Université Cadi Ayyad

Faculté poly-disciplinaire-
Safi

Algèbre
Bilinéaire
Filière

Sciences Mathématiques Appliquées

SMA
Prof : MUSTAPHA BOUALLALA

Année universitaire : 2019-2020

 Notations et Symboles

E Un K-espace vectoriel.
Mn (K ) L’ensemble des matrice carrée d’ordre n à coefficients dans K.
Ker (u) Le noyau de u, Ker (u) = { x ∈ E, u( x ) = 0}.
Im(u) L’image de u, Im(u) = {u( x ), x ∈ E} .
L( E, F ) L’ensemble des applications linéaires de E dans F.
L( E) L’ensemble des applications linéaires de E dans E.
E∗ = LK ( E, K) L’ensemble des formes linéaire dans E.
Kn [ X ] L’ensemble les polynômes de degré inférieur ou égal à n
à coefficients dans K.
Vect { xi } L’ensemble de toutes les combinaisons linéaires de vecteurs xi .
L2 ( E ) L’ensemble des formes bilinéaire sur E.
S 2 ( E) L’ensemble des formes bilinéaire symétrique sur E.
A2 ( E ) L’ensemble des formes bilinéaire antisymétrique sur E.
∞
`2 (R) L’ensemble des suites ( xn )n≥0 telles que ∑ | xi |2 < ∞ .
n =0
C([ a, b], R) L’ensemble des fonctions continues de [ a, b] dans R.
χu Le polynômes caractéristique de u tel que χu ( X ) = det(u − XI )) .
O( E) L’ensemble des endomorphisme orthogonaux.
O + ( E) L’ensemble des endomorphismes orthogonaux de déterminant
égal à 1 sur E.
O − ( E) L’ensemble des endomorphismes orthogonaux de déterminant
égal à −1 sur E.
GL( E) Le groupe des endomorphismes sur E.
O n (R) L’ensemble des matrices orthogonales d’ordre n à coefficients réels.
O+n (R) L’ensemble des matrices orthogonales d’ordre n à
coefficients réels de déterminant égal à 1.
O−
n (R) L’ensemble des matrices orthogonales d’ordre n à
coefficients réels de déterminant égal à −1.
GLn (R) Le groupe des matrices d’ordre n à coefficients réels.

2
 Table des matières

1 Formes linéaires - Dualité 5

1.1 Formes linéaire et hyperplan . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Espace vectoriel dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Base duale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Prolongement des formes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5 Orthogonalité ou sens de la dualité . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6 Bidual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.7 Transposition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

2 Formes bilinéaire symétriques-Formes quadratiques 15

2.1 Forme Bilinéaire symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.2 Matrice d’une forme bilinéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3 Écriture matricielle d’une forme bilinéaire . . . . . . . . . . . . . . . . . . . . . 17
2.4 Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.5 Rang d’une forme bilinéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.6 Forme bilinéaire symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.7 Formes quadratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.8 Formes bilinéaires symétriques non dégénérées . . . . . . . . . . . . . . . . . . 21
2.9 Orthogonalité, Vecteurs isotropes . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.10 Base orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.11 Cas d’un R-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.12 Méthode de Gauss pour la résolution des formes quadratiques . . . . . . . . . 30

3 Espaces euclidiens 33
3.1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.2 Règles de calcul sur un espace euclidien . . . . . . . . . . . . . . . . . . . . . . 34
3.3 Inégalité de Cauchy-Schwartz . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.4 Système orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.5 Procédé d’orthonormalisation de Gram-Schmidt . . . . . . . . . . . . . . . . . 37
3.6 Formes linéaires d’un espace euclidien . . . . . . . . . . . . . . . . . . . . . . . 38

3
TABLE DES MATIÈRES

3.7 Produit vectoriel de deux vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . 39

4 Endomorphisme d’un espace euclidien 41

4.1 Matrice d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2 Endomorphisme adjoint . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.3 Endomorphisme symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.4 Projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.5 Symétrie orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.6 Endomorphisme orthogonaux ou isométries . . . . . . . . . . . . . . . . . . . 48

5 Espaces hermitiens 53
5.1 Formes sesquilinéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
5.2 Représentation matricielle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.3 Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.4 Formes hermitiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.5 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.6 Isotrope . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.7 Base orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.8 Produit hermitien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
5.9 Règle de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.10 Intégrale de Cauchy-Sylvester . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
5.11 Endomorphisme adjoint . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
5.12 Endomorphisme autoadjoint . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
5.13 Endomorphisme unitaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5.14 Endomorphisme normaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.15 Projection orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64

Bibliographie 66

Algèbre bilinéaire 4 Pr Mustapha BOUALLALA

Chapitre 1
Formes linéaires - Dualité

1.1 Formes linéaire et hyperplan

Théorème 1

Soit E un K-espace vectoriel quelconque.

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

Exemple 1.1.1 1)

f 1 : R3 → R
( x, y, z) 7→ f 1 ( x, y, z) = 2x − y + 3z.

2)

f 2 : Mn → R
A 7→ f 2 ( A) = Tr ( A) = ∑ aii .
i

Théorème 2

Soit E un K-espace vectoriel quelconque :

– On dit que H est un hyperplan de E si dim( E/H ) = 1

– Si la dimension de E est fini, alors
H est un hyperplan de E ⇔ dim( H ) = dim( E) − 1

Exemple 1.1.2 1) H = { A ∈ Mn (K) ; tr ( A) = 0} est un hyperplan de Mn (K).

2) H = {( x, y, z) ∈ R3 ; 2x − 3y + z = 0} est un hyperplan de R3

5
1.2 Espace vectoriel dual

Proposition 1

Soit E un K-espace vectoriel quelconque, alors :

1) Le noyau d’une forme linéaire non nulle sur E est un hyperplan de E.

2) Tout hyperplan de E est le noyau d’au moins une forme linéaire non nulle de E.
3) Si f et g deux formes linéaires non nulles de E, alors

ker ( f ) = ker ( g) ⇔ ∃λ ∈ K tq f = λg.

Démonstration 1.1.1 1) Soit f une forme linéaire non nulle, alors E/Ker ( f ) est isomorphe à
Im( f ) (Théorème d’isomorphisme).
Or f est non nulle, alors Im( f ) 6= {0K }, donc Im( f ) = K. Par suite E/Ker ( f ) est isomorphe
à K.
Ce qui est implique dim( E/Ker ( f )) = dim(K) = 1. D’où dim(Ker ( f )) = dim( E) − 1.
Conclusion Ker ( f ) est un hyperplan de E.
2) Soient H est un hyperplan de E et e tels que E = H ⊕ Ke.
Donc ∀ x ∈ E, ∃!(h, λ) ∈ H × K tq x = h + λe et l’application f : x ∈ E → λ ∈ K, x 7→
f ( x ) = λx est une forme linéaire.
f ( x ) = 0 ⇔ λ = 0 ⇒ x = h ⇒ Ker ( f ) = H.
3) ⇒)Supposons que Ker ( f ) = Ker ( g), et soit x0 ∈ E, tel que x0 6∈ Ker ( f ), donc on aura
E = ker ( f ) ⊕ Vect{ x0 }.
Soit x ∈ E, x = y0 + αx0 , y0 ∈ Ker ( f ), alors f ( x ) = f (y0 ) + α f ( x0 ) = α f ( x0 ).Puisque
f ( x0 ) f ( x0 )
g( x0 ) 6= 0 , on aura f ( x ) = g( x ). D’où ∀ x ∈ E, f = g, Il suffit de prendre
g ( x0 ) g ( x0 )
f ( x0 )
λ= .
g ( x0 )
⇐) Trivial

1.2 Espace vectoriel dual

Théorème 3

Soit E un K-espace vectoriel quelconque.

On appelle espace duale de E, noté E∗ , l’espace vectoriel de toutes les formes li-
néaires ϕ : E → K.
On note E∗ = LK ( E, K).

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

Algèbre bilinéaire 6 Pr Mustapha BOUALLALA

1.3 Base duale

Remarque 1

On suppose que E est de dimension finie, alors dimK ( E) = dimK ( E∗ ).

En effet :
On a dimK (LK ( E, F )) = dim( E) × dim( F ).
Alors dimK ( E∗ ) = dimK (LK ( E, K)) = dim( E) × dim(K) = dim( E)

Exemple 1.2.1 1) E = Rn , pour chaque i 1 ≤ i ≤ n.

Soit Pi : Rn → R la ième projection de Rn sur R, ∀ x ∈ Rn , x = ( x1 , x2 , ..., xn ), on a
Pi ( x ) = xi .
Donc ∀i 1 ≤ i ≤ n, Pi est une forme linéaire, les Pi sont très utiles en calcul différentiel ils
sont désignés par dxi .
2) E = C([ a, b]) le R-espace vectoriel des fonction continues sur l’intervalle [ a, b]. L’application

ϕ : C([ a, b]) → R
Z b
f 7→ ϕ( f ) = f (t)dt.
a

est linéaire sur C([ a, b]).

1.3 Base duale

Proposition 2

Soit E un K-espace de dimension finie est égal à n.

(e1 , e2 , ..., en ) est une base quelconque de E, pour chaque i, 1 ≤ n, on définit ei∗ ∈ E∗
par : (
∗ ∗ 1 si i = j
∀ j 1 ≤ jn; ei (e j ) =< e j , ei >= δij =
0 si i 6= j
Alors (e1∗ , e2∗ , ..., en∗ ) forme une base de E∗ appelée base duale de (e1 , e2 , ..., en ).

Preuve 1.3.1 On doit vérifier que (e1∗ , e2∗ , ..., en∗ ) forme une base de E∗ .
On sait que dim( E∗ ) = dim( E) = n, donc il suffit de vérifier que (e1∗ , e2∗ , ..., en∗ ) est libre.
n
Soient (α1 , α2 , ..., αn ) ∈ Rn tel que ∑ αi ei∗ = 0E∗ , a-t-on α1 = α2 = ... = αn = 0 ?
i =1
n
On a ∑ αi ei∗ ⇒ ∀ j, 1 ≤ j ≤ n, < e j ; ∑in=1 αi ei∗ >= 0.
i =1
n
⇒ ∀ j, 1 ≤ j ≤ n, ∑ αi < e j ; ei∗ >= 0 ⇒ ∀ j, 1 ≤ j ≤ n, α j = 0.
i =1
Conclusion (e1∗ , e2∗ , ..., en∗ ) est libre.

Algèbre bilinéaire 7 Pr Mustapha BOUALLALA

1.4 Prolongement des formes linéaires

Proposition 3

Soit E un K-espace vectoriel de dimension finie n.

(e1 , e2 , ..., en ) est une base quelconque de E, (e1∗ , e2∗ , ..., en∗ ) sa base duale, alors :
n
1) ∀ x ∈ E; x = ∑ < x; ei∗ > ei .
i =1
n
2) ∀ ϕ ∈ E∗ ; ϕ = ∑ < ei ; ϕ > ei∗ .
i =1

n
Preuve 1.3.2 1) Soit x ∈ E, donc x = ∑ xi ei .
i =1
n
⇒ ∀ j, 1 ≤ j ≤ n, < x; e∗j >=< ∑ xi ei ; e∗j >.
i =1
n
⇒ ∀ j, 1 ≤ j ≤ n, < x; e∗j >= ∑ xi < ei ; e∗j >= x j .
i =1
n
⇒ x = ∑ < x; ei∗ > ei .
i =1
n n n
2) Soit ϕ ∈ E∗ , avec ϕ = ∑ yi ei∗ . ⇒ ∀ j, 1 ≤ j ≤ n, < e j ; ϕ >=< e j ; ∑ yi ei∗ >= ∑ yi <
i =1 i =1 i =1
e j ; ei∗ >.
n
⇒ ϕ = ∑ < ei ; ϕ > ei∗ .
i =1

Exemple 1.3.1 Soit K un corps commutatif et β = (1, X, X 2 , ..., X n ) la base canonique de Kn [ X ].

Alors la base duale β∗ = (e0∗ , e1∗ , e2∗ , ..., en∗ ) est définie par :
n
∀i ∈ {0, 1, ..., n}, ∀ P ∈ Kn [ X ], P = ∑ ak X k .
k =1
n n
D’après la proposition on a : P = ∑ < P; ei∗ > ei = ∑ < P; ei∗ > X i . Donc < P; ei∗ >= ai .
i =1 k =1
Pour chaque a ∈ K, soit ϕ a la forme linéaire définie sur Kn [ X ] par : ∀ P ∈ Kn [ X ]; ϕ a ( P) = P( a).
n n
Alors d’après la proposition précédente, on a :ϕ a = ∑ < X i ; ϕ a > ei∗ = ∑ ai ei∗ .
i =1 i =1

1.4 Prolongement des formes linéaires

Théorème 1

Soient E un K-espace vectoriel de dimension finie n et F un sous-espace vectoriel

de E, alors :
Toute forme linéaire ψ de F se prolonge en une forme linéaire ϕ sur E.

∀ψ ∈ F ∗ , ∃ ϕ ∈ E∗ telle que ϕ/F = ψ.

Algèbre bilinéaire 8 Pr Mustapha BOUALLALA

1.5 Orthogonalité ou sens de la dualité

Preuve 1.4.1 Soit ψ ∈ F ∗ , puisque F est ss-ev de E, donc F possède au moins un supplémentaire G
de E c.à.d E = F ⊕ G.
Soit ϕ ∈ E∗ définie par ϕ( x ) = ψ( x1 ) ou x = x1 + x2 . D’ou ϕ ∈ E∗ et ϕ/F = ψ.

Corollaire 1

Soit E un K-espace vectoriel de dimension finie, alors pour chaque x ∈ E \ {0}, il

existe ϕ ∈ E∗ telle que < x, ϕ >= 1.

Preuve 1.4.2 Soit x ∈ E \ {0}.

O pose F = Vect{ x }; ∃α ∈ K tels que y ∈ F ⇒ y = αx.
Soit ψ ∈ F ∗ définie par ∀y ∈ F; ψ(y) =< y; ψ >= α ∈ K ou bien ψ(y) = α.
D’après le théorème précédent, il existe ϕ ∈ E∗ tels que ϕ/F = ψ avec < x; ϕ >= 1.

1.5 Orthogonalité ou sens de la dualité

Théorème 4

Soit E un K-espace vectoriel.

1) Pour toute partie non vide de E, l’orthogonale de A, qu’on note A⊥ , est la partie
de E∗ définie par :

∀ ϕ ∈ E∗ ; ϕ ∈ A⊥ ⇔ ∀ x ∈ A, < x; ϕ >= 0.

A⊥ = { ϕ ∈ E∗ ; ∀ x ∈ A; < x, ϕ >= 0}.

2) Pour toute partie non vide B de E∗ , l’orthogonale de B dans E noté B◦ , la partie

de E définie par :

∀ ϕ ∈ E; x ∈ B◦ ⇔ ∀ ϕ ∈ B, < x; ϕ >= 0.

B◦ = { x ∈ E; ∀ ϕ ∈ B; < x, ϕ >= 0} =
\
Ker ( ϕ).
ϕ∈ B

Algèbre bilinéaire 9 Pr Mustapha BOUALLALA

1.5 Orthogonalité ou sens de la dualité

Proposition 4

Soit E un K-espace vectoriel, alors

1) Pour toute partie A de E et pour toute partie B de E, on a

A ⊆ B ⇒ B⊥ ⊆ A⊥ .

2) Pour toute partie A de E, A⊥ est un ss-ev de E∗ .

3) Pour toute partie A de E, A⊥ = (Vect( A))⊥ .
4) Pour toute partie B de E∗ , B◦ est un sous-espace vectoriel de E.
5) Pour toute partie B de E∗ , B◦ = (Vect( B))◦ .
◦
6) E⊥ = {0E∗ } et E∗ = {0E }.

Preuve 1.5.1 1) Supposons que A ⊆ B et soit ϕ ∈ E∗ , alors on a :

ϕ ∈ B⊥ ⇒ ∀ x ∈ B; ϕ( x ) = 0. (car A ⊆ B)
⇒ ∀ x ∈ A; ϕ( x ) = 0 ⇒ ϕ ∈ A⊥ .
2),3),4),5),6) Exercice.

Théorème 2

Soit E un K-espace vectoriel de dimension finie, alors

Pour tout sous-espace vectoriel F de E, on a

dimK ( F ) + dimK ( F ⊥ ) = dimK ( E).

Preuve 1.5.2 Soit

Φ : E∗ → F ∗
ϕ 7→ Φ( ϕ) = ϕ/F .

Alors Φ est linéaire. ϕ ∈ Ker (Φ) ⇔ Φ( ϕ) = 0F∗ ⇔ ϕ/F = 0F∗ .

ϕ ∈ Ker (Φ) ⇔ ∀ x ∈ F; < x; ϕ >= 0 ⇔ ϕ ∈ F ⊥ . Donc Ker (Φ) = F ⊥ .
On sait Ψ ∈ F ∗ , il existe ϕ ∈ E∗ telle que Φ( ϕ) = Ψ ⇔ ϕ/F = Ψ, donc Φ est surjective, alors
Im(Φ) = F ∗ .
Or dimK ( E∗ ) + dimK (Ker (Φ)) = dimK ( Im(Φ)),

dimK ( E) + dimK ( F ⊥ ) = dimK ( F ∗ ).

D’où
dimK ( E) + dimK ( F ⊥ ) = dimK ( F ).

Algèbre bilinéaire 10 Pr Mustapha BOUALLALA

1.6 Bidual

Théorème 3

Soit E un K-espace vectoriel, alors

1) Pour tout sous-espace vectoriel F de E, on a :

( F ⊥ )◦ = F.

2) Si E de dimension finie, alors pour tout sous-espace vectoriel G de E, on a :

( G ◦ )⊥ = G.

Preuve 1.5.3 1) Il est clair, par définition F ⊆ ( F ⊥ )◦ , donc i suffit de montrer que ( F ⊥ )◦ ⊆ F.
Supposons par l’absurde, qu’il existe x ∈ E, tel que x ∈ ( F ⊥ )◦ et x 6∈ F.
Donc d’après ce qui précède, il existe ϕ ∈ E∗ , telle que ϕ( x ) = 1 et ∀y ∈ F, ϕ(y) = 0.
Ainsi ϕ ∈ F ⊥ et puisque x ∈ ( F ⊥ )◦ , alors ϕ( x ) = 0, ce qui est absurde car ϕ( x ) = 1.
2) On voit facilement que G ⊆ ( G ◦ )⊥ , donc il suffit de montrer que ( G ◦ )⊥ ⊆ G. Puis que G est
de dimension finie il existe ϕ1 , ϕ2 , ..., ϕm tels que G = Vect{ ϕ1 , ϕ2 , ..., ϕm }.
Soit ϕ ∈ ( G ◦ )⊥ et soit x ∈ E tel que ϕ1 ( x ) = ϕ2 ( x ) = ...ϕm ( x ) = 0.
Puisque G = Vect{ ϕ1 , ϕ2 , ..., ϕm }, alors ∀ψ ∈ G, ψ( x ) = 0, par suite x ∈ G ◦ et ϕ ∈ ( G ◦ )⊥ ,
alors ∀ ϕ( x ) = 0.
m
Ker ( ϕi ) ⊆ Ker ( ϕ), donc d’après ce qui précède ϕ ∈ Vect{( ϕ1 , ϕ2 , ..., ϕm )}.D’où
T
Or
i =1
( G ◦ )⊥ ⊆ G.

1.6 Bidual

Théorème 5

Soit E un K-espace vectoriel, On appelle bidual de E, qu’on note E∗∗ , le dual de E.

E∗∗ = ( E∗ )∗ = L( E∗ , K)

Théorème 4

Si E est un espace vectoriel de dimension finie, alors E∗∗ est canoniquement iso-
morphe à E, c.à.d, il existe un isomorphisme entre E et E∗ .

Algèbre bilinéaire 11 Pr Mustapha BOUALLALA

1.6 Bidual

Preuve 1.6.1 On considère

J : E → E∗∗
x 7 → Jx = J ( x ).

avec

Jx : E ∗ → K
ϕ 7 → ϕ ( x ).

telle que < ϕ; J ( x ) >=< x; ϕ >.

1) Montrons que ∀ x ∈ E, Jx ∈ E∗∗ .
Soient ϕ1 , ϕ2 ∈ E∗ , α, β ∈ K.
Jx (αϕ1 + βϕ2 ) = (αϕ1 + βϕ2 )( x ) = αϕ1 ( x ) + βϕ2 ( x ) = αJx ( ϕ1 ) + βJx ( ϕ2 ).
2 J est une application linéaire.
Soient x, y ∈ E, α, β ∈ K, ϕ ∈ E∗ .
( J (αx + βy))( ϕ) = ϕ(α( x ) + β(y)) = (αJ ( x ) + βJ (y))( ϕ).
3) J est bijective.
Il suffit de montrer que J est injective car dim( E) = dim( E∗∗ ).
Soient x ∈ E tel que J ( x ) = 0 et (e1 , e2 , ..., en ) une base de E.
Donc ∀i ∈ N∗ ; J ( x )(ei∗ ) = 0 ⇒ ∀i ∈ N∗ ; ei∗ ( x ) = 0. D’où x = 0.

Proposition 5

Soient E un K-espace vectoriel de dimension finie = n et J : E → E∗∗ l’isomor-

phisme canonique entre E et E∗∗ . Alors
1) Pour toute base β de E, on a j( β) = β∗∗ , où β∗∗ = ( β∗ )∗ est la base duale de β∗
dans E∗∗ .
2) Si γ est une base de E∗ , γ∗ sa base duale dans E∗∗ et β est sa base pré-duale dans
E, alors β = J −1 (γ∗ ).

Preuve 1.6.2 1) Soit β = (e1 , e2 , ..., en ) est une base de E, alors on a J (ek )(el∗ ); ∀k ∈ {1, 2, ..., n}, ∀l ∈
{1, 2, ..., n}, < el∗ ; J (ek ) >=< ek ; el∗ >= δkl .
Donc ∀k ∈ {1, 2, ..., n}, J (ek ) = (el∗ )∗ ⇒ j( β) = β∗∗ .
2) Puisque β∗ = γ, alors d’après 1) J ( β) = γ∗ , donc β = j−1 (γ∗ ).

Algèbre bilinéaire 12 Pr Mustapha BOUALLALA

1.7 Transposition

1.7 Transposition

Théorème 6

Soient E et F deux K-espace vectoriel et u : E → F une application linéaire.

On appelle transposée de u qu’on note t u l’application t u : F ∗ → E∗ telle que
∀ ϕ ∈ F ∗ , t u( ϕ) = ϕ ◦ u.

Proposition 6

Soient E, F et G trois K-espace vectoriels. Alors

1) ∀u ∈ L( E; F ), ∀v ∈ L( E; F ), t (u + v) =t u +t v.
2) ∀λ ∈ K, ∀u ∈ L( E; F ), t (λu) = λt u.
3) ∀u ∈ L( E; F ), ∀v ∈ L( E; F ), t (u ◦ v) =t u ◦t v.

Preuve 1.7.1 1) ∀ ϕ ∈ F ∗ , t (u + v)( ϕ) = ϕ ◦ (u + v) = ϕ ◦ u + ϕ ◦ v =t u( ϕ) +t v( ϕ) =

(u +t v)( ϕ). Donc t (u + v) =t u +t v.
2) ∀ ϕ ∈ F ∗ , t (λu)( ϕ) = ϕ(λu) = λ( ϕ ◦ u) = λt u( ϕ). Donc t (λu) = λt u.
3) ∀ ϕ ∈ G ∗ , t (v ◦ u)( ϕ) = ϕ(v ◦ u) = ( ϕ ◦ v) ◦ u =t v( ϕ) ◦ u =t u(t v( ϕ)) = (t u ◦t v)( ϕ).
Donc t (v ◦ u) =t u ◦t v.

Remarque 2

u : E → F linéaire, t u : F ∗ → E∗ transposée de u.
∀ x ∈ E; ∀ ϕ ∈ F ∗ , < u( x ); ϕ >=< x;t u( ϕ) >

En effet : < u( x ); ϕ >= ϕ(u( x )) = ϕ ◦ u( x ) =t u( ϕ)( x ) =< x;t u( ϕ) >.

Lemme 1

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

Alors ∀i, j, aij =< u(e j ); ei∗ > avec A = ( aij )1≤i,j≤n la matrice de u.

n
Preuve 1.7.2 On a A = ( aij )1≤i,j≤n la matrice de u, alors ∀ j, 1 ≤ j ≤ n, u(e j ) = ∑ akj ek .
k =1
n n
∀ j, 1 ≤ j ≤ n, ∀i, 1 ≤ i ≤ n, < u(e j ); ei∗ >=< ∑ akj e j ; ei∗ >= ∑ akj < e j ; ei∗ >= aij .
k =1 k =1

Algèbre bilinéaire 13 Pr Mustapha BOUALLALA

1.7 Transposition

Théorème 5

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

(e1∗ , e2∗ , ..., en∗ ) sa base duale, u ∈ L( E) et A = Mat(u, (e1 , e2 , ..., en )).
Alors la matrice de t u dans la base (e1∗ , e2∗ , ..., en∗ ) est égal à la matrice transposée t A
de A.

Preuve 1.7.3 On pose B = Mat(t u, (e1∗ , e2∗ , ..., en∗ )) = (bij )1≤i,j≤n .
n n
⇒ ∀ j, 1 ≤ j ≤ n, t u(e∗j ) = ∑ bkj ek∗ , u(e j ) = ∑ akj ek .
k =1 k =1
n n
⇒ ∀ j, 1 ≤ j ≤ n, ∀i, 1 ≤ i ≤ n, < ei ;t u(e∗j ) >= ∑ bkj < ei ; ek∗ >= ∑ bkj δik = bij .
k =1 k =1
n n
⇒ bij =< ei ;t u(e∗j ) >=< u(ei ); e∗j >= ∑ aki < ek ; e∗j >=< ∑ aki δkj >= a ji .
k =1 k =1
Conclusion B =t A.

Algèbre bilinéaire 14 Pr Mustapha BOUALLALA

Chapitre 2
Formes bilinéaire symétriques-Formes quadratiques

2.1 Forme Bilinéaire symétrique

Théorème 7

Soient E un K-espace vectoriel et f : E × E → K une application.

On dit que f est une forme bilinéaire sur E si :

1) Pour chaque y ∈ E, l’application

ϕy : E → K
x 7→ ϕy ( x ) = f ( x, y) est linéaire (⇒ ϕy ∈ E∗ )

2 Pour chaque x ∈ E, l’application

ϕx : E → K
y 7→ ϕ x (y) = f ( x, y) est linéaire (⇒ ϕ x ∈ E∗ )

15
2.2 Matrice d’une forme bilinéaire

Remarque 3

1) Si f : E × E → K est bilinéaire, alors

i) f ( x1 + x2 , y) = f ( x1 , y) + f ( x2 , y).
ii) f ( x, y1 + y2 ) = f ( x, y1 ) + f ( x, y2 ).
iii) f (λx, y) = λ f ( x, y).
iv) f ( x, λy) = λ f ( x, y).
2) Si E est de dimension finie = n, soient (e1 , e2 , ..., en ) une base de E et f : E × E →
K bilinéaire.
n n
Alors x = ∑ xi ei et y = ∑ y j e j .
i =1 j =1
n n n n
⇒ f ( x, y) = f ( ∑ xi ei ; ∑ y j e j ) = ∑ ∑ xi x j f (ei , e j )
i =1 j =1 i =1 j =1
3) On note L2 ( E) l’ensemble de toutes les formes bilinéaire sur E. Alors
(L2 ( E), +, .) est un espace vectoriel sur K.

2.2 Matrice d’une forme bilinéaire

Soient E un K-espace vectoriel de dimension finie, (e1 , e2 , ..., en ) une base de E et f :
n n
E × E → K une application bilinéaire. Alors x = ∑ xi ei et y = ∑ y j e j .
i =1 j =1
On a montrer que f ( x, y) = ∑ x i x j f ( ei , e j )
1≤i,j≤n

Théorème 8

A = ( f (ei , e j ))1≤i,j≤n s’appelle la matrice de f dans la base (e1 , e2 , ..., en ).

(A = Mat( f , (e1 , e2 , ..., en ))).

Algèbre bilinéaire 16 Pr Mustapha BOUALLALA

2.3 Écriture matricielle d’une forme bilinéaire

Remarque 4

Réciproquent, soit A = ( aij )1≤i,j≤n une matrice carrée quelconque, alors l’applica-
tion

f : E×E → K
( x, y) 7→ f ( x, y) = ∑ aij xi y j .
1≤i,j≤n

est une forme bilinéaire sur E.

Ainsi, on a une correspondance entre les formes bilinéaires sur E et les matrices
carrées.

Ψ : L2 ( E ) → M n (K)
f 7→ Mat( f , (e1 , e2 , ..., en )).

1) Ψ est linéaire.

Ψ( f + g) = Mat( f + g, (e1 , e2 , ..., en ))

= Mat( f , (e1 , e2 , ..., en )) + Mat( g, (e1 , e2 , ..., en )),

ψ(λ f ) = Mat(λ f , (e1 , e2 , ..., en )) = λMat( f , (e1 , e2 , ..., en )).

2) Ψ est bijective. Donc Ψ est un isomorphisme d’espaces vectoriels.

Donc dim(L2 ( E)) = dim(Mn (K)) = n2 .

2.3 Écriture matricielle d’une forme bilinéaire

Soient E un K-espace vectoriel de dimension finie = n, (e1 , e2 , ..., en ) une base de E et
f : E × E → K une forme bilinéaire.
 
x1
 x2 
 
 
n  .  t
Pour chaque x ∈ E, avec x = ∑ xi ei , on pose X =    et X = ( x1 , x2 , ..., xn ).
i =1  . 

 . 
 

xn
t
Alors f ( x, y) = XAY, A = Mat( f , (e1 , e2 , ..., en )).

Algèbre bilinéaire 17 Pr Mustapha BOUALLALA

2.4 Changement de base

2.4 Changement de base

Proposition 7

Soient E un K-espace vectoriel de dimension finie = n, B = (e1 , e2 , ..., en ), B0 =

(e10 , e20 , ..., en0 ) deux bases de E et f : E × E → K une forme bilinéaire.
On pose A = Mat( f , (e1 , e2 , ..., en )) et B = Mat( f , (e10 , e20 , ..., en0 )).
Soit P la matrice de passage de la base B = (e1 , e2 , ..., en ) à la base B0 = (e10 , e20 , ..., en0 ).
Alors B =t PAP.

n n n n
Preuve 2.4.1 Soient x = ∑ xi ei = ∑ xi0 ei0 et y = ∑ yi ei = ∑ y0j e0j .
i =1 i =1 j =1 i =1
   0     0 
x1 x1 y1 y1
 0   0 
 x2   x2   y2   y2 
   
       
 .  0  .   .  0
 . 
X= 
, X =  . , Y =  .  et Y =  . .
      
 .       
 .   .   .   . 
       

xn xn0 yn y0n
On sait que X = PX 0 et Y = PY 0 ,
Or f ( x, y) =t XAY =t ( PX 0 ) A( PY 0 ) = (t X 0t P) A( PY 0 ) =t X 0 (t PAP)Y 0 .
D’autre part on f ( x, y) =t X 0 BY 0 . Donc B =t PAP.

2.5 Rang d’une forme bilinéaire

Soient E un K-espace vectoriel de dimension finie = n et f : E × E → K une forme
bilinéaire. On considère l’application

Φ : E → E∗
y 7→ ϕy = Φ(y)

où ∀ x ∈ E, < x, ϕy >= f ( x, y).

Φ est donc une application linéaire de E vers E∗ .

Théorème 9

Par définition, le rang de f est égal au rang de Φ.

rang( f ) = rang(Φ) = dim( Im(Φ)).

Algèbre bilinéaire 18 Pr Mustapha BOUALLALA

2.6 Forme bilinéaire symétrique

Remarque 5

Soient (e1 , e2 , ..., en ) une base de E, (e1∗ , e2∗ , ..., en∗ ) sa base duale de E∗ .
Calculons Mat(Φ, (e1 , e2 , ..., en ), (e1∗ , e2∗ , ..., en∗ )).
∀ j, 1 ≤ j ≤ n, Φ(e j ) = ∑in=1 < ei , Φ(e j ) > ei∗ .
< ei , Φ(e j ) >=< ei , ϕe j >= f (ei , e j ).
n
⇒ ∀ j, 1 ≤ j ≤ n, Φ(e j ) = ∑ f (ei , e j ).
i =1
⇒ Mat(Φ, β, β∗ ) = ( f (ei , e j ))1≤i,j≤n = Mat( f , (e1 , e2 , ..., en )).
Soit A la matrice de f dans la base (e1 , e2 , ..., en ), alors rang( f ) = rang( A).

2.6 Forme bilinéaire symétrique

Théorème 10

Soit E un K-espace vectoriel et f : E × E → K une forme bilinéaire

1) On dit que f est symétrique si, ∀ x ∈ E, ∀y ∈ E, f ( x, y) = f (y, x ).
2) On dit que f est antisymétrique si, ∀ x ∈ E, ∀y ∈ E, f ( x, y) = − f (y, x ).

Remarque 6

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

Mat( f , (e1 , e2 , ..., en )) et f ∈ L2 ( E).
1) f est symétrique ⇔t A = A.
2) f est antisymétrique ⇔t A = − A.
3) Si caractéristique de K = 2, alors f symétrique ⇔ f est antisymétrique.
4) Si caractéristique de K 6= 2, si on note S2 ( E) = { f ∈ L2 ( E) : f symétrique} et
A2 ( E) = { f ∈ L2 ( E) : f antisymétrique}, alors L2 ( E) = S2 ⊕ A2 ( E).

Algèbre bilinéaire 19 Pr Mustapha BOUALLALA

2.7 Formes quadratiques

2.7 Formes quadratiques

Théorème 11

Soit E un K-espace vectoriel quelconque.

On dit qu’une application q : E → K est une forme quadratique sur E, s’il existe
une forme bilinéaire f sur E telle que

∀ x ∈ E, q( x ) = f ( x, x ).

Remarque 7

On suppose que E est de dimension finie, (e1 , e2 , ..., en ) une base de E, q : E →

K une forme quadratique, f : E × E → K une forme bilinéaire telle que ∀ x ∈
E, q( x ) = f ( x, x ) et A = ( aij )1≤i,j≤n = Mat( f , (e1 , e2 , ..., en )).
Alors
n
∀ x ∈ E, avec x = ∑ x i ei , on a q( x ) = ∑ aij xi x j .
i =1 1≤i,j≤n

Réciproquement, soit q : E → K une application qui s’écrit sous la forme ∀ x ∈

E, q( x ) = ∑ bij xi x j .
1≤i,j≤n

Théorème 6

Soient E un K-espace vectoriel quelconque, q : E → K une forme quadratique,

alors :
Il existe une forme bilinéaire symétrique unique f appelée forme bilinéaire symé-
trique associée à q telle que ∀ x ∈ E, q( x ) = f ( x, x ).

Preuve 2.7.1 Soit q une forme quadratique sur E, donc par définition il existe une forme bilinéaire
g : E × E → K telle que ∀ x ∈ E, q( x ) = g( x, x ).
Soient x ∈ E, y ∈ E, alors on a

q( x + y) = g( x + y, x + y) = g( x, x ) + g( x, y) + g(y, x ) + g(y, y) = q( x ) + g( x, y) + g(y, x ) + q(y).

Donc q( x + y) − q( x ) − q(y) = g( x, y) + g(y, x ).

1
Posons f ( x, y) = [q( x + y) − q( x ) − q(y)] (Égalité de polarisation).
2
Alors f est une forme bilinéaire symétrique et on a f ( x, x ) = q( x ).

Algèbre bilinéaire 20 Pr Mustapha BOUALLALA

2.8 Formes bilinéaires symétriques non dégénérées

Remarque 8

Soient E est de dimension finie, (e1 , e2 , ..., en ) une base de E, q : E → K une

forme quadratique, f : E × E → K la forme bilinéaire symétrique associée à q et
A = ( aij )1≤i,j≤n = Mat( f , (e1 , e2 , ..., en )).
Alors A s’appelle la matrice de q dans la base (e1 , e2 , ..., en ) et on a
n
∀ x ∈ E, x = ∑ xi ei , q( x ) = ∑ aij xi x j .
i =1 1≤i,j≤n
Or f est symétrique donc t A = A et par suite ∀i, ∀ j, aij = a ji . D’où

q( x ) = ∑ aii xii2 + 2 ∑ aij xi x j

1≤i,j≤n 1≤ i < j ≤ n

Exemple 2.7.1 1) Soit q : R2 → R une forme quadratique s’écrit sous la forme ∀( x, y) ∈

R2 , q( X ) = q( x, y) = ax2 + by2 + 2cxy avec X = ( x, y). !
a c
La matrice de la forme quadratique q dans la base canonique est A =
c b
2) Soit q : R → R une forme quadratique s’écrit sous la forme ∀( x, y, z) ∈ R3 , q( X ) =
3

q( x, y, z) = ax2 + by2 + cz2 + 2dxy + 2exz + 2 f yz avec X = ( x, y,z). 

a d e
La matrice de la forme quadratique q dans la base canonique est A = d b f 
 

e f c

2.8 Formes bilinéaires symétriques non dégénérées

Théorème 12

Soient E un K-espace vectoriel quelconque, f : E × E → K une forme bilinéaire

symétrique.
On dit que f est non dégénérée si l’application

Φ : E → E∗
y 7→ Φ(y) telle que

∀ x ∈ E, Φy ( x ) =< x, Φ(y) >= f ( x, y) est injective.

Algèbre bilinéaire 21 Pr Mustapha BOUALLALA

2.8 Formes bilinéaires symétriques non dégénérées

Remarque 9

f est non dégénérée ⇔ Ker (Φ) = {0E∗ }.

⇔ ∀y ∈ E, Φ(y) = 0E∗ ⇒ y = 0.
⇔ [∀ x ∈ E, < x, Φ(y) >= 0] ⇒ y = 0.
f est non dégénérée ⇔ [∀ x ∈ E, f ( x, y) = 0] ⇒ y = 0.

Théorème 7

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

f : E × E → K une forme bilinéaire symétrique et A = Mat( f , (e1 , e2 , ..., en )).
Alors f est non dégénérée ⇔ det( A) 6= 0.

Preuve 2.8.1 Soit

Φ : E → E∗
y 7→ Φ(y)

f non dégénérée ⇔ Φ injective.

Or dim( E) < ∞ et dim( E) = dim( E∗ ).
Donc f est non dégénérée si et seulement si Φ est bijective.
On sait que A = Mat(Φ, (e1 , e2 , ..., e3 ); (e1∗ , e2∗ , ..., e3∗ )).
Donc Φ bijective ⇔ A inversible ⇔ det( A) 6= 0.

Exemple 2.8.1 Soit q : R3 → R définie par q( x, y, z) = x2 + y2 + 2( xcos(α) + ysin(α))z. Pour

quelle valeur de α, la forme quadratique q est non dégénérée.
 
1 0 cos(α)
On a la matrice de A dans la base canonique est A =  0 1 sin(α) .
 

cos(α) sin(α) 0
q non dégénérée ⇔ det( A) 6= 0 ⇔, or det( A) = −1 6= 0.
Donc ∀α ∈ R, q est dégénérée.

Algèbre bilinéaire 22 Pr Mustapha BOUALLALA

2.9 Orthogonalité, Vecteurs isotropes

2.9 Orthogonalité, Vecteurs isotropes

Théorème 13

Soient E un K-espace vectoriel quelconque et f : E × E → K une forme bilinéaire

symétrique.
1) Deux vecteurs x et y de E sont dits orthogonaux, si f ( x, y) = 0.
2) Si A est une partie (non vide) de E, l’orthogonal de A, noté A⊥ est la partie de
E définie par
A⊥ = {y ∈ E, ∀ x ∈ A, f ( x, y) = 0}

y ∈ A⊥ ⇔ ∀ x ∈ A, f ( x, y) = 0.

Proposition 8

1) A ⊆ B ⇒ B⊥ ⊆ A⊥ .
2) Pour toute partie A de E, on a :
i) A⊥ est un sous-espace vectoriel de E.
ii) A⊥ = (Vect( A))⊥ .
iii) A ⊆ A⊥ ⊥ , (A⊥ ⊥ = ( A⊥ )⊥ ).
3) {0E }⊥ = E.
4) E⊥ = {0E } ⇔ f non dégénérée.
5) Si E est de dimension finie, alors pour tout sous-espace vectoriel F de E on a

dimK ( F ) + dimK ( F ⊥ ) ≥ dimK ( E).

Preuve 2.9.1 1),2),3) et 4) Exercice.

5) Soit

Φ : E → F∗
y 7→ Φ(y), ∀ x ∈ F, < x, Φ(y) >= f ( x, y).

Donc Ker (Φ) = F ⊥ .

On sait que dimK ( E) = dimK ( Im(Φ)) + dimK (Ker (Φ)).
Im(Φ) ⊆ F ∗ ⇒ dimK ( Im(Φ)) ≤ dimK ( F ∗ ) avec dimK ( F ∗ ) = dimK ( F ).

Algèbre bilinéaire 23 Pr Mustapha BOUALLALA

2.9 Orthogonalité, Vecteurs isotropes

Corollaire 2

Soient E un K-espace de dimension finie et f une forme bilinéaire symétrique non

dégénérée. Alors
1) dimK ( F ) + dimK ( F ⊥ ) = dimK ( E).
2) F ⊥ ⊥ = F, (Pour tout sous-espace vectoriel F de E).

Preuve 2.9.2 1) On considère l’application Φ : E → F ∗ où ∀ x ∈ E, < x, Φ( x ) >= f ( x, y) ⇒

Ker (Φ) = F ⊥ .
Montrons que Im(Φ) = F ∗ ?
Soit ϕ ∈ F ∗ , existe-il y ∈ E tel que ϕ = Φ(y) ?
ϕ ∈ F ∗ donc d’après le théorème de prolongement des formes linéaires, il existe α ∈ E∗ telle
que ∀ x ∈ F, ϕ( x ) = α( x ).
Or f est non dégénérée, donc l’application E → E∗ , y 7→ ϕy telle que ∀ x ∈ E, < x, ϕy >=
f ( x, y) est bijective.
Donc pour α ∈ E∗ , il existe y ∈ E tel que α = ϕy .
α = ϕy ⇒ ∀ x ∈ F, α( x ) = ϕy ( x ) = f ( x, y).
Or ∀ x ∈ F, α( x ) = ϕ( x ) ⇒ ∀ x ∈ F, ϕ( x ) = f ( x, y) ⇒ ϕ = Φ(y). D’où Φ est bijective.
D’après le théorème du noyau dimK ( F ) + dimK ( F ⊥ ) = dimK ( E).
2) On a toujours F ⊆ F ⊥ ⊥ .
D’autre part on a dim( F ) + dim( F ⊥ ) = dim( F ⊥ ) + dim( F ⊥ ⊥ ) = dim( E).
⇒ dim( F ) = dim( F ⊥ ⊥ ) et puisque F sous-espace vectoriel de F ⊥ ⊥ . D’où F = F ⊥ ⊥

Remarque 10

f non dégénérée ⇔ dim( E) = dim( F ) + dim( F ⊥ ), ∀ F sous-espace vectoriel de E.

On a pas toujours E = F ⊕ F ⊥ .

Exemple 2.9.1 Soient E = R2 et

f : R2 × R2 → R
( x, y) 7→ f ( x, y) = x1 y1 − x2 y2 avec x = ( x1 , x2 ) et y = (y1 , y2 ).
!
1 0
Alors f est une forme bilinéaire sur E et A = Mat( f , (e1 , e2 )) = .
0 1
A est symétrique, donc f est symétrique et puisque det( A) = 1 6= 0, alors f est non dégénérée.
Soit F = {( x1 , x2 ) ∈ R2 , x1 = x2 } = Vect{(1, 1)}, alors F ⊥ = Vect{(1, 1)}⊥ = {(1, 1)}⊥ .
Donc ( x1 , x2 ) ∈ F ⊥ ⇔ f (( x1 , x2 ), (1, 1)) = 0 ⇔ x1 − x2 = 0 ⇔ x1 = x2 . D’où F ⊥ = F.
On a dim( F ) + dim( F ⊥ ) = 1 + 1 = 2 = dim(R2 ), mais R2 = F ⊕ F ⊥ .

Algèbre bilinéaire 24 Pr Mustapha BOUALLALA

2.9 Orthogonalité, Vecteurs isotropes

Théorème 14

Soient E un K-espace vectoriel quelconque et f : E × E → K une forme bilinéaire

symétrique.
1) Un vecteur x ∈ E est dit isotrope si f ( x, x ) = 0.
2) Un sous-espace F de E est dit isotrope si F ∩ F ⊥ 6= {0E }.
3) Un sous-espace F de E est dit totalement isotrope si F ⊆ F ⊥ .

Remarque 11

F totalement isotrope ⇒ F est isotrope, la réciproque n’est pas toujours vraie.

Théorème 8

Soient E un K-espace vectoriel, f : E × E → K une forme bilinéaire quelconque et

F un sous-espace vectoriel. Alors

E = F ⊕ F ⊥ ⇔ F est non isotrope.

Preuve 2.9.3 ⇒) Si E = F ⊕ F ⊥ , alors F ∩ F ⊥ = {0E }, donc F est non isotrope.

⇐) On suppose que F est non isotrope, donc par définition, F ∩ F ⊥ = {0E }. Reste à montrer que
E = F + F⊥ ?
Pour cela pour chaque y ∈ E, on doit montrer qu’il existe (y1 , y2 ) ∈ F × F ⊥ tels que y = y1 + y2 .
Considérons l’application

g : F×F → R
( x, y) 7→ g( x, y) = f ( x, y) c.à.d g = f /F× F .

f est bilinéaire ⇒ g est bilinéaire symétrique.

Vérifions que g et non dégénérée ?
Soit y ∈ F tel que ∀ x ∈ F, g( x, y) = 0, a-t-on y = 0 ?
∀ x ∈ F, g( x, y) = 0 ⇒ ∀ x ∈ F, f ( x, y) = 0 ⇒ y ∈ F ⊥ . Donc y ∈ F ∩ F ⊥ .
D’où g est une forme bilinéaire symétrique non dégénérée sur F.
Ce qui implique

Φ : F → F∗
z 7→ Φ(z) où ∀ x ∈ F, < x, Φ(z) >= g( x, z) est bijective (car dim( F ) < ∞).

Soient maintenant y ∈ E et ϕ : F → K définie par : ∀ x ∈ F, < x, ϕ >= f ( x, y) = ϕy ( x ).

ϕ ∈ F ∗ et Φ : F → F ∗ bijective ⇒ ∃y1 ∈ F, ϕy = Φ(y1 ) .
 

Algèbre bilinéaire 25 Pr Mustapha BOUALLALA

2.10 Base orthogonale

Donc ∀ x ∈ F, f ( x, y) = g( x, y1 ) = f ( x, y1 ) ⇒ ∀ x ∈ E, f ( x, y − y1 ) = 0 ⇒ y − y1 ∈ F ⊥ .
⇒ ∃y2 ∈ F ⊥ , y − y1 = y2 ⇒ ∃y2 ∈ F ⊥ , y = y1 + y2 . D’où E = F + F ⊥ .

2.10 Base orthogonale

Théorème 15

Soient E un K-espace vectoriel de dimension finie = n, f : E × E → K une forme

bilinéaire et (e1 , e2 , ..., en ) une base de E.
1) On dit que (e1 , e2 , ..., en ) est une base orthogonale (ou f -orthogonale) si
∀i, ∀ j, i 6= j ⇒ f (ei , e j ) = 0.
2) On dit que (e1 , e2 , ..., en ) est une base orthogonale si
(
1 si i = j
∀i, ∀ j, f (ei , e j ) = δij =
0 si i 6= j

Remarque 12

1) Si (e1 , e2 , ..., en ) est une base orthogonale par rapport à f , alors la matrice A de f
dans cette base, s’écrit sous la forme :
 
a11 0 . . . 0
 0 a22 . . . 0 
 
 
 . . . . . . 
 
 . . . . . 0 
 
0 . . . 0 ann

Si q la forme quadratique associée à la forme bilinéaire f , (∀ x ∈ E, q( x ) =

n
f ( x, x )). Alors ∀ x ∈ E, q( x ) = ∑ ai xi2 .
i =1
2) Si (e1 , e2 , ..., en ) est une base orthonormale 
par rapport à f . 
1 0 . . . 0
0 1 . . . 0
 
 
⇔ la matrice A de f dans cette base s’écrit   . . . . . .  Idn .

 . . . . . 0
 
0 . . . 0 1
n
Dans ce cas on a ∀ x ∈ E, q( x ) = ∑ xi2 .
i =1

Algèbre bilinéaire 26 Pr Mustapha BOUALLALA

2.10 Base orthogonale

Théorème 9

Soit E un K-espace vectoriel de dimension finie n ≥ 2. Alors :

Toute forme bilinéaire sur E possède au moins une base orthogonale.

Preuve 2.10.1
(i) Si f = 0, c.a.d, ∀ x, ∀y, f ( x, y) = 0. Alors toutes les bases sont orthogonales.
(ii)On suppose que f 6= 0 ( f 6= 0 ⇒ ∃ x ∈ E, f ( x, x ) 6= 0 ?).
On procède par récurrence sur dimK ( E) = n.
Pour n = 2, soit E un K-espace vectoriel de dimension = 2.
Soit F = Vect(e1 ), puisque f (e1 , e1 ) 6= 0, alors F est non isotrope ⇒ E = F ⊕ F ⊥ .
Soit e2 ∈ F ⊥ avec e2 6= 0 ⇒ (e1 , e2 ) est une base de E, e2 ∈ F ⊥ , donc f (e1 , e2 ) = 0. D’où (e1 , e2 )
est une base orthogonale de E.
Donc la propriété est vraie pour n = 2.
Hypothèse de récurrence (HR) : On suppose que n > 2 et que toute forme bilinéaire symétrique
sur un espace vectoriel de dimension finie < n possède au moins une base orthogonale.
Soient E un espace vectoriel de dimension = n et f une forme bilinéaire symétrique sur E.
Montrons que f possède une base orthogonale ?
f 6= 0 ⇒ ∃e1 ∈ E, f (e1 , e1 ) 6= 0.
F = Vect(e1 ), f (e1 , e1 ) 6= 0 ⇒ F non isotrope ⇒ E = F ⊕ F ⊥ .
⇒ dim( F ⊥ ) = dim( E) − dim( F ) = n − 1 < n.
D’après le (HR) F ⊥ possède au moins une base orthogonale.
Soit (e1 , e1 , ..., en ) une base orthogonale de F ⊥ , E = F ⊕ F ⊥ ⇒ (e1 , e2 , ..., en ) base de E.

Corollaire 3

Soit E un K-espace vectoriel de dimension finie

Alors toute forme bilinéaire symétrique non dégénérée, possède au moins une base
orthonormale.

Preuve 2.10.2 Soit f une forme bilinéaire symétrique non dégénérée sur E.
f bilinéaire symétrique ⇒ f possède une base orthogonale (e1 , e2 , ..., en ).
Pour chaque i, 1 ≤ i ≤ n, on pose ai = f (ei , ei ).
ai ∈ C, donc l’équation x2 − ai = 0 possède au moins une racine αi ∈ C ⇒ α2i = ai .
e
Posons, pour chaque i, 1 ≤ i ≤ n, ei0 = i .
 αi 
a11 0 . . . 0
 0 a22 . . . 0 
 
 
A = Mat( f , (e1 , e2 , ..., en )) = 
 . . . . . . .

 . . . . . 0 
 
0 . . . 0 ann

Algèbre bilinéaire 27 Pr Mustapha BOUALLALA

2.11 Cas d’un R-espace vectoriel

f non dégénérée ⇒ det( A) 6= 0 ⇒ Πin=1 ai = 0.

⇒ ∀i, 1 ≤ i ≤ n, ai 6= 0 ⇒ ! ∀i, 1 ≤ i ≤ n, αi 6= 0.
ei je 1
On a f (ei0 , e0j ) = f , = f ( ei , e j ).
αi α j αi α j
Donc pour i 6= j, f (ei0 , e0j ) = 0.
1
Pour i = j, f (ei0 , e0j ) = 2 f (ei , e j ) = 1. D’où (e10 , e20 , ..., en0 ) est une base orthonormale.
αi

2.11 Cas d’un R-espace vectoriel

Théorème 10 (Loi d’inertie de Sylvestre)

Soient E un K-espace vectoriel de dimension finie = n ≥ 2, f : E × E → K une

forme bilinéaire symétrique non dégénérée et (e1 , e2 , ..., en ) une base orthogonale
de f . On pose
p = nombre des i tel que f (ei , ei ) > 0.
q = nombre des i tel que f (ei , ei ) < 0.
Alors p et q ne dépend pas de la base orthogonale choisie et on a p + q = n. Le
couple ( p, q) s’appelle la signature de f .

Preuve 2.11.1 Soit (e10 , e20 , ..., en0 ) une autre base orthogonale.
p0 = nombre des i tel que f (ei0 , ei0 ) > 0.
q0 = nombre des i tel que f (ei0 , ei0 ) < 0.
On doit montrer que p = p0 et q = q0 ?
Pour cela, quitte à réordonner les éléments des deux base, on peut supposer que :
f (ei , ei ) > 0 pour 1 ≤ i ≤ p.
f (ei0 , ei0 ) > 0 pour 1 ≤ i ≤ p0 .
Puis on considère le système (e1 , e1 , ..., e p , e0p0 +1 , e0p0 +2 , ..., en0 ).
Le nombre de vecteurs de ce système p + (n − p0 ).
Montrons que ce système est libre ?
Soient α1 , α2 , ..., α p , β 1 , β 2 , ..., β n− p0 des nombres réels tels que

α1 e1 + α2 e2 + ... + α p e p + β 1 e0p0 +1 + β 2 e0p0 +2 + ...β n− p0 en0 = 0.

a-t-on α1 = α2 = ... = α p = β 1 = β 2 = ... = β n− p0 = 0 ?

Posons x = α1 e1 + α2 e2 + ... + α p e p − ( β 1 e0p0 +1 + ... + β n− p0 en0 )
 p p

n
⇒ f ( x, x ) = f ∑ αi ei ; ∑ αi ei = ∑ αi α j f (ei , e j ) = ∑ α2i f (ei , ei ) ≥ 0.
i =1 i =1 1≤i,j≤n i =1
D’autre part, on a :

Algèbre bilinéaire 28 Pr Mustapha BOUALLALA

2.11 Cas d’un R-espace vectoriel

!
n− p0 n− p0 n− p0
f ( x, x ) = f − ∑ β i e0p0 +i ; − ∑ β i e0p0 +i = ∑ β i β j f (e0p0 +i , e0p0 + j ) = ∑ β2i f (e0p0 +i , e0p0 +i ) ≥
i =1 i =1 1≤i,j≤n i =1
0.
n n− p0
Alors f ( x, x ) = 0 ⇒ ∑ α2i f (ei , ei ) = 0 et ∑ β2i f (e0p0 +i , e0p0 +i ) = 0.
 i =1 i =1

 ∀i 1 ≤ i ≤ p, α2i f (ei , ei ) = 0
⇒ et
∀i 1 ≤ i ≤ n − p0 , β2i f (e0p0 +i , e0p0 +i ) = 0




 ∀i 1 ≤ i ≤ p, αi = 0, ( f (ei , ei ) > 0)
⇒ et
∀i 1 ≤ i ≤ n − p0 , β i = 0, ( f (e0p0 +i , e0p0 +i ) < 0).


D’où (e1 , e1 , ..., e p , e0p0 +1 , e0p0 +2 , ..., en0 ) est libre.
⇒ card{(e1 , e1 , ..., e p , e0p0 +1 , e0p0 +2 , ..., en0 )} ≤ dim( E) ⇒ ( p + (n − p0 )) ≤ n ⇒ p ≤ p0 .
De même, on trouve que p0 ≤ p ⇒ p = p0 .
n
On a f non dégénérée ⇒ ∏ f (ei , ei ) 6= 0.
i =1
⇒ ∀i, 1 ≤ i ≤ n, f (ei , ei ) 6= 0 ⇒ p + q = n ⇒ q = q0 .
2
Exemple 2.11.1 1) q( x, y, z) = x2 − 2y2 + xz + yz = ( x + 2z )2 − 2(y − 4z )2 − z8 ⇒ sgn(q) =
(1, 2) et rang(q) = 3.
2) q( x, y, zt) = xy + yz + xz + yz = 14 ( x + y + z + t)2 + ( x + z − y − t)2 ⇒ sgn(q) =
(1, 1) et rang(q) = 2.

Corollaire 4

Soient E un R-espace vectoriel de dimension finie = n, f : E × E → R une forme

bilinéaire symétrique non dégénérée de signature ( p, q). Alors :
( existe une base orthogonale (e1 , e2 , ..., en ) telle que
Il
f (ei , ei ) = 1 pour 1 ≤ i ≤ p,
f (ei , ei ) = −1 pour p + 1 ≤ i ≤ n.

Preuve 2.11.2 Soit f une forme bilinéaire symétrique de signature ( p, q), donc il existe une base
orthogonale (e10 , e20 , ..., en0 ) telle que f (ei0 , ei0 ) > 0 pour 1 ≤ i ≤ p et f (ei0 , ei0 ) < 0 pour p + 1 ≤ i ≤ n
.
Pour chaque i, 1 ≤ i ≤ n, αi = f (ei0 , ei0 ).
e0
⇒ αi > 0, pour 1 ≤ i ≤ p, posons ei = √ i .
αi
ei0
On a αi < 0, pour p + 1 ≤ i ≤ n, ei = √ .
− αi
1 1
⇒ f (ei , ei ) = f (ei0 , ei0 ) = 1 pour 1 ≤ i ≤ n et f (ei , ei ) = − f (ei0 , ei0 ) = −1 pour p + 1 ≤ i ≤
αi αi
n.

Algèbre bilinéaire 29 Pr Mustapha BOUALLALA

2.12 Méthode de Gauss pour la résolution des formes quadratiques

Remarque 13

D’après ce qui précède, si q : E → R est une forme quadratique, alors il existe une
n
base (e1 , e2 , ..., en ) telle que : ∀ x ∈ E, q( x ) = ∑ ai xi2 .
i =1

2.12 Méthode de Gauss pour la résolution des formes qua-

dratiques
1) Cas de la dimension 2 :
Soit q : R2 → R une forme quadratique q( x ) = ax12 + bx1 x2 + cx22 avec x = ( x1 , x2 ) sont les
composantes de x dans la base canonique de R2 .
i) Si a = 0 et c = 0 ⇒ q( x ) = bx1 x2 .
D’après la relation ∀ a ∈ R, ∀b ∈ R, ab = 21 ( a + b)2 − ( a − b)2 .
 
b b b
( x1 + x2 )2 − ( x1 − x2 )2 = ( x1 + x2 )2 − ( x1 − x2 )2 .

On trouve q( x ) =
4 4 4
X1 + X2

 x = ,
 1
( 
X1 = x 1 + x 2 ,
 2 b b
Posons ⇒ ⇒ q( x ) = X12 − X22 ..
X1 = x 1 − x 2 4 4
 x 2 = X1 − X2 ,



2
Soit ( X1 , X2 ) les composantes de x dans la nouvelle base (e10 , e20 ) où
1 1
 

0 1 1
 e1 = 2 e1 + 2 e2 ,
! !

x1 X1 2 2 
⇒ =P où P = 
 

 0
 1 1 x2 X2 1 1 
e2 = 2 e1 − 2 e2 , −
2 2
(e10 , e10 ) est une base orthonormale.
ii) Si a 6= 0 ou c 6= 0.
Alors on peut supposer que a 6= 0, donc
 
b
q( x ) = ax12 + bx1 x2 + cx12 =a x12 + x1 x2 + cx12
a
b2 2
 
b
q( x ) = a ( x1 + x2 ) − 2 x2 + cx22 ,
2
2a 4a
b b2
q( x ) = a( x1 + x2 )2 + (c − ) x22 .
2a 4a
Posons  
b b
 X1 = x 1 +
 2a x2 ,  x 1 = X1 −
 2a X2 ,
⇒
 
X2 = x 2 , x 2 = X2 ,
 

b2
⇒ q( x ) = aX12 + αX22 avec α = c − 4a où ( X1 , X2 ) sont les composantes de x dans la

Algèbre bilinéaire 30 Pr Mustapha BOUALLALA

2.12 Méthode de Gauss pour la résolution des formes quadratiques

base (e10 , e20 ) tels que :


e 0 = e1 , −b
 
 1

 1 2a
et P =  .
 
 e 0 = − b e1 + e2 ,

0 1

2
2a

1) Cas de la dimension 3 :
Soit q : R3 → R une forme quadratique telle que :

q( x ) = ax12 + bx22 + cx32 + dx1 x2 + ex1 x3 + f x2 x3 .

i) Si a = b = c = 0, alors
q( x ) = dx1 x2 + ex1 x3 + f x2 x3 , avec (d 6= 0 ou e 6= 0 ou f 6= 0). Donc
 
e f
q ( x ) = d x1 x2 + x1 x3 + x2 x3
d d
 
f e ef 2
q( x ) = d ( x1 + x3 )( x2 + x3 ) − 2 x3
d d d
d f +e d f − e 2 ef 2
q( x ) = ( x1 + x2 + x3 )2 − ( x1 − x2 + ) − x3 .
4 d 4 d d
Posons
f +e


 X1 = x 1 + x 2 + x3 ,
d







f −e d 2 d 2 ef 2
X2 = x 1 − x 2 + x3 , ⇒ q ( x ) = X1 − X2 − X3 .

 d 4 4 d






X3 = x 3 .


( X1 , X2 , X3 ) sont les composantes de x dans la nouvelle base.

ii) Si a 6= 0 ou b 6= 0 ou c 6= 0.
On peut supposer que a 6= 0, alors

q( x ) = ( ax12 + dx1 x2 + ex1 x3 ) + bx22 + cx32 + f x2 x3

 
d e
q( x ) = a x1 + x1 ( x2 + x3 ) + bx22 + cx32 + f x2 x3 .
2
a a
 
b e 1
q( x ) = a ( x1 + x2 + x3 ) − 2 (dx2 + ex3 ) + bx22 + cx32 + f x2 x3 ,
2 2
2a 2a 4a
b e 1
q( x ) = a( x1 + x2 + x3 )2 − (dx2 + ex3 )2 + bx22 + cx32 + f x2 x3 ,
2a 2a 4a
b e
q ( x ) = a ( x1 + x2 + x3 )2 + q 0 ( x2 , x3 ),
2a 2a

Algèbre bilinéaire 31 Pr Mustapha BOUALLALA

2.12 Méthode de Gauss pour la résolution des formes quadratiques

où q0 est une forme quadratique sur R2 et d’après i ), on sait comment l’écrire sous
forme de carrés.

Exemple 2.12.1 Écrire sous forme de carrés, les formes quadratiques suivantes :

q1 ( x ) = x12 + x22 + x32 − 3x2 x3 − x1 x2 − x1 x3 .

q2 ( x ) = x1 x2 + x1 x3 + x2 x3 .

Algèbre bilinéaire 32 Pr Mustapha BOUALLALA

Chapitre 3
Espaces euclidiens

3.1 Produit scalaire

Théorème 16

Soient E un K-espace vectoriel quelconque et f : E × E → K une forme bilinéaire

symétrique :
1) On dit que f est positive si : ∀ x ∈ E,
( f ( x, x ) ≥ 0.
∀ x ∈ E, f ( x, x ) ≥ 0
2) On dit que f est définie positive si
f ( x, x ) = 0 ⇔ x = 0.

Remarque 14

f est définie positive si et seulement si ∀ x ∈ E, x 6= 0 ⇒ f ( x, x ) > 0.

Théorème 17

Soit E un K-espace vectoriel quelconque

1) On appelle produit scalaire sur E, toute forme bilinéaire symétrique définie po-
sitive.
2) Tout R-espace vectoriel d’un produit scalaire s’appelle espace euclidien.

Remarque 15

Tout produit scalaire est non dégénérée.

Démonstration 3.1.1 Soit f un produit scalaire sur E.

Soit y ∈ E tel que, ∀ x ∈ E, f ( x, y) = 0, a-t-on y = 0 ?

33
3.2 Règles de calcul sur un espace euclidien

∀ x ∈ E, f ( x, y) = 0, donc on particulier pour x = y, on a f (y, y) = 0 ⇒ y = 0.

D’où f est non dégénérée.

Notation :
Soient E un espace euclidien et f un produit scalaire sur E, pour x ∈ E, y ∈ E, on pose :
i) < x, y >= f ( x, y) on lit "x scalaire y".
ii) k x k = f ( x, x ) et k x k2 = f ( x, x ).
p

3.2 Règles de calcul sur un espace euclidien

1) ∀ x ∈ E, ∀y ∈ E, on a
i) k x + yk2 = k x k2 + kyk2 + 2 < x, y >
ii) k x − yk2 = k x k2 + kyk2 − 2 < x, y >
1
2) ∀ x ∈ E, ∀y ∈ E, < x, y >= (k x + yk2 − k x − yk2 )
4
3) ∀ x ∈ E, ∀y ∈ E, k x + yk2 + k x − yk2 = 2(k x k2 + kyk2 ) Identité de parallélogramme.
4) Tout espace de dimension finie euclidien possède au moins une base orthonormale
(e1 , e2 , ..., en ). (
∀i, ∀ j, i 6= j ⇒< ei , e j >= 0,
∀i, 1 ≤ i ≤ n, kei k = 1.
5) Soit E un espace euclidien de dimension finie (e1 , e2 , ..., en ) une base orthonormale de
n
E, alors ∀ x ∈ E, x = ∑ < x, ei > ei .
i =1
n
∀ x ∈ E, k x k2 = ∑ (< x, ei >)2 .
i =1
n
∀ x ∈ E, ∀y ∈ E, < x, y >= ∑ < x, ei >< y, ei >
i =1
n
Exemple 3.2.1 1) E = Rn , < x, y > ∑ xi yi , donc < ., . > définit un produit scalaire sur Rn ,
i =1
c’est le produit usuel de Rn . s
n
La base canonique (e1 , e2 , ..., en ) est une base orthonormale. ∀ x ∈ Rn , k x k = ∑ | x i |2 .
i =1
∞
2) E = `2 (R) où `2 (R) = {( xn )n≥0 , ∑ | xi |2 < ∞}.
n =0
∞
Pour x ∈ `2 (R) et y ∈ `2 (R) avec x = ( xn )n≥0 et y = (yn )n≥0 , on pose < x, y >= ∑ ,
n =0
1
| xn yn | ≤ (| xn |2 + |yn |2 ).
2
Si (∑ | xn |2 < ∞ et ∑ |yn |2 < ∞) ⇒ ∑ | xn yn | < ∞ ⇒ ∑ xn yn convergente.
Donc < ., . > définit un produit scalaire sur l 2 (R). D’où l’espace l 2 (R) est euclidien.
3) E = C([ a, b], R) le R-espace vectoriel des fonctions f : [ a, b] → R qui sont continues.
Rb
Pour f ∈ E, g ∈ E, on pose < f , g >= a f (t) g(t)dt.
Donc < ., . > définit un produit scalaire sur E = C([ a, b], R).

Algèbre bilinéaire 34 Pr Mustapha BOUALLALA

3.3 Inégalité de Cauchy-Schwartz

3.3 Inégalité de Cauchy-Schwartz

Théorème 11

Soient E un K-espace vectoriel quelconque et f : E × E → R une forme bilinéaire

symétrique positive, alors :
q q
∀ x ∈ E, ∀y ∈ E, k f ( x, y)k ≤ f ( x, x ) f (y, y).

Preuve 3.3.1 Soient x ∈ E et y ∈ E

f est positive, donc ∀λ ∈ R, f (λx + y, λx + y) ≥ 0.
⇒ ∀λ ∈ R, f ( x, x )λ2 + 2 f ( x, y)λ + f (y, y) ≥ 0.
On sait que aλ2 + bλ + c ≥ 0, ∀λ ∈ R avec a ≥ 0 ⇒ ∆ = b2 − 4ac ≤ 0.
0
Donc on aura ∆ = f ( x, y)2 − f ( x, x ) f (y, y) ≤ 0.
D’où f ( x, x )2 ≤ f ( x, x ) f (y, y) ⇒ | f ( x, y)| ≤ f ( x, x ) f (y, y)
p p

Remarque 16

Dans un espace euclidien E quelconque, l’inégalité de Cauchy-Schwartz

∀ x ∈ E, ∀y ∈ E, | < x, y > | ≤ k x kkyk.

 1  1
n n 2 n 2
Exemple 3.3.1 E = Rn , | < x, y > | ≤ k x kkyk ⇒ ∑ xi y j ≤ ∑ | xi |2 ∑ | yi |2
i =1 i =1 i =1

Remarque 17

L’inégalité de Cauchy-Schwartz est une cas particulier de l’inégalité de Hölder

!1 !1
n n n
p p q q 1 1
∑ xi y j ≤ ∑ | xi | ∑ | yi | , avec + = 1.
p q
i =1 i =1 i =1

Cas particulier Si p = q = 2
 1  1
n n n
1) E = `2 (R), ∑ xi y j ≤ ∑ | x |2 2
i ∑ | y |2 2
i
i =1 i =1 i =1

Rb R  1 R 1
b b
2) E = C([ a, b], R), a f (t) g(t)dt ≤ a f 2 (t)dt 2 2
a g ( t ) dt
2

Algèbre bilinéaire 35 Pr Mustapha BOUALLALA

3.4 Système orthogonaux

Théorème 18

Soient E un K-espace vectoriel (K = R ou C) et N : E → R+ , x 7→ N ( x ) une

application. On dit que N définit une norme sur E si :
1) N ( x ) = 0 ⇔ x = 0,
2) ∀λ ∈ K, ∀ x ∈ E, N (λx ) = |λ|.N ( x ),
3) ∀ x ∈ E, ∀y ∈ E, N ( x + y) ≤ N ( x ) + N (y).
Dans ce cas le couple ( E, N ) s’appelle un espace normé.

Théorème 12

Soit E un espace euclidien quelconque alors l’application :

: E → R+
√
x 7→ k x k = < x, x >, définit une norme sur E.

Preuve 3.3.2 1) k x k = 0 ⇒ x = 0,
2) kλx k =< λx, λx >= λ2 < x, x >= λ2 k x k2 ⇒ |λx | = |λ|.k x k.
2

3) k x + yk2 = k x k2 + kyk2 + 2 < x, y >.

D’après l’inégalité de Cauchy-Schwartz on a < x, y >≤ k x [Link]
⇒ k x + yk2 ≤ k x k2 + k x k2 + 2k x [Link] = (k x k + kyk)2 .
D’où k x + yk ≤ k x [Link].

3.4 Système orthogonaux

Théorème 19

Soit E un espace euclidien

Un système de vecteurs (e1 , e2 , ..., en ) est dit orthogonale si :

∀i, j, i 6= j ⇒< ei , e j >= 0.

Proposition 9

Tout système orthogonale est libre.

Preuve 3.4.1 Soit (e1 , e2 , ..., en ) un système orthogonal.

Soient α1 , α2 , ..., αn ∈ R tels que α1 e1 + α1 e2 + ... + αn en = 0 a-t-on α1 = α2 = ... = αn = 0 ?

Algèbre bilinéaire 36 Pr Mustapha BOUALLALA

3.5 Procédé d’orthonormalisation de Gram-Schmidt

On a α1 e1 + α1 e2 + ... + αn en = 0 ⇒ ∀i 1 ≤ i ≤ n, < α1 e1 + α1 e2 + ... + αn en , ei >= 0.

⇒ ∀i, 1 ≤ i ≤ n, α1 < e1 , ei > +α2 < e2 , ei > +... + αn < en , ei >= 0.
⇒ ∀i, 1 ≤ i ≤ n, αi < ei , ei >= 0 (car i 6= j, < e j , ei >= 0).
⇒ ∀i, 1 ≤ i ≤ n, αi = 0 (car < ei , ei >> 0).

Théorème 13

Soit E un espace euclidien de dimension finie = n, alors

Tout système orthonormal de E peut être complété en une base orthonormale de E.

(
i 6= j, < ei , e j >= 0,
Preuve 3.4.2 (e1 , e2 , ..., en ) un système orthonormale de E, ie
< ei , ei >= 1.
(e1 , e2 , ..., e p ) libre ⇒ p ≤ n.
On pose F = vect{(e1 , e2 , ..., e p )}, F est non isotrope F ∩ F ⊥ = {0} ⇒ E = F ⊕ F ⊥ .
(e1 , e2 , ..., e p ) est une base orthonormale de F.
F ⊥ est un espace euclidien, donc F ⊥ possède au moins une base orthonormale notée (e p+1 , e p+2 , ..., en ).
D’où (e1 , e2 , ..., e p , e p+1 , ..., en ) est une base orthonormale de E.

3.5 Procédé d’orthonormalisation de Gram-Schmidt

Théorème 14

Soient E un espace euclidien de dimension finie = n et (v1 , v2 , ..., vn ) une base quel-
conque de E. Alors il existe une base orthonormale (e1 , e2 , ..., en ) telle que :
i) ∀ j, 1 ≤ j ≤ n, < v j , e j >> 0,
ii) ∀ j, 1 ≤ j ≤ n, Vect{e1 , e2 , ..., en } = Vect{v1 , v2 , ..., vn }.

Preuve 3.5.1 On procède par récurrence sur j, 1 ≤ j ≤ n.

v
Pour j = 1, on pose e1 = 1 .
k v1 k
v1 1
⇒ k e1 k = = kv k = 1.
k v1 k k v1 k 1
v 1
< e1 , v1 >=< 1 , v1 >= < v1 , v1 >= kv1 k > 0.
k v1 k k v1 k
Donc Vect{e1 } = Vect{v1 }.
e20
Pour j = 2, on pose e20 = v2 − < v2 , e1 > e1 , puis on pose e2 = 0
k e2 k

Algèbre bilinéaire 37 Pr Mustapha BOUALLALA

3.6 Formes linéaires d’un espace euclidien

On a ke2 k = 1 puis

e20 1
< e1 , e2 > = < e1 , 0 >= 0 < e1 , v2 − < v1 , e1 > e1 >
k e2 k k e2 k
1
= (< e1 , v2 > − < e1 , < v2 , e1 > e1 >)
ke20 k
1
= (< e1 , v2 > − < v2 , e1 >< e1 , e1 >) = 0.
ke20 k

Donc Vect{e1 , e2 } = Vect{v1 , v2 }.

Hypothèse de récurrence : Supposons que nous avons construit e1 , e2 , ..., e j , 1 ≤ j ≤ n.
j e0j+1
0
Alors on pose e j+1 = v j+1 − ∑ < v j+1 , ek > ek , puis on pose e j+1 = 0 , on a
k =1 k e j +1 k

 ke j+1 k = 1,

< v j+1 , e j+1 >= 0,

< ek , e j+1 >= 0.


D’où (e1 , e2 , ..., en ) est une base de E.

Exemple 3.5.1 Cas de la dimension 2 :

Soient E un espace euclidien de dimension 2 (dim( E) = 2) et (v1 , v2 ) base de E.
v e0
On a e1 = 1 , e20 = v2 − < v2 , e1 > e1 ⇒ e2 = 20 .
k v1 k k e2 k
Cas de la dimension 3 :
Soient E un espace euclidien de dimension 3 (dim( E) = 3) et (v1 , v2 , v3 ) base de E.
v e0
e1 = 1 , e10 = v2 − < v2 , e1 > e1 ⇒ e2 = 20 .
k v1 k k e2 k
e0
e30 = v3 − < v3 , e1 > e1 − < v3 , e2 > e2 ⇒ e3 = 30 .
k e3 k
Exemple 3.5.2 Soient E = R4 et (v1 , v2 , v3 , v4 ) une base de E telle que :

v1 = (2, 1, 0, 2), v2 = (−4, 1, 0, −1), v3 = (1, 3, −4, −1) et v4 = (9, 9, 5, −9).

Déterminer une base orthonormale de E.

3.6 Formes linéaires d’un espace euclidien

Théorème 15

Soient E un espace euclidien de dimension finie = n et ϕ : E → R une forme

bilinéaire. Alors il existe un unique y ∈ E tel que ∀ x ∈ E, ϕ( x ) =< x, y >.

Algèbre bilinéaire 38 Pr Mustapha BOUALLALA

3.7 Produit vectoriel de deux vecteurs

Preuve 3.6.1 Soit

Φ : E → E∗
z 7→ Φ(z), ou ∀ x ∈ E, < x, Φ(z) >=< x, z > .

Tout produit scalaire et non dégénérée ⇒ Φ est injective.

dim( E) = dim( E∗ ) et dim( E) < ∞, donc Φ est bijective.
ϕ ∈ E∗ , donc il existe un unique y ∈ E tel que Φ(y) = ϕ.
⇒ ∀ x ∈ E, Φ(y)( x ) = ϕ( x ) ⇒ ∀ x ∈ E, ϕ( x ) =< x, y >.

3.7 Produit vectoriel de deux vecteurs

Théorème 20

Un espace euclidien E de dimension finie muni d’une base orthonormale β est dit
un espace euclidien orienté.
On dit que ( E, β) est un espace euclidien orienté.

Remarque 18

Soient E un espace euclidien de dimension = 3, (e1 , e2 , e3 ) une base orthonormale

de E, u, v de vecteurs quelconque de E et ϕ l’application définie par :

ϕ : E → R
x 7→ ϕ( x ) = det(u, v, x ).

Donc ϕ est une forme linéaires sur E, donc il existe un unique w ∈ E tel que ∀ x ∈
E, ϕ( x ) =< x, w >.
Conclusion ∀ x ∈ E, ∀v ∈ E, il existe un unique vecteur w ∈ E tel que :

∀ x ∈ E, det(u, v, x ) =< x, w > .

Théorème 21

w s’appelle le produit de u et v et se note w = u ∧ v (Notation en physique w

~ = ~u ∧~v
).
Donc ∀ x ∈ E, det(u, v, x ) =< x, u ∧ v >.

Algèbre bilinéaire 39 Pr Mustapha BOUALLALA

3.7 Produit vectoriel de deux vecteurs

Proposition 10

Soient E un espace euclidien , u, v ,w des vecteurs dans E et λ ∈ K.

1) (u + v) ∧ w = u ∧ w + v ∧ w.
2 u ∧ (v + w) = u ∧ v + u ∧ w.
3) (λu) ∧ v = λ(u ∧ v) et u ∧ (λv) = λ(u ∧ v).
4) u ∧ v = −v ∧ u.
5) u ∧ v = 0 ⇔ (u, v) est lié

Preuve 3.7.1 1),2),3),4) Exercice.

5) ⇒) Si u ∧ v ⇒ ∀ x ∈ E, < x, u ∧ v >= 0 ⇒ ∀ x ∈ E, det(u, v, x ) = 0.
Par l’absurde supposons que (u, v) est libre ⇒ ∃y ∈ E tel que (u, v, y) soit une base de
E ⇒ det(u, v, y) = 0 contradiction.
⇐) Si (u, v) est lié ⇒, ∀ x ∈ E, det(u, v, x ) = 0 ⇒ ∀ x ∈ E, < x, u ∧ v >= 0 ⇒ u ∧ w =
0.

Théorème 16

Soit E un espace euclidien, pour tout u ∈ E et v ∈ E, on a :

ku ∧ vk2 = kuk2 .kvk2 − (< u, v >)2 .

Preuve 3.7.2 Exercice.

Lemme 2

Soit E un espace euclidien quelconque. Alors pour tout x et y deux éléments de E,

on a :
< x, y >= k x [Link] ⇔ ( x, y) lié.

Preuve 3.7.3 Exercice.

Algèbre bilinéaire 40 Pr Mustapha BOUALLALA

Chapitre 4
Endomorphisme d’un espace euclidien

Dans toute la suite de ce chapitre, E désigne un espace euclidien de dimension finie = n

avec n ≥ 2.

4.1 Matrice d’un endomorphisme

Proposition 11

Soient u un endomorphisme de E, (e1 , e2 , ..., en ) une base orthonormale de E et

A = ( aij )1≤i,j≤n = Mat(u, (e1 , e2 , ..., en )). Alors

∀i, ∀ j, aij =< u(e j ), ei > .

n
Preuve 4.1.1 ∀ j, 1 ≤ j ≤ n, u(e j ) = ∑ akj ek .
k =1 (
n 1 si k = i
⇒ ∀i, ∀ j, < u(e j ), ei >= ∑ akj < ek , ei >, avec < ek , ei >= .
k =1 0 si k 6= i
< u(e j ), ei >= aij .

4.2 Endomorphisme adjoint

Proposition 12

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’endomorphisme adjoint de u et se note u∗ = v.

41
4.2 Endomorphisme adjoint

Preuve 4.2.1 Fixons u ∈ L( E), y ∈ E et soit

ϕ : E → R
x 7→ ϕ( x ) =< u( x ), y >,

ϕ est forme linéaire sur E. Or dim( E) < ∞ et ϕ ∈ E∗ .

Il existe un unique y0 ∈ E tel que ∀ x ∈ E, ϕ( x ) =< x, y0 >.
⇒ ∀ x ∈ E, < u( x ), y >=< x, y0 >.
Posons y0 = v(y). Donc v est linéaire.
De plus v vérifier les conditions de la proposition.

Théorème 22

Pour chaque endomorphisme u de E, l’unique endomorphisme v de E tel que

∀ x ∈ E, ∀y ∈ E, < u( x ), y >=< x, v(y) >

s’appelle l’endomorphisme adjoint de u et se note u∗ .

∀ x ∈ E, ∀y ∈ E, < u( x ), y >=< x, u∗ (y) > .

Proposition 13

Soit E un espace euclidien, alors on a :

1) (u + v)∗ = u∗ + v∗ et (λu)∗ = λ(u∗ ).
2) Ker (u∗ ) = ( Im(u))⊥ .
3) Im(u∗ ) = (Ker (u))⊥ .
4) Si (e1 , e2 , ..., en ) est une base orthonormale et si A = Mat(u, (e1 , e2 , ..., en )), alors.
Mat(u∗ , (e1 , e2 , ..., en )) =t A.
5) (u ◦ v)∗ = v∗ ◦ u∗ et u∗∗ = (u∗ )∗ = u.

Preuve 4.2.2 1) ∀ 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∗ .
2) Soit y ∈ ( Im(u))⊥ ⇔ ∀ x ∈ E, < u( x ), y >= 0 ⇔ ∀ x ∈ E, < x, u∗ (y) >= 0 ⇔
u∗ (y) = 0 car <.,.> est non dégénérée ⇔ y ∈ Ker (u∗ ).
D’ou Ker (u∗ ) = Im(u)⊥ .
3) Ker (u) = Ker (u∗∗ ) = Im(u∗ )⊥ (d’après 2)).
Donc on aura Ker (u)⊥ = ( Im(u∗ )⊥ )⊥ = Im(u∗ ).
4) Soit A = ( aij ) = Mat(u, (e1 , e2 , ..., en )), (e1 , e2 , ..., en ) base orthonormale ⇒ aij =< u(e j ), ei >.
Soit B = (bij ) = Mat(u∗ , (e1 , e2 , ..., en )).

Algèbre bilinéaire 42 Pr Mustapha BOUALLALA

4.3 Endomorphisme symétrique

bij =< u∗ (e j ), ei >=< e j , u(ei ) >=< u(ei ), e j >=< a ji > ∀i, j (car u∗∗ = u).
⇒ B =t A.
5) Exercice.

4.3 Endomorphisme symétrique

Théorème 23

1) On dit que u ∈ L( E) est symétrique si u∗ = u.

2) On dit que u ∈ L( E) est antisymétrique si u∗ = −u.

Remarque 19

1 (e1 , e2 , ..., en ) base orthogonale de E, A = Mat(u, (e1 , e2 , ..., en )), alors

i) u est symétrique ⇔t A = A.
ii) u est antisymétrique ⇔t A = − A.
2) Tout endomorphisme u ∈ L( E), s’écrit sous la forme u = u1 + u2 avec u1 symé-
trique et u2 antisymétrique.
1

 u = (u + u∗ )
 1

 2
En effet, il suffit de poser
 u2 = 1 ( u − u ∗ ).



2

Lemme 3

Soit E un espace euclidien de dimension finie = n.

u un endomorphisme symétrique de E, alors
χu a toute ses racines dans R, (c.à.d ; ∀λ ∈ C, χu (λ) = 0 ⇒ λ ∈ R).

Preuve 4.3.1 χu ∈ R[ X ] car E est un R-espace vectoriel.

Soit λ ∈ C une racine de χu (χu (λ) = 0).
Montrons que λ ∈ R. (λ ∈ R ⇔ λ − λ = 0).
Soit β une base orthonormale de E, A = Mat(u, β).
u symétrique, donc t A = A.
Soit V : Cn → Cn l’endomorphisme de matrice A dans la base canonique de Cn , ( A ∈ M(R) ⇒
A ∈ M(C))) ⇒ χv = det( XI − A) = χu .
χu (λ) = 0 ⇒ χv (λ) = 0 ⇒ λ est une valeur propre de v.
⇒ ∃ x ∈ Cn , x 6= 0 et v( x ) = λx.

Algèbre bilinéaire 43 Pr Mustapha BOUALLALA

4.3 Endomorphisme symétrique

   
x1 x1
x2 x2
   
   
   
 .   . 
Posons x = ( x1 , x2 , ..., xn ), X =   et X =  , AX = λX.

 . 


 . 

. .
   
   
xn xn
 
x1
x2
 
 
 
t
 .  = | x1 |2 + | x2 |2 + ... + | xn |2 > 0, (car ( x1 , x2 , ..., xn ) 6=

⇒ X.X = ( x1 , x2 , ..., xn ) 

 . 

.
 
 
xn
(0, 0, ..., 0)).
Calculons (λ − λ)t XX.
t
(λ − λ)t XX = λt XX − λ XX =t (λX ) X −t X (λX ).
v( x ) = λx ⇔ Ax = λX ⇒ (λ − λ)t XX =t ( AX ) X −t X ( AX ).
AX = AX ⇒ λXλX, (A = aij = aij = A).
(λ − λ)t XX =t X t AX −t XAX.
t A = A donc ( λ − λ )t XX = 0 ⇒ λ − λ = 0 ⇒ λ ∈ R.

Théorème 17

Soit E un espace eulérien de dimension finie = n ≥ 2, alors :

Tout endomorphisme symétrique de E possède au moins une base orthonormale
formée de vecteurs propres.

Démonstration 4.3.1 On procède par récurrence sur n = dim( E).

Pour n = 2, c.à.d dim( E) = 2. Soient u un endomorphisme symétrique de E et λ ∈ R une racine de
χu ⇒ λ est une valeur propre de u.
Soit x ∈ E avec x 6= 0 et u( x ) = λx.
x
Posons e1 = , donc ke1 k = 1 et u(e1 ) = λe1 .
kxk
Soit e1 ∈ {e1 }⊥ avec ke2 k = 1, {e1 }⊥ = (Vect{e1 })⊥ .
Posons F = Vect(e1 ) alors E = F ⊕ F ⊥ .
⇒ dim( F ) = 1 ⇔ dim( F ⊥ ), u( F ⊥ ) ⊆ F ⊥ ?
Soit y ∈ F ⊥ , a-t-on u(y) ∈ F ⊥ .
u(y) ∈ F ⊥ ⇔< e1 , u(y) >= 0 ⇔< u∗ (e1 ), y >= 0 ⇔< u(e1 , y) >= 0 ⇔ λ < e1 , y >= 0.
Donc u( F ⊥ ) ⊆ F ⊥ ⇒ u(e2 ) ∈ F ⊥ et F ⊥ = Vect(e2 ).
⇒ ∃α ∈ R, u(e2 ) = αe2 ⇒ e2 est un vecteur propre de u.
Conclusion (e1 , e2 ) est une base orthonormale formée de vecteurs propre de u.
Hypothèse de récurrence : (HP) Supposons que n > 2 et que tout endomorphisme symétrique sur

Algèbre bilinéaire 44 Pr Mustapha BOUALLALA

4.4 Projection orthogonale

un espace euclidien de dimension < n possède une base orthonormale formée de vecteurs propres.
Soit E un espace euclidien de dimension = n, u ∈ L( E) symétrique, λ ∈ R racine de χu .
Soit e1 ∈ E, avec ke1 k = 1 et u(e1 ) = λe1 . Posons F = Vect(e1 ).
E est un espace euclidien, donc E = F ⊕ F ⊥ ⇒ dim( F ⊥ ) = n − 1 < n. De plus on a, u( F ⊥ ) ⊆ F ⊥ .
Soit v la restriction de u à F ⊥ (u est un endomorphisme de E).
⇒ v est endomorphisme symétrique de F ⊥ .
D’après (HP) v possède au moins une base orthonormale (e1 , e2 , ..., en ) formée des vecteurs propres
de v.
Conclusion (e1 , e2 , ..., en ) est une base de E formée de vecteurs propres de u.

Remarque 20

Toute matrice symétrique à coefficients réels est diagonalisable.

t A = A ⇒ A diagonalisable.

4.4 Projection orthogonale

Rappelons que si E est K-espace vectoriel quelconque. On dit que u ∈ L( E) est une
projection si u2 = u. Dans ce cas on sait que :

 Im(u) = { x ∈ E : u( x ) = x },

E = Im(u) ⊕ Ker (u),

∀ x ∈ E, u( x ) − x ∈ Ker (u).


Réciproquement, si E = F ⊕ G, alors il existe une projection u ∈ L( E) telle que E =

Im(u) ⊕ Ker (u) avec Im(u) = F et Ker (u) = G.
Dans ce cas, on dit que u est la projection sur F parallèlement à G.
Supposons maintenant que E est un espace euclidien et soit F un sous-espace vectoriel quel-
conque de E.
⇒ E = F ⊕ F ⊥ . (Ici, F ⊥ , s’appelle le supplémentaire orthogonale de F).

Théorème 24

La projection sur F parallèlement à F ⊥ , s’appelle la projection orthogonale sur F

définie par

u : E = F ⊕ F⊥ → F
x = x1 + x2 7 → u ( x ) = x1 ,

Algèbre bilinéaire 45 Pr Mustapha BOUALLALA

4.4 Projection orthogonale

Remarque 21
(
(Ker (u))⊥ = Im(u)
Soit u une projection orthogonale de E, alors
( Im(u))⊥ = Ker (u).
Réciproquement, soit u ∈ L( E) une projection quelconque telle que ( Im(u))⊥ =
Ker (u), alors u est projection orthogonale.
Conclusion une projection u est orthogonale ⇔ ( Im(u))⊥ = Ker (u) ⇔ u2 = u ⇔
u∗ = u.

Théorème 18

Soit E un espace euclidien quelconque u ∈ L( E) une projection quelconque, alors

u est une projection orthogonale si et seulement si u∗ = u.

Preuve 4.4.1 Supposons que u est une projection orthogonale.

Montrons que ∀ x ∈ E, ∀y ∈ E, < u( x ), y >=< x, u(y) > ?
Fixons x ∈ E et y ∈ E, on a < u( x ), y >=< u( x ), y − u(y) + u(y) >=< u( x ), y − u(y) > + <
u ( x ), u ( y ) >.
u( x ) ∈ Im(u) et y − u( x ) ∈ Ker (u) ⇒< u( x ), y − u(y) >= 0.
Donc < u( x ), y >=< u( x ), u(y) >=< u( x ) − x + x, u(y) >=< u( x ) − x, u(y) >=< x, u(y) >.
⇒< u( x ), y >=< x, u(y) >. D’où u∗ = u.
⇐) trivial, car dans ce cas on a : Im(u∗ ) = (Ker (u))⊥ .
u∗ = u ⇒ Im(u) = (Ker (u))⊥ .

Algèbre bilinéaire 46 Pr Mustapha BOUALLALA

4.5 Symétrie orthogonale

Remarque 22

1) Soient E un espace euclidien de dimension finie = n, F un sous-espace vectoriel

de E et (e1 , e2 , ..., e p ) une base orthonormale de F. Soit u la projection orthogonale
sur F, alors :
p
∀ x ∈ E, u F ( x ) = ∑ < x, ei > ei .
i =1

2) Si F est une droite vectoriel, alors F = Vect( x0 ), x0 6= 0.

Soit u la projection orthogonale sur F, alors

< x, x0 >
∀ x ∈ E, u( x ) = x0 .
k x0 k2

3) Si F est un hyperplan (i.e dim( F ) = dim( E) − 1), soient u la projection orthogo-

nale sur F et x0 ∈ F ⊥ avec x0 6= 0, alors
< x, x0 >
∀ x ∈ E, u( x ) = x − x0 .
k x0 k2

4) On a E = F ⊕ F ⊥
PF : la projection orthogonale sur F.
PF⊥ : la projection orthogonale sur F ⊥ .

∀ x ∈ E, PF ( x ) + PF⊥ ( x ) = x.

4.5 Symétrie orthogonale

Théorème 25

Soient E un K-espace vectoriel, F un ss-ev de E et G un supplémentaire de F dans

E. On appelle symétrie par rapport à F parallèlement à G, l’application s définie
par :

s : E = F⊕G → E
x = x1 + x2 7 → s ( x ) = x1 − x2 ,

Algèbre bilinéaire 47 Pr Mustapha BOUALLALA

4.6 Endomorphisme orthogonaux ou isométries

Remarque 23

F un sous-espace vectoriel de E, G supplémentaire de F dans G.

p : la projection sur F parallèlement à G.
s : la symétrie par rapport à F parallèlement à G.
⇒ ∀ x ∈ E, p( x ) = x1 , s( x ) = x1 − x2 .
⇒ s( x ) = p( x ) − x2 avec x = x1 + x2 ⇒ x2 = x − x1 = x − p(w).
⇒ ∀ x ∈ E, s( x ) = 2p( x ) − x.
D’où s = 2p − id E .

Théorème 19

Soient E un espace euclidien quelconque et s une symétrie quelconque, alors

1) s est orthogonale ⇔ s∗ = s.
2) u ∈ L( E) symétrie orthogonale ⇔ u∗ = u ⇔ u2 = Id.

Preuve 4.5.1 Exercice.

Remarque 24

Soient E un espace vectoriel de dimension finie, (e1 , e2 , ..., en ) une base orthonor-
male de E, u ∈ L( E) et A = Mat((u, (e1 , e2 , ..., en )).
A2 = Id
1) u symétrique orthogonale ⇔ t A = A.
(
A2 = A
2) u projection orthogonale ⇔ t A = A.

4.6 Endomorphisme orthogonaux ou isométries

Théorème 26

Soit E un espace euclidien quelconque, u ∈ L( E) est dit orthogonal si :

∀ x ∈ E, ∀y ∈ E, < u( x ), u(y) >=< x, y > .

Algèbre bilinéaire 48 Pr Mustapha BOUALLALA

4.6 Endomorphisme orthogonaux ou isométries

Proposition 14

Soient E un espace euclidien quelconque, u ∈ L( E) un endomorphisme quel-

conque, alors les propriétés suivantes sont équivalentes.
1) u est orthogonale.
2) ∀ x ∈ E, ku( x )k = k x k.
3) u∗ u = uu∗ = id, (u−1 = u∗ ).

Preuve 4.6.1 1) ⇒ 2) Soit u ∈ L( E) orthogonale ⇒ ∀ x ∈ E, y ∈ E, < u( x ), u(y) >=<

x, y >.
Si x = y ⇒ ku( x )k2 = k x k2 ⇒ ku( x )k = k x k.
2) ⇒ 3) Soit x ∈ E, ku( x )k2 = k x k2 ⇒< u( x ), u( x ) >=< x, x >⇒ ∀ x ∈ E, <
u∗ (u( x )), x >=< x, x >⇒ ∀ x ∈ E, < (u∗ u − id E )( x ), x >= 0
3) ⇒ 1) On a ∀ x ∈ E et ∀y ∈ E, < x, y >=< u∗ u( x ), y >⇒< x, y >=< u( x ), u(y) >.

Remarque 25

Soit E un espace euclidien de dimension finie = n.

1) Un endomorphisme u de E est orthogonale si et seulement si l’image d’une base
orthonormale par u est une base orthonormale.
2) Soient (e1 , e2 , ..., en ) une base orthonormale de E, u un endomorphisme orthogo-
nale, alors (u(e1 ), u(e2 ), ..., u(en )) est une base orthonormale.
3) Si A = Mat(u, (e1 , e2 , ..., en )), alors t AA = I ⇔ A−1 = A.
A s’appelle la matrice orthogonale.
4) Si u est un endomorphisme orthogonale d’un espace euclidien orienté, alors
det(u) = ±1.
En effet : on a u∗ u = id E , donc det(u∗ u) = det(u∗ ).det(u) = det(u2 ) = det( Id) =
1.

Notation :
1) On désigne par O( E) l’ensemble des endomorphisme orthogonaux de E, alors (O( E), ◦)
est un groupe. C’est en fait un sous-groupe de (GL( E), ◦).
2) On désigne par O + ( E) l’ensemble des endomorphisme orthogonaux u tels que det(u) =
1.
O + ( E) = {u ∈ O( E), det(u) = 1}.
Alors (O + ( E), ◦) est un sous-groupe de (O( E), ◦).
3) On désigne aussi par On (R), (resp On+ (R)) l’ensemble des matrices orthogonales
(resp orthogonales de déterminant 1) de Mn (R).
Alors O(R) est un sous-groupe de GLn (R) et On+ (R) est un sous-groupe de On (R).

Algèbre bilinéaire 49 Pr Mustapha BOUALLALA

4.6 Endomorphisme orthogonaux ou isométries

Proposition 15

Soient E un espace euclidien et u un endomorphisme de E, alors

1 S’il existe une 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.
2) Réciproquement, si u est un endomorphisme orthonormal, alors l’image par u
de n’importe quelle base orthonormale de E est une base orthonormale de E.

Preuve 4.6.2 1) Supposons qu’il existe une base orthonormale (e1 , e2 , ..., en ) de E telle que (u(e1 ), u(e2 ), ..., u
soit une base orthonormale de E. Soit x ∈ E, alors on a
n n n
ku( x )k = ku( ∑ < x, ei > ei )k = k ∑ < x, ei > u(ei )k = ∑ < x, ei >2 = k xk.
i =1 i =1 i =1

car (u(e1 ), u(e2 ), ..., u(en )) est une base orthonormale.

2) Soit (e1 , e2 , ..., en ) une base orthonormale de E, alors on a < u(ei ), u(e j ) >=< ei , e j >= δij .
Donc (u(e1 ), u(e2 ), ..., u(en )) est une base orthonormale.

Proposition 16

Soit E un espace euclidien et u un endomorphisme orthogonal de E. Alors

1) Si λ est une valeur propre de u, alors λ ∈ {−1, 1}.
2) Si F est un sous-espace vectoriel stable par u, alors F ⊥ est aussi stable par u.

Preuve 4.6.3 1) On suppose u possède une valeur propre λ ∈ R, donc il existe x ∈ E, avec
x 6= 0 tel que u( x ) = λx.
On aura k x k = ku( x )k = kλx k = |λ|.k x k.
x 6= 0, donc k x k 6= 0, par suite |λ| = 1.
2) Supposons que F est stable par u.
Soient x ∈ F et y ∈ F ⊥ , puisque F est stable par u, u bijective et E de dimension finie, alors
u( F ) = F.
Il existe x 0 ∈ F tel que x = u( x 0 ) ainsi

< x, u(y) >=< u( x 0 ), u(y) >=< x 0 , y >= 0.

Donc u(y) ∈ F ⊥ .

Exemple 4.6.1 Cas de la dimension 2 :

Soient
( E un espace euclidien de dimension = n, (e1 , e!2 ) une base orthonormale et u ∈ L( E) avec
u(e1 ) = ae1 + be2 a c
⇒ Mat(u, (e1 , e2 )) = .
u(e2 ) = ce1 + de2 . b d

Algèbre bilinéaire 50 Pr Mustapha BOUALLALA

4.6 Endomorphisme orthogonaux ou isométries

 
2 2
 ku(e1 )k = 1
  a +b = 1

u orthogonale ⇔ (u(e1 ), u(e2 )) orthonormale ⇔ ku(e2 )k = 2 ⇔ c2 + d2 = 1
 
< u(e1 ), u(e2 ) >= 0. ac + bd = 0.
 
( (
a = cos(θ ) d = cos(ψ)
On a a2 + b2 = 1 ⇒ ∃θ ∈ R, et c2 + d2 = 1 ⇒ ∃ψ ∈ R,
b = sin(θ ). c = sin(ψ).
ac + bd = 0 ⇒ cos(θ )sin(ψ) + sin(θ )cos(ψ) = 0 ⇒ sin(θ + ψ) = 0 ⇒ θ + ψ = kπ, avec
k ∈ Z.
Donc on aura ψ = −θ ou ψ = π − θ. !
cos(θ ) −sin(θ )
Soient A = Mat(u, (e1 , e2 )), alors on a A = avec det( A) = 1 ou A =
sin(θ ) cos(θ )
!
cos(θ ) sin(θ )
avec det( A) = −1.
sin(θ ) −cos(θ )
Si det( A) = 1, on dit que u est une rotation d’angle θ.
Si det( A) = −1 ⇒ χu ( X ) = X 1 − 1.
⇒ 1 et −1 sont les valeurs propres de u.
Dans ce cas, u est la symétrie orthogonale par rapport à E1 .
Cas de la dimension 3 :
Théorème 20

Soient E un espace euclidien ortienté de dimension 3 et u un endomorphisme orthogonal de

E, u O + ( E), avec u 6= Id E , alors
1) Si 1 une valeur propre de u et dim( E1 ) = 1 (E1 = Ker (u − Id E )).
2) Soit H = E1⊥ , alors H est stable par u et v = u/H est une rotation de H.

Preuve 4.6.4 1) Soit u ∈ O + ( E) ⇒ det(u) = 1.

Par l’absurde, supposons que 1 n’est pas une valeur propre de u ⇒ det(u) = −1 ⇒ ce est qui
absurde.
2) Soit H = E1⊥ est stable par u.
v = u/H est donc un endomorphisme orthogonale de H,
E = E1 ⊕ H, β est une base de H ⇒ B = Mat(v, β).
Soit x ∈ E1 avec x 6= 0 ⇒β ∪ { x } est une base de
 E.
1 0 0 !
cos(θ ) −sin(θ )
A = Mat(u, β ∪ { x }) = 0 cos(θ ) −sin(θ ) avec B =
 
sin(θ ) cos(θ )
0 sin(θ ) cos(θ )
⇒ det( B) = det( A) = 1 ⇒ det(v) = 1.
⇒ v rotation de H.

Algèbre bilinéaire 51 Pr Mustapha BOUALLALA

4.6 Endomorphisme orthogonaux ou isométries

Théorème 27

Dans ce cas u s’appelle la rotation d’angle θ et d’axe D où D = Ker (u − id) et θ = l’angle

de rotation v = uu/D⊥ .

Remarque 26

Tr (u) = 1 + 2cos(θ )

Cas général :

Théorème 21

Soient E un espace euclidien de dimension n ≥ 2, et u un endomorphisme ortho-

gonale 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 la quelle la matrice A de u s’écrit sous la forme
 
Ip 0 0 0 0 0 0 0
 0 − Iq 0 0 0 0 0 0
 

 
0
 0 A1 0 0 0 0 0 

0 0 0 A2 0 0 0 0 
A=
 

0 0 0 0 . 0 0 0 
 
0 0 0 0 0 . 0 0 
 
0 0 0 0 0 0 . 0
 

0 0 0 0 0 0 0 Ar

ou I p et Iq sont les matrices identités d’ordre ! respectives p et q ou ∀i ∈

cos(θi ) −sin(θi )
{1, ..., r }, ∃θi ∈] − π, π [, Ai =
sin(θi ) cos(θi )

Preuve 4.6.5 Exercice.

Algèbre bilinéaire 52 Pr Mustapha BOUALLALA

Chapitre 5
Espaces hermitiens

5.1 Formes sesquilinéaires

Théorème 28

Soit E un C-espace vectoriel quelconque :

On dit qu’une application f : E × E → C est une forme sesquilinéaire, si :
1) Pour chaque y ∈ E fixé,

ϕy : E → C
x 7→ ϕy ( x ) = f ( x, y) est linéaire.

2) Pour chaque x ∈ E fixé,

ϕx : E → C
y 7→ ϕ x (y) = f ( x, y) est linéaire.

Remarque 27

Soit f : E × E → C est une forme sesquilinéaire si et seulement si :

1) ∀y ∈ E, ∀ x1 ∈ E, ∀ x2 ∈ E, f ( x1 + x2 , y) = f ( x1 , y) + f ( x2 , y).
2) ∀y ∈ E, ∀ x ∈ E, ∀λ ∈ C, f (λx, y) = λ f ( x, y).
3) ∀ x ∈ E, ∀y1 ∈ E, ∀y2 ∈ E, f ( x, y1 + y2 ) = f ( x, y1 ) + f ( x, y2 ).
4) ∀ x ∈ E, ∀y ∈ E, ∀λ ∈ C, f ( x, λy) = λ f ( x, y).

53
5.2 Représentation matricielle

5.2 Représentation matricielle

Soient E un C-espace vectoriel de dimension finie = n, (e1 , e2 , ..., en ) une base de E et
f : E × E → C forme sesquilinéaire.
n n
Pour x = ∑ xi ei et y = ∑ y j e j .
i =1 j =1
n n
On aura f ( x, y) = f ( ∑ xi ei , ∑ y j e j ) = ∑ x i y j f ( ei , e j ).
i =1 j =1 1≤i.j≤ j

Théorème 29

A = ( f (ei , e j ))1≤i,j≤n s’appelle la matrice de f dans la base (e1 , e2 , ..., en ). A ∈

M n (C).

Remarque 28
   
x1 y1
x2 y2
   
   
   
n n  .   . 
Pour x = ∑ xi ei et y = ∑ y j e j , on pose X =  , Y =   et Y =
i =1 j =1

 . 


 . 

. .
   
   
xn yn
 
y1
y2
 
 
 

 . . Donc f ( x, y) =t XAY.


 . 

.
 
 
yn

5.3 Changement de base

Soient (e10 , e20 , ..., en0 ) une base de E, B = Mat( f , (e10 , e20 , ..., en0 )) et
P = Pass((e1 , e2 , ..., en ) à (e10 , e20 , ..., en0 )).
   0 
x1 x1
 0 
 x2   x2 
 
   
n n n n  .   . 
0 0 0 0
Donc x = ∑ xi ei = ∑ xi ei et y = ∑ y j e j = ∑ y j e j , on aura   .  = P  . .
  
i =1 i =1 j =1 j =1    
 .   . 
   

xn xn0

Algèbre bilinéaire 54 Pr Mustapha BOUALLALA

5.4 Formes hermitiennes

Donc X = PX 0 et Y = PY 0 , or f ( x, y) =t XAY =t X 0 BY 0 .
⇒t ( PX 0 ) A( PY 0 ) =t X 0 BY 0 .
⇒ (t X 0t P) APY 0 =t X 0 BY 0 où ( P = ( Pij )1≤i,j≤n ).
⇒t X 0 (t PAP)Y 0 =t X 0 BY 0 est vraie ∀ X 0 et ∀Y 0 .
D’où
B =t XAP.

5.4 Formes hermitiennes

Théorème 30

Soient E un C-espace vectoriel quelconque et f : E × E → C forme sesquilinéaire.

On dit que f est hermitienne si :

∀ x ∈ E, ∀y ∈ E, f ( x, y) = f ( x, y).

Remarque 29

1) Si f est hermitienne, alors ∀ x ∈ E, f ( x, x ) ∈ R.

En effet f ( x, x ) = f ( x, x ).
2) Si E est de dimension finie (e1 , e2 , ..., en ) une base de E, f : E × E → C sesquili-
néaire et A = Mat( f , (e1 , e2 , ..., en )). Alors

f est hermitienne ⇔t A = A.

Dans ce cas, on dit que A est une matrice hermitienne.

Théorème 31

Soient E un C-espace vectoriel quelconque, f : E × E → C une forme hermitienne.

On dit que f est non dégénérée, si l’application

Φ : E → E∗
y 7 → Φ ( y ),

où ∀ x ∈ E, Φ(y)( x ) = f ( x, y) est injective.

Algèbre bilinéaire 55 Pr Mustapha BOUALLALA

5.5 Orthogonalité

Remarque 30

1) f non dégénérée ⇔ (∀ x, f ( x, y) = 0 ⇒ y = 0).

2) Si E est de dimension finie, (e1 , e2 , ..., en ) une base de E, A =
Mat( f , (e1 , e2 , ..., en )).

f non dégénérée ⇔ det( A) 6= 0.

5.5 Orthogonalité

Théorème 32

Soient E un C-espace vectoriel quelconque et f : E × E → C forme hermitienne.

1) On dit que x et y sont orthogonaux si f ( x, y) = 0.
2) Si A est une partie de E, on définit l’orthogonal de A, qu’on note A⊥ , par :

A⊥ = {y ∈ E, ∀ x ∈ A, f ( x, y) = 0}.

y ∈ A⊥ ⇔ ∀ x ∈ A, f ( x, y) = 0.

Proposition 17

1) Toute partie A de E, A⊥ est un sous-espace vectoriel de E.

2) Pour toute partie A de E, A⊥ = (Vect( A))⊥ .
3) {0E }⊥ = E.
4) E⊥ = {0E } ⇔ f non dégénérée.
5) A ⊆ B ⇒ B⊥ ⊆ A⊥ .

Preuve 5.5.1 Exercice.

Théorème 22

Soient E un C-espace vectoriel de dimension finie, f : E × E → C forme hermi-

tienne non dégénérée, alors pour tout sous-espace vectoriel F de E, on a :
1) dimC ( E) = dimC ( F ) + dimC ( F ⊥ ).
2) F ⊥ = F.

Preuve 5.5.2 Voir le cas réel.

Algèbre bilinéaire 56 Pr Mustapha BOUALLALA

5.6 Isotrope

5.6 Isotrope

Théorème 33

Soient E un C-espace vectoriel quelconque et f : E × E → C hermitienne.

1) On dit que x ∈ E est isotrope, si f ( x, x ) = 0.
2) On dit qu’un sous-espace vectoriel F est isotrope, si F ∩ F ⊥ 6= {0E }.
3) On dit que F est totalement isotrope, si F ⊂ F ⊥ .

Théorème 23

Soient E un C-espace vectoriel quelconque et f : E × E → C hermitienne, F un

sous-espace vectoriel de E, alors

E = F ⊕ F ⊥ ⇒ F est non isotrope.

Preuve 5.6.1 Voir le cas réel.

5.7 Base orthogonale

Théorème 34

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

1) On dit (e1 , e2 , ..., en ) est une base orthogonale, si :

∀i, ∀ j, i 6= j ⇒ f (ei , e j ) = 0.

2) On dit que (e1 , e2 , ..., en ) est une base orthogonale, si :

(
1 si i = j
f (ei , e j ) = δij =
0 si i 6= j

Théorème 24

Soit E un C-espace vectoriel de dimension finie, alors toute forme hermitienne sur
E possède au moins une base orthogonale.

Preuve 5.7.1 Voir le cas réel.

Algèbre bilinéaire 57 Pr Mustapha BOUALLALA

5.8 Produit hermitien

Théorème 25 (d’inertie de Sylvestre)

Soient E un C-espace de dimension finie = n, f : E × E → C forme hermitienne

non dégénérée et (e1 , e2 , ..., en ) une base orthogonale de E.
p = nombre des i tel que : f (ei , ei ) > 0.
q = nombre des i tel que : f (ei , ei ) < 0.
Alors p + q = n et le couple ( p, q) ne dépend pas de la base orthogonale choisie, ce
couple ( p, q) s’appelle le signature de f .

Preuve 5.7.2 Voir le cas réel.

5.8 Produit hermitien

Théorème 35

Soient E un C-espace vectoriel h : E × E → C une forme hermitienne.

1) On dit que h est positive si : ∀ x ∈ E, h( x, x ) ≥ 0.
2) On dit que h est définie positive, si ∀ x ∈ E, h( x, x ) > 0.
3) On dit h est définie positive, si :
(
∀ x ∈ E, h( x, x ) ≥ 0
h( x, x ) = 0 ⇔ x = 0.

4) Un produit hermitien sur E est une forme hermitienne définie positive.

5) Un espace hermitien est un C-espace vectoriel muni d’un produit hermitien.

Notation : Soit H un espace hermitien, muni d’un produit hermitien h.

∀ x ∈ H, ∀y ∈ H, on pose h( x, y) =< x, y >, "On dit x scalaire y", ∀ x ∈ H. On pose k x k =
√
< x, x >.

Exemple 5.8.1 1 H = Cn ( n ≥ 1 )
Pour x = ( x1 , ..., xn ) et y = (y1 , y2 , ..., yn ).
n
O pose < x, y >= ∑ xi yi , alors < ., . > définit un produit hermitien sur H, c’est le produit
i =1
hermitien usuel de Cns
.
n
⇒ ∀ x ∈ Cn , k x k = ∑ | x i |2 .
i =1
2) H = `2 (C) = {( xn )n≥0 , ∀n, xn ∈ C et ∑∞
n =0 | x n | < ∞ } .
2
∞
( xn )n≥0 ∈ `2 (C) ⇔ {∀ x, xn ∈ C, et ∑ | xn |2 < ∞}.
n =0

Algèbre bilinéaire 58 Pr Mustapha BOUALLALA

5.9 Règle de calcul

∞
Pour x = ( xn )n≥0 et y = (yn )n≥0 . On pose < x, y >= ∑ xn yn .
n =0
1
| xn yn | = | xn |.|yn | ≤ (| xn |2 + |yn |2 ). Alors < ., . > définit un produit hermitien sur H.
2

5.9 Règle de calcul

Soit H un espace hermitien quelconque
1) ∀ x ∈ H, ∀y ∈ H, k x + yk2 = k x k2 + kyk2 + 2Re(< x, y >).
k x − yk2 = k x k2 + kyk2 − 2Re(< x, y >).
2) Pour tout sous-espace vectoriel F de H, on a : H = F ⊕ F ⊥ .
3) Si H est de dimension finie, alors H possède au moins une base orthonormale (e1 , e2 , ..., en ).
n
Dans ce cas, on a ∀ x ∈ H, x = ∑ < x, ei > ei .
i =1

5.10 Intégrale de Cauchy-Sylvester

Proposition 18

Soit H un espace hermitien quelconque, alors

∀ x ∈ H, ∀y ∈ H, | < x, y > | ≤ k x [Link].

Preuve 5.10.1 i) Si < x, y >= 0, c’est trivial.

ii) Supposons que < x, y >6= 0.
On a ∀λ ∈ C, < λx + y, λx + y >≥ 0.
⇒ ∀λ ∈ C, < λx, λx > + < λx, y > + < y, λx > + < y, y >≥ 0.
⇒ ∀λ ∈ C, k x k2 |λ|2 + λ < x, y > +λ < y, x > +kyk2 ≥ 0.
< x, y >
En particulier pour λ = α, où α est un nombre réel quelconque.
| < x, y > |
⇒ ∀α ∈ R, k x k2 |α|2 + | < x, y > |α + | < x, y > |α + kyk2 ≥ 0.
⇒ ∀α ∈ R, k x k2 |α|2 + 2| < x, y > |α + kyk2 ≥ 0.
0
⇒ ∆ = | < x, y > |2 − k x k2 kyk2 ≤ 0.

Corollaire 5

Soit H un espace hermitien quelconque, alors l’application

k . k : H → R+
√
x 7→ k x k = < x, x >, définit une norme sur H.

Algèbre bilinéaire 59 Pr Mustapha BOUALLALA

5.11 Endomorphisme adjoint

5.11 Endomorphisme adjoint

Proposition 19

Soit H un espace hermitien quelconque, alors pour tout endomorphisme u de H, il

existe un unique endomorphisme v de H, tel que :

∀ x ∈ H, ∀y ∈ H, < u( x ), y >=< x, v(y) > .

Dans ce cas, v s’appelle l’endomorphisme adjoint de u et se note u∗ est caractérisé

par :
∀ x ∈ H, ∀y ∈ H, < u( x ), y >=< x, u∗ (y) > .

Preuve 5.11.1 Même que dans le cas d’espace euclidien.

Proposition 20

Soient H un espace hermitien, u et v deux endomorphismes de H, alors on a :

1) (u + v)∗ = u∗ + v∗ .
2) ∀λ ∈ C, (λu)∗ = λu∗ .
3) (v ◦ u)∗ = u∗ ◦ v∗ .
4) u∗∗ = (u∗ )∗ = u.

Preuve 5.11.2 Voir le cas réel.

Proposition 21

Soient H un espace hermitien de dimension finie, (e1 , e2 , ..., en ) une base orthonor-
male de H, u ∈ L( H ) et A = ( aij )1≤i,j≤n la matrice de u dans la base (e1 , e2 , ..., en ).
i) ∀i, j, aij =< u(e j ), ei >.
ii) Mat(u∗ , (e1 , e2 , ..., en )) =t A, où A = ( aij )1≤i,j≤n .

Preuve 5.11.3 i) Voir le cas réel.

ii) Soit ( Bij )1≤i,j≤n = Mat(u∗ , (e1 , e2 , ..., en )).
D’après i), ∀i, ∀ j, bij =< u∗ , ei >=< e j , u(ei ) >= < u(ei ), e j > = aij . D’où B =t A.

Algèbre bilinéaire 60 Pr Mustapha BOUALLALA

5.12 Endomorphisme autoadjoint

5.12 Endomorphisme autoadjoint

Théorème 36

Soit H un espace hermitien. On dit que u ∈ L( E) est un endomorphisme autoad-

joint (ou self-adjoint ou hermitien) si u∗ = u.

Remarque 31

1) u∗ = u ⇔ ∀ x ∈ H, < u( x ), x >∈ R.
⇒)u∗ = u ⇒ ∀ x ∈ H, < u( x ), x >=< x, u( x ) >= < u( x ), x > ⇒< u( x ), x >∈
R.
⇐) Exercice.
2) Si dim( H ) < ∞, soit (e1 , e2 , ..., en ) une base orthonormale de H, A =
Mat(u, (e1 , e2 , ..., en )), alors u∗ = u ⇔t A = A ⇔t A = A.

Exemple 5.12.1 1) dim( H ) = 2. !

a c
Soit (e1 , e2 ) une base orthonormale de H, A = Mat(u, (e1 , e2 )) = .
b d
! !
a b a c
u∗ = u ⇔t A = A ⇔ = .
c d b d
2) dim( H ) = 3.  
a b c
Dans ce cas une matrice autoadjointe A s’écrit sous la forme A = b d e  , a, d, f ∈ R,
 

c e f
 
1 i 0
comme exemple A = −i 2 −i 
 

0 i 0
3) Pour tout u ∈ L( H ), on a :
u + u∗ u − u∗
v1 = est autoadjoint et v2 = est autoadjoint. Donc u = v1 + iv2 .
2 2i

Théorème 26

Soient H un espace hermitien de dimension finie, u ∈ L( H ) un endomorphisme

autoadjoint, alors
1) Toute les valeurs propres de u sont réelles.
2) Il existe une base orthonormale formée de vecteurs propres de u.

Algèbre bilinéaire 61 Pr Mustapha BOUALLALA

5.13 Endomorphisme unitaire

Preuve 5.12.1 1) Soit λ ∈ C une valeur propre de u ⇒ ∃ x 6= 0 tel que u( x ) = λx.

⇒< u( x ), x >=< λx, x >= λk x k2 .
On aura < u( x ), x >=< x, u( x ) >= λk x k2 ⇒ λk x k2 = λk x k2 .
x 6= 0, donc k x k 6= 0 et par suite λ = λ.
2) On procède par récurrence sur n = dim( H ).
Même démonstration que le cas des endomorphismes symétriques.

5.13 Endomorphisme unitaire

Théorème 37

Soit H un espace hermitien quelconque.

On dit que u ∈ L( E) est unitaire, si : ∀ x ∈ H, ku( x )k = k x k.

Proposition 22

u ∈ L( E) est unitaire, si :

∀ x ∈ H, ∀y ∈ H, < u( x ), u(y) >=< x, y > .

Preuve 5.13.1 ⇐) Trivial.

⇒)Supposons que u est unitaire, donc par définition, ∀ x ∈ H, ku( x )k = k x k.
On a k x + yk2 = k x k2 + kyk2 + 2Re(< x, y) et k x − yk2 = k x k2 + kyk2 − 2Re(< x, y).
⇒ 4Re(< x, y) = k x + yk2 − k x − yk2 .
On aussi k x − iyk2 = k x k2 + kyk2 − 2Re(< x, iy >) avec Re(< x, iy >) = Re(−i < x, y >) =
− Re(i < x, y >) = −(− Im(< x, y >)) = Im(< x, y >).
⇒ k x − iyk2 = k x k2 + kyk2 − 2Im(< x, y >).
On a k x + iyk2 = k x k2 + kyk2 + 2Re(< x, y >) = k x k2 + kyk2 + 2Im(< x, y >).
Donc 4Im(< x, y >) = k x + iyk2 − k x − iyk2 .
⇒< x, y >= Re(< x, y >) + iIm(< x, y >).
1
k x + yk2 − k x − yk2 + i k x + iyk2 − i k x − iyk2 .


Alors < x, y >=
4
D’où
1 2 2 2 2

< u( x ), u(y) >= ku( x + y)k − ku( x − y)k + i ku( x + iy)k − i ku( x − iy)k =< x, y >
4
.
Proposition 23

u ∈ L( E) est unitaire si et seulement si u∗ u = Id H .

Algèbre bilinéaire 62 Pr Mustapha BOUALLALA

5.14 Endomorphisme normaux

Preuve 5.13.2 ⇒), ∀ x, ∀y, < u( x ), u(y) >=< x, y >.

⇒ ∀ x, ∀y, < u∗ (u( x )), y >=< x, y >.
⇒ ∀ x, ∀y, < (u∗ u − Id H )( x ), y >= 0.
⇒ ∀ x ∈ H, (u∗ u − Id H )( x ) = 0 ⇒ u∗ u − Id H = 0.
⇐) Exercice.

Remarque 32

On suppose que H est de dimension finie et soit (e1 , e2 , ..., en ) une base orthonor-
male de H, u ∈ L( E) et A = Mat(u, (e1 , e2 , ..., en )). Alors
u est unitaire si et seulement si t AA = I ou t AA = I.

Théorème 38

A ∈ Mn (C) telle que t AA = I, alors A est une matrice unitaire.

Théorème 27

Soient H un espace hermitien de dimension finie = n et u ∈ L( H ) un endomor-

phisme unitaire, alors :
1) Toute valeur propre de u est de module 1.
2) Il existe une base orthonormale de H formée de vecteurs
 propres de u et  dans la
e iα 1 0 . . . 0
 iα
 0 e 2 0 . . 0 

 
 . . . . . . 
 
quelle la matrice de u s’écrit sous la forme A =  . . . . . .  avec
 
 
 . . . . . . 
 
 . . . . . 0 
 
0 . . . 0 e iα n

α p ∈ R, ∀ p = 1, ..., n.

Preuve 5.13.3 Exercice.

5.14 Endomorphisme normaux

Théorème 39

Soit H un espace hermitien quelconque.

On dit que u ∈ L( H ) est normal si u∗ ◦ u = u ◦ u∗

Algèbre bilinéaire 63 Pr Mustapha BOUALLALA

5.15 Projection orthogonales

Exemple 5.14.1 1 Tout endomorphisme autoadjoint est normal.

2 Tout endomorphisme unitaire normal.

Théorème 28

Soit H un espace hermitien de dimension finie = n.

Alors tout endomorphisme normal u de H, possède au moins une base orthonor-
male formée de vecteurs propres de u.

Preuve 5.14.1 Exercice.

5.15 Projection orthogonales

E désigne un espace euclidien ou hermitien.

Théorème 40

Soit F un sous-espace vectoriel de E. On appelle projection orthogonale sur F, l’en-

domorphisme de E définie par :

pF : E = F ⊕ F⊥ → F
x F + x F⊥ 7→ x F ,

Proposition 24

Soient F un sous-espace vectoriel de E et p F une projection orthogonale sur F. On

a:
1) p F ◦ p F = p F .
2) Im( p F ) = F.
3) p F⊥ = Id E − p F .

Preuve 5.15.1 Exercice.

Théorème 29

Soit β F = (e1 , e2 , ..., e p ) une base orthonormale de F. Alors

p
∀ x ∈ E, p F ( x ) = ∑ < ek , x > ek .
k =1

Algèbre bilinéaire 64 Pr Mustapha BOUALLALA

5.15 Projection orthogonales

Preuve 5.15.2 Soit β = (e1 , e2 , ..., e p , ..., en ) une base orthonormale de E qui complète β F (Gram-
Schmidt).
n p n
Soit x ∈ E, x = ∑ < ek , x > ek = ∑ < ek , x > ek + ∑ < ek , x > ek .
k =1 k =1 k = P +1
p
⇒ p F ( x ) = ∑ < ek , x > ek .
k =1

Exemple 5.15.1 1) Projection orthogonale sur une droite :

Soit D = Vect( a), a 6= 0, a ∈ E.
< a, x > a
∀ x ∈ E, p D ( x ) = .
k a k2
2) Projection sur un hyperplan :
Soit H = (Vect( a))⊥ , a 6= 0, a ∈ E.
< a, x >
∀ x ∈ E, p H ( x ) = x − a.
k a k2
En effet p H = p(Vect(a))⊥ = Id E − pVect(a) .

Théorème 41

On appelle distance de x à un sous-espace vectoriel F de E, le réel

d( x, F ) = inf (k x − yk).
y∈ F

Proposition 25

Soient F un sous-espace vectoriel de E et x ∈ F, on a :

La projection orthogonale p F ( x ) est l’unique point de F tel que :

d( x, F ) = k x − p F ( x )k = inf k x − yk.
y∈ F

Preuve 5.15.3 Existence : Il suffit de montrer que ∀y ∈ F, k x − p F ( x )k ≤ k x − yk ?

Soit y ∈ F, alors on a x − y = p f ( x ) − y + x − p F ( x ).
Puisque < p F ( x ) − y, x − p F ( x ) >= 0.
⇒ k x − yk2 = k p F ( x ) − yk2 + k x − p F ( x )k2 ⇒ k x − p F ( x )k2 ≤ k x − yk2 .
⇒ k x − p F ( x )k ≤ inf k x − yk. Or ∀y ∈ F, d( x, F ) ≤ k x − yk.
y∈ F
En particulier pour y = p F ( x ), on a d( x, F ) ≤ k x − p F ( x )k.
Unicité :
Soit y0 ∈ F tel que d( x, F ) = k x − y0 k, a-t-on y0 = p F ( x ) ?
⇒ k x − p F ( x )k = k x − y0 k = d( x, F ) ⇒ k x − p F ( x )k2 = k x − y0 k2 .
⇒ k x − p F ( x )k2 = k x − p F ( x ) + p F ( x ) − y0 k2 = k x − p F ( x )k2 + k p F ( x ) − y0 k2 .
⇒ k x − p F ( x )k = 0 ⇒ y0 = p F ( x ).

Algèbre bilinéaire 65 Pr Mustapha BOUALLALA

 Bibliographie

[1] Jean-François Havet, Algèbre bilinéaire et géométrie euclidienne, Université d’Orléans,

Département de Mathématiques, BP 6759, 45067 Orléans Cedex 2, France, Janvier
2013.
[2] Jean-Marie ARNAUDIES and Henri FRAYSSE, Algèbre bilinéaire et géométrie, BOR-
DAS, Paris, 1990.
[3] Mohamed HOUIMDI, Algèbre bilinéaire, Université Cadi Ayyad, Faculté des Scieces-
Semlalia, Département de Mathématiques.

66
BIBLIOGRAPHIE

Algèbre bilinéaire 67 Pr Mustapha BOUALLALA