2.

Formes bilinéaires

On examinera des vecteurs géométriques et calculera leurs longueurs et distances ou angles entre
deux vecteurs. Pour ce faire, nous équipons l’espace vectoriel d’un produit scalaire (défini à partir de
forme bilinéaire) qui induit la géométrie de l’espace vectoriel. Les produits internes et leurs normes
et métriques correspondantes capturent les notions intuitives de similarité et de distances.

2.1 Formes bilinéaires

2.1.1 Applications bilinéaires

Définition 2.1.1 Soit E, F, et G 3 K-espaces vectoriels. On dit que f est une application bilinaire de
E × F dans G si elle vérifie les axiomes suivantes:
1. ∀x, x′ ∈ E et ∀y, y′ ∈ F:
• f (x + x′ , y) = f (x, y) + f (x′ , y)
• f (x, y + y′ ) = f (x, y) + f (x, y′ )
2. ∀x ∈ E, ∀y ∈ F et α ∈ K

• f (αx, y) = α f (x, y)
• f (x, αy) = α f (x, y)
Remarque 2.1.1 f bilinéaire si et seulement si ∀y fixé dans F, l’application x 7→ fy (x) = f (x, y) de
E dans G est linéaire et ∀x fixé dans E, l’application y 7→ fx (y) = f (x, y) de F dans G est linéaire.
Exemples 2.1.2 I = [α, β ] ⊂ R, V R-espace vectoriel. L’application
φ : C (I, R) × C (I,V ) −→ V
est une application bilinéaire de C (I, R) ×
7−→ φ ( f , v) = αβ f (t)v(t)dt
R
( f , v)
C (I,V ) dans V . ■

Théorème 2.1.3 L’ensemble LK (E × F, G) des applications bilinéaires de E × F dans G, muni de

ces 2 axiomes possèdes une struture d’espace vectporiel K.
 28 Chapter 2. Formes bilinéaires

2.1.2 Formes bilinéaires

Lorsque G = K alors LK (E × F, K) est appelée l’ensemble des formes bilinéaires sur E × F. Si
E = F on note dans ce cas LK (E × E, K) = LK2 (E, K)
f : E × E ∗ −→ K
Exemples 2.1.4 est une forme bilinéaire sur K.
(x, y∗ ) 7−→ f (x, y∗ ) = y∗ (x)
f : Rn × Rn −→ K
Le produit scalaire usuel est aussi une forme bil-
(x, y) 7−→ f (x, y) = x1 y1 + ... + xn yn
inéaire sur R. ■

2.2 Formes bilinéaires symétriques et antisymétriques

Définition 2.2.1 Un forme bilinéaire f sur E est dite:
• symétrique si pour tout x, y ∈ E, f (x, y) = f (y, x)
• antisymétrique si pour tout x, y ∈ E, f (x, y) = − f (y, x) (.i.e f (x, x) = 0)
Proposition 2.2.1 L’ensemble des formes bilinéaire symétriques sur E noté Ls2 (E, K) et l’ensemble
des formes bilinéaires antisymétriques sur E noté La2 (E, K) sont des sous-espaces vectoriel de
L 2 (E, K).
Et si Char(K) ̸= 2 alors L 2 (E, K) = Ls2 (E, K) ⊕ La2 (E, K)
Proposition 2.2.2 Si dimE = n fini, f est symétrique si et seulement sa matrice est symétrique ie
ai j = a ji , antisymétrique si et seuelement ai j = −a ji
Exemples 2.2.3 .

φ : C 0 ([a, b], R) × C 0 ([a, b], R) −→ R

1. est une forme linéaire symétrique
7−→ φ (u, v) = ab u(t)v(t)dt
R
(u, v)
sur C 0 ([a, b], R)
2. l2 = {(xn ) ∈ RN : ∑ xn2 converge}. L’application de l22 dans R qui à tout (x, y) associe ∑ xn yn est une
N N
forme bilinéaire symétrique sur l2 .
■

2.2.1 Formes quadratiques

Définition 2.2.2 Une application q de E dans K est une forme quadratique sur E si et seulement si il
existe f ∈ Ls2 (E, K) tel que pour tout x ∈ E, q(x) = f (x, x).
L’ensemble des formes quadratiques sur E est noté Q(E, K) est K-espace vectoriel et l’application
qui à une f.b.s associe une forme f.q est surjective par construction .

Proposition 2.2.4 .

1. ∀x ∈ E, ∀αinK, on a
q(αx) = α 2 q(x)

2. ∀x, y ∈ E, q(x + y) = 2 f (x, y) + q(x) + q(y)

Théorème 2.2.5 Soit q une forme quadratique sur E. Il existe une unique f ∈ Ls2 (E, K) telle que
q(x) = f (x, x). On l’appelle forme polaire de q.
De plus, ∀x, y ∈ E, f (x, y) = 12 (q(x + y) − q(x) − q(y)). Il existe aussi une autre identité de Polarisa-
tion f (x, y) = 21 (q(x + y) − q(x − y))
 2.2 Formes bilinéaires symétriques et antisymétriques 29

Remarque 2.2.6 Soit f une f.b alors l’application q telle que q(x) = f (x, x) est une forme f.q
associé à la projection de f sur les formes symétriques parallèlement aux formes antisymétriques
h(x, y) = f (x,y)+2 f (y,x)

Définition 2.2.3 Soit f ∈ Ls2 (E, K)

1. Deux éléments x, y de E sont dits f -orthogonaux si et seulement si f (x, y) = 0.
2. Une famille F est dite f -orthogonale si pour tous x, y différents de F sont f -orthogonaux.
3. Une famille F est dite f -orthornormée si elle est f -orthogonale et f (x, x) = 1.
4. x ∈ E est dit f -isotrope si et seulement si f (x, x) = 0.
5. Soit X ⊂ E une partie non vide. On appelle orthogonal de X dans E relativement à f l’ensemble
X ⊥ = {y ∈ E : f (x, y) = 0 ∀x ∈ X}
6. On appelle noyau de f , noté ker f l’ensemble

Ker f = {y ∈ E : f (x, y) = 0 ∀x ∈ E} = ker(x → fx ) = E ⊥

7. On dit que f est dégénérée (resp. non dégénérée) si et seulement si ker f ̸= {0} (resp. ker f = 0).
8. Soit F un sous-espace de E, on dit que F est isotrope si et seulement si F ∩ F ⊥ ̸= {0}. On dit que F
est totalement isotrope si et seulement si F ⊂ F ⊥
Exemples 2.2.7 .

φ : C 0 ([a, b], R) × C 0 ([a, b], R) −→ R

1. u est isotrope si et seulement si
7−→ φ (u, v) = ab u(t)v(t)dt
R
(u, v)
Rb
0 = φ (u, u) = a u(t)2 dt et donc si et seulement si u = 0. Comme tout élément de ker f est isotrope,
on a ker f = 0.
n
2. E = Kn et f (x, y) = ∑ ak xk yk avec a1 , a2 , ..., ar non nuls et ar = ...an = 0. Soit (ek )1≤k≤n la base
k
canonique de E, donc x ∈ ker f ssi f (x, ek ) = ak xk = 0 pour tout k. Donc ker f = Vect(er+1 , ..., en ).
■

Proposition 2.2.8 Soit q une forme quadratique de forme polaire f sur E.

1. L’ensemble des des vecteurs isotropes de q est stable par homothétie. On l’appelle le cône isotrope
de q (ou de f ) et on le note C . En général C n’est pas un sous-espace vectoriel. On a ker f ⊂ C .
2. Soit X,Y ⊂ E deux parties de E, X ̸= 0. / X ⊥ est un sous-espace vectoriel de E et Ker f ⊂ X ⊥ . On a
X = (Vect(X)) , (X ∪Y ) = X ∩Y ⊥ ⊂ (X +Y )⊥ , X ⊥ +Y ⊥ ⊂ (X ∩Y )⊥ et {0}⊥ = E
⊥ ⊥ ⊥ ⊥

3. Soit F un sous-espace vectoriel de E. F est isotrope si et seulement si fF×F est dégénérée. F est
totalement isotrope si et seulement si fF×F = 0. En particulier, si F est totalement isotrope et non
nul, alors F est isotrope.
Proposition 2.2.9 Soit x0 ∈ E − {0}. On a équivalence entre
1. x0 est isotrope,
2. Vect(x0 ) est isotrope,
3. Vect(x0 ) est totalement isotrope
Exercice 2.2.10 Soit E = R2 et q(x) = x12 − x22 . Montrer que q est une forme quadratique. Calculer
sa forme polaire f , calculer le noyau de f , son cône isotrope, ses sous-espaces isotropes et totalement
isotropes. ■
 30 Chapter 2. Formes bilinéaires

2.3 Formes bilinéaires symétriques et formes quadratiques en dimension finie

Définition 2.3.1 Soit E un K-espace vectoriel. On appelle forme linéaire sur E une application
linéaire:
ϕ : E −→ K
L’ensemble des formes linéaires L (E, K) est noté E ∗ est dit espace dual de E.
Remarque 2.3.1 Soit E est de dimension finie, {e1 , e2 , ..., en } une base de E. Pour tout 1 ≤ i ≤ n,
posons ϕ(ei ) = ai .
Pour tout x = x1 e1 + · · · + xn en ∈ E, on ϕ(x) = x1 ϕ(e1 ) + · · · + xn ϕ(en ) = ai x1 + · · · + ai xn .
Ainsi les formes linéaires ont des applications de la forme:

x1 e1 + · · · + xn en −→ ai x1 + · · · + ai xn .

dim(Imϕ) = dimK (K) = 1 et dim(Kerϕ) = dimK (E) − 1 et dimK E ∗ = dimK L (E, K) = dimK E.

2.3.1 Base Duale

Théorème 2.3.2 (Base Duale) Soit E est de dimension finie, {e1 , e2 , ..., en } une base de E. Soit la
famille de formes linéaires {e∗1 , e∗2 , ..., e∗n } définies par:

e∗i (e j ) = δi j (symbole de KronecKer)


1, si i = j;
δi j =
0, si i ̸= j.
Alors {e∗1 , e∗2 , ..., e∗n } est une base E ∗ dite base dual de {e1 , e2 , ..., en }.
Démonstration : 3
n n
Soit (λi )1≤i≤n ∈ Kn pour lesquels ∑ λi e∗i = 0E ∗ , donc pour tout x ∈ E alors ∑ λi e∗i (x) = 0K , en
i=1 i=1
n
particulier si x = ek pour 1 ̸= k ̸= n nous avons 0K = ∑ λi e∗i (ek ) = λk . Par conséquent la famille
i=1
{e∗1 , · · · , e∗n } est libre. Comme dimE ∗ = dimE = n donc {e∗1 , · · · , e∗n } est une base de E ∗ .
Exemples 2.3.3 (Base duale) Soit {e1 , e2 , e3 } une base de R3 où e1 = (0, 1, 1), e2 = (1, 0, 1), e3 =
(1, 1, 0). Déterminer la base {e∗1 , e∗2 , e∗3 } de (R3 )∗ duale de {e1 , e2 , e3 }. Soit x = (x1 , x2 , x3 ) ∈ R3
Pour e∗1 (x) = ax1 + bx2 + cx3 avec a, b, c ∈ R et e∗1 (e1 ) = 1, e∗1 (e2 ) = 0 et e∗1 (e3 ) = 0

⇒ b + c = 1, a + c = 0, a + b = 0
Donc
1 1 1
e∗1 (x) = − x1 + x2 + x3
2 2 2
Pour e2 (x) = ax1 + bx2 + cx3 avec a, b, c ∈ R et e2 (e1 ) = 0, e∗2 (e2 ) = 1 et e∗2 (e3 ) = 0
∗ ∗

⇒ b + c = 0, a + c = 1, a + b = 0
Donc
1 1 1
e∗2 (x) = x1 − x2 + x3
2 2 2
Pour e∗3 (x) = ax1 + bx2 + cx3 avec a, b, c ∈ R et e∗3 (e1 ) = 0, e∗3 (e2 ) = 0 et e∗3 (e3 ) = 1

⇒ b + c = 0, a + c = 0, a + b = 1
 2.3 Formes bilinéaires symétriques et formes quadratiques en dimension finie 31

Donc
1 1 1
e∗3 (x) = x1 + x2 − x3
2 2 2
∗ ∗ ∗ 3 ∗
Par conséquent {e1 , e2 , e3 } est la base de (R ) duale de {e1 , e2 , e3 }. ■

2.3.2 Ecriture matricielle

Soit E un K-espace vectoriel de dimension n. Pour toute base B = {e1 , ..., en } de E, il existe une
bijection entre Ls2 (E, K) et Mn (K):

f 7−→ MB ( f ) = ( f (ei , e j ))i, j

n(n+1)
qui est un isomorphisme d’espace vectoriel. Et dim(Ls2 (E, K)) = 2
On a aussi
n n n
f (x, y) = ∑ xi y j f (ei , e j ) = ∑ xi yi f (ei , ei ) + ∑ (xi y j + x j yi ) f (ei , e j )
i, j=1 i=1 i, j=1

n
. q(x) = ∑ xi2 q(ei ) + 2 ∑ xi x j f (ei , e j )
i=1 1≤i< j≤n
Proposition 2.3.4
1. Si q est une forme quadratique non nulle sur E, l’expression analytique de q dans
toute base B de E est un polynôme homogène de degré 2 (en les coordonnées de x),
2. Si q est une application de E dans K dont l’expression analytique dans une base B de E est un
polynôme homogène de degré 2, alors q est une forme quadratique. De plus, l’expression analytique
de la forme polaire f de q s’obtient par doublement des termes, i.e. en remplaçant xi2 par xi yi et xi x j
x y +x y
(i ̸= j) par i j 2 j i dans l’expression analytique de q.
Définition 2.3.2 La matrice MB,C ( f ) de f dans les bases B et C est la matrice qui a pour coefficients
f (ei , u j ) = ai j (i numéro de ligne entre 1 et n, j numéro de colonne entre 1 et n). Si x ∈ E et y ∈ F
dont les vecteurs colonnes de coordonnées dans les bases respective B et C sont XB et YC , on a:
n p
f (x, y) = ∑ xi ( ∑ ai j yi ) =t XAY avec A = MB,C ( f ).
i=1 i=1 
3 1
Exemples 2.3.5 est la matrice (dans la base canonique) de la forme bilinéaire
1 −2

[(x1 , x2 ), (y1 , y2 )] 7−→ 3x1 y1 − 2x2 y2 + x1 y2 + x2 y1

Théorème 2.3.6 La matrice MB,C ( f ) MB′ ,C′ ( f ) de f , avec B, B′ des base de E et C,C′ bases de F,
sont équivalentes et
′ ′
MB′ ,C′ ( f ) =t (PBB )MB,C ( f )PCC
Proposition 2.3.7 Soit B une base de E et f une forme bilinéaire de E. f est symétrique si et
seulement si la matrice A de f par rapport à la base B est symétrique.
Théorème 2.3.8 Soit B une base de E et f ∈ Ls2 (E, K) de matrice A dans B. Alors A est aussi la
matrice du morphisme associé fˆ : x 7→ fy (x) = f (x, y) dans les bases B et B∗
corollaire 2.3.9 Soit B une base de E et f ∈ Ls2 (E, K) de matrice A dans B. Alors les conditions
suivantes sont équivalentes:
1. f est non dégénérée
2. le morphisme associé fˆ ∈ L (E, E ∗ ) est bijectif.
3. la matrice A est inversible.
 32 Chapter 2. Formes bilinéaires

2.3.3 Recherche de la forme bilinéaire associée à une forme quadrique

n
Si on connait q(x) = f (x, x) = ∑ xi x j f (ei , e j ) on peut calculer f via l’identité de Polarisation
i, j=1
1 ∂q
f (x, y) = 2 (q(x + y) − q(x − y)) puis la matrice de f ou remarquer que pour tout i on a ∂ xi =
n
2 ∑ f (ei , e j )x j et tirer les coefficients en fonction des x j .
i=1
n
Comme il est possible d’écrire q(x) = ∑ xi2 f (ei , ei ) + 2 ∑ xi x j f (ei , e j ), pour retrouver la
i, j=1 1≤i< j≤n
forme bilinéaire associée, on peut utiliser la règle du dédoublement des termes:

• on remplace les termes xi2 par xi yi

• on remplace le terme xi x j par 12 (xi y j + x j yi )

2.3.4 Rang et noyau

Définition 2.3.3 On appelle rang d’une forme bilinéaire f symétriques sur E (de dimension finie) le
rang commun à chacune des applications fˆ : [x 7→ fy (x) = f (x, y)] = [y 7→ fx (y) = f (x, y)](à cause
de la symétrie de f ).
f est non dégénérée si et seulement si rg( f ) = n si et seulement si la matrice de f dans un base
quelconque est inversible.
Théorème 2.3.10 Soit E un K espace vectoriel de dimension n et f ∈ Ls2 (E, K)

dimKer( f ) + rg( f ) = n

2.3.5 Orthogonalité en dimension finie

x ∈ E, φ ∈ E ∗ sont dits orthogonaux au sens de la dualité si et seulement si < x, φ >= φ (x) = 0.
l’ensemble F 0 des formes linéaires qui s’annulent sur tous les vecteurs de F,

F 0 = {ϕ ∈ E ∗ /ϕ(v) = 0, ∀v ∈ F},

est un sous espace vectoriel de E ∗ et est appelé annulateur de F.

Si G ⊂ E ∗ , on note G0 = {x ∈ E/ϕ(x) = 0, ∀ϕ ∈ E}.
Si F un sous-espace vectoriel de E dimE = dimF + dimF 0 . et Si G un sous-espace vectoriel de E
dimE = dimG + dimG0 .
Lemme 2.3.11 Soit F un sous-espace vectoriel de E, f ∈ Ls2 (E, K) et q sa forme quadratique
associée. On a:
(q(F))0 = F ⊥ et q(F ⊥ ) = F 0 ∩ q(E) ⊂ F 0 .
Théorème 2.3.12 Soit F un sous-espace vectoriel de E de dimension finie, f ∈ Ls2 (E, K).

dim(F) + dim(F ⊥ ) = dim(E) + dim(F ∩ ker f )

corollaire 2.3.13 Soit f ∈ Ls2 (E, K) non dégénérée et F un sous-espace vectoriel de E, alors en
dimension finie on a

dim(F) + dim(F ⊥ ) = dim(E), et (F ⊥ )⊥ = F

Remarque 2.3.14 Attention, sous les hypothèses du théorème précédent, F et F ⊥ ne sont pas
forcément supplémentaire.
 2.3 Formes bilinéaires symétriques et formes quadratiques en dimension finie 33

Exemples 2.3.15 Si E = R2 et f (x, y) = x1 y1 − x2 y2 . Alors f est non dégénérée et pour F = R(1, 1),
on a F ⊥ = F ■

Proposition 2.3.16 Soit f ∈ Ls2 (E, K) non dégénérée et F un sous-espace vectoriel de E, alors F
est non isotrope si et seulement si E = F ⊕ F ⊥ .

2.3.6 Réduction et classification des formes quadratiques

Bases orthogonales
Pour rappel, une base est dite f -orthogonale si elle est à la fois une famille f -orthogonale et une
base de E.
Théorème 2.3.17 Toute forme quadratique sur E admet une base orthogonale.
corollaire 2.3.18 Soit A une matrice symétrique de Mn (K). Il existe une matrice inversible P et une
matrice diagonale D tel que A =t PDP. Donc toute matrice symétrique est congruente à une matrice
diagonale.
Remarque 2.3.19 Il n’existe pas forcément de base orthonormée. Une condition nécessaire pour
qu’il existe une base orthonormée est que f soit non dégénérée, mais ce n’est pas suffisant.
Exemples 2.3.20 Si E = R2 et f (x, y) = x1 y1 − x2 y2 , alors f n’admet pas de base orthonormée. ■
Théorème 2.3.21 Soit f ∈ Ls2 (E, K) et B = (ei ) une base de E. Les conditions suivantes sont
équivalentes:
1. B = (ei ) est une base orthogonale,
2. pour tout (x, y) ∈ E 2 , on a f (x, y) = ∑ q(ei )xi yi
i
3. pour tout x ∈ E, on a q(x) = ∑ q(ei )xi2
i
4. La matrice de f par rapport à la base B = (ei ) est diag(q(e1 ), ..., q(en ))
corollaire 2.3.22 Soit B = (ei ) une base orthogonale pour f ∈ Ls2 (E, K). Alors le rang de f est le
nombre de vecteurs non isotropes de la base. Le noyau de f est l’espace engendré par les vecteurs
isotropes de la base.

corollaire 2.3.23 Soit f ∈ Ls2 (E, K), si rg( f ) = r alors il existe une base f -orthogonale B = (ei )
r
telle que q(x) = ∑ q(ei )xi2
i  
q(e1 ) 0

 q(e2 ) 

 .. 

 . 

Donc sa matrice est de la forme 
 q(er )  quitte à renuméroter


 0 

 .. 
 . 
0 0
les vecteurs de la base.

Décomposition de Gauss
On peut remarquer que pour toute forme linéaire l sur E alors l’appliation qui à (x, y) associe
f (x, y) = l(x)l(y) est une forme bilinéaire symétrique. La forme quadratique assiciée est q telle que
q(x) = l(x)2
Théorème 2.3.24 Soit f ∈ Ls2 (E, K), q sa forme quadratique associée et B = (ei ) une base de E.
1. si B = (ei ) est une base orthogonale, on q = ∑ q(ei )(e∗i )2
i
 34 Chapter 2. Formes bilinéaires

2. si q = ∑ ai (li )2 et (li ) une base de E ∗ alors sa pré-base est une base orthogonale de E.
i
Théorème 2.3.25 si q = ∑ ai (li )2 et (li ) une base de E ∗ . Alors le rang de q est le nombre de ai non
i
nuls et ker f est l’intersection des noyaux des formes linéaires li pour lesquelles les ai ne sont pas
nuls.
Théorème 2.3.26 Pour toute forme quadratique de rang r, il existe r formes linéaires li linéairement
r
indépendantes et ai ∈ K tels quadratique q = ∑ ai (li )2 . On dira que q est décomposée en carrés.
i
Cette décomposition en carrés exigent la connaissance d’une base q-orthogonale. La méthode
suivante, dûe à Gauss, permet de résoudre ce problème et de trouver une base q-orthogonale. Cette
décomposition se base sur deux identités bien connues:
• a2 + 2ab = (a + b)2 − b2 pour tout a, b ∈ K.
• ab = 41 ((a + b)2 − (a − b)2 ) pour tout a, b ∈ K
1. Pour n = 1, on a q(x) = ax2 alors l1 = idK
2. pour n = 2, on a q(x) = a1 x12 + 2a12 x1 x2 + a2 x22 . Si q = 0 c’est évident.
• si termme carré est non nul, par exemple si a1 ̸= 0 alors on

a12 2 a1 a2 − a212 2
q(x) = a1 (x1 + x2 ) + x2
a1 a1
. EN posant l1 (x) = x1 + aa121 x2 et l2 (x) = x2 , on obtient le resultat attendu. On pourrait
faire de même si a2 ̸= 0.
• si tous les termes carrés sont nuls a1 = a2 = 0, dans ce cas a12 ̸= 0 et
a12 a12
q(x) = (x1 + x2 )2 − (x1 − x2 )2
2 2
3. Pour n > 2, Supposons que la prorièté est vraie jusqu’au rang n − 1. Si q = 0 triviale. Si q ̸= 0
Posons B = (ei ) une base de E alors
n
q(x) = ∑ ai xi2 + 2 ∑ ai j xi x j
i=1 1≤i< j≤n

• si un terme carré est non nul, par exemple si a1 ̸= 0 alors on écrit

q(x) = a1 x12 + 2x1 L(x2 , ..., xn ) + Q′ (x2 , ..., xn )

où L et Q′ sont respectivement une forme linéaire et une forme quadratique l’espace

engendré par (e2 , ..., en ). Dans ce cas:

L(x2 , ..., xn ) 2 L(x2 , ..., xn )2

q(x) = a1 (x1 + ) + [Q′ (x2 , ..., xn ) − ]
a1 a1

En posant l1 (x) = x1 + L(x2a,...,x

1
n)
et en appliquant l’hypothèse de recurrence sur la forme
2
quadratique Q(x2 , ..., xn ) = Q′ (x2 , ..., xn ) − L(x2 ,...,x
a1
n)

En appliquant l’hypothèse de récurrence à Q (vue comme une forme quadratique sur

l’espace Kn−1 ) on obtient l’existence de formes linéaires indépendantes (s2 , ..., sn ) sur
n
Kn−1 telles que Q = ∑ ai s2i . En posant li (x1 , ..., xn ) = s(x2 , ..., xn ), la famille (l1 , ..., ln )
i=2
n
est libre sur E et q = ∑ ai li2 .
i=1
2.3 Formes bilinéaires symétriques et formes quadratiques en dimension finie 35

• si tous les termes carrés sont nuls ai = 0, alors il existe un élément ai j ̸= 0 par exemple
a12 ̸= 0 et on peut écrire

q(x) = 2a12 x1 x2 + x1 L(x3 , ..., xn ) + x2 M(x3 , ..., xn ) + Q′ (x3 , ..., xn )

avec L, M ∈ E ∗ et Q′ une forme quadratique.

En posant t = (x3 , ..., xn )

1 1
q(x) = (2a12 x1 + M(t))(2a12 x2 + L(t)) + [Q′ (t) − L(t)M(t)]
2a12 2a12

On pose deux forme linéaire l1 et l2 telles que l1 (x) + l2 (x) = 2a12 x2 + L(t) et l1 (x) −
l2 (x) = 2a12 x1 + M(t)
L’application Q : F = Vect(x3 , ..., xn ) → K telle que Q(t) = Q′ (t) − a112 L(t)M(t) est une
forme quadratique sur un espace de dimension n − 2 donc on obtient l’existence de
n
formes linéaires indépendantes (s3 , ..., sn ) sur F telles que Q = ∑ ai s2i .
i=3
En posant li (x1 , ..., xn ) = s(x3 , ..., xn ), la famille (l1 , ..., ln ) est libre sur E et

1 2 1 2 n
q= l1 − l + ∑ ai li2
2a12 2a12 2 i=3

(a) Sur R3 la forme, donner la décomposition de Gauss de

Exemples 2.3.27

q(x) = −x12 − x22 − x32 + 4x1 x2 + 2x1 x3 .

q(x) = −x12 + 2x1 (2x2 + x3 ) + (−x22 − x32 )

2x2 + x3 2 (2x2 + x3 )2
q(x) = −(x1 + ) + [−x22 − x32 − ]
−1 −1

on pose l1 (x) = x1 − 2x2 − x3 . Ensuite on décompose Q(x) = −x22 − x32 + (2x2 + x3 )2

Q(x) = −x22 − x32 + 4x22 + x32 + 4x2 x3 = 3x22 + 2x2 (2x3 )

2x3 2 (2x3 )2 2x3 2 4 2

Q(x) = 3(x2 + ) − = 3(x2 + ) − x3
3 3 3 3
on pose l2 (x) = x2 + 2x33 et l3 (x) = x3

4
q(x) = −l1 (x)2 + 3l2 (x)2 − l3 (x)2
3
On aurait quand procédé plus simplement eb remarquant:

q(x) = −(x12 + x32 − 2x1 x3 ) − x22 + 4x1 x2 = −(x1 − x3 )2 − (x2 − 2x1 )2 + 4x12

Proposition 2.3.28 La méthode de Gauss décompose q en combinaison linéaire de carrés de

formes linéaires indépendantes.
 36 Chapter 2. Formes bilinéaires

Déduction de la base orthogonale

n
On suppose que q = ∑ ai (li )2 dans la base B = (ei ), quitte à compléter la famille libre des
i
formes linéaires en une base de E ∗ . Posons pour tout x = (x1 , ..., xn ) dans B, soit B′ = (e′i )
la base de E dans laquelle le vecteur x = (l1 (x), ..., ln (x))B′ = (x1′ , ..., xn′ )B′ ce qui implique
n ′
q = ∑ ai xi2 et B′ une base q-orthogonale.
i
 ′     
x1 l1 (x) x1
 ..   ..  B′  .. 
 .  =  .  = PB  . 
xn′ ln (x) xn
′
Les vecteurs colonnes de PBB donnent alors les coordonnées de B par rapport à B′ .
Exercice 2.3.29 Sur E = R3 ,
(a) On pose q(x, y, z) = x2 + 2xy + 2y2 + 4yz + 5z2 . Donner une décomposition e Gauss de q, son
rang, une base orthogonaleet son cône isotrope.
(b) Même question pour q(x, y, z) = (x − y)2 + (y − z)2 + (z − x)2 ,
(c) Même question pour q(x, y, z) = xy + yz + zx
■

Classification des formes quadratiques en dimension finie

Il est très important de classifier des objects mathématiques suivants leurs propriètés communes à
travers des morphismes préservant les structures.
L’équivalence de formes quadratiques ne déroge pas à la règle.
On distinguera les cas K = C et K = R.
Lorsque K = C, la classe d’une forme quadratique sera déterminée par son rang.
Lorsque K = R, elle sera déterminée par un couple d’entiers (s,t) appelée la signature.
Définition 2.3.4 On dit que les formes quadratiques q et q′ sont équivalentes si et seulement s’il existe
u ∈ GL(E) telle que q′ = q ◦ u, i.e. pour tout x ∈ E, on a q′ (x) = q ◦ u(x) [ ou f ′ (x, y) = f (u(x), u(y))].
Proposition 2.3.30 La relation précédente est une relation d’équivalence sur l’ensemble Q(E) des
formes quadratiques définies sur E.
Proposition 2.3.31 Soit E un K-espace vectoriel de dimension finie, q et q′ deux formes quadratiques
de formes polaires f et f ′ . Les propriétés suivantes sont équivalentes.
1. q et q′ sont équivalentes,
2. il existe des bases (ei ) et (e′i ) de E telles que M(ei ) ( f ) = M(e′i ) ( f ′ )
3. les matrices de f et f ′ par rapport à la même base sont congruentes.
Proposition 2.3.32 2 formes quadratiques équivalentes ont même rang.
Théorème 2.3.33 Soit E un C-espace de dimension finie n et q une forme quadratique sur E. Si
rg(q) = r alors q est équivalente à la forme Q telle que

Q(x1 , ..., xn ) = x12 + ... + xr2

corollaire 2.3.34 Si K = C, 2 formes quadratiques sont équivalentes si et seulement si elles ont le
même rang.

Classification des formes quadratiques sur les R-espace vectoriels(théor ème de Sylvester)
Définition 2.3.5 On appelle signature de f (et de q) le couple d’entiers (s,t) tel que

s = max{dim(F); F sev de E et q|F soit de f inie positive }

2.3 Formes bilinéaires symétriques et formes quadratiques en dimension finie 37

t = max{dim(F); F sev de E et q|F soit de f inie negative }

Théorème 2.3.35 (Théorème d’inertie de Sylvester)
Soit E un R-espace vectoriel de dimension finie n, f une forme bilinéaire symétrique, q la forme
quadratique associée à f et r son rang.
Il existe une base orthogonale B = (ei ) de E et une entier s ∈ {1, ...r} tel que

q(x) = x12 + ... + xs2 − xs+1

2
− ... − xr2

Une telle base est appelée base de Sylvester. De plus, l’entier s ne dépend que de f . On appelle
signature de f (ou de q) le couple (s, r − s).
corollaire
 2.3.36 Toute
 matrice symétrique réelle est congruente à une matrice de la forme
Is 0 0
 0 −Ir−s 0 
0 0 0n−r
corollaire 2.3.37 Deux formes quadratiques sur E sont équivalentes si et seulement si elles ont
même signature.
Remarque 2.3.38 En particulier les produits scalaires de E, qui sont les formes quadratiques de
signature (n, 0), sont équivalents entre eux.
Définition 2.3.6 Soit E un R-espace vectoriel quelconque, q une forme quadratique sur E et A une
matrice symétrique réelle.
On dit que q est positive si q(x) ≥ 0 pour tout x ∈ E,
On dit que q est définie positive si q(x) > 0 pour tout x ∈ E\{0}, On dit que A est positive si et
seulement si pour tout X ∈ Mn,1 (R), on a t XAX ≥ 0,
On dit que A est définie positive si et seulement si pour tout t XAX > 0, pour tout X ∈ Mn,1 (R)\{0}.
Proposition 2.3.39 Soit E un R-espace vectoriel de dimension finie, q une forme quadratique sur E,
B = (ei ) une base quelconque de E et A la matrice de q par rapport à la base B = (ei ). Alors q est
positive (resp. définie positive) si et seulement si A est positive (resp. définie positive).
Proposition 2.3.40 Soit E un R-espace vectoriel de dimension n. Alors q est positive si et seulement
si la signature de q est (r, 0) et q est définie positive si et seulement si la signature de q est (n, 0).
Théorème 2.3.41 Soit q une forme quadratique sur E un R-espace vectoriel de dimension n. La
signature de q est (s,t) où s est la dimension maximale des sous-espaces vectoriels F de E tel que
q|F soit définie positive et t est la dimension maximale des sous-espaces vectoriels F de E tel que
q|F soit définie négative.
Recherche pratique de la signature
On a essentiellement trois méthodes pratiques pour déterminer la signature d’une forme quadratique.
1. Via la décomposition de Gauss q = ∑ ai (li )2 , on a s=nombre de ai > 0 et t=nombre de ai < 0.
i
2. Si A est la matrice de f par rapport à une base (quelconque) de E, alors s est le nombre de
valeurs propres > 0 et t est le nombre de valeurs propres < 0.
3. Enfin, s est la dimension maximale des sous-espaces vectoriels F de E tel que q|F soit définie
positive et t est la dimension maximale des sous-espaces vectoriels F de E tel que q|F soit
définie négative.