Licence de mathématiques

Mohamed Aqalmoun

Espaces préhilbertiens réels et complexes

Cours d’algèbre 5

Module M 22

ENS-FES
  é<Ë@ Õæ„.
 áÔ gQË@
Õæk QË@

  
ÑJʪË@ I K @ ½K@ AJJÒÊ« AÓ B @ AJË ÕΫ B ½KAjJ.ƒ @ñËA¯
ÑJºmÌ '@

 B@ èQ®J Ë@ èPñƒ
32 éK .

 ½Ë A‚ AK@ ÑêÊË@

 ð Z@ X É¿ áÓ ZA®ƒ ð Aª ƒA g AJʯ ð Aª ¯AK AÒÊ«
Õ®ƒ .

II
Copyright © 2023 Mohamed Aqalmoun

All rights reserved. No part of this publication may be reproduced or transmitted

in any form or by any means, electronic or mechanical, including photocopying and
recording, or by any information storage or retrieval system, without the prior written
permission of the publisher.

Art. No
ISBN. No
Edition 1

Cover design by M. Aqalmoun

Published by. No
Printed in. No
IV
Table des matières

1 Formes linéaires 5
1.1 Formes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Hyperplans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3 Lien entre formes linéaires et hyperplans . . . . . . . . . . . . . . . . . . . 7
1.4 La base duale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5 Base antéduale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.6 Le bidual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

2 Formes quadratiques 19
2.1 Formes bilinéaires symétriques et formes quadratiques . . . . . . . . . . 19
2.2 Forme positive et forme définie positive . . . . . . . . . . . . . . . . . . . . 22
2.3 Matrice d’une forme bilinéaire . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.4.1 Vecteurs et sous espaces orthogonaux . . . . . . . . . . . . . . . . . 26
2.4.2 Vecteurs isotropes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.4.3 Rang et noyau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5 Réduction des formes quadratiques . . . . . . . . . . . . . . . . . . . . . . . 30
2.5.1 Base orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.5.2 Réduction de Gauss des formes quadratiques . . . . . . . . . . . . 32
2.5.3 Signature d’une forme quadratique . . . . . . . . . . . . . . . . . . . 34
2.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

3 Espaces euclidiens 51
3.1 Produit scalaire sur un espace vectoriel . . . . . . . . . . . . . . . . . . . . 51
3.1.1 Définition et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . 51
3.1.2 Norme associée à un produit scalaire . . . . . . . . . . . . . . . . . 52
3.2 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
3.2.1 Vecteurs et sous espaces orthogonaux . . . . . . . . . . . . . . . . . 53
3.2.2 Existence de base orthonormale . . . . . . . . . . . . . . . . . . . . . 55
3.2.3 Procédé d’orthonormalisation de Gram-Schmidt . . . . . . . . . . . 57
3.3 Projecteurs orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
3.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

V
 TABLE DES MATIÈRES

4 Endomorphismes dans les espaces euclidiens 69

4.1 Adjoint d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.2 Endomorphismes symétriques . . . . . . . . . . . . . . . . . . . . . . . . . . 71
4.3 Endomorphismes orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . 73
4.4 Matrices orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
4.5 Réflexion et retournement . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78

5 Espaces Hermitiens 83
5.1 Formes Hermitiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
5.2 Représentation matricielle des formes sesquilinéaires . . . . . . . . . . . 86
5.3 Formes quadratiques Hermitiennes . . . . . . . . . . . . . . . . . . . . . . . 88
5.4 Espace préhilbertien complexe . . . . . . . . . . . . . . . . . . . . . . . . . . 88
5.5 Projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

6 Endomorphismes dans les espaces Hermitiens 97

6.1 Adjoint d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.2 Endomorphisme Hermitien . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
6.3 Endomorphisme unitaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102
6.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

VI
Avant-propos

Cet ouvrage est le fruit de mes enseignements dans les classes préparatoires aux
grandes écoles ainsi qu’à l’École Normale Supérieure de Fès.
Il propose aux étudiants de la licence de mathématiques un cours d’algèbre bili-
néaire ainsi que des exercices sur chaque chapitre. Il s’adresse également aux élèves
des classes préparatoires aux grandes écoles filières scientifiques.
Cet ouvrage expose de manière détaillée les notions fondamentales de dualité, formes
quadratiques et espaces préhilbertiens réels et complexes. Pour permettre à un étu-
diant de travailler éventuellement seul, les démonstrations ont été volontairement
très détaillées. A la fin de chaque chapitre, de nombreux exercices doivent permettre
le contrôle des connaissances acquises.
Le premier chapitre traite les notions de formes linéaires et le lien avec les hyper-
plans, ainsi que les notions de bases duales et antéduales. Le deuxième chapitre est un
exposé sur les formes bilinéaires et les formes quadratiques, plus précisément il traite
les notions et les problèmes d’orthogonalité relativement à une forme quadratique. Le
troisième chapitre consacré à l’étude des espaces préhilbertiens dans le cas réel. Les
endomorphismes remarquables dans les espaces euclidiens font l’objet du quatrième
chapitre. Le chapitre 5 est la version complexe du chapitre 3, plus précisément, il
traite les espaces préhilbertiens complexes. Le dernier chapitre un exposé sur les les
endomorphismes orthogonaux en dimension 2 et 3.
J’espère que cet ouvrage permettra aux étudiants d’aborder l’algèbre bilinéaire avec
une base solide.

Mohamed AQALMOUN

1
 TABLE DES MATIÈRES

2
Notations

N Ensemble des entiers naturels

Z Ensemble des entiers relatifs
R Le corps des nombres réels
C Le corps des nombres complexes
K Corps commutatif
K[ X ] Espace des polynômes à coefficients dans K
Kn [ X ] Espace des polynômes à coefficients dans K de degré infé-
rieur ou égal à n
Mn,p (K) Espace des matrices à n lignes et p colonnes et à coeffi-
cients dans K
M n ( K) Espace des matrices carrées d’ordre n à coefficients dans
le corps K
L (E ) Espace des endomorphismes de E
Gln (K) Groupe linéaire des matrices carrées inversibles d’ordre n
Gl(E ) Groupe linéaire des endomorphismes inversibles de E
Im A L’image de la matrice A
Im u L’image de l’application u
ker A Le noyau de la matrice A
Im u Le noyau de l’application u
rg A Le rang de la matrice A
rg u Le rang de l’application u
tr( A ) La trace de la matrice A
tr( u) La trace de l’endomorphisme u
t
A Transposée de A
det( A ) Déterminant de la matrice A
det( u) Déterminant de l’endomorphisme u
χA Le polynôme caractéristique de la matrice A
χu Le polynôme caractéristique de l’endomorphisme u
Sp( A ) Le spectre de la matrice A ( ensemble des valeurs propres
de A )
Sp( u) Le spectre de l’endomorphisme u ( ensemble des valeurs
propres de u)
Eλ( A) Le sous espace propre associé à la valeur propre λ
E λ ( u) Le sous espace propre associé à la valeur propre λ
E /H L’espace vectoriel quotient de E par le sous espace vecto-
riel H

3
 TABLE DES MATIÈRES

Vect(v1 , . . . , vm ) Le sous espace vectoriel engendré par les vecteurs

v1 , . . . , v m
B ′
PB La matrice de passage de B à B ′
δi j Le symbole de Kronecker valent 1 si i = j et 0 sinon
C ( I, K) Espace vectoriel des fonctions continues de I et valeurs
dans K
C 2π (R, K) Espace vectoriel des fonctions continues 2π-periodique de
R et valeurs dans K
z Le conjugué du nombre complexe z
MB ( u) La matrice de l’endomorphisme u dans la base B
〈., .〉 Produit scalaire
E∗ L’espace dual de l’espace E
B∗ La base duale de la base B
F⊥ L’orthogonal de F
uF L’endomorphisme induit par u sur F

4
Chapitre 1

Formes linéaires

1.1 Formes linéaires

Définition 1.1.

Soit E un K-espace vectoriel. Une forme linéaire sur E est une application
linéaire de E dans K c’est-à-dire un élément de L (E, K). L’espace vectoriel
des formes linéaires sur E est appelé l’espace vectoriel dual de E et se note
E ∗ . Ainsi E ∗ = L (E, K).

Exemples :
Z 1
1. L’application f 7→ f ( t) dt est une forme linéaire sur l’espace vectoriel C ([0, 1], R).
0
2. L’application A 7→ tr( A ) est une forme linéaire sur l’espace vectoriel Mn (K).
3. L’application ( x, y, z) 7→ 2 x + y − z est une forme linéaire sur l’espace vectoriel R3 .

Remarque : Soit ϕ une forme linéaire non nulle sur un espace vectoriel E . Alors ϕ
est surjective. En effet, Im ϕ est un sous espace vectoriel non nul de K, donc dim Im ϕ ≥
1. D’autre part Im ϕ est un sous espace vectoriel de K, en particulier dim Im ϕ ≤ 1. Par
conséquent dim Im ϕ = 1. On en déduit que Im ϕ = K c’est-à-dire ϕ surjective.
Conclusion : Toute forme linéaire non nulle est surjective.

Proposition 1.2.

Soit E un K-espace vectoriel de dimension finie. Alors l’espace dual E ∗ est de

dimension finie et dim E ∗ = dim E .

Démonstration : Comme E et K sont des espaces vectoriels de dimensions finies,

l’espace vectoriel L (E, K) = E ∗ est de dimension finie et on a,

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

5
 1.2 Hyperplans

1.2 Hyperplans

Définition 2.3. (Hyperplan)

Soit E un K-espace vectoriel. Un sous espace vectoriel H de E est dit hyper-

plan de E , s’il existe un vecteur non nul e de E tel que E = H ⊕ Vect( e).

Remarque : Lorsque e ∈ E est non nul, le sous espace vectoriel Vect( e) est une droite
vectorielle. Ainsi un sous espace vectoriel H de E est un hyperplan de E , si H est un
supplémentaire d’une droite vectorielle dans E .

Exemple : Soit n un entier supérieur ou égale à 1 et H := { A ∈ Mn (K) / tr( A ) = 0}.

On rappelle que la trace d’une matrice carrée A est la somme de ses coefficients de la
diagonale. On a tr( I n ) = n ̸= 0 donc I n ̸∈ H , par conséquent H ∩ Vect( I n ) = {0}, donc la
somme H + Vect( I n ) est directe. Soit A ∈ Mn (K), on a

A = ( A − n1 tr( A ) I n ) + n1 tr( A ) I n

Remarquons que tr( A − n1 tr( A ) I n ) = 0 et n1 tr( A ) I n ∈ Vect( I n ), donc A ∈ H + Vect( I n ). On

en déduit alors que
Mn (K) = H ⊕ Vect( I n )
Ainsi H est un hyperplan de Mn (K).

Proposition 2.4.

Soit E un K-espace vectoriel et H un sous espace vectoriel de E . Alors H est

un hyperplan de E si, et seulement si, dim(E / H ) = 1.

Démonstration : Si H est un hyperplan de E , alors il existe un vecteur non nul e de

E tel que E = H ⊕ Vect( e). Soit maintenant f la projection sur Vect( e) et parallèlement
à H , on a ker f = H et Im f = Vect( e), par le théorème d’isomorphisme, E / ker f est
isomorphe à Im f = Vect( e), en particulier dim E / H = dim Vect( e) = 1.
Réciproquement, supposons que dim E / H = 1. Il existe un vecteur non nul e ∈ E / H
tel que E / H = Vect( e). Puisque e ̸∈ H car e ̸= 0, H ∩ Vect( e) = {0}. Soit x ∈ E , il existe
α ∈ K tel que x = α e, ou encore h = x − α e ∈ H . Par suite x = h + α e. On en déduit que
E = H ⊕ Vect( e), ainsi H est un hyperplan de E .

Proposition 2.5.

Soit E un K-espace vectoriel et H un hyperplan de E .

1. Si F est un sous espace vectoriel de E tel que H ⊆ F alors F = H ou
F = E.
2. Pour tout e ∈ E \ H , H ⊕ Vect( e) = E .

Démonstration :

6
C HAPITRE 1 : Formes linéaires

1. Soit F un sous espace vectoriel de E contenant H . Puisque F / H est un sous

espace vectoriel de E / H et dim E / H = 1, il est donc de dimension 0 ou 1, c’est-à-
dire F / H = {0} et dans ce cas F = H ou F / H = E / H et dans ce cas F = E .
2. Soit e ∈ E \ H . Puisque e ̸∈ H , la somme H + Vect( e) est directe. De plus H ⊕ Vect( e)
est un sous espace vectoriel de E contenant H . D’après le résultat précédent,
H ⊕ Vect( e) = H ou H ⊕ Vect( e) = E . De e ∈ H ⊕ Vect( e) et e ̸∈ H , il vient que E =
H ⊕ Vect( e).
La proposition suivante caractérise les hyperplans en dimension finie :

Proposition 2.6.

Soit E un K-espace vectoriel de dimension finie n ≥ 1 et H un sous espace

vectoriel de E . Alors H est un hyperplan de E si, et seulement si, dim H =
n − 1.

Démonstration : On sait que dim E / H = dim E − dim H . Donc H est un hyperplan de

E si, et seulement si, dim(E / H ) = n − dim H = 1 si, et seulement si, dim H = n − 1.

1.3 Lien entre formes linéaires et hyperplans

Dans cette section nous allons établir une relations entre les formes linéaires et les
hyperplans.

Proposition 3.7.

Soit E un K-espace vectoriel et ϕ une forme linéaire non nulle sur E . Alors
ker ϕ est un hyperplan de E .

Démonstration : Comme ϕ est une forme linéaire non nulle, elle est surjective (voir
la première remarque), et donc Im ϕ = K. Par le théorème d’isomorphisme E / ker ϕ est
isomorphe à Im ϕ = K. Il vient alors que

dim E / ker ϕ = dim Im ϕ = dim K = 1

D’où ker ϕ est un hyperplan de E .

Le théorème suivant donne le lien entre les hyperplans et les formes linéaires :

Théorème 3.8.

Soit E un K-espace vectoriel et H un sous espace vectoriel de E . Les propriétés

suivantes sont équivalentes :
1. H est un hyperplan de E ,
2. Il existe une forme linéaire non nulle ϕ de E telle que H = ker ϕ.

Démonstration : L’implication 2. ⇒ 1. est le résultat de la proposition précédente.

Supposons que H est un hyperplan, et soit e ∈ E non nul tel que E = H ⊕ Vect( e). Pour

7
 1.4 La base duale

x ∈ E , il existe un unique couple ( h x , α x ) ∈ H × K tel que x = h x + α x e. Soit ϕ : E → K

l’application définie par ϕ( x) = α x . Clairement ϕ est une forme linéaire sur E et ker ϕ =
H , en effet ; soient x, y ∈ E et λ ∈ K, alors x = h x + α x e et y = h y + α y e où h x , h y ∈ H et
α x , α y ∈ K. On a donc

ϕ( x + λ y) = ϕ( h x + λ h y + (α x + λα y ) e) = α x + λα y = ϕ( x) + λϕ( y)

De plus, comme e = 0 + 1 e, on a donc ϕ( e) = 1 ̸= 0. On en déduit que ϕ est une forme

linéaire non nulle sur E .
Soit x ∈ E , on a donc x = h x + ϕ( x) e. Donc ϕ( x) = 0 si, et seulement si, x = h x ∈ H . D’où
ker ϕ = H .

1.4 La base duale

Théorème 4.9.

Soit E un K-espace vectoriel de dimension n ≥ 1 et B = ( e 1 , . . . , e n ) une base de

E . Pour 1 ≤ i ≤ n, il existe une unique forme linéaire sur E notée e∗i vérifiant :
½
0 si j ̸= i,
Pour tout 1 ≤ j ≤ n , e∗i ( e j ) =
1 si j = i.

Démonstration : Une application linéaire est uniquement déterminée par la donnée

de l’image d’une base.

n
X
Remarque : Pour x = xk e k ∈ E , on a
k=1
n n
e∗i ( x) = xk e∗i ( e k ) = x i e∗i ( e i ) + xk e∗i ( e k ) = x i
X X
k=1 k=1,k̸= i
| {z }
=0

Ainsi, e∗i ( x) est la i ème composante de x dans la base ( e 1 , . . . , e n ).

Proposition 4.10.

Soit E un K-espace vectoriel de dimension n ≥ 1 et B = ( e 1 , . . . , e n ) une base

de E . La famille B ∗ := ( e∗1 , . . . , e∗n ) est une base de E ∗ , appelée base duale de
B.

Démonstration : On sait que dim E ∗ = n, il suffit donc de montrer que c’est une
n
famille libre. Soit λ1 , . . . , λn ∈ K tels que λk e∗k = 0. Pour 1 ≤ i ≤ n, on a
X
k=1
à !
n n n
λk e∗k ( e i ) = λk e∗k ( e i ) = λ i e∗i ( e i ) + λk e∗k ( e i ) = λ i
X X X
k=1 k=1 k=1,k̸= i

Par suite λ i = 0.

8
C HAPITRE 1 : Formes linéaires

Proposition 4.11.

Soit E un K-espace vectoriel de dimension n ≥ 1 et B = ( e 1 , . . . , e n ) une base

de E .
n
e∗k ( x) e k
X
Pour tout x ∈ E, x =
k=1
n
Pour tout ϕ ∈ E ∗ , ϕ = ϕ( e k ) e∗k
X
k=1

n
X
Démonstration : Soit x = xk e k ∈ E , il suffit de remarquer que xk = e∗k ( x), donc
k=1
n
e∗k ( x) e k .
X
x=
k=1
n
e∗k ( x) e k , donc
X
Soit x ∈ E , on a x =
k=1

à !
n n n
e∗k ( x)ϕ( e k ) = ϕ( e k ) e∗k ( x) = ϕ( e k ) e∗k
X X X
ϕ( x) = ( x)
k=1 k=1 k=1

n
ϕ( e k ) e∗k .
X
D’où ϕ =
k=1

Corollaire 4.12.

Soit E un K-espace vectoriel de dimension n ≥ 1 et F un sous espace vectoriel

de E de dimension d . Alors F est intersection de n − d hyperplans de E .

Démonstration : Soit ( e 1 , . . . , e d , e d +1 , . . . , e n ) une base de E adaptée à F i.e ( e 1 , . . . , e d )

soit une base de F . Montrons que F = ∩ni=d +1 ker e∗i . Soit x ∈ ∩ni=d +1 ker e∗i c’est-à-dire
n d n
e∗i ( x) e i = e∗i ( x) e i + e∗i ( x) e i ,
X X X
e∗i ( x) = 0 pour tout d + 1 ≤ i ≤ n. On sait que x =
i =1 i =1 i = d +1
d d n
e∗i ( x) e i ∈ F . Réciproquement, soit x ∈ F . Puisque x = e∗i ( x) e i + e∗i ( x) e i ∈
X X X
donc x =
i =1 i =1 i = d +1
n
e∗i ( x) e i = 0, donc e∗d +1 ( x) = . . . = e∗n ( x) = 0, par conséquent x ∈
X
F , il vient que
i = d +1
∩ni=d +1 ker e∗i . Le sous espace vectoriel F = ∩ni=d +1 ker e∗i est donc intersection de n − d
hyperplans.

Théorème 4.13.

Soit E un K-espace vectoriel de dimension n ≥ 1, B , B ′ deux bases de E et

B′
P = PB . Alors
B ′∗
t −1 B
PB ∗ = P = t PB ′

9
 1.5 Base antéduale

Démonstration : Posons B = ( e 1 , . . . , e n ), B ′ = (ε1 , . . . , εn ) et notons a i j les coefficients

B
de la matrice Q := P −1 = PB ′ c’est-à-dire Q = ( a i j ) de sorte que

n
X
ej = a i j εi
i =1
à !
n n n
ε∗j ( e i ) e∗i , a ki ε∗j (εk ) = a ji , ainsi
X X X
On a ε∗j = mais ε∗j ( e i ) = ε∗j a ki εk =
i =1 k=1 k=1

n
ε∗j = a ji e∗i
X
i =1

B t ′∗
t −1
Par conséquent PB ∗ = ( a ji ) = Q = P .

1.5 Base antéduale

Proposition 5.14.

Soit E un K-espace vectoriel de dimension n ≥ 1, (ϕ1 , . . . , ϕn ) une base de E ∗

et x ∈ E . Si pour tout 1 ≤ i ≤ n, ϕ i ( x) = 0, alors x = 0.

Démonstration : Soit B = ( e 1 , . . . , e n ) une base de E . Chaque e∗j est une combinaison

linéaire des formes linéaires ϕ i où 1 ≤ i ≤ n. Autrement dit ils existent des scalaires
n n
a i j ∈ K tels que e∗j =
X X
a i j ϕ i , en particulier e∗j ( x) = a i j ϕ i ( x) = 0. On en déduit que
i =1 i =1
n
e∗j ( x) e j
X
x= = 0.
j =1

Théorème 5.15.

Soit E un K-espace vectoriel de dimension n et (ϕ1 , . . . , ϕn ) une base de E ∗ .

Il existe une unique base B = ( e 1 , . . . , e n ) de E telle que (ϕ1 , . . . , ϕn ) soit la
base duale de B c’est-à-dire e∗i = ϕ i . Cette base s’appelle la base antéduale
ou préduale de la base (ϕ1 , . . . , ϕn ).

Démonstration : Existence : On considère l’application f : E → Kn définie par

f ( x) = (ϕ1 ( x), . . . , ϕn ( x))

Par linéarité des applications ϕ i , l’application f est linéaire. Si x ∈ ker f alors

ϕ1 ( x) = . . . = ϕn ( x) = 0

D’après le résultat précédent x = 0. L’application f est donc injective. Comme dim E =

dim Kn , l’application f est un isomorphisme d’espaces vectoriels. Soit maintenant (ε1 , . . . , εn )
la base canonique de Kn . Pour 1 ≤ i ≤ n, on pose e i = f −1 (ε i ), de sorte que f ( e i ) =

10
C HAPITRE 1 : Formes linéaires

ε i . Puisque f est un isomorphisme, la famille ( e 1 , . . . , e n ) forme une base de E , car

c’est l’image de la base canonique de Kn par f −1 qui est aussi un isomorphisme. Par
construction pour tout 1 ≤ j ≤ n, on a

ε j = f ( e j ) = (ϕ1 ( e j ), . . . , ϕn ( e j ))

Par identification des composantes, on a ϕ i ( e j ) = δ i j = e∗i ( e j ). Ainsi ϕ i = e∗i .

Unicité : Supposons qu’il existe une autre base B ′ = ( e′1 , . . . , e′n ) telle que pour tout
i = ϕ i , autrement dit ϕ i ( e j ) = δ i j . Pour 1 ≤ i ≤ n, on a
1 ≤ i ≤ n, e′∗ ′

f ( e′i ) = (ϕ1 ( e′i ), . . . , ϕn ( e′i )) = (ϕ1 ( e i ), . . . , ϕn ( e i )) = f ( e i )

De l’injectivité de f il vient que e′i = e i .

Exemple : Soit E = R3 et ϕ1 , ϕ2 , ϕ3 les formes linéaires sur E définies par ;

ϕ1 ( x, y, z) = x + y , ϕ2 ( x, y, z) = x + z et ϕ3 ( x, y, z) = y + z

La famille (ϕ1 , ϕ2 , ϕ3 ) est une base de E ∗ . Nous allons déterminer la base antéduale
B = (ε1 , ε2 , ε3 ) : Si on pose ε1 = (a, b, c) alors 1 = ϕ1 (ε1 ) = a + b, 0 = ϕ2 (ε1 ) = a + c et
0 = ϕ3 (ε1 ) = b + c. Donc a = b = 21 et c = − 12 ou encore ε1 = ( 21 , 12 , − 12 ). De même, si on
pose ε2 = (a, b, c) alors 0 = ϕ1 (ε2 ) = a + b, 1 = ϕ2 (ε2 ) = a + c et 0 = ϕ3 (ε2 ) = b + c et on
obtient ε2 = ( 21 , − 12 , 12 ). D’une manière analogue on a ε3 = (− 12 , 12 , 12 ).

Remarque : Soit E un espace vectoriel de dimension n ≥ 1 et (ϕ1 , . . . , ϕn ) une base de

E ∗ . Soit B = ( e 1 , . . . , e n ) une base quelconque de E et B ′ = (ε1 , . . . , εn ) la base antéduale
B′
de (ϕ1 , . . . , ϕn ) et on note A = MB (B ′ ) = PB la matrice de passage de la base B à la
base B . La connaissance de la matrice A permet de déterminer la base antéduale B ′ .
′

On a ¡ ¢−1 B ′∗
A = tB où B = PB ′∗
∗ = MB ∗ (B ) = MB ∗ (ϕ1 , . . . , ϕ n )

En pratique la détermination de la base antéduale B ′ revient à inverser la matrice t B.

1.6 Le bidual
Définition 6.16.

Soit E un K-espace vectoriel. Le bidual de E noté E ∗∗ est le dual de E ∗ ,

autrement dit E ∗∗ = (E ∗ )∗ = L (E ∗ , K).

Si x ∈ E , on note b x : E ∗ → K définie par b

x l’application b x(ϕ) = ϕ( x). Il est clair que b
x
∗ ∗∗
est une forme linéaire sur E c’est-à-dire b x∈E .

Théorème 6.17.

Soit E un K-espace vectoriel de dimension finie. L’application f : E → E ∗∗

définie par f ( x) = b
x, est un isomorphisme d’espaces vectoriels. En particulier

11
 1.7 Exercices

E et E ∗∗ sont isomorphes.

Démonstration : f est tout d’abord bien définie car b

x est une forme linéaire ;

x(ϕ + λϕ′ ) = (ϕ + λϕ′ )( x) = ϕ( x) + λϕ′ ( x) = b

b x(ϕ′ )
x(ϕ) + λ b

L’application f est linéaire ;

f ( x + λ y)(ϕ) = à
x + λ y(ϕ) = ϕ( x + λ y) = ϕ( x) + λϕ( y) = b
x(ϕ) + λ b
y(ϕ) = ( f ( x) + λ f ( y))(ϕ)

L’application f est injective ; si x ∈ ker f , alors b x = 0, c’est-à-dire pour tout ϕ ∈ E ∗ , ϕ( x) =

n
0. Soit B = ( e 1 , . . . , e n ) une base de E . On sait que x = e∗i ( x) e i , donc x = 0 car e∗i ( x) =
X
i =1
0. Par ailleurs, on sait que dim(E ∗∗ ) = dim E ∗ = dim E , donc f est un isomorphisme
d’espaces vectoriels.

1.7 Exercices
Exercice 1

Montrer que F := {( x, y, z) ∈ K3 / x − 2 y + z = 0} est un hyperplan de K3 .

Corrigé :
Il est clair que l’application ϕ : K3 → K définie par ϕ( x, y, z) = x − 2 y + z est une forme
linéaire non nulle sur K3 et que F = ker ϕ, donc F est un hyperplan de K3 .
Remarque : On peut montrer que la famille ((2, 1, 0), (−1, 0, 1)) est une base de F , puis
que dim F = 2.

Exercice 2

Montrer que F := {P ∈ K[ X ] / P ′ (0) + P (1) = 0} est un hyperplan de K[ X ].

Corrigé :
L’application ϕ : K[ X ] → K définie par ϕ(P ) = P ′ (0) + P (1) est une forme linéaire non
nulle sur K[ X ], de plus F = ker ϕ, donc F est un hyperplan de K[ X ].

Exercice 3

Montrer que F := { A ∈ Mn (K) / tr( A ) = 0} est un hyperplan de Mn (K).

Corrigé :
Il suffit de remarquer que l’application ϕ : Mn (K) → K définie par ϕ( A ) = tr( A ) est
une forme linéaire non nulle sur Mn (K) et que F = ker ϕ, ainsi F est un hyperplan de
Mn (K).

12
C HAPITRE 1 : Formes linéaires

Exercice 4 (Formes linéaires sur Mn (K))

1. Soit A ∈ Mn (K). Montrer que l’application ϕ A définie par ϕ A ( M ) = tr( AM )

est une forme linéaire sur Mn (K).
2. Soit A, B ∈ Mn (K). Montrer que tr( AB) =
X
a ji b i j où a i j (respective-
1≤ i, j ≤ n
ment b i j ) est le coefficient d’indice ( i, j ) de la matrice A (respectivement
B).
3. Soit ϕ une forme linéaire sur Mn (K). Montrer qu’il existe une matrice A ∈
Mn (K) tel que ϕ = ϕ A i.e pour toute matrice M ∈ Mn (K), ϕ( M ) = tr( AM ).

Corrigé :
1. Évident.
n
X
2. Si on note c i j les coefficients de la matrice AB, alors tr( AB) = c j j , mais c j j =
j =1
n
X X n
n X X
a ji b i j , par suite tr( AB) = a ji b i j = a ji b i j .
i =1 j =1 i =1 1≤ i, j ≤ n
3. Soit ϕ : Mn (K) → K une forme linéaire et notons E i j la matrice élémentaire dont
tous les coefficients sont nulle sauf celui d’indice ( i, j ) qui vaut 1. SoitX
maintenant
M = ( m i j ) ∈ Mn (K), il est clair que M =
X
m i j E i j , donc ϕ( M ) = m i j ϕ(E i j ).
1≤ i, j ≤ n 1≤ i, j ≤ n
Xconsidère maintenant la matrice A = (a i j ) telle que a i j = ϕ(E ji ). Alors ϕ( M ) =
On
m i j a ji = tr( M A ) = tr( AM ). D’où le résultat.
1≤ i, j ≤ n

Exercice 5

Soit E un espace vectoriel, f et g deux formes linéaires non nulles sur E . Mon-
trer que la famille ( f , g) est liée si, et seulement si, ker f = ker g.

Corrigé : Si ( f , g) est liée, alors il existe λ ∈ K tel que f = λ g ou g = λ f , dans les deux
cas λ ̸= 0 car les deux formes linéaires sont non nulles. Supposons par exemple que
f = λ g (avec λ ̸= 0). Alors f ( x) = 0 si, et seulement si, λ g( x) = 0 si, et seulement si,
g( x) = 0, par conséquent ker f = ker g.
Réciproquement, on suppose que ker f = ker g. Puisque g est non nulle, il existe e ∈ E
f (e)
tel que g( e) ̸= 0. On pose λ = g(e) . Soit x ∈ E , on a
³ ´
g(x) g(x)
g x − g(e) e = g( x) − g(e) g( e) = 0

g(x) g(x)
Donc x − g(e) e ∈ ker g = ker f , par conséquent f ( x − g(e) e), ou encore f ( x) = λ g( x). Autre-
ment dit f = λ g et la famille ( f , g) est liée.

Exercice 6

Soit E un espace vectoriel, f et g deux formes linéaires non nulles sur E .

1. Soient F et G deux sous espace vectoriels de E tels que F ∪ G soit un sous

13
 1.7 Exercices

espace vectoriel de E . Montrer que F ⊆ G ou G ⊆ F .

2. Montrer qu’il existe un vecteur e ∈ E tel que f ( e) ̸= 0 et g( e) ̸= 0.

Corrigé :
1. Supposons que F ∪ G est un sous espace vectoriel de E et que G ̸⊆ F , il existe
alors y ∈ G tel que y ̸∈ F . Soit x ∈ F . Comme x, y ∈ F ∪ G qui est un sous espace
vectoriel, il vient que x + y ∈ F ∪ G , ainsi x + y ∈ F ou x + y ∈ G . Mais x + y ne peut
pas être dans F , car sinon on aura y = ( x + y) − x ∈ F ce qui n’est pas le cas. Il en
résulte que x + y ∈ G , puis que x = ( x + y) − y ∈ G . D’où F ⊆ G .
2. Nous allons discuter les deux cas selon que ker f ∪ ker g est un sous espace vec-
toriel ou non :
Premier cas ; si ker f ∪ ker g est un sous espace vectoriel de E , d’après le résultat
de la première question ker f ⊆ ker g ou ker g ⊆ ker f . Puisque ker f et ker g sont
des hyperplans de E , dans les deux cas on a ker f = ker g. Remarquons main-
tenant que ker f = ker g ̸= E , donc il existe e ∈ E tel que e ̸∈ ker f = ker g, par
conséquent f ( e) ̸= 0 et g( e) ̸= 0.
Deuxième cas ; si ker f ∪ ker g n’est pas un sous espace vectoriel de E , dans ce
cas ker f ∪ ker g ̸= E , il existe alors e ∈ E tel que e ̸∈ ker f ∪ ker g, autrement dit
f ( e) ̸= 0 et g( e) ̸= 0.

Exercice 7

Soit E un espace vectoriel de dimension finie et e, e′ ∈ E .

1. Montrer que si e ̸= e′ alors ils existe une forme linéaire f sur E telles que
f ( e) ̸= f ( e′ ).
2. Montrer que e = e′ si, et seulement si, pour toute forme linéaire f sur E ,
f ( e) = f ( e′ ).

Corrigé :
1. On considère le vecteur e 1 = e − e′ . Il s’agit de démontrer qu’il existe une forme
linéaire f telle que f ( e 1 ) ̸= 0. Remarquons d’abord que le vecteur e 1 est non nul,
d’après le théorème de la base incomplète, ils existent des vecteurs e 2 , . . . , e n ∈ E
tels que B = ( e 1 , e 2 , . . . , e n ) soit une base de E . Pour f = e∗1 , on a f ( e 1 ) = e∗1 ( e 1 ) =
1 ̸= 0. D’où le résultat.
2. L’implication directe est immédiate. La réciproque est une conséquence du résul-
tat de l première question.

Exercice 8

Soit E un espace vectoriel de dimension n, H et H ′ deux hyperplans de E dis-

tincts ( H ̸= H ′ ).
1. Montrer que dim( H ∩ H ′ ) = n − 1 ou n − 2.
2. En déduire dim( H ∩ H ′ ).

14
C HAPITRE 1 : Formes linéaires

3. Montrer qu’il existe ( e, e′ ) ∈ H × H ′ tel que e ̸∈ H ′ et e′ ̸∈ H .

4. On pose D = Vect( e + e′ ).
(a) Justifier que D est une droite vectoriel.
(b) Montrer que E = H ⊕ D = H ′ ⊕ D .

Corrigé :
1. De la formule de Grassmann et du fait que H + H ′ est un sous espace vectoriel de
E , il découle dim( H + H ′ ) = 2( n−1)−dim( H ∩ H ′ ) ≤ n, par suite n−2 ≤ dim( H ∩ H ′ ) ≤
dim( H ) = n − 1. Ainsi dim( H ∩ H ′ ) = n − 2 ou dim( H ∩ H ′ ) = n − 1.
2. Si dim( H ∩ H ′ ) = n − 1 alors dans ce cas dim( H ∩ H ′ ) = dim H , or H ∩ H ′ ⊆ H , il
vient que H ∩ H ′ = H , ou encore que H ⊆ H ′ , par suite H = H ′ puisqu’ils sont
même dimension, ce qui n’est pas le cas. D’où dim( H ∩ H ′ ) = n − 2.
3. Puisque dim H = dim H ′ et H ̸= H ′ , aucun des deux sous espaces vectoriels ne
contient l’autre, autrement dit H ̸⊆ H ′ et H ′ ̸⊆ H , il existe alors ( e, e′ ) ∈ H × H ′ tel
que e ̸∈ H ′ et e′ ̸∈ H .
4. D = Vect( e + e′ ).
(a) Il s’agit de démontrer que e + e′ ̸= 0. En effet, si e + e′ = 0, alors e = − e′ ∈ H ′ ce
qui n’est pas le cas. Donc e + e′ ̸= 0.
(b) Si e + e′ = h ∈ H alors e′ = − e + h ∈ H ′ ce qui n’est pas possible. Alors e + e′ ̸∈ H ,
par conséquent Vect( e + e′ ) + H est directe, or dim D + dim H = 1 + n − 1 = n =
dim E , il vient que E = D ⊕ H . Par un argument analogue on a E = D ⊕ H ′ .

Exercice 9

Soit E un espace vectoriel de dimension n, et F un sous espace vectoriel de

dimension d . On fixe une base BF = ( e 1 , . . . , d d ) de F .
1. Montrer qu’on peut compléter BF en une base B = ( e 1 , . . . , e d , e d +1 , . . . , e n )
de E .
Notons B ∗ = ( e∗1 , . . . , e∗d , e∗d +1 , . . . , e∗n ) la base duale de B .
n
ker e∗k .
\
2. Montrer que F =
k= d +1
3. En déduire que F est l’intersection de n − d hyperplans.
4. Soit ϕ1 , . . . , ϕn−d , n − d formes linéaires, linéairement indépendantes. Mon-
n\−d
trer que ker ϕk est un sous espace vectoriel de E de dimension d .
k=1

Corrigé :
1. La famille BF est libre, elle peut être compléter alors en une base de E .
2. Voir la démonstration du Corollaire 4.12.
3. Les sous espaces vectoriels ker e∗i sont des hyperplans.

15
 1.7 Exercices

4. Puisque la famille (ϕ1 , . . . , ϕn−d ) est libre, on peut la compléter en une base B =
(ϕ1 , . . . , ϕn−d , . . . , ϕn ) de E ∗ . Soit maintenant B0 = ( e 1 , . . . , e n ) la base antéduale
de B , de sorte que pour tout 1 ≤ i ≤ n, e∗i = ϕ i . Nous allons démontrer que
( e n−d +1 , . . . , e n ) est une base de F . Soit n − d + 1 ≤ i ≤ n et 1 ≤ j ≤ n − d , il est clair
que ϕ j ( e i ) = e∗j ( e i ) = 0, donc e i ∈ F , par conséquent ( e n−d +1 , . . . , e n ) est une famille
n
e∗i ( x) e i =
X
d’éléments de F , de plus elle est libre. Soit x ∈ F , on sait que x =
i =1
n
X n
X
ϕ i ( x) e i . Donc x = ϕ i ( x) e i ∈ F car ϕ i ( x) = 0 si 1 ≤ i ≤ n − d . Il en résulte
i =1 i = n− d +1
que ( e n−d +1 , . . . , e n ) est une base de F et par conséquent dim F = d .

Exercice 10

Soient x0 , x1 , . . . , xn des scalaires deux à deux distincts. Notons ϕ0 , ϕ1 , . . . , ϕn les

formes linéaires définies sur Kn [ X ] par : ϕk (P ) = P ( xk ).
1. Démontrer que (ϕ0 , ϕ1 , . . . , ϕn ) est une base de Kn [ X ]∗ .
2. Déterminer la base antéduale de (ϕ0 , ϕ1 , . . . , ϕn ).
3. Montrer qu’il existe λ0 , λ1 , . . . , λn ∈ K tels que, pour tout P ∈ Kn [ X ],
Z 1 n
X
P ( t) dt = λ i P ( x i ).
0 i =0

Corrigé :
1. Notons d’abord que le nombre d’éléments de cette famille est égal à la dimension
de Kn [ X ]∗ , il suffit alors de démontrer qu’elle est libre. Soit (α0 , . . . , αn ) ∈ Kn+1
n
X Y n
tel que αk ϕk = 0. Pour 0 ≤ j ≤ n, on considère le polynôme Q j = ( X − x i ).
k=0 i =0,i ̸= j
Le polynôme Q i a la propriété suivante ; Q j ( xk ) = 0 si k ̸= j et Q j ( x j ) ̸= 0. Pour
0 ≤ j ≤ n, on a
Xn n
X
0= αk ϕk (Q j ) = αk Q j ( xk ) = α j Q j ( x j )
k=0 k=0

Donc α j = 0.
2. Soit (L 0 , . . . , L n ) la base antéduale de (ϕ0 , . . . , ϕn ). Pour 0 ≤ i ≤ n, on a ϕ j (L i ) =
δ i j c’est-à-dire L i ( x j ) = δ i j . En particulier si j ̸= i alors L i ( x j ) = 0, ainsi les x j
avec j ̸= i sont des racines de L i . Or deg L i ≤ n, le polynôme L i s’écrit sous la
n
( X − x j ) où β i ∈ K. Puisque L i ( x i ) = 1, on en déduit que β i =
Y
forme L i = β i
j =0, j ̸= i
1
Qn
(x − x j )
. Finalement
j =0, j ̸= i i

Qn
j =0, j ̸= i ( X − x j) n
Y x − xj
L i = Qn =
j =0, j ̸= i ( x i − x j ) j =0, j ̸= i xi − x j

Z 1
3. L’application ϕ : Kn [ X ] → K définie par ϕ(P ) = P ( t) dt est une forme linéaire
0

16
C HAPITRE 1 : Formes linéaires

sur E c’est-à-dire élément de Kn [ X ]∗ . Donc il existe des Zscalaires λ0 , . . . , λn ∈ K

n 1 n
λk ϕ i , autrement dit, pour tout P ∈ Kn [ X ],
X X
tels que ϕ = P ( t) dt = λ i P ( x i ).
i =0 0 i =0

Exercice 11

Soit E l’espace vectoriel E = R3 . On considère les formes linéaires ;

f ( x, y, z) = x + 2 y − z, g( x, y, z) = x + y + z, h( x, y, z) = x − z

1. Montrer que ( f , g, h) est une base de E ∗ .

2. Déterminer la base antéduale de ( f , g, h).

Corrigé :
1. Soit B = ( e 1 , e 2 , e 3 ) la base canonique de E . On a f = e∗1 + 2 e∗2 − e∗3 , g = e∗1 + e∗2 +

1 1 1


e∗3 et h = e∗1 − e∗3 . Remarquons maintenant que MB ∗ ( f , g, h) =  2 1 0  est

−1 1 −1
∗
inversible, donc ( f , g, h) est une base de E .
2. Soit (v1 , v2 , v3 ) la base antéduale de ( f , g, h). Posons v1 = (a, b, c), on a f (v1 ) = 1,
g(v1 ) = 0 et h(v1 ) = 0, c’est-à-dire a + 2 b − c = 1, a + b + c = 0 et a − c = 0. Donc a =
c = − 14 et b = 21 , d’où v1 = (− 14 , 12 , − 14 ). Par un raisonnement analogue v2 = ( 12 , 0, 21 )
et v3 = ( 34 , − 12 , − 41 )

Exercice 12

Soit E un espace vectoriel de dimension n et (ϕ1 , . . . , ϕ p ) une famille de formes

linéaires sur E . Soit f : E → K p , l’application définie par f ( x) = (ϕ1 ( x), . . . , ϕ p ( x)).
1. Justifier que f est linéaire.
2. On suppose que (ϕ1 , . . . , ϕ p ) est libre. Montrer que f est surjective. (Indica-
tion : compléter, puis considérer une base antéduale).
3. On suppose que f est surjective. Montrer que (ϕ1 , . . . , ϕ p ) est libre.

Corrigé :
1. La linéarité de f découle de la linéarité des applications ϕ i .
2. Puisque (ϕ1 , . . . , ϕ p ) est libre, on peut la compléter en base (ϕ1 , . . . , ϕ p , . . . , ϕn ) de
E ∗ . Soit maintenant ( e 1 , . . . , e n ) sa base antéduale. Soit y = ( y1 , . . . , yp ) ∈ K p et
on pose x = y1 e 1 + . . . + yp e p . Remarquons que pour 1 ≤ i ≤ p, ϕ( x) = yi . Donc
f ( x) = (ϕ1 ( x), . . . , ϕ p ( x)) = ( y1 , . . . , yp ) = y, ainsi l’application f est surjective.
p
3. Soit (α0 , . . . , α p ) ∈ K p tel que
X
α i ϕ i = 0. Soit (ε1 , . . . , ε p ) la base canonique de
i =1
K p . Puisque f est surjective, pour 1 ≤ j ≤ p, il existe v j ∈ E tel que f (v j ) = ε j ,
p
X
autrement dit pour 1 ≤ i ≤ p, on a ϕ i (v j ) = δ i j . Pour 1 ≤ j ≤ p, on a α i ϕ i (v j ) = 0,
i =1
par conséquent α j ϕ j (v j ) = 0 c’est-à-dire α j = 0.

17
 1.7 Exercices

Exercice 13

Soit E et F deux K-espaces vectoriels de dimension finie. Si u ∈ L (E, F ), on note

t
u l’application définie de F ∗ dans E ∗ par t u(ϕ) = ϕ ◦ u.
1. Justifier la définition de t u.
2. Montrer que t u ∈ L (F ∗ , E ∗ ).
3. Montrer que pour tout x ∈ E , t ( t u)( b
x) = 
u( x).
4. Soit BE une base de E , BF une base de F et A la matrice de u dans les
bases BE , BF . Montrer que MBF∗ ,BE∗ ( t u) = t A .

Corrigé :
1. Si ϕ ∈ F ∗ alors ϕ ◦ u est une application linéaire de E à valeurs dans K c’est-à-dire
ϕ ◦ u ∈ E ∗ . Ainsi t u est bien définie.
2. Pour ϕ, ϕ′ ∈ F ∗ et λ ∈ K, on a
t
u(ϕ + λϕ′ ) = (ϕ + λϕ′ ) ◦ u = ϕ ◦ u + λϕ′ ◦ u = t u(ϕ) + λ t u(ϕ′ )

3. Soit ϕ ∈ F ∗ ,
¡t
( t u)( b
¡ t ¢
x) (ϕ) = b x t u(ϕ) = b
x ◦ u (ϕ) = b x ϕ ◦ u = ϕ ◦ u ( x) = ϕ( u( x)) = 
u( x)(ϕ)
¢ ¡ ¢ ¡ ¢ ¡ ¢

Il en résulte que t ( t u)( b

x) = 
u( x).
4. On pose BE = ( e 1 . . . , e n ) et BF = (ε1 , . . . , ε p ) et on note a i j le coefficient d’in-
Xp
dice ( i, j ) pour la matrice A . Pour 1 ≤ j ≤ n, on a u( e j ) = a i j ε i , en particulier
i =1
ε∗i ( u( e j )) = a i j . Soit 1 ≤ j ≤ p, on a

n n n
t
u(ε∗j ) = ε∗j ◦ u = (ε∗j ◦ u)( e i ) e∗i = ε j ( u( e i ) e∗i = a ji e∗i
X X X
i =1 i =1 i =1

On en déduit que a ji est le coefficient d’indice ( i, j ) pour la matrice MBF∗ ,BE∗ ( t u),
c’est-à-dire MBF∗ ,BE∗ ( t u) = t A

Exercice 14

Soit E un espace vectoriel de dimension finie et u un endomorphisme de E .

Montrer que si ϕ ∈ E ∗ est un vecteur propre de t u alors ker ϕ est un hyperplan
stable par u.

Corrigé : Soit λ ∈ K la valeur propre de t u associé au vecteur propre ϕ, de sorte que

t
u(ϕ) = λϕ, autrement dit ϕ ◦ u = λϕ. Notons d’abord que ϕ est une forme linéaire non
nulle, donc ker ϕ est un hyperplan de E . De plus, si x ∈ ker ϕ, alors ϕ( u( x)) = λϕ( x) = 0,
ainsi u( x) ∈ ker ϕ. Cela signifie que ker ϕ est un hyperplan de E stable par u.

18
Chapitre 2

Formes quadratiques

2.1 Formes bilinéaires symétriques et formes qua-

dratiques

Définition 1.1.

Soit E un K-espace vectoriel. Une forme bilinéaire sur E est une application
ϕ : E × E → K linéaire par rapport à chacune de ses variables, c’est-à-dire :
1. ∀ x, x′ , y ∈ E , ∀λ ∈ K , ϕ( x + λ x′ , y) = ϕ( x, y) + λϕ( x′ , y)
2. ∀ x, y, y′ ∈ E , ∀λ ∈ K, ϕ( x, y + λ y′ ) = ϕ( x, y) + λϕ( x, y′ ).
Une forme bilinéaire ϕ est dite symétrique si, pour tout ( x, y) ∈ E 2 , ϕ( x, y) =
ϕ( y, x). L’ensemble des forme bilinéaires respectivement bilinéaires symé-
triques sur E se note B(E ) respectivement BS(E ).

Exemples :
1. L’application ϕ : Mn (K) × Mn (K) → K définie par ϕ( A, B) = tr ( AB) est une forme
bilinéaire sur Mn (K).
2. L’application ϕ : Mn (K) × Mn (K) → K définie par ϕ( A, B) = tr t AB est une forme
¡ ¢

bilinéaire symétrique sur Mn (K).

Z 1
3. L’application ϕ : K[ X ] × K[ X ] → K définie par ϕ(P,Q ) = P ( t)Q ( t) dt est une
0
forme bilinéaire symétrique sur K[ X ].
4. L’application ϕ : R2 × R2 → R définie par ϕ(( x1 , x2 ), ( y1 , y2 )) = x1 y2 + x2 y1 est une
forme bilinéaire symétrique sur R2 .

Proposition 1.2.

L’ensemble des formes bilinéaires B(E ) (respectivement bilinéaires symé-

triques BS(E )) sur E est un espace vectoriel.

Démonstration : Immédiate.

19
 2.1 Formes bilinéaires symétriques et formes quadratiques

Proposition 1.3.

Soit E un K-espace vectoriel et ϕ une forme bilinéaire symétrique sur E . Pour

tout ( x, y) ∈ E 2 , on a :
1¡
1. ϕ( x, y) = ϕ( x + y, x + y) − ϕ( x, x) − ϕ( y, y) .
¢
2
1¡
2. ϕ( x, y) = ϕ( x + y, x + y) − ϕ( x − y, x − y) .
¢
4

Démonstration :
1. Par bilinéarité et symétrie on a ϕ( x + y, x + y) = ϕ( x, x) + 2ϕ( x, y) + ϕ( y, y), d’où le
résultat.
2. De même, on a
ϕ( x + y, x + y) = ϕ( x, x) + 2ϕ( x, y) + ϕ( y, y)

et
ϕ( x − y, x − y) = ϕ( x, x) − 2ϕ( x, y) + ϕ( y, y)

On obtient, en sommant les membres de ces deux égalités,

ϕ( x + y, x + y) + ϕ( x − y, x − y) = 4ϕ( x, y)

D’où le résultat.

Définition 1.4.

Soit E un K-espace vectoriel. On dit qu’une application q : E → K est une

forme quadratique sur E , s’il existe une forme bilinéaire ϕ sur E telle que

∀ x ∈ E, q( x) = ϕ( x, x)

Dans ce cas on dira que q est la forme quadratique associée à ϕ. On note

Q (E ) l’ensemble des formes quadratiques sur E .

Exemple : L’application q : R3 → R définie par q( x, y, z) = y2 + 2 x y + 4 yz est une forme

quadratique sur R3 . En effet, q( x, y, z) = ϕ(( x, y, z), ( x, y, z)) où ϕ est la forme bilinéaire
définie sur R3 par ϕ(( x, y, z), ( x′ , y′ , z′ )) = yy′ + x y′ + x′ y + yz′ + 3 y′ z.

Remarque : A priori, il n’y a pas unicité des formes bilinéaires associées à une forme
quadratique. Par exemple sur R2 , les formes bilinéaires ϕ(( x1 , x2 ), ( y1 , y2 )) = x1 y1 et
ψ(( x1 , x2 ), ( y1 , y2 )) = x1 y1 + x1 y2 − x2 y1 définissent la même forme quadratique q( x) =
ϕ( x, x) = ψ( x, x) = x12 .
L’unicité est assurée, dans le cas des formes bilinéaires symétriques, par le résultat
suivant :

20
C HAPITRE 2 : Formes quadratiques

Théorème 1.5.

Soit q une forme quadratique sur un K-espace vectoriel E , alors il existe une
unique forme bilinéaire symétrique ϕ sur E , dite forme polaire de q, telle que,
pour tout x ∈ E , q( x) = ϕ( x, x).
En d’autres termes, l’application qui à toute forme bilinéaire symétrique ϕ
sur E associe la forme quadratique q définie par q( x) = ϕ( x, x) est une bijec-
tion.

Démonstration : Soit q une forme quadratique sur ¡E et ψ une forme bilinéaire

1
telle que q( x) = ψ( x, x). Pour ( x, y) ∈ E , on pose ϕ( x, y) = 2 ψ( x, y) + ψ( y, x) . Clairement,
¢

ϕ est une forme bilinéaire symétrique sur E , et on a ϕ( x, x) = 12 ψ( x, x) + ψ( x, x) =

¡ ¢

ψ( x, x) = q( x). Ceci justifie l’existence. On suppose que ϕ′ est une autre forme bilinéaire
symétrique telle ϕ′ ( x, x) = q( x). Pour ( x, y) ∈ E 2 , on a :
1¡ ′
ϕ′ ( x, y) = ϕ ( x + y, x + y) − ϕ′ ( x) − ϕ′ ( y)
¢
2
1
= ( q( x + y) − q( x) − q( y))
2
1¡
ϕ( x + y, x + y) − ϕ( x) − ϕ( y)
¢
=
2
= ϕ( x, y)

D’où l’unicité.

Proposition 1.6.

Soit q une forme quadratique sur un K-espace vectoriel E et ϕ sa forme po-

laire. On a
1. Pour tout x ∈ E et λ ∈ K, q(λ x) = λ2 q( x).
2. Pour tout ( x, y) ∈ E 2 , q( x + y) = q( x) + 2ϕ( x, y) + q( y).
3. Pour tout ( x, y) ∈ E 2 , ϕ( x, y) = 21 ( q( x + y) − q( x) − q( y)).
4. Pour tout ( x, y) ∈ E 2 , ϕ( x, y) = 14 ( q( x + y) − q( x − y)).

Démonstration : Immédiate.

Théorème 1.7.

Soit q : E → K une application. Alors q est une forme quadratique sur E si,
et seulement si, les deux conditions suivantes sont vérifiées :
1. L’application ( x, y) 7→ q( x + y) − q( x) − q( y) est bilinéaire.
2. Pour tout x ∈ E et λ ∈ K, q(λ x) = λ2 q( x).

Démonstration : Si q est une forme quadratique et ϕ sa forme polaire, alors pour

tous x, y ∈ E , on a ϕ( x, y) = 21 ( q( x + y) − q( x) − q( y)), ainsi l’application ( x, y) 7→ q( x + y) −
q( x) − q( y) est bilinéaire. De plus q(λ x) = ϕ(λ x, λ x) = λ2 q( x).

21
 2.2 Forme positive et forme définie positive

Réciproquement, supposons que les deux conditions du théorème sont vérifiées. Pour
1
x, y ∈ E , on pose ϕ( x, y) = ( q( x + y) − q( x) − q( y)). Clairement ϕ( x, y) = ϕ( y, x), donc ϕ est
2
une forme bilinéaire symétrique, de plus ϕ( x, x) = 12 ( q(2 x) − 2 q( x)) = 12 (4 q( x) − 2 q( x)) =
q( x). D’où le résultat.

2.2 Forme positive et forme définie positive

Dans cette section K = R.

Définition 2.8.

Soit E un espace vectoriel réel, ϕ une forme bilinéaire symétrique et q la

forme quadratique associée.
1. On dit que ϕ ou q est positive si, pour tout x ∈ E , q( x) ≥ 0.
2. On dit que ϕ ou q est définie si, pour tout x ∈ E \ {0}, q( x) ̸= 0.

Remarque : Une forme q est définie positive si, elle est positive et si de plus, ∀ x ∈ E ,
on a ; q( x) = 0 ⇒ x = 0.

Exemples :
n
xk yk est définie positive sur Rn .
X
1. La forme bilinéaire ( x, y) 7→
k=1
Z 1
2. Sur l’espace vectoriel E = C ([0, 1], R), la forme bilinéaire ( f , g) 7→ f ( t) g( t) dt est
0
définie positive.
3. Sur E = Mn (R), la forme bilinéaire ( A, B) 7→ tr( t AB) est définie positive.
4. Sur E = R3 , la forme bilinéaire ( x, y) 7→ x1 y1 + x3 y3 est positive, mais elle n’est pas
définie !.

Théorème 2.9. ( Inégalité de Cauchy-Schwarz )

Soit ϕ une forme bilinéaire symétrique positive sur E et q la forme quadra-

tique associée. Alors
¢2
ϕ( x, y) ≤ q( x) q( y)
¡
∀ x, y ∈ E ,

Si de plus ϕ est définie positive, l’inégalité est une égalité si, et seulement si,
la famille ( x, y) est liée.

Démonstration : Soient x, y ∈ E . Pour t ∈ R, on pose f ( t) = q( x + t y). On a donc

f ( t) = q( x) + 2 tϕ( x, y) + t2 q( y). Remarquons alors que f est une fonction polynôme en
t de degré inférieur ou égal à 2. Nous allons distinguer deux cas selon q( y) ̸= 0 ou
q( y) = 0.

22
C HAPITRE 2 : Formes quadratiques

Premier cas : Supposons d’abord que q( y) ̸= 0 (dans ce cas f est de degré 2). Comme q
positive, on a donc ∀ t ∈ R, f ( t) ≥ 0. La fonction f ne change pas le signe, par suite son
discriminant est négatif, c’est-à-dire ∆ = 4ϕ( x, y)2 − 4 q( x) q( y) ≤ 0. Il en résulte alors
que ϕ( x, y)2 ≤ q( x) q( y).
On suppose de plus que q est définie positive. Si l’égalité a lieu c’est-à-dire ∆ = 0,
dans ce cas f admet une unique racine réel λ. On a f (λ) = 0, donc q( x + λ y) = 0, d’où
x + λ y = 0. Ainsi la famille ( x, y) est liée.
Réciproquement, si la famille ( x, y) est liée, alors il existe λ ∈ R tel que x = λ y, donc
ϕ( x, y)2 = λ2 ϕ( y, y)2 = λ2 ϕ( y, y)ϕ( y, y) = ϕ(λ y, λ y)ϕ( y, y) = q( x) q( y).
Deuxième cas : Supposons que q( y) = 0. Dans ce cas f ( t) = q( x) + 2 tϕ( x, y) c’est-à-dire
f est une fonction polynôme de degré inférieur ou égal à 1. Comme elle ne change
pas de signe, cette fonction polynôme est constate, c’est-à-dire ϕ( x, y) = 0. On a donc
¢2
ϕ( x, y) = 0 ≤ q( x) q( y) = 0. En fait l’inégalité est une égalité, et si de plus q est définie
¡

alors y = 0 et la famille ( x, y) est liée.

Corollaire 2.10.

Soit q une forme quadratique positive sur E . Pour tous x, y ∈ E , on a

p p p
q( x + y) ≤ q( x) + q( y)

Démonstration : On a
p
q( x + y) = q( x) + 2ϕ( x, y) + q( y) ≤ q( x) + 2 q( x) q( y) + q( y)
³p p ´2
≤ q( x) + q( y)
D’où le résultat.

p
Remarque : Si q est une forme quadratique définie positive sur E alors q est une
norme sur E .

2.3 Matrice d’une forme bilinéaire

Dans ce paragraphe, E est un K-espace vectoriel de dimension finie n ≥ 1, et B =
( e 1 , . . . , e n ) une base de E .  
x1
 .. 
Soit ϕ une forme bilinéaire sur E et x, y ∈ E . On note X =  .  respectivement Y =
xn
 
y1 n
 .. 
 .  la matrice de x respectivement de y dans la base B de sorte que x =
X
xk e k et
k=1
yn
Xn
y= yk e k . Par la bilinéarité de ϕ on a
k=1
à !
n
X n
X n X
X n
ϕ( x, y) = ϕ xi e i , yj e j = x i y j ϕ( e i , e j )
i =1 j =1 i =1 j =1

23
 2.3 Matrice d’une forme bilinéaire

Définition 3.11.

Avec les notations précédente, la matrice M = (ϕ( e i , e j ))1≤ i≤n s’appelle la ma-
1≤ j ≤ n
trice de ϕ dans la base B on la note MB (ϕ). La matrice d’une forme quadra-
tique q dans la base B est la matrice de sa forme polaire (forme bilinéaire
symétrique associée) dans la base B .

Exemples :
1. Sur E = R3 , la matrice de la forme bilinéaire ( x, y) 7→ x1 y1 + 2 x1 y2 − x2 y1 + x3 y3

1 2 0


dans la base canonique est −1 0

 0
0 0 1
2. Sur E = R2 [ X ], la matrice forme bilinéaire (P,Q ) 7→ P (0)Q (1)+ P (1)Q (0) dans
 de la 
2 1 1
la base canonique est 1 0 0.
1 0 0

Proposition 3.12.

Soit ϕ une forme bilinéaire sur un K-espace vectoriel E de dimension finie et

B = ( e 1 , . . . , e n ) une base de E . Alors ϕ est symétrique si, et seulement si, pour
tous i, j ∈ [[1, n]], ϕ( e i , e j ) = ϕ( e j , e i ).

Démonstration : Si ϕ est symétrique alors pour tous 1 ≤ i, j ≤ n, ϕ( e i , e j ) = ϕ( e j , e i ).

Réciproquement, supposons que pour tous 1 ≤ i, j ≤ n, ϕ( e i , e j ) = ϕ( e j , e i ). Soient x, y ∈
n
X n
X
E , écrivant x = xk e k et y = yk e k . On a
k=1 k=1

n X
X n n X
X n
ϕ( x, y) = x i y j ϕ( e i , e j ) = x i y j ϕ( e j , e i )
i =1 j =1 i =1 j =1
Xn n
X
= ϕ( yj e j, x i e i ) = ϕ( y, x).
j =1 i =1

Ainsi ϕ est symétrique.

Corollaire 3.13.

Soit ϕ une forme bilinéaire sur un K-espace vectoriel E de dimension finie et

B une base de E . Soit M la matrice de ϕ dans la base B . Alors ϕ est une
forme bilinéaire symétrique si, et seulement si, la matrice M est symétrique.

Démonstration : Si on note B = ( e 1 , . . . , e n ), alors le coefficient d’indice ( i, j ) de la

matrice M est ϕ( e i , e j ). Donc M symétrique si, et seulement si, 1 ≤ ∀ i, j ≤ n, ϕ( e i , e j ) =
ϕ( e j , e i ) si, et seulement si, ϕ symétrique.

24
C HAPITRE 2 : Formes quadratiques

Proposition 3.14.

Soit ϕ une forme bilinéaire sur un K-espace vectoriel E de dimension finie et

B = ( e 1 , . . . , e n ) une base de E . Soit M la matrice de ϕ dans la base B . Pour
tout x, y ∈ E on a,
ϕ( x, y) = t X MY
où X et Y sont respectivement les matrices de x et y dans la base B .

   
x1 y1
 ..   .. 
 .   . 
   
Démonstration : Soient x, y ∈ E et posons X =  x i  et Y = 
 
 yi . On a

 ..   .. 
 .   . 
xn yn
 n
X

 y j ϕ( e 1 , e j ) 
 j=1 
 .. 
.
 
 
 n
X 
ϕ

MY = 
 y j ( e , e
i j ) 
 j=1 

 .
..


 
X n 
y j ϕ( e n , e j )
 
j =1

à !
n n n
n X
t
X X X
Donc X MY = xi y j ϕ( e i , e j ) = x i y j ϕ( e i , e j ) = ϕ( x, y)
i =1 j =1 i =1 j =1

Théorème 3.15. ( Changement de bases)

Soit ϕ une forme bilinéaire sur un K-espace vectoriel E dimension finie.

Soient B et B ′ deux bases de E et P la matrice de passage de B à B ′ .
Si M (respectivement M ′ ) est la matrice de ϕ dans la base B (respectivement
B ′ ), alors
M ′ = t P MP

Démonstration : Soient x, y ∈ E . Notons X et Y respectivement X ′ et Y ′ les matrices

de x et y dans B respectivement dans B ′ . On a X = P X ′ et Y = PY ′ . D’une part on
a ϕ( x, y) = t X MY = t (P X ′ ) MPY ′ = t X ′ t P MPY ′ , d’autre part on a ϕ( x, y) = t X ′ M ′ Y ′ .
Donc t X ′ M ′ Y ′ = t X ′ t P MPY ′ , cette égalité a lieu ∀ X ′ , Y ′ ∈ Mn,1 (K), d’où M ′ = t P MP .

Définition 3.16.

Deux matrices M, N ∈ Mn (K) sont dites congruentes si elle existe une matrice
inversible P ∈ Mn (K) telle que M = t P NP .

25
 2.4 Orthogonalité

Proposition 3.17.

La congruence est une relation d’équivalence sur Mn (K).

Démonstration : Si M ∈ Mn (K), alors M = t I n M I n .

Si M = t P NP avec P inversible alors N = ( t P )−1 MP −1 = t (P −1 ) MP −1 .
Si M = t P NP et N = t QLQ avec P et Q inversibles alors M = t P t QLQP = t (PQ )L(PQ ).
D’où le résultat.

Remarque : Deux matrices sont congruentes si elles représentent la même forme

bilinéaire dans deux bases.

2.4 Orthogonalité
2.4.1 Vecteurs et sous espaces orthogonaux

Définition 4.18.

Soit E un K-espace vectoriel, ϕ une forme bilinéaire symétrique sur E et q la

forme quadratique associée.
1. Deux vecteurs x et y sont dits q-orthogonaux si ϕ( x, y) = 0.
2. Un vecteur x est q-orthogonale à une partie A si ∀a ∈ A , ϕ( x, a) = 0.
3. Deux parties A et B sont q-orthogonales si ∀a ∈ A , ∀ b ∈ B, ϕ(a, b) = 0.
4. Le q-orthogonal d’une partie A est l’ensemble A ⊥ q = { x ∈ E / ϕ( x, a) =
0 , ∀a ∈ A }.

Exemple : Soit E = R2 muni de la forme quadratique q( x1 , x2 ) = x12 ( la forme polaire

de q est donnée par ϕ(( x1 , x2 ), ( y1 , y2 )) = x1 y1 ). Le vecteur (0, 1) est q-orthogonal à lui
même. Les deux sous espaces vectoriels Vect(0, 1) et R2 sont q-orthogonaux.

Remarque : Deux vecteurs x et y sont q-orthogonaux si, et seulement si, q( x + y) =

q( x) + q( y).

Proposition 4.19.

Soit q une forme quadratique sur un K-espace vectoriel E .

1. Pour toute partie A de E , A ⊥ q est un sous espace vectoriel de E .
2. Si A ⊆ B alors B⊥ q ⊆ A ⊥ q .
3. Pour toute partie A de E on a A ⊥ q = (Vect( A ))⊥ q .
4. Pour tout sous espace vectoriel F de E , on a F ⊆ F ⊥ q⊥ q .

Démonstration : On désigne par ϕ la forme polaire de q.

26
C HAPITRE 2 : Formes quadratiques

1. Pour a ∈ A , on a ϕ(0, a) = 0 donc 0 ∈ A ⊥ q . Soient x, y ∈ A ⊥ q et λ ∈ K. Pour a ∈ A on

a ϕ( x + λ y, a) = ϕ( x, a) + λϕ( y, a) = 0, donc x + λ y ∈ A ⊥ q .
2. Si x ∈ B⊥ q alors pour tout b ∈ B, ϕ( x, b) = 0, en particulier, pour tout a ∈ A ⊆ B,
ϕ( x, a) = 0, donc x ∈ A ⊥ q .
3. On a A ⊆ Vect( A ), donc (Vect( A ))⊥ q ⊆ A ⊥ q . Soit x ∈ A ⊥ et y ∈ Vect( A ). Le vecteur
y s’écrit sous forme de combinaison linéaire d’éléments de A , c’est-à-dire y =
p p
α i a i où les a i ∈ A et les α i ∈ K, on a ϕ( x, y) =
X X
α i ϕ( x, a i ) = 0, par suite x ∈
i =1 i =1
(Vect( A ))⊥ q .
4. Soit x ∈ F . Pour tout y ∈ F ⊥ q , on a ϕ( x, y) = 0, donc x ∈ F ⊥ q⊥ q .

Corollaire 4.20.

Soit E un K-espace vectoriel et q une forme quadratique sur E et ϕ sa

forme polaire. Soit F un sous espace vectoriel de E engendré par les vecteurs
e 1 , . . . , e p . Alors x ∈ F ⊥ q si, et seulement si, 1 ≤ ∀ i ≤ p, ϕ( x, e i ) = 0.

⊥
Démonstration : F = Vect( e 1 , . . . , e p ). Donc F ⊥ q = (Vect( e 1 , . . . , e p )) q
= ({ e 1 , . . . , e p })⊥ q .
D’où le résultat.

2.4.2 Vecteurs isotropes

Définition 4.21.

Soit q une forme quadratique sur un K-espace vectoriel E . On dit qu’un vec-
teur x est isotrope relativement à q si q( x) = 0 ( i.e x est q-orthogonal à lui
même). L’ensemble des vecteurs isotropes relativement à q est appelé le cône
isotrope de q et se note C( q). Ainsi C( q) = { x ∈ E / q( x) = 0}.

Remarque : En général, le cône isotrope n’est pas un sous espace vectoriel, comme
le montre l’exemple suivant : On considère sur R2 la forme quadratique q( x) = x1 x2 .
On a C( q) = { x = ( x1 , x2 ) ∈ R2 / x1 = 0 ou x2 = 0} = Vect((1, 0)) ∪ Vect((0, 1)) qui n’est pas
un sous espace vectoriel de R2 .

Remarque : Si q est une forme quadratique sur un espace vectoriel réel, alors elle
est définie si, et seulement si, C( q) = {0}.

2.4.3 Rang et noyau

Définition 4.22.

Soit q une forme quadratique sur un K-espace vectoriel E et ϕ sa forme po-

laire. On appelle noyau de q ou de ϕ que l’on note ker q ou ker ϕ le sous

27
 2.4 Orthogonalité

espace vectoriel

ker q = E ⊥ q = { x ∈ E / ϕ( x, y) = 0 , ∀ y ∈ E }

Remarque : Soit x ∈ E . Alors x ∈ ker q si, et seulement si, pour tout y ∈ E , ϕ( x, y) = 0

si, et seulement si, pour tout y ∈ E , q( x + y) = q( x) + q( y).

Remarque : Soit q une forme quadratique sur E de forme polaire ϕ. Alors q induit
une forme quadratique q sur E / ker q, elle est définie par q( x) = q( x), dont la forme
polaire est donnée par ϕ( x, y) = ϕ( x, y). Notons que q est bien définie, en effet ; si x = y,
alors x = y + z où z ∈ ker q. Par suite q( x) = q( y + z) = q( y) + q( z) = q( y), car q( z) =
ϕ( z, z) = 0.

Proposition 4.23.

Soit q une forme quadratique sur un K-espace vectoriel. Alors ker q ⊆ C( q).

Démonstration : Immédiate.

Définition 4.24.

Soit q une forme quadratique sur un K-espace vectoriel E . On dit que q est
non dégénérée si ker q = {0}, dans le cas contraire on dit qu’elle est dégénérée.

Proposition 4.25.

Soit q une forme quadratique sur un espace vectoriel E . La forme quadra-

tique q induite par q sur l’espace vectoriel E / ker q est non dégénérée.

Démonstration : Soit x ∈ ker q. Pour tout y ∈ E , q( x + y) = q( x) + q( y), donc q( x + y) =

q( x) + q( y), ainsi x ∈ ker q, ou encore x = 0.

Théorème 4.26.

Soit q une forme quadratique non dégénérée sur un K-espace vectoriel E de

dimension finie. Si F est un sous espace vectoriel de E , alors

dim F + dim F ⊥ = dim E

Démonstration : Soit ϕ la forme polaire associée à q.

Pour x ∈ E , on pose ϕ x la forme linéaire définie sur E par ϕ x ( y) = ϕ( x, y). L’application
u : E → E ∗ définie par u( x) = ϕ x est un isomorphisme d’espaces vectoriels, en effet ; si
x ∈ ker u, alors ϕ x = 0 c’est-à-dire pour tout y ∈ E , ϕ( x, y) = ϕ x ( y) = 0, et comme ϕ

28
C HAPITRE 2 : Formes quadratiques

est non dégénérée, on a donc x = 0. Les deux espaces vectoriels E et E ∗ ont même
dimension, donc u est un isomorphisme.
Soit H le sous espace vectoriel de E ∗ défini par,

H = { l ∈ E ∗ / l ( y) = 0 , ∀ y ∈ F }

Nous allons démontrer que dim H = dim E − dim F et on conclus par le fait que les
deux espaces vectoriels H et F ⊥ sont isomorphes. Soit ( e 1 , . . . , e p , e p+1 , . . . , e n ) une base
adaptée à F de sorte que ( e 1 , . . . , e p ) soit une base de F . Clairement e∗p+1 , . . . , e∗n ∈ H .
n n
l ( e k ) e∗k = l ( e k ) e∗k car pour 1 ≤ k ≤ p, l ( e k ) =
X X
Soit maintenant l ∈ H , on a l =
k=1 k= p+1
0, il vient alors que ( e∗p+1 , . . . , e∗n ) est génératrice de H , comme elle est libre il s’agit
donc d’une base de H . On en déduit que dim H = n − p = dim E − dim F . On montre
que l’application u induit un isomorphisme de F ⊥ sur H . Soit x ∈ F ⊥ et y ∈ F , on a
u( x)( y) = ϕ x ( y) = ϕ( x, y) = 0, donc u( x) ∈ H . Soit l ∈ H , on sait qu’il existe x ∈ E tel que
l = u( x) = ϕ x . Pour y ∈ F , on a ϕ( x, y) = ϕ x ( y) = l ( y) = 0, donc x ∈ F ⊥ . Finalement les
deux espaces F ⊥ et H sont isomorphes, d’où dim F ⊥ = dim H = dim E − dim F .

Corollaire 4.27.

Soit q une forme quadratique sur un K-espace vectoriel E de dimension finie.

Alors
dim F + dim F ⊥ = dim E + dim(F ∩ ker q)

Démonstration : Il suffit d’appliquer le résultat précédent pour la forme quadra-

tique q. Soit F ′ le sous espace vectoriel F ′ = (F + ker q)/ ker q. Puisque q est une forme
quadratique non dégénérée sur E / ker q, on a

dim(E / ker q) = dim F ′ + dim F ′⊥

Il est clair que dim F ′ = dim(F + ker q) − dim ker q. Par conséquent dim E = dim(F +
ker q) + dim F ′⊥ . Remarquons que F ′⊥ = F ⊥ / ker q, donc

dim E = dim(F + ker q) + dim F ⊥ − dim ker q

= dim F + dim ker q − dim(F ∩ ker q) + dim F ⊥ − dim ker q
= dim F + dim F ⊥ − dim(F ∩ ker q)

Définition 4.28. (rang)

Soit E un K-espace vectoriel de dimension finie et q une forme quadratique

sur E de forme polaire ϕ. On appelle rang de q ou de ϕ, noté rg q ou rg ϕ le
rang de l’application
E → E ∗ , x 7→ ϕ x
Où pour x ∈ E , ϕ x est la forme linéaire définie par ϕ x ( y) = ϕ( x, y).

29
 2.5 Réduction des formes quadratiques

Proposition 4.29.

Soit q une forme quadratique sur un K-espace vectoriel E de dimension finie.

Alors
rg q = dim E − dim ker q

Démonstration : Notons u : E → E ∗ l’application définie par u( x) = ϕ x . Notons

d’abord que

ker u = { x ∈ E /ϕ x = 0} = { x ∈ E / ∀ y ∈ E, ϕ( x, y) = 0} = ker q.

D’après la formule du rang appliquée à u on a dim E = rg u + dim ker u = rg q + dim ker q.

Théorème 4.30.

Soit E un K-espace vectoriel de dimension finie n ≥ 1 et B une base de E .

Soit q une forme quadratique sur E et A la matrice de q dans B .
1. Soit v l’endomorphisme de E dont la matrice dans la base B est la
matrice A , alors ker q = ker v.
2. rg q = rg A .
3. q est non dégénérée si, et seulement si, rg q = dim E .
4. q est non dégénérée si, et seulement si, A est inversible.

Démonstration :
1. Soit x ∈ E , notons X la matrice de x dans la base B . De même si y ∈ E notons
Y sa matrice dans la base B . Alors x ∈ ker v si, et seulement si, v( x) = 0 si, et
seulement si, A X = 0 si, et seulement si, t Y A X = 0, ∀Y ∈ Mn (K) si, et seulement
si, ϕ( x, y) = 0, ∀ y ∈ E si, et seulement si, x ∈ ker q.
2. rg q = dim E − dim ker q = dim E − dim ker v = rg v = rg A .
3. q non dégénérée si, et seulement si, ker q = 0 si, et seulement si, rg q = dim E .
4. q non dégénérée si, et seulement si, rg q = dim E si, et seulement si, rg A = dim E
si, et seulement si, A est inversible.

2.5 Réduction des formes quadratiques

2.5.1 Base orthogonale

Définition 5.31.

Soit E un K-espace vectoriel de dimension finie et q une forme quadratique

sur E de forme polaire ϕ. Une base B = ( e 1 , . . . , e n ) de E est dite q-orthogonale
si ϕ( e i , e j ) = 0 dès que i ̸= j .

30
C HAPITRE 2 : Formes quadratiques

Remarque : Puisque ϕ( x, y) = 21 ( q( x + y) − q( x) − q( y)), une base B = ( e 1 , . . . , e n ) est

q-orthogonale si, et seulement si, q( e i + e j ) = q( e i ) + q( e j ) dès que i ̸= j .

Proposition 5.32.

Soit E un K-espace vectoriel de dimension finie et q une forme quadratique

sur E . Soit B une base de E . Alors B est une base q-orthogonale si, et seule-
ment si, la matrice de q dans la base B est une matrice diagonale.

Démonstration : Le résultat découle du fait que le coefficient d’indice ( i, j ) de la

matrice de q dans la base B est ϕ( e i , e j ).

Théorème 5.33. (Existence de base q-orthogonale)

Soit E un K-espace vectoriel de dimension finie et q une forme quadratique

sur E . Alors il existe au moins une base q-orthogonale de E .

Démonstration : Par récurrence sur n = dim E . Pour n = 1 le résultat est immédiat

(toute base est q-orthogonale). Supposons le résultat pour tout espace vectoriel de di-
mension ≤ n. Soit E un espace vectoriel de dimension n + 1 et q une forme quadratique
sur E . Si q est la forme quadratique nulle alors toute base est q-orthogonale. Si q est
non nulle, il existe au moins un vecteur non nul e 1 tel que q( e 1 ) ̸= 0. Soit D le sous
espace vectoriel engendré par le vecteur e 1 . Si x ∈ D ∩ D ⊥ , alors x = α e 1 où α ∈ K et
0 = ϕ( x, x) = q( x) = α2 q( e 1 ), donc α = 0, par suite x = 0, ainsi la somme D + D ⊥ est
directe. Si x ∈ E , alors
ϕ( x, e 1 ) ϕ( x, e 1 )
ϕ( x − e 1 , e 1 ) = ϕ( x, e 1 ) − q( e 1 ) = 0
q( e 1 ) q( e 1 )
ϕ(x,e 1 )
c’est-à-dire x − q(e 1 ) e 1 ∈ D ⊥ , il vient alors que

ϕ( x, e 1 ) ϕ( x, e 1 )
µ ¶
x= e1 + x − e1 ∈ D + D⊥
q( e 1 ) q( e 1 )
D’où E = D ⊕ D ⊥ et en particulier dim D ⊥ = n. Soit maintenant q′ la forme quadratique
induite par q sur le sous espace vectoriel D ⊥ . D’après l’hypothèse de récurrence D ⊥
admet une base q′ -orthogonale B ′ = ( e 2 , . . . , e n+1 ). Il est clair que B = ( e 1 , e 2 , . . . , e n+1 )
est une base q-orthogonale de E .

Corollaire 5.34.

Toute matrice symétrique est congrue à une matrice diagonale.

Démonstration : Soit A ∈ Mn (K) une matrice symétrique. Notons B c la base ca-

nonique de Kn et q la forme quadratique dont A est la matrice dans la base cano-
nique (sa forme polaire est définie par ϕ( x, y) = xA t y). Soit maintenant B une base
q-orthogonale de Kn et D la matrice de q dans cette base, qui est bien une matrice
diagonale. D’après la formule de changement de bases les deux matrices A et D sont
congruentes.

31
 2.5 Réduction des formes quadratiques

2.5.2 Réduction de Gauss des formes quadratiques

Soit E un K-espace vectoriel de dimension n ≥ 1 et B = ( e 1 , . . . , e n ) une base de E .
Pour x ∈ E , on note ( x1 , . . . , xn ) les coordonnées de x dans la base B .
Soit q une forme quadratique sur E et A = (a i j ) la matrice de q dans B . On a
n
a ii x2i + 2
X X
q ( x) = a i j xi x j
i =1 1≤ i < j ≤ n

Théorème 5.35. (Réduction de Gauss)

Avec les notations précédentes, il existe n formes linéaires linéairement indé-

pendantes l 1 , . . . , l n et n scalaires λ1 , . . . , λn tels que, pour tout x ∈ E
n
λ i ( l i ( x))2
X
q ( x) =
i =1

Démonstration : Soit B ′ = ( e′1 , . . . , e′n ) une base q-orthogonale de l’espace vectoriel E

et D = diag(λ1 , . . . , λn ) la matrice de q dans cette base. Soit P la matrice de passage de
la base B ′ à la base B . Notons X respectivement X ′ la matrice de x dans la base B res-
n
pectivement dans la base B ′ . On a X ′ = P X . Pour 1 ≤ i ≤ n, on pose l i = a ik e∗k . On a
X
k=1
n n n n
a ik e∗k ( x) = a ik xk = x′i = e′∗ λ i x′i2 = λ i ( l i ( x))2 .
X X X X
donc l i ( x) = i ( x). Par suite q( x) =
k=1 k=1 i =1 i =1

Méthode pratique pour la réduction des formes quadratiques :

Soit q une forme quadratique sur un K-espace vectoriel de dimension finie E dont
n
l’expression dans une base B de E est donnée par q( x) = a ii x2i + 2
X X
a i j xi x j .
i =1 1≤ i < j ≤ n
L’algorithme pour écrire q comme combinaison linéaire de carrées de formes linéaires :
1. Premier cas : s’il existe i tel que a ii ̸= 0, par exemple si a 11 ̸= 0, dans ce cas
q( x) = a 11 x12 + x1 A ( x2 , . . . , xn ) + B( x2 , . . . , xn ) où A est une forme linéaire et B une
forme quadratique. Puis
1 1
q( x) = a 11 ( x1 + A ( x1 , . . . , xn ))2 + B( x2 , . . . , xn ) − 2 ( A ( x2 , . . . , xn ))2
2a 11 4a 11
2. Deuxième cas : Si tous les a ii sont nuls. Dans ce cas l’un des a i j où i ̸= j est non
nul (sinon la forme quadratique est nulle et il n’y a rien à faire !), par exemple si
a 12 ̸= 0, dans ce cas q( x) = 2a 12 x1 x2 + x1 A ( x3 , . . . , xn ) + x2 B( x3 , . . . , xn ) + C ( x3 , . . . , xn )
où A³ et B sont´ ³des formes´ linéaires et C une forme quadratique. Puis q( x) =
2a 12 x1 + 2a112 B x2 + 2a112 A + C − 2a112 AB. On a donc
¶2 ¶2
a 12 1 1 a 12 1 1 1
µ µ
q ( x) = x1 + x2 + B+ A − x1 − x2 + B− A +C − AB
2 2a 12 2a 12 2 2a 12 2a 12 2a 12
Remarquons dans le premier cas qu’on a éliminé une variable et qu’on a fait apparaitre
un carré. Dans le deuxième cas on a éliminé deux variables et on a fait apparaitre deux
carrés. On répète ces opérations jusqu’à l’obtention d’une combinaison des carrés.

32
C HAPITRE 2 : Formes quadratiques

Exemples :
1. Soit E = R2 et q la forme quadratique définie par q( x, y) = x2 + x y. On a
q( x, y) = x2 + x y + 41 y2 − 14 y2 = ( x + 21 y)2 − 41 y2 = l 1 ( x, y)2 − 41 l 2 ( x, y)2

où l 1 ( x, y) = x + 12 y et l 2 ( x, y) = y. Notons B ′ = ( e′1 , e′2 ) une base dans laquelle

µ ¶
1 0
la matrice de q est la matrice diagonale D = . La matrice de passage
0 − 41
1 12
µ ¶
de la base B à la base canonique B est donnée par P =
′
. La matrice
0 1
1 − 21
µ ¶
−1
P = est la matrice de passage de la base B à la base B ′ , donc e′1 = (1, 0)
0 1
et e′2 = (− 12 , 1).
2. Soit E = R3 et q la forme quadratique définie sur E par q( x, y, z) = x y + yz. On a
q( x, y, z) = ( x+ z) y = 14 ( x+ y+ z)2 − 41 ( x− y+ z)2 = 14 l 1 ( x, y, z)2 − 41 l 2 ( x, y, z)2 +0.l 3 ( x, y, z)2
où l 1 ( x, y, z) = x + y + z, l 2 ( x, y, z) = x − y + z et l 3 est n’importe quelle forme linéaire
de sorte que ( l 1 , l 2 , l 3 ) soit une base de E ∗ , on prend par exemple l 3 ( x, y, z) = x.
Construction d’une base q-orthogonale de E . Soit B ′ = ( e′1 , e′2 , e′3 ) une base dans
1
0 0

4
la quelle la matrice de q est la matrice diagonale D =  0 − 14 . La matrice
0 0 0

1 1 1


de passage de la base B ′ à la base canonique B est donnée par P = 1 −1 1

1 0 0
0 0 1
 

dont l’inverse P −1 =  21 − 21
0  est la matrice de passage de la base canonique
1 1
2 2 −1
B à la base B , on en déduit que e′1 = (0, 12 , 12 ) , e′2 = (0, − 21 , 12 ) et e′3 = (1, 0, −1)
′

Proposition 5.36.

Soit q une forme quadratique dont une réduction de Gauss est q( x) =

r
λ i ( l i ( x))2 où λ1 , . . . , λr sont non nuls et l 1 , . . . , l r sont des formes linéaires
X
i =1
linéairement indépendantes. Alors r = rg q et ker q = ∩ri=1 ker l i .

r
X
Démonstration : Soit ϕ la forme polaire de q. Clairement ϕ( x, y) = λ i l i ( x) l i ( y).
i =1
r
Si x ∈ ∩ri=1 ker l i , alors pour tout y ∈ E , ϕ( x, y) =
X
l i ( x) l i ( y) = 0, donc x ∈ ker q. Ré-
i =1
r
X
ciproquement, soit x ∈ ker q, pour tout y ∈ E , on a l i ( x) l i ( y) = 0, autrement dit
i =1
r
X
l i ( x) l i = 0, or la famille ( l 1 , . . . , l r ) est libre, on a donc l 1 ( x) = . . . = l r ( x) = 0, par
i =1
conséquent x ∈ ∩ri=1 ker l i .

33
 2.6 Exercices

2.5.3 Signature d’une forme quadratique

Soit q une forme quadratique sur un espace vectoriel E de dimension finie. Si B =
( e 1 , . . . , e n ) est une base q-orthogonale de E , alors la matrice de q dans cette base est
la matrice diagonale D = diag( q( e 1 ), . . . , q( e n )). Le rang de q est le nombre d’éléments
non nuls sur la diagonale de D , c’est-à-dire rg q = card({1 ≤ i ≤ n / q( e i ) ̸= 0}.

Théorème 5.37. (Théorème d’inertie de Sylvester)

Soit E un espace vectoriel réel (K = R) de dimension finie et q une forme

quadratique sur E . Il existe un couple ( s, t) d’entiers naturels tels que pour
toute base q-orthogonale B = ( e 1 , . . . , e n ), s est le nombre de vecteurs e i tels
que q( e i ) > 0 et t est le nombre de vecteurs e i tels que q( e i ) < 0.
Le couple ( s, t) s’appelle la signature de la forme quadratique q.

Démonstration : Soit B = ( e 1 , . . . , e n ) et B ′ = ( e′1 , . . . , e′n ) deux bases q-orthogonales

de E . Notons s (respectivement s′ ) le nombre de vecteurs e i (respectivement e′i ) tels
que q( e i ) > (respectivement q( e′i ) > 0), notons aussi t (respectivement t′ ) le nombre de
vecteurs e i (respectivement e′i ) tels que q( e i ) < 0 (respectivement q( e′i ) < 0). Montrons
que ( s, t) = ( s′ , t′ ). On a rg q = s + t = s′ + t′ .
Soit F le sous espace vectoriel engendré par les e i tels que q( e i ) > 0 et G le sous
espace vectoriel engendré par les e′i tel que q( e′i ) ≤ 0.XOn a dim F = sXet dim G =
n − s′ et F ∩ G = {0}, en effet ; si x ∈ F ∩ G , alors x = λ i e i et x = λ′j e′j , on
q(e i )>0 q(e′j )≤0
2
λ2i q( e i ) ≥ 0 et q( x) = λ′j q( e′j ) ≤ 0, donc q( x) = 0, autrement dit
X X
a q ( x) =
q(e i )>0 q(e′j )≤0

λ2i q( e i ) = 0, par conséquent les λ i sont tous nuls, d’où x = 0. Donc dim(F + G ) =
X
q(e i )>0
dim F + dim G = s + n − s′ ≤ dim E = n, d’où s ≤ s′ . Avec un raisonnement analogue on
obtient s′ ≤ s, d’où s = s′ , puis t = rg q − s = rg q − s′ = t′ .

Exemple : Soit E = R3 et q la forme quadratique définie par q( x, y, z) = x2 + y2 + 4 xz.

On applique la réduction de Gauss, on obtient q( x, y, z) = ( x + 2 z)2 + y2 − (2 z)2 , donc la
signature de q est (2, 1) et de rang égal à 2 + 1 = 3.

2.6 Exercices
Exercice 1

Soit E = R[ X ] et ϕ : E × E → R l’application définie par ϕ(P,Q ) = P (0)Q (2) +

P (1)Q (1) + P (2)Q (0).
1. Montrer que ϕ est une forme bilinéaire symétrique sur E .
2. Déterminer la forme quadratique associée à ϕ.
3. ϕ est-elle positive ?

34
C HAPITRE 2 : Formes quadratiques

Corrigé :
1. Immédiate.
2. q(P ) = 2P (0)P (2) + P (1)2 .
3. Pour P = X − 1, on a q(P ) = −2 < 0, donc ϕ n’est pas positive.

Exercice 2
n
Soit E = R[ X ] et ϕ : E × E → R l’application définie par ϕ(P,Q ) =
X
P ( k)Q ( k).
k=0
1. Montrer que ϕ est une forme bilinéaire symétrique sur E .
2. ϕ est-elle positive, définie positive ?

Corrigé :
1. Immédiate.
n
2. Pour P ∈ R[ X ], on a ϕ(P, P ) = P ( k)2 , donc ϕ est positive. Par ailleurs, pour
X
k=1
n
Y
P= ( X − k), on a ϕ(P, P ) = 0, donc ϕ n’est pas définie.
k=0

Exercice 3

On considère l’espace vectoriel E = Mn (R).

1. Montrer que q : M 7→ q( M ) = (tr( M ))2 est une forme quadratique positive
sur E . Expliciter la forme bilinéaire symétrique associée.
2. Montrer que q : M 7→ q( M ) = tr( M 2 ) est une forme quadratique sur E . Ex-
pliciter la forme bilinéaire symétrique associée.

Corrigé :
1. L’application ( M, N ) 7→ q( M + N ) − q( M ) − q( N ) = 2 tr( M ) tr( N ) est bilinéaire. De
plus, pour λ ∈ R, on a q(λ M ) = λ2 q( M ). Donc q est une forme quadratique sur E .
Il est clair que q est positive ( q( M ) = tr( M )2 ≥ 0). La forme bilinéaire symétrique
associée est donnée par ϕ( M, N ) = tr( M ) tr( N ).
2. On rappelle que si A, B ∈ Mn (K) alors tr( AB) = tr(BA ).
L’application ( M, N ) 7→ q( M + N ) − q( M ) − q( N ) = 2 tr( MN ) est bilinéaire. De plus,
pour λ ∈ R, on a q(λ M ) = λ2 q( M ). Donc q est une forme quadratique sur E . La
forme bilinéaire symétrique associée est donnée par ϕ( M, N ) = tr( MN ).

Exercice 4

Soit E une R espace vectoriel et ϕ, ψ deux formes linéaires sur E . Montrer que
l’application
q : x 7→ ϕ( x)ψ( x)
est une forme quadratique sur E . Déterminer ker q. (Ind : Distinguer les deux cas
(ϕ, ψ) libre ou liée).

35
 2.6 Exercices

Corrigé : Pour ( x, y) ∈ E 2 , on pose s( x, y) = 12 (ϕ( x)ψ( y) + ϕ( y)ψ( x)). Il est clair que s est
une forme bilinéaire symétrique sur E et que pour tout x ∈ E , s( x, x) = q( x). L’applica-
tion q est donc une forme quadratique sur E . Nous allons distinguer deux cas selon
que la famille (ϕ, ψ) est libre ou liée.
Premier cas : la famille (ϕ, ψ) est libre : x ∈ ker q si, et seulement si, pour tout y ∈
E , ϕ( x)ψ( y) + ϕ( y)ψ( x) = 0 si, et seulement si, ϕ( x)ψ + ψ( x)ϕ = 0. Puisque la famille
(ϕ, ψ) est libre, la dernière égalité est équivalente à ϕ( x) = ψ( x) = 0, autrement dit
x ∈ ker ϕ ∩ ker ψ. Ainsi ker q = ker ϕ ∩ ker ψ.
Deuxième cas : la famille (ϕ, ψ) est liée. Dans ce cas il existe λ ∈ R tel que ϕ = λψ ou
ψ = λϕ. Sans perte de généralité, on peut supposer que ψ = λϕ. Notons dans ce cas
que s( x, y) = λϕ( x)ϕ( y). Si ϕ = 0 ou λ = 0, alors ker q = E = ker ϕ. Si ϕ ̸= 0 et λ ̸= 0, alors
x ∈ ker q si, et seulement si, ∀ y ∈ E , λϕ( x)ϕ( y) = 0 si, et seulement si, ϕ( x)ϕ = 0 si, et
seulement si, x ∈ ker ϕ. Ainsi ker q = ker ϕ.

Exercice 5

Soit q : R3 → R l’application définie pour tout x = ( x1 , x2 , x3 ) ∈ R3 par ;

q( x) = x12 − x2 + x3

Pour x, y ∈ R3 , on pose ϕ( x, y) = 21 ( q( x + y) − q( x) − q( y)).

1. Montrer que ϕ est une forme bilinéaire symétrique sur R3 .
2. q est-elle une forme quadratique ?

Corrigé :
1. Pour x = ( x1 , x2 , x3 ), y = ( y1 , y2 , y3 ) ∈ R3 , on a ϕ( x, y) = x1 y1 . On peut vérifier sans
aucune difficulté que ϕ est une forme bilinéaire symétrique.
2. Pour x = (0, 0, 1) et λ = 2, on a q(λ x) = 2 mais λ2 q( x) = 4. Donc q n’est pas une
forme quadratique.

Exercice 6

Soit E = M2 (R), et q : E → R l’application définie par q( M ) = det( M ).

1. Montrer que q est une forme quadratique sur E .
2. Écrire la matrice de q dans la base canonique de E .
3. Déterminer le noyau, le rang et la signature de q.
4. Soit T l’ensemble des matrices (éléments de E ) de trace nulle. Montrer que
T ⊥ = Vect( I 2 ).
µ ¶
a b
Corrigé : Pour M = , on a q( M ) = ad − bc.
c d
µ ′
a b′
µ ¶ ¶
a b
1. Pour M = et N = ′ , on a
c d c d′

q( M + N ) − q( M ) − q( N ) = ad ′ + a′ d − bc′ − b′ c

36
C HAPITRE 2 : Formes quadratiques

Il est clair que l’application ( M, N ) 7→ q( M + N ) − q( M ) − q( N ) est une forme bi-

linéaire symétrique, de plus pour tout λ ∈ R, q(λ M ) = λ2 q( M ). Donc q est une
forme quadratique sur E .
2. La forme polaire de q est donnée par ;

ϕ( M, N ) = 21 (ad ′ + a′ d − bc′ − b′ c)

La matrice de q dans la base canonique B c de E est :

0 12
 
0 0
1
0 0 − 2 0
 
MB c ( q) = 
 0 − 21 0 0 

1
2 0 0 0

3. Puisque la matrice de q dans la base canonique

µ ¶ est inversible, on a ker q = {0}.
a b
En particulier rg( q) = dim E = 4. Pour M = , on a
c d

q( M ) = ad − bc = 41 (a + d ) − 14 (a − d ) − 14 ( b + c) + 41 ( b − c)

Donc la signature de q est (2, 2).

µ ¶
a b
4. Soit M = est une matrice de trace nulle, alors ϕ( M, I 2 ) = a + d = tr( M ) = 0,
c d
donc I 2 ∈ T ⊥ , ou encore Vect( I 2 ) ⊆ T ⊥ . Par ailleurs, la forme quadratique q est
non dégénérée, donc dim T ⊥ = dim E − dim T = 4 − dim T . Comme T est le noyau
d’une forme linéaire non nulle ( la trace), T est donc un hyperplan de E . Par
conséquent dim T ⊥ = 4 − 3 = 1 = dim Vect( I 2 ). Il en résulte alors que T ⊥ = Vect( I 2 ).

Exercice 7
Z 1
Soit E = Rn [ X ], et q : E → R l’application définie par q(P ) = P ( t)P ′ ( t) dt.
0
1. Montrer que q est une forme quadratique sur E .
2. Déterminer la forme bilinéaire associée à q.
3. Dans cette question n = 2. Déterminer la signature de q ainsi une base
orthogonale pour q.

Corrigé :
Z 1
1. L’application (P,Q ) 7→ q(P + Q ) − q(P ) − q(Q ) = (P ( t)Q ′ ( t) + Q ( t)P ′ ( t)) dt est bili-
0
néaire, de plus, pour tout λ ∈ R, q(λP ) = λ2 q(P ). donc q est une forme quadratique
sur E .
2. La forme bilinéaire associée à q est donnée par ;
Z 1
1
ϕ(P,Q ) = 2 (P ( t)Q ′ ( t) + Q ( t)P ′ ( t)) dt
0

37
 2.6 Exercices

3. Si P = x + yX + zX 2 ∈ R2 [ X ], alors q(Q ) = 12 (P (1)2 − P (0)2 ) = 21 ( x + y + z)2 − 21 x2 .

Pour P = x + yX + zX 2 ∈ R2 [ X ], on pose l 1 (P ) = x + y + z, l 2 (P ) = x et l 3 (P ) = z.
Notons ( l 1 , l 2 , l 3 ) est une base de l’espace dual R2 [ X ]∗ . Soit (P1 , P2 , P3 ) la base
antéduale de ( l 1 , l 2 l 3 ). Notons que la matrice de q dans cette base est la matrice
1
0 0

2
diagonale  0 − 12 0, ainsi (P1 , P2 , P3 ) est une base orthogonale de R2 [ X ].
0 0 0
Déterminons maintenant la base (P1 , P2 , P3 ) : La matrice de passage de la base
(P1 , P2 , P3 ) à la base canonique (1, X , X 2 ) est donnée par ;

1 1 1


P = 1 0 0
0 0 1

Sa matrice inverse est donnée par ;


0 1 0


P −1 = 1 −1 −1
0 0 1

Comme P −1 est la matrice de passage de la base canonique (1, X , X 2 ) à la base

(P1 , P2 , P3 ), il vient que P1 = X , P2 = 1 − X et P3 = − X + X 2 .

Exercice 8

Soit E un R espace vectoriel de dimension finie ≥ 2. Soit q : L (E ) → R l’applica-

tion définie par q( f ) = tr( f 2 ).
1. Montrer que q est une forme quadratique sur L (E ).
2. Montrer que q est non dégénérée.

Corrigé :
1. L’application ( f , g) 7→ q( f + g) − q( f ) − q( g) = tr( f g) est une forme bilinéaire, de
plus, pour tout λ ∈ R, q(λ f ) = λ2 q( f ), ainsi q est une forme quadratique sur L (E ).
2. Soit f ∈ ker q. Pour tout g ∈ L (E ), tr( f g) = 0. Soit B une base quelconque de E
et A = MB ( f ). Soit g l’endomorphisme de E dont la matrice dans la base B est
la matrice t A , alors tr( t AB) = tr( g f ) = 0. On a donc a2i j = 0, où les a i j sont
X
1≤ i, j ≤ n
les coefficients de la matrice A . Par conséquent A = 0. On en déduit que f = 0. Ce
qui signifie que la forme quadratique q est non dégénérée.

Exercice 9

On se place dans l’espace vectoriel E = R3 . Soit ϕ la forme bilinéaire dont la

matrice dans la base canonique de E est donnée par :

1 1 1


A = 1 2 3
1 3 5

38
C HAPITRE 2 : Formes quadratiques

1. Expliciter ϕ ainsi que la forme quadratique q associée.

2. Déterminer son rang et son noyau. Est-ce une forme non dégénérée ?
3. Déterminer l’orthogonale de H = Vect((1, 0, 0), (1, 0, 1)). A-t-on dim H +
dim H ⊥ = dim E ?

Corrigé :
1. Pour x = ( x1 , x2 , x3 ), y = ( y1 , y2 , y3 ) ∈ R3 , on a

ϕ( x, y) = x1 y1 + x1 y2 + x1 y3 + x2 y1 + 2 x2 y2 + 3 x2 y3 + x3 y1 + 3 x3 y2 + 5 x3 y3

et
q( x) = x12 + 2 x22 + 5 x32 + 2 x1 x2 + 2 x1 x3 + 6 x2 x3
x
 

2. rg( q) = rg( A ) = 2. De plus, ( x, y, z) ∈ ker q si, et seulement si, A  y = 0 si, et

z
seulement si, x = z et y = −2 z. Ainsi ker q = Vect((1, −2, 1)). En particulier la
forme quadratique q est dégénérée.
3. Soit ( x, y, z) ∈ R3 . Alors ( x, y, z) ∈ H ⊥ si, et seulement si, ϕ(( x, y, z), (1, 0, 0)) = 0 et
ϕ(( x, y, z), (1, 0, 1)) = 0 si, et seulement si, x + y + z = 0 et 2 x + 4 y + 6 z = 0 si, et
seulement si, x = z et y = −2 z, ainsi H ⊥ = Vect((1, −2, 1)). Remarquons que q est
dégénérée, mais dim H + dim H ⊥ = dim E .

Exercice 10

Soit E un espace vectoriel de dimension finie muni d’une forme quadratique q

de noyau N . Soit F un sous espace vectoriel de E et G = F + N .
1. Montrer que N ⊆ F ⊥ .
2. Montrer que (G / N )⊥ = F ⊥ / N .
3. En déduire que F ⊥⊥ = G

Corrigé :
1. Si x ∈ N := ker q, alors ∀ y ∈ E , ϕ( x, y) = 0, en particulier pour tout y ∈ F , ϕ( x, y) =
0, ainsi x ∈ F ⊥ .
2. Si x ∈ F ⊥ et y ∈ G , alors y = yF + yN où yF ∈ F et yN ∈ N , donc ϕ( x, y) = ϕ( x, y) =
ϕ( x, yF ) + ϕ( x, yN ) = 0, par conséquent, y ∈ (G / N )⊥ . Ainsi F ⊥ / N ⊆ (G / N )⊥ . Ré-
ciproquement, soit x ∈ (G / N )⊥ . Pour tout y ∈ F ⊥ , on a ϕ( x, y) = ϕ( x, y) = 0 car
y ∈ F / N ⊆ G / N . On en déduit que (G / N )⊥ = F ⊥ / N .
3. D’après le résultat de la première question, on a N ⊆ F ⊥⊥ , d’autre part, on a
F ⊆ F ⊥⊥ , donc G = F + N ⊆ F ⊥⊥ . Si on pose G ′ = F ⊥ +
¡ N′ , alors
′
¢⊥ G ⊥⊥ = F ⊥ car N ⊆ F ⊥ .
D’après le résultat de la question précédente on a G / N = F / N . En particu-
¢⊥
lier dim G ′ / N = dim F ⊥⊥ / N . Or ϕ est non dégénérée, on a
¡

¢⊥
dim G ′ / N = dim(E / N ) − dim(G ′ / N ) = dim E − dim G ′ = dim E − dim F ⊥
¡

39
 2.6 Exercices

D’autre part, on a dim(F ⊥ / N ) = dim(G / N )⊥ = dim E / N − dim G / N = dim E − dim G ,

en particulier dim F ⊥ = dim E − dim G + dim N . Ainsi dim(G ′ / N )⊥ = dim G − dim N .
Par conséquent dim(F ⊥⊥ ) = dim G − dim N , il vient alors que dim F ⊥⊥ = dim G .
D’où F ⊥⊥ = G .

Exercice 11
Z 1
Soit E = Rn [ X ], pour tous P,Q ∈ E , on pose ϕ(P,Q ) = tP ( t)Q ′ ( t) dt et q(P ) =
0
ϕ(P, P ).
1. Montrer que ϕ est une forme bilinéaire. Est-elle symétrique ?
2. Montrer que q est une forme quadratique. Est-elle définie ?
3. Calculer la matrice de q dans la base canonique de E .
4. Pour n = 1, déterminer la signature de q.
5. Pour n = 1, déterminer une base q-orthogonale de E .

Corrigé :
Z 1
1. La bilinéarité est immédiate. Remarquons que ϕ( X , 1) = 0 et ϕ(1, X ) = tdt = 12 ,
0
autrement dit ϕ( X , 1) ̸= ϕ(1, X ), donc ϕ n’est pas symétrique.
2. ϕ étant bilinéaire et q(P ) = ϕ(P, P ), donc q est une forme quadratique. On a
q(1) = ϕ(1, 1) = 0, donc q n’est pas définie.
3. D’abord, la forme polaire de q est donnée par ;
Z 1 Z 1
1 1 ′ ′ 1
ψ(P,Q ) = 2 (ϕ(P,Q ) + ϕ(Q, P )) = 2 t(P ( t)Q ( t) + Q ( t)P ( t)) dt = 2 t(PQ )′ dt
0 0

Pour ( i, j ) ∈ [[0, n]]2 , on a

Z 1 Z 1 i+ j
i j i+ j ′ i+ j
ψ( X , X ) = 1
2 t( t ) dt = 2 t i+ j dt =
0 0 2( i + j + 1)
La matrice de q dans la base canonique de Kn [ X ] est la matrice dont les coeffi-
i+ j
cients sont les a i j = 2(i+ j+1) .
4. La matrice de q dans la base canonique de R1 [ X ] est donnée par ;
 
0 14
1 1
4 3

Pour P = x + yX ∈ R1 [ X ], on a
1 2 1
q(P ) = y + xy
3 2
En appliquant la réduction de Gauss, on obtient

q(P ) = 13 ( y + 43 x)2 − 16
3 2
x

40
C HAPITRE 2 : Formes quadratiques

5. On pose l 1 ( x, y) = 34 x + y et l 2 ( x, y) = x. On a q( x + yX ) = 31 ( l 1 ( x, y))2 − 16
3
( l 2 ( x, y))2 .
De plus ( l 1 , l 2 ) est une base de E . Soit maintenant (ε1 , ε2 ) la base antéduale de
( l 1 , l 2 ) (c’est une base orthogonale). Si on pose ε1 = a + bX , alors b + 34 a = 1 et
a = 0, d’où ε1 = X . Par un raisonnement analogue, on obtient ε2 = 1 − 43 X .

Exercice 12

Effectuer une réduction de Gauss et déterminer le noyau , le rang et la signature

des formes quadratiques suivantes :
1. q : R3 → R, q( x, y, z) = x2 − yz.
2. q : R3 → R, q( x, y, z) = x y + yz + xz.
3. q : R3 → R, q( x, y, z) = x2 − y2 + 2 z y.
4. q : R4 → R, q( x, y, z, t) = x2 − yz − 2 zt + t2 .
5. q : R4 → R, q( x, y, z, t) = 2 x y + 2 zt − 2 yz − 2 xt.

Corrigé :
1. Une réduction de Gauss de q :

q( x, y, z) = x2 − 14 ( y + z)2 + 41 ( y − z)2

La signature de q est (2, 1).

Le noyau de q : Puisque rg( q) = 2 + 1 = 3, la forme quadratique q est non dégéné-
rée, donc ker q = {0}.
2. Une réduction de Gauss de q :

q( x, y, z) = ( x + z)( y + z) − z2 = 41 ( x + y + 2 z)2 − 14 ( x − y) − z2

La signature de q est (1, 2).

Le noyau de q : Puisque rg( q) = 1 + 2 = 3, la forme quadratique q est non dégéné-
rée, donc ker q = {0}.
3. Une réduction de Gauss de q :

q( x, y, z) = x2 − y2 + 2 z y = x2 − ( y − z)2 + z2

La signature de q est (2, 1).

Le noyau de q : Puisque rg( q) = 2 + 1 = 3, la forme quadratique q est non dégéné-
rée, donc ker q = {0}.
4. Une réduction de Gauss de q :

q( x, y, z, t) = x2 − yz − 2 zt + t2 = x2 + ( t − z)2 − z2 − yz
= x2 + ( t − z)2 − ( z − 21 y)2 + 41 y2

La signature de q est (3, 1).

Le noyau de q : Puisque rg( q) = 3 + 1 = 4, la forme quadratique q est non dégéné-
rée, donc ker q = {0}.

41
 2.6 Exercices

5. Une réduction de Gauss de q :

q( x, y, z, t) = 2 x y + 2 zt − 2 yz − 2 xt = 2( y − t)( x − z)
= 1
2 (x + y − z − t)2 − 12 (− x + y + z − t)2

La signature de q est (1, 1) et rg( q) = 1 + 1 = 2.

Le noyau de q : ( x, y, z, t) ∈ ker q si, et seulement si, x+ y− z − t = 0 et − x+ y+ z − t = 0
si, et seulement si, y = t et x = z. Ainsi ker q = Vect((1, 0, 1, 0), (0, 1, 0, 1))

Exercice 13

On considère sur R3 la forme quadratique définie par ;

q( x, y, z) = 2 x2 + 2 y2 + 2 z2 + 2 x y + 2 yz + 2 xz

1. Montrer que q est définie positive.

2. Déterminer une base orthogonale pour q.

Corrigé :
1. Remarquons d’abord que q( x, y, z) = ( x + y)2 + ( x + z)2 + ( y + z)2 ≥ 0. De plus si
q( x, y, z) = 0 alors x + y = x + z = y + z = 0, donc x = y = z = 0 c’est-à-dire ( x, y, z) = 0.
Ainsi q est définie positive.
2. Notons B = ( e 1 , e 2 , e 3 ) la base canonique de R3 . On a q( x, y, z) = ( x + y)2 + ( x + z)2 +
( y + z)2 = ( l 1 ( x, y, z))2 + ( l 2 ( x, y, z))2 + ( l 3 ( x, y, z))2 , où l 1 ( x, y, z) = x + y, l 2 ( x, y, z) =
x + z et l 3 ( x, y, z) = y+ z autrement dit l 1 = e∗1 + e∗2 , l 2 = e∗1 + e∗3 et l 3 = e∗2 + e∗3 . Notons
que la famille ( l 1 , l 2 , l 3 ) est une base de l’espace dual (R3 )∗ , soit maintenant B ′ =
(v1 , v2 , v3 ) sa base anté duale, de sorte que B ′∗ = ( l 1 , l 2 , l 3 ). La matrice de passage
de la base B ∗ à la base B ′∗ est

1 1 0


P B∗ = 1 0 1
′∗
B
0 1 1

Donc la matrice de passage de la base B à la base B ′ est donnée par


1 1 −1

³ ´
B ′
B ′∗
PB =t P B∗ = 12  1 −1 1 
−1 1 1

Par conséquent v1 = ( 21 , 12 , − 12 ), v2 = ( 12 , − 12 , 12 ) et v3 = (− 21 , 12 , 12 ). Puisque MB ′ ( q) =

I 3 est diagonale, B ′ est une base q-orthogonale.

Exercice 14

Soit E un espace vectoriel réel de dimension finie n ≥ 2 et q une forme quadra-

tique sur E .
1. Montrer que si q est positive (ou négative) alors ker q = C ( q).

42
C HAPITRE 2 : Formes quadratiques

2. On suppose dans cette question que ker q = C ( q). Soit F un supplémentaire

de ker q dans E . On suppose qu’ils existent deux vecteurs u, v ∈ E tels que
q( u) < 0 et q(v) > 0.
(a) Montrer qu’ils existent deux vecteurs u′ , v′ ∈ F tels que q( u′ ) < 0 et
q(v′ ) > 0.
(b) Montrer que la famille ( u′ , v′ ) est libre.
On considère l’application h : [0, 1] → R définie par h( t) = q( tu′ + (1 − t)v′ ).
(c) Vérifier que h est continue sur [0, 1].
(d) En déduire qu’il existe un vecteur non nul w ∈ F tels que q(w) = 0.
Trouver une contradiction.
(e) Conclusion.

Corrigé :
1. Supposons que q est positive. On sait que ker q ⊆ C( q). Soit x ∈ C( q) ¡c’est-à-dire
¢2
q( x) = 0. Si y ∈ E , alors d’après l’inégalité de Cauchy-Schwarz, on a ϕ( x, y) ≤
q( x) q( y) = 0 où ϕ est la forme polaire de q, ainsi ϕ( x, y) = 0, d’où x ∈ ker q. Par
conséquent ker q = C( q).
Si q est négative, alors − q est positive et dans ce cas ker(− q) = C(− q), mais
ker(− q) = ker q et C(− q) = C( q), donc ker q = C( q).
2. (a) On a E = F ⊕ker q, donc il existent ( u′ , u′′ ), (v′ , v′′ ) ∈ F ×ker q tels que u = u′ + u′′
et v = v′ + v′′ . On a donc q( u) = q( u′ + u′′ ) = q( u′ ) car u′′ ∈ ker q et de même
q(v) = q(v′′ ). D’où q( u′ ) < 0 et q(v′ ) > 0.
(b) Soit (α, β) ∈ R2 tel que α u′ + βv′ = 0. On a q(α u′ ) = q(−βv′ ), donc α2 q( u′ ) =
β2 q(v′ ). Puisque q( u′ ) < 0 et q(v′ ) > 0, il vient que α = β = 0. Ainsi la famille
( u′ , v′ ) est libre.
(c) Si on note ϕ la forme polaire de q, alors pour tout t ∈ [0, 1], on a

h( t) = t2 q( u′ ) + 2 t(1 − t)ϕ( u′ , v′ ) + (1 − t)2 q(v′ )

La fonction h est donc polynomiale en t, par conséquent elle est continue sur
le segment [0, 1].
(d) On a h(0) = q(v′ ) > 0 et h(1) = q( u′ ) < 0, d’après le théorème de valeurs in-
termédiaires, il existe t 0 ∈ [0, 1] tel que h( t 0 ) = 0. En particulier pour w =
t 0 u′ + (1 − t 0 )v′ , on a q(w) = h( t 0 ) = 0. De plus, si w = 0 alors t 0 u′ + (1 − t 0 )v′ = 0,
par conséquent t 0 = 0 et 1 − t 0 car la famille ( u′ , v′ ) est libre. ce qui est impos-
sible, donc w ̸= 0.
D’une part, on a w = t 0 u′ + (1 − t 0 )v′ ∈ F et d’autre part q(w) = 0 signifie que
w ∈ C( q) = ker q, donc w ∈ F ∩ ker q = {0}, c’est-à-dire w = 0, qui est donc une
contradiction.
(e) L’hypothèse, q change le signe, aboutie à une contradiction. On en déduit que
la forme quadratique q ne change pas le signe c’est-à-dire q est positive ou q
négative.

43
 2.6 Exercices

Exercice 15

Soit q : R3 → R l’application définie par

q( x, y, z) = x2 + 4 x y + 6 xz + 4 y2 + 16 yz + 9 z2

1. Vérifier que q est une forme quadratique, et déterminer la forme polaire,

que l’on notera ϕ, associée à q.
2. Donner la matrice de ϕ dans la base canonique de R3 .
3. Décomposer q en combinaison linéaire de carrées de formes linéaires li-
néairement indépendantes.
4. En déduire le rang et la signature de q.
5. Déterminer une base q-orthogonale B ′ de R3 .

Corrigé :
1. L’application définie pour u = ( x, y, z), v = ( x′ , y′ , z′ ) ∈ R3 par ,

ϕ( u, v) = xx′ + 2 x′ y + 2 x y′ + 3 x′ z + 3 xz′ + 4 yy′ + 8 yz′ + 8 y′ z + 9 zz′

est une forme bilinéaire symétrique, de plus ϕ( u, u) = q( u), donc q est une forme
quadratique sur R3 , dont la forme polaire est l’application ϕ.
2. La matrice de q dans la base canonique de R3 est ;

1 2 3

2 4 8
3 8 9

3. Décomposition de q ;

q( x, y, z) = ( x + 2 y + 3 z)2 + ( y + z)2 − ( y − z)2 = ( l 1 ( x, y, z))2 + ( l 2 ( x, y, z))2 − ( l 3 ( x, y, z))2

Où l 1 ( x, y, z) = x + 2 y + 3 z, l 2 ( x, y, z) = y + z et l 3 ( x, y, z) = y − z, et il est clair que la

famille ( l 1 , l 2 , l 3 ) est libre.
4. La signature de q est (2, 1), en particulier rg q = 2 + 1 = 3.
5. Soit B ′ = (v1 , v2 , v3 ) la base antéduale de ( l 1 , l 2 , l 3 ) de sorte que B ′∗ = ( l 1 , l 2 , l 3 ).
La matrice de passage de la base canonique B de R3 à la base B ′ est
 −1
1 2 3

1 −5 1

B ′
³
B ′∗
´−1 1
PB =t P B∗ = 0 1 1  = 0 1 1
2
0 1 −1 0 1 −1

Donc v1 = ( 12 , 0, 0), v2 = (− 52 , 12 , 21 ) et v3 = ( 12 , 21 , − 12 ). La matrice de q dans la base


1 0 0


B ′ est la matrice diagonale 0 1 0 , par conséquent B ′ est une base q-

0 0 −1
orthogonale de R3 .

44
C HAPITRE 2 : Formes quadratiques

Exercice 16

Soient f 1 , . . . , f n , n fonctions
Z 1
continues sur [0, 1] à valeurs dans R. Pour i, j ∈
[[1, n]], on pose α i j = f i ( t) f j ( t) dt, puis pour x = ( x1 , . . . , xn ) ∈ Rn , q( x) =
X 0
αi j xi x j .
1≤ i, j ≤ n
1. Montrer que q est une forme quadratique.
2. Montrer que q est positive.
3. Montrer que si la famille ( f 1 , . . . , f n ) est libre alors q est définie positive.
4. Montrer que si q est définie positive alors la famille ( f 1 , . . . , f n ) est libre.
5. Écrire la matrice de q dans la base canonique de Rn dans le cas particulier
f i ( t) = t i−1 .

Corrigé :
Z 1
1. Pour i, j ∈ [[1, n]], remarquons que α i j x i x j = x i f i ( t) x j f j ( t) dt, donc
0
Z 1 X Z n X
1X n
q ( x) = x i f i ( t) x j f j ( t) dt = x i f i ( t) x j f j ( t) dt
0 1≤ i, j ≤ n 0 j =1 i =1
à ! à !à !
Z n
1X n
X Z 1 n
X n
X
= x i f i ( t) x j f j ( t) dt = x i f i ( t) x j f j ( t) dt
0 j =1 i =1 0 i =1 j =1
à !2
Z 1 n
X
= x i f i ( t) dt
0 i =1
à !à !
Z 1 n
X n
X
L’application ϕ : ( x, y) 7→ x i f i ( t) y j f j ( t) dt est une forme bilinéaire
0 i =1 j =1
symétrique sur Rn , de plus ϕ( x, x) = q( x). Donc q est une forme quadratique sur
Rn , dont la forme polaire est ϕ.
Z 1 ÃX !2
n
2. Pour x ∈ Rn , on a q( x) = x i f i ( t) dt ≥ 0. Donc q est positive.
0 i =1
3. Supposons que la famille ( f 1 , . . . , f n ) est libre. Soit x = ( x1 , . . . , xn ) ∈ Rn tel que
Z 1 ÃX !2 Ã !2
n n
X
q( x) = 0 c’est-à-dire x i f i ( t) dt = 0. Puisque la fonction t 7→ x i f i ( t)
0 i =1 i =1
à !2
n
X n
X
est continue positive sur [0, 1], on a donc xi f i = 0, donc x i f i = 0. De la
i =1 i =1
liberté, il vient que x1 = . . . = xn = 0, autrement dit x = 0. Ainsi q est définie
positive.
n
4. Supposons que q est définie positive. Soit (λ1 , . . . , λn ) ∈ Rn tel que
X
λ i f i = 0. On a
i =1
Z 1 ÃX !2
n
q(λ1 , . . . , λn ) = λ i ( t) dt = 0. la forme quadratique q étant définie positive,
0 i =1

45
 2.6 Exercices

donc λ1 = . . . = λn = 0. D’où la famille ( f 1 , . . . , f n ) est libre.

5. La matrice de q dans la base canonique de Rn est la matrice dont le coefficient
d’indice ( i, j ) est α i j , et dans ce cas on a
Z 1 Z 1
i −1 j −1
αi j = t t dt = t i+ j−2 dt = i+1j−1
0 0

Exercice 17 (Espace hyperbolique)

Soit E un espace vectoriel de dimension 2, q désigne une forme quadratique non

dégénérée sur E de signature (1, 1) et on note ϕ sa forme polaire. Soit B = ( e 1 , e 2 )
une base de E telle que q( e 1 ) = 1, q( e 2 ) = −1 et ϕ( e 1 , e 2 ) = 0. On pose ε1 = e 1 + e 2 .
1. Calculer q(ε1 ).
2. Montrer qu’il existe un vecteur ε2 ∈ E tel que q(ε2 ) = 0 et ϕ(ε1 , ε2 ) = 1.
3. Montrer que B ′ := (ε1 , ε2 ) est une base de E .
4. Déterminer la matrice de ϕ dans la base B ′ .

Corrigé :
1. q(ε1 ) = q( e 1 + e 2 ) = q( e 1 ) + 2ϕ( e 1 , e 2 ) + q( e 2 ) = 0.
2. On pose ε2 = α e 1 + β e 2 . La condition q( e 2 ) = 0 est équivalente à α2 − β2 = 0 et
la condition ϕ(ε1 , ε2 ) = 1 est équivalente à α − β = 1. On trouve α = 21 et β = 21 ,
c’est-à-dire ε2 = 12 e 1 − 21 e 2 .
3. Soit (α, β) ∈ R2 tel que αε1 + βε2 = 0. On a
0 = ϕ(ε1 , αε1 + βε2 ) = α q(ε1 ) + βϕ(ε1 , ε2 ) = β
De même, 0 = ϕ(ε2 , αε1 + βε2 ) = α. Donc la famille (ε1 , ε2 ) est libre, et puisque E
est de dimension 2, la famille (ε1 , ε2 ) est une base de E .
µ ¶
0 1
4. MB ( q) =
′ .
1 0

Exercice 18

Soit E un espace vectoriel de dimension finie et q une forme quadratique sur E

non dégénérée, et note ϕ sa forme polaire. Soit u ∈ L (E ).
1. Montrer que les deux propriété suivantes sont équivalents :
(a) ∀ x ∈ E , q( u( x)) = q( x),
(b) ∀ x, y ∈ E , ϕ( u( x), u( y)) = ϕ( x, y).
On note O ( q) l’ensemble des endomorphismes de E vérifiant l’une des pro-
priétés précédentes.
2. Montrer que si u ∈ O ( q) alors u est un isomorphisme.
3. Montrer que O ( q) est un groupe.
4. Montrer que si q ∈ O ( q) alors u transforme toute base q-orthogonale de E
en une base q-orthogonale de E .

Corrigé :

46
C HAPITRE 2 : Formes quadratiques

1. (a) ⇒ ( b). Soit ( x, y) ∈ E 2 , alors

1
ϕ( u( x), u( y)) = 2 ( q( u( x) + u( y)) − q( u( x)) − q( u( y)))
1
= 2 ( q( u( x + y)) − q( u( x)) − q( u( y)))
1
= 2 ( q( x + y) − q( x) − q( y))
= ϕ( x, y)
( b) ⇒ (a). Cette implication est immédiate (c’est le cas de x = y).
2. Soit u ∈ O ( q) et x ∈ ker q. Pour tout y ∈ E , on a ϕ( x, y) = ϕ( u( x), u( y)) = ϕ(0, u( y)) =
0, donc x ∈ ker q = {0}, c’est-à-dire x = 0. Par conséquent u est un isomorphisme.
3. Il suffit de vérifier que O ( q) est un sous groupe de Gl(E ). D’après le résultat de la
question précédente, on a O ( q) ⊆ Gl(E ). Il est clair que IdE ∈ O ( q). Si u, v ∈ O ( q),
alors pour tout x ∈ E , on a q (( uv)( x)) = q( u(v( x))) = q(v( x)) = q( x), donc uv ∈ O ( q).
De plus q( u−1 ( x)) = q( u( u−1 ( x))) = q( x), ainsi u−1 ∈ O ( q). on en déduit que O ( q)
est un sous groupe de Gl(E ).
4. Soit q ∈ O ( q) et B = ( e 1 , . . . , e n ) une base q-orthogonale de E . Vu que u est un
isomorphisme, l’image de B par u est une base de E , il suffit de montrer l’ortho-
gonalité. Pour ( i, j ) ∈ [[1, n]]2 avec i ̸= j , on a ϕ( u( e i ), u( e j )) = ϕ( e i , e j ) = 0. D’où le
résultat.

Exercice 19

Soit E un espace vectoriel réel de dimension n et q une forme quadratique de

signature ( p, n − p).
1. Quel est le rang de q.
2. Montrer qu’il existe une base B de E dans laquelle la matrice de q est
µ ¶
Ip 0
J=
0 − I n− p
Pour la suite, on fixe une telle base B .
3. Soit u ∈ O ( q). On note A = MB ( u) la matrice de u dans la base B .
(a) Montrer que t A J A = J .
On
µ suppose
¶ pour la suite de cette question que t A A = I n et on pose A =
B C
sous forme de blocs où B ∈ M p (R), C ∈ M p,n− p (R), D ∈ Mn− p,p (R)
D E
et E ∈ Mn− p (R).
(b) Justifier que A J = J A .
(c) Montrer que C = 0 et D = 0.
(d) Montrer que t BB = I p et t EE = I n− p .
Pour r ∈ N∗ , on note O r (R) = { M ∈ Mr (R) / t MM = I r }.
4. Montrer que O n (R) et O ( q) sont des groupes.
On pose O p,n− p (R) = { M ∈ Mn (R) / t M J M = J }.
5. Montrer que O p,n− p (R) est un groupe isomorphe à O ( q).
6. Montrer que le groupe O p,n− p (R) ∩ O n (R) est isomorphe à O p (R) × O n− p (R).

47
 2.6 Exercices

Corrigé :
1. rg q = p + n − p = n.
2. Puisque la signature de q est ( p, n − p), il existe une base (v1 , . . . , vn ) telle que
v
q(v i ) > 0 si 1 ≤ i ≤ p et q(v i ) < 0 si p + 1 ≤ i ≤ n. Pour 1 ≤ i ≤ p, on pose e i = p i
q(v i )
vi
et si p + 1 ≤ i ≤ n, on pose e i = p , enfin B = ( e 1 , . . . , e n ). Il est clair que B est
− q(v i )
vi 1
une base q-orthogonale. De plus, si 1 ≤ i ≤ p, on a q( e i ) = q( p )= q(v i ) q(v i ) = 1,
q(v i )
vi 1
et si p + 1 ≤ i ≤ n, on a q( e i ) = q( p )= − q(v i )
q(v i ) = −1. Ainsi la matrice de q
− q(v i )
dans la base B est la matrice
µ ¶
Ip 0
J=
0 − I n− p

3. (a) Soit X , Y ∈ Mn,1 (R), et notons x respectivement y le vecteur de E dont la

matrice dans la base B est la matrice X respectivement Y , autrement dit
MB ( x) = X respectivement MB ( y) = Y . Notons que MB ( u( x)) = A X et MB ( u( y)) =
AY . D’une part on a, ϕ( x, y) = t X JY . D’autre part, on a

ϕ( x, y) = ϕ( u( x), u( y)) = t ( A X ) J ( AY ) = t X t A J A Y
¡ ¢

On en déduit que pour tous X , Y ∈ Mn,1 (R),

t
X t A J A Y = t X JY
¡ ¢

Donc t A J A = J .
(b) Puisque t A A = I n , la matrice t A est la matrice inverse de A . De l’égalité
t
A J A = A , il vient que A −1 J A = A , ainsi J A = A J .
(c) On a A J = J A c’est-à-dire
µ ¶µ ¶ µ ¶µ ¶
B C Ip 0 Ip 0 B C
=
D E 0 − I n− p 0 − I n− p D E
½
−C = C
Donc , ainsi C = 0 et D = 0.
D = −D
µt ¶µ ¶ µ ¶
t B 0 B 0 Ip 0
(d) Puisque A A = I n , on a donc t = In = , par consé-
0 E 0 E 0 I n− p
t t
quent BB = I p et EE = I n− p
4. Notons d’abord que I n ∈ O n (R). Si M, N ∈ O n (R), alors
t
( MN ) = t N t M = N −1 M −1 = ( MN )−1

Donc MN ∈ O n (R). Ainsi O n (R) est un sous groupe de Gln (R). En particulier O n (R)
est un groupe. Pour O ( q) voir l’exercice 18.
5. Remarquons d’bord que J 2 = I n , autrement dit J est une matrice inversible et
J −1 = J . Si M ∈ O p,n− p (R), alors ( J t M J ) M = I n , ainsi la matrice M ∈ Gln (R), donc
O p,n− p (R) ⊆ Gln (R). On a t I n J I n = J , donc I n ∈ O p,n− p (R). Soient M, N ∈ O p,n− p (R).

48
C HAPITRE 2 : Formes quadratiques

On a t M J M = J , donc J = ( t M )−1 J M −1 , par suite J = t ( M −1 ) J M −1 car ( t M )−1 =

t
( M −1 ), par conséquent M −1 ∈ O p,n− p (R). On a aussi

t
( MN ) J ( MN ) = t N ( t M J M ) N = t N J N = J

Donc MN ∈ O p,n− p (R). On en déduit que O p,n− p (R) est un sous groupe de Gln (R).
On considère l’application ϕ : O ( q) → O p,n− p (R) définie par ϕ( u) = MB ( u) où B
est la base définie à la question 2. Si u, v ∈ O (a), alors

ϕ( uv) = MB ( uv) = MB ( u)MB (v) = ϕ( u)ϕ(v)

Donc ϕ est un morphisme de groupes. Si u ∈ ker ϕ, alors ϕ( u) = I n , c’est-à-dire

MB ( u) = I n = MB (IdE ), donc u = IdE , par conséquent le morphisme ϕ est injectif.
Soit M ∈ O p,n− p (R), et notons u l’endomorphisme de E dont la matrice dans la
base B est la matrice M , autrement dit MB ( u) = M . Montrons que u ∈ O ( q). Soit
x ∈ E et notons X = MB ( x) la matrice de x dans la base B . On a

q ( u ( x) = t ( M X ) J ( M X ) = t X ( t M J M ) X = t X J X = q ( x)

Donc q ∈ O ( q), par conséquent M = ϕ( u). On en déduit alors que ϕ est un mor-
phisme surjectif, par suite ϕ est un isomorphisme de groupes.
6. Soit ψ : O p (R) × O n− p (R) → O p,n− p (R) ∩ O n (R) l’application définie pour (B, E ) ∈
O p (R) × O n− p (R), par
µ ¶
B 0
ψ(B, E ) =
0 E

Notons que ψ est bien définie, car si (B, E ) ∈ O p (R) × O n− p (R), alors
µt ¶ µ ¶ µ ¶µ ¶ µt ¶ µ ¶
B 0 B 0 B 0 B 0 BB 0 Ip 0
t J = = = =J
0 E 0 E 0 E 0 −E 0 − t EE 0 − I n− p

et µt ¶µ ¶ µt ¶ µ ¶
B 0 B 0 BB 0 Ip 0
t = t = = In
0 E 0 E 0 EE 0 I n− p

Autrement dit ψ(B, E ) ∈ O n,n− p (R) ∩ O n (R). Si (B, E ), (B′ , E ′ ) ∈ O p (R) × O n− p (R),
alors

BB′ B 0 B′ 0
¶ µµ ¶µ ¶
′ ′ ′ 0 ′
ψ((B, E )(B , E )) = ψ(BB , EE ) = = = ψ(B, E )ψ(B′ , E ′ )
0 EE ′ 0 E 0 E′

Donc ψ est un morphisme de groupes. Si ψ(B, E ) = I n alors B = I p et E = I n− p ,

µ ¶
B C
donc le morphisme ψ est injectif. Soit A = ∈ O p,n− p (R) ∩ O n (R), d’après
D E
les résultats des questions 2.( c) et 2.( d ), on a C = 0, D = 0, t BB = I p et t EE =
I n− p , c’est-à-dire (B, E ) ∈ O p (R) × O n− p (R) et A = ψ(B, E ). Le morphisme ψ est
donc surjectif, par conséquent c’est un isomorphisme de groupes.

49
 2.6 Exercices

Exercice 20

Soit E un espace vectoriel de dimension finie, q une forme quadratique sur E et

ϕ sa forme polaire, tel que ker q ⊊ C( q).
1. Montrer qu’il existe e ∈ E tel que q( e) = 0 et e ∉ ker q.
Soit f ∈ E ∗ définie, pour tout x ∈ E , par f ( x) = ϕ( x, e).
2. Montrer que H = ker f est un hyperplan de E .

Corrigé :
1. Par hypothèse, il existe e ∈ C( q) tel que e ̸∈ ker q c’est-à-dire q( e) = 0 et e ̸∈ ker ( q).
2. Il s’agit de montrer que la forme linéaire f est non nulle. Puisque e ̸∈ ker q, il
existe z ∈ E tel que ϕ( z, e) ̸= 0, donc f ( z) = ϕ( z, e) ̸= 0, ainsi f est une forme li-
néaire non nulle, par conséquent H = ker f est un hyperplan de E .

Exercice 21

Soit E un espace vectoriel de dimension finie et q une forme quadratique sur

E . Soit G un supplémentaire du sous espace vectoriel ker q dans E . Q : G →
K l’application définie par Q ( x) = q( x) c’est la restriction de q au sous espace
vectoriel G .
1. Justifier que Q définie une forme quadratique non dégénérée sur G .
Soit F un sous espace vectoriel de E et H = (F + ker q) ∩ G .
2. Montrer que ker q ⊆ F ⊥ et que H ⊥Q = F ⊥ ∩ G .
3. En déduire que dim E = dim F + dim F ⊥ − dim(F ∩ E ⊥ ).

Corrigé :

50
Chapitre 3

Espaces euclidiens

Les espaces vectoriels considérés dans ce chapitre sont des espaces vectoriels sur R.

3.1 Produit scalaire sur un espace vectoriel

3.1.1 Définition et exemples

Définition 1.1.

On appelle produit scalaire sur un espace vectoriel réel E toute forme bili-
néaire symétrique définie positive.

Notation : Si ϕ est un produit scalaire sur E , le réel ϕ( x, y) se note souvent par :

( x| y) ou x.y ou 〈 x, y〉

Exemples :
1. L’application (Rn )2 → R définie pour x = ( x1 , . . . , xn ) et y = ( y1 , . . . , yn ) par 〈 x, y〉 =
n
xk yk est un produit scalaire sur Rn appelé produit scalaire canonique.
X
k=1
2. L’application ( A, B) 7→ 〈 A, B〉 = tr( t AB) définie un produit scalaire sur Mn (R).
Z b
3. L’application ( f , g) 7→ 〈 f , g〉 = f ( t) g( t) dt définie un produit scalaire sur C ([a, b], R).
a
1 2π
Z
4. L’application ( f , g) 7→ 〈 f , g〉 = f ( t) g( t) dt définie un produit scalaire sur
2π 0
l’espace vectoriel C 2π (R, R) des fonctions continues 2π-périodique sur R.
5. L’application 〈 X , Y 〉 7→ t X Y définie un produit scalaire sur Mn,1 (R) appelé pro-
duit scalaire canonique.

Définition 1.2.

1. Un espace préhilbertien réel est un espace vectoriel réel muni d’un pro-
duit scalaire.

51
 3.1 Produit scalaire sur un espace vectoriel

2. Un espace euclidien est un espace préhilbertien réel de dimension finie.

Proposition 1.3. ( Inégalité de Cauchy-Schwarz)

Soit E un espace préhilbertien. Pour tous x, y ∈ E , on a

〈 x, y〉2 ≤ 〈 x, x〉〈 y, y〉

Avec égalité si, et seulement si, la famille ( x, y) est liée.

Exemples :
1. Cas du produit scalaire canonique : si x1 , . . . , xn , y1 , . . . , yn ∈ R, alors
à !2 à !à !
n n n
x2k yk2
X X X
xk yk ≤
k=1 k=1 k=1

2. Cas des intégrales : si f , g : [a, b] → R sont des fonctions continues que [a, b] alors
µZ b ¶2 µZ b ¶ µZ b ¶
f ( t) g( t) dt ≤ f 2 ( t) dt g2 ( t) dt
a a a

3.1.2 Norme associée à un produit scalaire

Définition 1.4.
p
Soit E un espace préhilbertien, pour x ∈ E le réel 〈 x, x〉 s’appelle la norme
p
de x et se not ∥ x∥, ainsi ∥ x∥ := 〈 x, x〉.

Proposition 1.5.

1. Pour tout x ∈ E , ∥ x∥ ≥ 0 et ∥ x∥ = 0 si, et seulement si, x = 0

2. Pour tout x ∈ E , et λ ∈ R, ∥λ x∥ = |λ|∥ x∥
3. Pour tous x, y ∈ E , ∥ x + y∥ ≤ ∥ x∥ + ∥ y∥ (Inégalité triangulaire).

Remarque : Soit x, y ∈ E , alors |〈 x, y〉| ≤ ∥ x∥∥ y∥ avec égalité si, et seulement si, la
famille ( x, y) est liée.

Définition 1.6.

L’application x 7→ ∥ x∥ est appelée la norme associée au produit scalaire 〈, 〉.

52
C HAPITRE 3 : Espaces euclidiens

Remarque : Inégalité triangulaire renversé : pour tous x, y ∈ E , on a

|∥ x∥ − ∥ y∥| ≤ ∥ x − y∥

Proposition 1.7.

Soit E un espace préhilbertien. L’application d : E × E → R définie par

d ( x, y) = ∥ x − y∥ vérifies les propriétés suivantes :
1. d ( x, y) ≥ 0 et d ( x, y) = 0 si, et seulement si, x = 0
2. d ( x, y) = d ( y, x)
3. d ( x, z) ≤ d ( x, y) + d ( y, z)
Ainsi d définie une distance sur E .

Proposition 1.8.

1. ∥ x + y∥2 + ∥ x − y∥2 = 2(∥ x∥2 + ∥ y∥2 ) , identité du parallélogramme.

2. 〈 x, y〉 = 21 (∥ x + y∥2 − ∥ x∥2 − ∥ y∥2 ) = 14 (∥ x + y∥2 − ∥ x − y∥2 ) , identité de po-
larisation.

Remarque : L’identité de polarisation permet d’exprimer le produit scalaire en fonc-

tion de la norme.

3.2 Orthogonalité
3.2.1 Vecteurs et sous espaces orthogonaux

Définition 2.9.

Soit E un espace préhilbertien réel.

1. On dit que les deux vecteurs x et y sont orthogonaux si 〈 x, y〉 = 0. On
note x ⊥ y
2. On dit que x est orthogonale à une partie A de E si pour tout a ∈ A ,
〈 x, a〉 = 0. On note x ⊥ A .
3. On dit qu’une famille de vecteurs ( x i ) i est orthogonale si pour tous i, j
avec i ̸= j , 〈 x i , x j 〉 = 0.
4. On dit que deux parties A et B sont orthogonaux si pour tout x ∈ A et
tout y ∈ B, 〈 x, y〉 = 0. On note A ⊥ B
5. On appelle l’orthogonal d’une partie A , l’ensemble A ⊥ := { x ∈ E / ∀ y ∈
A , 〈 x, y〉 = 0}

Exemple : E = R4 muni du produit scalaire canonique, et F = {( x, y, z, t) ∈ E | x − 2 y +

z − 3 t = 0}. On a (1, −2, 1, −3) ⊥ F .

53
 3.2 Orthogonalité

Proposition 2.10.

Soit (E, 〈, 〉) un espace préhilbertien réel , A et B deux parties de E

1. A ⊥ est un sous espace vectoriel de E .
2. A ⊥ = Vect( A )⊥
3. Si A ⊆ B alors B⊥ ⊆ A ⊥
4. {0}⊥ = E et E ⊥ = 0.

Proposition 2.11.

Soit F un sous-espace vectoriel d’un espace préhilbertien E .

1. La somme F + F ⊥ est directe, c’est-à-dire F ∩ F ⊥ = {0}.
2. F ⊆ F ⊥⊥ .

Démonstration : Si x ∈ F ∩ F ⊥ alors 〈 x, x〉 = 0, ainsi x = 0.

Définition 2.12.

Un vecteur x ∈ E est dit unitaire ou normé si ∥ x∥ = 1

x
Remarque : Si x ∈ E \ {0}, alors les deux vecteurs ± sont unitaires.
∥ x∥

Définition 2.13.

On dit qu’une famille de vecteurs ( x i ) i est orthonormée si pour tous i, j ; on a

〈 x i , x i 〉 = 1 et 〈 x, x j 〉 = 0 si i ̸= j . Autrement dit 〈 x i , x j 〉 = δ i j .

Exemple : Dans Rn muni du produit scalaire canonique, la base canonique est une
famille orthonormale.

Définition 2.14.

Une base orthonormée est une famille qui est à la fois base et famille ortho-
normée.

Exemple : La base canonique de E = Rn est une base orthonormale de E muni du

produit scalaire canonique.

Proposition 2.15.

1. Si ( x i )1≤ i≤ p est une famille orthogonale, formée de vecteurs non nuls,

alors elle est libre.

54
C HAPITRE 3 : Espaces euclidiens

2. Si ( x i )1≤ i≤ p est une famille orthonormée , alors elle est libre.

Démonstration :
1. Soit ( x i )1≤ i≤ p une famille orthogonale formée de vecteurs non nuls. Soient λ1 , . . . , λ p ∈
p p
R tels que
X X
λ i x i = 0. Soit 1 ≤ j ≤ p, on a 〈 λ i x i , x j 〉 = 0, donc
i =1 i =1

p
λ j ∥ x j ∥2 +
X
λi 〈xi , x j 〉 = 0
i =1,i ̸= j

Comme 〈 x i , x j 〉 = 0 pour i ̸= j , on obtient λ j ∥ x j ∥2 = 0, ce qui implique λ j = 0 car

∥ x j ∥ ̸= 0.
2. Une famille orthonormale est une famille orthogonale formée de vecteurs non
nuls, donc elle est libre.

Théorème 2.16. (Théorème de Pythagore)

1. Soient x, y ∈ E , alors x ⊥ y si, et seulement si, ∥ x + y∥2 = ∥ x∥2 + ∥ y∥2 .

2. Si ( x i )1≤ i≤n est une famille orthogonale, alors
° °2
°X n ° n
∥ x i ∥2
X
° xi ° =
° °
° i=1 ° i =1

Démonstration :
1. Soit x, y ∈ E , on a ∥ x + y∥2 = ∥ x∥2 + 2〈 x, y〉 + ∥ y∥2 . Il vient alors que ∥ x + y∥2 =
∥ x∥2 + ∥ y∥2 si, et seulement si, 〈 x, y〉 = 0 si, et seulement si, x ⊥ y.
2. Soit ( x i )1≤ i≤n une famille orthogonale, on a
° °2
°X n ° X n X n X
° xi ° = 〈 xi , x j〉 = 〈xi , x j 〉
° °
° i=1 ° i =1 j =1 1≤ i, j ≤ n
n n
∥ x i ∥2
X X X
= 〈xi , xi 〉 + 〈xi , x j 〉 =
i =1 1≤ i ̸= j ≤ n i =1

Notons au passage que pour i ̸= j , 〈 x i , x j 〉 = 0.

3.2.2 Existence de base orthonormale

Théorème 2.17.

Soit E un espace euclidien de dimension n ≥ 1. Alors E admet au moins une

base orthonormale.

55
 3.2 Orthogonalité

Démonstration : On sait que E admet au moins une base orthogonale B = ( e 1 , . . . , e n )

e
(voir théorème existence de base q-orthogonale). Posons e′i = ∥ e i ∥ ce qui est possible car
i
e i ̸= 0 et donc ∥ e i ∥ ̸= 0. Alors B ′ = ( e′1 , . . . , e′n ) est une base orthonormale de E .

Proposition 2.18.

Soit E un espace euclidien et F un sous espace vectoriel de E . Alors E =

F ⊕ F ⊥.

Démonstration : Le produit scalaire est une forme non dégénérée donc dim E =
dim F + dim F ⊥ . Soit x ∈ F ∩ F ⊥ , alors 〈 x, x〉 = 0, c’est-à-dire ∥ x∥2 = 0, d’où x = 0. On en
déduit alors que E = F ⊕ F ⊥ .

Proposition 2.19.

Soit E un espace euclidien. Toute famille orthonormale de E peut être com-

plétée en une base orthonormale de E .

Démonstration : Soit ( e 1 , . . . , e p ) une famille orthonormale de E et considère le sous

espace vectoriel F = Vect( e 1 , . . . , e p ). On a donc dim F = p et dim F ⊥ = n− p où n = dim E .
Soit ( e p+1 , . . . , e n ) une base orthonormale de F ⊥ . La famille ( e 1 , . . . , e p , e p+1 , . . . , e n ) est
une base orthonormale de E .

Le théorème suivant donne les coordonnées, l’expression du produit scalaire et de la

norme dans une base orthonormale :

Théorème 2.20.

Soit E un espace euclidien et B = ( e 1 , . . . , e n ) une base orthonormale de E ,

n
X
1. Pour tout x ∈ E , x = 〈 x, e k 〉 e k .
k=1
n
X
2. Pour tout x, y ∈ E , 〈 x, y〉 = 〈 x, e k 〉〈 y, e k 〉.
k=1
n
3. Pour tout x ∈ E , ∥ x∥2 = 〈 x, e k 〉2
X
k=1

Démonstration :
n
1. Soit x ∈ E et x1 , . . . , xn ∈ R tels que x =
X
x i e i (( x1 , . . . , xn ) les coordonnées de x
i =1
n
dans la base B ). Soit 1 ≤ k ≤ n, on a 〈 x, e k 〉 =
X
x i 〈 e i , e k 〉 = xk 〈 e k , e k 〉 = xk . D’où
i =1
n
X
x= 〈 x, e i 〉 e i .
i =1
n
X
2. Soient x, y ∈ E , posons x i = 〈 x, e i 〉 et yi = 〈 y, e i 〉 de sorte que x = x i e i et y =
i =1

56
C HAPITRE 3 : Espaces euclidiens

n
X
yi e i . On a donc
i =1

n
X n
X X
〈 x, y〉 = 〈 xi e i , yj e j〉 = xi y j 〈 e i , e j 〉
i =1 j =1 1≤ i, j ≤ n
n
X X
= x i yi 〈 e i , e i 〉 + xi y j 〈 e i , e j 〉
i =1 1≤ i ̸= j ≤ n
X n n
X
= x i yi = 〈 x, e i 〉〈 y, e i 〉
i =1 i =1

n n
3. ∥ x∥2 = 〈 x, x〉 = 〈 x, e i 〉2 .
X X
〈 x, e i 〉〈 x, e i 〉 =
i =1 i =1

3.2.3 Procédé d’orthonormalisation de Gram-Schmidt

Théorème 2.21.

Soit E un espace préhilbertien réel, et (v1 , . . . , vn ) une famille libre de E . Alors

il existe une famille orthonormée ( e 1 , . . . , e n ) telle que, pour tout k ∈ {1, . . . , n},

Vect( e 1 , . . . , e k ) = Vect(v1 , . . . , vk )

Procédé d’orthonormalisation de Gram-Schmidt : Le procédé d’orthonormali-

sation de Gram-Schmidt est un algorithme permettant de fabriquer une famille (ou
base) orthonormée à partir d’une famille libre (ou d’une base) dans un espace eucli-
dien.
L’algorithme : Soit (v1 , . . . , vn ) une famille libre de E , et posons :
v1
e1 =
∥ v1 ∥
c’est la normalisation du vecteur v1 , et pour k > 1,
kX
−1
vk − (vk | e i ) e i
i =1
ek =
kX
−1
∥vk − (vk | e i ) e i ∥
i =1

Alors la famille ( e 1 , . . . , e n ) est orthonormale, et pour tout 1 ≤ k ≤ n, Vect( e 1 , . . . , e k ) =

Vect(v1 , . . . , vk ).

Remarque : Lorsque (v1 , . . . , vn ) est une base de E , alors ( e 1 , . . . , e n ) est une base
orthonormale de E .

Exemple : Orthonormaliser la famille suivant (1, X , X 2 ) de R[ X ], pour le produit

Z 1
scalaire 〈P,Q 〉 = P ( t)Q ( t) dt
0

57
 3.3 Projecteurs orthogonaux

3.3 Projecteurs orthogonaux

Proposition 3.22.

Soit E un espace préhilbertien et F un sous espace vectoriel de dimension

finie, notons BF = ( e 1 , . . . , e p ) une base orthonormale de F . Pour tout x ∈ E ,
p
〈 x, e i 〉 e i ∈ F ⊥
X
x−
i =1

Démonstration : Soit 1 ≤ k ≤ p, on a
p
X p
X
〈 x − 〈 x, e i 〉 e i , e k 〉 = 〈 x, e k 〉 − 〈 x, e i 〉〈 e i , e k 〉
i =1 i =1
X
= 〈 x, e k 〉 − 〈 x, e k 〉〈 e k , e k 〉 − 〈 x, e i 〉〈 e i , e k 〉
i =1,i ̸= k
= 〈 x, e k 〉 − 〈 x, e k 〉 = 0
p
〈 x, e i 〉 e i ∈ Vect( e 1 , . . . , e p )⊥ = F ⊥ .
X
Donc x −
i =1

Théorème 3.23.

Soit F est un sous espace vectoriel de dimension finie d’un espace préhilber-
tien E , alors
E = F ⊕ F⊥

Démonstration : On sait que la somme F +F ⊥ est directe. Puisque F est de dimension

finie, il admet au moins une base orthonormale BF = ( e 1 , . . . , e p ). Soit x ∈ E , posons
Xp p
X
x1 = 〈 x, e i 〉 e i et x2 = x − 〈 x, e i 〉 e i , on a x = x1 + x2 , x1 ∈ F et x2 ∈ F ⊥ . D’où E = F ⊕ F ⊥ .
i =1 i =1

Définition 3.24.

Soit F un sous espace vectoriel de dimension finie d’un espace préhilbertien

E . La projection p F sur F parallèlement à F ⊥ est appelée projection orthogo-
nale sur F .
La symétrie s F par rapport à F parallèlement à F ⊥ est appelée la symétrie
orthogonale par rapport à F .

Théorème 3.25. (Expression de la projection)

Soit E une espace préhilbertien et F un sous espace vectoriel de dimension

finie, BF = ( e 1 , . . . , e p ) une base orthonormale de F . Pour tout x ∈ E ,
p
X
p F ( x) = ( x| e k ) e k
k=1

58
C HAPITRE 3 : Espaces euclidiens

p
X
Démonstration : Soit x ∈ E , on a x = x1 + x2 où x1 = ( x| e k ) e k ∈ F et x2 = x −
k=1
p p
( x| e k ) e k ∈ F ⊥ , donc p F ( x) =
X X
( x| e k ) e k .
k=1 k=1

Proposition 3.26. (Inégalité de Bessel)

Soit F un sous espace vectoriel de dimension finie d’un espace préhilbertien

E . Pour tout x ∈ E ,
∥ p F ( x)∥ ≤ ∥ x∥

Démonstration : On a x = p F ( x) + ( x − p F ( x)), puisque p F ( x) et x − p F ( x) sont ortho-

gonaux, par le théorème de Pythagore, on a ∥ x∥2 = ∥ p F ( x) + ( x − p F ( x))∥2 = ∥ p F ( x)∥2 +
∥ x − p F ( x)∥2 ≥ ∥ p F ( x)∥2 , d’où le résultat.

Définition 3.27.

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

défini par
d ( x, F ) = inf ∥ x − y∥
y∈F

Théorème 3.28.

Soit F un sous espace vectoriel de dimension finie d’un espace préhilbertien

E et x ∈ E ,
1. ∀ y ∈ F , ∥ x − p F ( x)∥ ≤ ∥ x − y∥
2. ∀ y ∈ F , ∥ x − p F ( x)∥ = ∥ x − y∥ si, et seulement si, y = p F ( x)

Démonstration :
1. Soit y ∈ F , remarquons que ( x − p F ( x)) ⊥ ( p F ( x) − y), donc
∥ x − y∥2 = ∥( x − p F ( x)) + ( p F ( x) − y)∥2 = ∥ x − p F ( x)∥2 +∥ p( x) − y∥2 ≥ ∥ x − p F ( x)∥2 , d’où
∥ x − p F ( x)∥ ≤ ∥ x − y∥.
2. Soit y ∈ F et supposons que ∥ x − p F ( x)∥ = ∥ x − y∥. On a ∥ x − y∥2 = ∥( x − p F ( x)) +
( p F ( x)− y)∥2 = ∥ x− p F ( x)∥2 +∥ p F ( x)− y∥2 = ∥ x− y∥2 +∥ p F ( x)− y∥2 , par suite ∥ p F ( x)−
y∥2 = 0, d’où y = p F ( x). Pour la réciproque, il n’y a rien à démontrer.

Corollaire 3.29.

Soit F un sous espace vectoriel de dimension finie de E et x ∈ E , alors

d ( x, F ) = ∥ x − p F ( x)∥

Démonstration : D’une part d ( x, F ) ≤ ∥ x − p F ( x)∥ car p F ( x) ∈ F . D’autre part, d’après

le résultat précédent, ∥ x − p F ( x)∥ ≤ d ( x, F ), d’où d ( x, F ) = ∥ x − p F ( x)∥.

59
 3.4 Exercices

Exemple : Soit E = R3 muni du produit scalaire canonique et F = {( x, y, z) ∈ R3 / x +

y + z = 0}. On considère les deux vecteurs u = (1, 0, −1) et v = (1, 1, 1). Calculer d ( u, F )
et d (v, F ).

3.4 Exercices
Exercice 1

Soit E = C 1 ([0, 1], R). Pour ( f , g) ∈ E 2 on définit

Z 1
〈 f , g〉 = f (0) g(0) + f ′ ( t) g′ ( t) dt
0

1. Montrer que 〈., .〉 est un produit scalaire sur E .

2. Calculer 〈cos, sin〉.
3. Calculer ∥ cos ∥ et ∥ sin ∥.

Corrigé :
Z 1
1. Il est clair que l’application ( f , g) 7→ f (0) g(0) + f ′ ( t) g′ ( t) dt est une forme bili-
Z 10

néaire symétrique. Pour f ∈ E , 〈 f , f 〉 = f (0) + 2

f ′2 ( t) dt ≥ 0. Si de plus 〈 f , f 〉 = 0,
Z 1 0
2
alors f (0) = 0 et f ′2 ( t) dt = 0, donc f (0) = 0 et f ′2 = 0 car f ′2 est continue posi-
0
tive sur [0, 1]. En particulier f ′ = 0 et la fonction f est constante égale à f (0) = 0,
ainsi f est nulle.
Z 1
2
2. 〈cos, sin〉 = cos(0) sin(0) − sin( t) cos( t) dt = − sin2 (1) .
0
s s
Z 1 Z 1 q
2 1 6−sin(2)
p
3. ∥ cos ∥ = 〈cos, cos〉 = cos2 (0) + sin ( t) dt = 1+ 2 (1 − cos(2 t)) dt = 4
s0 0
Z 1 q
2+sin(2)
p
De même, ∥ sin ∥ = 〈sin, sin〉 = cos2 ( t) dt = 4
0

Exercice 2

1. Montrer que l’application ϕ : ( A, B) 7→ tr t AB définit un produit scalaire

¡ ¢

sur E = Mn (R).
p
2. Soit A ∈ Mn (R). Montrer que | tr( A )| ≤ n tr( t A A ).
3. Soit A, B ∈ Mn (R) avec A symétrique et B antisymétrique (i.e t B = −B).
Montrer que A ⊥ B.
4. Soit F le sous espace vectoriel des matrices diagonales. Déterminer F ⊥ .

Corrigé :

60
C HAPITRE 3 : Espaces euclidiens

1. Il est facile de vérifier

X que ϕ est une forme bilinéaire symétrique. Pour A ∈ Mn (R),
2
on a ϕ( A, A ) = a i j où les a i j sont les coefficients de la matrice A , donc
1≤ i, j ≤ n
a2i j = 0, donc pour tout ( i, j ) ∈
X
ϕ( A, A ) ≥ 0. De plus, si ϕ( A, A ) = 0, alors
1≤ i, j ≤ n
[[1, n]]2 , a i j = 0, c’est-à-dire A = 0.
2. D’après l’inégalitép de Cauchy-Schwarz, on a |ϕ( I n , A )| ≤ ∥ I n ∥∥ A ∥, en d’autres
termes | tr( A )| ≤ n tr( t A A ).
3. D’une part, ϕ( A, B) = tr( t AB) = tr( AB). D’autre part,

ϕ( A, B) = ϕ(B, A ) = tr( t BA ) = − tr(BA ) = − tr( AB)

Donc ϕ( A, B) = −ϕ( A, B), par conséquent ϕ( A, B) = 0. D’où A ⊥ B.

4. Pour 1 ≤ i ≤ n, E ii est la matrice élémentaire dont tous les coefficients sont
nuls sauf celui d’indice ( i, i ) qui vaut 1. Remarquons que F est le sous espace
vectoriel de Mn (R) engendré par les matrices E ii , 1 ≤ i ≤ n. Donc F ⊥ = { M ∈
Mn (R) / 〈 M, E ii 〉 = 0, 1 ≤ ∀ i ≤ n}. Si on note m i j les coefficients de la matrice M ,
alors pour 1 ≤ i ≤ n on a, 〈 M, E ii 〉 = m ii . Ainsi M ∈ F ⊥ si, et seulement si, pour
tout 1 ≤ i ≤ n, m ii = 0. D’où F ⊥ est le sous espace vectoriel de Mn (R) formé des
matrices dont la diagonale est nulle, autrement dit ;

F ⊥ = { M ∈ Mn (R) / 1 ≤ ∀ i ≤ n, m ii = 0}

Exercice 3
Z +∞
1. Montrer que pour tout P ∈ R[ X ], l’intégrale P ( t) e− t dt converge.
0
Z +∞
2. Montrer que l’application ϕ : (P,Q ) 7→ P ( t)Q ( t) e− t dt est un produit
0
scalaire sur E = R[ X ].
3. Montrer que pour tout n ∈ N, ϕ( X n , 1) = n!.
4. Déterminer une base orthonormale de R2 [ X ].
Z +∞
¡ 3 ¢2
5. En déduire la valeur de inf t − at2 − bt − c e− t dt
a,b,c∈R 0

Corrigé :
1. Notons d’abord que la fonction t 7→ P ( t) e− t est continue sur [0,Z+∞[, de plus
+∞
lim t2 P ( t) e− t = 0 ou encore que P ( t) e− t =+∞ t12 . Donc l’intégrale P ( t) e− t dt
t→+∞ 0
converge absolument, en particulier converge.
2. On vérifie sans aucune difficulté
Z +∞ la bilinéarité et la symétrie. Par positivité de
Z +∞
2 −t
l’intégrale on a ϕ(P, P ) = P ( t) e dt ≥ 0. Si de plus ϕ(P, P ) = P ( t)2 e−1 dt =
0 0
0, alors pour tout t ∈ [0, +∞[, P ( t)2 e− t = 0 car t 7→ P ( t)2 e− t est continue et positive
sur [0, +∞[. Le polynôme P admet alors une infinité de racines, donc il est nul.

61
 3.4 Exercices

3. Par récurrence sur n ∈ N Z:

+∞
On a ϕ( X 0 , 1) = ϕ(1, 1, ) = e− t dt = 1 = 0!.
0
Soit n ∈ N et supposons que ϕ( X n , 1) = n!. On a
Z +∞ Z +∞
n+1 n+1 − t
¡ ¢′
ϕ( X , 1) = t e dt = − t n+1 e− t dt
0 0
Z +∞
n+1 − t +∞
t n e− t dt
£ ¤
= − t e 0 + ( n + 1)
0
= ( n + 1)ϕ( X n , 1) = ( n + 1)!

D’où le résultat. Z +∞
Remarque : Notons que ϕ( X i , X j ) = t i+ j e− t = ϕ( X i+ j , 1) = ( i + j )!.
0
4. La famille (1, X ; X 2 ) est une base de R2 [ X ], après l’orthonormalisation par le
procédé de Schmidt, on obtient

P0 = 1 , P1 = X − 1 , P3 = 21 X 2 − 2 X + 1

5. Notons d’abord que

Z +∞
¡ 3 ¢2
inf t − at2 − bt − c e− t dt = d ( X 3 , R2 [ X ])2 = ∥ X 3 − p R2 [X ] ( X 3 )∥2
a,b,c∈R 0

D’autre part, on a
2
p R2 [X ] ( X 3 ) = ϕ(P k , X 3 )P k = 6 + 18( X − 1) + 18( 12 X 2 − 2 X + 1) = 6 − 18 X + 9 X 2
X
k=0
Z +∞ ¡ ¢2
Ainsi inf t3 − at2 − bt − c e− t dt = ∥ X 3 ∥2 − ∥6 − 18 X + 9 X 2 ∥2 = 36.
a,b,c∈R 0

Exercice 4

Soit E un espace euclidien de dimension n, B = ( e 1 , . . . , e n ) une base orthonor-

male de E et f : E → E une application vérifiant, f (0) = 0 et pour tout ( x, y) ∈ E 2

∥ f ( x) − f ( y)∥ = ∥ x − y∥

1. Montrer que pour tout ( x, y) ∈ E 2 , 〈 f ( x), f ( y)〉 = 〈 x, y〉.

2. Montrer que ( f ( e 1 ), . . . , f ( e n )) est une base orthonormale de E .
3. En déduire que f est une application linéaire.

Corrigé :
1. Pour ( x, y) ∈ E 2 , on a ∥ f ( x)∥ = ∥ f ( x) − f (0)∥ = ∥ x − 0∥ = ∥ x∥, puis

〈 f ( x), f ( y)〉 = 12 ∥ f ( x) − f ( y)∥2 − ∥ f ( x)∥2 − ∥ f ( y)∥2

¡ ¢

= 12 ∥ x − y∥2 − ∥ x∥2 − ∥ y∥2

¡ ¢

= 〈 x, y〉

62
C HAPITRE 3 : Espaces euclidiens

2. D’après le résultat de la question précédente, pour ( i, j ) ∈ [[1, n]]2 , on a 〈 f ( e i ), f ( e j ) =

〈 e i , e j 〉 = δ i j . Donc la famille ( f ( e 1 ), . . . , f ( e n )) est orthonormale, par conséquent
c’est une base orthonormale de E car n = dim E .
3. Soit x ∈ E . Puisque ( f ( e 1 ), . . . , f ( e n )) est une base orthonormale de E , on a
n
X n
X
f ( x) = 〈 f ( x), f ( e i )〉 f ( e i ) = 〈 x, e i 〉 f ( e i )
i =1 i =1

Or, pour 1 ≤ i ≤ n, l’application x 7→ 〈 x, e i 〉 f ( e i ) est linéaire, l’application f est

linéaire.

Exercice 5
Z 1
Soit E = R2 [ X ], muni du produit scalaire 〈P,Q 〉 = P ( t)Q ( t) dt.
0
1. Vérifier que 〈., .〉 est bien un produit scalaire.
2. Déterminer a, b ∈ R de telle sorte que le polynôme X 2 − aX − b soit orthogo-
nale à 1 et X .
3. En déduire p R1 [X ] ( X 2 ), la projection orthogonale de X 2 sur R1 [ X ].
4. Calculer d ( X 2 , R1 [ X ]).

Corrigé :
Z 1
1. Il est clair que l’application (P,Q ) 7→ P ( t)Q ( t) dt est une forme bilinéaire symé-
Z 1 0
Z 1
2
trique, et P ( t) dt ≥ 0. De plus si P 2 ( t) = 0, alors pour tout t ∈ [0, 1], P 2 ( t) = 0
0 0
car la fonction t 7→ P 2 ( t) est continue positive sur [0, 1]. Ainsi, pour tout t ∈ [0, 1],
P ( t) = 0. Le polynôme P possède alors une infinité de racines, donc il est nul.
Z 1
2
2. Le polynôme X − aX − b est orthogonale à 1 et X si, et seulement si, ( t2 − at −
Z 1 0

b) dt = 0 et ( t2 − at − b) tdt = 0, soit a = 1 et b = − 16 .
0
3. On pose p R1 [X ] ( X 2 ) = α X +β. On sait que X 2 − p R1 [X ] ( X 2 ) est orthogonale à R1 [ X ] =
Vect(1, X ). Donc X 2 − α X − β est orthogonale à 1 et X , d’après le résultat de la
question précédente, α = 1 et β = − 61 , autrement dit p R1 [X ] ( X 2 ) = X − 16 .
4. d ( X 2 , R1 [ X ]) = ∥ X 2 − p R1 [X ] ( X 2 )∥ = ∥ X 2 − X + 16 ∥ = 1
p .
6 5

Exercice 6

On muni R4 du produit scalaire canonique. Soit H = {( x, y, z, t) ∈ E / x− y+ z − t = 0}.

1. Vérifier que H est un hyperplan de E
2. Déterminer H ⊥ .
3. Déterminer la matrice dans la base canonique de la projection orthogonale
sur H .

63
 3.4 Exercices

Corrigé :

1. L’application ϕ : ( x, y, z, t) 7→ x − y + z − t est une forme linéaire non nulle sur R4 et

H = ker ϕ, donc H est un hyperplan de R4 .
2. Si ( x, y, z, t) ∈ H , alors 〈(1, −1, 1, −1), ( x, y, z, t) = x − y + z − t = 0. donc (1, −1, 1, −1) ∈
H ⊥ . D’autre part dim H ⊥ = 4 − dim H = 1, donc H ⊥ = Vect((1, −1, 1, −1)).
3. Le vecteur e = ( 12 , − 12 , 21 , − 12 ) est un vecteur unitaire de H ⊥ , donc pour tout u ∈ R4 ,
on a
p H ( u) = u − p H ⊥ ( u) = u − 〈 u, e〉 e

En particulier,
p H ((1, 0, 0, 0)) = (1, 0, 0, 0) − 12 ( 21 , − 12 , 12 , − 12 ) = ( 34 , 14 , − 14 , 14 )
p H ((0, 1, 0, 0)) = (0, 1, 0, 0) + 12 ( 21 , − 12 , 12 , − 12 ) = ( 14 , 34 , 14 , − 14 )
p H ((0, 0, 1, 0)) = (0, 0, 1, 0) − 12 ( 21 , − 12 , 12 , − 12 ) = (− 41 , 14 , 34 , 14 )
p H ((0, 0, 0, 1)) = (0, 0, 0, 1) + 12 ( 21 , − 12 , 12 , − 12 ) = ( 14 , − 14 , 14 , 34 )
La matrice de p H dans la base canonique de R4 est donnée par ;
 
3 1 −1 1
11 3 1 −1

4 −1 1 3 1
 
1 −1 1 3

Exercice 7

Soit E un espace préhilbertien muni du produit scalaire 〈., .〉.

1. Montrer que si x et y sont deux vecteurs unitaires, alors x − y ⊥ x + y.
2. Soit u ∈ L (E ) tel que :

∀( x, y) ∈ E 2 , 〈 x, y〉 = 0 ⇒ 〈 u( x), u( y)〉 = 0

(a) Montrer que si x et y sont des vecteurs unitaires, alors ∥ u( x)∥ = ∥ u( y)∥.
(b) En déduire qu’il existe un réel α tel que pour tout x ∈ E , ∥ u( x)∥ = α∥ x∥.
(c) Montrer alors que pour tout ( x, y) ∈ E 2 , 〈 u( x), u( y)〉 = α2 〈 x, y〉.

Corrigé :

1. On a 〈 x − y, x + y〉 = ∥ x∥2 −∥ y∥2 = 1 − 1 = 0, donc les deux vecteurs x − y et x + y sont

orthogonaux.
2. (a) Si x et y sont unitaires alors x − y et x + y sont orthogonaux, par conséquent
〈 u( x − y), u( x + y)〉 = 0, autrement dit 〈 u( x) − u( y), u( x) + u( y)〉 = 0, ainsi ∥ u( x)∥2 −
∥ u( y)∥2 = 0 ou encore ∥ u( x)∥ = ∥ u( y)∥.
(b) Soit x0 ∈ E un vecteur unitaire et on pose α = ∥ u( x0 )∥. Soit x ∈ E :
Si x = 0 alors trivialement on a ∥ u( x)∥ = α∥ x∥.
Si x ̸= 0, alors le vecteur ∥ xx∥ est un vecteur unitaire, d’après le résultat de la
question précédente, on a ∥ u( ∥ xx∥ )∥ = ∥ u( x0 )∥ = α, donc ∥ u( x)∥ = α∥ x∥.

64
C HAPITRE 3 : Espaces euclidiens

(c) Il s’agit d’appliquer l’égalité de polarisation.

〈 u( x), u( y)〉 = 21 ∥ u( x) − u( y)∥2 − ∥ u( x)∥2 − ∥ u( y)∥2

¡ ¢

= 12 α2 ∥ x − y∥2 − α2 ∥ x∥2 − α2 ∥ y∥2

¡ ¢

= α2 〈 x, y〉

Exercice 8

Soit E un espace euclidien de dimension n et B = ( e 1 , . . . , e n ) une base orthonor-

n
X
male de E . Soit e = a k e k un vecteur unitaire de E .
k=1
1. Déterminer la projection orthogonale sur D = Vect( e).
On pose H = D ⊥ .
2. Vérifier que H est un hyperplan de E .
3. Déterminer la projection orthogonale sur H .
4. Déterminer la matrice dans B de la projection orthogonale sur D , puis de
la projection orthogonale sur H .
5. Calculer d ( x, H ), pour x ∈ E .
6. Calculer d ( x, D ), pour x ∈ E .

Corrigé :
1. Pour x ∈ E , p D ( x) = 〈 x, e〉 e.
2. On a dim H = dim D ⊥ = n − dim D = n − 1, donc H est un hyperplan de E .
3. Pour x ∈ E , on a p H ( x) = x − p D ( x) = x − 〈 x, e〉 e.
4. Pour 1 ≤ i, j ≤ n, on a 〈 p D ( e j ), e i 〉 = 〈〈 e j , e〉 e, e i 〉 = 〈a j e, e i 〉 = a j 〈 e, e i 〉 = a j a i . Ainsi,
le coefficient d’indice ( i, j ) pour la matrice MB ( p D ) vaut a i a j , autrement dit
MB ( p D ) = (a i a j ). On a p H = IdE − p D , donc MB ( p H ) = I n − MB ( p D ).
5. d ( x, D ) = ∥ x − p H ( x)∥ = ∥ p D ( x)∥ = ∥〈 x, e〉 e∥ = |〈 x, e〉|.
p p
6. d ( x, D ) = ∥ x − p D ( x)∥ = ∥ x∥2 − ∥ p D ( x)∥2 = ∥ x∥2 − 〈 x, e〉2 .

Exercice 9
Z 1
Soit E = C ([0, 1], R). Pour f , g ∈ E , on pose 〈 f , g〉 = f ( t) g( t) dt.
0
1. Montrer que 〈., .〉 est bien un produit scalaire sur E .
Soit F = { f ∈ E / f (0) = 0}.
2. Vérifier que F est un sous espace vectoriel de E .
Z 1
⊥
3. Soit f ∈ F . Montrer que t ( f ( t))2 dt = 0.
0
4. En déduire que F ⊥ = {0}.
5. Les deux sous espaces vectoriels F et F ⊥ sont-ils supplémentaires ?

Corrigé :

65
 3.4 Exercices
Z 2
1. Il est clair que l’application ( f , g) 7→ f ( t) g( t) dt est bilinéaire symétrique posi-
Z 1 0

tive. De plus si 〈 f , f 〉 = 0, alors f ( t)2 dt = 0, de la continuité et la positivité de

0
la fonction f 2 , il vient que f 2 = 0, ainsi f = 0.
2. L’application ϕ : E → R définie par ϕ( f ) = f (0), est une application linéaire et
F = ker ϕ, donc F est un sous espace vectoriel.
3. La fonction g : t 7→ t f ( t) est continue sur [0 , 1] et elle s’annule en 0, donc g ∈ F .
Z 1
par conséquence 〈 g, f 〉 = 0, autrement dit t f ( t) dt = 0.
0
Z 1
⊥
4. Si f ∈ F , alors t f ( t)2 dt = 0, puisque la fonction t 7→ t f ( t)2 est continue posi-
0
tive sur [0, 1], elle est donc nulle sur [0, 1], c’est-à-dire ∀ t ∈ [0, 1], t f ( t)2 = 0. En
particulier, pour tout t ∈]0, 1], on a f ( t) = 0. la fonction f est alors nulle sur ]0, 1]
et par continuité on a aussi f (0) = 0, d’où f = 0. On en déduit alors que F ⊥ = {0}.
5. Les deux sous espaces vectoriels F et F ⊥ ne sont pas supplémentaires dans E ,
car F + F ⊥ = F ̸= E .

Exercice 10

Soit E un espace euclidien de dimension n et p un projecteur orthogonal de E de

rang r . Soit B = ( e 1 , . . . , e n ) une base orthonormale de E .
1. Montrer que pour tout x ∈ E , ∥ p( x)∥2 = 〈 p( x), x〉.
2. Déterminer P la matrice de p dans la base B .
n
∥ p( e k )∥2 = r .
X
3. En déduire que
k=1

Corrigé :
1. Soit x ∈ E . Puisque p est un projecteur orthogonal, on a p( x) ⊥ x − p( x), donc
∥ p( x)∥2 = 〈 p( x), p( x)〉 = 〈 p( x), p( x) − x〉 + 〈 p( x), x〉 = 〈 p( x), x〉.
2. le coefficient d’indice ( i, j ) pour la matrice P est 〈 p( e j ), e i 〉.
3. On rappel que si p est un projecteur d’un espace vectoriel de dimension finie
alors rg( p) = tr( p). Dans ce cas on a
n n
∥ p( e k )∥2
X X
r = rg( p) = tr(P ) = 〈 p( e k ), e k 〉 =
k=1 k=1

Exercice 11

Soit E un espace euclidien de dimension n et B = ( e 1 , . . . , e n ) une famille de

vecteurs non nuls de E telle que :
n
∀ x ∈ E , ∥ x∥2 = 〈 x, e k 〉2
X
k=1

1. Soit F = Vect(B ). Montrer que F = {0}. En déduire que B est génératrice

⊥

66
C HAPITRE 3 : Espaces euclidiens

de E .
n
X
2. Montrer que pour tout x, y ∈ E , 〈 x, y〉 = 〈 x, e k 〉〈 y, e k 〉.
k=1
n
X
3. Soit y ∈ E . Calculer 〈 y, x − 〈 x, e k 〉 e k 〉.
k=1
n
X
4. En déduire que pour tout x ∈ E , x = 〈 x, e k 〉 e k .
k=1
5. Montrer que B est une base orthonormale de E .

Corrigé :

Exercice 12

Soit E un espace préhilbertien et ( e n )n∈N une famille orthonormée de E . Pour

n ∈ N on pose F n = vect( e 0 . . . , e n ) et F = ∪n∈N F n .
1. Montrer que F est un sous espace vectoriel de E .
2. Montrer que Bn = ( e 0 , . . . , e n ) est une base orthonormale de F n .
3. On note p n la projection orthogonale sur F n .
(a) Pour x ∈ E , exprimer p n ( x) dans la base Bn .
(b) Pour x ∈ E et k ∈ [[0, n]], déterminer 〈 e k , x − p n ( x)〉.
4. On suppose que F est dense dans E . Montrer que ( p n ( x))n converge vers x.

Corrigé :

Exercice 13 (Théorème de Fréchet-von Neumann-Jordan )

Soit E un espace vectoriel réel muni d’une norme ∥.∥ vérifiant l’inégalité du
parallélogramme

∀( x, y) ∈ E 2 , ∥ x + y∥2 + ∥ x − y∥2 = 2(∥ x∥2 + ∥ y∥2 )

On pose 〈 x, y〉 = 21 (∥ x + y∥2 − ∥ x∥2 − ∥ y∥2 ).

1. Vérifier que pour tout ( x, y) ∈ E 2 , 〈 x, y〉 = 〈 y, x〉, 〈− x, y〉 = −〈 x, y〉 et 〈2 x, y〉 =
2〈 x, y〉.
2. Montrer que pour tout ( x, y, z) ∈ E 3 , 〈 x + y, z〉 = 〈 x, z〉 + 〈 y, z〉.
3. Montrer que pour tout ( x, y) ∈ E 2 et n ∈ Z, 〈 nx, y〉 = n〈 x, y〉.
4. Montrer que pour tout ( x, y) ∈ E 2 et λ ∈ Q, 〈λ x, y〉 = λ〈 x, y〉.
5. Conclure.

Corrigé :

67
 3.4 Exercices

Exercice 14

Soit E un espace euclidien et e un vecteur non nul de E . On note D = Vect( e).

1. Déterminer l’expression de la projection orthogonale sur D .
Soit s e la symétrie orthogonale par rapport à D .
〈 x, e〉
2. Montrer que pour tout x ∈ E , s e ( x) = x − 2 e.
∥ e∥2

Corrigé :

Exercice 15 (Théorème de Riez)

Soit E un espace de Hilbert (c’est-à-dire espace préhilbertien complet). Soit f :

E → R une forme linéaire continue et non nulle. On pose F = ker f .
1. Justifier que F est un sous espace vectoriel fermé de E .
Soit e ∈ E \ F . On pose α = d ( e, F ) = inf{∥ e − y∥ / y ∈ F }.
2. Montrer qu’il existe une suite ( yn )n d’éléments de F tel que lim ∥ e − yn ∥ =
n→+∞
α, et justifier que α > 0.
Soit ε un réel strictement positif.
3. Montrer qu’il existe N ∈ N tel que pour tout n ≥ N , ∥ e − yn ∥2 ≤ α2 + ε.
4. Montrer que pour tout n, m ∈ N,

∥ e − yn ∥2 + ∥ e − ym ∥2 = 2∥ e − 21 ( yn + ym )∥2 + 21 ∥ yn − ym ∥2
p
5. En déduire que pour tout n, m ≥ N , ∥ yn − ym ∥ ≤ 2 ε.
6. Montrer que la suite ( yn )n converge vers un vecteur u ∈ F .
7. On pose v = e − u. Montrer que v est un vecteur non nul de F ⊥ . On pourra
considérer pour x ∈ F , la fonction P ( t) = ∥v − tx∥2 .
〈 x, v〉
8. Soit x ∈ E . Montrer que x − v ∈ F.
∥v∥2
f (v)
9. En déduire que pour tout x ∈ E , f ( x) = 〈 x, w〉 où w = ∥v∥2 v.

Corrigé :

68
Chapitre 4

Endomorphismes dans les espaces

euclidiens

4.1 Adjoint d’un endomorphisme

Soit E un espace euclidien et y ∈ E , l’application x 7→ 〈 x, y〉 est une forme linéaire sur
E . Le théorème suivant, dit théorème de Riesz, représente les éléments du dual d’un
espace euclidien comme produit scalaire par un vecteur de l’espace.

Théorème 1.1. (théorème de Riesz)

Soit E un espace euclidien f une forme linéaire sur E , alors il existe un

unique y ∈ E tel que, pour tout x ∈ E

f ( x) = 〈 x, y〉

Démonstration : Soit f une forme linéaire sur E .

Unicité : Supposons qu’ils existent y, y′ ∈ E tels que pour tout x ∈ E , f ( x) = 〈 x, y〉 =
〈 x, y′ 〉. Il vient alors que pour tout x ∈ E , 〈 x, y − y′ 〉 = 0, par suite y − y′ = 0, d’où y = y′ .
Existence : Soit B = ( e 1 , . . . , e n ) une base orthonormale de E . On a
Xn n
X
f ( x) = f ( 〈 x, e i 〉 e i ) = 〈 x, e i 〉 f ( e i )
i =1 i =1
n
X n
X
= 〈 〈 x, e i 〉 e i , f ( e i ) e i 〉 = 〈 x, y〉
i =1 i =1
n
X
où y = f (e i)e i.
i =1

Théorème et définition 1.2.

Soit E un espace euclidien et u un endomorphisme de E . Il existe un unique

endomorphisme v de E tel que pour tout x, y ∈ E

〈 u( x), y〉 = 〈 x, v( y)〉

69
 4.1 Adjoint d’un endomorphisme

L’endomorphisme v s’appel l’adjoint de u et se note u∗ .

Démonstration : Existence : Soit y ∈ E , l’application x 7→ 〈 u( x), y〉 est une forme

linéaire sur E , d’après le théorème de Riesz, il existe un unique éléments z y (dépend
de y) tel que pour tout x ∈ E , 〈 u( x), y〉 = 〈 x, z y 〉. Posons v( y) = z y , de sorte que 〈 u( x), y〉 =
〈 x, v( y)〉. Montrons que v est un endomorphisme de E c’est-à-dire linéaire. Soient y, y′ ∈
E et λ ∈ R, pour tout x ∈ E , on a
〈 x, v( y + λ y′ )〉 = 〈 u( x), y + λ y′ 〉 = 〈 u( x), y〉 + λ〈 u( x), y′ 〉
= 〈 x, v( y)〉 + λ〈 x, v( y′ )〉 = 〈 x, v( y) + λv( y′ )
Il vient alors que pour tout x ∈ E , 〈 x, v( y + λ y′ ) − v( y) − λv( y′ )〉 = 0, d’où v( y + λ y′ ) =
v( y) + λv( y′ ).
Unicité : Supposons qu’ils existent deux endomorphismes v, v′ de E tels que pour tout
x, y ∈ E , 〈 u( x), y〉 = 〈 x, v( y)〉 = 〈 x, v′ ( y)〉, en particulier pour tout x ∈ E , 〈 x, v( y) − v′ ( y)〉 = 0,
ce qui donne v( y) − v′ ( y) = 0, d’où v = v′ .

Proposition 1.3.

Soit E un espace euclidien et u, v deux endomorphismes de E .

1. Id∗E = IdE .
2. Pour tout λ ∈ R, ( u + λv)∗ = u∗ + λv∗ .
3. ( u∗ )∗ = u.
4. ( uv)∗ = v∗ u∗ .

Démonstration :
1. Pour tous x, y ∈ E , 〈IdE ( x), y〉 = 〈 x, IdE ( y)〉, donc Id∗E = IdE .
2. Pour tous x, y ∈ E ,
〈( u + λv)( x), y〉 = 〈 u( x), y〉 + λ〈v( x), y〉 = 〈 x, u∗ ( y)〉 + λ〈 x, v∗ ( y)〉 = 〈 x, ( u∗ + λv∗ )( y)〉,
d’où ( u + λv)∗ = u∗ + λv∗ .
3. Pour tous x, y ∈ E , 〈 u∗ ( x), y〉 = 〈 y, u∗ ( x)〉 = 〈 u( y), x〉 = 〈 x, u( y)〉, donc ( u∗ )∗ = u.
4. Pour tous x, y ∈ E , 〈( uv)( x), y〉 = 〈 u(v( x)), y〉 = 〈v( x), u∗ ( y)〉 = 〈 x, v∗ ( u∗ ( y))〉, par
suite ( uv)∗ = v∗ u∗ .

Théorème 1.4.

Soit E un espace euclidien , B = ( e 1 , . . . , e n ) une base orthonormale de E et

u ∈ L (E ). Alors
 
〈 u( e 1 ), e 1 〉 . . . 〈 u( e n ), e 1 〉
.. .. ..
MB ( u) =  .
 
. . 
〈 u ( e 1 ), e n 〉 . . . 〈 u ( e n ), e n 〉
le coefficient d’indice ( i, j ) vaut 〈 u( e j ), e i 〉.

70
C HAPITRE 4 : Endomorphismes dans les espaces euclidiens

Démonstration : Puisque B est une base orthonormale de E , pour 1 ≤ j ≤ n, on a

n
X
u( e j ) = 〈 u( e j ), e i 〉 e i = 〈 u( e j ), e 1 〉 e 1 + . . . + 〈 u( e j ), e n 〉 e n
i =1

Ainsi la j ème colonne de la matrice MB ( u) est

 
〈 u ( e j ), e 1 〉
 .. 
 . 
〈 u( e j ), e n 〉

Ce qui donne alors le résultat.

Proposition 1.5.

Soit E un espace euclidien, B une base orthonormée de E et A = MB ( u) la

matrice de u dans la base B . Alors MB ( u∗ ) = t A .

Démonstration : Soit B = ( e 1 , . . . , e n ) une base orthonormale de E et notons a i j

(respectivement b i j ) le coefficient d’indice ( i, j ) de la matrice MB ( u) (respectivement
MB ( u∗ )). On a a i j = 〈 u( e j ), e i 〉 = 〈 e j , u∗ ( e i )〉 = 〈 u∗ ( e i ), e j 〉 = b ji ,d’où le résultat.

Proposition 1.6.

Soit E un espace euclidien et u un endomorphisme de E . Si F est un sous

espace vectoriel de E stable par u, alors F ⊥ est stable par u∗

Démonstration : Soit x ∈ F ⊥ . Pour y ∈ F , on a 〈 u∗ ( x), y〉 = 〈 x, u( y)〉 = 0 car u( y) ∈ F ,

donc u∗ ( x) ∈ F ⊥ .

4.2 Endomorphismes symétriques

Définition 2.7.

Soit E un espace euclidien et u ∈ L (E ). On dit que u est un endomorphisme

symétrique ou auto-adjoint si u∗ = u.

Exemple : L’endomorphisme IdE est un endomorphisme symétrique (Id∗E = IdE ).

Proposition 2.8.

Soit E un espace euclidien, u un endomorphisme de E et B une base ortho-

normale de E . Alors u est un endomorphisme symétrique si, et seulement si,
la matrice MB ( u) est symétrique.

Démonstration : On pose A = MB ( u), on sait que MB ( u∗ ) = t A , donc u = u∗ si, et

seulement si, MB ( u∗ ) = MB ( u) si, et seulement si, t A = A .

71
 4.2 Endomorphismes symétriques

Proposition 2.9.

Soit E un espace euclidien et u un endomorphisme symétrique de E . Si F est

un sous espace vectoriel de E stable par u, alors F ⊥ est stable par u

Démonstration : F sable par u donc F ⊥ est stable par u∗ = u.

Proposition 2.10.

Soit A ∈ Mn (R) une matrice réelle symétrique alors toutes les valeurs propres
de A sont réelles, en d’autres termes le polynômes caractéristique χ A est
scindé dans R[ X ].

Démonstration : Notons a i j les coefficients de A . On sait que le polynôme caracté-

 
v1
 .. 
ristique χ A est scindé dans C[ X ]. Soit λ une valeurs propre de A dans C et V =  .  ∈
vn
Mn,1 (C) un vecteur propre de A associé à la valeurs propre λ ( AV = λV ). En passant
au conjugué , on obtient AV = λV , donc A V = λ V , ce qui donne AV = λ V car A est
une matrice réelle.
D’une part t ( AV ) V = t (λV ) V = λ t V V , d’autre par t ( AV ) V = t V t AV = t V AV = λ t V V ,
n
par conséquent λ t V V = λ t V V ou encore (λ − λ) t V V = 0. Puisque t V V = |v i |2 ̸= 0, il
X
i =1
vient alors que λ = λ, par suite λ est une valeur propre réelle de A .

Corollaire 2.11.

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

toutes les valeurs propres de u sont réelles, c’est-à-dire χu est scindé dans
R[ X ].

Démonstration : Soit B une base orthonormale de E et A = MB ( u) la matrice de

u dans la base B . Puisque u est un endomorphisme symétrique, A est une matrice
réelle symétrique. On a χu = χ A , d’après la proposition précédente, χu est scindé dans
R[ X ].

Théorème 2.12. (théorème spectral)

Soit E un espace euclidien. Tout endomorphisme symétrique u de E est dia-

gonalisable dans une base orthonormale de E . En d’autres termes il existe
une base orthonormale de E formée de vecteurs propres de u.

Démonstration : Par récurrence sur n = dim E .

Pour n = 1, rien à faire. Supposons le résultat vérifié pour tout espace vectoriel de di-
mension ≤ n. Soit E un espace vectoriel de dimension n + 1 et u un endomorphisme
symétrique de u. Le polynôme caractéristique de u est scindé dans R[ X ], donc u admet

72
C HAPITRE 4 : Endomorphismes dans les espaces euclidiens

au moins une valeurs propre réelle λ. Soit e un vecteur propre unitaire de u associé
à la valeur propre λ, et F = Vect( e). Notons que F est une droite vectorielle stable par
u, donc F ⊥ est un sous espace vectoriel de dimension n stable par u. Soit v l’endo-
morphisme induit par u sur F ⊥ . Pour x, y ∈ F ⊥ , on a 〈v( x), y〉 = 〈 u( x), y〉 = 〈 x, u( y)〉 =
〈 x, v( y)〉, il vient alors que v est un endomorphisme symétrique de F ⊥ , d’après l’hy-
pothèse de récurrence, il existe une base orthonormale ( e 1 , . . . , e n ) de F ⊥ formée de
vecteurs propres de v donc de u. La famille ( e 1 , . . . , e n , e) est une base orthonormale de
E formée de vecteurs propres de u. D’où le résultat.

Théorème 2.13. (Théorème spectral version matricielle)

Soit A ∈ Mn (R) une matrice symétrique réelle. Alors il existe une matrice
diagonale D et une matrice inversible P telles que P −1 = t P et

A = PDP −1

On dit alors que A est orthogonalement diagonalisable.

Démonstration : On muni Rn du produit scalaire canonique. Soit u l’endomorphisme

de Rn canoniquement associé à A . Notons B = ( e 1 , . . . , e n ) la base canonique de Rn , et
notons que c’est une base orthonormale de Rn . Puisque A est une matrice symétrique,
u est alors un endomorphisme symétrique de Rn . D’après le théorème précédent, il
existe une base orthonormale B ′ = ( e′1 , . . . , e′n ) de E formée des vecteurs propres de u,
d’après la formule de changement de bases A = PDP −1 , où D est la matrice diagonale
B′
dont les éléments diagonaux sont les valeurs propres de u et P = PB et dont la matrice
B
inverse P −1 = PB ′ . Le coefficient d’indice ( i, j ) de la matrice P est 〈 e ′
j , e i 〉 et celui de la
matrice P −1 est 〈 e j , e′i 〉, ce qui donne P −1 = t P .

Proposition 2.14.

Soit u un endomorphisme symétrique d’un espace euclidien E . Les sous es-

paces propres de u sont deux à deux orthogonaux.

Démonstration : Soit u un endomorphisme symétrique et λ, λ′ deux valeurs propres

distinctes de u. Soit x ∈ E λ ( u) et y ∈ E λ′ ( u). On a 〈 u( x), y〉 = 〈λ x, y〉 = λ〈 x, y〉, et 〈 u( x), y〉 =
〈 x, u( y)〉 = 〈 x, λ′ y〉 = λ′ 〈 x, y〉, par conséquent (λ − λ′ )〈 x, y〉 = 0, donc 〈 x, y〉 = 0, par suite
les deux sous espaces vectoriels E λ ( u) et E λ′ ( u) sont orthogonaux.

4.3 Endomorphismes orthogonaux

Définition 3.15.

Soit E un espace euclidien et u ∈ L (E ). On dit que u est un endomorphisme

orthogonal ou isométrie si pour tout x ∈ E , ∥ u( x)∥ = ∥ x∥.
On notera O (E ) l’ensemble des endomorphismes orthogonaux de E .

73
 4.3 Endomorphismes orthogonaux

Proposition 3.16.

Soit E un espace euclidien et u ∈ L (E ). Les assertions suivantes sont équiva-

lents :
1. u endomorphisme orthogonale de E ,
2. Pour tous x, y ∈ E , 〈 u( x), u( y)〉 = 〈 x, y〉.

Démonstration : 1. ⇒ 2. Soit x, y ∈ E , on a
1¡ ¢ 1¡
∥ u( x) + u( y)∥2 − ∥ x∥2 − ∥ y∥2 = ∥ u( x + y)∥2 − ∥ u( x)∥2 − ∥ u( y)∥2
¢
〈 u( x), u( y)〉 =
2 2
1¡ 2 2 2
¢
= ∥ x + y∥ − ∥ x∥ − ∥ y∥ = 〈 x, y〉
2
D’où le résultat.
2. ⇒ 1. Évident.

Théorème 3.17.

Soit E un espace euclidien et u ∈ L (E ). Les assertions suivantes sont équiva-

lentes :
1. u ∈ O (E ),
2. u est un automorphisme et u−1 = u∗ .

Démonstration : 1. ⇒ 2. Soit x ∈ ker u, donc ∥ x∥ = ∥ u( x)∥ = 0, par suit x = 0, u est

alors injectif et par conséquent automorphisme de E . Soit x, y ∈ E , on a 〈 u( x), y〉 =
〈 u( x), u( u−1 ( y))〉 = 〈 x, u−1 ( y)〉, il en résulte alors que u∗ = u−1 .
2. ⇒ 1. Soit x, y ∈ E , on a 〈 u( x), u( y)〉 = 〈 x, u∗ ( u( y))〉 = 〈 x, y〉, il vient alors que u conserve
le produit scalaire, par suite u est un endomorphisme orthogonal.

Proposition 3.18.

Soit E un espace euclidien. Alors O (E ) est un sous groupe de Gl(E ).

1
Démonstration : IdE ∈ O (E ) car Id− ∗
E = IdE = IdE .
Si u, v ∈ O (E ), alors ( uv) = v u = v u = ( uv) et ( u−1 )∗ = ( u∗ )∗ = u = ( u−1 )−1 , par
∗ ∗ ∗ −1 −1 −1

conséquent uv , u−1 ∈ O (E ).

Théorème 3.19.

Soit E un espace euclidien et u ∈ L (E ). Les assertions suivantes sont équiva-

lentes :
1. u ∈ O (E ),
2. u transforme toute base orthonormale de E en une base orthonormale
de E ,
3. u transforme une base orthonormale de E en une base orthonormale de

74
C HAPITRE 4 : Endomorphismes dans les espaces euclidiens

E.

Démonstration : 1. ⇒ 2. Soit B = ( e 1 , . . . , e n ) une base orthonormale de E , on a

〈 u( e i ), u( e j )〉 = 0 si i ̸= j et 1 si i = j , donc ( u( e 1 ), . . . , u( e n )) est orthonormale, et en
particulier libre (donc base), donc c’est une base orthonormale de E .
2. ⇒ 3. Trivial.
3. ⇒ 1. Soit B = ( e 1 , . . . , e n ) une base orthonormale de E telle que ( u( e 1 ), . . . , u( e n )) soit
orthonormale de E . Soit x ∈ E , on a
n n
∥ u( x)∥2 = ∥ u( 〈 x, e i 〉 e i )∥2 = ∥ 〈 x, e i 〉 u( e i )∥2
X X
i =1 i =1
n n
∥〈 x, e i 〉 u( e i )∥2 = |〈 x, e i 〉|2 = ∥ x∥2
X X
(par Pythagore) =
i =1 i =1

4.4 Matrices orthogonales

Définition 4.20.

Une matrice A ∈ Mn (R) est dite orthogonale si t A A = I n , c’est-à-dire A est

inversible et A −1 = t A . L’ensemble des matrices orthogonales de Mn (R) se
note O n (R).

Exemple : La matrice I n est une matrice orthogonale. Plus généralement, si D =

diag(λ1 , . . . , λn ) est une matrice diagonale telle que chaque λ i ∈ {−1, 1}, alors D est une
matrice orthogonale.

Théorème 4.21.

Soit E un espace euclidien de dimension n et u ∈ L (E ). Soit B une base

orthonormale de E et A = MB ( u). Alors

u ∈ O (E ) ⇔ A ∈ O n (R)

Démonstration : Puisque B est une base orthonormale, MB ( u∗ ) = t A . Donc u ∈ O (E )

⇔ uu∗ = IdE ⇔ A t A = I n ⇔ A ∈ O n (R).

Proposition 4.22.

1. Si u ∈ O (E ) alors Sp( u) ⊆ {−1, 1}.

2. Si A ∈ O n (R) alors Sp( A ) ⊆ {−1, 1}.

75
 4.4 Matrices orthogonales

Démonstration : Soit u ∈ O (E ) et λ ∈ Sp( u), soit x un vecteur propre associé à la

valeur propre λ. On a ∥ u( x)∥ = ∥ x∥, donc ∥λ x∥ = ∥ x∥, par suite |λ| = 1, d’où λ = ±1.

Proposition 4.23.

O n (R) est un sous groupe de Gln (R).

Démonstration : Clairement I n ∈ O n (R). Soit A, B ∈ O n ( A ), on a

t
( AB−1 ) = t (B−1 ) t A = ( t B)−1 A −1 = (B−1 )−1 A −1 = ( AB−1 )−1

Ainsi AB−1 ∈ O n (R).

Proposition 4.24.

Soit A ∈ Mn (R). Les assertions suivantes sont équivalentes :

1. A ∈ O n (R),
2. Les vecteurs colonnes de A forme une base orthonormales de Mn,1 (R)
pour le produit scalaire canonique.
3. Les vecteurs lignes de A forme une base orthonormale de M1,n (R) pour
le produit scalaire canonique.

Démonstration : 1. ⇒ 2. Notons C 1 , . . . , C n les colonnes de la matrice A , On a t A A =

I n , puisque le coefficient d’indice ( i, j ) de la matrice t A A est le produit de la i ème ligne
de la matrice t A (c’est-à-dire transposée de la i ème colonne de A ) par la j ème colonne
de A , soit t C i C j = 〈C i , C j 〉. Donc 〈C i , C j 〉 = 0 si i ̸= j et 〈C i , C i 〉 = 1, il vient alors que la
famille des colonnes de A est orthonormale en particulier libre à n éléments, par suite
une base orthonormale de Mn,1 (R).
2. ⇒ 3. Le fait que les colonnes de A forme une base orthonormale de Mn,1 (R) signifie
que t A A = I n , et donc A t A = I n , en regardant les coefficient de ce produit, il vient que
〈L i , L j 〉 = 0 si i ̸= j et 〈L i , L i 〉 = 1 où L 1 , . . . , L n sont les vecteurs lignes de la matrice A .
Ceci justifie que les vecteurs lignes de A forme une base orthonormale de M1,n (R).
3 ⇒ 1. Puisque les vecteurs lignes de A forme une base orthonormale de M1,n (R), on a
donc A t A = I n , donc la matrice A est inversible et A −1 = t A , par suite A ∈ O n (R).

Proposition 4.25.

Soit E un espace euclidien et B , B ′ deux bases orthonormales de E . La ma-

B′
trice de passage P = PB est une matrice orthogonale.

Démonstration : Posons B = ( e 1 , . . . , e n ) et B ′ = ( e′1 , . . . , e′n ). Notons que le coefficient

B
d’indice ( i, j ) de la matrice P vaut 〈 e′j , e i 〉, et celui de la matrice P −1 = PB ′
′ vaut 〈 e j , e i 〉 =

〈 e′i , e j 〉, donc t P = P −1 .

76
C HAPITRE 4 : Endomorphismes dans les espaces euclidiens

Théorème 4.26. (Changement de bases)

Soit E une espace euclidien, f ∈ L (E ), B , B ′ deux bases orthonormales de

B′
E . Soit A = MB ( u), A ′ = MB ′ ( u) et P = PB . Alors A = P A ′ P −1 et P −1 = t P .
On dit alors que A et A ′ sont orthogonalement semblables.

Démonstration : D’après la formule de changement de base (classique), A = P A ′ P −1

où P est la matrice de passage de B à la base B ′ qui est donc orthogonale puisque les
bases sont orthonormales, d’où t P = P −1 .

Proposition 4.27.

1. Si A ∈ O n (R) alors det A = ±1.

2. Si u ∈ O (E ) alors det u = ±1.

Démonstration : Soit A ∈ O n (R), on a t A A = I n , donc det( t A A ) = det I n = 1, ainsi

det( t A ) det A = 1, par suite det( A )2 = 1, il en résulte alors que det( A ) = ±1.

Définition 4.28.

1. L’ensemble S O n (R) = { A ∈ O n (R) / det A = 1} est un sous groupe de O n (R)

appelé groupe spécial orthogonal.
2. L’ensemble S O (E ) = { u ∈ O (E ) / det u = 1} est un sous groupe de O (E )
appelé groupe spécial orthogonal ou groupe des rotations vectorielles de
E.

Proposition 4.29.

S O (E ) (respectivement S O n (R)) est un sous groupe distingué de O (E ) (res-

pectivement O n (R)) d’indice 2.

Démonstration : L’application det : O n (R) → {−1, 1} est un morphisme de groupes

(multiplicatifs), de noyau ker det = S O n (R), qui est donc un sous groupe distingué.
D’après le théorème d’isomorphisme O n (R)/S O n (R) ≃ {−1, 1}, il en résulte alors que
S O n (R) est un sous groupe distingué d’indice 2 de O n (R).

4.5 Réflexion et retournement

Proposition 5.30.

Soit E un espace euclidien et F un sous espace vectoriel de E , s F = 2 p F − IdE

la symétrie orthogonale par rapport à F , alors
1. s F est un endomorphisme symétrique.
2. s F est un endomorphisme orthogonal.

77
 4.6 Exercices

3. Il existe une base orthonormale de E dans laquelle la matrice de s F est

µ ¶
Ip 0
0 − I n− p

où p = dim F .

Démonstration :
1. Soit x, y ∈ E , on a

〈 s F ( x), y〉 = 〈2 p F ( x) − x, y〉 = 2〈 p F ( x) − x, y〉 + 〈 x, y〉
= 2〈 p F ( x) − x, y − p F ( y)〉 + 2 〈 p F ( x) − x, p F ( y)〉 +〈 x, y〉
| {z }
=0
= 2 〈 p F ( x), y − p F ( y)〉 −2〈 x, y − p F ( y)〉 + 〈 x, y〉
| {z }
=0
= 〈 x, 2 p F ( y) − y〉

donc l’endomorphisme s F est symétrique.

2. Soit x ∈ E , les deux vecteurs p F ( x) et p F ⊥ ( x) sont orthogonaux, par le théorème
de Pythagore, on obtient,

∥ s F ( x)∥2 = ∥ p F ( x) − p F ⊥ ( x)∥2 = ∥ p F ( x)∥2 + ∥ − p F ⊥ ( x)∥2

= ∥ p F ( x)∥2 + ∥ p F ⊥ ( x)∥2 = ∥ p F ( x) + p F ⊥ ( x)∥2
= ∥ x∥2

s F est donc un endomorphisme orthogonal.

3. Il suffit de considérer une base de E adaptée à la somme E = F ⊕ F ⊥ .

Définition 5.31.

Soit E un espace euclidien. On appelle réflexion de E toute symétrie orthogo-

nale par rapport à un hyperplan et retournement une symétrie orthogonale
par rapport à une droite vectorielle.

4.6 Exercices
Exercice 1

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

1. Montrer que rg u = rg u∗ .
2. Montrer que ker u = (Im u∗ )⊥ .
3. Montrer que Im u = (ker u∗ )⊥ .

78
C HAPITRE 4 : Endomorphismes dans les espaces euclidiens

Exercice 2

Soit E un espace euclidien et u ∈ L (E ) tel que pour tout x ∈ E , 〈 u( x), x〉 = 0.

1. Montrer que u∗ = − u.
2. Montrer que ker u = (Im u)⊥ .
3. Montrer que Im u = (ker u)⊥ .

Exercice 3

Soit A = (a i j )1≤ i, j≤n ∈ Mn (R) une matrice orthogonale.

a2i j = n.
X
1. Montrer que
1≤ i, j ≤ n
¯ ¯
¯ X ¯
2. Montrer que ¯ a i j ¯ ≤ n.
¯ ¯
¯1≤ i, j≤n ¯

Exercice 4

Soit E un espace euclidien, B = ( e 1 , . . . , e n ) et B ′ = ( e′1 , . . . , e′n ) deux bases ortho-

normales de E . Soit u ∈ L (E ), A et B sont respectivement les matrices de u dans
les bases B et B ′ .
1. Montrer que tr( t A A ) = tr( t BB).
〈 u( e i ), e j 〉2 ne dépend pas de la base ( e 1 , . . . , e n ).
X
2. En déduire que
1≤ i, j ≤ n

Exercice 5

Soit A = (a i j )1≤ i, j≤n une matrice symétrique réelle de valeurs propres λ1 , . . . , λn .

n
a2i j = λ2k .
X X
Montrer que
1≤ i, j ≤ n k=1

Exercice 6

Soit E un espace euclidien et u ∈ L (E ). On pose v = u∗ u.

1. Montrer que v∗ = v.
2. Montrer que ker v = ker u.
3. Montrer que si v est injective alors l’application ϕ : ( x, y) 7→ 〈 u∗ u( x), y〉 dé-
fini un produit scalaire sur E .

79
 4.6 Exercices

Exercice 7

1 −1 −1


Soit A la matrice A = −1 1 −1

−1 −1 1
1. Justifier que A est diagonalisable.
2. Trouver une matrice orthogonale P ∈ O 3 (R) et une matrice diagonale D
telles que A = PDP −1 .

Exercice 8

Soit A ∈ Mn (R) une matrice symétrique réelle telle que A 3 + A 2 + A = 0. Montrer

que A = 0.

Exercice 9

Soit A ∈ Mn (R) une matrice symétrique réelle. On suppose que A est positive
c’est-à-dire
∀ X ∈ Mn,1 (R) , t X A X ≥ 0
1. Montrer que Sp( A ) ⊆ R+ .
2. Montrer qu’il existe une matrice B ∈ Mn (R) telle que A = t BB.

Exercice 10

Soit E un espace euclidien et u ∈ L (E ) un endomorphisme. Pour x, y ∈ E , on pose

ϕu ( x, y) = 〈 u( x), y〉.
1. Montrer que ϕu est une forme bilinéaire sur E .
2. Montrer que ϕu est symétrique si, et seulement si, l’endomorphisme u est
symétrique.
Pour la suite de cet exercice u est un endomorphisme symétrique.
3. Montre que si ϕu est positive alors Sp( u) ⊆ R+ .
4. Montrer que si Sp( u) ⊆ R+ , alors ϕu est positive.
5. Montrer que ϕu est définie positive si, et seulement si, Sp( u) ⊆ R∗+ .

Exercice 11

1. Soit A ∈ Mn (R) une matrice symétrique nilpotent. Montrer que A = 0.

2. Soit B ∈ Mn (R) une matrice antisymétrique.
(a) Montrer que B2 = 0.
(b) Montrer que B = 0.

80
C HAPITRE 4 : Endomorphismes dans les espaces euclidiens

Exercice 12

Soit E un espace euclidien et u ∈ O (E ) diagonalisable. Montrer que u est une

symétrie.

Exercice 13

On muni Mn (R) du produit scalaire 〈 A, B〉 = tr( t AB). Soit N ∈ O n (R). Montrer

que l’endomorphisme ϕ de Mn (R) défini par ϕ( M ) = N M est un endomorphisme
orthogonal.

Exercice 14

Soit E un espace euclidien de dimension n ≥ 2, e un vecteur unitaire de E et α un

réel différent de −1. Soit u l’endomorphisme de E défini par u( x) = x + α〈 x, e〉 e.
1. Montrer que u est un endomorphisme symétrique de E .
2. Étudier les éléments propres de u.

Exercice 15

Soit E un espace euclidien et u un endomorphisme de trace nulle (tr( u) = 0). Soit

B = ( e 1 , . . . , e n ) une base orthonormale de E .
1. Exprimer tr( u) à l’aide des éléments de la base B .
2. Montrer qu’il existe ( i, j ) ∈ [[1, n]]2 avec i ̸= j tel que 〈 u( e i ), e i 〉〈 u( e j ), e j 〉 ≤ 0.
3. Pour θ ∈ [0, π2 ] on pose e θ = cos θ e i + sin θ e j et ϕ(θ ) = 〈 u( e θ ), e θ 〉.
(a) Calculer ∥ e θ ∥.
(b) Justifier que ϕ est continue sur [0, π2 ], puis montrer qu’il existe θ0 ∈
[0, π2 ] tel que g(θ0 ) = 0.
4. Montrer qu’il existe une base orthonormale de E dans laquelle la matrice
de u a tous ses éléments diagonales sont nuls.

Exercice 16

Soit E un espace euclidien et u un endomorphisme orthogonal de E . On pose

v = u + u−1 .
1. Montrer que v est un endomorphisme symétrique.
2. Soit λ une valeur propre de v et x un vecteur propre associé.
(a) Montrer que le sous espace vectoriel F = Vect( x, u( x)) est stable par u.
(b) En déduire qu’il existe un sous espace vectoriel non nul de E stable par
u et de dimension ≤ 2.

81
 4.6 Exercices

Exercice 17 (Image numérique)

Soit E un espace euclidien et u un endomorphisme symétrique de E . On pose

α = min λ et β = max λ.
λ∈sp(u) λ∈sp(u)
1. Montrer que pour tout x ∈ E ,

α∥ x∥2 ≤ 〈 u( x), x〉 ≤ β∥ x∥2

2. On pose W ( u) = {〈 u( x), x〉 /∥ x∥ = 1}.

(a) Montrer que W ( u) ⊆ [α, β].
Soit v (respectivement v′ ) un vecteur propre unitaire associé à la va-
leur propre α (respectivement β). On g( t) = 〈 u(cos( t)v+sin( t)v′ ), cos( t)v+
sin( t)v′ 〉.
(b) Montrer que g est continue sur [0, 1].
(c) En déduire que W ( u) = [α, β].

Exercice 18

Soit E un espace euclidien et u un endomorphisme de E vérifiant,

∀ x ∈ E, ∥ u( x)∥ ≤ ∥ x∥

1. Montrer que pour tout x ∈ E , ∥ u∗ ( x)∥ ≤ ∥ x∥.

2. Montrer que Sp( u) ⊆ [0, 1].
3. Montrer que ker( u − IdE ) = ker( u∗ − IdE ).
4. Montrer que E = ker( u − IdE ) ⊕⊥ Im( u − IdE ).
1 m
u k ( x)).
X
5. Pour x ∈ E , calculer lim (
m→+∞ m + 1
k=0

82
Chapitre 5

Espaces Hermitiens

Dans tout le chapitre E est un C-espace vectoriel.

5.1 Formes Hermitiennes

Définition 1.1.

Soit E un C-espace vectoriel. On appelle forme sesquilinéaire sur E toute

application ϕ : E × E → C vérifiant les propriétés suivantes :
1. Linéaire à gauche : Pour tous x, x′ , y ∈ E et λ ∈ C,

ϕ( x + λ x′ , y) = ϕ( x, y) + λϕ( x′ , y)

2. Semi-linéaire à droite : Pour tous x, y, y′ ∈ E et λ ∈ C,

ϕ( x, y + λ y′ ) = ϕ( x, y) + λϕ( x, y′ )

Exemples :
n
1. Pour x = ( x1 , . . . , xn ), y = ( y1 , . . . , yn ) ∈ Cn , on pose ϕ( x, y) =
X
xk yk . Alors ϕ est une
k=1
forme sesquilinéaire sur Cn .

2. Soit E = C ([a, b], C) l’espace vectoriel de toutes les fonctions continues sur [a, b]
Z b
et a valeurs dans C. Pour f , g ∈ E , on pose ϕ( f , g) = f ( t) g( t) dt. Alors ϕ est une
a
forme sesquilinéaire sur E .

3. Pour A, B ∈ Mn (C), on pose ϕ( A, B) = tr( t AB), où B = ( b i j ). Alors ϕ est une forme

sesquilinéaire sur Mn (C).

4. Pour z = ( z1 , z2 ), z′ = ( z1′ , z2′ ), on pose ϕ( z, z′ ) = z1 z2′ . Alors ϕ est une forme sesqui-
linéaire sur C2 .

83
 5.1 Formes Hermitiennes

Définition 1.2.

Soit E un C-espace vectoriel. On appelle forme Hermitienne sur E toute forme

sesquilinéaire ϕ sur E vérifiant la propriété suivante ; pour tout ( x, y) ∈ E 2 ,

ϕ( x, y) = ϕ( y, x)

Exemples :
n
1. Pour x = ( x1 , . . . , xn ), y = ( y1 , . . . , yn ) ∈ Cn , on pose ϕ( x, y) =
X
xk yk . Alors ϕ est une
k=1
forme sesquilinéaire Hermitienne sur Cn .
2. Soit E = C ([a, b], C) l’espace vectoriel de toutes les fonctions continues sur [a, b]
Z b
et a valeurs dans C. Pour f , g ∈ E , on pose ϕ( f , g) = f ( t) g( t) dt. Alors ϕ est une
a
forme sesquilinéaire Hermitienne sur E .
3. Pour A, B ∈ Mn (C), on pose ϕ( A, B) = tr( t AB). Alors ϕ est une forme sesquili-
néaire Hermitienne sur Mn (C).

Proposition 1.3.

Si ϕ est une forme sesquilinéaire Hermitienne sur E alors pour tout x ∈ E ,

ϕ( x, x) ∈ R.

Démonstration : On a ϕ( x, x) = ϕ( x, x), donc ϕ( x, x) ∈ R.

Proposition 1.4.

L’ensemble des formes sesquilinéaires (respectivement sesquilinéaire Hermi-

tiennes ) sur E est un espace vectoriel.

Pour z ∈ C, on note Re( z) (respectivement Im( z)) la partie réelle (respectivement la

partie imaginaire) de z.

Proposition 1.5.

Soit ϕ une forme sesquilinéaire Hermitienne sur E et x, y ∈ E .

1. Re(ϕ( x, y)) = 12 ϕ( x + y, x + y) − ϕ( x, x) − ϕ( y, y) .
¡ ¢

2. Re(ϕ( x, y)) = 14 ϕ( x + y, x + y) − ϕ( x − y, x − y) .
¡ ¢

3. Im(ϕ( x, y)) = 21 ϕ( x + i y, x + i y) − ϕ( x, x) − ϕ( y, y) .
¡ ¢

4. Im(ϕ( x, y)) = 14 ϕ( x + i y, x + i y) − ϕ( x − i y, x − i y) .
¡ ¢

3
i k ϕ( x + i k y, x + i k y).
X
5. ϕ( x, y) =
k=0

84
C HAPITRE 5 : Espaces Hermitiens

Démonstration :

ϕ( x + y, x + y) = ϕ( x, x) + ϕ( x, y) + ϕ( y, x) + ϕ( y, y)
= ϕ( x, x) + ϕ( x, y) + ϕ( x, y) + ϕ( y, y)
= ϕ( x, x) + 2 Re(ϕ( x, y)) + ϕ( y, y)

Ainsi Re(ϕ( x, y)) = 21 ϕ( x + y, x + y) − ϕ( x, x) − ϕ( y, y) .

¡ ¢

De même pour les autres formules.

Définition 1.6.

Soit ϕ une forme sesquilinéaire Hermitienne sur E .

1. On dit que ϕ est positive si pour tout x ∈ E , ϕ( x, x) ≥ 0.
2. On dit que ϕ est définie si pour tout x ∈ E \ {0}, ϕ( x, x) ̸= 0.

Exemples :
n
1. Pour x = ( x1 , . . . , xn ), y = ( y1 , . . . , yn ) ∈ Cn , on pose ϕ( x, y) =
X
xk yk . Alors ϕ est
k=1
définie positive.
2. Soit E = C ([a, b], C) l’espace vectoriel de toutes les fonctions continues sur [a, b]
Z b
et a valeurs dans C. Pour f , g ∈ E , on pose ϕ( f , g) = f ( t) g( t) dt. Alors ϕ est
a
définie positive.
3. Pour A, B ∈ Mn (C), on pose ϕ( A, B) = tr( t AB). Alors ϕ est définie positive.
4. Pour z = ( z1 , z2 ), z′ = ( z1′ , z2′ ), on pose ϕ( z, z′ ) = z1 z1′ . Alors ϕ est une forme ses-
quilinéaire Hermitienne positive non définie. En effet, ϕ( z, z) = | z1 |2 ≥ 0, mais
ϕ((0, 1), (0, 1)) = 0.

Proposition 1.7. (Inégalité de Cauchy-Schwarz)

Soit E un C-espace vectoriel et ϕ une forme sesquilinéaire Hermitienne posi-

tive sur E . Pour tout ( x, y) ∈ E 2 , on a
p p
|ϕ( x, y)| ≤ ϕ( x, x) ϕ( y, y)

Si de plus ϕ est définie positive, il y’a égalité si, et seulement si, la famille
( x, y) est liéé.

Démonstration : Le résultat est évident si ϕ( x, y) = 0. Supposons que ϕ( x, y) ̸= 0. Soit

θ un argument de ϕ( x, y) de sorte que ϕ( x, y) = e iθ |ϕ( x, y)|. Pour t ∈ R, on pose

h( t) = ϕ( x + te iθ y, x + te iθ y)

Pour tout t ∈ R, on a

h( t) = ϕ( x, x) + 2 Re(ϕ( x, te iθ y)) + t2 ϕ( y, y)
= ϕ( x, x) + 2 t|ϕ( x, y)| + t2 ϕ( y, y)

85
 5.2 Représentation matricielle des formes sesquilinéaires

Ainsi h est une fonction polynomiale réelle de degré ≤ 2 et positive, son discrimi-
nant est donc négatif c’est-à-dire 4|ϕ( x, y)|2 − 4ϕ( x, x)ϕ( y, y) ≤ 0 ou encore |ϕ( x, y)|2 ≤
ϕ( x, x)ϕ( y, y).

5.2 Représentation matricielle des formes sesquili-

néaires
Définition 2.8.

Soit E un C-espace vectoriel de dimension n ≥ 1, B = ( e 1 , . . . , e n ) une base de

E et ϕ une forme sesquilinéaire sur E . La matrice de ϕ relativement à la base
B notée MB (ϕ) est la matrice définie par ;

ϕ( e 1 , e 1 ) . . . ϕ( e 1 , e n )
 
.. .. ..
MB (ϕ) = (ϕ( e i , e j )) =  .
 
. . 
ϕ( e n , e 1 ) . . . ϕ( e n , e n )

Exemple : Soit ϕ la forme sesquilinéaire définie sur C2 par ϕ( z, z′ ) = z1 z1′ + 2 iz1 z2′ +
iz2 z2′ . Soit B la base canonique de C2 . Alors
µ ¶
1 2i
MB (ϕ) =
0 i

Proposition 2.9.

Soit E un C-espace vectoriel de dimension n ≥ 1, B = ( e 1 , . . . , e n ) une base de

E et ϕ une forme sesquilinéaire sur E . On note A la matrice de ϕ relativement
à la base B . Soit ( x, y) ∈ E 2 et notons X ( respectivement Y ) la matrice de x (
respectivement de y) dans la base B . Alors

ϕ( x, y) = t X AY

Démonstration : Soient x, y ∈ Eet posons ;

X n 
 y j ϕ( e 1 , e j ) 
     j=1 
x1 y1  .. 
 ..   ..  .
 
 
 .   . 
 n n n
X 
ϕ t
X X
y j ϕ( e i , e j )) =
    
X = x
 i
 et Y =  i
 y . On a AY =  y j ( e i , e j )  . Donc X AY = x i (
 ..   .. 
 
 j=1  i =1 j =1
 .   .   .. 
 . 
xn yn 
X n


y j ϕ( e n , e j )
 
j =1
à !
n X
X n n
X n
X
x i y j ϕ( e i , e j ) = ϕ xi e i , y j e j = ϕ( x, y)
i =1 j =1 i =1 j =1

86
C HAPITRE 5 : Espaces Hermitiens

Définition 2.10.

Soit A ∈ Mn (C).
1. On appelle matrice adjointe de A notée A ∗ la matrice A ∗ := t A .
2. On dit que A est une matrice hermitienne si A ∗ = A .

Remarque : Si on note a i j le coefficient d’indice ( i, j ) de la matrice A , alors A est

une matrie hermitienne si, et seulement si, pour tout i, j , a ji = a i j .

Proposition 2.11.

Soit E un C-espace vectoriel de dimension n ≥ 1, B = ( e 1 , . . . , e n ) une base de

E et ϕ une forme sesquilinéaire sur E . On note A la matrice de ϕ relativement
à la base B . Alors ϕ est une forme hermitienne si, et seulement si, A est une
matrice hermitienne.

Démonstration : Notons a i j les coefficients de A .

Si ϕ est Hermitienne alors a i j = ϕ( e i , e j ) = ϕ( e j , e i ) = a ji . Ainsi A est une matrice
Hermitienne.
Xn
Réciproquement, si ϕ est Hermitienne alors ϕ( e i , e j ) = ϕ( e j , e i ). Soient x = x i e i et
i =1
n
X
y= y j e j . On a
j =1
à !
n
X n
X n X
X n
ϕ( x, y) = ϕ xi e i , yj e j = x i y j ϕ( e i , e j )
i =1 j =1 i =1 j =1

X n
n X n X
X n
= x i y j ϕ( e j , e i ) = x i y j ϕ( e j , e i )
i =1 j =1 i =1 j =1
à !
n
X n
X
= ϕ yj e j, x i e i = ϕ( y, x)
j =1 i =1

Ainsi ϕ est une forme sesquilinéaire Hermitienne.

Théorème 2.12. (Changement de bases)

Soit E un C-espace vectoriel de dimension n ≥ 1 et ϕ une forme sesquilinéaire

sur E . Soient B , B ′ deux bases de E et notons A (respectivement A ′ ) la
matrice de ϕ dans la base B (respectivement B ′ ) et P la matrice de passage
de B à B ′ . Alors
A ′ = t P AP

Démonstration : Soient x, y ∈ E . Notons X et Y respectivement X ′ et Y ′ les matrices

de x et y dans B respectivement dans B ′ . On a X = P X ′ et Y = PY ′ . D’une part on a
³ ´
ϕ( x, y) = t X AY = t (P X ′ ) APY ′ = t X ′ t P AP Y ′

87
 5.3 Formes quadratiques Hermitiennes

D’autre part on a ϕ( x, y) = t X ′ A ′ Y ′ . Donc

³ ´
t
X ′ A ′ Y ′ = t X ′ t P AP Y ′

Cette égalité a lieu ∀ X ′ , Y ′ ∈ Mn,1 (C). D’où A ′ = t P AP .

5.3 Formes quadratiques Hermitiennes

Définition 3.13.

Soit E un C-espace vectoriel et ϕ une forme sesquilinéaire Hermitienne sur

E . On appelle forme quadratique Hermitienne associée à ϕ l’application q :
E → R définie pour tout x ∈ E par ;

q( x) = ϕ( x, x)

Exemples : L’application q : Cn → R définie pour tout x = ( x1 , . . . , xn ) ∈ Cn , par q( x) =

n
| xk |2 est une forme quadratique Hermitienne. Elle est associée à la forme sesquili-
X
k=1
n
X
néaire Hermitienne définie par ϕ( x, y) = xk yk .
k=1

Proposition 3.14.

Soit q une forme quadratique Hermitienne sur E associée à une forme ses-
quilinéaire Hermitienne ϕ. Alors pour tout ( x, y) ∈ E 2 ,

1
ϕ( x, y) = ( q( x + y) + iq( x + i y) − q( x − y) − iq( x − i y))
4

Démonstration : D’après les formules de polarisation.

Remarque : Si q est une forme quadratique Hermitienne et λ ∈ C, alors q(λ x) =

|λ|2 q( x).

5.4 Espace préhilbertien complexe

Définition 4.15.

1. Soit E un C-espace vectoriel. On appelle produit scalaire hermitien sur

E tout forme hermitienne définie positive.
2. Un espace préhilbertien complexe est un C-espace vectoriel muni d’un
produit scalaire hermitien.
3. Un espace Hermitien est un espace préhilbertien complexe de dimen-

88
C HAPITRE 5 : Espaces Hermitiens

sion finie.
Si ϕ est un produit scalaire hermitien sur E et x, y ∈ E , le nombre ϕ( x, y) se
note souvent ( x, y) ou 〈 x, y〉.

Exemples :
n
1. Sur Cn , l’application ( x, y) 7→
X
xk yk est un produit scalaire Hermitien, dit pro-
k=1
duit scalaire Hermitien canonique.
Z b
2. Sur E = C ([a, b], C), l’application ( f , g) 7→ f ( t) g( t) dt est un produit scalaire
a
Hermitien.
3. Soit E = C 2π (R, C) l’espace vectoriel des fonction continue et 2π-périodique. L’ap-
1 2π
Z
plication ( f , g) 7→ f ( t) g( t) dt est un produit scalaire Hermitien.
2π 0

Proposition 4.16. (Inégalité de Cauchy-Schwarz)

Soit E un espace préhilbertien complexe et x, y ∈ E . Alors

p p
|〈 x, y〉| ≤ 〈 x, x〉 〈 y, y〉

Avec égalité si, et seulement si, ( x, y) est liée.

Proposition 4.17.
p
Soit E un espace préhilbertien complexe. L’application x 7→ ∥ x∥ := 〈 x, x〉 est
une norme sur E , c’est-à-dire ,
1. ∥ x∥ = 0 si, et seulement si, x = 0.
2. ∥ x + y∥ ≤ ∥ x∥ + ∥ y∥.
3. ∥λ x∥ = |λ|∥ x∥.

Démonstration :

1. Le produit scalaire est définie.

2. On a ∥ x + y∥2 = ∥ x∥2 + 2 Re(〈 x, y〉) + ∥ y∥2 . Mais

2 Re(〈 x, y〉) ≤ 2| Re(〈 x, y〉)| ≤ 2|〈 x, y〉| ≤ ∥ x∥∥ y∥

Par conséquent ∥ x + y∥2 ≤ (∥ x∥ + ∥ y∥)2 . Il en résulte que ∥ x + y∥ ≤ ∥ x∥ + ∥ y∥.

p
3. ∥λ x∥ = 〈λ x, λ x〉 = |λ|2 〈 x, x〉 = |λ|∥ x∥.
p

89
 5.4 Espace préhilbertien complexe

Définition 4.18.

Soit E un espace préhilbertien complexe.

1. On dit que deux vecteurs x, y ∈ E sont orthogonaux et on note x ⊥ y si
〈 x, y〉 = 0.
2. L’orthogonale d’une partie A ⊆ E noté A ⊥ est définit par A ⊥ := { x ∈
E /∀ y ∈ A, 〈 x, y〉 = 0}.
3. Deux parties A et B de E sont dites orthogonales si ∀ x ∈ A , ∀ y ∈ B,
〈 x, y〉 = 0.

Remarque :

1. Si x ⊥ y alors y ⊥ x.

2. Pour x, y ∈ E , on a ∥ x + y∥2 = ∥ x∥2 + ∥ y∥2 si, et seulement si, Re(〈 x, y〉) = 0. En

particulier, si x ⊥ y alors ∥ x + y∥2 = ∥ x∥2 + ∥ y∥2 .

Définition 4.19.

Soit ( e i ) i∈ I une famille de vecteurs d’un espace préhilbertien complexe E .

1. On dit que ( e i ) i∈ I est orthogonale si pour tous i, j ∈ I avec i ̸= j , 〈 e i , e j 〉 =
0.
2. On dit que ( e i ) i∈ I est orthonormale si 〈 e i , e j 〉 = δ i j .
3. Une base orthonormale est une famille qui est à la fois base et ortho-
normale.

Exemple : Soit E = C 2π (R, C) muni du produit scalaire Hermitien

1
Z 2π
( f , g) 7→ f ( t) g( t) dt
2π 0

Pour n ∈ Z, notons e n la fonction définie par e n ( t) = e int .

¸2π
1 2π 1 2π i(n−m)t 1 e i(n−m)t
Z Z ·
Si n ̸= m, on a 〈 e n , e m 〉 = e n ( t) e m ( t) dt = e dt = = 0.
2π 0 2π 0 2π i ( n − m) 0
1 2π 1 2π
Z Z
Pour n ∈ Z, 〈 e n , e n 〉 = e n ( t) e n ( t) dt = 1 dt = 1.
2π 0 2π 0
On en déduit que ( e n )n∈Z est une famille orthonormale de E .

90
C HAPITRE 5 : Espaces Hermitiens

Théorème 4.20. (Orthonormalisation de Gram-Schmidt)

Soit E un espace préhilbertien complexe et (v1 , . . . , v p ) une famille libre de E .

Soit e 1 = ∥vv11 ∥ et pour k > 1,

kX
−1
vk − 〈vk , e j 〉 e j
j =1
ek =
kX
−1
∥vk − 〈vk , e j 〉 e j ∥
j =1

Alors ( e 1 , . . . , e p ) est une famille orthonormale de E et pour tout k ≥ 1,

Vect( e 1 , . . . , e k ) = Vect(v1 , . . . , vk )

Le théorème précédent fournit un algorithme pour la construction des bases ortho-

normales pour les sous espaces vectoriels d’un espace préhilbertien complexe.

Corollaire 4.21.

Tout espace Hermitien admet au moins une base orthonormale.

Démonstration : Soit (v1 , . . . , vn ) une base quelconque de E . D’après le théorème pré-

cédent, elle existe une famille orthonormale B = ( e 1 , . . . , e n ) de E telle que Vect( e 1 , . . . , e n ) =
Vect(v1 , . . . , vn ) = E . Autrement dit B est génératrice de E . Ainsi B est une base ortho-
normale de E .

Théorème 4.22.

Soit E un espace hermitien et B = ( e 1 , . . . , e n ) une base orthonormale de E .

n
X
1. Pour tout x ∈ E , x = 〈 x, e k 〉 e k .
k=1
n
X n
X
2. Pour x, y ∈ E , 〈 x, y〉 = 〈 x, e k 〉〈 e k , y〉 = 〈 x, e k 〉〈 y, e k 〉.
k=1 k=1
n
3. Pour tout x ∈ E , ∥ x∥2 = |〈 x, e k 〉|2 .
X
k=1

Démonstration :
n
1. Soit x ∈ E et x1 , . . . , xn ∈ C tels que x =
X
x i e i . Soit 1 ≤ k ≤ n, on a
i =1

n
X
〈 x, e k 〉 = x i 〈 e i , e k 〉 = xk 〈 e k , e k 〉 = xk
i =1

n
X
D’où x = 〈 x, e i 〉 e i .
i =1

91
 5.5 Projection orthogonale

2. Soient x, y ∈ E , on a

n
X n
X
〈 x, y〉 = 〈 〈 x, e i 〉 e i , y〉 = 〈 x, e i 〉〈 e i , y〉
i =1 i =1

Le dernier membre des égalités découle du fait que 〈 e i , y〉 = 〈 y, e i 〉.

n n n
3. ∥ x∥2 = 〈 x, x〉 = |〈 x, e i 〉|2 .
X X X
〈 x, e i 〉〈 e i , x〉 = 〈 x, e i 〉〈 x, e i 〉 =
i =1 i =1 i =1

5.5 Projection orthogonale

Proposition 5.23.

Soit E un espace préhilbertien complexe et F un sous espace vectoriel de E

dimension finie, notons BF = ( e 1 , . . . , e p ) une base orthonormale de F . Pour
tout x ∈ E ,
p
x − 〈 x, e i 〉 e i ∈ F ⊥
X
i =1

Démonstration : Soit 1 ≤ k ≤ p, on a

p
X p
X
〈x − 〈 x, e i 〉 e i , e k 〉 = 〈 x, e k 〉 − 〈 x, e i 〉〈 e i , e k 〉
i =1 i =1
X
= 〈 x, e k 〉 − 〈 x, e k 〉〈 e k , e k 〉 − 〈 x, e i 〉〈 e i , e k 〉
i =1,i ̸= k
= 〈 x, e k 〉 − 〈 x, e k 〉 = 0

p
〈 x, e i 〉 e i ∈ Vect( e 1 , . . . , e p )⊥ = F ⊥ .
X
Donc x −
i =1

Théorème 5.24.

Soit E un espace préhilbertien complexe et F un sous espace vectoriel de E de

dimension finie. Alors
E = F ⊕ F⊥

Démonstration : Clairement la somme F + F ⊥ est directe. Le reste est une consé-

quence de la proposition précédente.

Définition 5.25.

Soit E un espace préhilbertien complexe et F un sous espace vectoriel de E

de dimension finie. La projection orthogonale sur F est la projection sur F et
parallèlement à F ⊥ , on la note p F .

92
C HAPITRE 5 : Espaces Hermitiens

Théorème 5.26.

Soit E un espace préhilbertien complexe, F un sous espace vectoriel de E de

dimension finie et B = ( e 1 , . . . , e p ) une base orthonormale de F . Pour tout
x ∈ E , on a
p
X
p F ( x) = 〈 x, e k 〉 e k
k=1

p
X p
X
Démonstration : Remarquer que x = 〈 x, e k 〉 e k + x − 〈 x, e k 〉 e k .
k=1 k=1
| {z } | {z }
∈F ∈F ⊥

Proposition 5.27. (Inégalité de Bessel)

Soit F un sous espace vectoriel de dimension finie d’un espace préhilbertien

complexe E . Pour tout x ∈ E ,

∥ p F ( x)∥ ≤ ∥ x∥

Démonstration : On a x = p F ( x) + ( x − p F ( x)), puisque p F ( x) et x − p F ( x) sont ortho-

gonaux, on a ∥ x∥2 = ∥ p F ( x) + ( x − p F ( x))∥2 = ∥ p F ( x)∥2 + ∥ x − p F ( x)∥2 ≥ ∥ p F ( x)∥2 , d’où le
résultat.

Corollaire 5.28.

Soit E un espace préhilbertien complexe, ( e n )n∈N une famille orthonormale

de E et x ∈ E .
|〈 x, e n 〉|2 est convergente.
X
1. La série
n≥0
+∞
|〈 x, e n 〉|2 ≤ ∥ x∥2 .
X
2.
n=0

Démonstration : Pour n ≥ 0, on note F n le sous espace vectoriel engendré par les

vecteurs e 0 , . . . , e n . Notons que ( e 0 , . . . , e n ) est une base orthonormale de F n . D’après
l’inégalité de Bessel, on a
n
|〈 x, e k 〉|2 = ∥ p Fn ( x)∥2 ≤ ∥ x∥2
X
k=0

+∞
|〈 x, e n 〉|2 est convergente et on a |〈 x, e n 〉|2 ≤ ∥ x∥2 .
X X
Ainsi la série
n≥0 n=0

Définition 5.29.

Soit E un espace préhilbertien complexe et F un sous espace vectoriel de E de

93
 5.6 Exercices

dimension finie. Pour x ∈ E , on définit la distance de x à F par ;

d ( x, F ) = inf ∥ x − y∥
y∈ F

Proposition 5.30.

Soit E un espace préhilbertien complexe et F un sous espace vectoriel de E de

dimension finie. Pour tout x ∈ E on a,

d ( x, F ) = ∥ x − p F ( x)∥

Démonstration : Soit y ∈ F , remarquons que ( x − p F ( x)) ⊥ ( p F ( x) − y), donc

∥ x − y∥2 = ∥( x − p F ( x)) + ( p F ( x) − y)∥2 = ∥ x − p F ( x)∥2 + ∥ p( x) − y∥2 ≥ ∥ x − p F ( x)∥2

D’où ∥ x − p F ( x)∥ ≤ ∥ x − y∥. Ainsi d ( x, F ) = ∥ x − p F ( x)∥.

5.6 Exercices
Exercice 1

Soit E un espace préhilbertien complexe et x, y ∈ E .

1. Montrer que si x ⊥ y, alors ∥ x + y∥2 = ∥ x∥2 + ∥ y∥2 .
2. On suppose que ∥ x + y∥2 = ∥ x∥2 + ∥ y∥2 et ∥ x + i y∥2 = ∥ x∥2 + ∥ y∥2 . Montrer
que x ⊥ y.

Exercice 2

Soit E un C-espace vectoriel et ϕ une forme sesquilinéaire Hermitienne sur E

telle que, pour tout x ∈ E , ϕ( x, x) = 0. Montrer que ϕ = 0.

Exercice 3

Soit E un C-espace vectoriel et ϕ une forme sesquilinéaire sur E telle que, pour
tout x ∈ E , ϕ( x, x) ∈ R. Pour ( x, y) ∈ E 2 , on pose
³ ´
Ψ( x, y) = i ϕ( x, y) − ϕ( y, x)

1. Montrer que Ψ est une forme sesquilinéaire Hermitienne.

2. En déduire que ϕ est Hermitienne.

94
C HAPITRE 5 : Espaces Hermitiens

Exercice 4

On considère l’espace vectoriel E = C3 muni du produit scalaire Hermitien, puis

le sous espace vectoriel F = {( x, y, z) ∈ C 3 / x − i y − z = 0}.
1. Déterminer une famille génératrice de F ⊥ .
2. Déterminer une base orthonormale de F .
3. Déterminer la matrice, dans la base canonique de C3 , de l’endomorphisme
pF⊥ .

Exercice 5

On considère l’espace vectoriel E = Cn [ X ], ainsi que l’application

1
Z 2π
(P,Q ) 7→ 〈P,Q 〉 = P ( e it )Q ( e it ) dt
2π 0

1. Montrer que 〈., .〉 est un produit scalaire Hermitien sur Cn [ X ].

2. Montrer que la base canonique de E est une base orthonormale.
3. En déduire, pour P ∈ Cn [ X ], l’expression de ∥P ∥ en fonction des coefficients
de P .

Exercice 6

Soit E un espace Hermitien et f ∈ L (E ) un endomorphisme de E . On suppose

que pour tout x ∈ E , 〈 f ( x), x〉 = 0.
1. Montrer que pour tout x, y ∈ E , 〈 f ( x), y〉 = 0.
2. En déduire que f = 0.

Exercice 7

| z n |2 soit conver-
X
Soit E l’ensemble des suite complexes ( z n )n tel que la série
n
gente.
1. Montrer que E est un C-espace vectoriel.
+∞
X
Pour z = ( z n )n , z′ = ( z′n ) ∈ E , on pose 〈 z, z′ 〉 = z n z′n .
n=0
′ ′
2. Soit z, z ∈ E . Montrer que ( z, z ) existe.
3. Montrer que 〈., .〉 est un produit scalaire Hermitien sur E .

Exercice 8

Soit E un espace Hermitien et v ∈ E un vecteur non nul. Soit

F = { x ∈ E / 〈 x, v〉 = 0}

95
 5.6 Exercices

1. Déterminer F ⊥ .
2. En déduire, en fonction de v, une expression de la projection orthogonale
p F ( x) de x sur F .
|〈 x,v〉|
3. Soit x ∈ E . Montrer que d ( x, F ) = ∥ v∥
.

96
Chapitre 6

Endomorphismes dans les espaces

Hermitiens

6.1 Adjoint d’un endomorphisme

Soit E un espace Hermitien et y ∈ E , alors l’application x 7→ 〈 x, y〉 est une forme
linéaire sur E . Contrairement au cas réel l’application x 7→ 〈 y, x〉 n’est pas linéaire en
générale, elle est semi-linéaire.

Théorème 1.1. (de représentation de Riez)

Soit E un espace Hermitien et f : H → C une forme linéaire. Alors il existe un

unique vecteur y ∈ E tel que pour tout x ∈ E ,

f ( x) = 〈 x, y〉

Démonstration : L’unicité est immédiate.

Si f est la forme linéaire nulle alors f ( x) = 〈 x, y〉, où y = 0. Supposons que f est non nul.
Dans ce cas le sous espace vectoriel ker f est un hyperplan de E , son orthogonale D :=
ker f ⊥ est donc une droite vectorielle. Soit z un veceur unitaire tel que D = Vect( z). Soit
maintenant x un élément de E . On sait que x − p D ( x) ∈ D ⊥ = ker f et que p D ( x) = 〈 x, z〉 z.
Donc x − 〈 x, z〉 z ∈ ker f . Par conséquent f ( x − 〈 x, z〉 z) = 0, ou encore f ( x) = 〈 x, z〉 f ( z) =
〈 x, f ( z) z〉. D’où f ( x) = 〈 x, y〉, où y = f ( z) z.

Théorème 1.2.

Soit E un espace Hermitien et u ∈ L (E ). Il existe un unique endomorphisme

v ∈ L (E ) tel que pour tout ( x, y) ∈ E 2 ,

〈 u( x), y〉 = 〈 x, v( y)〉

L’endomorphisme v s’appel l’adjoint de u et se note u∗ .

Démonstration : La vérification de l’unicité se fait sans difficulté.

97
 6.1 Adjoint d’un endomorphisme

Soit B = ( e 1 , . . . , e n ) une base orthonormale de E . Pour x, y ∈ E , on a

n
X n
X n
X
〈 u( x), y〉 = 〈 〈 x, e k 〉 u( e k ), y〉 = 〈 x, e k 〉〈 u( e k ), y〉 = 〈 x, 〈 u( e k ), y〉 e k 〉
k=1 k=1 k=1
n
X
= 〈 x, 〈 y, u( e k )〉 e k 〉
k=1
n
X
Remarquons que l’application v : y 7→ v( y) = 〈 y, u( e k )〉 e k est un endomorphisme de
k=1
E et que pour tout x, y ∈ E , 〈 u( x), y〉 = 〈 x, v( y)〉.

Proposition 1.3.

Soit E un espace Hermitien et u ∈ L (E ). Soit B = ( e 1 , . . . , e n ) une base ortho-

normale de E . Alors
 
〈 u( e 1 ), e 1 〉 . . . 〈 u( e n ), e 1 〉
.. .. ..
MB ( u) =  .
 
. . 
〈 u( e 1 ), e n 〉 . . . 〈 u( e n ), e n 〉

n
X
Démonstration : Pour 1 ≤ j ≤ n, on a u( e j ) = 〈 u( e j ), e i 〉 e i . D’où le résultat.
i =1

Proposition 1.4.

Soit E un espace Hermitien et u ∈ L (E ). Soit B = ( e 1 , . . . , e n ) une base ortho-

normale de E . Alors
MB ( u∗ ) = MB ( u)∗

Démonstration : Notons a i j (respectivement b i j ) le coefficient d’indice ( i, j ) de ma-

trice MB ( u) (respectivement MB ( u)). Par définition on a a i j = 〈 u( e j ), e i 〉 et b i j =
〈 u∗ ( e j ), e i 〉. Donc

b i j = 〈 u∗ ( e j ), e i 〉 = 〈 e j , u( e i )〉 = 〈 u( e i ), e j 〉 = a ji

D’où le résultat.

Corollaire 1.5.

Soit E un espace Hermitien et u, v ∈ L (E ).

1. Id∗E = IdE .
2. Pour tout λ ∈ C, ( u + λv)∗ = u∗ + λv∗ .
3. ( uv)∗ = v∗ u∗ .
4. ( u∗ )∗ = u.

Démonstration : Soit B une base orthonormale de E , notons A = MB ( u) et B =

MB (v).

98
C HAPITRE 6 : Endomorphismes dans les espaces Hermitiens

1. On a MB (Id∗E ) = I ∗n = I n , où n = dim E . Donc Id∗E = IdE .

2. Remarquons d’abord que (λB)∗ = λB∗ .

MB (( u + λv)∗ ) = (MB ( u + λv))∗ = ( A + λB)∗ = A ∗ + λB∗ = MB ( u∗ ) + λMB (v)

= MB ( u∗ + λv∗ )

3. Notons aussi que ( AB)∗ = B∗ A ∗ , donc

MB (( uv)∗ ) = (MB ( uv))∗ = ( AB)∗ = B∗ A ∗ = MB (v∗ )MB ( u∗ ) = MB (v∗ u∗ )

4. C’est une conséquence du fait que ( A ∗ )∗ = A .

Définition 1.6.

Soit E un espace Hermitien et u ∈ L (E ). On dit que u est un endomorphisme

normal si u∗ u = uu∗ , autrement dit si u commute avec u∗ .

Remarque : Si u est normale et x ∈ E , alors ∥ u∗ ( x)∥ = ∥ u( x)∥. En effet ;

∥ u∗ ( x)∥2 = 〈 u∗ ( x), u∗ ( x)〉 = 〈 uu∗ ( x), x〉 = 〈 u∗ u( x), x〉 = 〈 u( x), u( x)〉 = ∥ u( x)∥2

Proposition 1.7.

Soit E un espace Hermitien et u ∈ L (E ) un endomorphisme normal.

1. Si x est un vecteur propre de u associé à une valeur propre λ, alors x
est un vecteur propre de u∗ associé à λ. En particulier Sp( u∗ ) = { z / z ∈
Sp( u)}.
2. Les sous espaces propres de u sont orthogonaux.

Démonstration :
1. Montrons que la norme de u∗ ( x) − λ x est nulle. On a

∥ u∗ ( x) − λ x∥2 = ∥ u∗ ( x)∥2 − 〈 u∗ ( x), λ x〉 − 〈λ x, u∗ ( x)〉 + |λ|2 ∥ x∥2

= ∥ u∗ ( x)∥2 − 〈 u∗ (λ x), x〉 − 〈 x, u∗ (λ x)〉 + |λ|2 ∥ x∥2
= ∥ u( x)∥2 − 〈λ x, u( x)〉 − 〈 u( x), λ x〉 + ∥λ x∥2
= ∥ u( x) − λ x∥2 = 0

Donc u∗ ( x) = λ x.
2. Soient λ, β deux valeurs propres distinctes de u. Soit x ∈ E λ ( u) et y ∈ E β ( u). On a

〈 u( x), y〉 = λ〈 x, y〉

D’autre part, on a

〈 u( x), y〉 = 〈 x, u∗ ( y)〉 = 〈 x, α y〉 = α〈 x, y〉

Par conséquent λ〈 x, y〉 = α〈 x, y〉, ou encore (λ − α)〈 x, y〉 = 0. Ce qui implique que

〈 x, y〉 = 0.

99
 6.2 Endomorphisme Hermitien

Théorème 1.8.

Soit E un espace Hermitien et u ∈ L (E ) un endomorphisme normal. Elle

existe une base orthonormale de E formée des vecteurs propres de u. En
d’autre termes u est diagonalisable dans une base orthonormale de E .

Démonstration : Le polynôme caractéristique de u est scindé dans C[ X ], donc u

admet au moins une valeur propre. On pose F = ⊕λ∈Sp(u) E λ ( u). Montrons dans un
premier temps que E = F ou encore que F ⊥ = 0. Supposons que F ⊥ est un sous espace
vectoriel non nul. Chaque sous espace propre E λ ( u) = ker( u − λ IdE ) est stable par u∗
car u∗ commute aussi avec u − λ IdE . Par conséquent F est stable par u∗ . Ainsi le
sous espace vectoriel F ⊥ est stable par u∗∗ = u. Soit v l’endomorphisme induit par
u sur le sous espace vectoriel F ⊥ . Alors v admet au moins une valeur propre α ∈ C.
Soit x ∈ F ⊥ un vecteur propre de v associé à la valeur propre α. On a donc u( x) = α x,
autrement dit α ∈ Sp( u) et x est un vecteur propre de u associé à la valeur propre α,
donc x ∈ E α ( u) ⊆ F . Remarquons maintenant que 0 ̸= x ∈ F ⊥ ∩ F . Ce qui est impossible.
On en déduit alors que E = F = ⊕λ∈Sp(u) E λ ( u). Pour chaque λ ∈ Sp( u), on considère une
base orthonormale Bλ de E λ ( u). Puisque E = ⊕λ∈Sp(u) E λ ( u) et les sous espaces propres
de u sont orthogonaux, la famille B = ∪λ∈Sp(u) Bλ est une base orthonormale de E et
est formée de vecteurs propres de u.

6.2 Endomorphisme Hermitien

Définition 2.9.

Soit E un espace Hermitien et u ∈ L (E ). On dit que u est un endomorphisme

Hermitien ou auto-adjoint si u∗ = u c’est-à-dire pour tous x, y ∈ E ,

〈 u( x), y〉 = 〈 x, u( y)〉

Exemple : IdE est un endomorphisme Hermitien.

Proposition 2.10.

Soit E un espace Hermitien, u ∈ L (E ) et B une base orthonormale de E .

Alors u est Hermitien si, et seulement si, MB ( u) est une matrice hermitienne.

Démonstration : u Hermitien si, et seulement si, u∗ = u si, et seulement si, MB ( u∗ ) =

MB ( u) si, et seulement si, (MB ( u))∗ = MB ( u) si, et seulement si, MB ( u) est Hermi-
tienne.

100
C HAPITRE 6 : Endomorphismes dans les espaces Hermitiens

Théorème 2.11.

Soit E un espace Hermitien et u ∈ L (E ). Les deux propriétés suivantes sont

équivalentes.
1. u es un endomorphisme Hermitien.
2. Pour tout x ∈ E , 〈 u( x), x〉 ∈ R.

Démonstration : On suppose que u est un endomorphisme Hermitien. Soit x ∈ E , on

a
〈 u( x), x〉 = 〈 x, u( x)〉 = 〈 u( x), x〉

Donc 〈 u( x), x〉 ∈ R.
Réciproquement, supposons que pour tout x ∈ E , 〈 u( x), x〉 ∈ R. Soit ( x, y) ∈ E 2 . On a

〈 u( x + y), x + y〉 = 〈 u( x), x〉 + 〈 u( y), y〉 + 〈 u( x), y〉 + 〈 u( y), x〉

Ainsi α := 〈 u( x), y〉 + 〈 u( y), x〉 est un nombre réel. De même on a

〈 u( x + i y), x + i y〉 = 〈 u( x), x〉 + 〈 u( y), y〉 − i 〈 u( x), y〉 + i 〈 u( y), x〉

Ainsi β := − i 〈 u( x), y〉 + i 〈 u( y), x〉 est un nombre réel. Remarquons maintenant que

α + i β = 2〈 u( x), y〉 et α − i β = 2〈 u( y), x〉. par conséquent 〈 u( x), y〉 = 〈 u( y), x〉 = 〈 x, u( y)〉.
L’endomorphisme u est donc Hermitien.

Proposition 2.12.

Soit E un espace Hermitien et u ∈ L (E ). Soit F est un sous espace vectoriel

de E stable par u. Alors F ⊥ est stable par u∗ , si de plus u est Hermitien alors
F ⊥ est stable par u.

Démonstration : Soit x ∈ F ⊥ et y ∈ F . On a u∗ ( x), y〉 = 〈 x, u( y)〉 = 0 car u( y) ∈ F . Donc

u ∗ ( x) ∈ F ⊥ .

Théorème 2.13.

Soit E un espace hermitien et u ∈ L (E ) un endomorphisme Hermitien. Alors

1. Toutes les valeurs propres de u sont réelles.
2. Il existe une base orthonormale de E formée des vecteurs propres de u.

Démonstration : Soit λ une valeur propre de u. Soit x un vecteur propre de u associé

à la valeur propre λ. On a 〈 u( x), x〉 = λ〈 xnx〉 = λ∥ x∥2 est un réel et ∥ x∥2 est un réel non
nul, donc λ est une valeur propre réelle.
La deuxième propriété est une conséquence de la diagonalisabilité des endomor-
phismes normaux puisque qu’un endomorphisme Hermitien est normal. On propose ici
une autre méthode pour la démonstration en raisonnant par récurrence sur n = dim E .
On peut vérifier le résultat pour n = 1 sans aucune difficulté. Supposons la propriété

101
 6.3 Endomorphisme unitaire

pour n ≥ 1. Soit E un espace Hermitien de dimension n + 1 et u ∈ L ( u) un endomor-

phisme Hermitien. On fixe une valeur propre quelconque λ de u. Soit e un vecteur
propre unitaire de u associé à la valeur propre λ. la droite vectorielle D = Vect( e) est
stable par u, donc H := D ⊥ est stable par u. On considère v l’endomorphisme induit
par u sur H . Pour tout ( x, y) ∈ H 2 , on a
〈v( x), y〉 = 〈 u( x), y〉 = 〈 x, u( y)〉 = 〈 x, v( y)〉
Donc v est un endomorphisme Hermitien de H . Puisque dim H = n, d’après l’hypo-
thèse de récurrence, elle existe une base orthonormale BH = ( e 1 , . . . , e n ) de H formée
des vecteurs propres de v ( donc de u). Finalement B = ( e, e 1 , . . . , e n ) est une base or-
thonormale de E formée de vecteurs propres de u ( en fait cette base est adaptée à la
somme D ⊕ D ⊥ = E ).

6.3 Endomorphisme unitaire

Définition 3.14.

Soit E un espace Hermitien et u ∈ L (E ). On dit que u est un endomorphisme

unitaire si pour tout x ∈ E , ∥ u( x)∥ = ∥ x∥.

Exemple : L’endomorphisme IdE est unitaire.

Théorème 3.15.

Soit E un espace Hermitien et u ∈ L (E ). Les propriétés suivantes sont équi-

valentes.
1. u unitaire,
2. Pour tous x, y ∈ E , 〈 u( x), u( y)〉 = 〈 x, y〉.
3. u transforme toute base orthonormale de E en une base orthonormale
de E .
4. u transforme une base orthonormale de E en une base orthonormale de
E.

Démonstration : 1. ⇒ 2. Il suffit d’appliquer la formule de polarisation ;

1¡
∥ u( x) + u( y)∥2 − ∥ u( x) − u( y)∥2 + i ∥ u( x) + iu( y)∥2 − i ∥ u( x) − iu( y)∥2
¢
〈 u( x), u( y)〉 =
4
1¡
∥ u( x + y)∥2 − ∥ u( x − y)∥2 + i ∥ u( x + i y)∥2 − i ∥ u( x − i y)∥2
¢
=
4
1¡
∥ x + y∥2 − ∥ x − y∥2 + i ∥ x + i y∥2 − i ∥ x − i y∥2
¢
=
4
= 〈 x, y〉
2. ⇒ 3. Soit B = ( e 1 , . . . , e n ) une base orthonormale de E ( n = dim E ). On a 〈 u( e i ), u( e j )〉 =
〈 e i , e j 〉 = δ i j , donc ( u( e 1 ), . . . , u( e n )) est une famille orthonormale a n éléments, il s’en-
suit que u(B ) est une base orthonormale de E .

102
C HAPITRE 6 : Endomorphismes dans les espaces Hermitiens

3. ⇒ 4. Immédiate.
4. ⇒ 1. Soit B = ( e 1 , . . . , e n ) une base de E telle que u(B ) soit une base orthonormale
Xn
de E . Soit x ∈ E , on sait que x = 〈 x, e k 〉 e k , donc
k=1
° Ã !°2 ° °2
° X n ° °Xn °
∥ u( x)∥2 = °u 〈 x, e k 〉 e k ° = ° 〈 x, e k 〉 u( e k )°
° ° ° °
° k=1 ° °k=1 °
n
|〈 x, e k 〉|2 car u(B ) est une base orthonormale
X
=
k=1
= ∥ x ∥2
Donc u est un endomorphisme unitaire.

Proposition 3.16.

Soit E un espace Hermitien et u ∈ L (E ). Les deux propriétés suivantes sont

équivalentes.
1. u unitaire.
2. u∗ u = IdE (c’est-à-dire u inversible et u−1 = u∗ ).

Démonstration : 1. ⇒ 2. Si x ∈ ker u alors ∥ x∥ = ∥ u( x)∥ = 0, donc x = 0. L’endomor-

phisme u est donc bijectif. De plus, pour x, y ∈ E , on a
〈 u( x), y〉 = 〈 u( x), u( u−1 ( x))〉 = 〈 x, u−1 ( y)
Donc u∗ = u−1 , autrement dit u∗ u = IdE .
2. ⇒ 1. Soit x ∈ E , on a
∥ u( x)∥2 = 〈 u( x), u( x)〉 = 〈 x, u∗ u( x)〉 = 〈 x, x〉 = ∥ x∥2
Ainsi u est un endomorphisme unitaire.
On désigne par U l’ensemble des nombres complexes de module égale à 1, c’est-à-dire
U = { z ∈ C / | z| = 1}

Théorème 3.17.

Soit E un espace Hermitien et u ∈ L (E ). Si u est unitaire alors

1. Sp( u) ⊆ U.
2. Elle existe une base orthonormale de E formée des vecteurs propres de
u.

Démonstration : Soit z ∈ Sp( u) et x un vecteur propre de u associé à λ.- On a

∥ u( x)∥2 = ∥ x∥2 , donc |λ|2 ∥ x∥2 = ∥ x∥2 , par conséquent | z| = 1, c’est-à-dire z ∈ U. Puisque
u∗ = u−1 , l’endomorphisme u∗ commute avec u, c’est-à-dire u est un endomorphisme
normal. D’où u diagonalisable dans une base orthonormale de E .

6.4 Exercices

103
 6.4 Exercices

Exercice 1

Soit E un espace Hermitien, v1 , . . . , v p , e 1 , . . . , e p ∈ E . Pour x ∈ E , on pose

p
X
u ( x) = 〈 x, vk 〉 e k
k=1

1. Montrer que u est un endomorphisme de E .

2. Déterminer l’adjoint de u.

Exercice 2

Soit E un espace Hermitien. On dit qu’un endomorphisme u ∈ L (E ) est antiher-

mitien si u∗ = − u.
1. Montrer qu’un endomorphisme u ∈ L (E ) est antihermitien si, et seulement
si, pour tout x ∈ E , 〈 u( x), x〉 est imaginaire pure.
2. Soit u ∈ L (E ) un endomorphisme antihermitien. Montrer que les valeurs
propres de u sont imaginaires pures.
3. Soit u ∈ L (E ). Montrer que u est antihermitien si, et seulement si, iu est
hermitien.
4. Justifier que tout endomorphisme antihermitien est diagonalisable dans
une base orthonormale de E .

Exercice 3

Soit E un espace Hermitien et u ∈ L (E ) un endomorphisme Hermitien. On sup-

pose que u est positive c’est-à-dire pour tout x ∈ E ,

〈 u( x), x〉 ≥ 0

1. Montrer que toutes les valeurs propres de u sont réelles positives.

On note α ( respectivement β) la plus petite (respectivement la plus
grande) valeur propre de u.
2. Montrer que pour tout x ∈ E , α∥ x∥2 ≤ 〈 u( x), x〉 ≤ β∥ x∥2 .

Exercice 4

Soit E un espace Hermitien.

1. Soit v ∈ L (E ). Montrer que v∗ v est un endomorphisme Hermitien positif.
2. Soit u ∈ L (E ) un endomorphisme Hermitien positif. Montrer qu’il existe
un endomorphisme Hermitien positif v ∈ L (E ) tel que u = v∗ v = v2 .

104
C HAPITRE 6 : Endomorphismes dans les espaces Hermitiens

Exercice 5

Soit E un espace Hermitien et u ∈ L (E ).

1. Montrer que E = ker u ⊕ Im u.
2. Montrer que (ker u)⊥ = Im u.

Exercice 6

Soit E un espace Hermitien et u ∈ L (E ).

1. Montrer que si u∗ = P ( u), où P ∈ C[ X ], alors u est normal.
2. On suppose que u est normal.
(a) Montrer que si λ1 , . . . , λr sont des nombres complexes deux à deux
distincts, alors il existe un polynôme P ∈ C[ X ] tel que 1 ≤ ∀ k ≤ r ,
P (λk ) = λk .
(b) En déduire qu’il existe un polynôme P ∈ C[ X ] tel que u∗ = P ( u).

Exercice 7

Soit E un espace Hermitien et u ∈ L (E ) un endomorphisme normal. Notons

λ1 , . . . , λn les valeurs propres de u comptées avec leurs ordres de multiplicités.
Montrer que
n
tr( u∗ u) = |λ k | 2
X
k=1

Exercice 8

Soit E un espace Hermitien et u ∈ L (E ). Pour x ∈ E , on pose ϕ( x, y) = 〈 u( x), y〉.

1. Montrer que ϕ est une forme sesquilinéaire.
2. Montrer que ϕ est Hermitien si, et seulement si, l’endomorphisme u est
Hermitien.
On suppose pour la suite que u est Hermitien.
3. Montrer que ϕ est positive si, et seulement si, Sp( u) ⊆ R+ .
4. Montrer que ϕ est définie positive si, et seulement si, Sp( u) ⊆ R∗+ .

Exercice 9

Soit E un espace Hermitien et ( e 1 , . . . , e p ) une famille d’éléments de E telle que,

ils existe deux constantes A, B > 0, pour tout x ∈ E ,
p
A ∥ x ∥2 ≤ |〈 x, e k 〉|2 ≤ B∥ x∥2
X
k=1

105
 6.4 Exercices

Soit T : C p → E , l’application définie par

p
X
T ( z1 , . . . , z p ) = zk e k
k=1

On considère aussi T ′ : E → C p l’application définie par

T ′ ( x) = (〈 x, e 1 〉, . . . , 〈 x, e p 〉)

et enfin S = TT ′ .
1. Montrer que ( e 1 , . . . , e p ) est une famille génératrice de E .
2. Montrer que pour tout x ∈ C p et tout y ∈ E , 〈T ( x), y〉 = 〈 x, T ′ ( y)〉, où C p est
muni du produit scalaire Hermitien canonique.
3. Montrer que S est un endomorphisme hermitien.
4. Montrer que S est un endomorphisme positif.
5. Montrer que S est inversible et S −1 est Hermitien.
p
〈 x, S −1 ( e k )〉 e k .
X
6. Soit x ∈ E . Montrer que x =
k=1

106
Ce livre est consacré à l’étude des espaces préhilbertiens réels et complexes, en mettant
l’accent sur la dualité et les formes quadratiques. Seules des connaissances usuelles d’Al-
gèbre linéaire sont requises, l’étude étant prise à son début. Elle est progressivement dé-
veloppée de façon approfondie.

Mohamed Aqalmoun est professeur à l’école normale supérieure de l’université Sidi Moha-
med Ben Abdellah (Fès).