Formes quadratiques

Pascal Ortiz

4 mai 2020
 Dans tout le chapitre, K désigne un des deux corps R ou C.

E désignera un K-espace vectoriel , pas nécessairement de dimension finie.

1. Dualité dans les espaces vectoriels

1 L’espace vectoriel LK (E, F ). Si E et F sont des K-espaces vectoriels alors l’ensemble

LK (E, F ) = {f : E → F ; f linéaire}

est un K-espace vectoriel pour les lois usuelles :

+ : (f, g) 7→ f + g = [ E → F
x 7 → f (x) + g(x) ]
. : (λ, f ) 7→ λ.f = [ E → F
x 7→ λ.f (x) ]

Si dimK E, dimK F < ∞ alors LK (E, F ) est de dimension finie et dimK LK (E, F ) = (dimK E)(dimK F ).

2 Corps vu comme un espace vectoriel. Soit K un corps commutatif, en pratique K ∈

{R, C, Q}. Alors, l’ensemble K, muni des deux lois « évidentes » suivantes :

+ : (u, v) ∈ K × K →
7 u+v
. : (λ, u) ∈ K × K → 7 λ×u
est un K-espace vectoriel. De plus, dimK K = 1 et une base de K est, par exemple (1), laquelle
est appelée base canonique de K. Le K-espace vectoriel K n’est qu’un cas particulier de l’espace
vectoriel produit K n , avec n = 1.

3 Définition. Soit E un K-espace vectoriel . On appelle dual algébrique de E, l’espace

vectoriel LK (E, K) et qui est alors noté E ∗ . Les éléments de E ∗ sont appelés des formes
linéaires.

4 Commentaire. Un élément de E ∗ est donc une application linéaire :

ϕ : E −→ K
x 7−→ ϕ(x)

5 Commentaire. Il existe un autre dual, dit topologique, qui utilisé dans certains contextes, oblige
à préciser. Mais, en l’absence d’ambiguïté, on se contentera de parler de dual sans le qualifier
d’algébrique.

6 Exemple. Soit E = R2 et soit K = R. Alors

ϕ: R2 −→ R
(x, y) 7−→ 2x + 3y
 est linéaire et donc, par définition, ϕ ∈ (R2 )∗ . Soit C2 = (c1 , c2 ) la base canonique de R2 et soit
C1 = (1) la base canonique de l’espace vectoriel R. Alors, comme

ϕ(c1 ) = 2 × 1 + 3 × 0 = 2 × 1
ϕ(c2 ) = 2 × 0 + 3 × 1 = 3 × 1
la matrice de ϕ dans les bases canoniques est la matrice-ligne suivante

Mat[ϕ, C2 , C1 ] = 2 3

On notera que cette matrice s’obtient simplement en extrayant les coefficients de la forme linéaire
2x + 3y.

7 Théorème. On suppose que dimK E = n. Alors, dimK E ∗ = n. En particulier, E et E ∗ sont

des sous-espaces vectoriels isomorphes.

8 Théorème (expression analytique et caractérisation d’une forme linéaire). Soit E un K-

espace vectoriel muni d’une base B = (e1 , · · · , en ).
Soit ϕ : E → K une forme linéaire. Alors, il existe un unique n-uplet (a1 , · · · , an ) ∈ K n
tel que
Xn n
X
∀(x1 , · · · , xn ) ∈ K n , ϕ( xi ei ) = ai x i .
i=1 i=1

Soit ϕ : E → K une application. Supposons qu’il existe un n-uplet (a1 , · · · , an ) ∈ K n

tel que
Xn n
X
n
∀(x1 , · · · , xn ) ∈ K , ϕ( xi ei ) = ai x i .
i=1 i=1

Alors, ϕ une forme linéaire.

9 Remarques.
i) Une base de E étant donnée, on reconnaît qu’une application ϕ : E → K est une forme
linéaire à ce que pour chaque v ∈ E, le scalaire ϕ(v) est une combinaison linéaire à coefficients
fixes des coordonnées de v dans la base donnée.
ii) On reprend les notations du théorème précédent. Soient les matrices
x1 !
..
M = (a1 · · · an ) et X = .
xn

Soit C = (1) la base canonique de K. Alors, M = [ϕ]CB , la matrice M X est une matrice de
taille 1 × 1 :

Xn
C
[ϕ(x)] = M X = [ ai x i ]
i=1

obtenu en faisant l’habituel produit ligne par colonne. En pratique, on identifie une matrice de
taille 1 × 1 et son unique coefficient.
10 Définition. Soit E un K-espace vectoriel , pas forcément de dimension finie, et soit
H un sous-espace vectoriel de E. On dit que H est un hyperplan de E si H admet un
supplémentaire dans E qui est une droite vectorielle.

11 Remarque. Si H est un hyperplan de E alors il existe une droite vectorielle D de E telle que
H ⊕ D = E, ce qui suppose en particulier que dim E ≥ 1. Par ailleurs, si H est un hyperplan de
E, il n’existe pas nécessairement une unique droite D de E telle que H ⊕ D = E.

12 Théorème (caractérisation d’un hyperplan par sa dimension). Soit E un K-espace vec-

toriel de dimension n et soit H un sous-espace vectoriel de E. Alors,

H est un hyperplan de E ⇔ dim H = n − 1.

13 Théorème (hyperplan et forme linéaire). Soit E un K-espace vectoriel , pas nécessaire-

ment de dimension finie et soit H un sous-espace vectoriel de E. Alors,

H est un hyperplan de E ⇔ ∃ϕ ∈ E ∗ \ {0E ∗ } , ker ϕ = H

14 Théorème (caractérisation analytique d’un hyperplan). Soit E un K-espace vectoriel

muni d’une base B = (e1 , · · · , en ) et soit H un hyperplan de E. Alors, il existe un n-uplet
(a1 , · · · , an ) ∈ K n \ {(0, · · · , 0)} tel que
( n n
)
X X
H= xi e i ; ai x i = 0 .
i=1 i=1
Pn
La relation i=1 ai xi = 0 est appelée équation cartésienne de l’hyperplan H dans la base
B.

15 Notation : le Delta de Kronecker. Soit I un ensemble et soit δ l’application

δ : I × I −→ {0, 1} (
1 si i = j
(i, j) 7−→ δi,j =
0 sinon

On dit que cette application est le Delta de Kronecker sur l’ensemble I.

16 Théorème et définition. Soit E un K-espace vectoriel muni d’une base B = (e1 , · · · , en ).

Alors, il existe une unique famille B ∗ = (e∗1 , · · · , e∗n ) telle que

∀i, j ∈ {1, . . . , n} , e∗i (ej ) = δij .

Cette famille est une base de E ∗ et est appelée la base duale de B.

17 Proposition. Soit E un K-espace vectoriel muni d’une base B = (e1 , · · · , en ). Soit B ∗ =

(e∗1 , · · · , e∗n ) la base duale de B. Alors, pour chaque i ∈ {1, . . . , n}, la forme linéaire e∗i est
définie par
e∗i : P E −→ K
n
j=1 xj ej 7−→ xi
18 Exemple. Soit E = R2 et soit C = (c1 , c2 ) la base canonique de E. Notons (f, g) la base duale
de C. Alors, f et g sont définies par
f (x, y) = x et g(x, y) = y

19 Remarque importante. On garde les notations de la définition ci-dessus. Soit ϕ la forme

linéaire définie sur E par
 
x1 n
B  ..  X
[x] =  .  ⇒ ϕ(x) = ai x i .
xn i=1

Notons M := a1 a2 . . . an .
Soit C = (1) la base canonique de K. Assez singulièrement, on remarque que M est aussi la
matrice de l’application linéaire ϕ : E → K dans la base B et la base C.

Noter aussi que

∗
[ϕ]B = t M.
Par exemple, soit E = R2 et soit la forme linéaire
ϕ: R2 −→ R
(x, y) 7−→ 2x + 3y
Alors, dans la base (e∗1 , e∗2 ) duale de la base canonique de R2 , la matrice de ϕ est 2 3 .

20 Théorème (base « anti-duale »). Soit E un K-espace vectoriel de dimension n. Soit F =

(ϕ1 , · · · , ϕn ) une base de E ∗ . Alors, il existe une unique base F = (e1 , · · · , en ) de E telle
∗
que F = F. On dira que F est l’anti-duale de F.

2. Généralités sur les formes quadratiques

21 Définition. On appelle forme bilinéaire symétrique sur E toute application f : E ×E −→
K vérifiant les propriétés suivantes :
∀x, y ∈ E, f (x, y) = f (y, x) (propriété de symétrie)
∀x, y, z ∈ E, f (x + y, z) = f (x, z) + f (y, z)
∀x, y ∈ E, ∀α ∈ K, f (αx, y) = αf (x, y)

22 Commentaires.
i) Le terme de forme appliqué à f signifie que l’ensemble d’arrivée de f est le corps de base K.
ii) La linéarité à gauche est traduite par les deux dernières conditions. À cause de i), f est aussi
linéaire à droite.
iii) Supposons f symétrique. Pour montrer la linéarité de f , le plus souvent, on procède comme
suit : on fixe un vecteur u ∈ E et on considère l’application partielle à gauche ϕ : E → K
définie par ϕ(x) = f (x, u) et on montre que cette application est une forme linéaire, ce qui
est généralement facile. En particulier, si E est de dimension finie, une base étant fixée, on
peut éventuellement montrer que ϕ(x) est une combinaison linéaire à coefficients fixes des
coordonnées de x dans la base.
23 Exemples.
Supposons que E = K n . Soit x = (x1 , . . . , xn ) et y = (y1 , . . . , yn ). On définit f : E×E −→ K
par
X n
f (x, y) = xi y i
i=1

Alors, f est une forme bilinéaire symétrique sur E, dite forme bilinéaire canonique sur K n .
Un cas particulier du cas précédent est, tout simplement, le produit dans le corps R. Autrement
dit, l’application
f : R2 −→ R
(x, y) 7−→ xy
est une forme bilinéaire symétrique sur E = R.
Soit f : R2 × R2 → R définie par :

f ((x1 , x2 ), (y1 , y2 )) = 2x1 y1 − 5x2 y2 + 6x1 y2 + 6x2 y1

alors f est une forme bilinéaire symétrique sur E = R2 .

i) La symétrie provient de l’égalité des cœfficients de x1 y2 et de x2 y1 .
ii) La linéarité vient du fait que si on se donne (a, b) dans R2 et qu’on considère l’application
ϕ : E → R définie par ϕ(v) = f (v, (a, b)) alors ϕ est linéaire. En effet, en posant, v =
(x1 , x2 ), on a :

ϕ(x1 , x2 ) = 2ax1 − 5x2 b + 6x1 b + 6x2 a = (2a + 6b)x1 + (6a − 5b)

Il apparaît alors que ϕ(x1 , x2 ) est la forme αx1 + βx2 ce qui montre, d’après le résultat § 8
ii) que ϕ est linéaire.
Soit le R-espace vectoriel E = C ([0, 1], R). On définit ϕ : E × E −→ R par
Z 1
∀f, g ∈ E, ϕ(f, g) = f (x)g(x)dx
0

Alors, f est une forme bilinéaire symétrique sur E.

Le produit scalaire sur un espace euclidien est une forme bilinéaire symétrique particulière
(définie positive) sur un R-espace vectoriel.

24 Propriétés.
i) L’ensemble, noté L2 (E), des formes bilinéaires symétriques sur E est un sous-espace vectoriel
de F (X, K) pour l’ensemble X = E × E.
ii) Si f ∈ L2 (E), si a, b ∈ K et x, y ∈ E alors f (ax, by) = abf (x, y).
iii) Soit F un sous-espace vectoriel de E et soit f ∈ L2 (E). Alors, f |F ×F ∈ L2 (F ) autrement dit,
la restriction d’une forme bilinéaire symétrique est encore une forme bilinéaire symétrique.

25 Définitions.
— On appelle forme quadratique sur E toute application q : E −→ K telle qu’il existe
f ∈ L2 (E) vérifiant
∀x ∈ E, q(x) = f (x, x)
 — Soit f ∈ L2 (E). Alors, l’application q : E −→ K telle que

∀x ∈ E, q(x) = f (x, x)

est appelée forme quadratique associée à f .

L’ensemble des formes quadratiques sur E est noté Q(E).

26 Exemples.
Soit f la forme bilinéaire canonique sur K n . Alors, la forme quadratique q associée à f est
définie par
n
X
∀x = (x1 , . . . , xn ), q(x) = x2i
i=1
n
dite forme quadratique canonique sur K .
L’application q : R −→ R telle que q(x) = x2 est une forme quadratique sur R.
Noter que cela explique l’origine du terme quadratique qui signifie carré, par allusion à l’aire
d’un carré qui est le carré du côté.
Soit q : R2 → R définie par :

q(x, y) = 2x2 − 5y 2 + 12xy.

Alors q est une forme quadratique sur E = R2

Soit ϕ la forme bilinéaire symétrique définie sur E = C ([0, 1], R) par
Z 1
∀f, g ∈ E, ϕ(f, g) = f (x)g(x)dx
0

La forme quadratique q associée à ϕ est définie par :

Z 1
∀f ∈ E, q(f ) = f (x)2 dx
0

Toute combinaison linéaire de carrés de formes linéaires est une forme quadratique.
Si E est un espace euclidien alors l’application q : E → R définie par :

∀x ∈ E, q(x) = hx, xi

est une forme quadratique sur E.

27 Proposition et définition.
Q(E) est un K-espace vectoriel pour les lois usuelles sur F (E, K).
Soit q ∈ Q(E). Il existe une unique f ∈ L2 (E) telle que

∀x ∈ E, q(x) = f (x, x)

autrement dit telle que q soit la forme quadratique associée à f . On dit que f est la forme
polaire de q.
Soit F un sous-espace vectoriel de E et soit q ∈ Q(E). Alors, q|F ∈ Q(F ) autrement dit, la
restriction d’une forme quadratique est encore une forme quadratique (et sa forme polaire est
la restriction à F × F de la forme polaire de q).
28 Polarisations.
Soit q ∈ Q(E). Alors, la forme polaire f de q est définie par l’une des deux identités suivantes :
(a) ∀x, y ∈ E, f (x, y) = 12 [q(x + y) − q(x) − q(y)]
(b) ∀x, y ∈ E, f (x, y) = 14 [q(x + y) − q(x − y)]
Ces deux identités sont appelées identités de polarisation.
Pour montrer que q : E → K est une forme quadratique, on peut se contenter de montrer
que l’un des deux applications f : E × E → K définies ci-dessus est une forme bilinéaire. La
symétrie est acquise vue la définition de f .

29 Remarques. On retient facilement ces identités si on connaît les identités suivantes sur R (ou
C d’ailleurs) :

1 1
(x + y)2 − x2 − y 2 et xy = (x + y)2 − (x − y)2
 
xy =
2 4

30 Propriété d’homogénéité. Soit q ∈ Q(E). Alors

∀a ∈ K, ∀x ∈ E, q(ax) = a2 q(x)

31 Propriété. Soit q ∈ Q(E), de forme polaire f . Soient x, y ∈ E. Alors

q(x + y) = q(x) + 2f (x, y) + q(y).

32 Remarque. L’identité précédente est à rapprocher de l’identité (x + y)2 = x2 + 2xy + y 2 .

33 Vocabulaire. Dans la suite, on dira que f ∈ L2 (E) et q ∈ Q(E) sont des formes associées si f
est la forme polaire de q ou encore si q est la forme quadratique associée à f .

3. Expression analytique d’une forme quadratique

Dans tout ce paragraphe, E est un K-espace vectoriel de dimension finie n > 0 et B = (e1 , . . . , en )
est une base de E. On considère f ∈ L2 (E) et q ∈ Q(E) des formes associées.

On note Sn (K) = {M ∈ Mn (K) ; t M = M } l’ensemble des matrices symétriques à coefficients

dans K.

34 Définition. On appelle matrice de q (ou aussi de f ) dans B la matrice M de Mn (K) définie

par :
M = (f (ei , ej ))1≤i,j≤n .
On posera [f ]B = M et de même, [q]B = M .

35 Remarque. Observer que les coefficients diagonaux de M sont les q(ei ).

36 Théorème. Si x, y ∈ E et si [f ]B = M alors

f (x, y) = t XM Y et q(x) = t XM X

où [x]B = X et [y]B = Y .

37 Propriété. [f ]B = [q]B ∈ Sn (K).

38 Expression analytique d’une forme bilinéaire symétrique et matrice.

Soit f ∈ L2 (E) de matrice M = (ai,j )1≤i,j≤n dans B. Soient x, y ∈ E, tels que [x]B =
X, [y]B = Y avec t X = (x1 . . . xn ), t Y = (y1 . . . yn ). Alors, l’expression analytique de f
est : X
f (x, y) = ai,j xi yj
1≤i,j≤n

Soit M ∈ Sn (K) et soit f : E × E → K définie par

f (x, y) = t XM Y

où X = [x]B et Y = [y]B . Alors f ∈ L2 (E) et [f ]B = M .

39 Exemple. Soit f : R2 × R2 → R telle que

f ((x1 , x2 ), (y1 , y2 )) = 2x1 y1 − 5x2 y2 + 6x1 y2 + 6x2 y1

 
C 2 6
alors f ∈ L2 (E) et, si C est la base canonique de R alors [f ] =
2
6 −5

40 Expression analytique d’une forme quadratique et matrice.

Soit q ∈ Q(E). Soient x ∈ E, tels que [x]B = X avec t X = (x1 . . . xn ). Alors, il existe une
unique suite de coefficients (bi,j )1≤i≤j≤n telle que l’expression analytique de q dans B soit :
X
q(x) = bi,j xi xj .
1≤i≤j≤n

De plus, la matrice M = (ai,j )1≤i,j≤n de q dans B est donnée par la règle dite du dédoublement
des termes :
(
ai,j = bi,j si i = j
ai,j = aj,i = 12 bi,j si i < j

Soit une application q : E → K. On suppose qu’il existe une suite de coefficients (bi,j )(1≤i≤j≤n
telle que l’expression analytique de q(x) dans B soit un polynôme 2-homogène en les coor-
données x1 , . . . , xn de x dans B, autrement dit :
X
q(x) = bi,j xi xj .
1≤i≤j≤n

Alors, q ∈ Q(E) et sa matrice (ai,j )1≤i,j≤n est donnée par la règle du dédoublement des termes,
cf. ci-dessus.
41 Exemple. Soit q : R2 → R définie par :

q(x, y) = 2x2 − 5y 2 + 12xy.

Alors, le résultat ci-dessus montre que q est une forme quadratique sur E = R2 . La matrice M
de q dans
 la base canonique est obtenue en appliquant la règle du dédoublement des termes :
2 6
M= .
6 −5

n(n + 1)
42 Proposition. dimK (Q(E)) = dimK (L2 (E)) = dimK Sn (K) = .
2

43 Proposition : formule de changement de base. Soient B et C deux bases de E. Soit P =

Pass(B, C). Soient M = [f ]B et M 0 = [f ]C . Alors

M 0 = tP M P

44 Définition. On appelle rang de f (ou aussi de q) le rang de n’importe quelle matrice

représentant f (ou encore q) dans une base de E. Le rang de f est noté rg (f ).

4. Orthogonalité
Dans tout ce paragraphe, on se donne un couple de formes associées q ∈ Q(E) et f ∈ L2 (E).

45 Définition. Soient x, y ∈ E. On dit que x et y sont orthogonaux pour q (ou pour f ) si

f (x, y) = 0. On note alors x ⊥ y.

46 Définition. Soit A une partie de E (pas forcément un sous-espace vectoriel de E). On

appelle orthogonal de A pour q (ou pour f ) l’ensemble suivant

A⊥ := {x ∈ E ; ∀a ∈ A, x ⊥ a}

47 Propriétés.
i) Si A ⊆ E alors A⊥ est un sous-espace vectoriel de E.
ii) A⊥ = [vect(A)]⊥
iii) A ⊆ B ⊆ E ⇒ B ⊥ ⊆ A⊥
iv) A ⊆ E ⇒ A ⊆ A⊥⊥

48 Remarque. On utilisera couramment que si F = vect(e1 , . . . , ep ) alors F ⊥ = {e1 , . . . , ep }⊥ .

49 Définition. Soient A, B ⊆ E. On dit que A et B sont orthogonales (et on note A ⊥ B) si

∀a ∈ A, ∀b ∈ B, a ⊥ b
50 Définitions. On appelle radical de E pour q (ou pour f ) la partie E ⊥ . On dit que q (ou
encore f ) est non dégénérée si E ⊥ = {0E }. Sinon, on dit que q (ou encore f ) est dégénérée.

51 Vocabulaire et remarque.
On emploie aussi le terme de noyau d’une forme quadratique au lieu de radical.
Soit A ⊆ E une partie de E et N le noyau de q. Alors N ⊆ A⊥ . En effet, un vecteur du noyau
est orthogonal à tout vecteur de E et donc, en particulier, à tout vecteur de A.

52 Proposition. On suppose que E est de dimension finie. Soit B une base de E. Soit M =
[f ]B .
i) Soit x ∈ E et soit X = [x]B . Alors, x ∈ E ⊥ si et seulement si M X = 0n,1 .
ii) f est non dégénérée si et seulement si M ∈ GL(E).

53 Proposition. On suppose que E est de dimension finie. Alors (formule du rang)

dim E ⊥ + rg (q) = dim E.

54 Proposition. On suppose que dimK E < ∞ et que f (ou q) est non dégénérée. Alors
i) dim F + dim F ⊥ = dim E
ii) F = F ⊥⊥

55 Remarque. Même si E est de dimension finie et si f est non dégénérée, il n’est pas nécessaire
que les sous-espaces vectoriels F et F ⊥ soient supplémentaires dans E. Par exemple, si q : R2 →
R est définie par q(x, y) = x2 − y 2 et si F = vect(1, −1) alors F ⊥ = F .

56 Définitions. On appelle cône isotrope de f (ou de q) l’ensemble C(q) := {x ∈ E ; x ⊥ x}.

On dit que x ∈ E est isotrope si x ∈ C(q). On dit que q (ou encore f ) est anisotrope si
C(q) = {0E }.

57 Vocabulaire. On emploie aussi le terme de définie au lieu de anisotrope.

58 Proposition.
i) Le radical est inclus dans le cône isotrope : E ⊥ ⊂ C(q)
ii) Si f est anisotrope alors f est non dégénérée.

59 Remarque. Le cône isotrope n’est, en général, pas un sous-espace vectoriel de E. Toutefois, on

a la propriété d’homogénéité suivante :

∀x ∈ C(q), ∀a ∈ K, ax ∈ C(q).

60 Définition. On dit qu’une famille (u1 , . . . , um ) de E est une famille orthogonale si

∀i, j ∈ {1, . . . , m} , i 6= j ⇒ ui ⊥ uj
61 Proposition. On appelle base orthogonale de E toute famille qui est à la fois une base de
E et est une famille orthogonale de E.

62 Mise en garde. Une famille orthogonale de n vecteurs de E n’est pas forcément libre. Par
exemple, pour E = R2 et la forme quadratique définie par q(x, y) = x2 , si on pose u = (0, 1)
alors la famille (u, u) est orthogonale de E mais ce n’est pas une base de E, naturellement (elle
est liée).

5. Décomposition d’une forme quadratique

Dans tout ce paragraphe, E est un K-espace vectoriel de dimension finie n > 0, B = (e1 , . . . , en )
est une base de E. On considère f ∈ L2 (E) et q ∈ Q(E) des formes associées.

63 Théorème. [f ]B est diagonale si et seulement si B est une base orthogonale de E.

64 Théorème. On suppose que B = (e1 , . . . , en ) est une base orthogonale de E. On note

I = {i ∈ {1, . . . , n} ; q(ei ) 6= 0}.
La matrice de q dans B est la matrice diagonale D := diag(q(e1 ), q(e2 ), . . . , q(en )).
rg (q) = card(I)
E ⊥ = vect({ei ; i ∈
/ I})
La forme q est non dégénérée si et seulement si I = {1, . . . , n}
Soit B ∗ la base duale de B. Alors, si x ∈ E on a
X
q(x) = q(ei )[e∗i (x)]2
i∈I

65 Remarque. Le théorème ci-dessus montre que q peut être décomposée en combinaison linéaire
de carrés de formes linéaires linéairement indépendantes. Toute décomposition de ce type sera
appelée décomposition de q. Trouver une décomposition de q ou trouver une base orthogonale de
E pour q sont des problèmes équivalents.

66 Théorème fondamental. Il existe des bases orthogonales pour f .

67 Exemple. Soit q la forme quadratique sur R3 de matrice

 
1 −1 2
M := −1 0 1
2 1 −1

dans la base canonique de R3 . Alors B = (u1 , u2 , u3 ) avec u1 = (1, 0, 0), u2 = (1, 1, 0) et u3 =

(1, 3, 1) est une base orthogonale de E. En effet, par exemple,
    

1 −1 2 1
1
f (u2 , u3 ) = 1 1 0 −1 0 1  3 = 0 −1 3 3 = 0
2 1 −1 1 1
 La matrice de f dans B est diag(1, −1, 4). En effet, par exemple,
    

1 −1 2 1
1
q(u3 ) = f (u3 , u3 ) = 1 3 1 −1 0 1  3 = 0 0 4 3 = 4.
2 1 −1 1 1

68 Proposition. Soit une famille libre (ϕ1 , . . . , ϕr ) de E ∗ . Soit q : E → K une application.

On suppose qu’il existe des scalaires α1 , . . . , αr tels que
r
X
∀x ∈ E, q(x) = αi [ϕi (x)]2
i=1

Alors, q ∈ Q(E) et, si α1 , . . . , αr sont tous non nuls, q est de rang r.

69 Remarque pratique très importante. Une décomposition de q comme à la proposition pré-

cédente est souvent obtenue par application de la méthode de Gauss de réduction d’une forme
quadratique. À partir d’une telle décomposition, on peut facilement obtenir une base ortho-
gonale de E pour q. Pour cela, il suffit de compléter la famille libre (ϕ1 , . . . , ϕr ) en une base
F = (ϕ1 , . . . , ϕn ) de E ∗ . Si B est l’anti-duale de F alors B est une base orthogonale de E pour
q. Voir les exercices pour la mise en oeuvre pratique.

70 Mise en garde. On a vu que la recherche d’une base orthogonale est équivalente à la recherche
d’une matrice diagonale représentant la forme quadratique. Pour autant, trouver une base ortho-
gonale N’est PAS DU TOUT un exercice de diagonalisation classique d’une matrice. En effet, si
A ∈ Mn (K) est la matrice de q dans une base donnée B de E alors
— diagonaliser A c’est trouver une matrice carrée inversible P ∈ GLn (K) telle que P −1 AP =: D
soit diagonale
— trouver une BOG de q revient à trouver une matrice carrée inversible P ∈ GLn (K) telle que
t
P AP =: D soit diagonale
et, il n’y aucune raison a priori qu’une des actions ci-dessus permette de réaliser l’autre.

71 BOG pour une forme quadratique réelle. Dans ce paragraphe, on suppose que E est un
R-espace vectoriel, toujours de dimension n. Soit C une base E et soit A = [f ]C . Comme A
est une matrice symétrique réelle, on sait d’après le théorème spectral, qu’il existe une matrice
P ∈ On (R) orthogonale telle que la matrice

P −1 AP =: D (1)

soit diagonale. Mais comme P est orthogonale, on a P −1 = tP et donc

t
P AP = D (2)
qui ressemble à la formule de changement de base pour une forme quadratique, cf. § 43 , comme
on va le préciser maintenant.

Comme P est inversible, on peut écrire que P = Pass(C, B) est la matrice de passage de C à
une certaine base B de E. Dans ces conditions, l’égalité (2) montre que la matrice de la forme
quadratique q dans la «nouvelle» base B est D et donc que B est une base orthogonale pour q,
 puisque D est diagonale.

Donc dans le cas d’une forme quadratique réelle q, rechercher une BOG pour q est donc équivalent
à diagonaliser une matrice symétrique réelle A dans le groupe orthogonal (au sens du théorème
spectral).

Désignons par f ∈ L(Rn ) l’endomorphisme de l’espace euclidien canonique Rn canoniquement

associé à A. Nous savons que cette diagonalisation s’organise de la manière suivante :

— calculer le polynôme caractéristique P de A,

— déterminer toutes les racines λ de P (qui sont forcément toutes réelles)
— pour chaque valeur propre λ ∈ R trouvée, chercher une base Bλ du sous-espase propre cor-
respondant Eλ de f ,
— orthonormaliser par le procédé de Gram-Schmidt la base Bλ de Eλ
— réunir les bases trouvées pour écrire la matrice P .
Il apparaît donc que ce résultat a essentiellement une valeur théorique. Si on ne prend rien qu’une
matrice symétrique réelle d’ordre 3, il sera très compliqué en pratique de calculer ses valeurs
propres. La méthode de Gauss (exposée ci-dessous) est un procédé infaillible et simple pour trou-
ver une BOG d’une forme quadratique (réelle ou pas).

6. La méthode de Gauss
72 Présentation. La méthode de Gauss est un algorithme permettant d’obtenir une décomposi-
tion d’une forme quadratique q en combinaison linéaire de carrés de formes linéaires linéairement
indépendantes. Il importe d’appliquer à la lettre l’algorithme pour obtenir des formes linéaires
indépendantes.

L’algorithme s’applique en dimension finie à une forme quadratique connue par son expression
analytique dans une base donnée. L’algorithme transforme l’expression d’une forme quadratique
en appliquant des transformations élémentaires, décrites ci-dessous, ce qui permet d’appliquer
ensuite l’algorithme à une sous-expression de la forme quadratique.

73 Primitives de l’algorithme.
i) A2 + 2AB = (A + B)2 − B 2
1 1
ii) AB = (A + B)2 − (A − B)2
4 4
iii) XY + AX + BY = (X + B)(Y + A) − AB

74 Exécution de l’algorithme. Soit une forme quadratique ou, plutôt, un polynôme 2-homogène
en n variables x1 , x2 , . . . , xn . On suppose n ≥ 2 sinon la décomposition est acquise. On distingue
deux cas :
i) q a au moins un terme carré, ie du type ax2i avec a 6= 0K ; dans ce cas, seule la primitive numéro
1 interviendra en début d’algorithme
 ii) q n’a que des termes non-carrés ie que des termes de la forme axi xj avec i 6= j. Dans ce cas,
seules les primitives numéros 2 et 3 interviendront en début d’algorithme.

75 1er cas : q a un terme carré. Par exemple, supposons que n = 3 et que

q(u) = 2xy + 4y 2 + 3z 2 + 2xz + 6yz

en posant u = (x, y, z). On observe que bien que q n’admette pas de terme carré en x, la forme
quadratique q admet, par exemple, un terme carré en y.
La première étape est d’abord de placer tous les termes de q contenant y « au début » et d’écrire
q sous la forme :
q(u) = ay 2 + yA + B
où A est une forme linéaire et B est un polynôme 2-homogènes en les variables x et z (toutes
sauf y) et a = 4. Ici, on obtient :

q(u) = 4y 2 + y(2x + 6z) + (3z 2 + 2xz).

Ensuite, par un procédé analogue à la recherche de la forme canonique d’un trinôme du second
degré, on factorise par a toute la partie de q(u) contenant y, ce qui donne
 
2 x + 3z
q(u) = 4 y + y + (3z 2 + 2xz)
2
Ensuite, on transforme l’expression mise en facteur
x + 3y
y2 + y
2
en appliquant la primitive numéro 1, ce qui donne ici :
 2  2
2 x + 3y 2 x + 3z x + 3z x + 3z
y +y = y + 2y = y+ −
2 4 4 4
d’où  2  2
x + 3z x + 3z
q(u) = 4 y + −4 + (3z 2 + 2xz).
4 4
On regroupe la forme quadratique contenant y et le reste qui est une forme quadratique utili-
sant seulement x et z. Ici, on obtient, tous calculs faits
 2
x + 3z 1 1 3
q(u) = 4 y + − x2 + xz + z 2 .
4 4 2 4
L’algorithme a mis en évidence le carré d’une forme linéaire, ici
x + 3z
ϕ1 (u) = y +
4
et une forme quadratique r sur deux variables x et z, plus précisément
1 1 3
r(x, z) = − x2 + xz + z 2
4 2 4
ϕ1 est la première des formes linéaires cherchées. Les autres seront obtenues en appliquant
l’algorithme à la forme quadratique r ayant strictement moins de variables que q.
76 2ème cas : q est sans terme carré. En fait on suppose en outre que q est non nulle, sinon
l’algorithme est terminé. Par exemple, supposons que n = 5 et que

q(u) = 2x2 x5 − 3x3 x4 − x1 x3 + 5x2 x3 + 3x2 x1 − 7x4 x5

en posant u = (x1 , x2 , x3 , x4 , x5 ). On choisit alors un terme, par exemple 2x2 x5 . Ce terme contient
les variables x2 et x5 .
On regroupe au début de q(u) tous les termes contenant x2 ou x5 , ce qui donne

q(u) = (2x2 x5 + 5x2 x3 + 3x2 x1 − 7x4 x5 ) + (−3x3 x4 − x1 x3 )

Posons Q1 = 2x2 x5 + 5x2 x3 + 3x2 x1 − 7x4 x5 et Q2 = −3x3 x4 − x1 x3 en sorte que q(u) =

Q1 + Q2 . La forme quadratique Q1 utilise les variables x2 et x5 . La forme quadratique Q2
n’utilise que des variables différentes de x2 et x5 .
On transforme Q1 pour pouvoir appliquer la primitive numéro 3 :

Q1 = 2x2 x5 + x2 (5x3 + 3x1 ) + x

5 (−7x4) 
5x3 + 3x1 −7x4
= 2 x2 x5 + x2 + x5
  2  2  
7 5x3 + 3x1 7 5x3 + 3x1
= 2 x2 − x4 x5 + − 2 − x4
2 2 2 2
5x3 +3x1 5x3 +3x1
Posons A = x2 − 72 x4 et B = x5 + et C = −2 − 27 x4



2 2
en sorte que Q1 =
2AB + C.
On transforme AB en appliquant la primitive numéro 2 :
1 1
AB = (A + B)2 − (A − B)2
4 4
en sorte que
1 1
Q1 = (A + B)2 − (A − B)2 + C
2 2
Ainsi,
1 1
q(u) = (A + B)2 − (A − B)2 + C + Q2
2 2
L’algorithme a mis en évidence la combinaison linéaire de carrés des formes linéaires A + B
et A − B qui sont indépendantes et une forme quadratique r = C + Q2 sur trois variables
x1 , x3 et x4 .

Les formes linéaires A + B et A − B sont les deux premières formes linéaires cherchées. Les
autres seront obtenues en appliquant l’algorithme à la forme quadratique r ayant strictement
moins de variables que q.

7. Les formes quadratiques réelles

Dans tout ce paragraphe, E est un R-espace vectoriel . On se donne un couple de formes associées
q ∈ Q(E) et f ∈ L2 (E).
77 Rappel. Une forme quadratique q est dite définie (ou encore anisotrope) si 0E est son vecteur
isotrope, ie l’unique vecteur u ∈ E tel que q(u) = 0. La définition ci-dessous fait référence à ce
terme.

78 Définitions. Le vocabulaire qui suit s’applique autant à f qu’à q.

On dit que q est positive si : ∀x ∈ E, q(x) ≥ 0.
On dit que q est négative si : ∀x ∈ E, q(x) ≤ 0.
On dit que q est définie-positive si : ∀x ∈ E \ {0E } , q(x) > 0. Si q définie-positive, on
dit aussi que f est un produit scalaire sur E.
On dit que q est définie-négative si : ∀x ∈ E \ {0E } , q(x) < 0.

79 Précision. Le vocabulaire peut être trompeur : quand on dit qu’une forme bilinéaire symétrique
f est positive cela ne veut pas dire que

∀x, y ∈ E, f (x, y) ≥ 0

au contraire !

80 Exemple. La forme quadratique q sur R2 définie par q(x, y) = 2x2 est positive mais n’est pas
définie-positive puisque, par exemple, q(0, 1) = 0 et (0, 1) 6= (0, 0).

81 Exemple. La forme quadratique q sur R2 définie par q(x, y) = 2x2 − y 2 n’est ni positive ni
négative puisque q(1, 1) > 0 et q(0, 1) < 0.

82 Remarques.
Si q est définie-positive ou définie-négative alors q est anisotrope (son cône isotrope est réduit
à 0E ).
Si q est définie-positive alors q est positive.
Si q est positive alors −q est négative.
Si q est positive alors la restriction de q à tout sous-espace vectoriel F de E est une forme
quadratique positive sur F .
La restriction de q au sous-espace vectoriel {0E } est à la fois définie-positive et définie-
négative.

83 Caractérisation d’un produit scalaire. f est un produit scalaire sur E si et seulement si f

est positive non dégénérée.

84 Définition. On suppose E de dimension finie. On appelle signature de q le couple d’en-

tiers naturels ε(q) := (s, t) où s et t sont définis ci-dessous :
s = max({dim F ; q|F définie-positive})
t = max({dim G ; q|G définie-négative})

85 Théorème (loi d’inertie de Sylvester). Soit B = (e1 , . . . , en ) une base orthogonale de E. Soit
ε(q) := (s, t) la signature de q. Alors, s est le nombre de vecteurs v de B tel que q(v) > 0
et t est le nombre de vecteurs de B tel que q(v) < 0.

86 Corollaire. Soit ε(q) := (s, t) la signature de q. Alors,

 i) q est positive si et seulement si t = 0 ;
ii) q est négative si et seulement si s = 0 ;
iii) q est définie-positive si et seulement si t = 0 et s = n ;
iv) q est définie-négative si et seulement si t = n et s = 0 ;
v) q est non-dégénérée si et seulement si s + t = n ;

87 Loi d’inertie. C’est Sylvester lui-même qui, en 1852, qualifie le théorème ci-dessus de loi d’iner-
tie. Selon lui, cela exprime que, quelle que soit la base orthogonale, le nombre de termes strictement
positifs sur la diagonale est toujours le même, le nombre de termes strictement négatif aussi.

La signature est un invariant d’une forme quadratique réelle. Autrement dit, deux formes qua-
dratiques réelles de même signature ont exactement la même forme analytique dans des bases
adaptées. Ou encore, si deux formes quadratiques réelles q1 et q2 ont même signature, il est pos-
sible de trouver une base B 0 (pas forcément orthogonale) telle que l’expression analytique de q2
soit la même que celle de q1 dans une base donnée B de E.
 Exercices
Exercice 1
On pose E = R2 et on appelle C la base canonique de R2 . Soient les vecteurs de E suivants :

e1 = (5, −2), e2 = (1, −1).

On pose B = (e1 , e2 ).
1 Montrer que B est une base de E.
2 Déterminer la base duale de B en fonction des vecteurs de la base C ∗ de E ∗ .
3 On considère la forme linéaire h sur E définie par

h : (x, y) 7−→ h(x, y) = 3x − 2y.

a Quelles sont les coordonnées de h dans la base duale de C ?

b Quelles sont les coordonnées de h dans la base duale de B ?
4 On considère la forme linéaire g ∈ E ∗ de coordonnées (−4, 2) dans la base duale de B. Pour
(x, y) ∈ E, calculer g(x, y).
Exercice 2
On pose ici E = R2 . Soient les formes linéaires f1 et f2 définies par :

f1 (x, y) = 3x + 2y f2 (x, y) = x + y.

Vérifier que la famille F = (f1 , f2 ) est une base de E ∗ et trouver une base B de R2 dont la duale
soit F .
Exercice 3
Soient deux formes linéaires f et g non nulles sur un K-espace vectoriel E, pas forcément de
dimension finie. On suppose qu’elles ont même noyau. Montrer qu’elles sont proportionnelles
i.e. qu’il existe un scalaire k tel que g = kf .
Exercice 4
Montrer que l’application q définie sur R2 par

q(x, y) = x2 − y 2

est une forme quadratique et déterminer sa forme polaire.

Exercice 5
Soient E = R3 , B = (e1 , e2 , e3 ) sa base canonique. On considère la forme quadratique q définie
sur E par
∀(x, y, z) ∈ R3 , q(x, y, z) = x2 + 5y 2 + 5z 2 − 4xy − 4xz + 6yz.
1 Donner la matrice M de q dans la base B.
2 Expliciter dans B la forme polaire f de q.
3 Déterminer l’orthogonal du plan d’équation cartésienne y = z.
4 a Déterminer le rang de q puis le radical de q.
b La forme quadratique q est-elle dégénérée ?
5 Expliciter une base B 0 de E orthogonale au sens de q. Donner la matrice de q dans cette base.
On présentera deux méthodes :
a en utilisant la question 3 et la question 4a ;
 b en appliquant l’algorithme de Gauss.
6 Calculer la signature de q.
7 Expliciter un vecteur isotrope v de q tel que v 6= 0E .
Exercice 6
Soit l’espace vectoriel E = R3 usuel et soit C = (c1 , c2 , c3 ) la base canonique de R3 . Soit q la
forme quadratique sur E de matrice suivante A dans la base canonique C :
 
2 2 2
A= 2 5 −1 
2 −1 5

1 Pour v = (x, y, z) ∈ E, expliciter q(v).

2 a Montrer que q est dégénérée.
b Déterminer une base du noyau N de la forme quadratique q.
3 a Déterminer par la méthode de Gauss une décomposition de q(x, y, z) en combinaison
linéaire de carrés de formes linéaires indépendantes.
b En déduire une base F de E orthogonale pour q et donner la matrice de q dans F.
4 Cette question est indépendante de la précédente.
Soit u = (1, 0, 1).
a Soit F = u⊥ . Donner, sans calcul, un vecteur non nul de F .
b Déterminer une équation cartésienne de F et vérifier la cohérence de votre réponse et
celle de la question a).
c En déduire, en justifiant, une base B de E orthogonale pour q (on utilisera la question
2b).
5 Vous pourrez utiliser pour la suite la base orthogonale B = (u, (1, −4, 0), (2, −1, −1)), cf.
 −1  
1 1 2 4 1 7
1 
question précédente, et que  0 −4 −1  = −1 −3 1 .
11
1 0 −1 4 1 −4
a Ecrire la matrice B de q dans la base B.
b Donner la signature de q.
c Ecrire une égalité matricielle portant sur A et B traduisant que ce sont des matrices
représentant q.
d Déduire des questions précédentes une décomposition de q(x, y, z) en combinaison li-
néaire de carrés de formes linéaires indépendantes et vérifiez en comparant avec la ré-
ponse à la question 1.
6 Cette question est indépendante des précédentes.
a Réduire la matrice A dans le groupe orthogonal, autrement dit trouver une matrice or-
thogonale P telle que P −1 AP = D soit diagonale (et à déterminer).
b En déduire une décomposition de q(x, y, z) en combinaison linéaire de carrés de formes
linéaires indépendantes. On justifiera le lien avec la question a).
c Retrouver la signature de q.

Exercice 7
Soient E = R2 [X] et q l’application de E dans R définie par q(P ) = P (0)P (1).
1 a Montrer que q est une forme quadratique sur E.
 b Déterminer la matrice de q dans la base canonique de E.
c La forme q est-elle positive, négative ?
2 Soit P := X 2 + X + 1 et V =vect(P ). Déterminer V ⊥ et V ⊥⊥ .
3 Déterminer le rang de q puis son radical.
4 Déterminer le cône isotrope C(q) de q et constuire une base de E formée de vecteurs iso-
tropes. C(q) est-il un sous-espace vectoriel de E ?
5 Déterminer une base (P0 , P1 , P2 ) de E telle que q(a0 P0 + a1 P1 + a2 P2 ) = a20 − a21 et donner
la signature de q.
Exercice 8
Soit K un corps parmi R ou C. Soit E un K-espace vectoriel non réduit à 0E et soit q une forme
quadratique sur E.
1 Montrer que q n’est pas injective.
2 On suppose K = C. Montrer que si q est non nulle alors q est surjective.
3 On suppose K = R et E de dimension finie. Montrer que q est surjective si et seulement si
q est de signature (s, t) avec st 6= 0.
Exercice 9

−5 5
 11 
1 Diagonaliser A = −5 3 −3 dans le groupe orthogonal.
5 −3 3

2 Soit q la forme quadratique de R3 de matrice A dans la base canonique de R3 . Utiliser la

question précédente pour trouver une base q-orthogonale, déterminer la signature de q et
une décomposition de q en combinaison linéaire de carrés de formes linéaires indépendantes.
Exercice 10
Déterminer la signature de la forme quadratique
q : (x, y, z) ∈ R3 7→ (2x + y − z)2 − (3x − y + 2z)2 + (5y − 7z)2 .
Trouver une base orthogonale de R3 .
Exercice 11
Décomposer en carrés la forme quadratique q définie sur R3 par q(x, y, z) = xy+zt−yz−xt+xz.
Exercice 12
Soit q une forme quadratique sur un C-ev de dimension n. On suppose que q est de rang r.Montrer

Ir O
qu’il existe une base B de E telle que la matrice de q dans B soit la matrice par blocs
O O
où Ir désigne la matrice-identité d’ordre r.
Exercice 13
Soit q une forme quadratique non dégénérée sur un R-espace vectoriel E de dimension 4. On
suppose qu’il existe une partie L de E égale à son orthogonal pour q.
1 Montrer que L est un plan vectoriel et que q est non définie.
2 Soit (e1 , e2 ) une base de L. On pose H1 =vect(e1 )⊥ et H2 =vect(e2 )⊥ .
a Montrer qu’il existe e3 , e4 ∈ E tels que (e1 , e2 , e3 ) soit une base de H1 et (e1 , e2 , e4 ) une
base de H2 .
b Montrer que B = (e1, e2 , e3 , e4 ) est une base de E (indication : supposer que e4 ∈ H1 ,
en déduire que H1 = H2 puis obtenir une contradiction).
c Déterminer la matrice M de q dans la base B. Montrer que det(M ) > 0 et en déduire la
signature de q.
 Exercice 14
Soit q ∈ Q(E) où E est un K-espace vectoriel de dimension finie et soit M sa matrice dans une
base donnée B. Soit F un sous-espace de E et soit r la restriction de q à F
1 Montrer que la forme polaire de r est l’application g : (x, y) ∈ F × F 7→ f (x, y) ∈ K où f
est la forme polaire de q.
2 Soit F une base de F et soit P la matrice dont les vecteurs-colonnes sont les coordonnées
des vecteurs de F dans B. Montrer que la matrice N de r dans F est tP M P .
Exercice 15
Soit la forme quadratique réelle q définie par

q(x, y) = rx2 + 2sxy + ty 2

1 Quelle est la matrice M de q dans la base canonique ?

2 Trouver une CNS en fonction de r, s et t ainsi qu’en fonction de det(M ) et tr(M ) pour
chacune des situations suivantes :
— la forme q est positive non dégénérée ;
— la forme q est négative non dégénérée ;
— la forme q n’est ni positive ni négative.
Exercice 16
Décomposer en carrés la forme quadratique q définie sur C3 par :

q(x, y, z) = (1 − i) x2 + 2 (1 − i) y 2 + (i + 1) z 2 + 4 (1 − i) xy + 4 xz + 4 yz