CHAPITRE 2

FORMES BILINÉAIRES SYMÉTRIQUES -

FORMES QUADRATIQUES

2.1 Formes bilinéaires symétriques

2.1.1 Définition et propriètés élémentaires
Définition 2.2.

Soit E un K-espace vectoriel, où K est un corps commutatif quelconque.

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

est une forme linéaire sur E.

ii) Pour tout x ∈ E, (x fixé), l’application,
ϕx : E −→ K
y �−→ ϕx (y) = f (x, y)

est une forme linéaire sur E.

b) Une forme bilinéaire f sur E est dite symétrique, si

∀x ∈ E, ∀y ∈ E, f (y, x) = f (x, y)

c) Une forme bilinéaire f sur E est dite antisymétrique, si

∀x ∈ E, ∀y ∈ E, f (y, x) = − f (x, y)

Remarque 2.2.1
1. Si f est une forme bilinéaire quelconque, alors

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

∀α ∈ K, ∀β ∈ K, ∀x ∈ E, ∀y ∈ E, f (αx, βy) = αβ f (x, y)

23
exosup.com page facebook
 2. Si f est une forme bilinéaire symétrique, alors
∀x ∈ E, ∀y ∈ E, f (x + y, x + y) = f (x, x) + 2 f (x, y) + f (y, y)
3. Si f est antisymétrique, alors
∀x ∈ E, f (x, x) = 0
Notations
On désigne par L2 (E) l’ensemble de toutes les formes linéaires sur E, S2 (E) l’ensemble de toutes les
formes bilinéaires symétriques sur E et A2 (E) celui de toutes les formes bilinéaires antisymétriques
sur E
Proposition 2.3.

Soit E un K-espace vectoriel quelconque, alors

i) L2 (E) est un K-espace vectoriel.
�
ii) Si K est un corps de caractéristique �= 2, alors L2 (E) = S2 (E) A2 (E)

Preuve
i) Il est facile de vérifier que la somme de deux formes linéaires et la multiplication d’une forme
linéaire par un scalaire sont aussi des formes linéaires, donc L2 (E) est un sous-espace vectoriel
du K-espace vectoriel de toutes les applications de E × E vers K.
ii) Remarquons d’abord que si K est un corps de caractéristique = 2, alors 1K = −1K , donc dans ce
cas S2 (E) = A2 (E).
Supposons, maintenant que K est un corps de caractéristique �= 2. Soit f une forme bilinéaire
qui est à la fois symétrique et antisymétrique, alors on aura
∀(x, y) ∈ E × E, f (x, y) = f (y, x) et f (x, y) = − f (y, x)
Donc ∀(x, y) ∈ E × E, 2K f (x, y) = 0K , puisque 2K �= 0K , alors on a,
∀(x, y) ∈ E × E, f (x, y) = 0K
�
Donc S2 (E) A2 (E) = {0}.
Soit f ∈ L2 (E) et soient g et h les applications de E × E vers K définies par
f (x, y) + f (y, x) f (x, y) − f (y, x)
∀(x, y) ∈ E × E, g(x, y) = et h(x, y) =
2 2
Alors, il est facile de vérifier que g est bilinéaire symétrique, que h est bilinéaire antisymétrique
et que f = g + h. Donc L2 (E) = S2 (E) + A2 (E).
Dans toute la suite, sauf indication du contraire, on suppose que K est un corps commutatif de carac-
téristique �= 2.

2.3.1 Matrice d’une forme bilinéaire

Définition 2.4.

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

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

∀(i, j) ∈ {1, 2, . . . , n}2 , ai j = f (ei , e j )

Page 24 sur 135 Pr.Mohamed HOUIMDI

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

ou encore sous la forme :

f (x, y) = ∑ ai j xi y j (où Nn = {1, 2, . . . , n})
(i, j)∈N2n

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

Donc, en particulier, si f est symétrique, alors,

n
∀x ∈ E, f (x, x) = ∑ aii xi2 + 2 ∑ ai j xi x j
i=1 1≤i< j≤n

ii) f est antisymétrique ⇐⇒ tA = −A.

2.4.1 Ecriture matricielle

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

Page 25 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 2.4.2 Changement de base
Proposition 2.5.

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

β� = (e�1 , e�2 , . . . , e�n ) deux bases de E, f une forme bilinéaire sur E, A et B sont respective-
ment les matrices de f par rapport aux bases β et β� . Soit P la matrice de passage de la base
β à la base β� , alors on a
B = tPAP

Preuve
En utilisant l’écriture matricielle par rapport aux bases β et β� , on aura
∀(x, y) ∈ E × E, f (x, y) = tXAY = tX � BY �
n n n n
avec x = ∑ xi ei = ∑ xi� e�i et y = ∑ yi ei = ∑ y�i e�i .
i=1 i=1 i=1 i=1
Soit P la matrice de passage de la base β à la base β� , alors on sait que X = PX � et Y = PY � .
Par suite, on aura
t
XAY = t(PX � )A(PY � )
= tX �tPAPY �
= tX � (tPAP)Y � (Rappelons que la multiplication des matrices est associative)
Donc ∀X � ∈ K n , ∀Y � ∈ K n , tX � BY � = tX � (tPAP)Y � , donc B = tPAP.

2.5.1 Rang d’une forme bilinéaire

Rappelons que deux matrices carrées A et B sont dites équivalentes, s’il existe deux matrices in-
versibles P et Q, telles que B = QAP. Rappelons aussi que deux matrices sont équivalentes, si et
seulement si, elles ont le même rang.
Définition 2.6.

Soit K un corps commutatif. Deux matrices carrées A et B à coefficients dans K sont dites
congruentes, s’il existe une matrice inversible P, tel que B = tPAP.

Remarque 2.6.1
1. Deux matrices sont donc congruentes, si elles représentent la même forme bilinéaire par rap-
port à deux bases de E.
2. Deux matrices congruentes sont équivalentes, donc deux matrices congruentes ont même rang.
Ainsi, la définition suivante est justifiée :

Définition 2.7.

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

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

rg( f ) = rg(A)

Page 26 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 2.7.1 Formes bilinéaires symétriques non dégénérées
Définition 2.8.

Soient E un K-espace vectoriel quelconque et f une forme bilinéaire symétrique sur E. On

considère l’application Φ : E −→ E ∗ définie par :

∀y ∈ E, Φ(y) = ϕy où ∀x ∈ E, ϕy (x) = f (x, y)

Si Φ est injective, on dit que f est non dégénérée.

Remarque 2.8.1
D’après la définition précédente, f est non dégénérée, si et seulement si, pour tout y ∈ E, on a

[∀x ∈ E, f (x, y) = 0] =⇒ y = 0

Cela signifie que si pour un certain y ∈ E, on a f (x, y) = 0 pour tout x ∈ E, alors nécessairement, on
a y = 0.

Proposition 2.9.

Soient E un K-espace vectoriel de dimension finie, β une base de E, f une forme bilinéaire
symétrique sur E et A la matrice de f par rapport à la base β. Alors,

[ f est non dégénérée] ⇐⇒ det(A) �= 0

Preuve
On considère l’application Φ : E −→ E ∗ qui à chaque y fait correspondre ϕy .
Posons β = (e1 , e2 . . . , en ) et β∗ = (e∗1 , e∗2 , . . . , e∗n ) la base duale de β.
Soit M = (mi j )1≤i, j≤n la matrice de Φ par rapport aux bases β et β∗ , alors on a

n
∀ j ∈ {1, 2, . . . , n}, Φ(e j ) = ∑ mk j e∗k
k=1

Donc pour chaque i ∈ {1, 2 . . . , n} et pour chaque j ∈ {1, 2, . . . , n}, on a

n
f (ei , e j ) = Φ(e j )(ei ) = ∑ mk j e∗k (ei) = mi j (car e∗k (ei ) = δik )
k=1

On en déduit donc que M = A. Ainsi, on aura,

f est non dégénérée ⇐⇒ Φ est injective (par définition)

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

Page 27 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 2.9.1 Orthogonalité
Définition 2.10.

Soient E un K-espace vectoriel quelconque, f une forme bilinéaire symétrique sur E. Soit
A une partie non vide de E, on définit l’orthogonale de A, par rapport à la forme binéaire f ,
noté A⊥ , par :
∀y ∈ E, y ∈ A⊥ ⇐⇒ ∀x ∈ A, f (x, y) = 0

Remarque 2.10.1
1. Pour chaque x ∈ E, soit ϕx ∈ E ∗ définie par :

∀y ∈ E, ϕx (y) = f (x, y)

Soit A une partie non vive de E, alors on voit facilement que

�
∀y ∈ E, y ∈ A⊥ ⇐⇒ y ∈ ker(ϕx )
x∈A
�
On en déduit , donc, que A⊥ = ker(ϕx ). Donc pour toute partie non vide A de E, même si A
x∈A
n’est pas un sous-espace vectoriel de E, A⊥ est toujours un sous-espace vectoriel de E.
2. Soient A et B deux parties non vides de E, telles que A ⊆ B, alors B⊥ ⊆ A⊥ .
3. Pour toute partie non vide A de E, on a A⊥ = Vect(A)⊥ .
En effet, on a A ⊆ Vect(A), donc, d’après la remarque précédente, on a Vect(A)⊥ ⊆ A⊥ .
Soit y ∈ A⊥ , a-t-on y ∈ Vect(A)⊥ ?
Soit x ∈ Vect(A), alors, par définition, il existe x1 , x2 , . . . , xm éléments de A et il existe α1 , α2 , . . . , αm
dans K, tels que x = α1 x1 + α2 x2 + · · · + αm xm . Donc on aura,

f (x, y) = α1 f (x1 , y) + α2 f (x2 , y) + · · · + αm f (xm , y) = 0 (car ∀i ∈ {1, 2, . . . , m}, f (xi , y) = 0)

4. D’après la remarque précédente, on pose, par covention,

0/ ⊥ = Vect(0)
/ ⊥ = {0}⊥ = E

Proposition 2.11.

Soient E un K espace vectoriel de dimension finie et f une forme bilinéaire symétrique sur
E, alors pour tout sous-espace vectoriel F de E, on a
i) dim(F) + dim(F ⊥ ) ≥ dim(E).
ii) Si de plus f est non dégénérée, alors on a dim(F) + dim(F ⊥ ) = dim(E) .

Preuve
On considère l’application Ψ : E −→ F ∗ définie par :

∀y ∈ E, ∀x ∈ F, Ψ(y)(x) = f (x, y)

Alors, il est clair que Ψ est linéaire et que ker(Ψ) = F ⊥ .

Page 28 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 i) D’après le théorème du rang, on a dim(ker(Ψ)) + dim(Im(Ψ)) = dim(E).
On a aussi Im(Ψ) ⊆ F ∗ , donc dim(Im(Ψ)) ≤ dim(F ∗ ) avec dim(F ∗ ) = dim(F), donc

dim(F ⊥ ) + dim(F) ≥ dim(E)

ii) Supposons maintenant que f est non dégénérée et montrons que Im(Ψ) = F ∗ .
Soit ϕ ∈ F ∗ , existe-t-il y ∈ E, tel que Ψ(y) = ϕ ?
ϕ ∈ F ∗ , donc, d’après le théorème de prolongement des formes linéaires, il existe ψ ∈ E ∗ , telle
que
∀x ∈ F, ψ(x) = ϕ(x)
Or f est non dégénérée et E de dimension finie, donc l’application Φ : E −→ E ∗ , où
∀z ∈ E, ∀x ∈ E, Φ(z)(x) = f (x, z), est bijective.
Donc, il existe z ∈ E, tel que Φ(z) = ψ, donc on aura,

∀x ∈ F, Ψ(z)(x) = f (x, z) = Φ(z)(x) = ψ(x) = ϕ(x)

Donc Ψ(z) = ϕ. Par suite Ψ est surjective et ainsi Im(Ψ) = F ∗ .

D’après le théorème du rang, on a

dim(F ⊥ ) + dim(F) = dim(E)

Corollaire 2.12.

Soient E un K-espace vectoriel de dimension finie et f une forme bilinéaire symétrique non
dégénérée sur E. Alors pour tout sous-espace vectoriel F de E, on a

F ⊥⊥ = F

Preuve
Puisque f est non dégénérée, alors on a

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

Donc, dim(F ⊥ ) = dim(F ⊥⊥ ), et puisque F est toujours un sous-espace vectoriel de F ⊥⊥ , alors

F = F ⊥⊥
Remarque 2.12.1
1. En fait, si f est une forme bilinéaire symétrique quelconque sur E, où E est de dimension finie,
alors pour tout sous-espace vectoriel F de E, on a

F ⊥⊥ = F + N

où N = E ⊥ = {y ∈ E : ∀x ∈ E, f (x, y) = 0} s’appelle le noyau de f . (Voir exercices)

2. Si f est une forme bilinéaire symétrique non dégénérée sur E, où E est de dimension finie, alors
pour tout sous-espace vectoriel F de E, on a

dim(F) + dim(F ⊥ ) = dim(E)

Par contre, même si f est non dégénérée, on a pas toujours E = F ⊕ F ⊥ .

Par exemle, on prend E = R2 muni de la forme bilinéaire f définie par

∀(x, y) ∈ E 2 , f (x, y) = x1 y1 − x2 y2

Page 29 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 où x = (x1 , x2 ) et y = (y1 , y2 ).
Soient (e1 , e2 ) la base canonique de E et A = Mat( f , (e1 , e2 )), alors on a
� �
1 0
A=
0 −1

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

Soit F = Vect(e1 + e2 ) et soit y ∈ E, avec y = (y1 , y2 ), alors on a

y ∈ F ⊥ ⇐⇒ f (e1 + e2 , y) = 0 (car Vect(e1 + e2 )⊥ = {e1 + e2 }⊥ )

⇐⇒ y1 − y2 = 0
⇐⇒ y ∈ F

Donc F ⊥ = F.

Définition 2.13.

Soient E un K-espace vectoriel et f une forme bilinéaire symétrique sur E.

i) On dit que deux vecteurs x et y de E sont orthogonaux, si f (x, y) = 0.
ii) On dit qu’un vecteur x ∈ E est isotrope, si f (x, x) = 0.
iii) Un sous-espace vetoriel F de E est dit isotrope, si F ∩ F ⊥ �= {0}.
iv) Un sous-espace vetoriel F de E est dit totalement isotrope, si F ⊆ F ⊥ .

Remarque 2.13.1
Soit I = {x ∈ E : f (x, x) = 0} l’ensemble des vecteurs isotropes de E, alors on a
a) 0 ∈ I.
b) ∀λ ∈ K, ∀x ∈ I, λx ∈ I.
Par contre I n’est pas stable pour l’addition.
Par exemple, si on prend E = R2 , f (x, y) = x1 y1 − x2 y2 , x = e1 + e2 et y = e1 − e2 , alors on aura,

f (x, x) = f (y, y) = 0 et f (x + y, x + y) = 2

Théorème 2.14.

Soient E un K-espace vectoriel quelconque, f une forme bilinéaire symétrique sur E et F

un sous-espace vectoriel de E de dimension finie. Alors

E = F ⊕ F ⊥ ⇐⇒ F est non isotrope

Preuve
(=⇒) Trivial.
(⇐=) Supposons que F est non isotrope, donc F ∩ F ⊥ = {0}. Or on sait que

⊥
F ∩ F = {0}

E = F ⊕ F ⊥ ⇐⇒ et


F + F⊥ = E

Page 30 sur 135 Pr.Mohamed HOUIMDI

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

∀x ∈ F, ϕy (x) = f (x, y)

Puisque g est non dégénérée et F de dimension finie, alors l’application Ψ : F −→ F ∗ définie

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

f (x, y − y1 ) = f (x, y) − f (x, y1 )

= f (x, y) − g(x, y1 ) (car (x, y1 ) ∈ F × F)
= ϕy (x) − Ψ(y1 )(x) = 0 (car Ψ(y1 ) = ϕy )

Donc y − y1 ∈ F ⊥ . Posons y2 = y − y1 , alors y = y1 + y2 avec (y1 , y2 ) ∈ F × F ⊥ .

2.14.1 Bases orthogonales

Définition 2.15.

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

sur E. On dit qu’une base (e1 , e2 , . . . , en ) est orthogonale, si

∀i ∈ {1, 2, . . . , n}, ∀ j ∈ {1, 2, . . . , n}, i �= j =⇒ f (ei , e j ) = 0

Remarque 2.15.1
Supposons que E possède une base orthogonale β = (e1 , e2 , . . . , en ) et soit A = (ai j )1≤i, j≤n la matrice
de f par rapport à β, donc pour i �= j, on a ai j = f (ei , e j ) = 0. Donc A est une matrice diagonale et
n n
on a pour x = ∑ xi ei et y = ∑ yi ei ,
i=1 i=1

n
f (x, y) = ∑ aii xi yi
i=1

n
Donc, en particulier, pour tout x ∈ E, avec x = ∑ xi ei , on a
i=1

n
f (x, x) = ∑ aii xi2
i=1

Dans la suite on se propose de montrer que toute forme bilinéaire symétrique possède au moins une
base orthogonale.

Page 31 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 Lemme 2.16.

Soient E un K-espace vectoriel et f une forme bilinéaire symétrique sur E. Alors

f est identiquement nulle ⇐⇒ ∀x ∈ E, f (x, x) = 0

Preuve
(=⇒) Trivial.
(⇐=) Supposons que pour tout x ∈ E, f (x, x) = 0 et montrons que f est identiquement nulle.
Soient (x, y) ∈ E × E, alors on a f (x + y, x + y) = 0.
On a aussi f (x + y, x + y) = f (x, x) + 2 f (x, y) + f (y, y) = 2 f (x, y), donc f (x, y) = 0, car K est
un corps de caractéristique �= 2.

Théorème 2.17.

Soit E un K-espace vectoriel de dimension finie. Alors toute forme bilinéaire symétrique f
sur E, possède au moins une base orthogonale.

Preuve
Si f est identiquement nulle, alors toute base de E est orthogonale.
On peut donc supposer que f �= 0, donc d’après le lemme précédent, il existe au moins un x0 ∈ E, tel
que f (x0 , x0 ) �= 0.
Posons F = Vect(x0 ), puisque f (x0 , x0 ) �= 0 alors F est non isotrope, donc

E = F ⊕ F⊥

Donc pour montrer l’existence d’une base orthogonale, nous somme amenés à procèder par récur-
rence sur n = dim(E), avec n ≥ 2.
Pour n = 2, soient e1 = x0 et e2 un vecteur quelcoque de F ⊥ , avec e2 �= 0, alors (e1 , e2 ) est une base
orthogonale de E.
H.R "Supposons que n > 2 et que toute forme bilinéaire symétrique sur un K-espace vectoriel de
dimension < n, possède aumoins une base orthogonale".
Soit E un K-espace vectoriel de dimension n et soit g la réstriction de f à F ⊥ × F ⊥ , alors g est une
forme bilinéaire symétrique sur F ⊥ , avec dim(F ⊥ ) = n − 1. Donc, d’après l’hypothèse de récurrence,
F ⊥ possède au moins une base orthogonale (e1 , . . . , en−1 ). On déduit donc que (e1 , . . . , en−1 , x0 ) est
une base orthogonale de E.

2.18 Formes quadratiques

2.18.1 Définition et propriètés élémentaires
Définition 2.19.

Soit E un K-espace vectoriel. On dit qu’une application q : E −→ K est une forme quadra-
tique sur E, s’il existe une forme bilinéaire f , telle que

∀x ∈ E, q(x) = f (x, x)

Page 32 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 Exemples
Si f est une forme bilinéaire symétrique sur E, alors l’application q : E −→ K définie par :

∀x ∈ E, q(x) = f (x, x)

est une forme quadratique sur E, appelée forme quadratique associée à la forme bilinéaire symétrique
f.
Réciproquement, à toute forme quadratique, on peut associer une forme binéaire symétrique unique,
comme le montre la proposition suivante :

Proposition 2.20.

Soient E un K-espace vectoriel et q une forme quadratique sur E. Alors il existe une forme
bilinéaire symétrique unique f sur E, telle que

∀x ∈ E, q(x) = f (x, x)

Dans ce cas, f s’appelle la forme polaire associée à la forme quadratique q et on a la relation

suivante :
1
∀x ∈ E, ∀y ∈ E, f (x, y) = (q(x + y) − q(x) − q(y))
2

Preuve
q est une forme quadratique sur E, donc, par définition, il existe une forme bilinéaire g sur E, telle
que
∀x ∈ E, q(x) = g(x, x)
Soit f : E × E −→ K l’application définie par :
g(x, y) + g(y, x)
∀(x, y) ∈ E × E, f (x, y) =
2
Alors f est une forme bilinéaire symétrique sur E et on a
g(x, x) + g(x, x)
∀x ∈ E, f (x, x) = = g(x, x) = q(x)
2
Puuisque f est symétrique, alors

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

donc
1
∀x ∈ E, ∀y ∈ E, f (x, y) = (q(x + y) − q(x) − q(y))
2
Cette relation entre q et f assure l’unicité de f .
Remarque 2.20.1
Soient E un K-espace vectoriel de dimension finie = n, q une forme quadratique sur E et f la forme
polaire associée à q.
1. Soit β une base de E et soit A = (ai j )1≤i, j≤n la matrice de f par rapport à la base β.
Alors A s’appelle aussi la matrice de q par rapport à β et on a
n
∀x ∈ E, q(x) = ∑ aii xi2 + 2 ∑ ai j xi x j
i=1 1≤i< j≤n

Page 33 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 2. Puisque f est symétrique, alors f possède au moins une base orthogonale β.
β s’appelle aussi une base q-orthogonale et q s’écrit, par rapport à cette base, sous la forme
réduite suivante :
n
∀x ∈ E, q(x) = ∑ aii xi2
i=1

3. Le rang d’une forme quadratique est défini comme étant le rang de sa forme pôlaire associée.

Théorème 2.21.

Soient E un K-espace vectoriel de dimension finie = n et q une forme quadratique sur E

de rang r. Alors il existe des formes linéaires l1 , l2 , . . . , lr , linéairement indépendantes et il
existe des scalaires λ1 , λ2 , . . . , λr , non nuls, tels que
r
∀x ∈ E, q(x) = ∑ λi li (x)2
i=1

Preuve n
Fixons une base (e1 , e2 , . . . , en ) de E, alors pour chaque x ∈ E, avec x = ∑ xi ei , on a
i=1

n
q(x) = ∑ aii xi2 + 2 ∑ ai j xi x j
i=1 1≤i< j≤n

D’après le théorème 1.17, q possède au moins une base q-orthogonale (v1 , v2 , . . . , vn ). Soit A la ma-
trice de q par rapport à cette base, donc A est une matrice diagonale de rang r, par suite le nombre
des coefficients diagonaux non nuls est égal à r. Donc quitte à réordonner les vecteurs de la base
(v1 , v2 , . . . , vn ), on peut supposer que

∀i ∈ {1, 2, . . . , r}, aii �= 0

n
Donc pour chaque x ∈ E, avec x = ∑ Xi vi , on a
i=1

r
q(x) = ∑ λi Xi2 où ∀i ∈ {1, 2, . . . , r}, λi = aii
i=1

Soit P = (pi j )1≤i, j≤n la matrice de passage de la base (v1 , v2 , . . . , vn ) à la base (e1 , e2 , . . . , en ), alors
on sait que
n
∀i ∈ {1, 2, . . . , n}, Xi = ∑ pi j x j
j=1

Soit β∗ = (e∗1 , e∗2 , . . . , e∗n ) la base duale de β = (e1 , e2 , . . . , en ), alors, par définition, on a

∀ j ∈ {1, 2, . . . , n}, x j = e∗j (x)

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

∀i ∈ {1, 2, . . . , r}, Xi = li (x)

Page 34 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 2.21.1 Méthode de Gauss pour la réduction d’une forme quadratique
Cas de deux dimensions
Soient E un K-espace vectoriel de dimension = 2, (e1 , e2 ) une base de E et q une forme quadratique
sur E, alors pour chaque x ∈ E, avec x = x1 e1 + x2 e2 , on a

q(x) = ax12 + bx22 + 2cx1 x2

i) Si (a, b) �= (0, 0), alors on peut supposer, par exemple, que a �= 0, puis on procède de la manière
suivante :

q(x) = ax12 + bx22 + 2cx1 x2

2c
= a[x12 + x1 x2 ] + bx22
a
c c2
= a[(x1 + x2 )2 − 2 x22 ] + bx22
a a
c 2 c2 2
= a(x1 + x2 ) + (b − )x2
a a
2
Donc, si on pose λ1 = a, λ2 = b − ac2 , l1 (x) = x1 + ac x2 et l2 (x) = x2 , alors on aura
c
q(x) = λ1 l1 (x)2 + λ2 l2 (x)2 = λ1 (x1 + x2 )2 + λ2 x22
a
Donc, dans ce cas, une base q-orthogonale (v1 , v2 ) a pour matrice de passage par rapport à la
base (e1 , e2 ), la matrice définie par :
� c �−1 � �
1 a 1 − ac
P= =
0 1 0 1

Donc v1 = e1 et v2 = − ac e1 + e2 .
ii) Si a = 0 et b = 0, alors q s’écrit sous la forme :
c c
q(x) = 2cx1 x2 = (x1 + x2 )2 − (x1 − x2 )2
2 2
(car ∀a ∈ K, ∀b ∈ K, ab = 14 [(a + b)2 − (a − b)2 ])
Donc, si on pose λ1 = 2c , λ2 = − 2c , l1 (x) = x1 + x2 et l2 (x) = x1 − x2 , alors on aura

q(x) = λ1 l1 (x)2 + λ2 l2 (x)2 = λ1 (x1 + x2 )2 + λ2 (x1 − x2 )2

Ainsi une base q-orthogonale a pour matrice de passage par rapport à la base (e1 , e2 ), la matrice
définie par :
� �−1 � �
1 1 1 1 1
P= =
1 −1 2 1 −1
Donc v1 = 12 (e1 + e2 ) et v2 = 12 (e1 − e2 ).

Cas de la dimension 3
Soient E un K-espace vectoriel de dimension 3, (e1 ,2 , e3 ) une base de E et q : E −→ K une forme
quadratique. Alors pour tout x ∈ E, x = x1 e1 + x2 e2 + x3 e3 , on a

q(x) = ax12 + bx22 + cx32 + 2dx1 x2 + 2ex1 x3 + 2 f x2 x3

Page 35 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 i) Si (a, b, c) �= (0, 0, 0), alors on peut supposer par exemple que a �= 0. Dans ce cas, en regroupant
tous les termes contenant x1 , on aura,

q(x) = (ax12 + 2dx1 x2 + 2ex1 x3 ) + bx22 + cx32 + 2 f x2 x3

� �
d e
= a x1 + 2( x2 + x3 )x1 + bx22 + cx32 + 2 f x2 x3
2
a a
� �
d e 2 d e 2
= a (x1 + x2 + x3 ) − ( x2 + x3 ) + bx22 + cx32 + 2 f x2 x3
a a a a
d e
= a(x1 + x2 + x3 )2 + Q(x2 , x3 )
a a
où Q est une forme quadratique en (x2 , x3 ). Donc pour achever la décomposition de q, il suf-
fit de décomposer Q qui peut-être considérée comme une forme quadratique sur un K-espace
vectoriel de dimension 2.
ii) Si a = b = c = 0, alors q s’écrit sous la forme :

q(x) = αx1 x2 + βx1 x3 + γx2 x3 avec (α, β, γ) �= (0, 0, 0)

En supposant, par exemple, que α �= 0, on peut procèder de la manière suivante :

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

Page 36 sur 135 Pr.Mohamed HOUIMDI

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

Nous allons procéder par récurrence sur n, en distinguant deux cas :

i) Il existe i0 ∈ {1, 2, . . . , n}, tel que ai0 �= 0, alors quitte à réordonner les ai , on peut supposer que
a1 �= 0. Dans ce cas, en regroupant tous les termes contenant x1 , (si à la place de a1 on prend
ai0 , on doit regrouper tous les termes contenant xi0 ), on aura,
n n
q(x) = a1 x12 + 2 ∑ a1 j x1 x j + ∑ ai xi2 + 2 ∑ ai j xi x j
j=2 i=2 2≤i< j≤n
� � � �
n n a1 j
= a1 x12 + 2 ∑ α j x j x1 + ∑ aixi2 + 2 ∑ ai j xi x j où ∀ j ∈ {2, . . . , n}, α j =
a1
j=2 i=2 2≤i< j≤n
� �2 � �2 
n n n
= a1  x1 + ∑ α j x j − ∑ α j x j  + ∑ ai xi2 + 2 ∑ ai j xi x j
j=2 j=2 i=2 2≤i< j≤n
� �2
n
= a1 x1 + ∑ α j x j + Q(x2 , . . . , xn )
j=2

où � �2
n n
Q(x2 , . . . , xn ) = ∑ ai xi2 + 2 ∑ ai j xi x j − ∑ α jx j
i=2 2≤i< j≤n j=2
est une forme quadratque en x2 , x3 , . . . , xn , donc on peut considérer Q comme une forme qua-
dratique sur un K-espace vectoriel de dmension n − 1 et on applique, alors, l’hypothèse de
récurrence à Q.
i) ∀i ∈ {1, 2, . . . , n}, ai = 0, alors, dans ce cas, q s’écrit sous la forme :
q(x) = ∑ αi j xi x j
1≤i< j≤n

q �= 0, donc l’un au moins des coefficients αi j est non nul, donc pour simplifier on peut supposer
que α12 �= 0, puis on regroupe tous les termes contenant x1 et tous les termes contenant x2 . Ainsi,
on aura
� � � � � �
n n
q(x) = α12 x1 x2 + ∑ α1 j x j x1 + ∑ α2 j x j x2 + ∑ αi j xi x j
j=3 j=3 3≤i< j≤n
� � � � � �
n
α1 j n α
= α12 x1 x2 + ∑ x j x1 + ∑ x j x2 + ∑ αi j xi x j
2j

j=3 α12 j=3 α12 3≤i< j≤n

�� �� � � �� ��
n α n α n α n α
x1 + ∑ x2 + ∑ xj − ∑ ∑ + ∑ αi j xi x j
2j 1j 1j 2j
= α12 xj xj xj
α
j=3 12 α
j=3 12 α
j=3 12 α
j=3 12 3≤i< j≤n
� �� �
n α n α
= α12 x1 + ∑ x2 + ∑
2j 1j
xj x j + Q(x3 , . . . , xn )
α
j=3 12 α
j=3 12
� �2 � �2
n α +α n α −α
α12 α12
x1 + x2 + ∑ x1 − x2 + ∑
2j 1j 2j 1j
= xj − x j + Q(x3 , . . . , xn )
4 j=3 α12 4 j=3 α12

Page 37 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 On achève la décompositon en appliquant l’hypothèse de récurrence à Q.

Exemples
1. Soit q la forme quadratique définie sur R3 par :

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

Déterminons une base q-orthogonale. Pour cela, décomposons q sous forme de carrés.

q(x) = x2 + 6y2 + 16z2 − 4xy + 6xz − 16yz

= (x2 − 4xy + 6xz) + 6y2 + 16z2 − 16yz
= [x2 − 2x(2y − 3z)] + 6y2 + 16z2 − 16yz
= [(x − (2y − 3z))2 − (2y − 3z)2 ] + 6y2 + 16z2 − 16yz
= (x − 2y + 3z)2 − 4y2 + 12yz − 9z2 + 6y2 + 16z2 − 16yz
= (x − 2y + 3z)2 + 2y2 + 7z2 − 4yz
= (x − 2y + 3z)2 + 2(y2 − 2yz) + 7z2
= (x − 2y + 3z)2 + 2[(y − z)2 − z2 ] + 7z2
= (x − 2y + 3z)2 + 2(y − z)2 + 5z2

Donc pour déterminer une base q-orthogonale, on pose

 

 X = x − 2y + 3z x = X + 2Y − Z

Y = y−z donc y = Y + Z

 

Z=z z=Z

Donc une base q-orthogonale (v1 , v2 , v3 ) est déterminée par sa matrice de passage P de la base
(e1 , e2 , e3 ) à la base (v1 , v2 , v3 ) :  
1 2 −1
P = 0 1 1 
0 0 1
Donc, on aura 
v1 = e1

v2 = 2e1 + e2


v3 = −e1 + e2 + e3

2. Mettre sous forme de carrés la forme quadratique de R4 définie par :

q(x, y, z,t) = xy + yz + zt + tx

puis déterminer une base q-orthogonale.

q(x, y, z,t) = xy + yz + zt + tx
= (x + z)(y + t)
1 1
= (x + y + z + t)2 − (x − y + z − t)2
4 4
1 1
= (x + y + z + t)2 − (x − y + z − t)2 + 0z2 + 0t 2
4 4

Page 38 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 Donc, pour obtenir une base q-orthogonale, on pose


X = x+y+z+t

Y = x − y + z − t


Z=z

T =t

Donc, on aura


x = 12 X + 12 Y − Z

y = 1 X − 1 Y − T
2 2


z = Z

t =T
Une base q-orthogonale est détermnée par la matrice de passage P, défine par :
 
1 1 −2 0
1 1 −1 0 −2
P=  
2 0 0 2 0
0 0 0 2

Donc, si on pose


v1 = 12 e1 + 12 e2

v = 1 e − 1 e
2 2 1 2 2
v3 = −e1 + e3



v4 = −e2 + e4
Alors (v1 , v2 , v3 , v4 ) est une base q-orthogonale.
3. Mettre sous forme de carrés la forme quadratique sur R4 définie par :

q(x, y, z,t) = xy + xz + xt − yz + yt + 2zt

q(x, y, z,t) = xy + xz + xt − yz + yt + 2zt

= q(x, y, z,t) = (xy + xz + xt − yz + yt) + 2zt (regroupement des termes en x et ceux en y)
= [xy + x(z + t) + y(t − z)] + 2zt
= [(x + (t − z))(y + (z + t)) − (t − z)(t + z)] + 2zt
1� �
= (x + y + 2t)2 − (x − y − 2z)2 − (t − z)(t + z) + 2zt
4
1 1
= (x + y + 2t)2 − (x − y − 2z)2 + (z2 + 2zt) − t 2
4 4
1 1
= (x + y + 2t)2 − (x − y − 2z)2 + (z + t)2 − 2t 2
4 4
Donc, pour obtenir une base q-orthogonale, on pose


X = x + y + 2t

Y = x − t − 2z


Z = z+t

T =t

Page 39 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 Donc, on aura  1 1
x = 2 X + 2 Y + Z − 2T


y = 1 X − 1 Y − Z
2 2


z = Z − T

t =T
Donc une base q-orthogonale est détermnée par la matrice de passage P, défine par :
 
1 1 2 −4
1 1 −1 −2 0 
P=  
2 0 0 2 −2
0 0 0 2

Donc, si on pose


v1 = 12 e1 + 12 e2

v = 1 e − 1 e
2 2 1 2 2
v3 = e1 − e2 + e3



v4 = −2e1 − e3 + e4
alors, (v1 , v2 , v3 , v4 ) est une base q-orthogonale.

2.22 Signature d’une forme bilinéaire symétrique

2.22.1 bases orthonormales
Définition 2.23.

Soient E un K-espace vectoriel de dimension finie = n et f une forme bilinéaire stmétrque

sur E. Une base (e1 , e2 , . . . , en ) est une base orthonormale de E, si
�
1 si i = j
∀(i, j) ∈ {1, 2, . . . , n}2 , f (ei , e j ) =
0 si i �= j

Remarque 2.23.1
Soient E un K-espace vectoriel de dimension finie = n et f une forma bilnéaire symétrique sur E. On
suppoose que f possède une base orthonormale β, alors la matrice de f par rapport à β est égale à
la matrice identité, donc f est non dégénérée. La condition f non dégénérée est donc une condition
nécessaire pour l’existence d’une base orthonormale.
Nous allons voir par la suite que cette conditon n’est pas toujours suffisante.

Proposition 2.24.

Soit E un C-espace vectoriel de dimension finie = n. Alors toute forme bilinéaire symé-
trique non dégénérée sur E, possède au moins une base orthonormale.

Preuve
On sait que toute forme bilinéaire symétrique sur un K-espace vectoriel de dimension finie , possède
au moins une base orthogonale.

Page 40 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 Soit f une forme bilinéaire symétrique sur un C-espace vectoriel de dimension finie E et soit (v1 , v2 , . . . , vn )
une base orthogonale de f . Pour chaque i ∈ {1, 2, . . . , n}, soit αi = f (vi , vi ), puisque C est algèbre-
quement clos, alors le polynôme X 2 − αi possède au moins une racine ai ∈ C, donc a2i = αi .
Pour chaque i ∈ {1, 2, . . . , n}, posons ei = a1i vi , alors (e1 , e2 , . . . , en ) est une base de E et on a
�α
1 a2i
i
=1 si i = j
∀(i, j) ∈ {1, 2, . . . , n}, f (ei , e j ) = f (vi , v j ) =
ai a j 0 si i �= j

Donc (e1 , e2 , . . . , en ) est orthonormale.

Proposition 2.25.

Soit E un R-espace vectoriel de dimension finie et f une forme bilinéaire symétrique non
dégénérée sur E. Alors f possède une base orthonormale, si, et seulement si,

∀x ∈ E, x �= 0 =⇒ f (x, x) > 0

Preuve
(=⇒) Supposons que f possède une base orthonormale (e1 , e2 , . . . , en ), donc pour chaque x ∈ E,
n
avec x �= 0 et x = ∑ xi ei , on a
i=1
n
f (x, x) = ∑ xi2 > 0
i=1

(⇐=) Supposons que ∀x ∈ E, x �= 0 =⇒ f (x, x) > 0 et soit (v1 , v2 , . . . , vn ) une base�orthogonale de

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

2.25.1 Théorème d’inertie de Sylvestre

Théorème 2.26.

Soit E un R-espace vectoriel de dimension finie = n, f une forme bilinéaire symétrique sur
E de rang r et (e1 , e2 , . . . , en ) une base orthogonale de E.
Soit p le nombre des i ∈ {1, 2, . . . , n}, tels que f (ei , ei ) > 0 et soit q le nombre des
i ∈ {1, 2, . . . , n}, tels que f (ei , ei ) < 0. Alors le couple (p, q) ne dépend pas de la base
orthogonale choisie et on a p + q = r.
Dans ce cas, (p, q) s’appelle la signature de f .

Preuve
Soit (v1 , v2 , . . . , vn ) une autre base orthogonale de E et soient p� le nombre des i ∈ {1, 2, . . . , n}, tels
que f (vi , vi ) > 0 et q� le nombre des i ∈ {1, 2, . . . , n}, tels que f (vi , vi ) < 0. Pour simplfier, quitte à
réordonner les éléments des deux bases, on peut supposer que f (ei , ei ) > 0 pour i ∈ {1, 2, . . . , p} et
f (vi , vi ) > 0 pour i ∈ {1, 2, . . . , p� }. Puisque f est de rang r et puisque la matrice M de f par rapport
à une base orthogonale est une matrice diagonale, alors le nombre des éléments diagonaux non nuls
de M est égal à r, car rg(A) = rg( f ) = r, on en déduit donc que p + q = p� + q� = r.
Montrons maintenant que p = p� et q = q� , pour cela, considèrons le système S = (e1 , . . . , e p , v p� +1 , . . . , vn )

Page 41 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook
 et montrons que ce système est libre.
Soient α1 , α2 , . . . , α p , β1 , . . . , βn−p� des nombres réels, tels que

α1 e1 + · · · + α p e p + β1 v p� +1 + · · · + βn−p� vn = 0

Posons x = α1 e1 + · · · + α p e p = −(β1 v p� +1 + · · · + βn−p� vn ), alors, d’une part, on a

f (x, x) = α21 f (e1 , e1 ) + · · · + α2p f (e p , e p ) ≥ 0

et d’autre part, on a

f (x, x) = β21 f (v p� +1 , v p� +1 ) + · · · + β2n−p� f (vn , vn ) ≤ 0

Donc on en déduit que f (x, x) = 0 et puisque f (ei , ei ) > 0, pour i ∈ {1, 2, . . . , p}, alors

α1 = α 2 = · · · = α p = 0

Donc β1 = · · · = βn−p� = 0, car (v p� +1 , . . . , vn ) est libre.

Le système S est donc libre, donc le nombre d’éléments de S est ≤ dim(E).
Ainsi, p + (n − p� ) ≤ n, donc p ≤ p� . Pusque p et p� jouent un rôle symétrique, alors de la même
manière, on montre que p� ≤ p.

2.27 Exercices
Exercice 17
Soit f la forme bilinéaire symétrique définie sur R3 par,

f (x, y) = x1 y1 + 6x2 y2 + 56x3 y3 − 2(x1 y2 + x2 y1 ) + 7(x1 y3 + x3 y1 ) − 18(x2 y3 + x3 y2 )

1. Ecrire la matrice de f par rapport à la base canonique (e1 , e2 , e3 ).

2. Soit (e�1 , e�2 , e�3 ) le système de R3 défini par

e�1 = e1 , e�2 = 2e1 + e2 et e�3 = −3e1 + 2e2 + e3

Vérifier que (e�1 , e�2 , e�3 ) est une base de R3 et écrire la matrice de f par rapport à cette base.

Exercice 18
Soient ϕ1 : C 1 ([0, 1]) × C 1 ([0, 1]) −→ R et ϕ2 : R3 [X] × R3 [X] −→ R les applications définies par :
� 1
ϕ1 ( f , g) = f (0)g(0) + f � (t)g� (t)dt et ϕ2 (P, Q) = P(0)Q(1)
0

1. Motrer que ϕ1 et ϕ2 sont des formes bilinéaires. Sont-t-elles symétriques ?

2. Ecrire la matrice de ϕ2 par rapport à la base canonique de R3 [X]. ϕ2 est-t-elle non dégénérée ?

Exercice 19
Soit f la forme bilinéare définie sur R3 par :

f (x, y) = x1 y1 + 2x2 y2 + 13x3 y3 − x1 y2 − x2 y1 + 3x1 y3 + 3x3 y1 − 5x2 y3 − 5x3 y2

1. Ecrire la matrice de f par rapport à la base canonique de R3 .

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

Page 42 sur 135 Pr.Mohamed HOUIMDI

exosup.com page facebook