unique endomorphisme symé-
trique u de E, tel que
∀x ∈ E, q(x) =< u(x), x >
Proposition 4.26.
Soient E un espace euclidien et f une forme bilinéaire symétrique sur E.

Alors il existe une base orthonormale de E qui est orthgonale pour f .
Preuve
D’après la proposition précédente, il existe un unique endomorphisme symétrique u de E, tel que
∀(x, y) ∈ E × E, f (x, y) =< u(x), y >
Puisque u est symétrique, alors on sait qu’il existe une base orthonormale β = (e1 , e2 , . . . , en ) de E
formée de vecteurs propres de u. Ainsi, on aura
∀(i, j) ∈ {1, 2, . . . , n}2 , f (ei , e j ) =< u(ei ), e j >=< λi ei , e j >= λi < ei , e j >
Donc, pour i 6= j, on a f (ei , e j ) = 0.
Remarque 4.26.1
Soient q une forme quadratique sur un espace euclidien E et u l’unique endomorphisme symétrique
de E, tel que
∀x ∈ E, q(x) =< u(x), x >
Soient β = (e1 , e2 , . . . , en ) une base orthonormale de E formée de vecteurs propres de u et λ1 , λ2 , . . . , λn
les valeurs propres, non necessairement deux à deux distinctes, de u.
n
Alors pour tout x ∈ E, avec x = ∑ xi ei , on a
i=1
n
q(x) = ∑ λi xi2 = λ1 x12 + λ2 x22 + · · · + λn xn2
i=1
En effet, d’après la proposition précédente, (e1 , e2 , . . . , en ) est une base q-orthogonale et on a
∀i ∈ {1, 2, . . . , n}, q(ei ) = λi

4.27 Endomorphismes orthogonaux
4.27.1 Définition et propriètés de base
Définition 4.28.
Soient E un espace euclidien et u un endomorphisme de E. On dit que u est un endomor-

phisme orthogonal, si
∀x ∈ E, ∀y ∈ E, < u(x), u(y) >=< x, y >
Proposition 4.29.
Soient E un espace euclidien et u un endomorphisme de E.Alors les propositions suivantes

sont équivalentes :
i) u est un endomorphisme orthogonal ;
ii) u∗ ◦ u = u ◦ u∗ = IdE ;
iii) ∀x ∈ E, ku(x)k = kxk.
Preuve
i) =⇒ ii) Supposons que u est orthogonal.
u orthogonal =⇒ ∀x ∈ E, ∀y ∈ E, < u(x), u(y) >=< x, y >

=⇒ ∀x ∈ E, ∀y ∈ E, < u∗ (u(x)), y >=< x, y >
=⇒ ∀x ∈ E, ∀y ∈ E, < (u∗ ◦ u)(x) − x, y >= 0
=⇒ ∀x ∈ E, (u∗ ◦ u)(x) = x
=⇒ u∗ ◦ u = IdE
ii) =⇒ iii) Supposons que u∗ ◦ u = IdE .
u∗ ◦ u = IdE =⇒ ∀x ∈ E, (u∗ ◦ u)(x) = x

=⇒ ∀x ∈ E, < (u∗ ◦ u)(x), x >=< x, x >
=⇒ ∀x ∈ E, < u∗ (u(x)), x >=< x, x >
=⇒ ∀x ∈ E, < u(x), u(x) >=< x, x >
=⇒ ∀x ∈ E, ku(x)k2 = kxk2
=⇒ ∀x ∈ E, ku(x)k = kxk
iii) =⇒ i) Supposons que ∀x ∈ E, ku(x)k = kxk, alors pour x ∈ E et y ∈ E, on a
1
ku(x) + u(y)k2 − ku(x)k2 − ku(y)k2

< u(x), u(y) > =
2
1
= ku(x + y)k2 − ku(x)k2 − ku(y)k2

2
1
= kx + yk2 − kxk2 − kyk2

2
=< x, y >

Remarque 4.29.1
1. Tout endomorphisme euclidien u est inversible et on a u−1 = u∗ .
2. Soit E un espace euclidien, β une base orthonormale de E, u un endomorphisme de E et A =
Mat(u, β). Alors
u est orthogonal ⇐⇒ tAA = I
Autrement dit, u est orthogonal, si, et seulement si, sa matrice par rapport à une base ortho-
normale de E est une matrice orthogonale.
3. Si u est un endomorphisme orthogonal d’un espace euclidien orienté, alors
det(u) = ±1
En effet, on u∗ u = IdE , donc det(u∗ u) = det(u∗ ) det(u) = det(u)2 = det(IdE ) = 1.
Notations
a) On désigne par O(E) l’ensemble des endomorphismes orthogonaux de E, alors (O(E), ◦) est un
groupe, c’est en fait un sous-groupe de (GL(E), ◦).
b) On désigne par SO(E) l’ensemble des endomorphismes orthogonaux u, tel que det(u) = 1 :
SO(E) = {u ∈ O(E) : det(u) = 1}
Alors (SO(E), ◦) est un sous-groupe de (O(E), ◦).

c) On désigne aussi par On (R), (resp. SOn (R)) l’ensemble des matrices orthogonales, (resp. ortho-
gonales de déterminant 1) de Mn (R). Alors On (R) est un sous-groupe de GLn (R) et SOn (R)
est un sous-groupe de On (R).
Définition 4.30.
Un élément de SO(E) s’appelle une rotation de E.
Exemples
1. IdE et −IdE sont des endomorphismes orthogonaux de E.
2. Toute symétrie orthogonale est un endomorphisme orthogonale de E.
3. Soit (e1 , e2 , . . . , en ) une base orthonormale de E.
Pour chaque σ ∈ Sn , on considère l’endomorphisme uσ défini par :
∀i ∈ {1, 2, . . . , n}, uσ (ei ) = eσ(i)
Alors pour tout σ ∈ Sn , uσ est un endomorphisme orthogonal.

De plus, on vérifie facilement que det(uσ ) = ε(σ).
Proposition 4.31.
Soient E un espace euclidien et u un endomorphisme de E. Alors

i) S’il existe une base orthonormale (e1 , e2 , . . . , en ) de E, telle que (u(e1 ), u(e2 ), . . . , u(en ))
soit une base orthonormale de E, alors u est un endomorphisme orthogonal.
ii) Réciproquement, si u est un endomorphisme orthogonal, alors l’image par u de n’im-
porte quelle base orthonormale de E est une base orthonormale de E.

Preuve
i) Supposons qu’il existe une base orthonormale (e1 , e2 , . . . , en ) de E, telle que (u(e1 ), u(e2 ), . . . , u(en ))
soit une base orthonormale de E.
Soit x ∈ E, alors on a
n
ku(x)k = ku( ∑ < x, ei > ei )k
i=1
n
= k ∑ < x, ei > u(ei )k
i=1
n
= ∑ (< x, ei >)2 (car (u(e1 ), u(e2 ), . . . , u(en )) est orthonormale)
i=1
= kxk
ii) Soit (e1 , e2 , . . . , en ) une base orthonormale de E, alors on a
< u(ei ), u(e j ) >=< ei , e j >= δi j
Donc (u(e1 ), u(e2 ), . . . , u(en )) est une base orthonormale de E.
Proposition 4.32.
Soient E un espace euclidien et u un endomorphisme orthogonal de E. Alors

i) Si λ est une valeur propre de u, alors λ ∈ {−1, 1}.
ii) Si F est un sous-espace vectoriel stable par u, alors F ⊥ est aussi stable par u.
Preuve
i) On suppose que u possède une valeur propre λ ∈ R, donc il existe x ∈ E, avec x 6= 0, tel que
u(x) = λx, donc on aura
kxk = ku(x)k = kλxk = |λ|kxk
x 6= 0, donc kxk 6= 0, par suite, |λ| = 1.
ii) Supposons que F est stable par u.

Soit y ∈ F ⊥ et soit x ∈ F, puisque F est stable par u, u bijective et E de dimension finie, alors
u(F) = F, donc il existe x0 ∈ F, tel que x = u(x0 ), ainsi, on a
< x, u(y) >=< u(x0 ), u(y) >=< x0 , y >= 0
Donc u(y) ∈ F ⊥ .

4.32.1 Cas d’un espace euclidien de dimension 2
Théorème 4.33.
Soient E un espace euclidien de dimension 2 et u un endomorphisme orthogonal de E.

i) Si det(u) = 1, alors il existe un unique θ ∈] − π, π], tel que la matrice A de u par rapport
à n’importe quelle base orthoniormale directe de E s’écrit sous la forme :

cos θ − sin θ
A=
sin θ cos θ
Dans ce cas, u s’appelle la rotation d’angle θ.

ii) Si det(u) = −1, alors u est une symétrie orthogonale et il existe une base orthonormale
de E, dans laquelle la matrice A de u s’écrit sous la forme :

1 0
A=
0 −1
Preuve
Soit (e1 , e2 ) une base orthonormale directe quelconque de E et soit A = Mat(u, (e1 , e2 )), avec

a c
A=
b d
u est un endomorphisme orthogonal et (e1 , e2 ) une base orthonormale de E, donc u(e1 ), u(e2 )) est
une base orthonormale de E, donc on aura

2 2 2
ku(e1 )k = a + b = 1

ku(e2 )k2 = c2 + d 2 = 1

ac + bd = 0

Donc u(e2 ) ∈ Vect(u(e1 ))⊥ avec Vect(u(e1 ))⊥ = Vect(−be1 + ae2 ), donc il existe α ∈ R, tel que
u(e2 ) = ce1 + de2 = α(−be1 + ae2 ). Donc c = −αb et d = αa.
Puisque a2 + b2 = c2 + d 2 = 1, alors α2 = 1, donc α = ±1.
i) Si det(u) = 1, alors ad − bc = 1, donc α(a2 + b2 ) = 1, par suite α = 1.

Par conséquent, c = −b et d = a.
Puisque a2 + b2 = 1, alors il existe un unique θ ∈] − π, π], tel que a = cos θ et b = sin θ.
ii) Si det(u) = −1, alors α = −1, donc A s’écrit sous la forme

a b
A=
b −a
Donc A2 = I, par suite, u est une symétrie orthogonale. Les valeurs propres de u sont 1 et −1,
donc il existe une base orthonormale formée de vecteurs propre de u, car u est symétrique.

4.33.1 Cas d’un espace euclidien de dimension 3
Théorème 4.34.
Soient E un espace euclidien orienté de dimension 3 et u un endomiorphisme orthogonal

de E.
i) Si det(u) = 1, alors 1 est une valeur propre de u et si e1 est un vecteur propre unitaire
associé à 1, alors il existe un unique θ ∈] − π, π], tel que la matrice A de u par rapport
à n’importe quelle base orthonormale (e1 , e2 , e3 ), dont le premier vecteur est égal à
e1 , sécrit sous la forme :  
1 0 0
A = 0 cos θ − sin θ
0 sin θ cos θ
Dans ce cas, u s’appelle la rotation d’angle θ et d’axe ∆ = ker(u − IdE ).
ii) Si det(u) = −1 et si 1 est une valeur propre de u, alors u est une symétrie orthogonale
par rapport à F = ker(u − IdE ).
iii) Si det(u) = −1 et 1 n’est pas valeur propre de u, alors u = r ◦ s = s ◦ r, où r est une
rotation d’axe ∆ = ker(u + IdE ) et s la symétrie orthogonale par rapport à ∆⊥ .
Preuve
Pour la démonstration, nous avons besoin ddu lemme suivant :
Lemme 4.35.
Soient E un espace euclidien orienté de dimension 3 et u un endomiorphisme orthogonal

de E. Alors det(u) est une valeur propre de u.
Preuve
On sait det(u) = ±1.
Si det(u) = 1, alors on aura
det(u − IdE ) = det(u − uu∗ ) = det(IdE − u∗ ) = (−1)3 det(u − IdE ) = − det(u − IdE )
Donc, det(u − IdE ) = 0, par suite, 1 est une valeur propre de u.

Si det(u) = −1, on procède de la même manière :
det(u + IdE ) = det(u + uu∗ ) = − det(IdE + u∗ ) = − det(u + IdE )
Donc, det(u + IdE ) = 0, par suite, −1 est une valeur propre de u.
Preuve (du théorème)

i) Si det(u) = 1, alors d’après le lemme précédent, 1 est une valeur propre de u.
Soit e1 un vecteur propre unitaire associé à 1 et soit F = {e1 }⊥ , puisque Vect(e1 ) est stable par
u, alors F est aussi stable par u.
Soit v la réstriction de u à F, alors v est un endomorphisme orthogonale de F et on a
det(v) = det(u) = 1, (car u(e1 ) = e1 )

Soit (e1 , e2 , e3 ) une base orthonormale directe, alors (e2 , e3 ) est une base orthonormale de F,
donc d’après le théorème précédent, il existe un unique θ ∈] − π, π], tel que la matrice de v par
rapport à la base (e2 , e3 ) s’écrit sous la forme :

cos θ sinθ
sin θ cos θ
Donc, la matrice A de u dans la base (e1 , e2 , e3 ) s’écrit sous la forme :
 
1 0 0
0 sin θ cos θ
ii) Supposons que det(u) = −1 et que 1 est une valeur propre de u.
Soit e1 un vecteur propre unitaire unitaire associé à la valeur propre 1 etr soit F = Vect(e1 )⊥ ,
alors F est stable par u.
Soit v la réstriction de u à F, alors v est un endomorphisme orthogonal de F et on a
det(v) = det(u) = 1, (car u(e1 ) = e1 )
Donc, d’après le théorème précédent, il existe une base orthonormale (e2 , e3 ) de F dans la-
quelle la matrice de v est définie par :

1 0
0 −1
Donc, la matrice A de u dans la base (e1 , e2 , e3 ) est définie par :
 
1 0 0
A = 0 1 0 
0 0 −1
On voit donc que A est la matrice de la symétrie orthogonale par rapport à ker(u − IdE ).
iii) Si det(u) = −1 et 1 n’est pas valeur propre de u, alors, d’après le lemme précédent, −1 est une
valeur propre de u.
Soit e1 un vecteur propre unitaire associé à −1 et soit F = Vect(e1 )⊥ , alors F est stable par u.
Soit v la réstriction de u à F, alors v est un endomorphisme orthogonal de F et on a
det(v) = − det(u) = 1, (car u(e1 ) = −e1 )
Donc, il existe un unique θ ∈] − π, π], tel que la matrice de u par rapport à n’importe quelle
base orthonormale (e2 , e3 ) de F s’écrit sous la forme :

cos θ sinθ
sin θ cos θ
Donc, la matrice A dans la base (e1 , e2 , e3 ) s’écrit sous la forme :
 
−1 0 0
A =  0 cos θ − sin θ
0 sin θ cos θ
  
−1 0 0 1 0 0
=  0 1 0 0 cos θ − sin θ
0 0 1 0 sin θ cos θ
  
1 0 0 −1 0 0
= 0 cos θ − sin θ  0 1 0
0 sin θ cos θ 0 0 1

Soient M et N les matrices définies par :
   
1 0 0 −1 0 0
M = 0 cos θ − sin θ et N =  0 1 0
0 sin θ cos θ 0 0 1
Soient r et s les endomorphismes de E dont les matrices respectives, par rapport à la base
(e1 , e2 , e3 ), sont M et N.
Alors, u = r ◦ s = s ◦ r, où r est la rotation d’angle θ et d’axe Vect(e1 ) et s la symétrie orthogo-
nale par rapport Vect(e1 )⊥ .
Remarque 4.35.1
Soit E un espace euclidien de dimension 3 et u une rotation de E d’angle θ et d’axe ∆ = Vect(e1 ), où
e1 est un vecteur unitaire. Alors on a
1. tr(u) = 1 + 2 cos θ, donc on a
tr(u) − 1
cos θ =
2
2. Soit x un vecteur non nul orthogonal à ∆, alors < x, e1 >= 0, donc, si on pose
x
e2 = et e3 = e1 ∧ e2
kxk
alors (e1 , e2 , e3 ) est une base orthonormale directe de E, avec u(e1 ) = 1, donc d’après le théo-
rème précédent, la matrice A de u par rapport à (e1 , e2 , e3 ) s’écrit sous la forme :
 
1 0 0
0 cos θ − sin θ
0 sin θ cos θ
Donc, u(x) = kxku(e2 ) = kxk(cos θ.e2 + sin θ.e1 ∧ e2 ).

Ainsi pour tout x orthogonal à ∆, on a
u(x) = cos θ.x + sin θ.e1 ∧ x
3. Soit x ∈ E, alors y = x− < x, e1 > e1 est un vecteur orthogonal à ∆, donc, d’après la remarque
précécente, on a
u(y) = cos θ.y + sin θe1 ∧ y
Donc, en remplaçant y par sa valeur, on aura
∀x ∈ E, u(x) = (1 − cos θ) < x, e1 > e1 + cos θ.x + sin θ.e1 ∧ x
4. D’après l’expression précédente de u(x), on obtient
det(e1 , x, u(x))
∀x ∈
/ ∆, sin θ =
ke1 ∧ xk2
On a aussi,
< u(x), x > det(e1 , x, u(x))
∀x ∈ ∆⊥ , cos θ = 2
et sin θ =
kxk ke1 ∧ xk2

4.35.1 Cas général
Théorème 4.36.
Soient E un espace euclidien de dimension n ≥ 2 et u un endomorphisme orthogonal de

E. Alors, il existe des entiers ≥ 0, p, q et r, avec p + q + 2r = n, et il existe une base
orthonormale de E dans laquelle la matrice A de u s’écrit sous la forme :
 
Ip

 −Iq 


 A 1


A=  A2


...
 
 
 
Ar
où I p et Iq sont les matrices identités d’ordres respectives p et q,

cos θi − sin θi
et où ∀i ∈ {1, . . . , r}, ∃θi ∈] − π, π] : Ai =
sin θi cos θi
Preuve
Pour la démonstration de ce théorème, nous avons besoin du lemme suivant :
Lemme 4.37.
Soient E un espace euclidien et u un endomorphisme orthogonal de E. Alors u possède au

moins un sous-espace stable de dimension 1 ou 2.
Preuve
Soit v = u + u∗ , alors v est un endomorphisme symétrique, donc v possède au moins une valeur propre
λ ∈ R.
Soit x ∈ E, avec x 6= 0, tel que v(x) = λx, donc, on aura
v(x) = λx =⇒ u(x) + u∗ (x) = λx

=⇒ u2 (x) + (uu∗ )(x) = λu(x)
=⇒ u2 (x) + x = λu(x) (car uu∗ = IdE )
=⇒ u2 (x) = λu(x) − x
=⇒ u2 (x) ∈ Vect({u(x), x})
Donc F = Vect({u(x), x}) est stable par u, avec dim(F) ∈ {1, 2}, car x 6= 0.
Preuve (du théorème)

On procède par récurrence sur n, où n = dim(E).
Pour n = 2 et n = 3, le résutat est déjà établi.
H.R "Supposons que n > 2 et que le théorème vrai pour tout un endomorphisme orthogonal d’un
espace euclidien de dimension < n".
Soient E un espace euclidien de dimension n et u un endomorphisme orthogonal de E, alors d’après
le lemme précédent, u possède au moins un sous-espace F stable par u, de dimension 1 ou 2. On

choisit donc F de dimension minimale.
Si dim(F) = 1, alors F = Vect(e1 ), avec ke1 k = 1, et puisque F est stable par u, alors il existe λ ∈ R,
tel que u(e1 ) = λe1 , donc λ est une valeur propre de u, par suite λ = ±1.
F étant stable par u, donc F ⊥ est aussi stable par u, avec dim(F ⊥ ) = n − 1.
Soit v la réstriction de u à F ⊥ , alors v est un endomorphisme orthogonal de F ⊥ , donc, d’après
l’hypothèse de récurrence, il existe une base orthonormale (e2 , . . . , e p , e p+1 , . . . , e p+q , . . . , en−1 ) de
F ⊥ dans laquelle la matrice de v s’écrit sous la forme :
 
I p−1

 −Iq 

 A1 
A=
 
 A2 

 .. 
 . 
Ar
Donc, si λ = 1, alors la matrice de u dans la base (e1 , e2 , . . . , en ) s’écrit sous la forme :

 
Ip

 −Iq 

 A1 
A=
 
 A2 

 .. 
 . 
Ar
Si λ = −1, alors la matrice de u dans la base (e2 , . . . , e p , e1 , e p+1 , . . . , e p+q , . . . , en−1 ) s’écrit sous la
forme :
 
I p−1

 −Iq+1 

 A 1

A=
 
 A 2



 ... 

Ar
Si, maintenant, dim(F) = 2, puisque F a été choisi de dimension minimal, alors tout sous-espace
stable par u serait de dimension ≥ 2. On en déduit donc que u ne possède aucune valeur propre.
Soient v la réstriction de u à F et w la réstriction de u à F ⊥ . Alors v et w sont deux endomrphismes
orthogonaux de F et F ⊥ respectivement.
dim(F) = 2, donc la matrice A1 de v par rapport à une base orthonormale (e1 , e2 ) de F s’écrit sous
la forme :

cos θ sinθ
A1 =
sin θ cos θ
dim(F ⊥ ) = n−2, donc, d’après l’hypothèse de récurrence, il existe une base orthonormale (e3 , . . . , en )
de F ⊥ dans laquelle la matrice de w s’écrit sous la forme :
 
A2

 A3 


 ... 

Ar

Donc la matrice A de u dans la base (e1 , e2 , . . . , en ) s’écrit sous la forme :
 
A1
A2
 
 
 

 A 3 

..
.
 
 
Ar

cos θi − sin θi
et où ∀i ∈ {1, . . . , r}, ∃θi ∈] − π, π] : Ai =
sin θi cos θi
4.38 Exercices
Exercice 60
Soient E un espace préhilbertien, u : E −→ E et v : E −→ E deux applications telles que
∀x ∈ E, ∀y ∈ E, < u(x), y >=< x, v(y) >
Montrer que u et v sont linéaires et que v = u∗ .

Exercice 61
Soient E un espace euclidien orienté de dimension 3, a ∈ E et u l’endomorphisme de E défini par :
∀x ∈ E, u(x) = a ∧ (a ∧ x)
1. Déterminer u∗ , u est-t-il symétrique ?

2. Déterminer les valeurs et les vecteurs propres de u.
Exercice 62
Soient E un espace euclidien de dimension n et un endomorphisme de E. Pour toute base orthonor-
male β = (e1 , e2 , . . . , en ), on pose
n
S(β) = ∑ ku(ei )k2
i=1
a) Montrer que S(β) ne dépend pas de la base orthonormale choisie.
b) Montrer que si (e1 , e2 , . . . , en ) est une base orthonormale de E et si (v1 , v2 , . . . , vn ) est un système
de vecteurs de E, tels que
n
∑ kvi − eik2 < 1
i=1
alors (v1 , v2 , . . . , vn ) est une base de E.
Exercice 63
1. Montrer que si u est un endomorphisme inversible d’un espace euclidien E, alors il existe une
base orthonormale (e1 , e2 , . . . , en ) de E, tel que (u(e1 ), u(e2 ), . . . , u(en )) soit une base orthogo-
nale de E.
2. Montrer que pour toute matrice A ∈ GLn (R), il existe deux matrices orthogonales P et Q, telles
que PAQ soit diagonale.
Exercice 64
Soient E un espace euclidien et f : E −→ R une application continue, telle que
∀x ∈ E, ∀y ∈ E, < x, y >= 0 =⇒ f (x + y) = f (x) + f (y)

1. On suppose que f est paire. Montrer qu’il existe α ∈ R, tel que
∀x ∈ E, f (x) = αkxk2
2. On suppose que f est impaire. Montrer que f est linéaire.

3. En général, montrer qu’il existe α ∈ R et il existe une forme linéaire ϕ, tels que
∀x ∈ E, f (x) = ϕ(x) + αkxk2
Exercice 65 (Endomorphismes de trace nulle)

Soient E un espace euclidien de dimension n ≥ 1, (e1 , e2 , . . . , en ) une base orthonormale de E et u un
endomorphisme de E de trace nulle.
On propose de montrer qu’il existe une base orthonormale dans laquelle les coefficients diagonaux de
la matrice de u sont tous nuls.
1. Calculer tr(u) à l’aide de la base (e1 , e2 , . . . , en ).
2. Montrer qu’il existe i et j, avec i 6= j, tels que < u(ei ), ei > et < u(e j ), e j > sont de signes
opposés.
3. Pour θ ∈ [0, π2 ], on pose e(θ) = (cos θ)ei + (sin θ)e j . Vérifier que ke(θ)k = 1.
4. Pour θ ∈ [0, π2 ], on pose f (θ) =< e(θ), u(e(θ)) >. Montrer qu’il existe au moins un θ ∈ [0, π2 ],
tel que f (θ) = 0.
5. En déduire le résultat.
Exercice 66
Soient E un espace euclidien et u un endomorphisme de E, tel que u2 = 0.
1. Montrer que ker(u + u∗ ) = ker(u) ∩ ker(u∗ ).
2. Montrer que u + u∗ est inversible si, et seulement si, ker(u) = Im(u).
Exercice 67
Soient E un espace euclidien, u un endomorphisme de E, tel que
∀x ∈ E, ku(x)k ≤ kxk
Montrer que
a) ∀x ∈ E, ku∗ (x)k ≤ kxk.
b) ∀x ∈ E, u(x) = x ⇐⇒ u∗ (x) = x.
c) E = ker(u − IdE ) ⊕ Im(u − IdE ).
Exercice 68
Soient E un espace euclidien et p un projecteur de E.
Montrer que les propositions suivantes sont équivalentes :
i) p est une projection orthogonale,
ii) ∀x ∈ E, ∀y ∈ E, < p(x), y >=< x, p(y) >,
iii) ∀x ∈ E, kp(x)k ≤ kxk.
Exercice 69
Soient E un espace euclidien et (e1 , e2 , . . . , en ) une base orthonormale de E.
n
1. Soit p un projecteur orthogonal de Ł de rang 1. Calculer ∑ kp(ei )k2 .
i=1

n
2. Soit p un projecteur de E, tel que ∑ kp(ei )k2 = 1. Montrer que p est orthogonal.
i=1
Exercice 70
Soient p et q deux projecteurs orthogonaux d’un espace euclidien E.
1. Montrer que p ◦ q ◦ p est autoadjoint.
2. Montrer que (Im(p) + ker(q))⊥ = Im(q) ∩ ker(p).
3. Montrer que p ◦ q est diagonalisable.
Exercice 71
Soient E un espace euclidien, u un endomorphisme de E et (α, β) ∈ R2 , tels que u∗ ◦ u + αu + βu∗ = 0.
1. Montrer que si α 6= β, alors il existe une projection orthogonale p et il existe λ ∈ R, tels que
u = λp.
2. Montrer que si α = β, alors ker(u) et Im(u) sont orthogonaux.
Exercice 72
Soient E un espace euclidien, u un endomorphisme de E.
1. a) Montrer que ker(u∗ ◦ u) = ker(u) et Im(u∗ ◦ u) = Im(u∗ ).
b) En déduire que ker(u ◦ u∗ ) = ker(u∗ ) et Im(u ◦ u∗ ) = Im(u).
2. Montrer que les propositions suivantes sont équivalentes :
i) u ◦ u∗ ◦ u = u,
ii) u∗ ◦ u est un projecteur orthogonal de E,
iii) u ◦ u∗ est un projecteur orthogonal de E,
iv) ker(u)⊥ = {x ∈ E : ku(x)k = kxk}.
Exercice 73
Soient A et B symétriques de Mn (R). Montrer que
((tr(AB + BA))2 ≤ 4tr(A2 )tr(B2 )
Exercice 74
Soient E un espace euclidien et u un endomorphisme symétrique défini positif. Montrer que
∀x ∈ E, kxk4 ≤< u(x), x >< u−1 (x), x >
Donner une condition necessaire et suffisante pour qu’il y ait égalité.
Exercice 75
Soient E un espace euclidien et u un endomorphisme symétrique de E avec u défini positif. On
considère l’application f : E −→ R définie par :
∀x ∈ E, f (x) =< u(x), x >< u−1 (x), x >
1. Déterminer le minimum de f sur la sphère unité S de E.

2. En quels points de S ce minimum est-t-il atteint ?
Exercice 76
Déterminer les minimums suivants
(x + y − 2)2 + (x − 1)2 + (2x + y − 1)2

1. inf
(x,y)∈R2

x + 3y + 2z − 1)2 + (x + 3y − 2z + 1)2 + (x − 3y + 2z + 1)2 + (x − 3y + 2z − 1)2

2. inf
(x,y)∈R2
R1 2 2
3. inf 0 (t − at − b) dt.
(a,b)∈R2
2
Rπ
4. inf −π (1 − a cost − b sint) dt.
(a,b)∈R2
R1 2 − 3t + 1 − at − b)2 dt.
5. inf −1 (t
(a,b)∈R2
R1 2
6. inf 0 (t log(t) − at − b) dt.
(a,b)∈R2
2 −t
R∞ 3 2
7. inf 0 (t + at + bt + c) e dt
(a,b,c)∈R3
Exercice 77
Soit u l’endomorphisme de R3 dont la matrice par rapport à la base canonique est définie par :
 
1 0 4
A = 0 1 1
0 0 0
1. Montrer que u est un projecteur de R3 dont on déterminera le noyau et l’image.

2. u est-il une projection orthogonale pour le produit scalaire usuel de R3 ?
3. Soit q la forme quadratique définie sur R3 par :
q(x) = x12 + 11x22 + 6x32 − 6x1 x2 + 2x1 x3 − 2x2 x3
a) Montrer que q définit un produit scalaire sur R3 .

b) Montrer que u est une projection orthogonale par rapport à ce produit scalaire.
c) Trouver une autre forme quadratique pour laquelle u est une projection orthogonale.
Exercice 78
Soit E un espace euclidien de dimension 3, muni d’une base orthonormale β = (e1 , e2 , e3 ).
1. Déterminer la matrice, par rapport à β, de la projection orthogonale par rapport au plan d’équa-
tion x + y + z = 0.
2. Déterminer la matrice, par rapport à β, de la symétrie orthogonale par rapport au plan déquation
x = z.
Exercice 79
E = R3 muni de son produit scalaire usuel et F le plan vectoriel d’équation x + y + z = 0.
1. Déterminer une base orthonormale de F.
2. Déterminer F ⊥ et en donner une base orthonormale.
3. Déterminer la matrice, dans la base canonique de R3 , de la projection orthogonale p sur F.
4. Déterminer la matrice, dans la base canonique de R3 , de la symétrie orthogonale s par rapport
à F.
Exercice 80
Soit A ∈ Mn (R) et soit B = tA + A.
On suppose qu’il existe k ∈ N∗ , tel que Bk = 0. Montrer que A est antisymétrique.

Exercice 81
R4 est muni de son produit scalaire usuel et F le sous-espace de R4 défini par :
F = {(x, y, z,t) ∈ R4 : x + y + z + t = x − y + z − t = 0}
1. Déterminer une base orthogonormale de F ⊥ .

2. Déterminer, par rapport à la base canonique de R4 , la matrice de la projection orthogonale sur
F.
3. Déterminer, par rapport à la base canonique de R4 , la matrice de la symétrie orthogonale par
rapport à F.
4. Calculer d(x, F) où x = (1, 2, 3, 4).
Mêmes questions pour le sous-espace vectoriel F = {(x, y, z,t) ∈ R4 : x + y + z +t = x + 2y + 3z + 4t}.
Exercice 82
Soit A = (ai j )1≤i, j≤n une matrice de Mn (R) symétrique définie positive. Montrer que si λ1 , λ2 , . . . , λn
sont les valeurs propres de A, non necessairement deux à deux distintes, alors on a
n n n
∑ λ2i =∑ ∑ a2i j
i=1 i=1 j=1
Exercice 83
A et B deux matrices réelles symétrique positives. Montrer que 0 ≤ tr(AB) ≤ tr(A)tr(B).
Exercice 84
A = (ai j )1≤i, j≤n et B = (bi j )1≤i, j≤n deux matrices réelles symétrique positives. Soit C = (ci j )1≤i, j≤n ,
telle que
∀(i, j) ∈ {1, 2, . . . , n}, ci j = ai j bi j
Montrer que C est symétrique positive.
Exercice 85
Soit A une matrice de Mn (R).
1. Montrer que que si A est symétrique positive, alors
1
tr(A) ≥ n(det(A) n
2. Montrer que
2
tr(tAA) ≥ n(det(A) n
Exercice 86
Soit A ∈ Mn (C).
1. On suppose qu’il existe m ∈ N∗ , tel que Am soit symétrique définie positive. Montrer que A est
diagonalisable.
2. On suppose que dim(ker(A2 ) = 1 et qu’il existe m ∈ N∗ , tel que Am soit symétrique positive.
Montrer que A est diagonalisable.
Exercice 87
Soient A et B deux matrices de Mn (R), telles que t AA = t BB.
1. On suppose que A est inversible. Montrer qu’il existe une matrice orthogonale P, telle que
B = PA.
2. Montrer que ce résultat reste vraie sans l’hypothèse A inversible.

Exercice 88
1. Montrer que si A ∈ Mn (R) est une matrice symétrique, alors exp(A) est symétrique définie
positive.
2. Montrer que si B ∈ Mn (R) est une matrice symétrique définie positive, alors il existe une matrice
symétrique A ∈ Mn (R), telle que B = exp(A).
3. Montrer que si A et B sont deux matrices symétriques de Mn (R), telles que exp(A) = exp(B),
alors A = B.
Exercice 89
Soit A ∈ Mn (R), telle que At AA = I. Montrer que A est inversible et A symétrique et déterminer A.
Exercice 90
Soient q1 et q2 deux formes quadratiques sur Rn de matrices respectives, par rapport à la base cano-
nique de Rn , A et B. On suppose que q1 est définie positive.
1. Montrer qu’il existe un unique endomorphisme u de Rn , q1 -symétrique, tel que
∀x ∈ Rn , ∀y ∈ Rn , ϕ2 (x, y) = ϕ1 (u(x), y)
où ϕ1 et ϕ2 sont respectivement les formes polaires associées à q1 et q2 .

2. Soit M la matrice de u par rapport à la base canonique de Rn . Déterminer M en fonction de A
et B.
3. Soit f : Rn \ {0} −→ R l’application définie par :
q2 (x)
∀x ∈ Rn \ {0}, f (x) =
q1 (x)
Montrer que f possède un minimum et un maximum absolus qu’on déterminera en fonction
des valeurs propres de u.
4. Déterminer les extremums sur R2 \ {0} des fonctions suivantes :
xy x2 − 10xy + 4y2
f (x, y) = et g(x, y) =
x2 + xy + y2 x2 − xy + y2
Exercice 91 (Matrice et déterminant de Gram)

Soient E un espace préhilbertien réel, (v1 , v2 , . . . , vn ) un système de vecteurs de E. On définit ce qu’on
appelle la matrice de Gram associée à ce système par
Gram(v1 , v2 , . . . , vn ) = (< vi , v j >)1≤i, j≤n
Le déterminant de Gram associé au système (v1 , v2 , . . . , vn ) est défini par :
G(v1 , v2 , . . . , vn ) = det(Gram(v1 , v2 , . . . , vn ))
1. Montrer que Gram(v1 , v2 , . . . , vn ) est symétrique positive.

2. Montrer que Gram(v1 , v2 , . . . , vn ) et (v1 , v2 , . . . , vn ) ont même rang.
On pourra introduire le sous-espace F = Vect(v1 , v2 , . . . , vn ) et considérer l’application
u : F −→ Rn définie par :
∀x ∈ F, u(x) = (< x, v1 >, < x, v2 >, . . . , < x, vn >)
3. Montrer que
(v1 , v2 , . . . , vn ) est libre ⇐⇒ G(v1 , v2 , . . . , vn ) 6= 0

4. On suppose que (v1 , v2 , . . . , vn ) est libre. Montrer que
a) G(v1 , v2 , . . . , vn ) > 0.
b) s
G(x, v1 , v2 , . . . , vn )
∀x ∈ E, d(x, F) =
G(v1 , v2 , . . . , vn )
5. On appelle matrice de Hilbert, la matrice A = (ai j )1≤i, j≤n définie par :
1
∀(i, j) ∈ {1, 2, . . . , n}, ai j =
i+ j+1
Montrer que A est une matrice symétrique définie positive.
(On pourra remarquer que ai j = 01 t i+ j dt)
R
Exercice 92
Soient A et B deux matrices symétriques positives de Mn (R). Montrer que
det(A + B) ≥ det(A) + det(B)
Exercice 93 (Inégalité de Hadamard)

Soit A = (ai j )1≤i, j≤n une matrice de Mn (R).
1. Montrer que si A est définie positive, alors
∀i ∈ {1, 2, . . . , n}, aii > 0
2. Montrer que si A est positive, alors

n
tr(A)
det(A) ≤
n
3. On suppose que A est définie positive et on pose B = (bi j )1≤i, j≤n , avec
ai j
∀(i, j) ∈ {1, 2, . . . , n}, bi j = √
aii a j j
a) Montrer que B est positive.

b) En déduire l’inégalité de Hadamard :
n
det(A) ≤ ∏ aii
i=1
Exercice 94
Soient E un espace euclidien de dimension n.
1. Soit u un endomorphisme symétrique, tel que ∀x ∈ E, < u(x), x >= 0. Montrer que u = 0.
2. Soient u1 , u2 , . . . , u p , p ≤ n, des endomorphismes symétriques de E, tels que

rg(u1 ) + rg(u2 ) + · · · rg(u p ) = n

et

∀x ∈ E, < x, u1 (x) > + < x, u2 (x) > + · · · + < x, u p (x) >=< x, x >

Montrer que :
a) u1 + u2 + · · · + u p = IdE ,

b) E = Im(u1 ) ⊕ Im(u2 ) ⊕ · · · ⊕ Im(u p ),
c) Pour tout i ∈ {1, 2, . . . , p}, ui est la projection orthogonale sur Im(ui ).
Exercice 95
Soit A = (ai j )1≤i, j≤n la matrice de Mn (R) définie par :
∀(i, j) ∈ {1, 2, . . . , n}2 , ai j = min(i, j)

Montrer que A est symétrique définie positive.
Exercice 96 (Décomposition pôlaire)
1. On suppose que u est symétrique positif.
a) Montrer qu’il existe v ∈ L(E), tel que u = v∗ v.
b) Montrer qu’il existe un unique endomorphisme w, symétrique positif, tel que u = w2 .
c) Montrer que si u est symétrique défini positif et si v est un endomorphisme symétrique, alors
u−1 ◦ v est diagonalisable.
2. On suppose que u est un automorphisme de E.
a) Montrer que u∗ ◦ u est symétrique défini positif.
b) Montrer qu’il existe un endomorphisme orthogonal r et un endomorphisme symétrique dé-
fini positif w, tel que u = r ◦ w.
c) Montrer que r et w sont uniques.
d) En déduire que pour toute matrice A ∈ GLn (R), il existe R ∈ On (R) et il existe S ∈ Sn++ (R),
avec R et S uniques, telles que A = RS.
Exercice 97
Soient E un espace euclidien orienté de dimension 3 et β = (e1 , e2 , e3 ) une base orthonormale directe
de E. Déterminer la matrice, par rapport à β des endomorphismes suivants :
a) La projection orthogonale sur le plan vectoriel d’équation x + y + z = 0.
b) La symétrie orthogonale par rapport au plan vectoriel d’équation 2x + 3y + z = 0.
c) Le demi-tour d’axe Vect(e1 + e2 + e3 ).
d) La rotation d’axe Vect(e2 + e3 ) et d’angle π2 .
e) La rotation d’axe Vect(e1 + e2 + e3 ) qui transforme e1 en e2 .
Exercice 98
On munit R3 de sa structure euclidienne usuelle et de sa base canonique (e1 , e2 , e3 ). Soit u la rotation
de R3 d’axe ∆ = Vect(e1 − e2 + e3 ) , telle que u(e1 ) = e3 .
1. Déterminer l’angle de u.
2. Déterminer la matrice M de u par rapport à la base canonique de R3 .
3. Déterminer une base orthonormale de R3 dans laquelle la matrice A de u s’écrit sous la forme
canonique :  
1 0 0
0 sin θ cos θ
Exercice 99
Soient E un espace euclidien orienté de dimension 3 et u ∈ L(E). Montrer que u est une rotation, si,
et seulement si,
∀x ∈ E, ∀y ∈ E, u(x ∧ y) = u(x) ∧ u(y)

Exercice 100
R3 est muni de sa structure euclidienne canonique. Soient r une rotation de R3 d’axe Vect(x0 ) et
d’angle θ et u un endomorphisme orthogonal de R3 .
1. Montrer que u ◦ r ◦ u−1 est une rotation dont on déterminera l’axe et l’angle.
2. En déduire le centre de SO3 (R).
Exercice 101
Déterminer la nature et les éléments caractéristiques de l’endomorphisme u dont la matrice A par
rapport à la base canonique est définie par :
 
0 0 −1
a) A = 1 0 0 
0 1 0
 
1 0 0
b) A = 0 0 1
0 −1 0
 
1 2 2
c) A = 13 −2 −1 2 
−2 2 −1
 
−2 6 −3
d) A = 17  6 3 2 
−3 2 6
 √ 
√ 1 − 2 1
√
e) A = 12  2 √0 − 2
1 2 1
Exercice 102
Soient a ∈ R et u l’endomorphisme de R3 de matrice A, par rapport à la base canonique de R3 , définie
par :  
a −2 a + 1
A = a + 1 −a −2 
2 a+1 a
a) Pour quelles valeurs de a, l’endomorphisme u est orthogonal.
b) Dans le cas où u est orthogonal, déterminer la nature et les éléments caractéristiques de u.
Exercice 103
Soient (a, b, c) ∈ R3 , σ = ab + ac + bc, s = a + b + c et A la matrice définie par :
 
a b c
A = c a b
b c a
1. Montrer que
A est une matrice orthogonale ⇐⇒ σ = 0 et s ∈ {−1, 1}
2. Montrer que
A est une matrice de rotation ⇐⇒ σ = 0 et s = 1
4
3. Montrer que A est une matrice de rotation, si, et seulement si, il existe k ∈ [0, 27 ], tel que a, b et
3 2
c soient racines du polynome X − X + k.

Exercice 104
Soient a ∈] − 1, 1[ et Ma la matrice définie par :
2
√ √
2 2
 
√ a a 1 − a 1 − a
Ma = a√ 1 − a2 1 − a2 −a2 
1 − a2 −a 0
1. Montrer que pour tout a ∈] − 1, 1[, Ma est une matrice orthogonale. Est-elle diagonalisable ?
2. Calculer tr(Ma ) etdet(Ma ).
3. En déduire les valeurs propres de Ma et la nature géométrique de l’endomorphisme associé
canoniquement à Ma .
Exercice 105
Soit a un vecteur unitaire d’un espace euclidien E, α ∈ R et fα : E −→ E l’application définie par :
∀x ∈ E, fα (x) = x + α < x, a > a
1. Montrer que { fα : α ∈ R} est stable pour la loi de composition.

2. Montrer que
∀α ∈ R, ∀β ∈ R, fα ◦ fβ = fβ ◦ fα
p
3. Calculer fα pour tout p ∈ N.
4. Montrer que
fα est inversible ⇐⇒ α 6= −1
Quelle est la nature de f−1 ?
5. Montrer que
fα est orthogonal ⇐⇒ α ∈ {0, −2}
Quelle est la nature de f−2 ?
Exercice 106
Soit a un vecteur unitaire d’un espace euclidien orienté E de dimension 3. On considère l’application
f : E −→ E définie par :
∀x ∈ E, f (x) =< x, a > a + a ∧ x
Montrer que f est un endomorphisme orthogonal et préciser sa nature.
Exercice 107
Soit E un espace euclidien de dimension 3, muni d’une base orthonormale β = (e1 , e2 , e3 ).
Déterminer la matrice, par rapport à la base β, de la rotation d’axe Vect(e1 +e2 +e3 ) et d’angle θ = 2π
3 .
Exercice 108
Soit A ∈ Mn (R) une matrice antisymétrique. Montrer que
a) I + A est inversible.
b) (I + A)−1 (I − A) ∈ SOn (R).
c) det(I + A) > 0.
Exercice 109
Soient E un espace euclidien, u un endomorphisme de E. Montrer que les propositions suivantes sont
équivalentes :
i) ∀(x, y) ∈ R2 , < x, y >= 0 =⇒< u(x), u(y) >= 0,

ii) ∃k ≥ 0 : ∀x ∈ E, ku(x)k = kkxk,
iii) u est la composée d’une homothétie et d’une isométrie.
Exercice 110
Soit A = (ai j )1≤i, j≤n une matrice orthogonale. Montrer que
3
∑ ai j ≤ n ≤ ∑ |ai j | ≤ n 2
1≤i, j≤n 1≤i, j≤n
Exercice 111
Soient E un espace euclidien v ∈ E un vecteur non nul, α ∈ R et u l’endomorphisme de E défini par :
∀x ∈ E, u(x) = x + α < x, v > v
1. Donner une condition necessaire et suffisante sur α et v pour que u soit un endomorphisme
orthogonal.
2. On suppose que u est orthogonal et que α 6= 0. Donner une interprétation géométrique de u.
Exercice 112
1. Montrer que si u est un endomorphisme antisymétrique, alors exp(u) est une rotation de E.
2. Réciproquement, montrer que si u est une rotation de E, alors, il existe un endomorphisme
antisymétrique v de E, tel que u = exp(v).
Exercice 113
Pour tout nombre réel a, on considère la forme quadratique qa définie sur R3 par,
∀(x, y, z) ∈ R3 , qa (x, y, z) = a(x2 + y2 ) + 2z2 − 2xy − 2xz + 2yz
1. On suppose que a = 1.
a) En utilisant la méthode de Gauss, écrire q1 sous forme de carrés.
b) Montrer que q1 est positive. q1 est-elle définie positive ?
c) Montrer que ∀(x, y, z) ∈ R3 , q1 (x, y, z) ≥ z2 .
d) Déterminer l’ensemble C des vecteurs q1 -isotropes.
2. On suppose que a est quelconque.
a) Vérifier que ∀(x, y, z) ∈ R3 , qa (x, y, z) = q1 (x, y, z) + (a − 1)(x2 + y2 ) et en déduire que si
a > 1, alors qa est définie positive.
b) Calculer qa (v), pour tout a ∈ R, où v est un vecteur q1 -isotrope non nul.
c) Déduire, de ce qui précède, les valeurs du paramètre a pour lesquelles la forme quadratique
qa est définie positive ?
3. On suppose que q = 2 et on munit R3 du produit scalaire défini par q2 .
Ce produit scalaire sera noté < ·, · >
a) Déterminer la matrice de q2 par rapport à la base canonique (e1 , e2 , e3 ) de R3 .
b) Soient u = e2 + e3 et F = {u}⊥ .
i) Quelle est la dimension de F ? Trouver une base de F.
ii) Déterminer la matrice, par rapport à la base canonique, de la projection orthogonale
sur F.

iii) Calculer la distance de e1 à F.
Exercice 114
Soit E un espace euclidien de dimension n. On dit qu’un endomorphisme u de E est antisymétrique
si u∗ = −u.
1. Montrer que si u est antisymétrique alors ∀x ∈ E, < u(x), x >= 0.
2. Réciproquement, montrer que si ∀x ∈ E, < u(x), x >= 0, alors u est antisymétrique.
3. On suppose que u est antisymétrique.
a) Montrer que ker(u)⊥ = Im(u).
b) Montrer que si λ ∈ R est une valeur propre de u, alors λ = 0.
c) Montrer que si u est inversible, alors n est pair.
d) Montrer que u est de rang pair.
4. On suppose que E est orienté de dimension 3 et que (e1 , e2 , e3 ) est une base orthonormale
directe de E.
a) Soit a un vecteur de E, avec a = αe1 + βe2 + γe3 , et soit u l’endomorphisme défini par,
∀x ∈ E, u(x) = a ∧ x
i) Montrer que u est antisymétrique.

ii) Déterminer, en fonction de a, ker(u) et Im(u).
iii) Déterminer, en fonction de α, β et γ, la matrice de u par rapport à la base (e1 , e2 , e3 ).
b) Réciproquement, soit u un endomorphisme antisymétrique non nul de E. On se propose de
montrer qu’il existe un unique a ∈ E, tel que
∀x ∈ E, u(x) = a ∧ x
i) Montrer que dim(ker(u)) = 1.

ii) On suppose que ker(u) = Vect(x0 ) avec kx0 k = 1 et soient y0 et z0 deux vecteurs de E,
tels que (x0 , y0 , z0 ) soit une base orthonormale directe de E. Montrer que
u(y0 ) =< u(y0 ), z0 > x0 ∧ y0 et u(z0 ) =< u(y0 ), z0 > x0 ∧ z0
iii) On pose a =< u(y0 ), z0 > x0 . Montrer que a est l’unique vecteur de E, tel que
∀x ∈ E, u(x) = a ∧ x
Exercice 115
Soient α et β deux nombres réels et q la forme quadratique définie sur R3 par :
∀x ∈ R3 , q(x) = x12 + αx22 + (α + β + 3)x32 + 2x1 x2 + 4x1 x3 + 2(α + 1)x2 x3
1. Déterminer la matrice M de q par rapport à la base canonique (e1 , e2 , e3 ) de R3 .

2. Calculer le déterminant de M et préciser les valeurs des paramètres α et β pour lesquelles la
forme quadratique q est non dégénérée.
3. On suppose α = β = 0.
a) En appliquant la méthode de Gauss, décomposer q sous forme de carrés.
b) Déterminer le cône des vecteurs isotropes Cq .

c) Cq est-t-il un sous-espace vectoriel de E ? Pourquoi ?
4. On suppose α 6= 1 et β 6= 0.
a) En appliquant la méthode de Gauss, décomposer q sous forme de carrés.
b) Pour quelles valeurs des paramèrtres α et β, la forme quadratique q définit-t-elle un produit
scalaire sur R3 ?
c) Dans le cas où q définit un produit scalaire sur R3 , déterminer une base q-orthogonale
(v1 , v2 , v3 ).
Pour quelles valeurs de α et β, (v1 , v2 , v3 ) définit une base q-orthonormale ?
5. Dans toute la suite, on suppose α = 2 et β = 1.
a) Justifier que q définit un produit scalaie sur R3 .
b) Déterminer le q-orthogonal de F, où F = Vect(e1 + e2 , e1 − e3 ).
c) Déterminer, par rapport à la base canonique de R3 , la matrice A de la projection q-orthogonale
sur F.
e) La matrice A est-elle symétrique ? Pourquoi ?
f) Déterminer, par rapport à la base (v1 , v2 , v3 ), la matrice B de la projection q-orthogonale sur
F.
g) La matrice B est-elle symétrique ? Pourquoi ?
Exercice 116
Soient E un espace euclidien orienté de dimension 3, a et b deux vecteurs non nuls de E. On considère
l’endomorphisme u de E défini par :
∀x ∈ E, u(x) = a ∧ (b ∧ x)
1. Déterminer l’endomorphisme adjoint u∗ .

2. En déduire que si (a, b) est lié, alors u est symétrique.
3. Réciproquement, montrer que si u est symétrique, alors (a, b) est lié.
4. Montrer que u est un projecteur, si, et seulement si, < a, b >= −1.
a
5. Montrer que u est un projecteur orthogonal, si, et seulement si, b = −
kak2
6. On suppose que u est un projecteur orthogonal. Déterminer ker(u) et Im(u)
Exercice 117
Soient E un espace euclidien et u un endomorphisme de E, tel que u∗ ◦ u = u ◦ u∗ .
1. Montrer que pour tout x ∈ E, on a ku(x)k = ku∗ (x)k.
2. Montrer que ker(u∗ ) = ker(u).
3. Montrer que pour tout λ ∈ R, on a ker(u − λIdE ) = ker(u∗ − λIdE ).
4. Montrer que si λ ∈ R est une valeur propre de u et si Eλ est le sous-espace propre associé, alors
Eλ⊥ est stable par u.
5. Dans toute la suite, on suppose que dim(E) = 2 et que u∗ ◦ u = u ◦ u∗ .
a) Montrer que si u possède une valeur propre réelle, alors u possède une base orthonormale
formée de vecteurs propres.
b) On suppose que u n’a aucune valeur propre réelle.
i) Montrer que u∗ + u possède au moins une valeur propre réelle λ ∈ R.
ii) Montrer que le sous-espace propre Eλ est stable par u.

iii) Montrer que dim(Eλ ) = 2 et que u∗ + u = λIdE .
iv) En déduire que la matrice A de u par rapport à n’importe quelle base orthonormale de
E, sécrit sous la forme :

a −b
A= , où (a, b) ∈ R2
b a
Exercice 118
Soient E un espace euclidien et u un automorphisme de E, tel que
∀x ∈ E, ∀y ∈ E, < x, y >= 0 =⇒< u(x), u(y) >= 0
1. Soit β = (e1 , e2 , . . . , en ) une base orthonormale quelconque de E et A = (ai j )1≤i, j≤n la matrice
de u∗ u par rapport à la base β. Montrer que
∀(i, j) ∈ {1, 2, . . . , n}2 , i 6= j =⇒ ai j = 0
2. Montrer que pour tout x ∈ E, il existe α(x) ∈ R, tel que (u∗ ◦ u)(x) = α(x)x.
3. Montrer qu’il existe α > 0, tel que u∗ ◦ u = αIdE .
4. Montrer qu’il existe k > 0 et il existe un endomorphisme orthogonal v, tel que u = kv.
Exercice 119
Le corps C des nombres complexes est muni de sa structure canonique d’espace vectoriel réel, de sa
base canonique (1, i), où i est le nombre complexe vérifiant i2 = −1, et de son produit scalaire usuel :
∀(z, z0 ) ∈ C2 , < z, z0 >= Re(zz0 )
Soit f : C −→ C une application R-linéaire.

1. a) Montrer qu’il existe (α, β) ∈ C2 , tel que ∀z ∈ C, f (z) = αz + βz.
b) Déterminer la trace et le déterminant de f en fonction de α et β.
2. Soit z ∈ C, montrer que
(z, z) est libre ⇐⇒ z2 ∈
/R
3. Déterminer f ∗ .
4. Quelles sont les valeurs de α et β pour lesquelles :
a) f est un endomorphisme symétrique ?
b) f est un endomorphisme orthogonal ?
c) f est une rotation ?
d) f est une symétrie orthogonale ?
5. On suppose β 6= 0. Déterminer les valeurs de α et β pour lesquelles f est une projection ortho-
gonale.
Exercice 120
Soit E un espace euclidien muni d’une base orthonormale (e1 , e2 , . . . , en ). Pour tout σ ∈ Sn , on définit
l’endomorphisme uσ de E par :
n n
∀x ∈ E, x = ∑ xi ei =⇒ uσ (x) = ∑ xσ(i) ei
i=1 i=1
1. Montrer que pour tout σ ∈ Sn , uσ est un endomopphisme orthogonal de E.

2. Montrer qu’il existe une valeur propre réelle commune à tous les uσ .
3. Montrer qu’il existe un hyperplan H de E stable par tous les uσ .
Exercice 121
Soit A ∈ Mn (R), telle que toutes les valeurs propres de tAA − AtA soient positives.
Montrer que tAA = AtA.
Exercice 122
Soit A une matrice symétrique de Mn (R).
1. On suppose qu’il existe une matrice antisymétrique B, telle que A + B soit orthogonale.
a) Montrer que AB = BA et que A2 − B2 = I.
b) Montrer que si λ est une valeur propre de A, alors λ ∈ [−1, 1] et que si λ ∈] − 1, 1[, alors
dim(Eλ ) est paire.
2. En déduire une condition necessaire et suffisante pour qu’il existe une matrice antisymétrique
B, telle que A + B soit orthogonale.

CHAPITRE 5
FORMES SESQUILINÉAIRES - FORMES
QUADRATIQUES HERMITIENNES
5.1 Formes sesquilinéaires - Formes hemitiennes

5.1.1 Quelques rappels sur les nombres complexes
Rappelons que pour tout z ∈ C, il existe un unique (a, b) ∈ R2 , tel que z = a + ib, où i est le nombre
complexe vérifiant i2 = −1.
Dans ce cas, le conjugué, la partie réelle, la partie imaginaire et le module de z sont respectivement
définis par :
p
z̄ = a − ib, Re(z) = a, Im(z) = b et |z| = a2 + b2
Rappelons aussi les identités remarquables suivantes :
i)
z + z̄
∀z ∈ C, Re(z) =
2
ii)
z − z̄
∀z ∈ C, Im(z) =
2i
iii)
∀z ∈ C, Re(z̄) = Re(z), Im(z̄) = −Im(z) et Re(iz) = −Im(z)
iv)
∀z ∈ C, |z|2 = zz̄
v)
∀z1 ∈ C, ∀z2 ∈ C, |z1 + z2 |2 = |z1 |2 + |z2 |2 + 2Re(z̄1 z2 ) = |z1 |2 + |z2 |2 + 2Re(z1 z̄2 )
vi)
∀z1 ∈ C, ∀z2 ∈ C, |z1 − z2 |2 = |z1 |2 + |z2 |2 − 2Re(z̄1 z2 ) = |z1 |2 + |z2 |2 − 2Re(z1 z̄2 )
vii)
1 1
∀z1 ∈ C, ∀z2 ∈ C, Re(z̄1 z2 ) = Re(z1 z̄2 ) = |z1 + z2 |2 − |z1 − z2 |2
4 4
106
5.1.2 Définition et propriètés de base
Définition 5.2.
Soient E et F deux C-espaces vectoriels, on dit qu’une application f : E −→ F est semi-

linéaire, si
i) ∀x ∈ E, ∀y ∈ E, f (x + y) = f (x) + f (y),
ii) ∀α ∈ C, ∀x ∈ E, f (αx) = α f (x).
Remarque 5.2.1
Soient E et F deux C-espaces vectoriels.
Soit f : E −→ F une application et soit g : E −→ F l’application définie par :
∀x ∈ E, g(x) = f (x)
Alors f est semi-linéaire si, et seulement si, g est linéaire.
Définition 5.3.
Soient E un C-espace vectoriel et f : E × E −→ C une application.

a) On dit que f est une forme sesquilinéaire sur E, si
i) Pour tout x ∈ E, l’application
ϕx : E −→ C
y 7−→ ϕx (y) = f (x, y) est linéaire
ii) Pour tout y ∈ E, l’application

ϕy : E −→ C
y 7−→ ϕy (x) = f (x, y) est semi-linéaire
b) Une forme sesquilinéaire est dite hermitienne, si
∀(x, y) ∈ E × E, f (x, y) = f (y, x)
Remarque 5.3.1
1. f : E × E −→ C est une forme sesquilinéaire, si, et seulement si,
i) ∀x ∈ E, ∀y1 ∈ E, ∀y2 ∈ E, f (x, y1 + y2 ) = f (x, y1 ) + f (x, y2 ),
ii) ∀y ∈ E, ∀x1 ∈ E, ∀x2 ∈ E, f (x1 + x2 , y) = f (x1 , y) + f (x2 , y),
iii) ∀α ∈ C, ∀β ∈ C, ∀x ∈ E, ∀y ∈ E, f (αx, βy) = αβ f (x, y).
2. Si h est une forme hermitienne sur E, alors
∀(x, y) ∈ E 2 , f (x + y, x + y) = f (x, x) + f (y, y) + 2Re( f (x, y))
∀(x, y) ∈ E 2 , f (x − y, x − y) = f (x, x) + f (y, y) − 2Re( f (x, y))
∀(x, y) ∈ E 2 , f (ix + y, ix + y) = f (x, x) + f (y, y) + 2Im( f (x, y))
∀(x, y) ∈ E 2 , f (ix − y, ix − y) = f (x, x) + f (y, y) − 2Im( f (x, y))

En effet, on a
f (x + y, x + y) = f (x, x) + f (y, y) + f (x, y) + f (y, x)

= f (x, x) + f (y, y) + f (x, y) + f (x, y)
= f (x, x) + f (y, y) + 2Re( f (x, y))
f (ix + y, x + y) = f (ix, ix) + f (y, y) + f (ix, y) + f (y, ix)

= −i2 f (x, x) + f (y, y) + f (ix, y) + f (ix, y)
= f (x, x) + f (y, y) + 2Re( f (ix, y))
= f (x, x) + f (y, y) + 2Re(−i f (x, y))
= f (x, x) + f (y, y) + 2Im( f (x, y)) (car Re(−i f (x, y)) = Im( f (x, y)))
5.3.1 Matrice d’une forme sesquilinéaire

Soient E un C-espace vectoriel de dimension finie = n, f une forme sesquilinéaire sur E et β =
(e1 , e2 , . . . , en ) une base de E.
n n
Alors pour chaque (x, y) ∈ E × E, avec x = ∑ xi ei et y = ∑ y j e j , on a
i=1 i=1
n n
f (x, y) = f ( ∑ xi ei , ∑ y j e j )
i=1 i=1
n n
= ∑ f ( ∑ xiei, y j )
j=1 i=1
n n
=∑ ∑ xiy j f (ei, e j )
i=1 j=1
Définition 5.4.
La matrice de Mn (C), A = (ai j )1≤i, j≤n , définie par :
∀(i, j) ∈ {1, 2, . . . , n}, ai j = f (ei , e j )
s’appelle la matrice de f par rapport à la base β.
Notations
Pour toute matrice A ∈ Mn (C), avec A = (ai j )1≤i, j≤n , on pose
A = (ai j )1≤i, j≤n et A∗ = t(A)
On vérifie facilement, qu’on a

i) ∀A ∈ Mn (C), ∀B ∈ Mn (C), AB = A B.
ii) ∀A ∈ Mn (C), tA = t(A).
Remarque 5.4.1
Soient E un C-espace vectoriel de dimension finie = n, f une forme sesquilinéaire sur E,
β = (e1 , e2 , . . . , en ) une base de E et A = (ai j )1≤i, j≤n la matrice de f par rapport à la base β.

1. Par définition, on a
n n
∀(x, y) ∈ E × E, f (x, y) = ∑ ∑ ai j x i y j
i=1 j=1
2.
f est hermitienne ⇐⇒ A∗ = A
3. Si f est hermitienne, alors on a

n n
f (x, y) = ∑ ∑ ai j x i y j
i=1 j=1
n
= ∑ xi yi + ∑ (ai j xi y j + ai j x j yi )
i=1 1≤i< j≤n
n
∀x ∈ E, f (x, x) = ∑ |xi |2 + ∑ (ai j xi x j + ai j xi x j )
i=1 1≤i< j≤n
5.4.1 Ecriture matricielle

Soient E un C-espace vectoriel de dimension finie = n, f une forme sesquilinéaire sur E,
β = (e1 , e2 , . . . , en ) une base de E et A = (ai j )1≤i, j≤n la matrice de f par rapport à la base β. Pour
n
chaque x ∈ E avec x = ∑ xi ei , on pose
i=1
 
x1
x 2 
X =  .. 
 
.
xn
Alors, f possède une expression matricielle sous la forme :
∀(x, y) ∈ E × E, f (x, y) = t XAY
En effet, on a
n n
∀(x, y) ∈ E × E, t XAY = ∑ ∑ ai j xiy j
i=1 j=1
5.4.2 Changement de base

Proposition 5.5.
Soient E un C-espace vectoriel de dimension finie = n, f une forme sesquilinéaire sur E.

Soient β et γ deux bases de E, A et B sont, respectivement, les matrices de f par rapport aux
bases β et γ et P la matrice de passage de β à γ. Alors on a
B = t PAP = P∗ AP

Preuve
Soient β = (e1 , e2 , . . . , en ) et β = (v1 , v2 , . . . , vn ).
Donc, on sait que pour tout x ∈ E, avec x = ∑ni=1 xi ei = ∑ni=1 xi0 vi , on a X = PX 0 .
D’après l’écriture matricielle par rapport à chacune des deux bases, on a
∀(x, y) ∈ E × E, f (x, y) = t X 0 BY 0 = t XAY = t PX 0 A(PY 0 ) = t X 0 (t PAP)Y 0
Donc, on aura
∀X 0 ∈ Cn , ∀Y 0 ∈ Cn , t X 0 BY 0 = t X 0 (t PAP)Y 0
Ainsi, on aura
B = t PAP
5.5.1 Rang d’une forme sesquilinéaire

Soient E un C-espace vectoriel de dimension finie = n, f une forme sesquilinéaire sur E. Soient β et
γ deux bases de E, A et B sont, respectivement, les matrices de f par rapport aux bases β et γ et P la
matrice de passage de β à γ.
Alors on sait que B = t PAP, donc A et B sont équivalentes et par suite, A et B ont même rang. Ainsi,
la définition suivante a un sens :
Définition 5.6.
Soient E un C-espace vectoriel de dimension finie = n, f une forme sesquilinéaire sur E et

A la matrice de f par rapport à n’importe quelle base de E. Alors le rang de f est défini par
rang( f ) = rang(A)
5.6.1 Formes hermitienne non dégénérée

Définition 5.7.
Soient E un C-espace vectoriel quelconque et h une forme hermitienne sur E. On considère

l’application Φ : E −→ E ∗ définie par :
∀x ∈ E, Φ(x) = ϕx où ∀y ∈ E, ϕx (y) = h(x, y)
Si Φ est injective, on dit que f est non dégénérée.
Remarque 5.7.1
D’après la définition précédente, f est non dégénérée, si et seulement si, pour tout x ∈ E, on a
[∀y ∈ E, h(x, y) = 0] =⇒ x = 0
Cela signifie que si pour un certain x ∈ E, on a h(x, y) = 0 pour tout y ∈ E, alors nécessairement, on
a x = 0.

Proposition 5.8.
Soient E un C-espace vectoriel de dimension finie, β une base de E, h une forme hermi-
tienne sur E et A la matrice de h par rapport à la base β. Alors,
[ f est non dégénérée] ⇐⇒ det(A) 6= 0
Preuve
On considère l’application Φ : E −→ E ∗ qui à chaque x fait correspondre ϕx .
Posons β = (e1 , e2 . . . , en ) et β∗ = (e∗1 , e∗2 , . . . , e∗n ) la base duale de β.
Soit M = (mi j )1≤i, j≤n la matrice de Φ par rapport aux bases β et β∗ , alors on a
n
∀ j ∈ {1, 2, . . . , n}, Φ(e j ) = ∑ mk j e∗k
k=1
Donc pour chaque i ∈ {1, 2 . . . , n} et pour chaque j ∈ {1, 2, . . . , n}, on a
n
h(ei , e j ) = h(e j , ei) = Φ(e j )(ei ) = ∑ mi j e∗k (ei) = mi j (car e∗k (ei ) = δik )
k=1
On en déduit donc que M = A. Ainsi, on aura,
f est non dégénérée ⇐⇒ Φ est injective (par définition)

⇐⇒ Φ est bijective (car E et E ∗ ont même dimension)
⇐⇒ det(M) 6= 0
⇐⇒ det(A) 6= 0 (car M = A)
⇐⇒ det(A) 6= 0
5.8.1 Orthogonalité
Définition 5.9.
Soient E un C-espace vectoriel quelconque, h une forme hermitienne sur E. Soit A une
partie non vide de E, on définit l’orthogonale de A, par rapport à la forme hermitienne h,
noté A⊥ , par :
∀y ∈ E, y ∈ A⊥ ⇐⇒ ∀x ∈ A, h(x, y) = 0
Remarque 5.9.1
1. Soient A et B deux parties non vides de E, telles que A ⊆ B, alors B⊥ ⊆ A⊥ .
2. Pour toute partie non vide A de E, on a A⊥ = Vect(A)⊥ .
3. Pour toute partie non vide A de E, même si A n’est pas un sous-espace vectoriel de E, A⊥ est
toujours un sous-espace vectoriel de E.

Proposition 5.10.
Soient E un C-espace vectoriel de dimension finie et h une forme hermitienne sur E, alors
pour tout sous-espace vectoriel F de E, on a
i) dim(F) + dim(F ⊥ ) ≥ dim(E).
ii) Si de plus h est non dégénérée, alors on a
dim(F) + dim(F ⊥ ) = dim(E) et F ⊥⊥ + F
Preuve
La démonstration est la même que dans le cas des formes bilinéaires symétriques.
Définition 5.11.
Soient E un C-espace vectoriel et h une forme hermitienne sur E.

i) On dit que deux vecteurs x et y de E sont orthogonaux, si h(x, y) = 0.
ii) On dit qu’un vecteur x ∈ E est isotrope, si h(x, x) = 0.
iii) Un sous-espace vetoriel F de E est dit isotrope, si F ∩ F ⊥ 6= {0}.
iv) Un sous-espace vetoriel F de E est dit totalement isotrope, si F ⊆ F ⊥ .
Théorème 5.12.
Soient E un C-espace vectoriel quelconque, h une forme hermitienne sur E et F un sous-

espace vectoriel de E de dimension finie. Alors
E = F ⊕ F ⊥ ⇐⇒ F est non isotrope
Preuve
Ce théorème se démontre de la même manière que dans le cas d’une forme bilinéaire symétrique.
5.12.1 Bases orthogonales

Définition 5.13.
Soient E un C-espace vectoriel de dimension finie = n et h une forme hermitienne sur E.

On dit qu’une base (e1 , e2 , . . . , en ) de E est orthogonale, si
∀i ∈ {1, 2, . . . , n}, ∀ j ∈ {1, 2, . . . , n}, i 6= j =⇒ h(ei , e j ) = 0
Remarque 5.13.1
Supposons que E possède une base orthogonale β = (e1 , e2 , . . . , en ) et soit A = (ai j )1≤i, j≤n la matrice
de h par rapport à β, donc pour i 6= j, on a ai j = h(ei , e j ) = 0. Donc A est une matrice diagonale et
n n
on a pour x = ∑ xi ei et y = ∑ yi ei ,
i=1 i=1
n
h(x, y) = ∑ aii xi yi
i=1

n
Donc, en particulier, pour tout x ∈ E, avec x = ∑ xi ei , on a
i=1
n
h(x, x) = ∑ aii |xi |2
i=1
Dans la suite on se propose de montrer que toute forme hermitienne possède au moins une base
orthogonale.
Lemme 5.14.
Soient E un C-espace vectoriel et f une forme hermitienne sur E. Alors
h est identiquement nulle ⇐⇒ ∀x ∈ E, h(x, x) = 0
Preuve
(=⇒) Trivial.
(⇐=) Supposons que pour tout x ∈ E, h(x, x) = 0 et montrons que h est identiquement nulle.
Soient (x, y) ∈ E × E, alors on a h(x + y, x + y) = 0 et h(ix + y, ix + y) = 0.
Or, on sait que
h(x + y, x + y) = h(x, x) + h(y, y) + 2Re(h(x, y)) = 2Re(h(x, y))
et que
h(ix + y, ix + y) = h(x, x) + h(y, y) + 2Im(h(x, y)) = 2Im(h(x, y))
donc Re(h(x, y)) = Im(h(x, y)) = 0, par suite, h(x, y) = 0.
Théorème 5.15.
Soit E un C-espace vectoriel de dimension finie. Alors toute forme hermitienne h sur E,
possède au moins une base orthogonale.
Preuve
On procède par récurrence sur la dimension de E, exactement comme dans le cas d’une forme bili-
néaire symétrique.
5.16 Formes quadratiques hermitiennes

Définition 5.17.
Soit E un C-espace vectoriel. On dit qu’une application q : E −→ R est une forme quadra-
tique sur E, s’il existe une forme sesquilinéaire f sur E, telle que
∀x ∈ E, q(x) = Re( f (x, x))

Exemples
Si h est une forme bilinéaire symétrique sur E, alors l’application q : E −→ K définie par :
∀x ∈ E, q(x) = h(x, x)
est une forme quadratique sur E, appelée forme quadratique associée à la forme bilinéaire symétrique
h.
Réciproquement, à toute forme quadratique, on peut associer une forme hermitienne unique, comme
le montre la proposition suivante :
Proposition 5.18.
Soient E un C-espace vectoriel et q une forme quadratique sur E. Alors il existe une forme
hermitienne unique h sur E, telle que
∀x ∈ E, q(x) = h(x, x)
Dans ce cas, h s’appelle la forme polaire associée à la forme quadratique q et on a la relation

suivante, appelée formule de polarisation :
1 3 k k
∀x ∈ E, ∀y ∈ E, h(x, y) = ∑ i q(i x + y)
4 k=0
Preuve
q est une forme quadratique sur E, donc, par définition, il existe une forme sesquilinéaire f sur E,
telle que
∀x ∈ E, q(x) = Re( f (x, x))
Soit h : E × E −→ C l’application définie par :
f (x, y) + f (y, x)
∀(x, y) ∈ E × E, h(x, y) =
2
Alors h est une forme hermitienne sur E, car on a
f (x, x) + f (x, x)
∀x ∈ E, h(x, x) = = Re( f (x, x)) = q(x)
2
Puuisque h est hermitienne, alors on sait que pour tout (x, y) ∈ E × E, on a
q(x + y) = q(x) + q(y) + 2Re(h(x, y))
q(−x + y) = q(x) + q(y) − 2Re(h(x, y))
q(ix + y) = q(x) + q(y) + 2Im(h(x, y))
q(−ix + y) = q(x) + q(y) − 2Im(h(x, y))
Donc, on aura
3
∑ ik q(ik x + y) = q(x + y) + iq(ix + y) − q(−x + y) − iq(−ix + y)
k=0
= 4(Re(h(x, y)) + iIm(h(x, y))
= 4h(x, y)
Cette relation entre q et h assure l’unicité de h.

Remarque 5.18.1
Soient E un C-espace vectoriel de dimension finie = n, q une forme quadratique sur E et h la forme
polaire associée à q.
1. Soit β une base de E et soit A = (ai j )1≤i, j≤n la matrice de h par rapport à la base β.
Alors A s’appelle aussi la matrice de q par rapport à β et on a
n
∀x ∈ E, q(x) = ∑ aii |xi |2 + ∑ (ai j xi x j + ai j xi x j )
i=1 1≤i< j≤n
Avec ai j xi x j + ai j xi x j = 2Re(ai j xi x j ), donc on a
n
∀x ∈ E, q(x) = ∑ aii |xi |2 + 2 ∑ Re(ai j xi x j )
i=1 1≤i< j≤n
2. Puisque h est hermitienne, alors h possède au moins une base orthogonale β.

Alors, β s’appelle aussi une base q-orthogonale et q s’écrit, par rapport à cette base, sous la
forme réduite suivante :
n
∀x ∈ E, q(x) = ∑ aii |xi |2
i=1
3. Le rang d’une forme quadratique est défini comme étant le rang de sa forme pôlaire associée.
Théorème 5.19.
Soient E un C-espace vectoriel de dimension finie = n et q une forme quadratique sur E

de rang r. Alors il existe des formes linéaires complexes l1 , l2 , . . . , lr , linéairement indépen-
dantes et il existe des scalaires réels λ1 , λ2 , . . . , λr , non nuls, tels que
r
∀x ∈ E, q(x) = ∑ λi |li (x)|2
i=1
Preuve
Même démonstration que dans le cas réeel.
5.19.1 Méthode de Gauss pour la réduction d’une forme quadratique hermi-

tienne
Soient E un C-espace vectoriel de dimension = 2, (e1 , e2 ) une base de E et q une forme quadratique
hermitienne sur E, alors pour chaque x ∈ E, avec x = x1 e1 + x2 e2 , on a
q(x) = a|x1 |2 + b|x2 |2 + 2Re(cx̄1 x2 ) où a ∈ R, b ∈ R et c ∈ C
i) Si (a, b) 6= (0, 0), alors on peut supposer, par exemple, que a 6= 0, puis on procède de la manière

suivante :
q(x) = a|x1 |2 + b|x2 |2 + 2Re(cx̄1 x2 )

h c i
= a |x1 |2 + 2Re( x̄1 x2 ) + b|x2 |2
a
c 2 |c|2

= a |x1 + x2 | − 2 |x2 | + b|x2 |2
2
a a
c |c|2
= a|x1 + x2 |2 + (b − )|x2 |2
a a
c |c|2
= α|X1 |2 + β|X2 |2 où X1 = x1 + x2 , X2 = x2 , α = a et β = b −
a a
ii) Si (a, b) = (0, 0), alors q(x) = 2Re(cx̄1 x2 ), donc on aura
q(x) = 2Re(cx̄1 x2 )
1
= (|x1 + cx2 |2 − |x1 − cx2 |2 )
2
1 1
= |x1 + cx2 |2 − |x1 − cx2 |2
2 2
1 2 1 2
= X1 − X2 où X1 = x1 + cx2 et X2 = x1 − cx2
2 2
Soient E un C-espace vectoriel de dimension 3, (e1 ,2 , e3 ) une base de E et q : E −→ C une forme

quadratique. Alors pour tout x ∈ E, x = x1 e1 + x2 e2 + x3 e3 , on a
q(x) = a|x1 |2 + b|x2 |2 + c|x3 |2 + 2Re(d x̄1 x2 ) + 2Re(ex̄1 x3 ) + 2Re( f x̄2 x3 )
où (a, b, c) ∈ R3 et (d, e, f ) ∈ C3 .
i) Si (a, b, c) 6= (0, 0, 0), alors on peut supposer par exemple que a 6= 0. Dans ce cas, en regroupant
tous les termes contenant x1 , on aura,
q(x) = a|x1 |2 + 2Re(d x̄1 x2 ) + 2Re(ex̄1 x3 ) + b|x2 |2 + c|x3 |2 + 2Re( f x̄2 x3 )

d e
= a |x1 | + 2Re x̄1 ( x2 + x3 ) + b|x2 |2 + c|x3 |2 + 2Re( f x̄2 x3 )
2
a a

d e 2 d e 2
= a |x1 + x2 + x3 | − | x2 + x3 | + b|x2 |2 + c|x3 |2 + 2Re( f x̄2 x3 )
a a a a
d e d e
= a|x1 + x2 + x3 |2 − a| x2 + x3 |2 + b|x2 |2 + c|x3 |2 + 2Re( f x̄2 x3 )
a a a a
d e 2
= a|x1 + x2 + x3 | + Q(x2 , x3 )
a a
où
d e
Q(x2 , x3 ) = b|x2 |2 + c|x3 |2 + 2Re( f x̄2 x3 ) − a| x2 + x3 |2
a a
est une forme quadratique en (x2 , x3 ).
Donc pour achever la décomposition de q, il suffit de décomposer Q qui peut-être considérée
comme une forme quadratique sur un C-espace vectoriel de dimension 2.

ii) Si a = b = c = 0, alors q s’écrit sous la forme :
q(x) = 2Re(d x̄1 x2 ) + 2Re(ex̄1 x3 ) + 2Re( f x̄2 x3 )
En supposant, par exemple, que d 6= 0, on peut procèder de la manière suivante :
q(x) = 2Re(d x̄1 x2 ) + 2Re(ex̄1 x3 ) + 2Re( f x̄2 x3 )
= 2Re(d x̄1 x2 + ex̄1 x3 + f¯x2 x̄3 )
f¯

e
= 2Re d(x̄1 x2 + x̄1 x3 + x2 x̄3 )
d d
¯f e f¯ 2

e
= 2Re d(x̄1 + x̄3 )(x2 + x3 ) − |x3 |
d d d
Posons
f e e f¯
y1 = x1 + ¯x3 , y2 = x2 + x3 et λ = −Re( )
d d d
Donc, on aura
q(x) = 2Re(d ȳ1 y2 ) + λ|x3 |2
1 1
= |y1 + dy2 |2 − |y1 − dy2 |2 + λ|x3 |2
2 2
1 f 1 f
= |x1 + dx2 + ( ¯ + e)x3 |2 − |x1 − dx2 + ( ¯ − e)x3 |2 + λ|x3 |2
2 d 2 d
1 2 1 2 2
= |X1 | − |X2 | + λ|X3 |
2 2
Avec
f f
X1 = x1 + dx2 + ( ¯ + e)x3 , X2 = x1 − dx2 + ( ¯ − e)x3 et X3 = x3
d d
Le cas général
Soient E un C-espace vectoriel de dimension fine = n, (e1 , e2 , . . . , en ) une base de E et q : E −→ C
une forme quadratique hermitienne non nulle. Alors on sait que q s’écrit sous la forme :
n
q(x) = ∑ ai |xi |2 + 2Re( ∑ ai j x̄i x j )
i=1 1≤i< j≤n
Nous allons procéder par récurrence sur n, en distinguant deux cas :

i) Il existe i0 ∈ {1, 2, . . . , n}, tel que ai0 6= 0, alors quitte à réordonner les ai , on peut supposer que
a1 6= 0. Dans ce cas, en regroupant tous les termes contenant x1 , (si à la place de a1 on prend
ai0 , on doit regrouper tous les termes contenant xi0 ), on aura,
n n
q(x) = a1 |x1 |2 + 2Re( ∑a1 j x̄1 x j ) + ∑ ai |xi |2 + 2Re( ∑ ai j x̄i x j )
j=2 i=2 2≤i< j≤n
" !#
n n a1 j
= a1 |x1 |2 + 2Re x̄1 ( ∑ α j x j ) + ∑ ai |xi |2 + 2Re( ∑ ai j x̄i x j ) où ∀ j, α j =
j=2 i=2 2≤i< j≤n a1
2 2
n n n
= a1 x1 + ∑ α j x j − ∑ α j x j + ∑ ai|xi|2 + 2Re( ∑ ai j x̄i x j )
j=2 j=2 i=2 2≤i< j≤n
2
n
= a1 x1 + ∑ α j x j + Q(x2 , . . . , xn )
j=2

où
2
n n
2
Q(x2 , . . . , xn ) = 2Re( ∑ ai j x̄i x j ) + ∑ ai |xi | − ∑ α jx j
2≤i< j≤n i=2 j=2
est une forme quadratque en x2 , x3 , . . . , xn , donc on peut considérer Q comme une forme qua-
dratique sur un C-espace vectoriel de dmension n − 1 et on applique, alors, l’hypothèse de
récurrence à Q.
ii) ∀i ∈ {1, 2, . . . , n}, ai = 0, alors, dans ce cas, q s’écrit sous la forme :
q(x) = 2Re( ∑ ai j x̄i x j )

1≤i< j≤n
q 6= 0, donc l’un au moins des coefficients ai j est non nul, donc pour simplifier on peut supposer
que a12 6= 0, puis on regroupe tous les termes contenant x1 et tous les termes contenant x2 . Ainsi,
on aura
n n
q(x) = 2Re(a12 x̄1 x2 + ∑ a1 j x̄1 x j + ∑ a2 j x̄2 x j ) + 2Re( ∑ ai j x̄i x j )
j=3 j=3 3≤i< j≤n
On sait que ∀z ∈ C, Re(z) = Re(z̄), alors on a

n n
Re( ∑ a2 j x̄2 x j ) = Re( ∑ ā2 j x2 x̄ j )
j=3 j=3
Donc, si on pose,
n
a2 j n
y1 = ∑ ā12 x j et y2 = ∑ a1 j x j
j=3 j=3
Alors, on aura,
q(x) = 2Re(a12 x̄1 x2 + x̄1 y2 + a12 x2 ȳ1 ) + 2Re( ∑ ai j x̄i x j )

3≤i< j≤n
= 2Re ((x̄1 + ȳ1 )(a12 x2 + y2 ) − ȳ1 y2 ) + 2Re( ∑ ai j x̄i x j )
3≤i< j≤n
= 2Re ((x1 + y1 )(a12 x2 + y2 )) − 2Re(ȳ1 y2 ) + 2Re( ∑ ai j x̄i x j )
3≤i< j≤n
1 1
= |x1 + a12 x2 + y1 + y2 |2 − |x1 − a12 x2 + y1 − y2 |2 + Q(x3 , . . . , xn )
2 2
où
Q(x3 , . . . , xn ) = 2Re( ∑ ai j x̄i x j ) − 2Re(ȳ1 y2 )
3≤i< j≤n
est une forme quadratique en x3 , . . . , xn , donc Q peut-être considérée comme une forme qua-
dratique sur un C-espace vectoriel de dimension n − 2. Donc on achève la décompositon en
appliquant l’hypothèse de récurrence à Q.
Exemples
1. Appliquons l’algorithme de Gauss à la forme quadratique q définie sur C3 par
√
∀x ∈ C3 , q(x) = |x1 |2 + |x3 |2 − 2Re(ix̄1 x2 ) − 2Re(i 2x̄2 x3 )

Alors, nous obtenons,
√
q(x) = |x1 |2 − 2Re(ix̄1 x2 ) + |x3 |2 − 2Re(i 2x̄2 x3 )

(5.1)
√
= |x1 − ix2 |2 − |x2 |2 + |x3 |2 − 2Re(i 2x̄2 x3 )

(5.2)
√
= |x1 − ix2 |2 − |x2 |2 + 2Re(i 2x̄2 x3 ) + |x3 |2 (5.3)
√
= |x1 − ix2 |2 − |x2 + i 2x3 |2 − 2|x3 |2 + |x3 |2 (5.4)
√
= |x1 − ix2 |2 − |x2 + i 2x3 |2 + 3|x3 |2 (5.5)
∀x ∈ C3 , q(x) = |x1 |2 + 2|x2 |2 − 4|x3 |2 + 2Re(x̄1 x2 ) + 2Re(x̄1 x3 )
q(x) = |x1 |2 + 2Re(x̄1 x2 ) + 2Re(x̄1 x3 ) + 2|x2 |2 − 4|x3 |2

(Regroupement des termes contenant x1 )
= |x1 |2 + 2Re(x̄1 (x2 + x3 )) + 2|x2 |2 − 4|x3 |2

= |x1 + x2 + x3 |2 − |x2 + x3 |2 + 2|x2 |2 − 4|x3 |2

= |x1 + x2 + x3 |2 + |x2 |2 − 2Re(x̄2 x3 ) − 5|x3 |2

= |x1 + x2 + x3 |2 + |x2 − x3 |2 − |x3 |2 − 5|x3 |2

= |x1 + x2 + x3 |2 + |x2 − x3 |2 − 6|x3 |2
∀x ∈ C3 , q(x) = x̄1 x2 + x1 x̄2 − ix̄1 x3 + ix1 x̄3 + (1 − i)x̄2 x3 + (1 + i)x2 x̄3
q(x) = 2Re (x̄1 x2 − ix̄1 x3 + (1 − i)x̄2 x3 )

= 2Re (x̄1 x2 − ix̄1 x3 + (1 − i)x2 x̄3 )
= 2Re (x̄1 + (1 − i)x̄3 )(x2 − ix3 ) + i(1 − i)|x3 |3

= 2Re (x1 + (1 + i)x3 )(x2 − ix3 ) + 2Re(i(1 − i))|x3 |2
1 1
= |x1 + x2 + x3 |2 − |x1 − x2 + (1 + 2i)x3 |2 + 2|x3 |2
2 2
5.20 Exercices
Exercice 123
Dans chacun des cas suivants, déterminer la matrice de q par rapport à la base canonique de C3 ,
appliquer l’algorithme de Gauss pour décomposer q sous formes de carrés, déterminer le rang et la
signature de q et une base q-orthogonale.
1. q(x) = |x1 |2 + 2|x2 |2 + 2|x3 |2 + 2ix̄1 x2 − 2ix1 x̄2 − ix̄1 x3 + ix1 x̄3 + 2ix̄2 x3 − 2ix2 x̄3
2. q(x) = |x1 |2 + 2|x2 |2 − 4|x3 |2 + x̄1 x2 + x1 x̄2 + x̄1 x3 + x1 x̄3 .
3. q(x) = x̄1 x2 + x1 x̄2 − ix̄1 x3 + ix1 x̄3 + (1 − i)x̄2 x3 + (1 + i)x2 x̄3
4. q(x) = |x1 |2 + 3|x2 |2 + 6|x3 |2 + ix̄1 x2 − x1 x̄2 + 2ix̄2 − 2ix2 x̄3 .

Exercice 124
Soit q la forme quadratique de C3 dont la matrice A par rapport à la base canonique de C3 est définie
par :  
1 −2i 0
A = 2i 7 3i
0 −3i 5
En appliquant l’algorithme de Gauss décomposer q sous formes de carrés, déterminer le rang et la
signature de q et une base q-orthogonale.
Exercice 125
Soit q la forme quadratique hermitienne définie sur C3 par :
∀x ∈ C3 , q(x) = ix1 x2 − ix1 x2 + x1 x3 + x1 x3 + x2 x3 + x2 x3
1. Déterminer la matrice de q par rapport à la base canonique de C3 .

2. En appliquant la méthode de Gauss, décomposer q sous forme de carrés.
3. En déduire le rang et la signature de q.
4. Déterminer une base q-orthogonale.
Exercice 126
Soit f : C2 [X] × C2 [X] −→ C l’application définie par :
∀(P, Q) ∈ C2 [X] × C2 [X], f (P, Q) = P(1)Q(1) + P(i)Q(i) + P(−i)Q(−i)
1. Montrer que f est une forme hermitienne sur C2 [X] et déterminer sa matrice par rapport à la
base canonique (1, X, X 2 ).
2. Déterminer la forme quadratique q associée à f et appliquer l’algorithme de Gauss à q.
3. Trouver une base q-orthogonale (P0 , P1 , P2 ), telle que deg(Pk ) = k, pour k ∈ {0, 1, 2}.
Exercice 127
Soit f la forme hermitienne définie sur C3 par :
∀(x, y) ∈ C3 ×C3 , f (x, y) = 6x̄1 y1 +3x̄2 y2 +9x̄3 y3 +2x̄1 y2 +2x̄2 y1 −2x̄1 y3 −2x̄3 y1 +(2+3i)x̄2 y3 +(2−3i)x̄3 y2
1. Déterminer la matrice de f par rapport à la base canonique de C3 .

2. Déterminer la forme quadratique q associée à f et appliquer l’algorithme de Gauss à q.
3. Déterminer le rang et la signature de q.

CHAPITRE 6
ESPACES HERMITIENS
6.1 Produit hermitien

6.1.1 Définition et exemples
Définition 6.2.
Soient E un C-espace vectoriel et h une forme hermitienne sur E.

i) On dit que h est positif, si
∀x ∈ E, h(x, x) ≥ 0
ii) On dit que h est définie positive, si
∀x ∈ E, x 6= 0 =⇒ h(x, x) > 0
iii) On appelle produit hermitien sur E, toute forme hermitienne sur E définie positive.
iv) Un C-espace vectoriel muni d’un produit hermitien s’appelle un espace préhilbertien
complexe.
v) Un espace préhilbertien complexe de dimension finie s’appelle un espace hermitien.
Exemples
1. Le produit hermitien usuel sur Cn est défini par :
n
∀x ∈ Cn , ∀y ∈ Cn , f (x, y) = ∑ x̄i yi
i=1
avec x = (x1 , x2 , . . . , xn ) et y = (y1 , y2 , . . . , yn ).

Donc Cn muni de ce produit hermitien est un espace hermitien.
2. Soit f : Mn (C) × Mn (C) −→ R l’application définie par :
∀(A, B) ∈ Mn (C), f (A, B) = tr(A∗ B), où A∗ = t A
Alors, f définit un produit hermitien sur Mn (C).

En effet, il est facile de vérifier que f est une forme hermitienne.
121
Soit A ∈ Mn (C), avec A 6= 0 et A = (ai j )1≤i, j≤n , alors on a
n n
f (A, A) = tr(A∗ A) = ∑ ∑ bik aki, avec bik = āki
i=1 k=1
n n
=∑ ∑ ākiaki
i=1 k=1
n n
=∑ ∑ |aki|2
i=1 k=1
On en déduit donc que f (A, A) > 0.

∞
3. l2 (C) = {(xn )n≥0 ∈ CN : ∑ |xn |2 < ∞} est un espace préhilbertien complexe pour le produit
n=0
hermitien défini par :
∞
∀x ∈ CN , ∀y ∈ CN , f (x, y) = ∑ x̄n yn
i=1
avec x = (xn )n≥0 et y = (yn )n≥0 .
Ici, f est bien définie, car ∀n ∈ N, |x̄n yn | = |xn ||yn | et |xn ||yn | ≤ 12 (|xn |2 + |yn |2 ).
4. C ([a, b], C), le C-espace vectoriel des fonctions continues de [a, b] vers C, est un espace pré-
hilbertien complexe pour le produit hermitien suivant :
Z b
∀ f ∈ C ([a, b], C), ∀g ∈ C ([a, b], C), ϕ( f , g) = f (t)g(t)dt
a
Remarque 6.2.1
Une matrice hermitienne A est dite définie positive, si la forme hermitienne définie par la matrice A
est définie positive.
Donc une matrice hermitienne A est définie positive, si, et seulement si,
∀X ∈ Cn , X 6= 0 =⇒ t XAX > 0
Proposition 6.3.
Soit E un espace hermitien. Alors,

i) E possède au moins une base orthonormale.
ii) Pour tout sous-espace vectoriel F de E, on a E = F ⊕ F ⊥ .
iii) Pour tout sous-espace vectoriel F de E, on a F ⊥⊥ = F.
Preuve
Même justification que dans le cas des espaces euclidiens.
6.3.1 Notations et règles de calcul

Notations
Soit E un espace préhilbertien complexe muni d’un produit hermitien h. Dans toute la suite, nous
adoptons les notations suivantes :
∀x ∈ E, ∀y ∈ E, on pose f (x, y) =< x, y > et f (x, x) = kxk2

Règles de calcul
i)
∀x ∈ E, ∀y ∈ E, kx + yk2 = kxk2 + kyk2 + 2Re(< x, y >)
ii)
∀x ∈ E, ∀y ∈ E, kx − yk2 = kxk2 + kyk2 − 2Re(< x, y >)
iii)
∀x ∈ E, ∀y ∈ E, kx + yk2 + kx − yk2 = 2(kxk2 + kyk2 ) (Identité du prallèlogramme)
iv) Identité de polarisation :

!
3
1
∀x ∈ E, ∀y ∈ E, < x, y >=
4 ∑ ik kik x + yk2
k=0
Remarque 6.3.1
Notez que si < x, y >= 0, alors on aura
kx + yk2 = kx − yk2 = kxk2 + kyk2
6.3.2 Utilisation des bases orthonormales

Soit E un espace hermitien de dimension n, muni d’une base orthonormale β = (e1 , e2 , . . . , en ).
Alors on a
1.
n
∀x ∈ E, x = ∑ < ei , x > ei
i=1
2.
n
∀x ∈ E, ∀y ∈ E, < x, y >= ∑ < x, ei >< ei , y >
i=1
3.
n
∀x ∈ E, kxk2 = ∑ | < x, ei > |2
i=1
4. Si u est un endomorphisme de E et si A = (ai j )1≤i, j≤n est la matrice de u par rapport à la base
orthonormale β = (e1 , e2 , . . . , en ), alors on a
∀i ∈ {1, 2, . . . , n}, ∀ j ∈ {1, 2, . . . , n}, ai j = < u(e j ), ei > =< ei , u(e j ) >
Preuve
Exercice

6.4 Inégalité de cauchy-Schwartz
Théorème 6.5.
Soit E un un espace préhilbertien complexe, alors on a
∀x ∈ E, ∀y ∈ E, | < x, y > | ≤ kxkkyk
Preuve
Soit (x, y) ∈ E 2 ,
i) Si < x, y >= 0 alors il n y a rien à démontrer, car 0 ≤ kxkkyk.

< x, y >
ii) Si < x, y >6= 0, on pose λ = , donc on aura
| < x, y > |
∀t ∈ R, ktλx + yk ≥ 0
∀t ∈ R, ktλx + yk ≥ 0 =⇒ ∀t ∈ R, kxk2t 2 + 2Re(< tλx, y >) + kyk2 ≥ 0

=⇒ ∀t ∈ R, kxk2t 2 + 2Re(tλ < x, y >) + kyk2 ≥ 0
Or on a
< x, y > | < x, y > |2
λ < x, y >= < x, y >= = | < x, y > |
| < x, y > | | < x, y > |
Ainsi, on aura
∀t ∈ R, kxk2t 2 + 2| < x, y > |t + kyk2 ≥ 0
Nous obtenons, donc, un trinôme de second degré en t qui est toujours positif ou nul pour tout
t ∈ R, donc son discriminant ∆ ≤ 0. Donc on aura
| < x, y > |2 − kxk2 kyk2 ≤ 0
Proposition 6.6.
Soit E un espace préhilbertien complexe, alors on a
| < x, y > | = kxkkyk ⇐⇒ (x, y) est lié
Preuve
(=⇒) Supposons que | < x, y > | = kxkkyk.
Si x = 0 ou y = 0, alors (x, y) est lié. Donc, on peut supposer que x 6= 0 et y 6= 0.
Puisque | < x, y > | = kxkkyk, alors le discriminant du trinôme en t :
kxk2t 2 − 2| < x, y > |t + kyk2
est nul, donc il existe t0 ∈ R, tel que
kxk2t02 − 2| < x, y > |t0 + kyk2 = 0
donc on aura
< x, y >
kt0 λx − yk2 = 0 où λ =
| < x, y > |
Ainsi, on aura t0 λx − y = 0, donc (x, y) est lié.

(⇐=) Supposons que (x, y) est lié, alors il existe α ∈ R, tel que y = αx, donc on aura
| < x, y > | = | < x, αx > | = |α|kxk2 = kxkkyk
Corollaire 6.7.
Soit E un espace préhilbertien complexe, alors l’application dédinie par :

√
∀x ∈ E, kxk = < x, x >
est une norme sur E, appelée norme euclidienne sur E.
Preuve
Même démonstration que dans le cas des espaces euclidiens.
6.8 Endomorphismes d’un espace hermitien

6.8.1 Endomorphisme adjoint
Proposition 6.9.
Soit E un espace hermitien. Alors pour tout endomorphisme u de E, il existe un unique

endomorphisme v de E, tel que
∀x ∈ E, ∀y ∈ E, < u(x), y >=< x, v(y) >
Dans ce cas, v s’appelle l’adjoint de u et se note u∗ .
Preuve
Pour chaque y ∈ E, on considère la forme linéaire ϕy sur E définie par :
∀x ∈ E, ; ϕy (x) =< y, u(x) >
Puisque tout produit hermitien est non dégénéré et puisque E est de dimension finie, alors l’applica-
tion
Φ : E −→ E ∗
z 7−→ Φ(z), où ∀x ∈ E, Φ(z)(x) =< z, x >
est un isomorphisme d’espaces vectoriels.
On a ϕy ∈ E ∗ , donc il existe un unique zy ∈ E, tel que Φ(zy ) = ϕy , donc si pour chaque y ∈ E, v(y) = zy ,
alors on définit bien une application v : E −→ E.
On vérifie facilement, comme dans le cas des espaces euclidiens, que v est linéaire et on a
∀x ∈ E, ∀y ∈ E, ϕy (x) = Φ(zy )(x) =⇒ ∀x ∈ E, ∀y ∈ E, < y, u(x) >=< zy , x >

=⇒ ∀x ∈ E, ∀y ∈ E, < y, u(x) >=< v(y), x >
=⇒ ∀x ∈ E, ∀y ∈ E, < u(x), y > = < x, v(y) >
=⇒ ∀x ∈ E, ∀y ∈ E, < u(x), y >=< x, v(y) >
L’unicité de v se démontre de la même manière que dans le cas des espaces euclidiens.

Proposition 6.10.
Soit E un espace hermitien. Alors on a

i) ∀u ∈ L(E), u∗∗ = u.
ii) ∀u ∈ L(E), ∀v ∈ L(E), (u + v)∗ = u∗ + v∗ .
iii) ∀λ ∈ R, ∀u ∈ L(E), (λu)∗ = λu∗ .
iv) ∀u ∈ L(E), ∀v ∈ L(E), (v ◦ u)∗ = u∗ ◦ v∗ .
v) Si β est une base orthonormale de E et si A = Mat(u, β), alors on a
Mat(u∗ , β) = A∗
Preuve
i), ii), iii) et iv) sont faciles à vérifier
Posons A = (ai j )1≤i, j≤n et Mat(u∗ , β) = B = (bi j )1≤i, j≤n , alors on sait que
∀(i, j) ∈ {1, 2, . . . , n}2 , ai j =< ei , u(e j ) > et bi j =< ei , u∗ (e j ) >
Ainsi, on aura
bi j =< ei , u∗ (e j ) >=< u(ei ), e j >= < e j , u(ei ) > = ai j
Donc, B = t (A) = A∗ .
Proposition 6.11.
Soient E un espace hermitien et u un endomorphisme de E, alors

i) ker(u∗ ) = Im(u)⊥ .
ii) Im(u∗ ) = ker(u)⊥ .
iii) Si F est un sous-espace de E stable par u, alors F ⊥ est stable par u∗ .
Preuve
Se démontre de la même manière que dans le cas des espaces euclidiens.
6.11.1 Endomorphismes normaux

Définition 6.12.
Soit E un espace hermitien, on dit qu’un endomorphisme u de E est normal, si u∗ ◦u = u◦u∗ .
Remarque 6.12.1
1. Une matrice A ∈ Mn (C) est dite normale, si A∗ A = AA∗ .
2. Soient E un espace hermitien, β = (e1 , e2 , . . . , en ) une base orthonormale de E, u un endomor-
phisme de E et A = Mat(u, β), alors
u est normal ⇐⇒ A est normale
3. Si u est un endomorphisme normal, alors pour tout λ ∈ C, λIdE − u est normal.

Lemme 6.13.
Soit A ∈ Mm,n (C), telle que tr(AA∗ ) = 0. Alors A = 0.
Preuve
Posons A = (ai j )1≤i≤m,1≤ j≤n , A∗ = (bi j )1≤i≤n,1≤ j≤m et AA∗ = (ci j )1≤i, j≤m , donc on aura
∀i ∈ {1, 2, . . . , n}, ∀ j ∈ {1, 2, . . . , m}, bi j = a ji
Ainsi, on aura
n
∗
tr(AA ) = ∑ cjj
j=1
!
n n
= ∑ ∑ ai j b ji
j=1 i=1
!
n n
= ∑ ∑ ai j ai j
j=1 i=1
!
n n
= ∑ ∑ |ai j |2
j=1 i=1
n n
=∑ ∑ |ai j |2
i=1 j=1
Puisque tr(AA∗ ) = 0, alors pour tout (i, j) ∈ {1, 2, . . . , m}2 , |ai j |2 = 0. D’où le résultat.
Proposition 6.14.
Soient un espace hermitien et u un endomorphisme normal de E, alors

i) ∀x ∈ E, ku(x)k = ku∗ (x)k.
ii) ker(u) = ker(u∗ ).
iii) ∀λ ∈ C, ker(λIdE − u) = ker(λIdE − u∗ ).
iv) Si F un sous-espace stable par u, alors F ⊥ est aussi stable par u.
Preuve
i) Soit x ∈ E, alors on a
ku(x)k2 =< u(x), u(x) >=< u∗ (u(x)), x >=< u(u∗ (x)), x >=< u∗ (x), u∗ (x) >= ku∗ (x)k2
ii) Soit x ∈ E, alors on a
x ∈ ker(u) ⇐⇒ u(x) = 0
⇐⇒ ku(x)k = 0
⇐⇒ ku∗ (x)k = 0
⇐⇒ u∗ (x) = 0
⇐⇒ x ∈ ker(u∗ )

iii) Soit λ ∈ C, puisque u∗ ◦ u = u ◦ u∗ , alors on voit facilement, par un simple calcul, qu’on a
aussi (λIdE − u)∗ (λIdE − u) = (λIdE − u)(λIdE − u)∗ , donc pour tout λ ∈ C, l’endomorphisme
λIdE − u est normal. Donc d’après ii), on a le résultat.
iv) Soit F un sous-espace vectoriel de E, stable par u et soit p = dim(F), avec p ≥ 1.
Soit β = (e1 , . . . , e p , e p+1 , . . . , n) une base orthonormale de E, telle que (e1 , . . . , e p ) soit une
base de F et (e p+1 , . . . , n) une base de F ⊥ .
Soit M la matrice de u par rapport à base β. Puisque F est stable par u, alors M s’écrit sous la
forme :

A B
M= , avec A ∈ M p (C), B ∈ M p,n−p (C) et C ∈ Mn−p (C)
0 C
Donc pour montrer que F ⊥ est stable par u il suffit de montrer que B = 0.
La base β est orthonormale, donc Mat(u∗ , β) = M ∗ . Par conséquent on aura,
u∗ ◦ u = u ◦ u∗ ⇐⇒ M ∗ M = MM ∗
∗ ∗
A 0 A B A B A 0
⇐⇒ =
B∗ C∗ 0 C 0 C B∗ C∗
∗
A∗ B AA∗ + BB∗ BC∗

A A
⇐⇒ ∗ ∗ ∗ = ∗
B A B B +C C CB CC∗
=⇒ A∗ A = AA∗ + BB∗
=⇒ tr(A∗ A) = tr(AA∗ + BB∗ ) = tr(AA∗ ) + tr(BB∗ )
=⇒ tr(BB∗ ) = 0 (car tr(A∗ A) = tr(AA∗ ))
=⇒ B = 0 (d’après le lemme précédent)
Donc F ⊥ est stable par u.
Théorème 6.15.
Soit E un espace hermitien. Alors pour tout endomorphisme normal de E, il existe une base
orthonormale de E formée de vecteurs propres de u.
Preuve
On procède par récurrence sur n, avec n = dim(E).
Pour n = 1, il n’y a rien à démontrer.
H.R "Supposons que n > 1 et que tout endomorphisme normal sur un espace hermitien de
dimension < n, possède une base orthonormale formée de vecteurs propres".
Soit E un espace hermitien de dimension n et soit u un endomorphisme normal de E.
Le corps C est algèbriquement clos, donc u possède au moins une valeur propre λ ∈ C.
Soit E1 un vecteur propre associé à λ, alors F = Vect(e1 ) est stable par u, donc d’après la proposition
précédente, F ⊥ est stable par u.
Soit v la réstriction de u à F ⊥ , alors v est un endomorphisme normal de F ⊥ , car u est normal.
On a dim(F ⊥ ) = dim(E) − dim(F) = n − 1, donc d’après l’hypothèse de récurrence, il existe une
base orthonormale (e2 , . . . , en ) de F ⊥ formée de vecteurs propres de v.
Ainsi, (e1 , e2 , . . . , en ) est une base orthonormale de E formée de vecteurs propres de u.
Remarque 6.15.1
Toute matrice normale est diagonalisable sur C.

6.15.1 Endomorphismes hermitiens
Définition 6.16.
Soient E un espace hermitien et u un endomorphisme de E.

i) On dit que u est hermitien (ou autoadjoint), si u∗ = u.
ii) On dit que u est antihermitien, si u∗ = −u.
Remarque 6.16.1
1. Une matrice A ∈ Mn (C) est dite hermitienne, si A∗ = A.
2. Soit β une base orthonormale de E et soit A = Mat(u, β), alors
(u est hermitien) ⇐⇒ (A est hermitienne)
3. Tout endomorphisme hermitien est normal.
Proposition 6.17.
Soient E un espace hermitien et u un endomorphisme hermitien de E. Alors toutes les

valeurs propres de u sont réelles.
Preuve
Soit λ ∈ C une valeur propre de u, alors il existe x0 ∈ E, tel que u(x0 ) = λx0 .
Donc, on aura
< u(x0 ), x0 >=< x0 , u∗ (x0 ) > =⇒< u(x0 ), x0 >=< x0 , u(x0 ) > (car u∗ = u)
=⇒< λx0 , x0 >=< x0 , λx0 >
=⇒ λkx0 k2 = λkx0 k2
=⇒ λ = λ (car kx0 k2 6= 0)
=⇒ λ ∈ R
Théorème 6.18.
Soient E un espace hermitien. Alors pour tout endomorphisme hermitien u, il existe une
base orthonormale de E dans laquelle la matrice A de u s’écrit sous la forme :
 
λ1 0 0 . . . 0
 0 λ2 0 . . . 0 
. . . . . . . . . .. 
 
A=0 .

. . . .
 .. .. .. .. 0 

0 0 . . . 0 λn
où λ1 , λ2 , . . . , λn ∈ R.
Preuve
Il suffit de remarquer que tout endomorphisme hermitien est normal.
Remarque 6.18.1
Toute matrice hermitienne est diagonalisable sur C.

6.18.1 Endomorphismes unitaires
Définition 6.19.
Soient E un espace hermitien et u un endomorphisme de E.

On dit que u est unitaire, si u∗ u = IdE .
Remarque 6.19.1
1. Une matrice A ∈ Mn (C) est dite unitaire, si A∗ A = I.
2. Soit β une base orthonormale de E et soit A = Mat(u, β), alors
(u est unitaire) ⇐⇒ (A est unitaire)
3. Tout endomorphisme unitaire u est inversible et on a u−1 = u∗ .

4. Tout endomorphisme unitaire est normal.
Proposition 6.20.
Soient E un espace hermitien et u un endomorphisme de E. Alors propositions suivantes

i) u est unitaire,
ii) ∀x ∈ E, ku(x)k = kxk,
iii) ∀x ∈ E, ∀y ∈ E, < u(x), u(y) >=< x, y >.
Preuve
i) =⇒ ii) Supposons que u est unitaire, donc pour tout x ∈ E, u∗ (u(x)) = x.
Soit x ∈ E, alors on a
ku(x)k2 =< u(x), u(x) >=< u∗ (u(x)), x >=< x, x >= kxk2
ii) =⇒ iii) Supposons que ∀x ∈ E, ku(x)k = kxk.

Soient x ∈ E et y ∈ E, alors, d’après l’identité de polarisation, on a
1 n k k
< u(x), u(y) > = ∑ i ki u(x) + u(y)k2
4 k=1
1 n k
= ∑ i ku(ik x) + u(y)k2
4 k=1
1 n k
= ∑ i ku(ik x + y)k2
4 k=1
1 n k k
= ∑ i ki x + yk2
4 k=1
=< x, y >
iii) =⇒ i) Supposons que ∀x ∈ E, ∀y ∈ E, < u(x), u(y) >=< x, y >.

Soient x ∈ E et y ∈ E, alors on a
∀x ∈ E, ∀y ∈ E, < u(x), u(y) >=< x, y > =⇒ ∀x ∈ E, ∀y ∈ E, < u∗ (u(x)), y >=< x, y >
=⇒ ∀x ∈ E, ∀y ∈ E, < (u∗ u)(x), y >=< x, y >
=⇒ ∀x ∈ E, ∀y ∈ E, < (u∗ u)(x) − x, y >= 0

Fixons x ∈ E, alors on aura
∀y ∈ E, < (u∗ u)(x) − x, y >= 0
Le produit hermitien est non dégénérée, donc on aura
∀x ∈ E, (u∗ u)(x) − x = 0
Donc pour tout x ∈ E, on a (u∗ u)(x) = x. D’où le résultat.
Remarque 6.20.1
Soit E un espace hermitien, u un endomorphisme uniaire de E et λ ∈ C une valeur propre de u, alors
|λ| = 1.
En effet, si λ est une valeur propre de u, alors il existe x0 ∈ E, avec x0 6= 0, tel que u(x0 ) = λx0 , donc
d’après la proposition précédente, on a
kx0 k = ku(x0 )k = kλx0 k = |λ|kx0 k
x0 6= 0, donc kx0 k 6= 0 et par suite |λ| = 1.
Proposition 6.21.
Soit E un espace hermitien et u un endomorphisme de E.

i) Si u est unitaire, alors l’image par u d’une base orthonormale de E est une base ortho-
normale de E.
ii) S’il existe une base orthonormale β de E, telle que u(β) soit une base orthonormale de
E, alors u est unitaire.
Preuve
Exercice
Remarque 6.21.1
1. La matrice de passage d’une base orthonormale à une base orthonormale est une matrice
unitaire.
2. Pour tout matrice normale A ∈ Mn (C), il existe une matrice diagonale D ∈ Mn (C) et une ma-
trice unitaire P ∈ Mn (C), telle que A = P∗ DP.
3. Pour tout matrice hermitienne A ∈ Mn (C), il existe une matrice diagonale D ∈ Mn (C) et une
matrice unitaire P ∈ Mn (C), telle que A = P∗ DP.
Théorème 6.22.
Soit E un espace hermitien. Alors pour tout endomorphisme unitaire u, il existe une base
orthonormale de E dans laquelle la matrice U de u s’écrit sous la forme :
 iθ1
0 ... 0

e 0
 0 eiθ2 0 . . . 0 

.. .. .. . 
U = 0
 . . . .. 

 . . . . 
 .. .. .. .. 0 
0 0 . . . 0 eiθn
où θ1 , θ2 , . . . , θn ∈ R.

Preuve
Un endomorphisme unitaire est normal, donc il existe une base orthonormale formée de vecteurs
propres de u. Soit U la matrice de u par rapport à cette base, alors U est diagonale et les éléments
diagonaux de U sont tous de module 1, donc chaque élément diagonal s’écrit sous la forme eiθ avec
un certain θ ∈ R.
6.23 Exercices
Exercice 128
Soient n un entier ≥ 1 et h : Cn [X] × Cn [X] −→ C l’application définie par :
1
Z π
2
∀(P, Q) ∈ C[X] , h(P, Q) = P(eiθ )Q(eiθ ) dθ
2π −π
1. Montrer que h défini un produit scalaire sur Cn [X].

2. Montrer que (1, X, . . . , X n ) est une base orthonormale pour ce produit scalaire.
3. Soit P = a0 + a1 X + · · · + an−1 X n−1 + X n .
a) Calculer kPk2 .
b) Soit M = sup |P(z)|. Montrer que M ≥ 1 et étudier le cas d’égalité.
|z|=1
Exercice 129
1. Montrer que pour toute matrice M ∈ Mn (C), il exixte deux matrices hermitiennes uniques A et
B, telles que M = A + iB.
2. Montrer que si M = A + iB, où A et B sont hermitiennes, alors
(M est normale) ⇐⇒ AB = BA
Exercice 130
Pour tout entier n ≥ 3, on considère le groupe G des racines nième de l’unité dans C.
i2π
Posons ω = e n , alors on sait que
G = {1, ω, ω2 , . . . , ωn−1 }
On désigne par E l’ensemble de toutes les applications de G dans C. Pour ( f , g) ∈ E 2 , on pose

n−1
< f , g >= ∑ f (ωk )g(ωk )
k=0
1. Montrer que E est un C-espace vectoriel de dimension finie = n.

2. Montrer que < ·, · > définit un produit hermitien sur E.
3. Pour tout k ∈ {0, 1, . . . , n − 1}, on définit l’application fk : G −→ C, par :
zk
∀z ∈ G, fk (z) = √
n
et on considère l’application U : E −→ E, définie par :
∀ f ∈ E, ∀z ∈ G, U( f )(z) = f (ωz)
a) Montrer que U est un endomorphisme unitaire de E et déterminer U ∗ .

b) Montrer que pour tout k ∈ {0, 1, . . . , n − 1}, fk est un vecteur propre de U.
c) En déduire que ( f0 , f1 , f2 , . . . , fn−1 ) est une base orthonormale de E.
4. Pour chaque λ ∈ [0, 1], on pose Aλ = IdE − λU − (1 − λ)U ∗ .
a) Montrer que pour tout λ ∈ [0, 1], Aλ est un endomorphisme normal.
b) Pour quelle valeur de λ, Aλ est-t-il un endomorphisme hermitien ?
c) Dans le cas où Aλ est hermitien, montrer que
∀ f ∈ E, < Aλ ( f ), f >≥ 0
Exercice 131
On munit Mn (C) de son produit hermitien usuel :
∀(A, B) ∈ Mn (C)2 , < A, B >= tr(A∗ B)
On désigne par Un le groupe des matrices unitaires d’ordre n. Montrer que
∀U ∈ Un , ∀A ∈ Mn (C), kUAk = kAUk = kkU ∗ AUk

Exercice 132
Soit U une matrice unitaire de Mn (C), tel que −1 n’est pas valeur propre de U.
1. Montrer que U + I est inversible.
2. On pose H = −i(U + I)−1 (U − I). Montrer que H est hermitien.
3. Quel est le lien entre les valeurs propres de H et celles de U ?
Exercice 133
Soit E un espace hermitien. Pour tout endomorphisme u de E, on pose
kuk = sup ku(x)k

kxk=1
1. Soit u un endomorphisme de E. Montrer que les deux propositions suivantes sont équivalentes :
i) u est hermitien et kuk ≤ 1,
ii) Il existe un endomorphisme unitaire h de u, tel que u = 12 (h + h∗ ).
2. En déduire que tout endomorphisme de E, s’écrit comme combinaison linéaire de quatres en-
domorphismes unitaires.
Exercice 134
1. Montrer que pour toute matrice unitaire U, il existe une matrice hermitienne H, telle que
U = eiH .
2. Montrer que pour toute matrice complexe A, il existe une matrice hermitienne définie positive
R et une matrice hermitienne H, telles que A = eiH R.
Exercice 135
Soient E un espace hermitien et u un endomorphisme de E. Montrer que les propositions suivantes
i) u est normal,
ii) ∀x ∈ E, ku(x)k = ku∗ (x)k,
iii) Tout sous-espace vectoriel stable par u est aussi stable par u∗ ,
iv) Tout sous-espace vectoriel F stable par u, F ⊥ est aussi stable par u,
v) Il existe P ∈ C[X], tel que u∗ = P(u).

INDEX
angle non orienté formé par les vecteurs, 37
base orthonormale directe, 33
déterminant de Gram, 70
double produit vectoriel, 41
Ecriture matricielle, 3
Egalité de la médiane, 38
endomorphismes de trace nulle, 66
espaces euclidiens, 25
forme σ-sesquilinéaire, 24
forme bilinéaire, 1
forme bilinéaire antisymétrique, 1
forme bilinéaire symétrique, 1
forme bilinéare positif, 25
Identité de Jacobi, 41
Inégalité d’Hadamard, 31
inégalité de cauchy-Schwartz, 28
inégalité de Hadamard, 70, 71
Matrice d’une forme bilinéaire, 2

matrice de Hilbert, 70
matrice et déterminant de Gram, 70
matrice orthogonale, 33
orientation, 32
produit scalaire, 25
rotation, 58
134

Cours2 Algèbre 5 SMA4 FSSM

Transféré par

Droits d'auteur :

Formats disponibles

Cours2 Algèbre 5 SMA4 FSSM

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours2 Algèbre 5 SMA4 FSSM

Transféré par

Droits d'auteur :

Formats disponibles

Algèbre bilinéaire

1 Formes linéaires – Dualité 2

2 Formes bilinéaires symétriques - Formes quadratiques 23

4 Endomorphismes d’un espace euclidiens 67

5 Formes sesquilinéaires - Formes quadratiques hermitiennes 106

6 Espaces hermitiens 121

Page iii sur 135 Pr.Mohamed HOUIMDI

Page 1 sur 135 Pr.Mohamed HOUIMDI

1.1 Formes linéaires et hyperplans

Une forme linéaire sur E est une application linéaire de E vers K.

Soit E un K-espace vectoriel quelconque. Alors

Soient E un K-espace vectoriel quelconque, ϕ et ϕ1 , ϕ2 , . . . , ϕn des formes linéaires non

Soit β la forme linéaire de E définie par

Alors pour x ∈ ker(ϕn ), on a

Deuxième méthode : On peut supposer que ϕ1 , ϕ2 , . . . , ϕn sont linéairement indépendants, car

Page 3 sur 135 Pr.Mohamed HOUIMDI

Donc pour tout i ∈ {1, 2, . . . , n}, il existe yi ∈ E, tel que yi ∈ ker(ϕ j ) et yi ∈

1.5 Espace vectoriel dual

Page 4 sur 135 Pr.Mohamed HOUIMDI

dim(L(E, K)) = dim(E) × dim(K) = dim(E)

Donc si E est de dimension finie, alors E ∗ est aussi de dimension finie et on a

Donc, en particulier, si E est de dimension finie, alors E et E ∗ sont isomorphes.

Alors ϕa est une forme linéaire sur K n .

Alors pour tout x ∈ K N , ϕx définit une forme linéaire sur K[X].

Page 5 sur 135 Pr.Mohamed HOUIMDI

est une forme linéaire sur Mn (K).

∀M ∈ Mn (K), ϕ(M) = tr(AM)

Soit ϕ une forme linéaire sur Mn (K).

Page 6 sur 135 Pr.Mohamed HOUIMDI

Soient E un K-espace vectoriel de dimension = n et (e1 , e2 , . . . , en ) une base quelconque de

Soient E un K-espace vectoriel de dimension finie = n, (e1 , e2 , . . . , en ) une base de E et

Page 7 sur 135 Pr.Mohamed HOUIMDI

Or, on sait que pour tout i ∈ {1, 2, . . . , n}, on a

3. Soient K un corps commutatif et β = (1, X, . . . , X n ) la base canonique de Kn [X]. Alors la base

Pour chaque a ∈ K, soit ϕa la forme linéaire définie sur Kn [X] par,

Page 8 sur 135 Pr.Mohamed HOUIMDI

Soient E un K-espace vectoriel de dimension finie = n, (e1 , e2 , . . . , en ) une base de E et

∀(i, j) ∈ {1, 2, . . . , n}2 , ai j =< u(e j ), e∗i >

∀(i, j) ∈ {1, 2, . . . , n}2 , ai j =< u(e j ), e∗i >

Soient E un K-espace vectoriel de dimension finie = n, (e1 , e2 , . . . , en ) une base de E et

∀x ∈ E, (ei ⊗ e∗j )(x) =< x, e∗j > ei

∀(i, j)) ∈ {1, 2, . . . , n}2 , Mat(ei ⊗ e∗j , (e1 , e2 , . . . , en )) = Ei j

où les Ei j sont les matrices élémentaires de Mn (K).

Page 9 sur 135 Pr.Mohamed HOUIMDI

Ainsi, A est une partie génératrice de L(E).

Donc on voit que

1.12 Base préduale

Soient E un K-espace vectoriel de dimension finie, β = (e1 , e2 , . . . , en ) et γ = (v1 , v2 , . . . , vn )

∀(i, j) ∈ {1, 2, . . . , n}2 , qi j =< ei , v∗j >

Page 10 sur 135 Pr.Mohamed HOUIMDI

∀(i, j) ∈ {1, 2, . . . , n}2 , qi j =< ei , v∗j >

Soient E un K-espace vectoriel de dimension finie, β = (e1 , e2 , . . . , en ) une base de E et

Donc γ = (v1 , v2 , . . . , vn ) est une base de E et on a ∀ j ∈ {1, 2, . . . , n}, v∗j = ϕ j .

1.15 Prolongement des formes linéaires

Soient E un K-espace vectoriel quelconque et F un sous-espace vectoriel de E. Alors toute

Page 11 sur 135 Pr.Mohamed HOUIMDI

Alors ϕ est un prolongement de ψ à E

D’après le théorème précédent, ψ se prolonge en une forme linéaire ϕ sur E. Donc on a

Soit E un K-espace vectoriel.

Page 12 sur 135 Pr.Mohamed HOUIMDI