Algèbre bilinéaire, espaces euclidiens

Fabien Priziac

Licence 3 Spécialité Mathématiques, année universitaire 2021-2022

2
Table des matières

1 Réduction des endomorphismes 7

1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 Valeurs propres et espaces propres . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Polynôme caractéristique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Diagonalisabilité et diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.5 Trigonalisabilité et trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6 Polynômes d’endomorphismes et polynômes annulateurs . . . . . . . . . . . . . 14
1.7 Polynôme minimal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.8 Réduction de Jordan des endomorphismes trigonalisables . . . . . . . . . . . . 25
1.8.1 Réduction suivant les sous-espaces caractéristiques . . . . . . . . . . . . 28
1.8.2 Réduction de Jordan des endomorphismes nilpotents . . . . . . . . . . . 32
1.8.3 Preuve de la réductibilité sous forme de Jordan des endomorphismes
trigonalisables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.8.4 Description matricielle de la méthode de réduction sous forme de Jordan 43
1.9 Décomposition de Dunford des endomorphismes trigonalisables . . . . . . . . . 49

2 Espaces euclidiens 55
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
2.2 Produit scalaire sur un espace vectoriel réel . . . . . . . . . . . . . . . . . . . . 55
2.3 Orthogonalité dans les espaces euclidiens . . . . . . . . . . . . . . . . . . . . . . 59
2.4 Orthogonal d’un sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . 63
2.5 Représentation matricielle du produit scalaire . . . . . . . . . . . . . . . . . . . 66
2.6 Endomorphismes orthogonaux et matrices orthogonales . . . . . . . . . . . . . 69
2.7 Décomposition QR d’une matrice inversible . . . . . . . . . . . . . . . . . . . . 74
2.8 Endomorphismes symétriques et matrices symétriques . . . . . . . . . . . . . . 76
2.9 Réduction des endomorphismes et matrices orthogonaux . . . . . . . . . . . . . 80

3 Espaces hermitiens 87
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
3.2 Produit scalaire hermitien sur un espace vectoriel complexe . . . . . . . . . . . 87
3.3 Orthogonalité dans les espaces hermitiens . . . . . . . . . . . . . . . . . . . . . 92
3.4 Représentation matricielle du produit scalaire hermitien . . . . . . . . . . . . . 94
3.5 Endomorphismes unitaires et matrices unitaires . . . . . . . . . . . . . . . . . . 96

3
4 TABLE DES MATIÈRES

3.6 Décomposition QR d’une matrice à coefficients complexes inversible . . . . . . 98

3.7 Endomorphismes hermitiens et matrices hermitiennes . . . . . . . . . . . . . . 99
3.8 Diagonalisabilité des endomorphismes et matrices unitaires . . . . . . . . . . . 102

4 Espaces préhilbertiens et espaces hilbertiens 105

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
4.2 Espaces préhilbertiens réels et complexes . . . . . . . . . . . . . . . . . . . . . . 105
4.3 Orthogonalité dans les espaces préhilbertiens . . . . . . . . . . . . . . . . . . . 108
4.4 Familles totales et bases hilbertiennes . . . . . . . . . . . . . . . . . . . . . . . 111
4.5 Espaces hilbertiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115

5 Formes bilinéaires et formes quadratiques 117

5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
5.2 Formes bilinéaires et formes bilinéaires symétriques . . . . . . . . . . . . . . . . 117
5.3 Formes quadratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122
5.4 Orthogonalité et isotropie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
5.5 Bases orthogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
5.6 Réduction de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 134
5.7 Signature d’une forme quadratique réelle . . . . . . . . . . . . . . . . . . . . . . 142

6 Annexe : Dualité linéaire 145

6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
6.2 Formes linéaires sur un espace vectoriel et espace dual . . . . . . . . . . . . . . 145
6.3 Base duale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
6.4 Aspects matriciels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
6.5 Annulateur d’un sous-espace vectoriel et correspondance duale . . . . . . . . . 153
6.6 Application transposée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
6.7 Bidual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 158
Index des notations

Ci-dessous, K désigne un corps commutatif quelconque. E et F désignent deux espaces vec-

toriels sur K. f désigne une application linéaire de E dans F et g désigne un endomorphisme
de E. v, v1 , . . . , vk désignent des vecteurs de E. B, B 1 désignent deux bases de E. A désigne une
matrice à coefficients dans K. C désigne une base de F . n et p désignent des entiers naturels
non nuls. i et j désignent deux nombres de l’ensemble t1, . . . , nu. M désigne une matrice carrée
de taille n. P désigne un polynôme de KrXs. S désigne un sous-ensemble quelconque de E.

• LpE, F q : espace vectoriel sur K des applications linéaires de E dans F .

• Ker f : noyau de f (il s’agit d’un sous-espace vectoriel de E).
• Im f : image de f (il s’agit d’un sous-espace vectoriel de F ).
• dimpEq : dimension de E sur K si E est de dimension finie.
• Vecttv1 , . . . , vk u : sous-espace vectoriel de E engendré par v1 , . . . , vk .
• MatB pvq : vecteur colonne (matrice colonne) des coordonnées du vecteur v dans la base
B.
• tA : transposée de la matrice A.
• IdE : application identité de E.
• MatB,C pf q : matrice représentative de f dans les bases B de E et C de F .
• MatB pgq : matrice représentative de l’endomorphisme g dans la base B de E.
• PBÑB1 : matrice de passage de la base B à la base B 1 (il s’agit de la matrice MatB1 ,B pIdE q).
• Mn,p pKq : espace vectoriel des matrices à n lignes et p colonnes et à coefficients dans K.
• Mn pKq : espace vectoriel des matrices carrées à n lignes et n colonnes et à coefficients
dans K.
• GLn pKq : groupe des matrices carrées inversibles de Mn pKq.
• Kn rXs : espace vectoriel sur K des polynômes en une indéterminée à coefficients dans K
et de degré au plus n.

5
6 TABLE DES MATIÈRES

• degpP q : degré du polynôme P .

• TrpM q : trace de la matrice M i.e. la somme des coefficients diagonaux de M .

• In : matrice identité de taille n.

• 0n : matrice nulle (i.e. avec uniquement des coefficients nuls) de Mn pKq.

• 0n,p : matrice à n lignes et p colonnes avec uniquement des coefficients nuls.

• VectpSq : sous-espace vectoriel de E engendré par les vecteurs de E contenus dans S.

• LpEq : espace vectoriel sur K des endomorphismes de E (LpEq “ LpE, Eq).

• rgpAq : rang de la matrice A.

• rg pf q : rang de l’application linéaire f .

• detpM q : déterminant de la matrice M .

• det pgq : déterminant de l’endomorphisme g.

• Ei j : matrice de Mn pKq avec un coefficient 1 sur la ligne i et la colonne j, et des coefficients

nuls partout ailleurs.
Chapitre 1

Rappels et compléments sur la

réduction des endomorphismes

1.1 Introduction
On donne dans ce chapitre des rappels et des compléments sur la théorie de réduction
des endomorphismes, c’est-à-dire l’étude des bases dans lesquelles un endomorphisme donné
possède la représentation matricielle la plus “simple” possible (la plus “réduite” possible).
On étudiera notamment les critères nécessaires et suffisants classiques de diagonalisabilité,
directs (via la recherche des espaces propres) ou utilisant la notion de polynôme d’endomor-
phisme. On étudiera également la trigonalisation et la réduction la plus aboutie des endo-
morphismes trigonalisables, à savoir la réduction de Jordan pour laquelle nous donnerons une
méthode systématique de réduction. Nous énoncerons enfin le théorème de décomposition de
Dunford d’un endomorphisme ou d’une matrice trigonalisable, utile notamment pour exprimer
les puissances successives d’une matrice trigonalisable.
La première partie de ce chapitre étant constituée de rappels, les assertions seront la plupart
du temps données sans preuve (on renvoie au cours de l’année passée pour les démonstrations).
Nous les illustrerons cependant, ainsi que les méthodes, par des exemples. Dans la seconde
partie du chapitre où l’on abordera des notions a priori nouvelles, quasiment toutes les preuves
seront présentées ; seules resteront sous silence la preuve de l’unicité de la forme de Jordan d’un
endomorphisme trigonalisable et la preuve de l’unicité de la décomposition de Dunford d’une
matrice trigonalisable.
Tout au long de ce chapitre, K désigne un corps commutatif quelconque et E désigne un
espace vectoriel sur K de dimension finie.

1.2 Valeurs propres et espaces propres

Soit f un endomorphisme de E.

Définition 1.2.1. Soit λ P K. On dit que λ est une valeur propre de f s’il existe un vecteur
non nul v de E tel que f pvq “ λv ô pf ´ λIdE q pvq “ 0E , autrement dit si l’endomorphisme

7
8 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

f ´ λIdE n’est pas injectif.

Si λ P K est une valeur propre de f , on note Eλ :“ Ker pf ´ λIdE q : il s’agit d’un sous-
espace vectoriel de E que l’on appelle sous-espace propre de f associé à la valeur propre λ et
tout vecteur non nul de Eλ est appelé vecteur propre de f associé à la valeur propre λ. On dira
qu’un vecteur v de E est un vecteur propre de f s’il existe une valeur propre λ P K de f telle
que v est un vecteur propre de f associé à λ.
Exemple 1.2.2. 2 est une valeur propre de l’endomorphisme
R2 Ñ R2
f:
px, yq ÞÑ px ` 2y, ´x ` 4yq
car, par exemple, f p2, 1q “ p4, 2q “ 2p2, 1q, et on a
E2 “ Ker pf ´ 2 IdR2 q “ px, yq P R2 | x “ 2y .
␣ (

Soit n P Nzt0u et soit A une matrice carrée de Mn pKq. On peut, de façon analogue, définir
une notion de valeur propre, d’espace propre et de vecteur propre pour A : un scalaire λ P K est
une valeur propre de A s’il existe un vecteur colonne non nul V de Mn,1 pKq tel que AV “ λV ,
autrement dit si le sous-espace vectoriel Eλ :“ Ker pA ´ λIn q de Mn,1 pKq n’est pas réduit au
vecteur colonne nul, et, dans ce cas, Eλ est appelé sous-espace propre de A associé à la valeur propre λ
et tout vecteur colonne non nul de Eλ est appelé vecteur propre de A associé à la valeur propre λ.
Remarque 1.2.3. Supposons que dimpEq “ n et soit B une base de E. Soient λ P K et v P E.
Si A “ MatB pf q, alors λ est une valeur propre de f ssi λ est une valeur propre de A et, dans
ce cas, v est un vecteur propre de f associé à λ ssi MatB pvq est un vecteur propre de A associé
à λ.
Définition 1.2.4. L’ensemble des valeurs propres de f , resp. A, dans K est appelé spectre de f ,
resp. spectre de A, et noté Sppf q, resp. SppAq.

1.3 Polynôme caractéristique

Soient f P LpEq et λ P K.
Proposition 1.3.1. λ est une valeur propre de f ssi det pf ´ λIdE q “ 0.
On note χf le polynôme
det pf ´ XIdE q P KrXs,
appelé polynôme caractéristique de f . Ainsi, λ P Sppf q ssi λ est une racine (dans K) de χpf q.
Exemple 1.3.2. Reprenons l’endomorphisme f de l’exemple 1.2.2. La matrice représentative de
f dans la base canonique de R2 est ˆ ˙
1 2
´1 4
et donc
ˆˆ ˙ ˙ ˆ ˙
1 2 1´X 2
χf “ det pf ´ XIdE q “ det ´ XI2 “ det “ p3 ´ Xqp2 ´ Xq
´1 4 ´1 4´X
d’où Sppf q “ t2; 3u.
1.4. DIAGONALISABILITÉ ET DIAGONALISATION 9

Soit A P Mn pKq, on définit de façon analogue le polynôme caractéristique χA :“ det pA ´ XIn q P

KrXs de A, et le spectre de A est alors l’ensemble des racines de χA dans K.
Remarque 1.3.3. Attention au corps de base : si l’on considère par exemple la matrice
ˆ ˙
0 1
A :“ ,
´1 0
on a ˆ ˙
´X 1
χA “ det “ X 2 ` 1.
´1 ´X
Ainsi, si A est considérée comme une matrice de Mn pCq, on a SppAq “ SpC pAq “ t´i; iu, et si
A est considérée comme une matrice de Mn pRq, on a SppAq “ SpR pAq “ H.

Proposition 1.3.4. On a

χA “ p´1qn X n ` p´1qn´1 TrpAqX n´1 ` ¨ ¨ ¨ ` detpAq.

En particulier, le polynôme caractéristique de A est de degré n et A possède donc au plus n

valeurs propres distinctes.

Corollaire 1.3.5. Si n “ dimpEq, le polynôme χf P KrXs est de degré n et f possède au plus

n valeurs propres distinctes.

Remarque 1.3.6. D’après le théorème de d’Alembert-Gauss, tout polynôme de CrXs est scindé.
Ainsi, tout endomorphisme sur C, resp. toute matrice de Mn pCq, admet au moins une valeur
propre.

1.4 Diagonalisabilité et diagonalisation

Soit f P LpEq. On note n :“ dimpEq.
La forme la plus “simple” que peut avoir une matrice carrée est la forme diagonale. Nous
allons rappeler dans cette section des conditions sous lesquelles f possède une matrice repré-
sentative diagonale (diagonalisabilité). Dans ce cas, on cherchera à déterminer une base de E
dans laquelle la matrice représentative de f est diagonale (diagonalisation).
On commence par donner la définition précise de la diagonalisabilité de f :

Définition 1.4.1. On dit que l’endomorphisme f est diagonalisable s’il existe une base B de
E et des scalaires λ1 , . . . , λn P K tels que
¨ ˛
λ1 0
MatB pf q “ ˝
˚ .. ‹
. ‚
0 λn

Remarquons que f est donc diagonalisable si et seulement s’il existe une base de E formée
de vecteurs propres de f . Mais on peut énoncer une caractérisation plus utile en pratique. Pour
cela, commençons par énoncer le fait suivant :
10 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

Proposition 1.4.2. Soient λ1 , . . . , λk , k P Nzt0u, des valeurs propres deux à deux distinctes
de f . Alors les sous-espaces propres Eλ1 , . . . , Eλk correspondants sont en somme directe.
En conséquence, si λ1 , . . . , λp , p P t0, . . . , nu, désignent les valeurs propres deux à deux
distinctes de f :
p
ÿ
Théorème 1.4.3. f est diagonalisable ssi Eλ1 ‘ ¨ ¨ ¨ ‘ Eλn “ E ssi dim pEλi q “ dimpEq.
i“1

Exemple 1.4.4. Reprenons l’endomorphisme f des

( exemples 1.2.2 et 1.3.2. On avait déterminé
que Sppf q “ t2; 3u et E2 “ px, yq P R2 | x “ 2y “ Vecttp2, 1qu. Enfin,
␣

E3 “ Ker pf ´ 3 IdR2 q “ px, yq P R2 | x “ y “ Vecttp1, 1qu.

␣ (

Ainsi, dim pE1 q ` dim pE2 q “ 2 “ dim R2 et f est donc diagonalisable. De plus, la famille
` ˘

B :“ tp2, 1q, p1, 1qu est une base de E formée de vecteurs propres de f et on a
ˆ ˙
2 0
MatB pf q “
0 3

(on dit qu’on a diagonalisé f ).

Remarque 1.4.5. Diagonaliser un endomorphisme diagonalisable f de E, c’est déterminer une
base B de E dans laquelle la matrice représentative de f est diagonale et exprimer MatB pf q.
On peut également exprimer la condition sur les dimensions du théorème 1.4.3 à l’aide du
polynôme caractéristique et plus particulièrement à l’aide des multiplicités des valeurs propres
en tant que racines du polynôme caractéristique :
Définition 1.4.6. Soit λ P K une valeur propre de f . On note mλ la multiplicité de λ en tant
que racine du polynôme χf P KrXs.
On peut tout de suite remarquer que, si λ1 , . . . , λp désignent les valeurs propres de f , alors
la somme mλ1 ` ¨ ¨ ¨ ` mλp est inférieure ou égale à deg pχf q “ n “ dimpEq, et qu’il y a égalité
ssi χf est scindé sur K. De plus :
Proposition 1.4.7. Si λ P Sppf q, alors

1 ď dim pEλ q ď mλ .

Ainsi :
Théorème 1.4.8. f est diagonalisable ssi χf est scindé et, pour tout λ P Sppf q, dim pEλ q “
mλ .
Exemple 1.4.9. Si f admet n “ dimpEq valeurs propres deux à deux distinctes, alors f est
diagonalisable.
La diagonalisation d’un endomorphisme correspond à un changement de base vers une base
dans laquelle la matrice représentative de l’endomorphisme considéré est diagonale. L’analogue
matriciel du changement de base est l’opération de “conjugaison” par une matrice inversible.
Soit A une matrice de Mn pKq.
1.4. DIAGONALISABILITÉ ET DIAGONALISATION 11

Définition 1.4.10. On dit que A est diagonalisable s’il existe une matrice inversible P P
GLn pKq et une matrice diagonale D de Mn pKq telles que
P ´1 AP “ D.
Remarque 1.4.11. Si B P Mn pKq, on dit que A est semblable à B s’il existe une matrice inver-
sible P P GLn pKq telle que P ´1 AP “ B (la relation de similitude sur Mn pKq est une relation
d’équivalence).
Ainsi, A est diagonalisable ssi A est semblable à une matrice diagonale.
Les résultats de diagonalisabilité d’un endomorphisme énoncés ci-dessus ont leurs analogues
matriciels, à savoir :
Théorème 1.4.12. Soient λ1 , . . . , λp , p P t0, . . . , nu, les valeurs propres deux à deux dis-
tinctes de A et, pour i P t1, . . . , pu, notons mλi la multiplicité de λi en tant que racine de χA .
ÿp
Alors A est diagonalisable ssi dim pEλi q “ n ssi (χA est scindé et, pour tout i P t1, . . . , pu,
i“1
dim pEλi q “ mλi ).
Remarque 1.4.13. • Diagonaliser une matrice diagonalisable A de Mn pKq, c’est déterminer
une matrice inversible P P GLn pKq telle que la matrice P ´1 AP soit diagonale et exprimer
P ´1 AP .
• Diagonaliser une matrice diagonalisable permet entre autres choses de calculer ses puis-
sances, comme présenté dans l’exemple ci-dessous.
Exemple 1.4.14. On considère la matrice
ˆ ˙
1 ´1
A :“
2 4
de M2 pRq. Son polynôme caractéristique χA “ pX ´ 2qpX ´ 3q est scindé à racines simples donc
A est diagonalisable. "ˆ ˙* "ˆ ˙*
1 1
Une base de E2 est , une base de E3 est et on pose
´1 ´2
ˆ ˙
1 1
P :“ .
´1 ´2
On a alors ˆ ˙
2 0
“ P ´1 AP
0 3
ˆ ˙
2 0
donc A “ P P ´1 et, par associativité du produit matriciel, pour k P Nzt0u, Ak “
0 3
ˆ k ˙
2 0
P P ´1 .
0 3k
ˆ ˙
2 1
Or P ´1 “ donc
´1 ´1
ˆ k`1
´ 3k 2k ` 3k
˙
k 2
A “ .
´2k`1 ` 2 ¨ 3k ´2k ´ 2 ¨ 3k
12 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

1.5 Trigonalisabilité et trigonalisation

Soit f P LpEq.
Si f n’est pas diagonalisable, on peut chercher à déterminer si f peut être réduit sous forme
triangulaire :
Définition 1.5.1. On dit que l’endomorphisme f est trigonalisable (on dit aussi triangularisable)
s’il existe une base B de E telle que MatB pf q est triangulaire (supérieure ou inférieure).
De manière analogue, on dira qu’une matrice A de Mn pKq est trigonalisable si A est sem-
blable à une matrice triangulaire.
Remarque 1.5.2. • Si T est une matrice triangulaire représentant f , les coefficients de la
diagonale de T sont les valeurs propres de f , apparaissant suivant leurs multiplicités dans
χf .
• Un endomorphisme diagonalisable est en particulier trigonalisable.
On donne dès à présent une condition nécessaire et suffisante de trigonalisabilité d’un en-
domorphisme :
Théorème 1.5.3. L’endomorphisme f est trigonalisable si et seulement si son polynôme ca-
ractéristique χf est scindé sur K.
Corollaire 1.5.4. Tout endomorphisme d’un C-espace vectoriel est trigonalisable.
Toute matrice de Mn pCq est semblable à une matrice triangulaire.
Exemple 1.5.5. Considérons la matrice
¨ ˛
3 ´1 1
A “ ˝2 0 1‚
1 ´1 2
de M3 pRq. Son polynôme caractéristique est χA “ ´pX ´ 1qpX ´ 2q2 et est donc scindé sur
R. La matrice A est donc trigonalisable d’après le théorème ci-dessus. Cherchons une matrice
triangulaire T de M2 pRq semblable à A. ¨ ˛
2 ´1 1
Commençons par déterminer les espaces propres de A. On a A ´ I3 “ ˝2 ´1 1‚ donc
1 ´1 1
$¨ ˛ , $ ¨ ˛,
& x & 0 .
#
2x ´ y ` z “ 0.
E1 “ ˝ y P M3 pRq |
‚ “ Vect ˝1‚
%
z x ´ y ` z “ 0 - %
1
-
¨ ˛
1 ´1 1
et A ´ 2I3 “ ˝2 ´2 1‚ donc
1 ´1 0
$¨ ˛ , $¨ ˛,
& x & 1 .
#
x´y`z “ 0.
E2 “ ˝y ‚ P M3 pRq | “ Vect ˝1‚
%
z x´y “ 0- %
0
-
1.5. TRIGONALISABILITÉ ET TRIGONALISATION 13

(remarquons ici que dim pE2 q ă m2 donc A n’est $

pas
¨ diagonalisable).
˛ ¨ ˛,
& 0 1 .
Si on complétait maintenant la famille libre ˝1‚, ˝1‚ de M3,1 pRq ainsi obtenue en
1 0
% -
une base, i.e. de façon à ce que la matrice
¨ ˛
0 1 ‹
P :“ ˝1 1 ‹‚
1 0 ‹

soit inversible, on aurait alors ¨ ˛

1 0 ‹
P ´1 AP “ ˝0 2 ‹‚
0 0 2
(deux matrices semblables ont les mêmes ¨ polynômes
˛ caractéristiques).
¨ ˛
0 1
Ainsi, dans ce cas, si on note V1 :“ 1 et V2 :“ 1‚, n’importe quel vecteur colonne V3
˝ ‚ ˝
1 0
¨ ˛
1
de M3,1 pRq n’appartenant pas à VecttV1 , V2 u convient. On choisit, par exemple, V3 :“ ˝0‚, on
0
pose alors
¨ ˛
0 1 1
P :“ ˝1 1 0‚
1 0 0
qui est bien une matrice inversible et on a
¨ ˛
1 0 1
P ´1 AP “ ˝0 2 1‚
0 0 2
¨ ˛ ¨ ˛
1 0 1 1
Remarque 1.5.6. Si on avait posé V3 :“ ˝1‚ et P :“ ˝1 1 1‚, on aura eu P ´1 AP “
1 1 0 1
¨ ˛
1 0 0
˝0 2 1‚. En particulier, on peut trigonaliser A de plusieurs façons.
0 0 2
Remarque 1.5.7. 1. Trigonaliser un endomorphisme trigonalisable f de E, c’est déterminer
une base B de E dans laquelle la matrice représentative de f est triangulaire et exprimer
MatB pf q.

2. Trigonaliser une matrice trigonalisable A de Mn pKq, c’est déterminer une matrice inver-
sible P P GLn pKq telle que la matrice P ´1 AP soit triangulaire et exprimer P ´1 AP .
14 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

Si l’endomorphisme f est trigonalisable, il existe une trigonalisation plus “simple” que les
autres : la réduction sous forme de Jordan. Celle-ci fera l’objet d’une section ultérieure de
ce chapitre et donnera lieu à une procédure algorithmique de trigonalisation. Cette méthode
repose notamment sur la notion de polynôme d’endomorphisme que nous allons introduire dans
la section suivante.

1.6 Polynômes d’endomorphismes et polynômes annulateurs

Nous allons pouvoir exprimer de nouvelles conditions nécessaires et suffisantes de réducti-
bilité des endomorphismes grâce à la notion de polynôme d’endomorphisme :

Définition 1.6.1. Soient P “ aN X N ` aN ´1 X N ´1 ` ¨ ¨ ¨ ` a1 X ` a0 P KrXs et f P LpEq. On

note
P pf q :“ aN f N ` aN ´1 f N ´1 ` ¨ ¨ ¨ ` a1 f ` a0 IdE P LpEq
(où, pour k P t0, . . . , N u, f k désigne la composée k ème de l’endomorphisme f avec lui-même).
Un endomorphisme de E de cette forme est appelé polynôme d’endomorphisme.

Exemple 1.6.2. Si f P LpEq et si P est le polynôme 3X `2 de RrXs, on a P pf q “ p3X `2qpf q “

3f ` 2IdE .
On peut définir de façon analogue la notion de polynôme de matrice : si l’on reprend les
notations de la définition ci-dessus et si A est une matrice de Mn pKq, on définit

P pAq :“ aN AN ` aN ´1 AN ´1 ` ¨ ¨ ¨ ` a1 A ` a0 In P Mn pKq,

où, pour k P t0, . . . , N u, Ak désigne la puissance k ème de A.

Exemple 1.6.3. Considérons la matrice
ˆ ˙
1 2
A :“
´1 4

de M2 pRq et le polynôme P :“ ´X 2 ` X ´ 4 de RrXs. On a

ˆ ˙ ˆ ˙ ˆ ˙ ˆ ˙
` 2
˘ 2 ´1 10 1 2 1 0 ´2 ´8
P pAq “ ´X ` X ´ 4 pAq “ ´A `A´4I2 “ ´ ` ´4 “ .
´5 14 ´1 4 0 1 4 ´14

Remarque 1.6.4. Si E est de dimension finie n, si B est une base de E et si f P LpEq, alors,
pour tout polynôme P P KrXs,

MatB pP pf qq “ P pMatB pf qq .

Nous allons à présent établir les propriétés de base des polynômes d’endomorphismes. Tous
les énoncés et notions présentés ci-après sur les polynômes d’endomorphismes ont leurs ana-
logues immédiats pour les polynômes de matrices.
Soit f P LpEq.
1.6. POLYNÔMES D’ENDOMORPHISMES ET POLYNÔMES ANNULATEURS 15

Proposition 1.6.5. Pour tous polynômes P, Q P KrXs et tous scalaires λ, µ P K, on a

pλP ` µQq pf q “ λP pf q ` µQpf q

et
pP Qqpf q “ P pf q ˝ Qpf q.
N
ÿ N
ÿ
Démonstration. Notons N :“ max pdegpP q, degpQqq et écrivons P “ ai X i et Q “ bj X j .
i“0 j“0
On a
˜ ¸
N
ÿ
pλP ` µQq pf q “ pλai ` µbi qX i pf q
i“0
N
ÿ
“ pλai ` µbi qf i
i“0
˜ ¸ ˜ ¸
N
ÿ N
ÿ
“ λ ai f i `µ bj f j
i“0 j“0
“ λP pf q ` µQpf q

et
˜ ¸ ˜ ¸
N
ÿ N
ÿ
i j
P pf q ˝ Qpf q “ ai f ˝ bj f
i“0 j“0
N ÿ
ÿ N
“ ai bj f i ˝ f j ă(f est une application linéaire)
i“0 j“0
ÿ
“ ai bj f i`j
0ďi,jďN
¨ ˛
2N
ÿ ÿ
“ ˝ ai bj f k ‚
k“0 i`j“k
¨ ˛
2N
ÿ ÿ
“ ˝ ai bj ‚f k
k“0 i`j“k
¨ ¨ ˛ ˛
2N
ÿ ÿ
“ ˝ ˝ ai bj ‚X k ‚pf q
k“0 i`j“k

“ pP Qqpf q.
16 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

Exemple 1.6.6. Considérons la matrice

ˆ ˙
1 0
A :“
´1 0
de M2 pRq et le polynôme P :“ XpX ´ 1q de RrXs. On a
ˆ ˙ˆ ˙ ˆ ˙
1 0 0 0 0 0
P pAq “ ApA ´ I2 q “ “ .
´1 0 ´1 ´1 0 0
Remarque 1.6.7. • Si P, Q P KrXs, P pf q ˝ Qpf q “ pP Qqpf q “ pQP qpf q “ Qpf q ˝ P pf q.
• Une autre façon d’exprimer la proposition 1.6.5 est de dire que l’application
KrXs Ñ LpEq
P ÞÑ P pf q
est un morphisme de K-algèbres.
Introduisons ensuite la notion de polynôme annulateur d’un endomorphisme. Soit P P KrXs.
Définition 1.6.8. On dit que P est un polynôme annulateur de f (ou que le polynôme P
annule l’endomorphisme f ) si P pf q est l’endomorphisme identiquement nul 0LpEq de E.
Exemple 1.6.9. • Si l’on reprend les notations de l’exemple précédent
ˆ 1.6.6,
˙ le polynôme
1 0
P “ XpX ´ 1q est un polynôme annulateur de la matrice A “ .
´1 0

• Le polynôme X 2 ´ X annule f si et seulement si f est une projection. En effet,

f est une projection de E ssi f 2 “ f
ssi f 2 ´ f “ 0LpEq
ssi pX 2 ´ Xqpf q “ 0LpEq
ssi X 2 ´ X est un polynôme annulateur de f .

• Le polynôme X 2 ´ 1 annule f si et seulement si f est une symétrie. En effet,

f est une symétrie de E ssi f 2 “ IdE
ssi f 2 ´ IdE “ 0LpEq
ssi pX 2 ´ 1qpf q “ 0LpEq
ssi X 2 ´ 1 est un polynôme annulateur de f .
Remarque 1.6.10. Comme E est de dimension finie, tout endomorphisme de E admet un
polynôme annulateur non nul. En effet, si n désigne la dimension
! de E, le K-espace) vec-
2
toriel LpEq est de dimension finie égale à n et la famille IdE , f, f , . . . , f
2 2 n de vecteurs
2
de LpEq de cardinal n2 ` 1 est liée : il existe pa0 , . . . , an2 q P Kn `1 ztp0, . . . , 0qu tel que
n2
2
ÿ
n
a0 IdE `a1 f `. . .`an2 f “ 0LpEq et le polynôme non nul ai X i annule donc l’endomorphisme
i“0
f.
1.6. POLYNÔMES D’ENDOMORPHISMES ET POLYNÔMES ANNULATEURS 17

Un premier lien entre les polynômes annulateurs et la réduction des endomorphismes est
donné par la proposition suivante et son corollaire :
Proposition
` 1.6.11. ăSoit λ P Sppf q une valeur propre de f et soit v P Eλ . Alors, pour tout
P P KrXs, P pf q pvq “ P pλq ¨ v (où ¨ désigne ici le produit d’un vecteur de E par un scalaire
˘

de K).
Démonstration. On commence par montrer par récurrence que, pour tout k P N, f k pvq “ λk v.
La propriété est vraie au rang k “ 0 car f 0 pvq “ IdE pvq “ v “ λ0 v, et, si l’on suppose la
propriété vraie au rang k pour un entier k P N fixée, on a
´ ¯
f k`1 pvq “ f f k pvq
´ ¯
“ f λk v (par hypothèse de récurrence)
“ λk f pvq (car f est une application linéaire)
“ λk ¨ pλvqă(car v P Eλ )
“ λk`1 v.
N
ÿ
Soit maintenant P “ ak X k un polynôme de KrXs, on a
k“0
˜ ¸
N
ÿ
ak f k
` ˘
P pf q pvq “ pvq
k“0
N
ÿ
“ ak f k pvq
k“0
ÿN ´ ¯
“ ak ¨ λ k v
k“0
ÿN ´ ¯
“ ak λk ¨ v
k“0
˜ ¸
N
ÿ
k
“ ak λ ¨v
k“0
“ P pλq ¨ v.

Corollaire 1.6.12. ăSoit λ P Sp pf q. Si P est un polynôme annulateur de f , alors λ est une

racine de P .
Démonstration. Soit v un vecteur propre de f pour la valeur propre λ (en particulier, v est
différent du vecteur nul 0E de E). On a alors, par la proposition précédente 1.6.11,
` ˘
P pλq ¨ v “ P pf q pvq
“ 0LpEq pvq (P est un polynôme annulateur de f )
“ 0E .
18 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

Or v ‰ 0E donc, nécessairement, P pλq “ 0.

Exemple 1.6.13. • Reprenons la matrice A de l’exemple 1.6.6. Comme P “ XpX ´ 1q est

un polynôme annulateur de A, SppAq Ă t0; 1u.

• Si l’endomorphisme f vérifie f 3 “ f i.e. le polynôme X 3 ´ X “ XpX ´ 1qpX ` 1q annule

f , alors Sp pf q Ă t0; ´1; 1u.
Remarque 1.6.14. La réciproque du corollaire 1.6.12 est fausse : par exemple, le polynôme
XpX ´ 1q annule IdE bien que 0 ne soit pas une valeur propre de IdE .
On en vient à un premier critère, nécessaire et suffisant, de diagonalisabilité d’un endomor-
phisme mettant en jeu la notion de polynôme annulateur :

Théorème 1.6.15. L’endomorphisme f est diagonalisable si et seulement s’il existe un poly-

nôme annulateur de f dans KrXs qui soit scindé à racines simples.

Démonstration. Notons tout d’abord λ1 , . . . , λp , p P t0, . . . , nu les valeurs propres deux à deux
distinctes de f et, pour tout i P t1, . . . , pu, di :“ dim pEλi q.

Commençons par montrer l’implication directe : on suppose que f est diagonalisable. Il

existe donc une base B de E dans laquelle la matrice représentative de f est la matrice
¨ ˛
λ1 Id1 0
MatB pf q “ ˝
˚ .. ‚.
‹
.
0 λp Idp
p
ź
Notons A cette matrice. Si l’on pose P :“ pX ´ λi q P KrXs, P est un polynôme scindé
i“1
à racines simples de KrXs et
p
ź
P pAq “ pA ´ λi In q
i“1
¨ ˛ ¨ ˛
0d1 0 pλ1 ´ λp q Id1 0
..
˚ ‹ ˚ ‹
˚ pλ2 ´ λ1 q Id2 ‹ ˚ . ‹
“ ˚ ‹ ¨¨¨˚
˚ ‹ ˚ ‹
.. ‹
˚
˝ . ‹
‚ ˝
˚ pλp´1 ´ λp q Idp ‹
‚
0 pλp ´ λ1 q Idp 0 0dp
“ 0n .

m
ź
Réciproquement, supposons qu’il existe un polynôme scindé à racines simples P “ α pX ´ µj q P
j“1
KrXs, avec α P Kzt0u et µ1 , . . . , µm P K deux à deux distincts, qui soit annulateur de f .
1.6. POLYNÔMES D’ENDOMORPHISMES ET POLYNÔMES ANNULATEURS 19

D’après le corollaire 1.6.12, Sppf q Ă tµ1 , . . . , µm u et, pour tout j P t1, . . . , mu,
#
Eµj si µj P Sppf q,
Ker pf ´ µj IdE q “ .
t0E u sinon.
Ainsi,
m
ÿ p
ÿ p
à
Ker pf ´ µj IdE q “ Eλi “ Eλi .
j“1 i“1 i“1
p
à m
ÿ
Or f est diagonalisable si et seulement si Eλi “ E : montrons donc que Ker pf ´ µj IdE q “ E.
i“1 j“1
Pour tout k P t1, . . . , mu, on commence par noter
ź 1
Pk :“ pX ´ µj q et αk :“
j‰k
Pk pµk q
ź
(Pk pµk q “ pµk ´ µj q ‰ 0 car les scalaires µ1 , . . . , µm sont deux à deux distinctes).
j‰k
m
ÿ m
ÿ
On a alors αk Pk “ 1 dans KrXs. En effet le polynôme 1 ´ αk Pk est de degré au plus
k“1 k“1
m´1 (puisque les polynômes P1 , . . . , Pm le sont) et possède m racines (pour tout j P t1, . . . , mu,
m
ÿ
1´ αk Pk pµj q “ 1 ´ αj Pj pµj q “ 0) donc est le polynôme nul.
k“1
Ainsi,
m
ÿ
αk Pk pf q “ 1pf q “ IdE .
k“1
m
ÿ
Soit maintenant v P E. On a v “ IdE pvq “ αk Pk pf qpvq. Pour tout k P t1, . . . , mu, on
k“1
m
ÿ
note vk :“ αk Pk pf qpvq, de sorte que v “ vk . Fixons alors k P t1, . . . , mu et montrons que
k“1
m
ÿ
vk P Ker pf ´ µk IdE q, ce qui prouvera que E “ Ker pf ´ µk IdE q et conclura ainsi la dé-
k“1
monstration.
On a
ˆ ˙
` ˘
pf ´ µk IdE q pvk q “ f ´ µk IdE αk Pk pf qpvq
` ˘ ` ˘
“ X ´ µk pf q ˝ αk Pk pf qpvq
´ ¯
“ pX ´ µk q pαk Pk q pf qpvq
αk α´1 P pf qpvq
` ˘
“
“ 0LpEq pvq (car P annule l’endomorphisme f )
“ 0E ,
20 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

et donc vk P Ker pf ´ µk IdE q.

Ce critère permet, si l’on trouve un tel polynôme annulateur de f scindé à racines simples,
de montrer que f est diagonalisable sans avoir à calculer les dimensions des espaces propres
de f :
Exemple 1.6.16. Si f vérifie alors f 3 “ f alors f est diagonalisable car le polynôme X 3 ´ X “
XpX ´ 1qpX ` 1q, annulateur de f , est scindé à racines simples.
Remarque 1.6.17. ź
D’après la preuve de l’équivalence du théorème 1.6.15, f est diagonalisable
ssi le polynôme pX ´ λq P KrXs (qui est scindé à racines simples) annule f .
λPSppf q

1.7 Polynôme minimal

Soit f P LpEq. Remarquons que l’ensemble If des polynômes de KrXs qui annulent l’en-
domorphisme f est un idéal de l’anneau KrXs : il s’agit du noyau du morphisme d’anneaux
KrXs Ñ LpEq ; P ÞÑ P pf q (cf. remarque 1.6.7).
Or tout idéal de l’anneau principal KrXs peut être engendré par un unique élément unitaire :

Proposition et Définition 1.7.1. Il existe un unique polynôme unitaire µf , annulateur de

f , tel que If “ pµf q “ tµf Q | Q P KrXsu. On appelle µf le polynôme minimal de f.

Remarque 1.7.2. • Les polynômes annulateurs de f sont exactement les multiples de µf .

En particulier, si l’on connaît µf , on connaît alors tous les polynômes annulateurs de f .

• µf est le polynôme annulateur de f unitaire non nul de plus petit degré (comme E est
de dimension finie, f possède un polynôme annulateur non nul par la remarque 1.6.10).
En particulier, deg pµf q ě 1.

• Si A est une matrice de Mn pKq, n P Nzt0u, on peut définir de façon analogue le polynôme
minimal µA de A. Toutes les propriétés sur le polynôme minimal d’un endomorphisme
ont leurs analogues pour le polynôme minimal d’une matrice carrée.

• Si n :“ dimpEq, si B est une base de E et si A désigne la matrice représentative MatB pf q

de f dans la base B, µf “ µA . En effet,

µf pAq “ µf pMatB pf qq
“ MatB pµf pf qq (remarque 1.6.4)
` ˘
“ MatB 0LpEq
“ 0n

donc µA divise µf . Réciproquement,

MatB pµA pf qq “ µA pMatB pf qq (remarque 1.6.4)

“ µA pAq
“ 0n
1.7. POLYNÔME MINIMAL 21

donc µA pf q “ 0LpEq donc µf divise µA . Comme les polynômes µf et µA sont de plus tous
deux unitaires, on en déduit que µf “ µA .
Le polynôme minimal de f divise le polynôme caractéristique de f en vertu du théorème
de Cayley-Hamilton :
Théorème 1.7.3 (Théorème de Cayley-Hamilton). Le polynôme caractéristique de f est un
polynôme annulateur de f . Autrement dit χf P If i.e. µf divise χf .
Pour montrer le théorème de Cayley-Hamilton, nous utiliserons les deux résultats suivants :
Lemme 1.7.4. ăSoit F un sous-espace vectoriel de E tel que f pF q Ă F (on dit que F est
stable par f ). Si l’on note g : F Ñ F ; v ÞÑ f pvq la restriction de f à F , alors le poly-
nôme caractéristique χg de l’endomorphisme g de F divise le polynôme caractéristique χf de
l’endomorphisme f de E.
Démonstration. Soit B0 une base de F . On complète la famille libre B0 de F en une base B
de E. La matrice représentative de f P LpEq dans la base B est alors
ˆ ˙
MatB0 pgq ‹
A :“ MatB pf q “
0 B
où B est une matrice carrée de taille n ´ p si p :“ dimpF q (on utilise ici le fait que F est stable
par f : l’image par f de tout vecteur de B0 est dans F donc est une combinaison linéaire de
vecteurs de B0 ).
Ainsi, si l’on note A0 :“ MatB0 pgq P Mp pKq,
χf “ χA
“ det pA ´ XIn q
ˆ ˙
A0 ´ XIp ‹
“ det
0 B ´ XIn´p
“ det pA0 ´ XIp q det pB ´ XIn´p q
“ χA0 det pB ´ XIn´p q
“ χg det pB ´ XIn´p q .
En particulier, χg divise χf .

Lemme 1.7.5. Soit P “ c0 ` c1 X ` ¨ ¨ ¨ ` X N un polynôme unitaire de KrXs avec N P Nzt0u

et notons CP la matrice ¨ ˛
0 0 ¨¨¨ 0 ´c0
˚1 0 ¨¨¨ 0 ´c1 ‹
˚ ‹
˚ .. .. .. .. ‹
CP :“ ˚˚0 . . . . ‹‹
˚ .. . . .. .. ‹
˝. . . 0 . ‚
0 ¨¨¨ 0 1 ´cN ´1
de MN pKq (CP est appelée la matrice compagnon de P ). On a

χCP “ p´1qN P.
22 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

Démonstration. On calcule χCP “ det pCP ´ XIN q par récurrence sur le degré N de P . Préci-
sément, on montre que pour tout N P Nzt0u, pour tout polynôme unitaire P de KrXs de degré
N , χCP “ p´1qN P .
La propriété est vraie au rang N “ 1 : soit P “ c0 ` X P KrXs un polynôme unitaire de
degré 1, alors CP “ p´c0 q P M1 pKq et

χC P “ det pCP ´ XI1 q

“ det p´c0 ´ Xq
“ ´c0 ´ X
“ ´pc0 ` Xq
“ ´P.

Supposons à présent la propriété vraie au rang N pour N P Nzt0u fixé et soit P “ c0 `

c1 X ` ¨ ¨ ¨ ` cN X N ` X N `1 P KrXs un polynôme unitaire de degré N ` 1. Alors, en utilisant
un développement suivant la première ligne,

χC P “ det pCP ´ XIN `1 q

¨ ˛
´X 0 ¨¨¨ 0 ´c0
˚ 1 ´X ¨ ¨ ¨ 0 ´c1 ‹ ‹
˚
˚ .. .. .. .. ‹ ‹
˚ 0
“ det ˚ . . . . ‹
˚ .. .. .. .. ‹
˝ . . . ´X . ‚
0 ¨¨¨ 0 1 ´cN
¨ ˛
´X 0 ¨¨¨ 0 ´c1 ¨ ˛
˚ 1 1 ´X ¨ ¨ ¨ 0
˚ ´X ¨ ¨ ¨ 0 ´c2 ‹‹ ˚ .. .. .. ‹
˚ .. .. .. .. ‹
‹ ` p´1qN `2 p´c0 qdet ˚0
˚ . . . ‹
“ p´Xq det ˚ 0 . . . . ˚ .. . .
‹
˚
˚ ..
‹ .. ‹
.. .. .. ‹ ˝. . . ´X ‚
˝ . . . ´X . ‚
0 ¨¨¨ 0 1
0 ¨¨¨ 0 1 ´cN
“ p´XqχCPr ` p´1qN `1 c0

où Pr :“ c1 ` c2 X ` ¨ ¨ ¨ ` cN X N ´1 ` X N P KrXs. En utilisant l’hypothèse de récurrence, on

obtient alors

χC P “ p´Xqp´1qN Pr ` p´1qN `1 c0
´ ¯
“ p´1qN `1 X Pr ` c0
“ p´1qN `1 c1 X ` c2 X 2 ` ¨ ¨ ¨ ` cN X N ` X N `1 ` c0
` ˘

“ p´1qN `1 P.

Démonstration du théorème 1.7.3. Afin de montrer que χf est un polynôme annulateur de f

i.e. que χf pf q “ 0LpEq , nous allons montrer que pour tout vecteur v P E, χf pf qpvq “ 0E .
1.7. POLYNÔME MINIMAL 23

Soit donc v un vecteur de E, que l’on suppose de plus non nul (on a χf pf q p0E q “ 0E
comme χf pf q est une application linéaire). Soit m le plus grand entier naturel tel que la
famille tv, f pvq, . . . , f m pvqu soit libre : un tel entier existe car la famille tvu est libre et m ă
n car la famille tv, f pvq, . . . , f n pvqu de ␣ cardinal n ` 1 est( liée (l’espace vectoriel E est de
dimension n). En particulier, la famille v, f pvq, . . . , f m`1 pvq est liée : il existe pα0 , . . . , αm`1 q P
Km`2 ztp0, . . . , 0qu tels que
m`1
ÿ
αk f k pvq “ 0E .
k“0
m`1
ÿ
De plus, αm`1 ‰ 0 car sinon l’égalité αk f k pvq “ 0E et le fait que la famille tv, f pvq, . . . , f m pvqu
k“0
soit libre entraineraient la nullité de tous les scalaires α0 , . . . , αm . En posant alors, pour tout
αk
k P t0, . . . , mu, ak :“ ´ αm`1 , on peut finalement écrire
m
ÿ
f m`1 pvq “ ak f k pvq.
k“0

On considère ensuite le sous-espace vectoriel Ef :“ Vect tv, f pvq, . . . , f m pvqu de E engendré

par la famille libre tv, f`pvq, . . ˘. , f m pvqu : ce sous-espace vectoriel de E est stable par f car, pour
tout k P t0, . . . , mu, f f k pvq “ f k`1 pvq P Vect tv, f pvq, . . . , f m pvqu. On note alors g : Ef Ñ
Ef ; v ÞÑ f pvq la restriction de f à Ef .
D’après le lemme 1.7.4, χg divise χf : il existe Q P KrXs tel que χf “ Q χg et donc
χf pf qpvq “ Qpf q ˝ χg pf qpvq. Nous allons montrer que χg pf qpvq “ 0E : cela entraînera alors
l’égalité χf pf qpvq “ 0E .
La matrice représentative de g dans la base tv, f pvq, . . . , f m pvqu de Ef est la matrice
¨ ˛
0 0 ¨ ¨ ¨ 0 a0
˚1 0 ¨ ¨ ¨ 0 a1 ‹
˚ ‹
˚ . . . . .
. .
. ‹
˚0
˚ . . . . ‹
‹ “ CP
˚ .. . . . .
. . 0 .. ‹
˝. . ‚
0 ¨ ¨ ¨ 0 1 am
où P :“ ´a0 ´a1 X ´¨ ¨ ¨´am X m `X m`1 . D’où χg “ χCP “ p´1qm`1 P par le lemme précédent
1.7.5, et
ˆ ˙
m`1
χg pf qpvq “ p´1q P pf qpvq
˜ ¸
ÿm
“ p´1qm`1 f m`1 ´ ak f k pvq
k“0
˜ ¸
m
ÿ
m`1 m`1 k
“ p´1q f pvq ´ ak f pvq
k“0
“ p´1qm`1 ¨ 0E
“ 0E .
24 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

Ce théorème nous donne en particulier des informations supplémentaires sur µf :

Corollaire 1.7.6. • degpµf q ď n.

• Les racines de µf dans K sont exactement les racines de χf dans K, i.e. les valeurs
propres de f dans K, avec multiplicités différentes a priori.

Démonstration. Comme µf divise χf et deg pχf q “ n (corollaire 1.3.5), on a l’inégalité degpµf q ď

n.

Comme µf divise χf , il existe un polynôme P P KrXs tel que χf “ µf P . Soit λ P K.

Si λ est une racine de µf , alors χf pλq “ µf pλq P pλq “ 0 donc λ est une racine de χf (i.e.
une valeur propre de f ).
Réciproquement, si λ est une racine de χf alors λ est une valeur propre de f . Or µf est un
polynôme annulateur de f donc, en vertu du corollaire 1.6.12, λ est une racine de P .

Le théorème de Cayley-Hamilton nous donne ainsi un moyen de déterminer le polynôme

minimal de f à partir de la donnée du polynôme caractéristique :
Exemple 1.7.7. 1. On considère la matrice
¨ ˛
0 1 2
A “ ˝1 0 2 ‚
1 2 0

de M3 pRq. Son polynôme caractéristique est χA “ ´pX ` 1qpX ` 2qpX ´ 3q. Ainsi,
nécessairement, µA “ pX ` 1qpX ` 2qpX ´ 3q.

2. On considère la matrice ¨ ˛
´1 1 1
A “ ˝ 1 ´1 1 ‚
1 1 ´1
de M3 pRq. Son polynôme caractéristique est χA “ ´pX ´ 1qpX ` 2q2 . Ainsi, nécessaire-
ment,
` µA “ pX ´ 1qpX ` 2q ou µA “ pX ´ 1qpX ` 2q2 . Comme deg ppX ´ 1qpX ` 2qq ă
deg pX ´ 1qpX ` 2q2 , on commence par tester si le polynôme pX ´ 1qpX ` 2q annule A.
˘

On a ¨ ˛¨ ˛ ¨ ˛
´2 1 1 1 1 1 0 0 0
pA ´ I3 qpA ` 2I3 q “ ˝ 1 ´2 1 ‚˝1 1 1‚ “ ˝0 0 0‚
1 1 ´2 1 1 1 0 0 0
et donc pX ´ 1qpX ` 2q est le polynôme minimal de A.

3. On considère la matrice ¨ ˛
3 ´1 1
A “ ˝2 0 1‚
1 ´1 2
1.8. RÉDUCTION DE JORDAN DES ENDOMORPHISMES TRIGONALISABLES 25

de M3 pRq. Son polynôme caractéristique est χA “ ´pX ´ 1qpX ´ 2q2 . Ainsi, nécessaire-
ment, 2
` µA “ pX ´ 1qpX2
˘ ´ 2q ou µA “ pX ´ 1qpX ´ 2q . Comme deg ppX ´ 1qpX ´ 2qq ă
deg pX ´ 1qpX ´ 2q , on commence par tester si le polynôme pX ´ 1qpX ´ 2q annule
A. Or on constate que la matrice pA ´ I3 qpA ´ 2I3 q n’est pas la matrice nulle de M3 pRq
donc, nécessairement, µA “ pX ´ 1qpX ´ 2q2 .
Remarque 1.7.8. Soit A une matrice à coefficients réels. Notons χR R
A et µA respectivement le
polynôme caractéristique et le polynôme minimal de A en tant que matrice de Mn pRq, et χC
A
et µC
A respectivement le polynôme caractéristique et le polynôme minimal de A en tant que
matrice de Mn pCq (Mn pRq Ă Mn pCq). Alors

χC R
A “ detpA ´ XIn q “ χA et µC R
A “ µA .

Pour établir la seconde égalité, on commence par remarquer que µR A P RrXs Ă CrXs est un
polynôme de CrXs annulant la matrice A donc µC A divise µ R . Ensuite, écrivons µC “ P ` iQ où
A A
P, Q P RrXs. On a 0n “ µC A pAq “ P pAq ` iQpAq donc P pAq “ 0n et QpAq “ 0n . Les polynômes
à coefficients réels P et Q annulent la matrice à coefficients réels A, donc µR A divise les deux
polynômes P et Q dans RrXs, donc dans CrXs, et donc µR A divise P ` iQ “ µCA dans CrXs.
C R
Enfin, comme µA et µA sont tous deux unitaires, on obtient bien µA “ µA .C R

En utilisant alors les factorisations dans CrXs des polynômes µA et χA , le fait qu’ils pos-
sèdent les mêmes racines dans C par le corollaire 1.7.6 et le fait qu’ils soient à coefficients réels,
on en déduit que les polynômes µA et χA de RrXs possèdent les mêmes facteurs irréductibles
(en général avec multiplicités différentes).
On termine cette section par un critère de diagonalisabilité permettant de décider, à partir
de la donnée du polynôme minimal de f , si f est diagonalisable ou non :
Théorème 1.7.9. L’endomorphisme f est diagonalisable si et seulement si son polynôme mi-
nimal µf est scindé à racines simples (dans KrXs).
Démonstration. Si µf est scindé à racines simples, alors f est diagonalisable par le théorème
1.6.15 (µf est, par définition, un polynôme annulateur de f ).
Réciproquement, si f est diagonalisable, alors il existe, par le théorème 1.6.15, un polynôme
annulateur de f qui est scindé à racines simples. Comme µf divise ce polynôme, µf est également
scindé à racines simples.

Exemple 1.7.10. Les matrices des exemples 1.7.7 1. et 2. sont diagonalisables, la matrice de
l’exemple 1.7.7 3. n’est pas diagonalisable.
Remarque 1.7.11. Le théorème 1.7.9 permet de déterminer si un endomorphisme est diagona-
lisable ou non sans passer par le calcul des dimensions de ses espaces propres.

1.8 Réduction de Jordan des endomorphismes trigonalisables

Soit f un endomorphisme trigonalisable de E. Dans cette section, nous allons montrer, en
plusieurs étapes, que f peut être réduit sous forme dite de Jordan. Plus précisément, nous
allons montrer l’existence d’une base de E dans laquelle la matrice représentative de f est une
matrice diagonale par blocs dont les blocs diagonaux sont des blocs de Jordan :
26 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

Définition 1.8.1. Soit λ P K. Pour m P Nzt0u, on appelle λ-bloc de Jordan de taille m la

matrice carrée ¨ ˛
λ 1 0
˚ .. .. ‹
˚ . . ‹
Jm pλq :“ ˚
˚
..
‹
‹
˝ . 1‚
0 λ
de Mm pKq ; par convention, J1 pλq :“ pλq P M1 pKq.
Pour m1 , . . . , mk P Nzt0u, on note Jm1 ,...,mk pλq la matrice diagonale par blocs
¨ ˛
Jm1 pλq 0
˚ .. ‹
˝ . ‚
0 Jmk pλq

de Mm1 `¨¨¨`mk pKq. Une matrice de cette forme est dite de Jordan.

Exemple 1.8.2. Le bloc de Jordan J3 p´2iq est la matrice

¨ ˛
´2i 1 0
˝ 0 ´2i 1 ‚
0 0 ´2i

de M3 pCq.
La matrice J2,3 p1q est la matrice
¨ ˛
1 1 0 0 0
˚0 1 0 0 0‹
˚ ‹
˚0 0 1 1 0‹
˚ ‹
˝0 0 0 1 1‚
0 0 0 0 1

de M5 pRq.
Remarque 1.8.3. Pour tout m1 , . . . , mk P Nzt0u et tout λ P K, la matrice Jm1 ,...,mk pλq est
triangulaire supérieure et son polynôme caractéristique est pλ ´ Xqm1 `¨¨¨`mk .
Afin de pouvoir énoncer le théorème de réduction de f sous forme de Jordan, commençons
par factoriser le polynôme caractéristique de f (par le théorème 1.5.3, la trigonalisabilité de f
est équivalente au fait que χf soit scindé dans KrXs) :
p
ź
χf “ p´1qn pX ´ λi qmλi
i“1

avec λ1 , . . . , λp les valeurs propres deux à deux distinctes de f , et n :“ dimpEq.

Nous avons alors le résultat de réduction suivant pour f :
1.8. RÉDUCTION DE JORDAN DES ENDOMORPHISMES TRIGONALISABLES 27

Théorème 1.8.4. Il existe une base B de E et, pour tout i P t1, . . . , pu, des entiers mi1 , . . . , miki P
Nzt0u tels que
¨ ˛
Jm11 ,...,m1 pλ1 q 0
k1

MatB pf q “ ˚
˚ .. ‹
‹.
˝ . ‚
0 Jmp1 ,...,mp pλp q
kp

De plus, à permutation près, les entiers mij , 1 ď i ď p, 1 ď j ď ki , sont uniques et on appelle

les blocs de Jordan Jmi pλi q, 1 ď i ď p, 1 ď j ď ki , les blocs de Jordan de l’endomorphisme
j
trigonalisable f . La matrice MatB pf q est appelée la forme de Jordan de f (“la” forme de Jordan
de f est unique à permutation près des blocs de Jordan).
Remarque 1.8.5. • “La” forme de Jordan est la réduction la plus “simple” possible d’un
endomorphisme trigonalisable.
• Par unicité des blocs de Jordan d’un endomorphisme trigonalisable, f est diagonalisable
si et seulement si les blocs de Jordan de f sont tous de taille 1.
• Réduire sous forme de Jordan un endomorphisme trigonalisable f de E, c’est déterminer
une base B de E dans laquelle la matrice représentative de f est de Jordan (i.e. sous
la forme d’une matrice diagonale par blocs dont les blocs diagonaux sont des blocs de
Jordan) et exprimer MatB pf q.
• Tout endomorphisme trigonalisable de E est réductible sous forme de Jordan.
De façon analogue, toute matrice trigonalisable A de Mn pKq est réductible sous forme de
p
ź
Jordan : si χA “ p´1qn pX ´ λi qmλi avec λ1 , . . . , λp les valeurs propres deux à deux distinctes
i“1
de A, alors il existe une matrice inversible P P GLn pKq et, pour tout i P t1, . . . , pu, des entiers
mi1 , . . . , miki P Nzt0u tels que
¨ ˛
Jm11 ,...,m1 pλ1 q 0
k1
´1
P AP “ ˝
˚ .. ‹
‹.
˚ . ‚
0 Jmp1 ,...,mp pλp q
kp

Les entiers mij et les blocs de Jordan Jmi pλi q, 1 ď i ď p, 1 ď j ď ki sont uniques à permutation
j
près.
Remarquons en particulier le résultat de “classification” suivant :
Corollaire 1.8.6. Deux matrices trigonalisables de Mn pKq sont semblables si et seulement si
elles ont les mêmes blocs de Jordan.
Démonstration. Soient A, B P Mn pKq et supposons qu’il existe P, Q P GLn pKq telles que
¨ ˛
J1 0
P ´1 AP “ ˝
˚ .. ‚ “ Q´1 BQ
‹
.
0 Jr
28 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

avec J1 , . . . , Jr des blocs de Jordan, alors, en particulier, P ´1 AP “ Q´1 BQ et donc

˘´1
P Q´1 A P Q´1 “ B.
` ` ˘

Remarque 1.8.7. Réduire sous forme de Jordan une matrice trigonalisable A P Mn pKq, c’est
déterminer une matrice inversible P P GLn pKq telle que la matrice P ´1 AP soit de Jordan et
exprimer P ´1 AP .
Nous allons montrer une partie du théorème 1.8.4, à savoir l’existence d’une réduction de
Jordan pour l’endomorphisme trigonalisable f , ceci en détaillant une méthode systématique de
réduction sous forme de Jordan. On résumera ensuite les étapes-clés de cette procédure dans
le langage des matrices.
Dans ce document, nous ne montrerons pas l’unicité des blocs de Jordan de f .

La première étape pour réduire sous forme de Jordan l’endomorphisme trigonalisable f est
de considérer ses sous-espaces caractéristiques.

1.8.1 Réduction suivant les sous-espaces caractéristiques

Rappelons encore une fois que l’on a supposé dans cette section que l’endomorphisme f
était trigonalisable.

Définition 1.8.8. Soit λ P Sppf q. On appelle sous-espace caractéristique de f associé à la valeur propre λ
le sous-espace vectoriel
Nλ :“ Ker pf ´ λIdE qmλ

de E.

Remarque 1.8.9. ăAvec les notations ci-dessus,

• Eλ Ă Nλ , car si v P E vérifie pf ´ λIdE qpvq “ 0E , alors

pf ´ λIdE qmλ pvq “ pf ´ λIdE qmλ ´1 pf ´ λIdE qpvq “ pf ´ λIdE qmλ ´1 p0E q “ 0E ,
` ˘

• f pNλ q Ă Nλ (autrement dit Nλ est stable par f ), car si v P Nλ “ Ker pf ´ λIdE qmλ ,
alors

pf ´ λIdE qmλ pf pvqq “ pX ´ λqmλ pf q ˝ Xpf qpvq

“ Xpf q ˝ pX ´ λqmλ pf qpvq
“ f pf ´ λIdE qmλ pvq
` ˘

“ f p0E q
“ 0E .
1.8. RÉDUCTION DE JORDAN DES ENDOMORPHISMES TRIGONALISABLES 29

Exemple 1.8.10. ăReprenons la matrice

¨ ˛
3 ´1 1
A “ ˝2 0 1‚ P M2 pRq
1 ´1 2

de l’exemple 1.5.5. Son polynôme caractéristique est χA “ ´pX ´ 1qpX ´ 2q2 . Le sous-espace
$¨ ˛,
& 0 .
caractéristique de A associé à la valeur propre 1 est N1 “ Ker pA ´ I3 q “ E1 “ Vect ˝1‚
1
% -
et le sous-espace caractéristique de A associé à la valeur propre 2 est N2 “ Ker pA ´ 2I3 q2 . Or
¨ ˛
0 0 0
pA ´ 2I3 q2 “ ˝´1 1 0‚
´1 1 0
$¨ ˛ ¨ ˛,
& 1 0 .
donc N2 “ Ker pA ´ 2I3 q2 “ Vect ˝1‚, ˝0‚ .
0 1
% -

Une propriété remarquable des sous-espaces caractéristiques d’un endomorphisme trigona-

lisable est qu’ils sont en somme directe et que leur somme est égale à l’espace E tout entier :
Proposition 1.8.11. Les sous-espaces caractéristiques de f sont en somme directe et, repre-
nant les notations du début de la section,

E “ Nλ1 ‘ ¨ ¨ ¨ ‘ Nλp .

Cette proposition est une conséquence du lemme des noyaux :

Théorème 1.8.12 (Lemme des noyaux). Soit h un endomorphisme de E et soient P1 , . . . , Pr
des polynômes de KrXs premiers entre eux deux à deux. Alors les sous-espaces vectoriels
Ker Pi phq, i P t1, . . . , ru, de E sont en somme directe et
˜ ¸
àr r
ź
Ker Pi phq “ Ker Pi phq.
i“1 i“1

Démonstration. On montre tout d’abord le résultat pour deux polynômes P et Q de KrXs

premiers entre eux, puis on montrera le résultat général par récurrence sur r.

On a pP Qqphq “ P phq ˝ Qphq “ Qphq ˝ P phq donc Ker P phq Ă Ker pP Qqphq et Ker Qphq Ă
Ker pP Qqphq donc
Ker P phq ` Ker Qphq Ă Ker pP Qqphq.
Réciproquement, montrons que Ker pP Qqphq Ă Ker P phq ` Ker Qphq. Comme P et Q sont
premiers entre eux, il existe une relation de Bézout U P ` V Q “ 1 avec U, V P KrXs, et alors
U phq˝P phq`V phq˝Qphq “ IdE . Soit maintenant v P Ker pP Qqphq, d’après l’égalité précédente,

v “ IdE pvq “ U phq ˝ P phqpvq ` V phq ˝ Qphqpvq.

30 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

Or ˆ ˙ ˆ ˙
Qphq U phq ˝ P phqpvq “ U phq pP Qqphqpvq “ U phq p0E q “ 0E
ˆ ˙
et de la même façon P phq V phq˝Qphqpvq “ 0E , donc v P Ker P phq`Ker Qphq. En conclusion,

Ker pP Qqphq “ Ker P phq ` Ker Qphq.

Enfin, montrons que cette dernière somme est directe : soit v P Ker P phq X Ker Qphq, alors
v “ U phq ˝ P phqpvq ` V phq ˝ Qphqpvq
ˆ ˙ ˆ ˙
“ U phq P phqpvq ` V phq Qphqpvq

“ U phq p0E q ` V phq p0E q

“ 0E .

A présent, montrons par récurrence sur r P Nzt0u que pour tout r P Nzt0u, pour tous poly-
nômes P1 , . . . , Pr P KrXs premiers entre eux deux à deux, les sous-espaces vectoriels Ker Pi phq,
i P t1, . . . , ru, de E sont en somme directe et que
˜ ¸
àr źr
Ker Pi phq “ Ker Pi phq.
i“1 i“1
La propriété est vraie au rang r “ 1.
Supposons maintenant la propriété vraie au rang r pour r P Nzt0u fixé et soient P1 , . . . , Pr`1
des polynômes de KrXs premiers entre eux deux à deux. Comme le polynôme Pr`1 est premier
źr
avec chacun des polynômes P1 , . . . , Pr , il est premier avec le produit Pi . D’après l’hypothèse
˜ ¸ i“1
àr ź r
de récurrence, Ker Pi phq “ Ker Pi phq et, d’après ce qui a été démontré ci-dessus, les
i“1 ˜ ¸i“1
źr àr
espaces Ker Pr`1 phq et Ker Pi phq “ Ker Pi phq sont en somme directe : les espaces
i“1 i“1
Ker Pi phq, i P t1, . . . , r ` 1u sont donc en somme directe. Ensuite,
˜ ¸ ˜ ¸
àr źr
Ker Pr`1 phq ‘ Ker Pi phq “ Ker Pr`1 phq ‘ Ker Pi pf q
i“1
˜ ˜ ¸ i“1 ¸
źr
“ Ker Pr`1 Pi pf q
i“1
donc ˜ ¸
r`1
à r`1
ź
Ker Pi phq “ Ker Pi pf q.
i“1 i“1
1.8. RÉDUCTION DE JORDAN DES ENDOMORPHISMES TRIGONALISABLES 31

Remarque 1.8.13. Dans la preuve ci-dessus, nous avons utilisé le fait suivant : pour r P Nzt0u, si
E1 , . . . , Er`1 sont des sous-espaces vectoriels de E tels que les espaces E1 , . . . , Er sont en somme
àr
directe et Er`1 est en somme directe avec la somme Ei , alors les espaces E1 , . . . , Er , Er`1
i“1
sont en somme directe. En effet, soient v1 , . . . , vr`1 P E tels que, pour tout i P t1, . . . , r ` 1u,
àr
vi P Ei , et v1 ` . . . ` vr ` vr`1 “ 0E . Alors pv1 ` . . . ` vr q ` vr`1 “ 0E donc, comme Ei
i“1
et Er`1 sont en somme directe, v1 ` . . . ` vr “ 0E et vr`1 “ 0E . Enfin, comme les espaces
E1 , . . . , Er sont en somme directe, l’égalité v1 ` . . . ` vr “ 0E implique la nullité des vecteurs
v1 , . . . , v r .

Démonstration de la proposition 1.8.11. Les valeurs propres λ1 , . . . , λp de f étant deux à deux

distinctes, les polynômes pX ´ λi qmλi , i P t1, . . . , pu, sont premiers entre eux deux à deux.
D’après le lemme des noyaux, les sous-espaces caractéristiques Nλi “ Ker pf ´ λi IdE qmλi “
Ker pX ´ λi IdE qmλi pf q, i P t1, . . . , pu, de f sont donc en somme directe et
˜ p ¸
ź
Nλ1 ‘ ¨ ¨ ¨ ‘ Nλp “ Ker pX ´ λi qmλi pf q.
i“1

p
˜ p ¸
ź ź
Mais pX ´ λi qmλi “ p´1qn χf et χf pf q “ 0LpEq donc Ker pX ´ λi q mλi
pf q “ E et
i“1 i“1

Nλ1 ‘ ¨ ¨ ¨ ‘ Nλp “ E.

Une conséquence importante de la proposition 1.8.11 et du fait que chaque sous-espace

caractéristique Nλi , i P t1, . . . , pu, de f soit stable par f (cf. remarque 1.8.9) est la suivante.
Pour i P t1, . . . , pu, soit Bi une base de Nλi et notons B0 :“ tB1 , . . . , Bp u. On a alors, comme
E “ Nλ1 ‘ ¨ ¨ ¨ ‘ Nλp (proposition 1.8.11) et comme chaque sous-espace caractéristique de f est
stable par f (remarque 1.8.9),
¨ ˛
A1 0
MatB0 pf q “ ˝
˚ .. ‹
. ‚
0 Ap
´ ¯
où, pour tout i P t1, . . . , pu, Ai :“ MatBi f|Nλ (cette réduction est une “diagonalisation par
i
blocs” de f ).

´ si, ¯pour tout i P t1, . . . , pu, on montre l’existence d’une base Bi

Remarquons alors que 1

de Nλi telle que MatBi1 f|Nλ “ Jmi ,...,mi pλi q avec mi1 , . . . , miki P Nzt0u, alors, en notant
i 1 ki
B :“ tB11 , . . . , Bp1 u, on obtiendra la réduction
32 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

¨ ˛
Jm11 ,...,m1 pλ1 q 0
k1
˚
MatB pf q “ ˚ .. ‹
‹,
˝ . ‚
0 Jmp1 ,...,mp pλp q
kp

qui est la réduction sous forme de Jordan recherchée.

Pour montrer l’existence de telles familles Bi1 , i P t1, . . . , pu et les déterminer, on commence
par écrire, pour i P t1, . . . , pu,
fNλi “ λi IdNλi ` pf ´ λi IdE q|Nλ ,
i

puis on utilise le fait que l’endomorphisme pf ´ λi IdE q|Nλ “ f|Nλ ´ λi Id|Nλ de Nλi soit
i i i
nilpotent.

1.8.2 Réduction de Jordan des endomorphismes nilpotents

Commençons par introduire la notion d’endomorphisme nilpotent et de matrice nilpotente :
Définition 1.8.14. Soit u un endomorphisme de E. On dit que u est nilpotentăs’il existe
l P Nzt0u tel que ul “ 0LpEq . Dans ce cas, on appelle indice de nilpotence de u le plus petit
entier naturel non nul ν P Nzt0u tel que uν “ 0LpEq .
De façon analogue, une matrice carrée U P Mn pKq est dite nilpotenteăs’il existe l P Nzt0u
tel que U l “ 0n et, dans ce cas, on appelle indice de nilpotence de A le plus petit entier naturel
non nul ν P Nzt0u tel que Aν “ 0n .
Remarque 1.8.15. • Un endomorphisme u de LpEq est nilpotent si et seulement s’il existe
l P Nzt0u tel que le polynôme X l annule u.
• L’indice de nilpotence d’un endomorphisme nilpotent ν est l’unique entier naturel non nul
ν tel que uν´1 ‰ 0LpEq et uν “ 0LpEq (car si ul0 “ 0LpEq pour l0 P Nzt0u, alors ul “ 0LpEq
pour tout l P Nzt0u supérieur ou égal à l0 ).
• Si u est un endomorphisme nilpotent d’indice de nilpotence ν, alors µu “ X ν . En effet,
le polynôme X ν annule l’endomorphisme u donc µu divise X ν , donc µu “ X l0 avec
l0 P t1, . . . , νu, mais, pour tout l P t1, . . . , ν ´ 1u, X l puq “ ul ‰ 0LpEq par définition de
l’indice de nilpotence, donc, nécessairement, l0 “ ν.
• On a les propriétés analogues sur les matrices nilpotentes.
• Si B est une base de E, alors un endomorphisme u de E est nilpotent si et seulement si
sa matrice représentative MatB puq dans la base B est nilpotente.
Exemple 1.8.16. • La matrice
¨ ˛
´1 0 1 0
˚´3 ´2 5 0‹
U :“ ˚
˝´2 ´1 3
‹
0‚
2 1 ´2 0
1.8. RÉDUCTION DE JORDAN DES ENDOMORPHISMES TRIGONALISABLES 33

de M4 pRq est nilpotente d’indice de nilpotence 4, car

¨ ˛ ¨ ˛
´1 ´1 2 0 0 0 0 0
´1 ´1 2 0 0 0 0 0‹
U2 “ ˚ 3 ‹ , U 4 “ 04 .
˚ ‹ ˚
˝´1 ´1 2 0‚, U “ ˝ 0
‹ ˚
0 0 0‚
´1 0 1 0 ´1 ´1 2 0

• La matrice ¨ ˛
5 ´3 2
U :“ ˝15 ´9 6‚
10 ´6 4
de M3 pRq est nilpotente d’indice de nilpotence 2 car U 2 “ 03 .
• La matrice ¨ ˛
2 0 4 ´2 ´3
˚´2
˚ 0 ´3 2 4‹‹
˚0
U :“ ˚ 0 0 0 0‹‹
˝0 0 0 0 1‚
1 0 2 ´1 ´2
de M5 pRq est nilpotente d’indice de nilpotence 3 car
¨ ˛
1 0 2 ´1 ´2
˚0 0 0 0 0‹
U2 “ ˚ 3
˚ ‹
˚0 0 0 0 0‹‹ , U “ 05 .
˝1 0 2 ´1 ´2‚
0 0 0 0 0
Traitons deux autres exemples :
Lemme 1.8.17. Les matrices triangulaires de Mn pKq dont les coefficients diagonaux sont tous
nuls sont nilpotentes, d’indice de nilpotence inférieur ou égal à n.
Démonstration. Soit U une matrice triangulaire de Mn pKq dont tous les coefficients diagonaux
sont nuls. On suppose tout d’abord que U est triangulaire supérieure. Nous allons montrer par
récurrence sur k P Nzt0u que pour tout k P Nzt0u, pour tous i, j P t1, . . . , nu tels que j ă i ` k,
le coefficient situé à la ligne i et la colonne j de la matrice U k est nulle. En particulier, U n “ 0n
et l’indice de nilpotence de U est donc inférieur ou égal à n.
La propriété est vraie au rang k “ 1 par hypothèse sur U . Supposons maintenant la propriété
vraie au rang k pour k P Nzt0u fixé, et soient i, j P t1, . . . , nu tels que j ă i ` k ` 1. Si on
note U k “ par s q1ďr,sďn et U “ pbr s q1ďr,sďn , le coefficient situé à la ligne i et la colonne j de la
matrice U k`1 “ U k U est
ÿn ÿn
ai,t bt,j “ ai,t bt,j (car ai,t “ 0 si t ă i ` k)
t“1 t“i`k
ÿ
“ ai,t bt,j (car bt,j “ 0 si j ă t ` 1 ô t ą j ´ 1)
i`kďtďj´1
“ 0 (la somme ci-dessus est vide car j ă i ` k ` 1 ô i ` k ą j ´ 1).
34 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

Si U est une matrice triangulaire inférieure, alors sa transposée t U est une matrice trian-
gulaire supérieure dont tous les coefficients diagonaux sont nuls et on a alors
` ˘n
U n “ t t U “ t 0n “ 0n .

Exemple 1.8.18. Pour tous m1 , . . . , mk P Nzt0u, la matrice de Jordan Jm1 ,...,mk p0q est nilpotente.
Lemme 1.8.19. Reprenant les notations de la partie précédente, si λ P Sppf q, l’endomorphisme
pf ´ λIdE q|Nλ “ f|Nλ ´ λId|Nλ de Nλ est nilpotent, d’indice de nilpotence inférieur ou égal à
mλ .
Démonstration. Par définition de Nλ “ Ker pf ´ λIdE qmλ , tout vecteur v de Nλ vérifie
˘m
f|Nλ ´ λId|Nλ λ pvq “ pf ´ λIdE qmλ pvq “ 0E “ 0Nλ ,
`

` ˘m
i.e. f|Nλ ´ λId|Nλ λ “ 0LpNλ q .

Nous allons montrer que tout endomorphisme nilpotent – et toute matrice nilpotente – est
réductible sous forme de Jordan. Soit u un endomorphisme nilpotent de E d’ordre de nilpotence
ν P Nzt0u. Nous allons construire, à l’aide d’un procédé algorithmique, une base de E dans
laquelle la matrice représentative de u est de Jordan :
Théorème 1.8.20. Il existe une base B de E et des entiers m1 , . . . , mk P Nzt0u tels que
¨ ˛
Jm1 p0q 0
MatB puq “ Jm1 ,...,mk p0q “ ˝
˚ .. ‚.
‹
.
0 Jmk p0q
En particulier, u est trigonalisable et χu “ p´1qn X n .
Démonstration. Pour r P t0, . . . , νu, notons Mr :“ Ker ur . Remarquons que l’on a alors une
suite d’inclusions
t0E u “ M0 Ă M1 Ă ¨ ¨ ¨ Ă Mν´1 Ă Mν “ E
et que, si r P t1, . . . , νu, upMr q Ă Mr´1 (car si v P Mr “ Ker ur , ur´1 upvq “ ur pvq “ 0E ).
` ˘

Par récurrence descendante sur r P t1, . . . , νu, nous allons construire des sous-espaces vec-
toriels S1 , . . . , Sν de E tels que
• pour tout r P t1, . . . , νu, Sr ‘ Mr´1 “ Mr (i.e. Sr est un supplémentaire de Mr´1 dans
Mr ),
• tout r P t1, . . . , ν ´1u, u pSr`1 q Ă Sr et la restriction u|Sr`1 : Sr`1 Ñ Sr Ă E est injective.
Des bases bien choisies des espaces S1 , . . . , Sν nous fourniront ensuite une base de E dans
laquelle la matrice représentative de u est de la forme voulue.
Le point de départ de cette construction est de considérer un supplémentaire Sν de Mν´1
dans Mν “ E. Supposons ensuite que, pour r P t2, . . . , νu fixé, on ait déjà construit les espaces
Sr , . . . , Sν vérifiant les propriétés voulues. En particulier, Sr Ă Mr donc u pSr q Ă u pMr q Ă
Mr´1 . On a alors :
1.8. RÉDUCTION DE JORDAN DES ENDOMORPHISMES TRIGONALISABLES 35

• L’image u pSr q est en somme directe avec Mr´2 (car si upvq P Mr´2 “ Ker ur´2 avec
v P Sr , on a ur´1 pvq “ 0E donc v P Sr X Mr´1 “ t0E u, donc upvq “ 0E ) et on peut donc
construire un supplémentaire Sr´1 de Mr´2 dans Mr´1 contenant u pSr q : précisément,
on considère une base F de u pSr q et une base G de Mr´2 , on complète la famille
´ libre
¯
F \ G de Mr´1 en une base F \ G \ F de Mr´1 , puis on pose Sr´1 :“ Vect F \ F ),
r r

• la restriction u|Sr : Sr Ñ u pSr q Ă Sr´1 Ă E est injective (car si v P Sr vérifie upvq “ 0E ,

alors v P Ker u Ă Ker ur´1 “ Mr´1 , or Sr X Mr´1 “ t0E u donc v “ 0E ).

Une fois cette construction achevée, on a alors

E “ Mν
“ Mν´1 ‘ Sν
“ pMν´2 ‘ Sν´1 q ‘ Sν
¨¨¨
“ pM0 ‘ S1 q ‘ S2 ‘ ¨ ¨ ¨ ‘ Sν
“ S1 ‘ ¨ ¨ ¨ ‘ Sν

(on utilise ici la propriété énoncée dans la remarque 1.8.13).

Ensuite, soit Bν une base Sν et, pour tout r P t1, . . . , ν ´ 1u, soit Br une base de Sr telle
que la famille Br contient la famille u pBr`1 q (i.e. la famille constituée des images par u des
vecteurs de la famille Br`1 ) : il est à noter que l’on a constitué de telles familles au cours de la
construction précédente.
La réunion B des familles libres B1 , . . . , Bν de E est une base de E (car E “ S1 ‘ ¨ ¨ ¨ ‘ Sν )
et

• si v P B1 Ă M1 “ Ker u, upvq “ 0,

• si v P Br`1 avec r P t1, . . . , ν ´ 1u, il existe un (unique) vecteur w P Br tel que upvq “ w.

Ainsi, en réordonnant convenablement les vecteurs de B, on peut écrire B “ tv11 , . . . , vm

1 , . . . , vk , . . . , vk u
1 1 mk
de manière que

• pour tout i P t1, . . . , ku, u v1i “ 0E ,

` ˘

• pour tout i P t1, . . . , ku et tout s P t2, . . . , mi u, u vsi “ vs´1

i
` ˘
,

et la matrice représentative de u dans B est alors

¨ ˛
Jm1 p0q 0
MatB puq “ ˝
˚ .. ‚ “ Jm1 ,...,mk p0q.
‹
.
0 Jmk p0q
36 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

La preuve précédente fournit une méthode constructive de réduction sous forme de Jordan
des endomorphismes nilpotents, basée sur le calcul de noyaux et la complétion de familles libres
en bases. Rappelons que, pour compléter une famille libre en base, on peut utiliser le résultat
suivant : si B est une base de E et si C est une famille libre de E, il existe (au moins) une façon
de compléter la famille libre C de E en une base C \ B 1 de E en utilisant des vecteurs de la
base B (i.e. de manière que B 1 Ă B), et alors, si on note F :“ Vect C et F 1 :“ Vect B 1 , F 1 est
un supplémentaire de F dans E.
Illustrons cette procédure avec quelques exemples matriciels :
Exemple 1.8.21. On réduit sous forme de Jordan les matrices de l’exemple 1.8.16.

• On considère la matrice ¨ ˛
´1 0 1 0
˚´3 ´2 5 0‹
U :“ ˚
˝´2 ´1 3
‹
0‚
2 1 ´2 0

de M4 pRq, nilpotente d’indice 4.

Construction de “B4 ” : On a
$¨ ˛ ¨ ˛ ¨ ˛ ¨ ˛,
’ 1
’ 0 0 0 //
0‹ ˚1‹ ˚0‹ ˚0‹
& .
M4 :“ Ker U 4 “ M4,1 pRq “ Vect ˚
˚ ‹ ˚ ‹ ˚ ‹ ˚
, ,
˝0‚ ˝0‚ ˝1‚ ˝0‚/ , ‹
’
’ /
0 0 0 1
% -

et ¨ ˛ $¨ ˛ ¨ ˛ ¨ ˛,
0 0 0 0 ’
’ 1 1 0 /
&˚ ‹ ˚ ‹ ˚ ‹/
0 0 0 0‹ ˚´1‹ , ˚1‹ , ˚0‹ .
.
M3 :“ Ker U 3 “ Ker ˚
˚ ‹
˝0 “ Vect
0 0 0‚ ’
’
˝ 0 ‚ ˝1‚ ˝0‚/
/
´1 ´1 2 0 0 0 1
% -

$¨ ˛ ¨ ˛ ¨ ˛ ¨ ˛, $¨ ˛ ¨ ˛ ¨ ˛,
’
’ 1 0 0 0 // ’
’ 1 1 0 /
&˚ ‹ ˚ ‹ ˚ ‹/
0‹ ˚1‹ ˚0‹ ˚0‹ ´1‹ ˚1‹ ˚0‹
&˚ ‹ ˚ ‹ ˚ ‹ ˚ ‹. .
On note C4 :“ ˚ , ,
˝0‚ ˝0‚ ˝1‚ ˝0‚/, (c’est une base de M 4 ) et C 3 :“ ˚ , ,
˝ 0 ‚ ˝1‚ ˝0‚/
’
’ / ’
’ /
0 0 0 1 0 0 1
% - % -
¨ ˛
1
˚0‹
˝0‚ de C4 pour compléter la
(c’est une base de M3 ), et on choisit d’utiliser le vecteur ˚ ‹

0
$¨ ˛,
’
’ 1 /
&˚ ‹/
0‹
.
famille libre C3 de M4 en une base de M4 : on pose alors B4 :“ ˚ ˝ ‚ et S4 :“ Vect B4 .
’ 0 /
’ /
0
% -
1.8. RÉDUCTION DE JORDAN DES ENDOMORPHISMES TRIGONALISABLES 37

Construction de “B3 ” : On a
¨ ˛ $¨ ˛ ¨ ˛ ,
´1 ´1 2 0 ’
’ 1 0 /
&˚ ‹ ˚ ‹ /
´1 ´1 2 0‹ 1‹ ˚0‹
.
2
˚ ‹
M2 :“ Ker U “ Ker ˝˚ “ Vect ˝ ‚, ˝ ‚ .
˚
´1 ´1 2 0‚ ’
’ 1 0 //
´1 0 1 0 0 1
% -
$¨ ˛ ¨ ˛ , $¨ ˛ ,
’
’ 1 0 /
/ ’
’ ´1 /
&˚ ‹ /
1 0 ´3‹
&˚ ‹ ˚ ‹ . .
et on note C2 :“ ˝ ‚, ˝ ‚ (c’est une base de M2 ). On a U pB4 q “ ˝ ‚ et on
˚ ‹ ˚ ‹ ˚
’
’ 1 0 // ’
’ ´2 //
0 1 2
% - % -
$¨ ˛,
’
’ ´1 /
&˚ ‹/
´3‹
.
pose B3 :“ ˚ ˝´2‚/ et S3 :“ Vect B3 “ U pS4 q (l’image U pS4 q est déjà un supplémen-
’
’ /
2
% -
taire de M2 dans M3 ).

Construction de “B2 ” : On a
¨ ˛ $¨ ˛,
´1 0 1 0 ’
’ 0 /
˚´3 ´2 5 0‹ &˚ ‹/
0‹
.
M1 :“ Ker U “ Ker ˝
˚ ‹ “ Vect ˝ ‚ ,
˚
´2 ´1 3 0‚ ’
’ 0 /
/
2 1 ´2 0 1
% -
$¨ ˛, $¨ ˛ ,
’
’ 0 /
/ ’
’ ´1 /
˚0‹. &˚ ‹ /
´1‹
& .
et on note C1 :“ ˝ ‚ (c’est une base de M1 ). On a U pB3 q “ ˝ ‚ et on pose
˚ ‹ ˚
’
’ 0 / / ’
’ ´1 //
1
% - % -
´1
$¨ ˛,
’
’ ´1 /
&˚ ‹/
´1‹
.
B2 :“ ˚ ˝´1‚/ et S2 :“ Vect B2 “ U pS3 q (l’image U pS3 q est déjà un supplémentaire
’
’ /
% -
´1
de M1 dans M2 ).

Construction de “B1 ” : On a
$¨ ˛,
’
’ 0 /
&˚ ‹/
0‹
.
M0 :“ Ker In “ ˝ ‚ .
˚
’
’ 0 //
0
% -
$¨ ˛ , $¨ ˛ ,
’
’ 0 / ’ 0 /
’
&˚ ‹ / /
0 ˚ 0 ‹.
. &
On a U pB2 q “ ˝ ‚ et on pose B1 :“ ˝ ‚ et S1 :“ Vect B1 “ U pS2 q “ M1
˚ ‹ ˚ ‹
’
’ 0 / / ’
’ 0 / /
% - % -
´1 ´1
38 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

(l’image U pS2 q est déjà égale à M1 ).

Construction de “B” : Si on écrit alors

$¨ ˛ ¨ ˛ ¨ ˛ ¨ ˛ ,
’
’ 0 ´1 ´1 1 /
&˚ ‹ ˚ ‹ ˚ ‹ ˚ ‹ /
0 ‹ ˚´1‹ ˚´3‹ ˚0‹
.
B :“ ˚ ˝ 0 ‚ ˝´1‚ ˝´2‚ ˝0‚/ ,
, , ,
’
’ /
2 0
% -
´1 ´1

la famille B est une base de M4,1 pRq et, en posant

¨ ˛
0 ´1 ´1 1
˚0 ´1 ´3 0‹
P :“ ˚˝0
‹,
´1 ´2 0‚
´1 ´1 2 0
on a ¨ ˛
0 1 0 0
0 0 1 0‹
P ´1 U P “ ˚
˚
‹.
˝0 0 0 1‚
0 0 0 0

• On considère maintenant la matrice

¨ ˛
5 ´3 2
U :“ ˝15 ´9 6‚
10 ´6 4

de M3 pRq, nilpotente d’indice 2.

Construction de “B2 ” : On a
$¨ ˛ ¨ ˛ ¨ ˛,
& 1 0 0 .
M2 :“ M3,1 pRq “ Vect ˝0 , 1 , 0‚
‚ ˝ ‚ ˝
0 0 1
% -

et $¨ ˛ ¨ ˛ ,
& 1 0 .
M1 :“ Ker U “ Vect ˝ 1 , 2‚ .
‚ ˝
´1 3
% -
$¨ ˛ ¨ ˛ ¨ ˛, $¨ ˛ ¨ ˛,
& 1 0 0 . & 1 0 .
On note C2 :“ ˝0 , 1 , 0
‚ ˝ ‚ ˝ ‚ (c’est une base de M2 ) et C1 :“ ˝ 1 , 2‚
‚ ˝
0 0 1 ´1 3
% - % -
¨ ˛
0
(c’est une base de M1 ), et on choisit d’utiliser le vecteur ˝0‚ de C2 pour compléter la
1
1.8. RÉDUCTION DE JORDAN DES ENDOMORPHISMES TRIGONALISABLES 39
$¨ ˛,
& 0 .
famille libre C1 de M2 en une base de M2 : on pose alors B2 :“ ˝0‚ et S2 :“ Vect B2 .
1
% -

Construction de “B1 ” : On a
$¨ ˛,
& 0 .
M0 :“ ˝0‚ .
0
% -

$¨ ˛, ¨ ˛
& 2 . 1
On a U pB2 q “ ˝ 6 ‚ , et on choisităd’utiliser le vecteur ˝ 1 ‚ de C1 pour compléter
4 ´1
% -
$¨ ˛ , $¨ ˛ ¨ ˛,
& 2 . & 2 1 .
la famille libre ˝6‚ de M1 en une base de M1 : on pose alors B1 :“ ˝6‚, ˝ 1 ‚
4 4 ´1
% - % -
et S1 :“ Vect B1 “ M1 .

Construction de “B” : Si on écrit alors

$¨ ˛ ¨ ˛ ¨ ˛ ,
& 2 0 1 .
B :“ ˝6‚, ˝0‚, ˝ 1 ‚ ,
4 1 ´1
% -

la famille B est une base de M3,1 pRq et, en posant

¨ ˛
2 0 1
P :“ ˝6 0 1 ‚,
4 1 ´1

on a ¨ ˛
0 1 0
P ´1 U P “ ˝0 0 0‚.
0 0 0

• Terminons ces exemples avec la matrice

¨ ˛
2 0 4 ´2 ´3
˚´2
˚ 0 ´3 2 4‹‹
˚0
U :“ ˚ 0 0 0 0‹‹
˝0 0 0 0 1‚
1 0 2 ´1 ´2

de M5 pRq, nilpotente d’indice 3.

40 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

Construction de “B3 ” : On a
$¨ ˛ ¨ ˛ ¨ ˛ ¨ ˛ ¨ ˛,
’
’ 1 0 0 0 0 //
’˚0‹ ˚1‹ ˚0‹ ˚0‹ ˚0‹/
’
& /
˚ ‹ ˚ ‹ ˚ ‹ ˚ ‹ ˚ ‹.
M3 :“ M5,1 pRq “ Vect ˚0‹ , ˚0‹ , ˚1‹ , ˚0‹ , ˚0‹
˚ ‹ ˚ ‹ ˚ ‹ ˚ ‹ ˚ ‹
’
’
’˝0‚ ˝0‚ ˝0‚ ˝1‚ ˝0‚/ /
/
’ /
0 0 0 0 1
% -

et
¨ ˛ $¨ ˛ ¨ ˛ ¨ ˛ ¨ ˛,
1 0 2 ´1 ´2 ’
’ 1 0 0 ´1 //
˚0 0 0 0 0‹ ‹ &˚0‹ ˚0‹ ˚1‹ ˚ 0 ‹
’
’ ˚ ‹ ˚ ‹ ˚ ‹ ˚ /
/
‹.
M2 :“ Ker U 2 “ Ker ˚
˚
˚0 0 0 0 0 ‹ “ Vect ˚0‹ , ˚1‹ , ˚0‹ , ˚ 1 ‹ .
‹ ˚ ‹ ˚ ‹ ˚ ‹ ˚ ‹
˝1 0 2 ´1 ´2‚
’
’
’ ˝1‚ ˝0‚ ˝0‚ ˝ 1 ‚/ /
/
’ /
0 0 0 0 0 0 1 0 0
% -

On note C3¨ ˛ C2 , la base de M3 , resp. M2 , considérée ci-dessus, et on choisit d’utiliser

, resp.
1
˚0‹
˚0‹ de C3 pour compléter la famille libre C2 de M3 en une base de M3 : on
˚ ‹
le vecteur ˚ ‹
˝0‚
0
$¨ ˛,
’
’ 1 / /
˚0‹.
’
’ ‹/
&˚ /
pose alors B3 :“ ˚ ‹ et S3 :“ Vect B3 .
˚ 0 ‹
’
’
’˝0‚/ /
/
’ /
0
% -

Construction de “B2 ” : On a
¨ ˛ $¨ ˛ ¨ ˛,
2 0 4 ´2 ´3 ’
’ 1 0 / /
˚´2 0 ´3 2 4‹ &˚0‹ ˚1‹
‹ ’
’˚ ‹ ˚ /
/
˚ ‹.
˚0
M1 :“ Ker U “ Ker ˚ 0 0 0 0 ‹ “ Vect ˚0‹ , ˚0‹
‹ ˚ ‹ ˚ ‹
˝0 0 0 0 1‚
’
’
’˝1‚ ˝0‚/ /
/
’ /
1 0 2 ´1 ´2 0 0
% -

¨ ˛
2
˚´2‹
On note C1 la base ci-dessus considérée de M1 , et on a U pB3 q “ ˚
˚ ‹
˚ 0 ‹ : on utilise alors
‹
˝0‚
1
¨ ˛ $¨ ˛ ,
0 ’
’ 2 / /
˚0‹ ’
’
& ˚ ´2‹//
˚ ‹.
le vecteur ˚1‹ de C2 pour compléter la famille libre C1 \ ˚ 0 ‹ de M2 en une base
˚ ‹
˚ ‹ ˚ ‹
˝0‚ ’
’
’ ˝ 0 ‚/ /
/
’ /
1 1
% -
1.8. RÉDUCTION DE JORDAN DES ENDOMORPHISMES TRIGONALISABLES 41
$¨ ˛ ¨ ˛ ,
’
’ 2 0 / /
&˚´2‹ ˚0‹
’
’ ˚ ‹ ˚ /
/
‹.
de M2 : on pose ensuite B2 :“ ˚ 0 ‹ , ˚1‹ et S2 :“ Vect B2 .
˚ ‹ ˚ ‹
’
’
’ ˝ 0 ‚ ˝0‚/ /
/
’ /
1 1
% -
$¨ ˛ ¨ ˛,
’
’ 1 1 //
&˚ ‹ ˚1‹
0
’
’ ˚ ‹ ˚ /
/
‹.
Construction de “B1 ” : On a U pB2 q “ ˚0‹ , ˚0‹ et on pose B1 :“ U pB2 q et S1 :“
˚ ‹ ˚ ‹
’
’
’ ˝1‚ ˝1‚/ /
/
’ /
0 0
% -
Vect B1 “ U pS2 q “ M1 .

Construction de “B” : Si on écrit alors

$¨ ˛ ¨ ˛ ¨ ˛ ¨ ˛ ¨ ˛,
’ 1
’ 2 1 1 0 //
&˚0‹ ˚´2‹ ˚0‹ ˚1‹ ˚0‹
’
’˚ ‹ ˚ ‹ ˚ ‹ ˚ ‹ ˚ /
/
‹.
B :“ ˚0‹ , ˚ 0 ‹ , ˚0‹ , ˚0‹ , ˚1‹ ,
˚ ‹ ˚ ‹ ˚ ‹ ˚ ‹ ˚ ‹
’
’
’˝1‚ ˝ 0 ‚ ˝0‚ ˝1‚ ˝0‚/ /
/
’ /
0 1 0 0 1
% -

la famille B est une base de M5,1 pRq et, en posant,

¨ ˛
1 2 1 1 0
˚0 ´2 0 1 0‹
˚ ‹
P :“ ˚
˚0 0 0 0 1 ‹,
‹
˝1 0 0 1 0‚
0 1 0 0 1

on a ¨ ˛
0 1 0 0 0
˚0 0 1 0 0‹
P ´1 U P “ ˚
˚ ‹
˚0 0 0 0 0‹‹.
˝0 0 0 0 1‚
0 0 0 0 0

Remarque 1.8.22. Reprenant les notations de la preuve du théorème 1.8.20, si l’indice de nilpo-
tence ν de l’endomorphisme nilpotent u est égal à la dimension n de E, pour tout r P t1, . . . , νu,
la base Br de Sr est constituée d’un seul vecteur (car la réunion des n familles libres disjointes
B1 , . . . , Bn est une base de l’espace vectoriel E de dimension n) et donc, en particulier, pour
tout r P t1, . . . , n ´ 1u, Br “ u pBr`1 q.
Ainsi, si ν “ n, pour construire la base “B”, il suffit de choisir tout d’abord un vecteur v de E
qui ne soit pas dans Mn´1 “ Ker un´1 , puis de considérer ses images successives par les compo-
sées itérées de u : la matrice représentative de u dans la base B “ un´1 pvq, un´2 pvq, . . . , upvq, v
␣ (

est alors Jn p0q.

42 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

1.8.3 Preuve de la réductibilité sous forme de Jordan des endomorphismes

trigonalisables
Reprenons les notations du début de la section : f désigne un endomorphisme trigonalisable
de E, χf “ p´1qn pi“1 pX ´ λi qmλi avec λ1 , . . . , λp les valeurs propres deux à deux distinctes
ś
de f et on a montré, dans la proposition 1.8.11, que E était égal à la somme directe des espaces
caractéristiques Nλ1 , . . . , Nλp de f .
En conséquence, si, pour i P t1, . . . , pu, Bi désigne une base de Nλi et B0 :“ tB1 , . . . , Bp u,
on a ¨ ˛
A1 0
MatB0 pf q “ ˝
˚ .. ‹
. ‚
0 Ap
´ ¯
où, pour tout i P t1, . . . , pu, Ai :“ MatBi f|Nλ .
i
Pour terminer la preuve de l’existence d’une réduction de Jordan pour f , nous allons mon-
trer, pour tout i P t1, . . . , pu, l’existence d’une base Bi1 de Nλi dans laquelle la matrice de
f|Nλ P L pNλi q est de Jordan, ceci en appliquant le théorème 1.8.20 à l’endomorphisme nil-
i
potent f|Nλ ´ λId|Nλ de Nλ .
A un certain point, nous évoquerons le fait que la dimension du sous-espace caractéristique
associé à une valeur propre λ de f soit sa multiplicité mλ . Nous le montrons dans le lemme
suivant. Avant de l’énoncer, remarquons tout d’abord que

χf “ det pMatB0 pf ´ XIdE qq

“ det pMatB0 pf qq ´ XIn
¨ ˛
A1 ´ XIn1 0
“ det ˝
˚ .. ‚ (où, pour i P t1, . . . , pu, on note ni :“ dim pNλi q),
‹
.
0 Ap ´ XInp
` ˘
“ det pA1 ´ XIn1 q ¨ ¨ ¨ det Ap ´ XInp
“ χf|N ¨ ¨ ¨ χf|N
λ1 λp

Lemme 1.8.23. Soit λ P Sppf q et notons N :“ Nλ .

1. La seule valeur propre de la restriction f|N P LpN q est λ.

2. χf|N “ pλ ´ Xqmλ .

3. dimpN q “ mλ .

Démonstration. 1. Soit λ0 P K une valeur propre de f|N et soit v un vecteur propre associé
(en particulier, v ‰ 0N ). Alors f|N pvq ´ λv “ λ0 v ´ λv “ pλ0 ´ λqpvq : le vecteur v est
donc un vecteur propre pour la valeur propre λ0 ´ λ de f|N ´ λIdN . Mais ce dernier
endomorphisme de N est nilpotent (cf. lemme 1.8.19) et la seule valeur propre d’un
endomorphisme nilpotent est 0 par le théorème 1.8.20), donc λ0 ´ λ “ 0 i.e. λ0 “ λ.
1.8. RÉDUCTION DE JORDAN DES ENDOMORPHISMES TRIGONALISABLES 43

2. Comme le sous-espace vectoriel N de E est stable par f P LpEq (cf. remarque 1.8.9),
p
ź
par le lemme 1.7.4, le polynôme χf|N divise χf “ p´1qn pX ´ λi qmλi . Comme la seule
i“1
valeur propre de f est λ, nécessairement χf|N “ p´1ql pX ´ λql avec l P t1, . . . , mλ u.
Ainsi, pour tout i P t1, . . . , pu, il existe li P t1, . . . , mλi u tel que χf|N “ p´1qli pX ´ λi qli .
λi
Mais χf “ χfNλ ¨ ¨ ¨ χfNλ donc, nécessairement, pour tout i P t1, . . . , pu, χf|N “
1 p λi
mλi mλi
p´1q pX ´ λi q . En particulier, χf|N “ p´1qmλ pX ´ λqmλ .

3. Le degré du polynôme caractéristique d’un endomorphisme ´ d’un

¯ espace vectoriel est égal
à la dimension de ce dernier (cf. corollaire 1.3.5) et deg χf|N “ mλ donc dimpN q “ mλ .

Démonstration du théorème 1.8.4 (preuve de l’existence d’une réduction de Jordan pour f ). Soit
λ P Sppf q et, pour simplifier les écritures, notons N :“ Nλ et m :“ mλ “ dim N . Nous
allons `montrer
˘ qu’il existe une base B 1 de N et des entiers m1 , . . . , mk P Nzt0u tels que
MatB1 f|N “ Jm1 ,...,mk pλq.
Pour ce faire, on écrit
f|N “ λIdN ` f|N ´ λIdN
et on utilise la nilpotence de l’endomorphisme f|N ´ λIdN de N (cf. lemme 1.8.19) : d’après
le théorème
` 1.8.20,˘ il existe une base B 1 de N et des entiers m1 , . . . , mk P Nzt0u tels que
MatB1 f|N ´ λIdN “ Jm1 ,...,mk p0q, et alors
` ˘ ` ˘
MatB1 f|N “ MatB1 λIdN ` f|N ´ λIdN
` ˘
“ MatB1 pλIdN q ` MatB1 f|N ´ λIdN
“ λIm ` Jm1 ,...,mk p0q
“ Jm1 ,...,mk pλq.

Ainsi, nous avons bien montré que pour tout i´ P t1,¯. . . , pu, il existe une base Bi1 de Nλi
et des entiers mi1 , . . . , miki P Nzt0u tels que MatBi1 f|Nλ “ Jmi ,...,mi pλi q : si l’on note alors
i 1 ki

B :“ B11 , . . . , Bp1 , on a
␣ (

¨ ˛
Jm11 ,...,m1 pλ1 q 0
k1
˚
MatB pf q “ ˝ .. ‹
‹.
˚ . ‚
0 Jmp1 ,...,mp pλp q
kp

1.8.4 Description matricielle de la méthode de réduction sous forme de

Jordan
Pour finir, résumons la méthode de réduction sous forme de Jordan proposée dans cette
section, dans sa version matricielle. Soit donc A P Mn pKq une matrice trigonalisable. On suppose
 44 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

que l’on a déjà écrit le polynôme caractéristique χA de A comme un produit

p
ź
χA “ p´1qn pX ´ λi qmλi
i“1

dans KrXs, où λ1 , . . . , λp sont les valeurs propres (deux à deux distinctes) de A.

Etape 1 : Pour tout i P t1, . . . , pu, calculer la matrice pA ´ λi In qmλi et déterminer une base Bi de
Nλi “ Ker pA ´ λi In qmλi Ă Mn,1 pKq. Considérer la base B0 :“ tB1 , . . . , Bp u de Mn,1 pKq
et la matrice P0 dont les colonnes sont, dans l’ordre, les vecteurs colonnes de la base B0 .
Calculer la matrice P0´1 AP0 : elle est de la forme
¨ ˛
A1 0
˚ .. ‹
˝ . ‚
0 Ap

où, pour tout i P t1, . . . , pu, Ai P Mmλi pKq (et χAi “ p´1qmλi pX ´ λi qmλi ).

Etape 2 : Pour chaque i P t1, . . . , pu, calculer la matrice Ui :“ Ai ´ λi Imλi de Mmλi pKq puis
appliquer à la matrice nilpotente Ui la méthode de réduction des matrices nilpotentes
à la forme de Jordan décrite dans la preuve du théorème 1.8.20 : on obtient des entiers
mi1 , . . . , miki P Nzt0u et une matrice inversible Qi de taille mλi tels que Q´1
i Ui Qi “
Jmi ,...,mi p0q.
1 ki

Etape 3 : On note ¨ ˛
Q1 0
Pr :“ ˝
˚ .. ‚ P GLn pKq
‹
.
0 Qp
et alors
˛ ¨J 0
˛
m11 ,...,m1k p0q
¨ ˛ ¨
A1 0 λ1 Imλ1 0 1
´1
Pr ˝
˚ .. P
‹r
“
˚ .. ‹ ˚
` .. ‹
. ‚ ˝ . ‚ ˚
˝ . ‹
‚
0 Ap 0 λp Imλp 0 Jmp1 ,...,mp p0q
kp
¨ ˛
Jm1 ,...,m1 pλ1 q 0
˚ 1 k1
.. ‹
“ ˚ . ‹.
˝ ‚
0 Jmp1 ,...,mp pλp q
kp

En posant P :“ P0 Pr, on obtient donc

¨ ˛
Jm11 ,...,m1 pλ1 q 0
k1

P ´1 AP “ ˚
˚ .. ‹
‹.
˝ . ‚
0 Jmp1 ,...,mp pλp q
kp
1.8. RÉDUCTION DE JORDAN DES ENDOMORPHISMES TRIGONALISABLES 45

Appliquons cette méthode à quelques exemples :

Exemple 1.8.24. On considère la matrice
¨ ˛
1 0 0 0
˚´1 4 1 ´2‹
A :“ ˚
˝2
‹
1 2 ´1‚
1 2 1 0
de M4 pRq.

Etape 0 : On calcule le polynôme caractéristique χA de A :

1´X 0 0 0
´1 4´X 1 ´2
χA “ det pA ´ XI4 q “
2 1 2 ´ X ´1
1 2 1 ´X
4´X 1 ´2
“ p1 ´ Xq 1 2 ´ X ´1
2 1 ´X
2´X 1 ´2
“ p1 ´ Xq 0 2 ´ X ´1
C1 ÐC1 `C3
2´X 1 ´X
1 1 ´2
“ p1 ´ Xqp2 ´ Xq 0 2 ´ X ´1
1 1 ´X
1 1 ´2
“ p1 ´ Xqp2 ´ Xq 0 2 ´ X ´1
L3ÐL3 ´L1
0 0 2´X
“ p1 ´ Xqp2 ´ Xq3

Etape 1 : La multiplicité de la valeur propre 1 dans χA étant 1, N1 “ E1 , et

¨ ˛ $¨ ˛,
0 0 0 0 ’
’ 1 /
&˚ ‹/
˚´1 3 1 ´2‹ ‹ “ Vect ˚ 1 ‹ .
.
E1 “ Ker pA ´ I4 q “ Ker ˚ ˝2 1 1 ´1‚ ’
’
˝´4‚/
/
1 2 1 ´1
% -
´1

La multiplicité de la valeur propre 2 dans χA est 3. Pour déterminer N2 “ Ker pA ´ 2I4 q3 ,

on commence par calculer la matrice pA ´ 2I4 q3 . On a
¨ ˛
´1 0 0 0
3
˚ ´1 0 0 0‹
pA ´ 2I4 q “ ˚
˝ 4
‹
0 0 0‚
1 0 0 0
46 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

et donc $¨ ˛ ¨ ˛ ¨ ˛ ,
’
’ 0 0 0 /
&˚ ‹ ˚ ‹ ˚ ‹ /
1‹ ˚0‹ ˚0‹
.
N2 “ Vect ˚ ,
˝0‚ ˝1‚ ˝0‚/ .
,
’
’ /
0 0 1
% -

On note P0 la matrice inversible

¨ ˛
0 0 0 1
˚1 0 0 1‹
˚ ‹
˝0 1 0 ´4‚
0 0 1 ´1
et on obtient ¨ ˛
4 1 ´2 0 ˆ ˙
1 2 ´1 0‹‹ “ A1 0
P0´1 AP0 “ ˚
˚
˝2 1 0 0‚ 0 A2
0 0 0 1
Etape 2 : Le bloc A2 “ p1q P M1 pRq est déjà un bloc de Jordan J1 p1q.

On note U1 la matrice
¨ ˛ ¨ ˛
4 1 ´2 2 1 ´2
A1 ´ 2I3 “ ˝1 2 ´1‚´ 2I3 “ ˝1 0 ´1‚ P M3 pRq
2 1 0 2 1 ´2
et on applique la méthode de réduction à la forme de Jordan des matrices nilpotentes à U1 :

Etape a : Déterminons l’indice de nilpotence de U1 : on a

¨ ˛
1 0 ´1
2
U1 “ 0 0
˝ 0‚
1 0 ´1

et U13 est la matrice nulle de M3 pRq. Ainsi, l’indice de nilpotence de U1 est 3.

Etape b : Comme l’indice de nilpotence de U1 est égal à la dimension de l’espace M3,1 pRq
(i.e la multiplicité de la valeur propre 2 dans χA ), on choisit ensuite un vecteur
¨ ˛colonne qui
1
2
n’est pas dans le noyau de U1 : on prend par exemple le vecteur colonne Y :“ 0‚, on calcule
˝
0
¨ ˛ ¨ ˛
2 1
U1 Y “ ˝1‚ puis U12 Y “ ˝0‚, et la famille libre tU12 Y, U1 Y, Y u est une base de M3,1 pRq. Si on
2 1
pose ¨ ˛
1 2 1
Q1 :“ ˝0 1 0‚,
1 2 0
1.8. RÉDUCTION DE JORDAN DES ENDOMORPHISMES TRIGONALISABLES 47

on a ainsi
¨ ˛
0 1 0
Q´1
1 U1 Q “
˝0 0 1‚
0 0 0

(cf. remarque 1.8.22).

Etape 3 : On note

¨ ˛
ˆ ˙ 1 2 1 0
Q1 0 ˚0 1 0 0‹
Pr :“ “˚ ‹
0 1 ˝1 2 0 0‚
0 0 0 1

et
¨ ˛
0 0 0 1
˚1 2 1 1‹
P :“ P0 Pr “ ˚
˝0
‹,
1 0 ´4‚
1 2 0 ´1

et on a
¨ ˛
2 1 0 0 ˆ ˙
0 2 1 0‹‹ “ J3 p2q 0
P ´1 AP “ ˚
˚
˝0 .
0 2 0‚ 0 J1 p1q
0 0 0 1

Exemple 1.8.25. ăOn considère la matrice

¨ ˛
5 0 4 ´2 ´3
˚´2
˚ 3 ´3 2 4‹ ‹
˚0
A :“ ˚ 0 3 0 0‹ ‹
˝0 0 0 3 1‚
1 0 2 ´1 1

de M5 pRq.
48 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

Etape 0 :ăCalculons le polynôme caractéristique χA de A :

5´X 0 4 ´2 ´3
´2 3´X ´3 2 4
χA “ det pA ´ XI5 q “ 0 0 3´X 0 0
0 0 0 3´X 1
1 0 2 ´1 1´X
5´X 0 ´2 ´3
´2 3´X 2 4
“ p3 ´ Xq
0 0 3´X 1
1 0 ´1 1´X
5´X ´2 ´3
“ p3 ´ Xq2 0 3´X 1
1 ´1 1´X
3´X ´2 ´3
2
“ p3 ´ Xq 3 ´ X 3 ´ X 1
C1 ÐC1 `C2
0 ´1 1´X
1 ´2 ´3
3
“ p3 ´ Xq 1 3 ´ X 1
0 ´1 1´X
1 ´2 ´3
3
“ p3 ´ Xq 0 5 ´ X 4
L2 ÐL2 ´L1
0 ´1 1´X
5´X 4
“ p3 ´ Xq3
´1 1´X
“ p3 ´ Xq3 rp5 ´ Xqp1 ´ Xq ` 4s
“ p3 ´ Xq3 pX 2 ´ 6X ` 9q
“ p3 ´ Xq5

3 est donc l’unique valeur propre de A et la matrice

¨ ˛
2 0 4 ´2 ´3
˚´2
˚ 0 ´3 2 4‹‹
˚0
A ´ 3I5 “ ˚ 0 0 0 0‹‹
˝0 0 0 0 1‚
1 0 2 ´1 ´2

est nilpotente.
On peut alors directement passer à l’étape 2 de la méthode et remarquer que la matrice
1.9. DÉCOMPOSITION DE DUNFORD DES ENDOMORPHISMES TRIGONALISABLES49

U :“ A ´ 3I5 a déjà été réduite sous forme de Jordan dans l’exemple 1.8.21 : en posant
¨ ˛
1 2 1 1 0
˚0 ´2 0 1 0‹
˚ ‹
P :“ ˚
˚0 0 0 0 1 ‹,
‹
˝1 0 0 1 0‚
0 1 0 0 1

on a ¨ ˛
0 1 0 0 0
˚0 0 1 0 0‹
P ´1 U P “ ˚
˚ ‹
˚0 0 0 0 0‹‹
˝0 0 0 0 1‚
0 0 0 0 0
et donc ¨ ˛
3 1 0 0 0
˚0 3 1 0 0‹
P ´1 AP “ ˚
˚ ‹
˚0 0 3 0 0‹‹ “ J3,2 p3q.
˝0 0 0 3 1‚
0 0 0 0 3

1.9 Décomposition de Dunford des endomorphismes trigonali-

sables
Au cours de notre réduction sous forme de Jordan des endomorphismes et matrices tri-
gonalisables, nous avons (quasiment) démontré le théorème de “décomposition” suivant. Une
fois n’est pas coutume, nous commencerons par énoncer et démontrer (du moins en partie) le
résultat dans le langage des matrices :

Théorème 1.9.1. Soit A P Mn pKq une matrice trigonalisable. il existe une unique matrice
diagonalisable D P Mn pKq et une unique matrice nilpotente U P Mn pKq telles que DU “ U D
et A “ D ` U .
L’écriture A “ D`U , avec D et U comme ci-dessus, est appelée la décomposition de Dunford de A.

Nous allons montrer l’existence d’une décomposition de Dunford pour A P Mn pKq trigo-
nalisable en réduisant A suivant ses sous-espaces caractéristiques (section 1.8.1 ou “étape 1”
de la méthode de réduction sous forme de Jordan). Dans ce document, nous ne montrerons
cependant pas l’unicité de la décomposition de Dunford de A.

Démonstration du théorème 1.9.1 (preuve de l’existence d’une décomposition de Dunford). On

considère l’écriture du polynôme caractéristique χA de A comme un produit
p
ź
χA “ p´1qn pX ´ λi qmλi
i“1
50 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

dans KrXs, où λ1 , . . . , λp sont les valeurs propres (deux à deux distinctes) de A. Nous avons
montré qu’il existait une matrice inversible P0 P GLn pKq et, pour tout i P t1, . . . , pu, une
matrice Ai P Mmλi pKq telles que
¨ ˛
A1 0
´1
P0 AP0 “ ˝
˚ .. ‹
. ‚
0 Ap

et, pour tout i P t1, . . . , pu, la matrice Ui :“ Ai ´ λi Imλi de Mmλi pKq est nilpotente.
On écrit alors
¨ ˛ ¨ ˛
λ1 Imλ1 0 U1 0
P0´1 AP0 “ ˝
˚ .. ‚` ˝
‹ ˚ .. ‹
. . ‚
0 λp Imλp 0 Up
¨ ˛ ¨ ˛
λ1 Imλ1 0 U1 0
et on pose D0 :“ ˝
˚ .. ‚ et U0 :“ ˝
‹ ˚ .. ‚.
‹
. .
0 λp Imλp 0 Up
On a :

• D0 est une matrice diagonale,

• U0 est une matrice nilpotente, car si m :“ max mλi ,

1ďiďp

¨ m ˛¨ ˛
U1 0 0mλ1 0
U0m “˝
˚ .. ‚“ ˝
‹ ˚ .. ‚ “ 0n ,
‹
. .
0 m
Up 0 0mλp

• D0 et U0 commutent (i.e. D0 U0 “ U0 D0 ), car

¨´ ¯ ˛ ¨ ´ ¯ ˛
λ1 Imλ1 U1 0 U1 λ1 Imλ1 0
˚ ‹ ˚ ‹
D0 U0 “ ˚
˚ .. “
‹ ˚ .. ‹ “ U0 D 0 ,
‹
. ´ ¯ ‚ ˝
‹ ˚ . ´ ¯‚
˝
0 λp Imλp Up 0 Up λp Imλp

• P0´1 AP0 “ D0 ` U0 .

On écrit enfin
A “ P0 D0 P0´1 ` P0 U0 P0´1
et on pose D :“ P0 D0 P0´1 et U :“ P0 U0 P0´1 .
Alors :

• D est une matrice diagonalisable, car P0´1 DP0 “ D0 est une matrice diagonale),
1.9. DÉCOMPOSITION DE DUNFORD DES ENDOMORPHISMES TRIGONALISABLES51

• U est une matrice nilpotente, car, avec les notations ci-dessus,

˘m
U m “ P0 U0 P0´1 “ P0 U0m P0´1 “ 0n ,
`

• D et U commutent, car

P0 D0 P0´1 P0 U0 P0´1
` ˘` ˘
DU “
“ P0 pD0 U0 q P0´1
“ P0 pU0 D0 q P0´1
“ P0 U0 P0´1 P0 D0 P0´1
` ˘` ˘

“ U D,

• A “ D ` U.

Exemple 1.9.2. On calcule la décomposition de Dunford de la matrice

¨ ˛
2 1 ´1
A :“ ˝3 3 ´4‚
3 1 ´2

de M3 pRq. ˛ ¨ $¨ ˛ ¨ ˛,
0 0 0 & 1 0 .
On a χA “ p2´Xq2 p´1´Xq, N2 “ Ker pA´2I3 q2 “ Ker ˝´9 0 9‚ “ Vect ˝0‚, ˝1‚
´9 0 9 1 0
% -
¨ ˛ $¨ ˛ ,
3 1 ´1 & 0 .
et N´1 “ E´1 “ Ker pA ` I3 q “ Ker 3 4 ´4 “ Vect ˝1‚ .
˝ ‚
3 1 ´1 1
% -
¨ ˛ ¨ ˛
1 0 0 1 0 0
On pose ensuite P :“ ˝0 1 1‚ P GLn pRq et, sachant que P ´1 “ ˝ 1 1 ´1‚,
1 0 1 ´1 0 1
¨ ˛ ¨ ˛
2 0 0 2 0 0
D :“ P ˝0 2 0 ‚P ´1 “ ˝3 2 ´3‚.
0 0 ´1 3 0 ´1

On pose enfin
¨ ˛
0 1 ´1
U :“ A ´ D “ ˝0 1 ´1‚,
0 1 ´1
et alors A “ D ` U est la décomposition de Dunford de A.
52 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

Remarque 1.9.3. On peut également obtenir la décomposition de Dunford d’une matrice trigo-
nalisable A P Mn pKq à partir d’une réduction sous forme de Jordan de A, en suivant le même
principe que dans la preuve du théorème 1.9.1. Cependant, la réduction sous forme de Jordan
est plus coûteuse en calculs que la réduction suivant les sous-espaces caractéristiques (d’autant
plus si, comme dans la méthode présentée dans la section 1.8, on utilise la réduction suivant
les sous-espaces caractéristiques pour réduire sous forme de Jordan).
Enonçons maintenant le théorème de décomposition de Dunford pour les endomorphismes
trigonalisables de E.

Théorème 1.9.4. Si f est un endomorphisme trigonalisable de E, il existe un unique endo-

morphisme diagonalisable d de LpEq et un unique endomorphisme nilpotent u de LpEq tels que
d ˝ u “ u ˝ d et f “ d ` u.
L’écriture f “ d`u, avec d et u comme ci-dessus, est appelée la décomposition de Dunford de f .

Démonstration. Soit B une base de E et notons A :“ MatB pf q. D’après le théorème 1.9.1, il

existe une matrice diagonalisable D P Mn pKq et une matrice nilpotente U P Mn pKq tels que
DU “ U D et A “ D ` U .
Notons d, resp. u, l’endomorphisme de E dont la matrice représentative dans la base B est
D, resp. U . Alors :

• d est diagonalisable car la matrice D est diagonalisable (si la matrice P ´1 DP est diagonale
avec P P GLn pKq, alors P peut être considérée comme la matrice de passage de la base
B à une base B 1 de E et MatB1 pdq “ P ´1 DP ),

• u est nilpotent cat la matrice U est nilpotente (cf. remarque 1.8.15),

• les endomorphismes d et u commutent car leurs matrices représentatives, respectivement

D et U , dans la base B commutent,

• f “ d ` u car A “ D ` U .

Montrons maintenant l’unicité de cette décomposition : soient dr un endomorphisme diago-

nalisable de E et u
r un´ endomorphisme
¯ nilpotent de E tels que dr ˝ ur“ ur ˝ dr et f “ dr ` u
r,
et notons D :“ MatB d P Mn pKq et U :“ MatB pr
r r r uq P Mn pKq. On a alors A “ D ` U avec
r r
D
r diagonalisable et U
r nilpotente telles que DrUr “ UrD
´ ¯: par unicité de la décomposition de
r
Dunford de A, on a donc D “ D et U “ U , i.e. MatB dr “ MatB pdq et MatB pr
r r uq “ MatB puq,
i.e. dr “ d et u
r “ u.

La décomposition de Dunford permet entre autres choses de calculer les puissances succes-
sives d’une matrice trigonalisable. Précisément, soit A une matrice trigonalisable de Mn pKq de
décomposition de Dunford A “ D ` U avec D diagonalisable et U nilpotente. Alors, comme
D et U commutent, on peut calculer Ak “ pD ` U qk , pour tout k P N, à l’aide du binôme de
Newton. De plus, la nilpotence de U simplifie l’expression du développement (en cas lorsque k
est plus grand que l’indice de nilpotence de U ).
1.9. DÉCOMPOSITION DE DUNFORD DES ENDOMORPHISMES TRIGONALISABLES53

Exemple 1.9.5. On cherche à calculer les puissances successives de la matrice

¨ ˛
2 1 ´1
A :“ ˝3 3 ´4‚ P M3 pRq
3 1 ´2

de l’exemple
¨ 1.9.2.
˛ On avait déterminé la ¨
décomposition
˛ de Dunford A “ D ` U de A avec
2 0 0 0 1 ´1
D :“ ˝3 2 ´3‚ diagonalisable et U :“ ˝0 1 ´1‚ nilpotente d’indice de nilpotence égal
3 0 ´1 0 1 ´1
à 2. D’où, si k P Nzt0u,

Ak “ pD ` U qk
k ˆ ˙
ÿ k
“ Dk´i U i (les matrices D et U commutent)
i“0
i
1 ˆ ˙
ÿ k
“ Dk´i U i ă(U i “ 0n pour tout i ě 2)
i“0
i
“ Dk ` kDk´1 U
¨ ˛ ¨ ˛
2 0 0 1 0 0
Or D :“ P ˝0 2 0 ‚P ´1 avec P :“ ˝0 1 1‚, donc
0 0 ´1 1 0 1
¨ k
2k
˛ ¨ ˛
2 0 0 0 0
D k “ P ˝ 0 2k 0 ‚P ´1 “ ˝2k ` p´1qk`1 2k ´2k ` p´1qk ‚.
0 0 p´1qk 2k ` p´1qk`1 0 p´1qk

Au total,

2k 0 2k´1 ´2k´1
¨ ˛ ¨ ˛
0 0
Ak “ ˝2k ` p´1qk`1 2k ´2k ` p´1qk ‚` k ˝0 2k´1 ´2k´1 ‚
2k ` p´1qk`1 0 p´1qk 0 2k´1 ´2k´1
2k k2k´1 ´k2k´1
¨ ˛

“ ˝2k ` p´1qk`1 2k ` k2k´1 ´2k ´ k2k´1 ` p´1qk ‚.

2k ` p´1qk`1 k2k´1 ´k2k´1 ` p´1qk

Si l’on connaît une réduction de Jordan de notre matrice trigonalisable A P Mn pKq, il

n’est pas nécessaire de calculer la décomposition de Dunford de A pour pouvoir exprimer ses
puissances successives :
Exemple 1.9.6. ăReprenons la matrice
¨ ˛
3 ´1 1
A “ ˝2 0 1‚ P M3 pRq
1 ´1 2
54 CHAPITRE 1. RÉDUCTION DES ENDOMORPHISMES

de l’exemple 1.8.10. Une réduction de Jordan de A est

¨ ˛
1 0 0
P ´1 AP “ ˝0 2 1‚
0 0 2
¨ ˛
0 1 0
avec P :“ ˝1 1 0‚ P GL3 pRq,
1 0 1
¨ ˛ ¨ ˛ ¨ ˛
1 0 0 1 0 0 0 0 0
´1
Ecrivons alors P AP “ 0
˝ 2 1 ‚ “ ˝0 2 0‚` ˝0 0 1‚ et soit k P Nzt0u. Comme
0 0 2 0 0 2 0 0 0
¨ ˛ ¨ ˛
1 0 0 0 0 0
les matrices ˝0 2 0‚ et ˝0 0 1‚ commutent, on a
0 0 2 0 0 0
ˆ ˙k
´1 k ´1
P A P “ P AP
¨ ˛k´i ¨ ˛i
k ˆ ˙ 1 0 0 0 0 0
ÿ i ˝0 2 0‚ ˝0 0 1‚
“
k
i“0 0 0 2 0 0 0
¨ ˛k ¨ ˛k´1 ¨ ˛ ¨ ˛2
1 0 0 1 0 0 0 0 0 0 0 0
“ ˝0 2 0‚ ` k ˝0 2 0‚ ˝0 0 1‚ (la matrice ˝0 0 1‚ est nulle)
0 0 2 0 0 2 0 0 0 0 0 0
¨ ˛ ¨ ˛
1 0 0 0 0 0
“ ˝0 2k 0 `k 0 0 2 ‚
‚ ˝ k´1

0 0 2k 0 0 0
¨ ˛
1 0 0
“ ˝0 2k k2k´1 ‚
0 0 2k
¨ ˛
´1 1 0
Enfin, P ´1 “˝ 1 0 0‚ donc
1 ´1 1
¨ k
2 ` k2k´1 ´k2k´1 k2k´1
¨ ˛ ˛
1 0 0
Ak “ P ˝0 2k k2k´1 ‚P ´1 “ ˝2k ` k2k´1 ´ 1 ´k2k´1 ` 1 k2k´1 ‚.
0 0 2k 2k ´ 1 ´2k ` 1 2k
Chapitre 2

Espaces euclidiens

2.1 Introduction
On introduit sur les R-espaces vectoriels de dimension finie une structure supplémentaire : le
produit scalaire, notion qui généralise le produit scalaire classique sur R2 ou R3 . Cette structure
supplémentaire nous donne accès aux notions géométriques d’orthogonalité et de distance.
Dans ce chapitre, on abordera également la question de la réductibilité de certaines classes
d’endomorphismes des espaces euclidiens. En particulier, on montre que tout endomorphisme
symétrique est diagonalisable dans une base orthonormale, et que tout endomorphisme ortho-
gonal est diagonalisable par blocs dans une base orthonormale, avec des blocs de rotations
vectorielles de dimension 2 ou 1.

2.2 Produit scalaire sur un espace vectoriel réel

Soit E un espace vectoriel sur R.
EˆE Ñ R
Définition 2.2.1. ăConsidérons une application x¨, ¨y : . On dit que x¨, ¨y
pv, wq ÞÑ xv, wy
est un produit scalaire sur E si x¨, ¨y est

1. bilinéaire, i.e. pour tous v, w, v1 , v2 , w1 , w2 P E et tous λ, µ P R, xλv1 ` µv2 , wy “

λxv1 , wy ` µxv2 , wy et xv, λw1 ` µw2 y “ λxv, w1 y ` µxv, w2 y,

2. symétrique, i.e. pour tous v, w P E, xw, vy “ xv, wy,

3. définie positive, i.e. pour tout v P E, xv, vy ě 0 et xv, vy “ 0 si et seulement si v “ 0E .

Exemple 2.2.2. 1. Soit n P Nzt0u, pour tous v “ px1 , . . . , xn q et w “ py1 , . . . , yn q dans Rn ,

on définit
xv, wycan :“ x1 y1 ` ¨ ¨ ¨ ` xn yn .
Rn ˆ Rn Ñ R
L’application x¨, ¨ycan : est alors un produit scalaire sur Rn ,
pv, wq ÞÑ xv, wycan
appelé produit scalaire canonique sur Rn . Montrons le caractère défini positif de l’appli-

55
56 CHAPITRE 2. ESPACES EUCLIDIENS

n
ÿ n
ÿ
cation x¨, ¨ycan : si v “ px1 , . . . , xn q P Rn , xv, vycan “ x2i ě 0 et xv, vycan “ x2i “ 0 ssi
i i
pour tout i P t1, . . . , nu, xi “ 0 ssi v “ p0, . . . , 0q.
2. Supposons que E est un espace vectoriel de dimension finie n P Nzt0u et soit B “
¨ 1 , .˛. . , en¨u une
te ˛ base de E. Pour tous vecteurs v et w de E, de coordonnées respectives
x1 y1
˚ .. ‹ ˚.‹
˝ . ‚ et ˝ .. ‚ dans la base B, on définit
xn yn
xv, wyB :“ x1 y1 ` ¨ ¨ ¨ ` xn yn “ t MatB pvqMatB pwq.
EˆE Ñ R
L’application x¨, ¨yB : est alors un produit scalaire sur E, appelé
pv, wq ÞÑ xv, wyB
produit scalaire associé à la base B.
3. Soit n P Nzt0u. Pour toutes matrices A “ pai j q1ďi,jďn et B “ pbi j q1ďi,jďn dans Mn pRq,
on définit ÿ
ai j bi j “ Tr tA B .
` ˘
xA, By :“
1ďi,jďn

Mn pRq ˆ Mn pRq Ñ R
L’application x¨, ¨y : est alors un produit scalaire sur
pA, Bq ÞÑ xA, By
Mn pRq : il s’agit du produit scalaire associé à la base canonique tEi j u1ďi,jďn de Mn pRq.
4. Soit n P Nzt0u. Pour tous polynômes P et Q de Rn rXs, on définit
ż1
xP, Qy :“ P ptqQptqdt.
0

Rn rXs ˆ Rn rXs Ñ R
L’application x¨, ¨y : est alors un produit scalaire sur Rn rXs.
pP, Qq ÞÑ xP, Qy
La bilinéarité de l’application x¨, ¨y provient de la linéarité de l’intégrale. Montrons que
ż1
x¨, ¨y est bien définie positive. Soit P P Rn rXs, on a xP, P y “ pP ptqq2 dt ě 0 (l’inté-
0 ż1
grale sur un segment d’une fonction positive est positive). Si xP, P y “ pP ptqq2 dt “ 0,
0
comme la fonction R Ñ R ; t ÞÑ P ptq2 est continue et positive, on a, pour tout t P r0, 1s,
pP ptqq2 “ 0 (l’intégrale d’une fonction continue et positive sur un segment est nulle si
et seulement si la fonction est identiquement nulle sur ce segment) et donc, pour tout
t P r0, 1s, P ptq “ 0, donc le polynôme P est nul (un polynôme ayant une infinité de racines
est nécessairement le polynôme nul).
Remarque 2.2.3. Si x¨, ¨y est un produit scalaire sur E et si F est un sous-espace vectoriel de
E, la restriction
F ˆF Ñ R
x¨, ¨y|F ˆF :
pv, wq ÞÑ xv, wy
est un produit scalaire sur F .
2.2. PRODUIT SCALAIRE SUR UN ESPACE VECTORIEL RÉEL 57

Définition 2.2.4. Si E est un espace vectoriel de dimension finie muni d’un produit scalaire
x¨, ¨y, le couple pE, x¨, ¨yq est appelé espace euclidien.
Remarque 2.2.5. D’après la remarque
` 2.2.3, si
˘ pE, x , yq est un espace euclidien et si F est un
sous-espace vectoriel de E, alors F, x , y|F ˆF est également un espace euclidien. On le notera
simplement pF, x , yq.
Supposons donc dans la suite de cette section que E est un espace vectoriel de dimension
a d’un produit scalaire x¨, ¨y. Pour tout vecteur v de E, xv, vy ě 0 et on définit alors
finie muni
}v} :“ xv, vy. Une première propriété importante des espaces euclidiens est l’inégalité de
Cauchy-Schwarz présentée ci-dessous. Cette inégalité permet en particulier de montrer que
l’application qui à tout vecteur v de E associe }v} P r0, `8r est une norme.
Lemme 2.2.6 (Inégalité de Cauchy-Schwarz). Pour tous vecteurs v et w de E, on a l’inégalité

|xv, wy| ď }v}}w},

et |xv, wy| “ }v}}w} si et seulement si les vecteurs v et w sont liés.

Démonstration. Soient v, w P E.

Si w est le vecteur nul 0E de E, on a

xv, wy “ xv, 0E y “ xv, 0 ¨ 0E y “ 0 ¨ xv, 0E y “ 0

a a
et }w} “ xw, wy “ x0E , 0E y “ 0. L’inégalité ci-dessus est donc vérifiée : il s’agit d’une
égalité et on a w “ 0E “ 0 ¨ v.

On suppose maintenant que w ‰ 0E . Soit alors λ P R, on a }v ` λw}2 ě 0. Or

}v ` λw}2 “ xv ` λw, v ` λwy

“ xv, vy ` λxv, wy ` λxw, vy ` λ2 xw, wy
“ }v}2 ` 2λxv, wy ` λ2 }w}2 .

Ainsi, pour tout λ P R, }w}2 λ2 `2xv, wyλ`}v}2 ě 0, en d’autres termes, la fonction polynomiale
du second degré
R Ñ R
λ ÞÑ }w}2 λ2 ` 2xv, wyλ ` }v}2
(remarquons que }w}2 ‰ 0 car xw, wy ‰ 0 car w ‰ 0E ) est positive sur tout R, ce qui est
équivalent au fait que le discriminant associé 4xv, wy2 ´ 4}w}2 }v}2 soit négatif ou nul. Ainsi, on
a xv, wy2 ď }v}2 }w}2 i.e. |xv, wy| ď }v}}w}.

De plus, si |xv, wy| “ }v}}w} ô xv, wy2 “ }v}2 }w}2 , le discriminant associé à la fonction
polynomiale du second degré ci-dessus est nul : le polynôme associé possède donc une racine
(double) λ0 P R. On a ainsi

xv ` λ0 w, v ` λ0 wy “ }v ` λ0 w}2 “ }w}2 λ20 ` 2xv, wyλ0 ` }v}2 “ 0,

58 CHAPITRE 2. ESPACES EUCLIDIENS

et donc v ` λ0 w “ 0E . En particulier, les vecteurs v et w sont liés.

Réciproquement, supposons qu’il existe pµ1 , µ2 q P R2 ztp0, 0qu tel que µ1 v ` µ2 w “ 0. Si
µ2 “ 0, nécessairement v “ 0E et, comme ci-dessus, |xv, wy| “ 0 “ }v}}w}. Si µ2 ‰ 0, on a
w “ µµ21 v et alors

µ1 2
B F
2
xv, wy “ v, v
µ2
ˆ ˙2
µ1
“ xv, vy2
µ2
B F
µ1 µ1
“ xv, vy v, v
µ2 µ2
“ }v}2 }w}2 .

E Ñ r0, `8r
Corollaire et Définition 2.2.7. L’application } ¨ } : est une norme, i.e.
v ÞÑ }v}

1. pour tous v P E et λ P R, }λv} “ |λ|}v},

2. pour tout v P E, }v} “ 0 si et seulement si v “ 0E ,

3. pour tous v, w P E, }v ` w} ď }v} ` }w} (inégalité de Minkowski).

En conséquence, le couple pE, } ¨ }q est un espace vectoriel normé. La norme } ¨ } est appelée
norme euclidienne associée au produit scalaire x¨, ¨y.

Démonstration. 1. Soient v P E et λ P R, alors

a ? a
}λv} “ xλv, λvy “ λ2 xv, vy “ |λ|}v}.
a
2. Soit v P E, alors }v} “ xv, vy “ 0 ssi xv, vy “ 0 ssi v “ 0E .

3. Soient v, w P E. Alors

}v ` w}2 “ xv ` w, v ` wy
“ xv, vy ` xv, wy ` xw, vy ` xw, wy
“ }v}2 ` 2xv, wy ` }w}2
ď }v}2 ` 2|xv, wy| ` }w}2
ď }v}2 ` 2}v}}w} ` }w}2 ă(par l’inégalité de Cauchy-Schwarz)
“ p}v} ` }w}q2

et donc }v ` w} ď }v} ` }w}.

2.3. ORTHOGONALITÉ DANS LES ESPACES EUCLIDIENS 59

Remarque 2.2.8. • D’après les premières égalités ci-dessus, on a, pour tous v, w P E,

1`
}v ` w}2 ´ }v}2 ´ }w}2 .
˘
xv, wy “
2

• Soient v, w P E, alors }v ` w} “ }v} ` }w} si et seulement si w “ 0E ou v “ µ w avec

µ P r0; `8r.
En effet, supposons que }v ` w} “ }v} ` }w} et que w ‰ 0E , alors

}v ` w}2 “ p}v} ` }w}q2 i.e. }v}2 ` 2xv, wy ` }w}2 “ }v}2 ` 2}v}}w} ` }w}2
i.e. xv, wy “ }v}}w}

et donc, d’après la démonstration du cas d’égalité de l’inégalité de Cauchy-Schwarz (cf.

preuve du lemme 2.2.6), v “ ´λ0 w où λ0 est la racine double du polynôme de discriminant
nul }w}2 X 2 ` 2xv, wyX ` }v}2 , i.e. λ0 “ ´ 2xv,wy
2}w}2
“ ´ xv,wy
}w}2
“ ´ }v}}w}
}w}2
. En particulier,
´λ0 ě 0.
Réciproquement, si w “ 0E , alors }v`w} “ }v} “ }v}`}w}, et si v “ µ w avec µ P r0; `8r,
alors

}v ` w} “ }µw ` w}
“ }pµ ` 1qw}
“ pµ ` 1q}w}ă(|µ ` 1| “ µ ` 1 car µ ě 0)
“ µ}w} ` }w}
“ }µw} ` }w} (µ “ |µ| car µ ě 0)
“ }v} ` }w}.

2.3 Orthogonalité dans les espaces euclidiens, bases orthogo-

nales, bases orthonormales
Soit pE, x¨, ¨yq un espace euclidien.
La structure supplémentaire qu’apporte le produit scalaire x¨, ¨y à l’espace vectoriel de di-
mension finie E nous permet d’y introduire une notion d’orthogonalité :

Définition 2.3.1. Soient v et w deux vecteurs de E. On dit que v et w sont orthogonaux si

xv, wy “ 0. Dans ce cas, on dira aussi que v est orthogonal à w et que w est orthogonal à v.

Exemple 2.3.2. Dans R3 muni du produit scalaire canonique, les vecteurs p1, ´1, 2q et p1, 3, 1q
sont orthogonaux.
Remarquons que le théorème de Pythagore peut être étendu à tout espace euclidien :

Lemme 2.3.3 (Théorème de Pythagore). Soient v et w deux vecteurs de E. Alors v et w sont

orthogonaux si et seulement si }v ` w}2 “ }v}2 ` }w}2 .
60 CHAPITRE 2. ESPACES EUCLIDIENS

Démonstration. On a }v ` w}2 “ }v}2 ` 2xv, wy ` }w}2 et donc }v ` w}2 “ }v}2 ` }w}2 ssi
xv, wy “ 0 ssi v et w sont orthogonaux.

Notons n :“ dimpEq et soit maintenant ¨ tv˛1 , . . .¨

, vn u˛ une base de E. Si v et w sont deux
x1 y1
˚ .. ‹ ˚ .. ‹
vecteurs de E de coordonnées respectives ˝ . ‚ et ˝ . ‚ dans cette base, alors
xn yn
C G
n
ÿ n
ÿ ÿ
xv, wy “ xi vi , yj v j “ xi yj xvi , vj y.
i“1 j“1 1ďi,jďn

On aimerait pouvoir considérer une base de E dans laquelle cette expression du produit
scalaire x¨, ¨y sur E soit la plus simple possible. Cela nous mène à la notion de base orthogonale
et de base orthonormale :
Définition 2.3.4. Soit B “ te1 , . . . , en u une base de E.
1. On dit que B est une base orthogonale de E si pour tous i, j P t1, . . . , nu tels que i ‰ j,
on a xei , ej y “ 0.
2. On dit que B est une base orthonormale de E si B est une base orthogonale de E et
si tous les vecteurs de B sont de norme euclidienne 1. Autrement dit, B est une base
orthonormale de E si et seulement si pour tous i, j P t1, . . . , nu, xei , ej y “ δi j (pour tout
v P E, }v} “ 1 ssi xv, vy “ 1).
Exemple 2.3.5. • La base canonique de Rn est une base orthonormale pour le produit sca-
laire canonique sur Rn (exemple 2.2.2 1.).
• Par définition, une base B de E est une base orthonormale pour le produit scalaire associé
x¨, ¨yB (exemple 2.2.2 2.).
Remarque 2.3.6. 1. Si B “ te1 , . . . , en u est une base orthonormale
¨ ˛ ¨ pour
˛ x¨, ¨y et si v et w
x1 y1
˚ .. ‹ ˚ .. ‹
sont deux vecteurs de E de coordonnées respectives ˝ . ‚ et ˝ . ‚ dans B, alors
xn yn
ÿ n
ÿ
xv, wy “ xi yj xei , ej y “ x i yi .
1ďi,jďn i“1

En particulier, pour tout i P t1, . . . , nu, xv, ei y “ xi et donc

n
ÿ
v“ xv, ei y ei .
i“1

2. Si la famille tϵ1 , . . . , ϵn u est une base orthogonale de E, alors la famille te1 , . . . , en u avec,
pour tout i P t1, . . . , nu, ei :“ }ϵϵii } , est une base orthonormale de E. En effet, pour tout
› ›
i P t1, . . . , nu, }ei } “ › }ϵϵii } › “ }ϵ1i } }ϵi } “ 1.
› ›
2.3. ORTHOGONALITÉ DANS LES ESPACES EUCLIDIENS 61

3. Plus généralement, on appellera famille orthogonale toute famille finie de vecteurs non
nuls de E deux à deux orthogonaux, et famille orthonormale toute famille orthogonale
tv1 , . . . , vp u de E telle que, pour tout i P t1, . . . , pu, }vi } “ 1. Il est à remarquer que toute
famille orthogonale de E est libre : soit tw1 , . . . , wm u une famille orthogonale de E et
soient λ1 , . . . , λm P R tels que λ1 w1 ` ¨ ¨ ¨ ` λm wm “ 0E , alors, pour tout i P t1, . . . , mu,
C G
m
ÿ ÿm
0 “ wi , λ j wj “ λj xwi , wj y “ λi xwi , wi y
j“1 j“1

et donc, comme xwi , wi y ‰ 0 (car wi ‰ 0E ), λi “ 0. En particulier, étant libre, toute

famille orthogonale possède au plus n “ dimpEq éléments.
Un résultat essentiel de la théorie des espaces euclidiens est qu’il est toujours possible de
construire, de façon algorithmique, une base orthonormale pour l’espace euclidien considéré :
Théorème 2.3.7 (Procédé d’orthonormalisation de Gram-Schmidt). ăSoit tv1 , . . . , vp u une
famille libre de E. On peut construire, de façon algorithmique, une famille orthonormale
te1 , . . . , ep u de E telle que, pour tout k P t1, . . . , pu, Vect te1 , . . . , ek u “ Vect tv1 , . . . , vk u (en
particulier, te1 , . . . , ep u est donc une base orthonormale de Vect tv1 , . . . , vp u).
Démonstration. On construit, de façon récursive, une base orthogonale tϵ1 , . . . , ϵp u pour Vect tv1 , . . . , vp u.
On en déduit immédiatement une base orthonormale en “normalisant” les vecteurs obtenus (i.e.
en les multipliant chacun par l’inverse de leur norme comme dans la remarque 2.3.6 2.).
Le procédé récursif est le suivant : pour 1 ď k ď p ´ 1, on suppose que l’on a déjà
construit des vecteurs ϵ1 , . . . , ϵk P E orthogonaux deux à deux tels que Vect tϵ1 , . . . , ϵk u “
Vect tv1 , . . . , vk u. On recherche alors un vecteur ϵk`1 de E de la forme

ϵk`1 “ vk`1 ` λ1 ϵ1 ` ¨ ¨ ¨ ` λk ϵk P Vect tϵ1 , . . . , ϵk , vk`1 u “ Vect tv1 , . . . , vk , vk`1 u

tel que, pour tout i P t1, . . . , ku, xϵk`1 , ϵi y “ 0.

Or, pour i P t1, . . . , ku,

xϵk`1 , ϵi y “ 0 ô xvk`1 ` λ1 ϵ1 ` ¨ ¨ ¨ ` λk ϵk , ϵi y “ 0
ô xvk`1 , ϵi y ` λi xϵi , ϵi y “ 0
xvk`1 , ϵi y
ô λi “ ´
}ϵi }2
xv ,ϵi y
Ainsi, par construction, la famille tϵ1 , . . . , ϵk`1 u avec ϵk`1 :“ vk`1 ´ ki“1 k`1
ř
}ϵi }2
ϵi est orthogo-
nale et engendre bien Vect tv1 , . . . , vk , vk`1 u car Vect tv1 , . . . , vk , vk`1 u “ Vect tϵ1 , . . . , ϵk , vk`1 u “
xv ,ϵi y
Vect tϵ1 , . . . , ϵk , ϵk`1 u (car ϵk`1 “ vk`1 ´ ki“1 k`1
ř
}ϵi }2
ϵi P Vect tϵ1 , . . . , ϵk , vk`1 u et vk`1 “
řk xvk`1 ,ϵi y
ϵk`1 ` i“1 }ϵi }2 ϵi P Vect tϵ1 , . . . , ϵk , ϵk`1 u).

Remarque 2.3.8. Au terme de l’étape k ` 1 du procédé ci-dessus, on peut remplacer ϵk`1 par
n’importe quel vecteur non nul ϵ1k`1 de la droite vectorielle engendrée par ϵk`1 : la famille
tϵ1 , . . . , ϵk , ϵ1k`1 u ainsi obtenue reste orthogonale et engendre toujours Vect tv1 , . . . , vk`1 u. Cela
peut être utile pour simplifier les calculs (notamment pour éviter de manipuler des fractions).
62 CHAPITRE 2. ESPACES EUCLIDIENS

Exemple 2.3.9. On détermine une base orthonormale pour le sous-espace vectoriel F de R4

engendré par les vecteurs v1 “ p1, 1, 0, 0q, v2 “ p1, 0, ´1, 1q et v3 “ p0, 1, 1, 1q. La famille
tv1 , v2 , v3 u est libre (c’est donc une base de F “ Vecttv1 , v2 , v3 u) et on applique le procédé
d’orthonormalisation de Gram-Schmidt pour déterminer une base orthonormale de F .
On pose

ϵ1 :“ v1 “ p1, 1, 0, 0q
ˆ ˙
xv2 , ϵ1 y 1 1 1 1
ϵ2 :“ v2 ´ ϵ1 “ v2 ´ ϵ1 “ , ´ , ´1, 1 “ p1, ´1, ´2, 2q
}ϵ1 }2 2 2 2 2
1
ϵ2 :“ p1, ´1, ´2, 2q (pour simplifier les calculs)
xv3 , ϵ12 y 1
ˆ ˙
xv3 , ϵ1 y 1 1 1 2 2 4 6 2
ϵ3 :“ v3 ´ 2
ϵ1 ´ 1 2
ϵ2 “ v3 ´ ϵ1 ` ϵ2 “ ´ , , , “ p´1, 1, 2, 3q
}ϵ1 } }ϵ2 } 2 10 5 5 5 5 5
1
ϵ3 :“ p´1, 1, 2, 3q

et la famille tϵ1 , ϵ12 , ϵ13 u est alors une base orthogonale de F . La famille
" *
1 1 1
? p1, 1, 0, 0q, ? p1, ´1, ´2, 2q, ? p´1, 1, 2, 3q
2 10 15

ensuite obtenue par normalisation des vecteurs tϵ1 , ϵ12 , ϵ13 u est une base orthonormale de F .

Corollaire 2.3.10. Il existe une base orthonormale pour l’espace euclidien pE, x¨, ¨yq

Démonstration. Soit tv1 , . . . , vn u une base de E. En particulier, la famille tv1 , . . . , vn u est libre
et, d’après le théorème 2.3.7, on peut construire une base orthonormale pour Vecttv1 , . . . , vn u “
E.

Remarque 2.3.11. Soit B “ te1 , . . . , en u une base orthonormale pour x¨, ¨y. Alors x¨, ¨y “ ¨
x¨, ¨y˛
B
x1
(exemple 2.2.2 2.). En effet, pour tous vecteurs v et w de E, de coordonnées respectives ˝ ... ‚
˚ ‹

xn
¨ ˛
y1 n
˚ .. ‹ ÿ
et ˝ . ‚ dans la base B, on a xv, wy “ xi yi “ xv, wyB .
yn i“1

Le choix d’une base orthonormale pour l’espace euclidien pE, x¨, ¨yq permet d’identifier E
avec l’espace euclidien pRn , x¨, ¨ycan q muni du produit scalaire canonique. Précisément :

Corollaire 2.3.12. Il existe un isomorphisme (non canonique) ψ : E Ñ Rn tel que, pour tous
vecteurs v et w de E, xψpvq, ψpwqycan “ xv, wy.

Démonstration. Soit B “ te1 , . . . , en u une base orthonormale pour x¨, ¨y et notons B 1 “ te11 , . . . , e1n u
la base canonique de Rn . Notons ensuite ψB l’application linéaire de E dans Rn qui, pour tout
i P t1, . . . , nu, associe e1i à ei . Autrement dit, ψB est l’application qui à tout vecteur v de E
2.4. ORTHOGONAL D’UN SOUS-ESPACE VECTORIEL 63
¨ ˛
x1
de coordonnées ˝ ... ‚ dans la base B associe le vecteur px1 , . . . , xn q de Rn . Il s’agit d’un iso-
˚ ‹

xn
¨ ˛
x1
˚ .. ‹
morphisme linéaire et, si v et w sont deux vecteurs de E de coordonnées respectives ˝ . ‚ et
xn
¨ ˛
y1
˚ .. ‹
˝ . ‚ dans B, on a
yn
n
ÿ
xψB pvq, ψB pwqycan “ xpx1 , . . . , xn q, py1 , . . . , yn qycan “ xi yi “ xv, wy
i“1

(car B est une base orthonormale pour x¨, ¨y).

Remarque 2.3.13. Le théorème 2.3.7ăpermet également de montrer que toute famille orthonor-
male de E peut être complétée en une base orthonormale de E. En effet, soit te1 , . . . , ep u une
famille orthonormale de E, on la complète en une base te1 , . . . , ep , vp`1 , . . . , vn u de E à laquelle
on applique le procédé d’orthonormalisation de Gram-Schmidt : comme les vecteurs e1 , . . . , ep
sont déjà orthogonaux deux à deux et tous de norme 1, on est amené à construire des vecteurs
ep`1 , . . . , en de E tels que la famille te1 , . . . , ep , ep`1 , . . . , en u soit une base orthonormale de E.

2.4 Orthogonal d’un sous-ensemble, orthogonal d’un sous-espace

vectoriel
Soit pE, x¨, ¨yq un espace euclidien et soit A un sous-ensemble non vide de E. On considère
l’ensemble des vecteurs de E orthogonaux à tous les vecteurs contenus dans A :
Définition 2.4.1. On note AK l’ensemble

tv P E | pour tout w P A, xv, wy “ 0u,

que l’on appelle l’orthogonal de A (par rapport à x¨, ¨y).

Exemple 2.4.2. Dans R3 muni du produit scalaire canonique, l’orthogonal du sous-ensemble de
R3 réduit au vecteur p´2, 5, 3q est

tp´2, 5, 3quK “ px, y, zq P R3 | xpx, y, zq, p´2, 5, 3qycan “ ´2x ` 5y ` 3z “ 0 .

␣ (

Dans l’exemple ci-dessus, on peut remarquer que tp´2, 5, 3quK est un sous-espace vectoriel
de R3 . L’orthogonal d’un sous-ensemble d’un espace euclidien en est en fait toujours un sous-
espace vectoriel :
Lemme 2.4.3. Soit A un sous-ensemble non vide de E. Alors AK est un sous-espace vectoriel
de E (même si A ne l’est pas !).
64 CHAPITRE 2. ESPACES EUCLIDIENS

Démonstration. 0E P AK car, pour tout w P A, x0E , wy “ 0, et, si v1 , v2 P AK et λ, µ P R, on a,

pour tout w P A,
xλv1 ` µv2 , wy “ λxv1 , wy ` µxv2 , wy “ 0.
Ainsi, AK est bien un sous-espace vectoriel de E.

Remarque 2.4.4. • Si A est un sous-ensemble de E, on a AK “ pVectpAqqK .

• On a t0E uK “ E (car, pour tout v P E, xv, 0E y “ 0) et E K “ t0E u (en effet, si v P E K ,

xv, vy “ 0, car v P E K et v P E, et donc v “ 0E ).
Si maintenant F est un sous-espace vectoriel de E, on va montrer que l’on peut décomposer
E en la somme directe de F et de son orthogonal F K :

Proposition 2.4.5. Soit F un sous-espace vectoriel de E. On a :

` ˘
1. E “ F ‘ F K (en particulier, dim F K “ dimpEq ´ dimpF q),
` ˘K
2. F K “ F .

Démonstration. 1. On note p :“ dimpF q. Soit te1 , . . . , ep u une base orthonormale de F

que l’on complète en une base orthonormale te1 , . . . , en u de E. On a alors E “ F ‘
Vecttep`1 , . . . , en u. Montrons que Vecttep`1 , . . . , en u “ F K .
Soit v P E. Commençons par remarquer que v P F K ssi pour tout i P t1, . . . , pu, xv, ei y “ 0
(car te1 , . . . , ep u est une famille génératrice de F ). De plus, comme te1 , . . . , en u est une
ÿn
base orthonormale de E, v “ xv, ei y ei (remarque 2.3.6 1.) et, ainsi,
i“1

v P FK ssi @i P t1, . . . , pu, xv, ei y “ 0

ÿn
ssi v“ xv, ei y ei (te1 , . . . , en u est une base de E)
i“p`1
ssi v P Vecttep`1 , . . . , en u (tep`1 , . . . , en u est une base orthonormale de Vecttep`1 , . . . , en u).
` ˘K
2. On a F Ă F K car, si v P F , pour tout w P F K , xv, wy “ xw, vy “ 0. De plus,
´` ˘K ¯
dim F K “ dimpEq ´ dim F K “ dimpEq ´ pdimpEq ´ dimpF qq “ dimpF q.
` ˘

` ˘K
Par conséquent, F “ F K .

Soit F un sous-espace vectoriel de E. Comme E se décompose en la somme directe de F et

de son orthogonal F K , on peut considérer la projection de E sur F parallèlement à F K :

Définition 2.4.6. On appelle projection orthogonale sur F la projection de E sur F parallèle-

ment à F K . Il s’agit de l’application linéaire surjective qui à tout vecteur v “ w ` u de E avec
w P F et u P F K associe sa composante w dans F . On note pF cette application.
2.4. ORTHOGONAL D’UN SOUS-ESPACE VECTORIEL 65

Remarque 2.4.7. • Si te1 , . . . , ep u est une base de F et tep`1 , . . . , en u est une base de F K
alors B :“ te1 , . . . , ep , ep`1 , . . . , en u est une base de E dans laquelle la matrice représen-
tative de pF est
¨ ˛
1
˚ .. ‹
˚ . ‹
˚ ‹ ˆ ˙
˚ 1 ‹ Ip 0p,n´p
MatB ppF q “ ˚ ˚
‹ “ 0n´p,p 0n´p,n´p .
‹
˚ 0 ‹
˚ . . ‹
˝ . ‚
0

• Si te1 , . . . , ep u est une base orthonormale de F alors, pour tout v P E,

p
ÿ
pF pvq “ xv, ei y ei .
i“1

• Soient v P E et w P F . Alors w “ pF pvq si et seulement si v ´ w P F K : en effet, on a

v “ v ´ w ` w avec w P F et E “ F K ‘ F .
La projection orthogonale permet notamment de calculer explicitement la distance eucli-
dienne d’un vecteur de E à un sous-espace vectoriel de E. On donne tout d’abord la définition
de cette notion de distance euclidienne :
Définition 2.4.8. Si v et w sont deux vecteurs de E, on définit la distance euclidienne de v à w
comme étant le réel positif ou nul dpv, wq :“ }w ´ v}.
Si v est un vecteur de E et A un sous-ensemble non vide de E, on définit également
la distance euclidienne de v à A comme étant le réel positif ou nul dpv, Aq :“ inf dpv, wq “
wPA
inf }w ´ v}.
wPA

Remarque 2.4.9. • La distance euclidienne d’un vecteur de E à un autre est bien une dis-
tance (il s’agit de la distance induite par la norme || ¨ ||).
• Pour v un vecteur de E et A un sous-ensemble non vide de E, la borne inférieure de
l’ensemble tdpv, wq | w P Au existe bien et est positive ou nulle : ce sous-ensemble de R
est non vide et minorée par 0.
Proposition 2.4.10. ăSoit v P E. On a

dpv, F q “ }v ´ pF pvq} .

Démonstration. Soit w P F . On a

}v ´ w}2 “ }v ´ pF pvq ` pF pvq ´ w}2 “ }v ´ pF pvq}2 ` }pF pvq ´ w}2

par le théorème de Pythagore (lemme 2.3.3) car v ´ pF pvq P F K (par définition de la projection
orthogonale : il existe un unique vecteur u P F K tel que v “ pF pvq ` u) et pF pvq ´ w P F (car
F est un sous-espace vectoriel de E).
66 CHAPITRE 2. ESPACES EUCLIDIENS

Ainsi, pour tout w P F , }v ´ w}2 ě }v ´ pF pvq}2 donc }v ´ w} ě }v ´ pF pvq} donc inf t}v ´ w} | w P F u ě
}v ´ pF pvq}. De plus, comme pF pvq P F , inf t}v ´ w} | w P F u ď }v ´ pF pvq}. Au total, }v ´ pF pvq} “
inf t}v ´ w} | w P F u “ dpv, F q.

Remarque 2.4.11. De plus, si v P E et w P F , dpv, F q “ }v ´ w} si et seulement si w “ pF pvq :

on a

dpv, F q “ }v ´ w} ssi }v ´ w} “ }v ´ pF pvq}

ssi }v ´ w}2 “ }v ´ pF pvq}2
ssi }v ´ pF pvq}2 ` }pF pvq ´ w}2 “ }v ´ pF pvq}2
ssi }pF pvq ´ w}2
ssi pF pvq ´ w “ 0E
ssi w “ pF pvq.

On définit également la symétrie orthogonale par rapport à F :

Définition 2.4.12. On appelle symétrie orthogonale par rapport à F la symétrie par rapport
à F parallèlement à F K . Il s’agit de l’involution linéaire de E qui à tout vecteur v “ w ` u de
E avec w P F et u P F K associe le vecteur w ´ u. On note sF cette application.

Remarque 2.4.13. • “Involution linéaire de E” signifie que sF est une application linéaire
de E dans E telle que sF ˝ sF “ IdE . Autrement dit, sF est un automorphisme linéaire
de E d’inverse lui-même.

• Comme pour toute symétrie vectorielle, on a sF “ 2pF ´ IdE (si v “ w ` u P E avec

w P F et u P F K , on a p2pF ´ IdE q pvq “ 2w ´ pw ` uq “ w ´ u “ sF pvq).

• Si te1 , . . . , ep u est une base de F et tep`1 , . . . , en u est une base de F K alors B :“

te1 , . . . , ep , ep`1 , . . . , en u est une base de E dans laquelle la matrice représentative de
sF est ¨ ˛
1
˚ .. ‹
˚ . ‹
˚ ‹ ˆ ˙
˚ 1 ‹ Ip 0 p,n´p
MatB psF q “ ˚ ‹“ .
˚
˚ ´1 ‹
‹ 0n´p,p ´In´p
˚ .. ‹
˝ . ‚
´1

2.5 Représentation matricielle du produit scalaire

Afin d’aider aux calculs, on cherche à représenter le produit scalaire de façon matricielle.
Soit pE, x¨, ¨, yq un espace euclidien. Le point de départ pour définir une telle représentation
est le suivant. Supposons que E soit de dimension n P Nzt0u et soit B “ te1 , . . . , en u une base
2.5. REPRÉSENTATION MATRICIELLE DU PRODUIT SCALAIRE 67

(quelconque) de E. On a vu au début
¨ ˛ de la ¨
section
˛ précédente que, si v et w sont deux vecteurs
x1 y1
de E de coordonnées respectives ˝ ... ‚ et ˝ ... ‚ dans la base B, alors
˚ ‹ ˚ ‹

xn yn

ÿ
xv, wy “ xi yj xei , ej y.
1ďi,jďn

˛¨ ¨ ˛
x1 y1
˚ .. ‹ ˚ .. ‹ ` ˘
Ecrivons X :“ ˝ . ‚ “ MatB pvq, Y :“ ˝ . ‚ “ MatB pwq et A la matrice xei , ej y 1ďi,jďn .
xn yn
On a alors
ÿ
xv, wy “ xi yj xei , ej y
1ďi,jďn
ÿ
“ xi xei , ej y yj
1ďi,jďn
˜ ¸
n
ÿ n
ÿ
“ xi xei , ej y yj
i“1 j“1
ÿn
“ xi pAY qi ă(où pAY qi désigne la ième coordonnée du vecteur colonne AY )
i“1
t
“ XAY

Cette écriture motive la définition suivante :

Définition 2.5.1. On appelle matrice représentative du produit scalaire x¨, ¨y dans la base B la
matrice

¨ ˛
xe1 , e1 y ¨ ¨ ¨ xe1 , en y
˚ .. .. ‹
Matps
` ˘ ` ˘
B x¨, ¨y :“ xei , ej y 1ďi,jďn “˝ . . ‚
xen , e1 y ¨ ¨ ¨ xen , en y

• Si Bcan désigne la base canonique de Rn , on a Matps

` ˘
Exemple 2.5.2. Bcan x¨, ¨ycan “ In .

• On a Matps
` ˘
B x¨, ¨yB “ In .

• Considérons sur l’espace vectoriel R2 rXs de dimension 3 le produit scalaire x¨, ¨y défini
68 CHAPITRE 2. ESPACES EUCLIDIENS

dans l’exemple 2.2.2 4.. On note B la base t1, X, X 2 u de R2 rXs et on calcule alors
ż1
x1, 1y “ 1 dt “ rts10 “ 1
0
ż1 ȷ1
t2
„
1
x1, Xy “ xX, 1y “ t dt “ “
0 2 0 2
ż1 „ 3 ȷ1
t 1
1, X 2 “ X 2 , 1 “ t2 dt “
@ D @ D
“
0 3 0 3
ż1 „ 3 ȷ1
t 1
xX, Xy “ t2 dt “ “
0 3 0 3
ż1 „ 4 ȷ1
t 1
X, X 2 “ X 2 , X t3 dt “
@ D @ D
“ “
0 4 0 4
ż1 „ 5 ȷ1
t 1
X 2, X 2 t4 dt “
@ D
“ “
0 5 0 5

Ainsi,
1 1
¨ ˛
1 2 3
Matps 1 1 1
˚ ‹
B px¨, ¨yq “ ˝
˚ ‹
2 3 4 ‚
1 1 1
3 4 5

Remarque 2.5.3. • Attention à ne pas faire de confusions avec la matrice représentative

d’une application linéaire !

• Avec les notations du début de cette section, on a

xv, wy “ t MatB pvqMatps

` ˘
B x¨, ¨y MatB pwq,

qui est aussi égal à t MatB pwqMatps

` ˘
B x¨, ¨y MatB pvq “ xw, vy car x¨, ¨y est symétrique.

• Comme le produit scalaire` est symétrique, on a, pour tous i, j `P t1,˘. . . , nu, xe`i , ej y˘“
xej , ei y et la matrice Matps i.e. t Matps ps
˘
B x¨, ¨y est donc symétrique B x¨, ¨y “ MatB x¨, ¨y .
Le fait que le produit scalaire x¨, ¨y soit “défini” s’exprime dans le fait que la matrice
Matps ps
B px¨, ¨yq est inversible. En effet, si on note A :“ MatB px¨, ¨yq et si X est un vecteur
colonne de taille n quelconque tel que AX est le vecteur colonne nul de taille n, alors
t XAX “ 0 i.e. xv, vy “ 0 où v désigne le vecteur de coordonnées X dans la base B. Par

suite, v “ 0E et X est donc le vecteur colonne nul. Comme le noyau de la matrice carrée
A est réduit au vecteur colonne nul, A est inversible.

• La base
` B ˘est orthonormale par rapport au produit scalaire x¨, ¨y si et seulement si
Matps
B x¨, ¨y “ In .
Ainsi, le corollaire 2.3.10 affirme qu’il existe toujours une base dans laquelle la matrice
représentative du produit scalaire x¨, ¨y est la matrice identité.
2.6. ENDOMORPHISMES ORTHOGONAUX ET MATRICES ORTHOGONALES 69

On peut à présent se demander comment sont reliées les matrices représentatives de x¨, ¨y
dans deux bases (quelconques) différentes, autrement dit s’intéresser à la question du change-
ment de base pour la matrice représentative d’un produit scalaire.
Soit donc B 1 une autre base de E et considérons la matrice de passage PBÑB1 de la base B
à la base B 1 . On a l’égalité suivante :

Proposition 2.5.4. On a

Matps ps `
` ˘ t ˘
B 1 x¨, ¨y “ P BÑB 1 Mat
B x¨, ¨y PBÑB1

Démonstration. Soient v,`w P E. ˘ Comme au début 1de la section, notons X :“ MatB pvq, Y :“
ps
MatB pwq et˘ A :“ MatB x¨, ¨y . Notons ensuite X :“ MatB pvq, Y :“ MatB1 pwq et A1 :“
1
1
ps `
MatB1 x¨, ¨y .
On a X 1 “ PB1 ÑB X “ PBÑB1 ´1 X ô X “ PBÑB1 X 1 et Y 1 “ PB1 ÑB Y “ PBÑB1 ´1 Y ô Y “
PBÑB1 Y 1 . Ainsi,
t
xv, wy “ XAY
t
PBÑB1 X 1 A PBÑB1 Y 1
` ˘ ` ˘
“
“ t X 1 t PBÑB1 A PBÑB1 Y 1 .
` ˘

Remarquons maintenant que, si M “ pmi j q1ďi,jďn est une matrice carrée de taille n quel-
conque et si, pour i P t1, . . . , nu, Xi désigne le vecteur colonne avec coordonnées 1 à la ligne i
et 0 sur les autres lignes, on a, pour tous i, j P t1, . . . , nu, t Xi M Xj “ mi j . ´ ¯
Soient alors i, j P t1, . . . , nu et notons B 1 “ te11 , . . . , e1n u. On a MatB1 pe1i q “ Xi et MatB1 e1j “
Xj et, par l’égalité ci-dessus,

e1i , e1j “ t Xi t PBÑB1 A PBÑB1 Xj .

@ D ` ˘

Autrement dit, le coefficient à la ligne i et la colonne j de la matrice A1 est égal au coefficient

à la ligne i et la colonne j de la matrice t PBÑB1 A PBÑB1 . Par conséquent, A1 “ t PBÑB1 A PBÑB1 .

Remarque 2.5.5. Attention à ne surtout pas confondre ce changement de base pour les produits
scalaires avec le changement de base pour les applications linéaires.

2.6 Endomorphismes orthogonaux et matrices orthogonales

Soit pE, x¨, ¨yq un espace euclidien de dimension n P Nzt0u et soit f un endomorphisme de
E.

Définition 2.6.1. On dit que f est un endomorphisme orthogonal de E si pour tous v, w P E,

xf pvq, f pwqy “ xv, wy.

Exemple 2.6.2. L’identité IdE de E est un endomorphisme orthogonal.

70 CHAPITRE 2. ESPACES EUCLIDIENS

Autrement dit, f est un endomorphisme orthogonal de E si f conserve le produit sca-

laire x¨, ¨y. Cette propriété est équivalente à la préservation de la norme euclidienne et à la
préservation de la distance euclidienne :

Proposition 2.6.3. f est un endomorphisme orthogonal si et seulement si f conserve la norme

euclidienne } ¨ } associée à x¨, ¨y si et seulement si f conserve la distance euclidienne d associée
à x¨, ¨y.

Démonstration. On montre que les assertions

1. f est orthogonal,

2. pour tout v P E, }f pvq} “ }v},

3. pour tous v, w P E, d pf pvq, f pwqq “ dpv, wq,

sont équivalentes.
Montrons tout d’abord 1 ñ 2 : si f préserve le produit scalaire x¨, ¨y, alors, pour tout v P E,
a a
}f pvq} “ xf pvq, f pvqy “ xv, vy “ }v}.

Montrons ensuite 2 ñ 3 : si f préserve la norme euclidienne associé à x¨, ¨y, alors, pour tous
v, w P E,
d pf pvq, f pwqq “ }f pwq ´ f pvq} “ }f pw ´ vq} “ }w ´ v} “ dpv, wq.
Enfin, on a l’implication 3 ñ 2 car, si f préserve la distance euclidienne et si v P E, alors

}f pvq} “ d pf pvq, 0q “ d pf pvq, f p0qq “ dpv, 0q “ }v},

ainsi que l’implication 2 ñ 1 car, si f préserve la norme euclidienne et si v, w P E, alors

1´ ¯
xf pvq, f pwqy “ }f pvq ` f pwq}2 ´ }f pvq}2 ´ }f pwq}2
2
1´ ¯
“ }f pv ` wq}2 ´ }f pvq}2 ´ }f pwq}2
2
1´ ¯
“ }v ` w}2 ´ }v}2 ´ }w}2
2
“ xv, wy.

Remarque 2.6.4. Un endomorphisme orthogonal est également appelé isométrie.

Une autre caractérisation d’un endomorphisme orthogonal est qu’il transforme une base
orthonormale en une base orthonormale :

Proposition 2.6.5. L’endomorphisme f est orthogonal si et seulement si f associe à toute

base orthonormale de E une base orthonormale de E.
2.6. ENDOMORPHISMES ORTHOGONAUX ET MATRICES ORTHOGONALES 71

Démonstration. Supposons que f est orthogonal et soit te1 , . . . , en u une base orthonormale
de E. Comme f est orthogonal, on a, pour tous i, j P t1, . . . , nu, xf pei q, f pej qy “ xei , ej y “ δi j ,
donc la famille de n vecteurs tf pe1 q, . . . , f pen qu est orthonormale : il s’agit donc d’une base
orthonormale de E.
Réciproquement, soit B “ te1 , . . . , en u une base orthonormale de E et supposons que la
famille
¨ ˛ tf¨ pe1 q,˛. . . , f pen qu est orthonormale. Soient alors v, w P E, de coordonnées respectives
x1 y1
˚ .. ‹ ˚ .. ‹
˝ . ‚ et ˝ . ‚ dans la base B, on a
xn yn
C ˜ ¸ ˜ ¸G
n
ÿ n
ÿ ÿ n
ÿ
xf pvq, f pwqy “ f xi e i ,f yj ej “ xi yj xf pei q, f pej qy “ xi yi “ xv, wy.
i“1 j“1 1ďi,jďn i“1

L’endomorphisme f est donc orthogonal.

Remarque 2.6.6. Remarquons que, d’après la démonstration ci-dessus, il suffit qu’il existe une
base orthonormale te1 , . . . , en u de E telle que la famille tf pe1 q, . . . , f pen qu soit orthonormale
pour que l’endomorphisme f soit orthogonal.

Corollaire 2.6.7. Tout endomorphisme orthogonal est bijectif et son inverse est également
orthogonal.

Démonstration. Supposons que l’endomorphisme f est orthogonal et soit B une base ortho-
normale de E. Alors, d’après la proposition précédente, la famille B 1 :“ f pBq est une base
orthonormale de E. On peut donc considérer la matrice de passage PBÑB1 qui est également la
matrice représentative de f dans la base B de E : en tant que matrice de passage, cette matrice
est inversible et donc l’endomorphisme f est bijectif.
Montrons enfin que l’endomorphisme f ´1 est également orthogonal : soient v, w P E, alors,
comme f est orthogonal,
@ ´1
f pvq, f ´1 pwq “ f f ´1 pvq , f f ´1 pwq “ xv, wy.
D @ ` ˘ ` ˘D

Intéressons-nous maintenant à la caractérisation matricielle de l’“orthogonalité” d’un endo-

morphisme. Soit B une base orthonormale de E.

Proposition 2.6.8. Soit A :“ MatB pf q la matrice représentative de f dans la base B. L’en-

domorphisme f de E est orthogonal si et seulement si tAA “ In .

Démonstration. Supposons que f est orthogonal. Alors, si l’on note B “ te1 , . . . , en u, on a,

pour tous i, j P t1, . . . , nu,
t
Xi tAA Xj “ t pAXi qpAXj q “ xf pei q, f pej qy “ xei , ej y “ δi j ,
` ˘

et donc tAA “ In (cf preuve de la proposition 2.5.4).

72 CHAPITRE 2. ESPACES EUCLIDIENS

Réciproquement, supposons que tAA “ In et soient v, w P E. En notant X :“ MatB pvq et

Y :“ MatB pwq, on a (comme la base B est orthonormale : remarque 2.5.3)

xf pvq, f pwqy “ t pAXq pAY q “ tX tAAY “ tXY “ xv, wy.

Ce résultat motive la définition suivante :

Définition 2.6.9. On dit qu’une matrice A de Mn pRq est orthogonale si t AA “ In .

Remarque 2.6.10. • Une matrice orthogonale est inversible et son inverse est sa transposée.

• L’endomorphisme f de E est orthogonal si et seulement si la matrice MatB pf q est ortho-

gonale. “Réciproquement”, une matrice A de Mn pRq est orthogonale si et seulement si
l’endomorphisme de Rn représenté par f dans la base canonique est orthogonal.

• Si f est orthogonal et si `A désigne la matrice représentative de f dans la base orthonor-

male B de E alors MatB f ´1 “ tA :
˘

MatB f ´1 “ MatB pf q´1 “ A´1 “ tA

` ˘

(la matrice A est orthogonale).

Exemple 2.6.11. ă

1. La matrice ¨ ˛
2 ´1 2
1
A :“ ˝ 2 2 ´1‚
3
´1 2 2
est orthogonale.

2. Une symétrie orthogonale est un endomorphisme orthogonal (remarque 2.4.13). Une pro-
jection orthogonale sur un sous-espace vectoriel strict n’est pas un endomorphisme or-
thogonal (remarque 2.4.7).

Un point de vue supplémentaire donné par l’égalité “tAA “ In ” est le suivant : une matrice
A P Mn pRq est orthogonale si et seulement si les vecteurs colonnes la composant forment une
base orthonormale de Rn muni du produit scalaire canonique. Dans ce cas, la matrice A est la
matrice de passage de la base canonique de Rn à la base orthonormale formée par ses vecteurs
colonnes. On peut généraliser cela de la façon suivante (rappelons que la base B a été supposée
orthonormale) :

Proposition 2.6.12. Soit B 1 une base de E. Alors B 1 est orthonormale si et seulement si la

matrice de passage de B à B 1 est orthogonale.
2.6. ENDOMORPHISMES ORTHOGONAUX ET MATRICES ORTHOGONALES 73

Démonstration. La matrice de passage P :“ PBÑB1 de B “ te1 , . . . , en u à B 1 “ te11 , . . . , e1n u est

formée, dans l’ordre, des vecteurs coordonnées des vecteurs e1i , i “ 1, . . . , n, dans la base B. On
a alors, comme B est orthonormale,
¨ 1 1 ˛
xe1 , e1 y ¨ ¨ ¨ xe11 , e1n y
t
P P “ ˝ ... .. ‹
˚
. ‚
xe1n , e11 y ¨ ¨ ¨ xe1n , e1n y
Ainsi, la matrice de passage P “ PBÑB1 est orthogonale ssi la famille de vecteurs te11 , . . . , e1n u
est orthonormale.

Remarque 2.6.13. En particulier, toute matrice de passage d’une base orthonormale à une autre
est orthogonale.
Remarquons ensuite que l’égalité “tAA “ In ” permet de montrer que le déterminant d’une
matrice orthogonale, et donc d’un endormorphisme orthogonal, est égal à 1 ou ´1 :
Proposition et Définition 2.6.14. Soit A une matrice orthogonale de Mn pRq. Alors detpAq “
1 ou detpAq “ ´1. Ainsi, si f est orthogonal, det pf q “ 1 ou det pf q “ ´1.
Si detpAq “ 1, resp. det pf q “ 1, on dit que A, resp. f , est une matrice orthogonale directe,
resp. endomorphisme orthogonal direct. Si detpAq “ ´1, resp. det pf q “ ´1, on dit que A, resp.
f , est une matrice orthogonale indirecte, resp. endomorphisme orthogonal indirect.
Démonstration. On a tAA “ In donc 1 “ det tAA “ det tA detpAq “ pdetpAqq2 d’où
` ˘ ` ˘

detpAq “ 1 ou detpAq “ ´1
Ainsi, si f est orthogonal, comme sa matrice représentative dans une base orthonormale est
orthogonale (proposition 2.6.8), on a det pf q “ 1 ou det pf q “ ´1.

Exemple 2.6.15. 1. La matrice orthogonale A de l’exemple 2.6.11 1. est directe.

2. Une symétrie orthogonale par rapport à un sous-espace vectoriel F de E est directe ou
indirecte suivant la parité de la “codimension” de F : le déterminant d’une telle symétrie
orthogonale est p´1qn´p si p est la dimension de F (remarque 2.4.13).
Terminons cette section en remarquant que l’ensemble des endomorphismes orthogonaux
de E muni de la composition forme un groupe. On a déjà vu plus haut que l’identité IdE de E
est orthogonale et que, si f est un endomorphisme orthogonal, f est bijectif et son inverse est
également orthogonal (corollaire 2.6.7). Enfin, la composition d’endomorphismes orthogonaux
est également orthogonale :
Proposition 2.6.16. ăSoit g un endomorphisme de E et supposons que f et g sont orthogo-
naux. Alors la composition f ˝ g (ainsi que la composition g ˝ f ) est orthogonale.
Démonstration. Soient x, y P E, on a
@` ˘ ` ˘ D @ ` ˘ ` ˘D
g ˝ f pvq, g ˝ f pwq “ g f pvq , g f pwq
“ xf pvq, f pwqy ă(car g est orthogonal)
“ xv, wyă(car f est orthogonal).
74 CHAPITRE 2. ESPACES EUCLIDIENS

Corollaire et Définition 2.6.17. L’ensemble, noté O pE, x¨, ¨yq ou simplement OpEq lorsque
le contexte est clair, des endomorphismes orthogonaux de l’espace euclidien pE, x¨, ¨yq est un
sous-groupe du groupe pGLpEq, ˝q des automorphismes linéaires de E muni de la composition
(appelé groupe linéaire de E). On appelle pOpEq, ˝q le groupe orthogonal de pE, x¨, ¨yq.

De manière équivalente, l’ensemble On pRq des matrices orthogonales de Mn pRq est un sous-
groupe du groupe pGLn pRq, ¨q des matrices réelles inversibles de taille n muni du produit ma-
triciel. On pRq est appelé groupe orthogonal de Mn pRq.
Remarque 2.6.18. Le sous-ensemble de OpEq des endomorphismes orthogonaux directs est un
sous-groupe de pOpEq, ˝q appelé groupe spécial orthogonal de E et noté SOpEq.
Le sous-ensemble de On pRq des matrices orthogonales directes est un sous-groupe de pOn pRq, ¨q
appelé groupe spécial orthogonal de Mn pRq et noté SOn pRq.

2.7 Décomposition QR d’une matrice inversible

Dans cette section, nous allons étudier le pendant matriciel du procédé d’orthonormalisation
de Gram-Schmidt (théorème 2.3.7). Précisément, soit n P Nzt0u et considérons une matrice A
de Mn pRq de rang maximal (i.e. rgpAq “ n) i.e. A P GLn pRq. Notons v1 , . . . , vn les vecteurs
colonnes qui, dans l’ordre, forment la matrice A. La famille B :“ tv1 , . . . , vn u, considérée comme
famille de vecteurs de Rn , est une base de Rn : si B0 désigne la base canonique de Rn , A est
alors la matrice de passage PB0 ÑB . Notons ensuite B 1 “ te1 , . . . , en u la base orthonormale de Rn
(par rapport au produit scalaire canonique) obtenue à l’aide du procédé d’orthonormalisation
de Gram-Schmidt appliqué à la base B “ tv1 , . . . , vn u. On note P :“ PBÑB1 la matrice de
passage de la base tv1 , . . . , vn u à la base te1 , . . . , en u de Rn .
Dans le procédé de Gram-Schmidt, pour k P t1, . . . , nu, le vecteur ek est défini comme
une combinaison linéaire des vecteurs tv1 , . . . , vk u. En particulier, la matrice de passage P
est triangulaire supérieure. De par cette construction, on sait également que les coefficients
diagonaux de P sont (strictement) positifs.
Enfin, si Q désigne la matrice de passage de B0 à B 1 (i.e. Q est la matrice formée, dans
l’ordre, par les vecteurs colonnes e1 , . . . , en ), on a Q “ AP (PB0 ÑB1 “ PB0 ÑB PBÑB1 ). On réécrit
cette égalité sous la forme A “ QR avec R :“ P ´1 “ PB1 ÑB . Remarquons enfin que, comme
les vecteurs colonnes de la matrice Q forment une base orthonormale de Rn (par rapport au
produit scalaire canonique), Q est orthogonale.
Au total, nous avons (partiellement) montré le résultat suivant :

Théorème 2.7.1 (Décomposition QR d’une matrice inversible). ăSoit n P Nzt0u et soit A P

GLn pRq. Il existe une unique matrice orthogonale Q P On pRq et une unique matrice R P GLn pRq
triangulaire supérieure à coefficients diagonaux strictement positifs telles que A “ QR. On
appelle cette écriture la décomposition QR de A.

Démonstration. Il nous reste à montrer l’unicité de la décomposition. Soient donc Q1 , Q2 P

On pRq et R1 , R2 deux matrices triangulaires supérieures de GLn pRq à coefficients diagonaux
strictement positifs telles que A “ Q1 R1 “ Q2 R2 .
2.7. DÉCOMPOSITION QR D’UNE MATRICE INVERSIBLE 75

On a alors R1 R2´1 “ Q´1 1 Q2 et R1 R2

´1
“ Q´11 Q2 est alors une matrice orthogonale
(pOn pRq, ¨q est un groupe) et triangulaire supérieure à coefficients strictement positifs (l’in-
verse d’une matrice triangulaire supérieure à coefficients strictement positifs est une matrice
triangulaire supérieure à coefficients strictement positifs). Il s’agit donc de la matrice In d’après
le lemme qui suit cette preuve.
Ainsi, R1 R2´1 “ Q´1
1 Q2 “ In et donc Q1 “ Q2 et R1 “ R2 .

Lemme 2.7.2. Soit A P GLn pRq une matrice orthogonale et triangulaire supérieure à coeffi-
cients strictement positifs. Alors A “ In .
Démonstration. Notons v1 , . . . , vn les vecteurs colonnes qui, dans l’ordre, forment la matrice
A “ pai j q1ďi,jďn . Le fait que A soit orthogonale signifie que, pour tout i, j P t1, . . . , nu, xvi , vj y “
δi j . En particulier, xv1 , v1 y “ 1. Mais, comme A est triangulaire supérieure, xv1 , v1 y “ a21 1 et,
comme a1 1 est strictement positif, on a nécessairement a1 1 “ 1. Pour tout j P t2, . . . , nu, on a
alors xv1 , vj y “ a1 j “ 0 (autrement dit, la première ligne n’a que des coefficients nuls sauf le
coefficient a1 1 qui est égal à 1).
Soit k P t1, n ´ 1u et supposons que l’on a déjà montré que, pour tout i P t1, . . . , ku et tout
j P t1, . . . , nu, ai j “ δi j (autrement dit que pour les k premières lignes, tous les coefficients
d’une ligne i donnée sont nuls sauf le coefficient ai i qui est égal à 1). On considère alors le
vecteur colonne vk`1 dont, par hypothèse de récurrence, la seule coordonnée non nulle est
ak`1 k`1 ą 0. Comme xvk`1 , vk`1 y “ ak`1 k`1 2 “ 1, on a ak`1 k`1 “ 1 et, par suite, pour tout
j P tk ` 2, . . . , nu, xvk`1 , vj y “ ak`1 j “ 0 : la ligne k ` 1 n’a donc que des coefficients nuls sauf
le coefficient ak`1 k`1 qui est égal à 1.

Exemple 2.7.3. Considérons la matrice

¨ ˛
1 1 0
A :“ ˝1 2 0‚
0 0 1

de M3 pRq. On note v1 :“ p1, 1, 0q, v2 :“ p1, 2, 0q, v3 :“ p0, 0, 1q P R3 et on applique le procédé

d’orthonormalisation de Gram-Schmidt à la base tv1 , v2 , v3 u de R3 . On pose

ϵ1 :“ v1 “ p1, 1, 0q
ˆ ˙
xv2 , ϵ1 y 3 1 1 1
ϵ2 :“ v2 ´ 2
ϵ1 “ v2 ´ ϵ1 “ ´ , , 0 “ p´1, 1, 0q
}ϵ1 } 2 2 2 2
1
ϵ2 :“ p´1, 1, 0q
xv3 , ϵ1 y xv3 , ϵ12 y 1
ϵ3 :“ v3 ´ ϵ1 ´ ϵ “ v3 “ p0, 0, 1q
}ϵ1 }2 }ϵ12 }2 2
1 1
e1 :“ ϵ1 “ ? p1, 1, 0q
}ϵ1 } 2
1 1 1
e2 :“ ϵ “ ? p´1, 1, 0q
}ϵ12 } 2 2
1
e3 :“ ϵ3 “ p0, 0, 1q
}ϵ3 }
76 CHAPITRE 2. ESPACES EUCLIDIENS

Comme
?
v1 “ ϵ1 “ 2e1
3 3 1 3 1
v2 “ ϵ1 ` ϵ2 “ ϵ1 ` ϵ12 “ ? e1 ` ? e2
2 2 2 2 2
v3 “ ϵ3 “ e3

la matrice de passage de la base te1 , e2 , e3 u à la base tv1 , v2 , v3 u est

¨? ˛
2 ?32 0
R :“ ˝ 0 ?12 0‚
˚ ‹
0 0 1

Si on note Q la matrice ¨ ˛
?1 ´ ?12 0
˚ ?12 ?1 0‚
‹
˝ 2 2
0 0 1
formée par les coordonnées (dans la base canonique de R3 ) des vecteurs e1 , e2 , e3 , l’égalité
¨ 1 ˛ ¨? ˛
?
2
´ ?12 0 2 ?32 0
A “ QR “ ˝ ?12 ?1 0‚˝ 0 ?12 0‚
˚ ‹˚ ‹
2
0 0 1 0 0 1

est la décomposition QR de A.
Remarque 2.7.4. Avec les notations précédentes, on peut également calculer R en utilisant
l’égalité R “ Q´1 A “ t QA (Q est orthogonale).

2.8 Endomorphismes symétriques et matrices symétriques

Soit pE, x¨, ¨yq un espace euclidien de dimension n P Nzt0u et soit f un endomorphisme
de E.
Définition 2.8.1. On dit que l’endomorphisme f de E est symétrique si pour tous v, w P E,
xf pvq, wy “ xv, f pwqy.
L’endomorphisme f est symétrique si et seulement sa matrice dans une base orthonormale
de pE, x¨, ¨yq est symétrique :
Proposition 2.8.2. Soit B une base orthonormale de E et notons A :“ MatB pf q la matrice
représentative de f dans B. Alors f est symétrique si et seulement si la matrice A est symétrique
i.e. tA “ A.
Démonstration. Supposons que f est symétrique. Alors, si l’on note B “ te1 , . . . , en u, on a,
pour tous i, j P t1, . . . , nu,
t
Xi tAXj “ t pAXi qXj “ xf pei q, ej y “ xei , f pej qy “ tXi pAXj q “ tXi AXj ,
2.8. ENDOMORPHISMES SYMÉTRIQUES ET MATRICES SYMÉTRIQUES 77

et donc tA “ A.
Réciproquement, supposons que tA “ A et soient v, w P E. En notant X :“ MatB pvq et
Y :“ MatB pwq, on a

xf pvq, wy “ t pAXq Y “ tX tAY “ tXAY “ tXpAY q “ xv, f pwqy .

Exemple 2.8.3. L’endomorphisme h : R2 Ñ R2 ; px, yq ÞÑ px ` 2y, 2x ` yq de R2 est symétrique

par rapport au produit scalaire canonique de R2 .
Une propriété remarquable des endomorphismes symétriques est qu’ils sont diagonalisables,
et ce, dans une base orthonormale. Avant d’énoncer ce résultat, donnons la définition suivante :
deux sous-espaces vectoriels F1 et F2 de E sont dits orthogonaux si pour tous vecteurs v1 de
F1 et v2 de F2 , xv1 , v2 y “ 0.

Théorème 2.8.4 (Théorème spectral). On suppose que l’endomorphisme f est symétrique.

Alors

• f est diagonalisable,

• les sous-espaces propres de f sont orthogonaux deux à deux.

En particulier, si l’on considère, pour chacun de ces espaces propres, une base orthonormale,
la réunion de ces bases est une base orthonormale de E : f est donc diagonalisable dans une
base orthonormale de E.

Démonstration. On commence par montrer que le polynôme caractéristique de f est scindé

sur R. Pour cela, soit B0 une base orthonormale de E et considérons la matrice A :“ MatB0 pf q
de f dans B0 . A est une matrice de Mn pRq et peut être également considérée comme une matrice
de Mn pCq. Nous allons montrer que les racines complexes du polynôme caractéristique de A
(autrement dit les valeurs propres complexes de A) sont toutes réelles : χf “ χA sera donc
également scindé sur R. ¨ ˛
x1
˚ .. ‹
Soit donc une valeur propre complexe λ P C de A et montrons que λ P R. Soit X “ ˝ . ‚ P
xn
Mn,1 pCq un vecteur propre de A associé à λ : on a donc AX “ λX. Nous allons appliquer la
conjugaison complexe à cette dernière égalité : si M “ pmi j q1ďiďp,1ďjďq est une matrice de
Mp,q pCq, la matrice conjuguée M de M est la matrice pmi j q1ďi,jďn de Mp,q pCq. On obtient
alors

AX “ λX ô A X “ λX ô AX “ λX
(les coefficients de A sont réels).
On considère d’autre part l’égalité t pAXqX “ t XAX, satisfaite car t A “ A (car f est
symétrique : proposition 2.8.2). On y remplace AX par λX et AX par λX pour obtenir
78 CHAPITRE 2. ESPACES EUCLIDIENS

n
ÿ n
ÿ
l’égalité t pλXqX “ t Xλ X i.e. λ |xi |2 “ λ |xi |2 et donc λ “ λ car X n’est pas le vecteur
i“1 i“1
colonne nul (X est un vecteur propre). Ainsi, λ P R.
Le polynôme caractéristique de l’endomorphisme symétrique f est donc scindé sur R. En
particulier, le spectre de f est non-vide.

On montre à présent que f est diagonalisable. On le montre par récurrence sur la dimen-
sion n de E. Précisément, on montre par récurrence l’assertion suivante : pour tout n P Nzt0u,
pour tout espace euclidien pE, x¨, ¨yq de dimension n, pour tout endomorphisme symétrique f
de E, f est diagonalisable.
Toute matrice carrée de taille 1 étant diagonale, le résultat est vrai pour n “ 1.
Supposons à présent la propriété vraie au rang n ´ 1 pour n P Nzt0; 1u fixé, et montrons-la
pour l’endomorphisme symétrique f de l’espace euclidien E de dimension n. Soit λ P R une
valeur propre de f (un tel λ existe car SpR pf q ‰ H). Soit ensuite v un vecteur propre de f
associé à λ et notons F :“ tvuK “ pVect tvuqK . Montrons que F est stable par f : soit w P F
alors

xf pwq, vy “ xw, f pvqy (f est symétrique)

“ xw, λvy ă(v P Eλ )
“ λ xw, vy
“ 0 (car w P F “ tvuK ).

F Ñ F
Ainsi F est stable par f et on peut donc restreindre f en l’endomorphisme f|F :
u ÞÑ f puq
de F , qui est également´symétrique (par
¯ rapport à la restriction du produit scalaire x¨, ¨y sur F ).
K
Comme dimpF q “ dim pVect tvuq “ dimpEq ´ dim pVecttvuq “ n ´ 1, on peut ensuite appli-
quer l’hypothèse de récurrence à l’endomorphisme symétrique f|F de F : f|F est diagonalisable
i.e. il existe une base de F formée de vecteurs propres e2 , . . . , en pour f|F . Les sous-espaces
vectoriels Vecttvu et F étant en somme directe (proposition 2.4.5), la famille tv, e2 , . . . , en u est
alors une base de E, formée de vecteurs propres pour f donc f est diagonalisable.

On montre enfin que les sous-espaces propres de f sont deux à deux orthogonaux. Soient
donc λ1 et λ2 deux valeurs propres distinctes de f et soient v1 P Eλ1 , v2 P Eλ2 . Montrons que
les vecteurs v1 et v2 sont orthogonaux. On a d’une part

xf pv1 q, v2 y “ xλ1 v1 , v2 y “ λ1 xv1 , v2 y

et, d’autre part, comme f est symétrique,

xf pv1 q, v2 y “ xv1 , f pv2 qy “ xv1 , λ2 v2 y “ λ2 xv1 , v2 y.

Ainsi, λ1 xv1 , v2 y “ λ2 xv1 , v2 y i.e. pλ1 ´ λ2 qxv1 , v2 y “ 0 et donc xv1 , v2 y “ 0 car λ1 ‰ λ2 . Les
vecteurs v1 et v2 sont donc orthogonaux.
2.8. ENDOMORPHISMES SYMÉTRIQUES ET MATRICES SYMÉTRIQUES 79

Exemple 2.8.5. ăOn considère l’endomorphisme

R3 Ñ R3
f:
px, y, zq ÞÑ p5x ´ y ` 2z, ´x ` 5y ` 2z, 2x ` 2y ` 2zq

de R3 . La matrice représentative de f dans la base canonique de R3 (qui est une base ortho-
normale pour le produit scalaire canonique de R3 ) est
¨ ˛
5 ´1 2
A :“ ˝´1 5 2‚.
2 2 2

La matrice A étant symétrique, l’endomorphisme f est symétrique.

Le polynôme caractéristique de f est χf “ p6 ´ Xq2 p´Xq et les valeurs propres de f sont
donc 6 et 0.
On a
E6 “ Ker pf ´ 6 IdR3 q “ px, y, zq P R3 | ´ x ´ y ` 2z “ 0
␣ (

et
E0 “ Ker f.

La famille tp2, 0, 1q, p1, 1, 0qu est une base de E6 . En appliquant le procédé d’orthonor-
) à cette famille libre de R , on obtient la base orthonormale
malisation de Gram-Schmidt 3
!
?1 p2, 0, 1q, ?1 p1, ´5, ´2q de E6 .
5 30
D’autre part, le vecteur ?16 p´1, ´1, 2q de norme 1 engendre E0 .
! )
Si l’on note B :“ ?15 p2, 0, 1q, ?130 p1, ´5, ´2q, ?16 p´1, ´1, 2q , la famille B est alors une base
orthonormale de R3 et la matrice représentative de f dans B est
¨ ˛
6 0 0
˝0 6 0‚.
0 0 0

Remarque 2.8.6. La réciproque du théorème 2.8.4 est également vraie : si l’endomorphisme f

est diagonalisable dans une base orthonormale de E, alors f est symétrique. En effet, soient B
une base orthonormale de E et D une matrice diagonale de Mn pRq telles que MatB pf q “ D,
alors
t
MatB pf q “ tD “ D “ MatB pf q.

Le pendant matriciel du théorème 2.8.4 consiste en l’énoncé suivant :

Corollaire 2.8.7. Soit A une matrice de Mn pRq. On suppose que A est symétrique. Alors il
existe une matrice orthogonale O P On pRq et une matrice diagonale D P Mn pRq telles que

D “ O´1 AO “ t OAO
80 CHAPITRE 2. ESPACES EUCLIDIENS

Démonstration. A est la matrice représentative d’un endomorphisme h de Rn dans la base

canonique B0 de Rn , qui est une base orthonormale pour le produit scalaire canonique de Rn .
Comme A est symétrique, h est symétrique et, par le théorème précédent, il existe une base
orthonormale B et une matrice diagonale D P Mn pRq telle que MatB phq “ D.
Les bases B0 et B étant des bases orthonormales de Rn , la matrice de passage O :“ PB0 ÑB
est une matrice orthogonale (proposition 2.6.12) et on a alors
t
OAO “ O´1 AO “ PBÑB0 MatB0 phq PB0 ÑB “ MatB phq “ D.

¨ ˛
5 ´1 2
Exemple 2.8.8. Si l’on reprend la matrice A :“ ˝´1 5 2‚ de l’exemple 2.8.5 précédent et
2 2 2
si l’on note ¨ 2 1 1
˛
? ? ?
5 30 6
O :“ ˝ 0
˚ ´5
? ?1 ‹ ,
30 6‚
?1 ´2
? ´2
?
5 30 6
la matrice O est orthogonale et on a
¨ ˛
6 0 0
O´1 AO “ t OAO “ ˝0 6 0‚.
0 0 0

2.9 Réduction des endomorphismes et matrices orthogonaux

Soit pE, x¨, ¨yq un espace euclidien de dimension n P Nzt0u et soit maintenant f un endo-
morphisme orthogonal de E. Nous allons montrer le théorème de réduction suivant :

Théorème 2.9.1. Il existe une base orthonormale B de E dans laquelle la matrice représen-
tative de f est de la forme
¨ ˛
ϵ1 0
˚ .. ‹
˚ . ‹
˚ ‹
˚ ϵr ‹
MatB pf q “ ˚
˚ ‹
˚ Rpθ1 q ‹
‹
˚ . . ‹
˝ . ‚
0 Rpθs q

ˆ r, s P N, pour
où ˙ tout i P t1, . . . , ru, ϵi P t`1; ´1u et, pour tout j P t1, . . . , su, Rpθj q “
cos θj ´ sin θj
avec θj P Rztkπ | k P Zu.
sin θj cos θj

La version matricielle de ce résultat est le suivant : si A P On pRq, il existe une matrice

orthogonale P P On pRq telle que P ´1 AP “ t P AP soit de la forme ci-dessus.
2.9. RÉDUCTION DES ENDOMORPHISMES ET MATRICES ORTHOGONAUX 81

Remarque 2.9.2. En particulier, si l’on applique le théorème 2.9.1 en dimensions 2 et 3, on

obtient que :

• Les isométries directes (i.e. les endomorphismes orthogonaux ˆ de déterminant

˙ 1) de R2
cos θ ´ sin θ
sont les rotations de R2 , chacune de matrice représentative , θ P R, dans
sin θ cos θ
la base canonique de R2 .
Les isométries indirectes (i.e. les endomorphismes orthogonaux de déterminant ´1) de R2
sont les symétries
ˆ orthogonales
˙ par rapport à une droite vectorielle, chacune de matrice
1 0
représentative dans une base formée d’un vecteur engendrant la droite vecto-
0 ´1
rielle et d’un vecteur orthogonal au premier (par rapport au produit scalaire canonique
de R2 ).
• Les
¨ isométries directes
˛ de R3 sont les rotations autour d’un axe, chacune de matrice
1 0 0
˝0 cos θ ´ sin θ‚, θ P R, dans une base orthonormale adaptée (quand θ “ π, on parle
0 sin θ cos θ
de retournement).
Les isométries indirectes de R3 sont les compositions d’une symétrie orthogonale par
rapport à un plan (une telle transformation est également appelée réflexion) et d’une
rotation autour de l’axe orthogonal à ce plan
¨ (par rapport au produit
˛ scalaire canonique
´1 0 0
de R3 ), chacune de matrice représentative ˝ 0 cos θ ´ sin θ‚, θ P R, dans une base
0 sin θ cos θ
¨ ˛ ¨ ˛¨ ˛
´1 0 0 1 0 0 ´1 0 0
orthonormale adaptée (˝ 0 cos θ ´ sin θ‚ “ ˝0 cos θ ´ sin θ‚˝ 0 1 0‚).
0 sin θ cos θ 0 sin θ cos θ 0 0 1

Pour montrer le théorème 2.9.1, nous utiliserons les lemmes suivants :

Lemme 2.9.3. ăSoit F un sev de E. Si F est stable par l’endomorphisme orthogonal f , alors
l’orthogonal F K de F est également stable par f .
Démonstration. Soit v P F K . On montre que f pvq P F K . Soit donc w P F . La restriction
F Ñ F
f|F : (F est stable par f ) est un endomorphisme orthogonal de F (par rapport
u ÞÑ f puq
à la restriction du produit scalaire x¨, ¨y sur F ), en particulier bijectif : il existe donc w
r P F tel
que w “ f pwq.
r
On a alors

xf pvq, wy “ xf pvq, f pwqy

r
“ xv, wy
r (f est orthogonal)
“ 0 (car v P F K et w
r P F ).
82 CHAPITRE 2. ESPACES EUCLIDIENS

Lemme 2.9.4. Soit A P M2 pRq. Alors A est orthogonale si et seulement si A est de la forme
ˆ ˙ ˆ ˙
cos θ ´ sin θ cos θ sin θ
ou
sin θ cos θ sin θ ´ cos θ

avec θ P R.
ˆ ˙
a c
Démonstration. Soit A “ P M2 pRq. Commençons par remarquer que si A est de
b d
l’une des deux formes ci-dessus, alors A est orthogonale. Supposons maintenant que A est
orthogonale, i.e. a2 ` b2 “ 1, c2 ` d2 “ 1 et ac ` bd “ 0. En particulier, les points pa, bq et
pc, dq de R2 appartiennent au cercle de centre 0 et de rayon 1 : il existe donc θ, θ1 P R tels que
a “ cospθq, b “ sinpθq, c “ cospθ1 q, d “ sinpθ1 q. Alors

ac ` bd “ 0 ô cospθq cospθ1 q ` sinpθq sinpθ1 q “ 0

ô cospθ ´ θ1 q “ 0
π
ô θ1 ´ θ “ ` kπ, k P Z
2
π
ô θ “ θ ` ` kπ, k P Z.
1
2
π
Si k est pair, c “ cospθ ` 2 ` kπq “ cospθ ` π2 q “ ´ sinpθq et d “ sinpθ ` π
2 ` kπq “
sinpθ ` π2 q “ cospθq, donc
ˆ ˙
cos θ ´ sin θ
A“ .
sin θ cos θ
π 3π π
Si k est impair, c “ cospθ ` 2 ` kπq “ cospθ ` 2 q “ sinpθq et d “ sinpθ ` 2 ` kπq “
sinpθ ` 3π
2 q “ ´ cospθq, donc ˆ ˙
cos θ sin θ
A“ .
sin θ ´ cos θ

Démonstration du théorème 2.9.1. On procède par récurrence sur la dimension n de E : on

montre par récurrence que pour tout n P Nzt0u, tout espace euclidien pE, x¨, ¨yq de dimension n
et tout endomorphisme orthogonal f de E, il existe une base orthonormale de E dans laquelle
la matrice représentative de f est de la forme voulue.

Pour n “ 1, soit E “ Vecttvu un R-espace vectoriel de dimension 1 muni d’un produit

scalaire x¨, ¨y et soit f un endomorphisme orthogonal de E. Il existe α P R tel que f pvq “ αv
et alors }f pvq} “ }αv} “ |α|}v}. De plus, comme f est orthogonal, on a }f pvq} “ }v} donc
|α|}v} “ }v} et donc |α| “ 1 (}v} ‰ 0 car v ‰ 0E car v engendre E).! Ainsi
) α P t`1; ´1u et la
v
matrice de f dans la base tvu, ainsi que dans la base orthonormale }v} , est pαq.

Supposons maintenant la propriété vérifiée pour tout entier naturel non nul strictement
plus petit que n avec n P Nzt0u fixé et considérons l’endomorphisme orthogonal f de l’espace
euclidien E de dimension n.
2.9. RÉDUCTION DES ENDOMORPHISMES ET MATRICES ORTHOGONAUX 83

On commence par traiter le cas où f possède une valeur propre réelle λ P R (i.e. le polynôme
caractéristique de f possède une racine dans R). Soit alors v un vecteur propre de f pour la
valeur propre λ. On a }f pvq} “ }λv} “ |λ|}v} et, d’autre part, }f pvq} “ }v} car f est orthogonal.
Ainsi |λ|}v} “ }v} et donc |λ| “ 1 (car v est un vecteur propre de f donc v ‰ 0E donc }v} ‰ 0).
Ainsi, λ P t`1; ´1u. De plus, comme F :“ Vecttvu est stable par f (car v est un vecteur
propre K
` Kde˘ f ), l’orthogonal F de F est également stable par f par le lemme 2.9.3 : comme
dim F “ n ´ 1 ă n, on peut alors appliquer l’hypothèse de récurrence à l’endomorphisme
FK Ñ FK
orthogonal f|F K : de F K et obtenir l’existence d’une base orthonormale B0 de
u ÞÑ f puq
F K telle que ¨ ˛
ϵ1 0
˚ .. ‹
˚ . ‹
´ ¯ ˚ ˚ ϵr
‹
‹
MatB0 f|F K “ ˚ ˚ ‹
˚ Rpθ1 q ‹
‹
˚ . . ‹
˝ . ‚
0 Rpθs q

ˆ r, s P N, pour
où ˙ tout i P t1, . . . , ru, ϵi P t`1; ´1u et, pour tout j P t1, . . . , su, Rpθj q :“
cos θj ´ sin θj
avec θj P Rztkπ | k P Zu. Considérant l’égalité F ‘ F K “ E (proposi-
sin θj cos θj ! )
tion 2.4.5) et la base orthonormale B 1 :“ }v}v
de F , la famille B :“ tB 1 , B0 u est une base
orthonormale de E et on a
¨ ˛
λ 0
˚ ϵ1 ‹
˚ ‹
˚ .. ‹
˚
˚ . ‹
‹
MatB pf q “ ˚
˚ ϵr ‹
‹
˚
˚ Rpθ1 q ‹
‹
˚ . . ‹
˝ . ‚
0 Rpθs q

Supposons à présent que f ne possède pas de valeur propre réelle (i.e. le polynôme caracté-
ristique de f ne possède pas de racine dans R). On considère alors l’endomorphisme h :“ f `f ´1
de E. h est symétrique : si u1 , u2 P E,

f ` f ´1 pu1 q, u2
@` ˘ D
xhpu1 q, u2 y “
“ xf pu1 q, u2 y ` f ´1 pu1 q, u2
@ D

“ f pu1 q, f f ´1 pu2 q ` f ´1 pu1 q, f ´1 pf pu2 qq

@ ` ˘D @ D

“ u1 , f ´1 pu2 q ` xu1 , f pu2 qy (f et f ´1 sont orthogonaux)

@ D

“ u1 , f pu2 q ` f ´1 pu2 q
@ D

“ xu1 , hpu2 qy .
84 CHAPITRE 2. ESPACES EUCLIDIENS

Considérons alors une valeur propre λ P R de h (tout endomorphisme symétrique est diagona-
lisable : cf théorème 2.8.4) et un vecteur propre v P E associé. D’une part, la famille tv, f pvqu
est libre, car
• v ‰ 0E (car v est un vecteur propre de h),

• f pvq ‰ 0E (car f est injectif puisque f est orthogonal),

• f pvq ne peut s’écrire µv avec µ P R car f n’admet pas de valeur propre réelle.
D’autre
` part,˘ le sev F :“ Vecttv, f pvqu de E de dimension 2 est stable par f : on a hpvq “ λv
i.e. f ` f ´1 pvq “ λv, donc

λf pvq “ f pλvq “ f ˝ f ` f ´1 pvq “ f 2 pvq ` f ˝ f ´1 pvq “ f 2 pvq ` v

` ˘

d’où f 2 pvq “ λf pvq ´ v P F .

Considérons alors une base orthonormale B 1 de F . La matrice représentative de l’endomor-
phisme orthogonal f|F de F dans la base orthonormale B 1 est une matrice orthogonale de O2 pRq
ˆ ˙ ˆ ˙
cos θ ´ sin θ cos θ sin θ
(proposition 2.6.8). MatB1 pf q est donc de la forme ou d’après
sin θ cos θ sin θ ´ cos θ
le lemme 2.9.4. Mais, comme f n’admet pas de valeur propre réelle, MatB1 pf q ne peut pas être
symétrique donc ne peut pas être de la seconde forme. Ainsi, il existe θ P Rztkπ | k P Zu tel
que ˆ ˙
cos θ ´ sin θ
MatB1 pf q “ “ Rpθq,
sin θ cos θ
(θ R tkπ | k P Zu car MatB1 pf q n’est pas symétrique).
Enfin, K
` K ˘F est également stable par f par le lemme 2.9.3 donc, par hypothèse de récurrence
(dim F ă n), il existe une base orthonormale B0 de F K telle que
¨ ˛
´ ¯ Rpθ1 q 0
MatB1 f|F K “ ˝
˚ .. ‹
. ‚
0 Rpθs q
ˆ ˙
cos θj ´ sin θj
où, pour tout j P t1, . . . , su, Rpθj q :“ avec θj P Rztkπ | k P Zu (f ne
sin θj cos θj
possède pas de valeur propre réelle). En notant B :“ tB 1 , B0 u, la famille B est alors une base
orthonormale de E et on a
¨ ˛
Rpθq 0
˚ Rpθ1 q ‹
MatB pf q “ ˚ ‹.
˚ ‹
..
˝ . ‚
0 Rpθs q

Remarque 2.9.5. • Au cours de la preuve, on a montré en particulier que les seules valeurs
propres réelles possibles pour un endomorphisme orthogonal sont 1 et ´1.
2.9. RÉDUCTION DES ENDOMORPHISMES ET MATRICES ORTHOGONAUX 85

• Si, avec les notations ci-dessus, l’endomorphisme orthogonal f possède 1 et ´1 comme

valeurs propres, alors les sous-espaces propres associés E1 et E´1 sont orthogonaux. En
effet, si v P E1 z t0E u et w P E´1 z t0E u, on a d’une part

xf pvq, f pwqy “ xv, ´wy “ ´xv, wy,

et d’autre part
xf pvq, f pwqy “ xv, wy
(car f est orthogonal), ainsi xv, wy “ ´xv, wy donc xv, wy “ 0.
Par ailleurs, le sous-espace vectoriel E1 ‘ E´1 de E est stable par f donc pE1 ‘ E´1 qK
également.
Au total, pour calculer une réduction de f comme dans le théorème 2.9.1, on peut donc
commencer par déterminer une base orthonormale B 1 de E1 , une base orthonormale B 2 de
E´1 puis une base orthonormale du sous-espace stable tB 1 , B 2 uK . Dans la représentation
matricielle correspondante de f , le bloc correspondant à la restriction de f à ce dernier
sous-espace stable est orthogonal sans valeur propre réelle et on peut alors lui appliquer
la méthode (algorithmique) du théorème pour ce cas.
Exemple 2.9.6. Considérons la matrice orthogonale
¨ ˛
2 ´1 2
1
A :“ ˝ 2 2 ´1‚
3
´1 2 2

de l’exemple 2.6.11 1. Calculons son polynôme caractéristique : on a

2
3 ´X ´ 13 2
3
2 2
χA “ det pA ´ XI3 q “ 3 3 ´X ´ 13
´ 13 2
3
2
3 ´X
1´X ´ 13 2
3
2
“ 1´X 3 ´X ´ 13
C1 ÐC1 `C2 `C3 2 2
1´X 3 3 ´X
1 ´ 13 2
3
2
“ p1 ´ Xq 1 3 ´X ´ 13
2 2
1 3 3 ´X
1 2
3 ´ 13
“ p1 ´ Xq 0 1 ´ X ´1
L2 ÐL2 ´L1 , L3 ÐL3 ´L1
0 1 ´X
` 2 ˘
“ p1 ´ Xq X ´ X ` 1
¨ ¨ ˛˛ ¨ ˛
´1 ´1 2 1
1˝ 1 ˝ ‚
On a E1 “ Ker ˝
3 2 ´1 ´1 ‚‚ et le vecteur colonne Y1 :“ 3 1 de norme 1
?
´1 2 ´1 1
engendre E1 .
86 CHAPITRE 2. ESPACES EUCLIDIENS

¨ $ ¨ ˛,˛K $¨ ˛ ,
& 1 . & x .
De plus, ˝Vect ?13 ˝1‚ ‚ “ ˝y ‚ P M3,1 pRq | x ` y ` z “ 0 , dont une base ortho-
1 z
% - % -
¨ ˛ ¨ ˛
1 1
1 ˝ 1 ˝
normale est formée des vecteurs Y2 :“ 2 ´1 et Y3 :“ 6
? ‚ ? 1 ‚.
0 ´2
On a
¨ 1 ˛ ¨ 1 ˛
?
? ?
¨ ˛
1
2
˚ ?1 ‹ ˚ 2 1 ˝ ‚ 1 ´? ? ¯ 1 3
AY2 “ A ˝´ 2 ‚ “ ˝ 0 ‚ “ ? 0 “ ? 2Y2 ` 6Y3 “ Y2 ` Y3
‹
1 2 ´1 2 2 2 2
0 ´ ?
2

et
?1 ´ ?16
¨ ˛ ¨ ˛
?
¨ ˛
6 ´1
˚ ?1 ‹ ?2 ‹ ?1 ˝ ‚ 1 ´ ? ? ¯ 3 1
AY3 “ A ˝ 6 ‚“ ‚“ 2 “ ? ´3 2Y2 ` 6Y3 “ ´ Y2 ` Y3 .
˚
˝ 6 2 2
6 ´1 2 6
´ ?26 ´ ?16

Ainsi, si on note
?1 ?1 ?1
¨ ˛
3 2 6
˚ ?1 ´ ?12 ?1 ‹
P :“ ˝ 3 6 ‚
P O3 pRq,
?1 0 ´ ?62
3
on a
¨ ˛ ¨
1 0 0?
˛
1 0` ˘ 0` ˘
t
´1
P AP “ P AP “ ˝0 1
´ 23 ‚ “ ˝0 cos ` π3 ˘ ´ sin` π3˘ ‚
˚ ‹
?2
0 3 1 0 sin π3 cos π3
2 2

La matrice A est donc la matrice représentative dans la base canonique de R3 de la rotation

d’axe la droite vectorielle engendrée par le vecteur p1, 1, 1q et d’angle π3 .
Chapitre 3

Espaces hermitiens

3.1 Introduction
On étudie l’analogue de la notion de produit scalaire pour les espaces vectoriels sur C :
le produit scalaire hermitien. La plupart des notions introduites et des résultats énoncés dans
le chapitre précédent auront leurs analogues dans le cadre hermitien. Nous remarquerons éga-
lement les différences qui existent entre les espaces hermitiens et les espaces euclidiens. Nous
verrons en particulier que tout endomorphisme unitaire (version hermitienne de la notion d’en-
domorphisme orthogonal) est diagonalisable dans une base orthonormale.

3.2 Produit scalaire hermitien sur un espace vectoriel complexe

Soit E un espace vectoriel sur C.
EˆE Ñ C
Définition 3.2.1. ăConsidérons une application x¨, ¨y : . On dit que x¨, ¨y
pv, wq ÞÑ xv, wy
est un produit scalaire hermitien sur E si x¨, ¨y est
1. sesquilinéaire (à droite), i.e. pour tous v, w, v1 , v2 , w1 , w2 P E et tous λ, µ P C, xλv1 `
µv2 , wy “ λxv1 , wy ` µxv2 , wy et xv, λw1 ` µw2 y “ λxv, w1 y ` µxv, w2 y,
2. symétrique hermitienne, i.e. pour tous v, w P E, xw, vy “ xv, wy,
3. définie positive, i.e. pour tout v P E, xv, vy est un réel positif ou nul et xv, vy “ 0 si et
seulement si v “ 0E .
Exemple 3.2.2. 1. Soit n P Nzt0u, pour tous v “ px1 , . . . , xn q et w “ py1 , . . . , yn q dans Cn ,
on définit
xv, wycan :“ x1 y1 ` ¨ ¨ ¨ ` xn yn .
Cn ˆ Cn Ñ C
L’application x¨, ¨ycan : est alors un produit scalaire hermi-
pv, wq ÞÑ xv, wycan
tien sur Cn , appelé produit scalaire hermitien canonique sur Cn . En effet, soient v “
px1 , . . . , xn q, v 1 “ px11 , . . . , x1n q, w “ py1 , . . . , yn q, w1 “ py11 , . . . , yn1 q P Cn , soient λ, µ P C,
on a

87
88 CHAPITRE 3. ESPACES HERMITIENS

•
n
ÿ
λv ` µv 1 , w λxk ` µx1k yk
@ D ` ˘
can
“
k“1
ÿn n
ÿ
“ λ xk yk ` µ x1k yk
k“1 k“1
1
“ λxv, wycan ` µxv , wycan ,

•
n
ÿ
1
@ D ` ˘
v, λw ` µw can
“ xk λyk ` µyk1
k“1
ÿn n
ÿ
“ λ x k yk ` µ xk yk1
k“1 k“1
“ λxv, wycan ` µxv, w1 ycan ,

•
n
ÿ
xw, vycan “ yk xk
k“1
ÿn
“ xk yk
k“1
ÿn
“ xk yk
k“1
“ xw, vycan ,

•
n
ÿ n
ÿ
xv, vycan “ xk xk “ |xk |2 ě 0
k“1 k“1
n
ÿ
et xv, vycan “ |xk |2 “ 0 ssi pour tout k P t1, . . . , nu, |xk | “ 0 ssi pour tout k P
k“1
t1, . . . , nu, xk “ 0 ssi v “ p0, . . . , 0q.

2. Supposons que le C-espace vectoriel E soit de dimension finie n P Nzt0u et soit B “

¨ 1 , .˛. . , en¨u une
te ˛ base de E. Pour tous vecteurs v et w de E, de coordonnées respectives
x1 y1
˚ .. ‹ ˚ .. ‹
˝ . ‚ et ˝ . ‚ dans la base B, on définit
xn yn

xv, wyB :“ x1 y1 ` ¨ ¨ ¨ ` xn yn “ t MatB pvqMatB pwq.

3.2. PRODUIT SCALAIRE HERMITIEN SUR UN ESPACE VECTORIEL COMPLEXE 89

EˆE Ñ C
L’application x¨, ¨yB : est alors un produit scalaire hermitien sur
pv, wq ÞÑ xv, wyB
E, appelé produit scalaire hermitien associé à la base B.
3. Soit n P Nzt0u. Pour toutes matrices A “ pai j q1ďi,jďn et B “ pbi j q1ďi,jďn dans Mn pCq,
on définit ÿ
ai j bi j “ Tr tA B .
` ˘
xA, By :“
1ďi,jďn

Mn pCq ˆ Mn pCq Ñ C
L’application x¨, ¨y : est alors un produit scalaire her-
pA, Bq ÞÑ xA, By
mitien sur Mn pCq : il s’agit du produit scalaire hermitien associé à la base canonique
tEi j u1ďi,jďn de Mn pCq.
4. Soit n P Nzt0u. Pour tous polynômes P et Q de Cn rXs, on définit
ż1
xP, Qy :“ P ptqQptqdt.
0

Cn rXs ˆ Cn rXs Ñ C
L’application x¨, ¨y : est alors un produit scalaire hermitien
pP, Qq ÞÑ xP, Qy
sur Cn rXs. La sesquilinéarité et la symétrie hermitienne de l’application x¨, ¨y proviennent
de la linéarité de l’intégrale et du fait que, pour toute fonction continue f : r0; 1s Ñ C,
ż1 ż1
f ptqdt “ f ptqdt. Montrons que x¨, ¨y est bien définie positive. Soit P P Cn rXs, on a
0 ż1 0
xP, P y “ |P ptq|2 dt ě 0 (l’intégrale sur le segment r0; 1s de la fonction à valeurs réelles
0 ż1
R Ñ R ; t ÞÑ |P ptq|2 continue positive est positive). De plus, si xP, P y “ |P ptq|2 dt “ 0,
0
comme la fonction à valeurs réelles R Ñ R ; t ÞÑ |P ptq|2 est continue et positive, on a,
pour tout t P r0, 1s, |P ptq|2 “ 0 (l’intégrale d’une fonction réelle continue et positive sur
un segment est nulle si et seulement si la fonction est identiquement nulle sur ce segment)
et donc, pour tout t P r0, 1s, P ptq “ 0, donc le polynôme P est nul (un polynôme ayant
une infinité de racines est nécessairement le polynôme nul).
Remarque 3.2.3. Soit n P Nzt0u. La forme bilinéaire symétrique
Cn ˆ Cn ˘ Ñ řn C
bp¨, ¨q : `
px1 , . . . , xn q, py1 , . . . , yn q ÞÑ k“1 xk yk

n’est
• ni sesquilinéaire, car, par exemple,
` ˘ ` ˘ ` ˘
b p1, 0, . . . , 0q, i¨p1, 0, . . . , 0q “ b p1, 0, . . . , 0q, pi, 0, . . . , 0q “ i et ib p1, 0, . . . , 0q, p1, 0, . . . , 0q “ ´i,

• ni symétrique hermitienne, car, par exemple,

` ˘ ` ˘
b pi, 0, . . . , 0q, p1, 0, . . . , 0q “ i et b p1, 0, . . . , 0q, pi, 0, . . . , 0q “ ´i,
90 CHAPITRE 3. ESPACES HERMITIENS

• ni positive, car, par exemple, b p1 ` i, 0, . . . , 0q, p1 ` i, 0, . . . , 0q “ p1 ` iq2 “ 2i,

` ˘

• ni définie si n ě 2, car, par exemple, b p1, i, 0, . . . , 0q, p1, i, 0, . . . , 0q “ 0.

` ˘

Définition 3.2.4. Si E est un espace vectoriel de dimension finie muni d’un produit scalaire
hermitien x¨, ¨y, le couple pE, x¨, ¨yq est appelé espace hermitien.

La plupart des propriétés que nous avons montrées pour les espaces euclidiens vont avoir
leurs analogues pour les espaces hermitiens.

Dans la suite de cette section, on suppose que E est un C-espace vectoriel de dimension
finie muni d’un produit
a scalaire hermitien x¨, ¨y. En premier lieu, si l’on note, pour tout vecteur
v de E, }v} :“ xv, vy (xv, vy est un nombre réel positif), l’inégalité de Cauchy-Schwarz est
E Ñ r0, `8r
vérifiée et l’application } ¨ } : est une norme sur E :
v ÞÑ }v}
Lemme 3.2.5 (Inégalité de Cauchy-Schwarz). Pour tous vecteurs v et w de E, on a l’inégalité

|xv, wy| ď }v}}w},

et |xv, wy| “ }v}}w} si et seulement si les vecteurs v et w sont liés.

Démonstration. Soient v, w P E. Si xv, wy “ 0, l’inégalité de Cauchy-Schwarz est vérifiée (car

on a toujours }v}}w} ě 0). Supposons donc que xv, wy ‰ 0 (en particulier, v ‰ 0E et w ‰ 0E ).
1
On pose ensuite α :“ xv,wy et vr :“ αv. Alors xr
v , wy “ xαv, wy “ αxv, wy “ 1 et on a, pour tout
λ P R,

v ` λw}2 “ xr
0 ď }r v ` λw, vr ` λwy
v , wy ` λ xw, vry ` λ2 xw, wy (λ P R donc λ “ λ)
v , vry ` λ xr
“ xr
v }2 ` 2λ ` λ2 }w}2 (xw, vry “ xr
“ }r v , wy “ 1 “ 1).

La fonction polynomiale du second degré

R Ñ R
p:
v }2
λ ÞÑ }w}2 λ2 ` 2λ ` }r

v }2 est négatif ou nul i.e. 1 ď }r

étant positive sur tout R, le discriminant associé 4´4}w}2 }r v } }w}.
Or
1
v } }w} “ }αv}}w} “ |α|}v}}w} “
}r }v}}w}.
}xv, wy}
Ainsi, on a bien |xv, wy| ď }v}}w}.

Traitons maintenant le cas d’égalité de l’inégalité de Cauchy-Schwarz. Supposons donc que

|xv, wy| “ }v}}w}. Alors,

• si xv, wy “ 0 : on a |xv, wy| “ }v}}w} ô 0 “ }v}}w} ô }v} “ 0 ou }w} “ 0 ô v “

0E ou w “ 0E , et les vecteurs v et w sont en particulier liés,
3.2. PRODUIT SCALAIRE HERMITIEN SUR UN ESPACE VECTORIEL COMPLEXE 91

• si xv, wy ‰ 0 : on a |xv, wy| “ }v}}w} ô 1 “ }w}2 }rv }2 et le polynôme associé à la fonction

polynomiale du second degré p (avec les mêmes notations que ci-dessus) possède une
racine (double) λ0 P R et donc }r v ` λ0 w}2 “ 0 i.e. αv ` λ0 w “ 0E : les vecteurs v et w
sont donc liés (α est non nul).

Corollaire 3.2.6. Le couple pE, } ¨ }q est un espace vectoriel normé.

Démonstration. La preuve est analogue à la preuve du corollaire 2.2.7 : si v P E et λ P C, on a

a
}λv} “ xλv, λvy
b
“ λλxv, vy
a a
“ |λ|2 xv, vy
“ |λ|}v}
a
et }v} “ xv, vy “ 0 ssi xv, vy “ 0 ssi v “ 0E .
Enfin, si v, w P E,

}v ` w}2 “ xv ` w, v ` wy
“ xv, vy ` xv, wy ` xw, vy ` xw, wy
“ xv, vy ` xv, wy ` xv, wy ` xw, wy
“ }v}2 ` 2 Repxv, wyq ` }w}2
ď }v}2 ` 2|xv, wy| ` }w}2 (si z P C, Repzq ď |z|)
ď }v}2 ` 2}v}2 }w}2 ` }w}2 ă(par l’inégalité de Cauchy-Schwarz)
“ p}v} ` }w}q2 .

La norme } ¨ } est appelée norme hermitienne associée au produit scalaire hermitien x¨, ¨y.
Exemple 3.2.7. Soit n P Nzt0u. Sur Cn , la norme hermitienne associée à au produit scalaire
hermitien canonique vérifie, pour tout v “ px1 , . . . , xn q P Cn ,
g g
f n f n
a f ÿ fÿ
}v} “ xv, vycan “ e xk xk “ e |xk |2 .
k“1 k“1

L’analogue hermitien de l’expression du produit scalaire à l’aide de la norme euclidienne

(identité dite de polarisation, énoncée dans la remarque 2.2.8) est l’identité suivante :

Lemme 3.2.8. Pour tous v, w P E,

1`
}v ` w}2 ` i}v ` iw}2 ´ p1 ` iq}v}2 ´ p1 ` iq}w}2 .
˘
xv, wy “
2
92 CHAPITRE 3. ESPACES HERMITIENS

Démonstration. Soient v, w P E. D’après les dernières égalités de la preuve du corollaire 3.2.6,

on a
1`
}v ` w}2 ´ }v}2 ´ }w}2 .
˘
Repxv, wyq “
2
On a donc également
1` ˘ 1`
}v ` iw}2 ´ }v}2 ´ }iw}2 “ }v ` iw}2 ´ }v}2 ´ }w}2 .
˘
Repxv, iwyq “
2 2
Or Repxv, iwyq “ Repixv, wyq “ Rep´ixv, wyq “ Impxv, wyq donc
1`
}v ` iw}2 ´ }v}2 ´ }w}2 .
˘
Impxv, wyq “
2
Au total,

xv, wy “ Repxv, wyq ` i Impxv, wyq

1` ˘ i`
}v ` w}2 ´ }v}2 ´ }w}2 ` }v ` iw}2 ´ }v}2 ´ }w}2
˘
“
2 2
1`
}v ` w}2 ` i}v ` iw}2 ´ p1 ` iq}v}2 ´ p1 ` iq}w}2 .
˘
“
2

3.3 Orthogonalité dans les espaces hermitiens

Soit pE, x¨, ¨yq un espace hermitien.
A l’instar du produit scalaire euclidien, le produit scalaire hermitien nous permet de définir
une notion d’orthogonalité :

Définition 3.3.1. Soient v et w deux vecteurs de E. On dit que v et w sont orthogonaux si

xv, wy “ 0. Dans ce cas, on dira aussi que v est orthogonal à w et que w est orthogonal à v
(xv, wy “ 0 si et seulement si xw, vy “ 0 car xw, vy “ xv, wyq.

Exemple 3.3.2. Dans C2 muni du produit scalaire hermitien canonique, les vecteurs pi, 1q et
pi, ´1q sont orthogonaux : xpi, 1q, pi, ´1qycan “ i ˆ i ` 1 ˆ p´1q “ 1 ´ 1 “ 0.
La version du théorème de Pythagore adaptée au cadre hermitien est l’énoncé suivant :

Lemme 3.3.3 (Théorème de Pythagore). Soient v et w deux vecteurs de E. Si v et w sont

orthogonaux, alors }v ` w}2 “ }v}2 ` }w}2 .

Démonstration. On a }v ` w}2 “ }v}2 ` 2 Repxv, wyq ` }w}2 . Ainsi, si v et w sont orthogonaux

i.e. xv, wy “ 0, on a bien }v ` w}2 “ }v}2 ` }w}2 .

Remarque 3.3.4. Dans le cadre hermitien, la réciproque du théorème de Pythagore n’est plus
vraie en général. Par exemple, si on considère les vecteurs v :“ p1, 0q et w :“ pi, 0q de C2 muni
du produit scalaire hermitien canonique, on a }v}2 “ 1, }w}2 “ 1 et }v ` w}2 “ }p1 ` i, 0q}2 “
2 “ }v}2 ` }w}2 , alors que les v et w ne sont pas orthogonaux.
3.3. ORTHOGONALITÉ DANS LES ESPACES HERMITIENS 93

Une équivalence vraie est la suivante : avec les notations du lemme 3.3.3, v et w sont
orthogonaux si et seulement }v ` w}2 “ }v}2 ` }w}2 et }v ` iw}2 “ }v}2 ` }w}2 . En effet, si
ces deux dernières égalités sont satisfaites alors, d’après les relations établies dans la preuve du
lemme 3.2.8, Repxv, wyq “ 0 et Impxv, wyq “ 0 i.e. xv, wy “ 0.
Les notions de base orthogonale et de base orthonormale pour un espace hermitien sont
exactement les mêmes que dans le cadre euclidien :
Définition 3.3.5. Soit B “ te1 , . . . , en u une base de E. On dit que B est
• une base orthogonale de E si pour tous k, l P t1, . . . , nu tels que k ‰ l, xek , el y “ 0,
• une base orthonormale de E si pour tous k, l P t1, . . . , nu, xek , el y “ δk l .
Exemple 3.3.6. • Si n P Nzt0u, la base canonique de Cn est une base orthonormale pour le
produit scalaire hermitien canonique sur Cn (exemple 3.2.2 1.).
• Une base B de E est une base orthonormale pour le produit scalaire hermitien associé
x¨, ¨yB (exemple 3.2.2 2.).
De façon analogue au cadre euclidien (cf. remarque 2.3.6), si B “ te1 , . . . , en u est une base or-
n
ÿ n
ÿ ÿn
thonormale pour x¨, ¨y et v, w P E, on a v “ xv, ek y ek et xv, wy “ xv, ek yxw, ek y “ xv, ek yxek , wy.
k“1 k“1 k“1
On définit également les notions de famille orthogonale de E et de famille orthonormale
de E (de telles familles sont des familles libres de E) et le procédé d’orthonormalisation de
Gram-Schmidt reste valable dans le cadre hermitien :
Théorème 3.3.7 (Procédé d’orthonormalisation de Gram-Schmidt). ăSoit tv1 , . . . , vp u une
famille libre de E. On peut construire, de façon algorithmique, une famille orthonormale
te1 , . . . , ep u de E telle que, pour tout k P t1, . . . , pu, Vect te1 , . . . , ek u “ Vect tv1 , . . . , vk u (en
particulier, te1 , . . . , ep u est une base orthonormale de Vect tv1 , . . . , vp u).
Démonstration. La preuve est identique à la preuve du théorème 2.3.7.

Exemple 3.3.8. On détermine une base orthonormale du sous-espace vectoriel

F :“ px, y, z, tq P C4 | x ´ y ` iz ´ it “ 0
␣ (

de C4 par rapport au produit scalaire hermitien canonique. On commence par remarquer que les
vecteurs v1 :“ p1, 1, 0, 0q, v2 :“ p1, 0, i, 0q et v3 :“ p0, 0, 1, 1q forment une base (non orthogonale)
de F . On applique ensuite le procédé d’orthonormalisation de Gram-Schmidt : on pose
ϵ1 :“ v1 “ p1, 1, 0, 0q
ˆ ˙
xv2 , ϵ1 y 1 1 1 1
ϵ2 :“ v2 ´ 2
ϵ1 “ v2 ´ ϵ1 “ , ´ , i, 0 “ p1, ´1, 2i, 0q
}ϵ1 } 2 2 2 2
1
ϵ2 :“ p1, ´1, 2i, 0q
xv3 , ϵ12 y 1
ˆ ˙
xv3 , ϵ1 y 2i 1 i i 1 1
ϵ3 :“ v3 ´ ϵ1 ´ ϵ “ v3 ` ϵ “ , ´ , , 1 “ pi, ´i, 1, 3q
}ϵ1 }2 }ϵ12 }2 2 6 2 3 3 3 3
1
ϵ3 :“ pi, ´i, 1, 3q.
94 CHAPITRE 3. ESPACES HERMITIENS

La famille tϵ1 , ϵ12 , ϵ13 u est alors une base orthogonale de F et la famille
" *
1 1 1
? p1, 1, 0, 0q, ? p1, ´1, 2i, 0q, ? pi, ´i, 1, 3q
2 6 12
est une base orthonormale de F .
En particulier, le théorème 3.3.7ăpermet de montrer l’existence d’une base orthonormale
pour l’espace hermitien pE, x¨, ¨yq. Il permet également de montrer que toute famille orthonor-
male de E peut être complétée en une base orthonormale de E.

Si maintenant A est un sous-ensemble de E, on définit aussi l’orthogonal

AK :“ tv P E | @w P A, xv, wy “ 0u

de A, qui est un sous-espace vectoriel de E.

Exemple 3.3.9. Dans C3 muni du produit scalaire hermitien canonique, on a

tp´2, 3 ` 2i, ´iquK “ px, y, zq P C3 | xpx, y, zq, p´2, 3 ` 2i, ´iqycan “ ´2x ` p3 ´ 2iqy ` iz “ 0 .
␣ (

Si F est un sous-espace vectoriel de E, on retrouve, par des arguments identiques au cadre

euclidien (cf. proposition 2.4.5 et sa preuve), les propriétés suivantes :

Proposition 3.3.10. On a :

1. E “ F ‘ F K ,
` ˘K
2. F K “ F .

On peut ainsi définir la projection orthogonale sur F , i.e. la projection sur F parallèlement
à F K , notée pF , et la symétrie orthogonale par rapport à F , i.e. la symétrie par rapport à F
parallèlement à F K , notée sF .
Exactement comme dans le cadre euclidien, si v P E, on peut calculer la distance hermitienne de v à F
dpv, F q :“ inf }w ´ v} à l’aide de la projection orthogonale sur F : on a
wPF
› p
›
› ÿ ›
dpv, F q “ }v ´ pF pvq} “ ›v ´ xv, ek y ek › ,
› ›
› ›
k“1

si te1 , . . . , ep u est une base orthonormale de F .

3.4 Représentation matricielle du produit scalaire hermitien

Soit pE, x¨, ¨yq un espace hermitien et notons n :“ dimpEq. Si B “ te¨1 , . .˛. , en u¨est˛une base
x1 y1
˚ .. ‹ ˚ .. ‹
de E et si v et w sont deux vecteurs de E de coordonnées respectives ˝ . ‚ et ˝ . ‚ dans la
xn yn
3.4. REPRÉSENTATION MATRICIELLE DU PRODUIT SCALAIRE HERMITIEN 95

base B, alors
C G
n
ÿ n
ÿ
xv, wy “ xk ek , yl e l
k“1 l“1
ÿ
“ xk yl xek , el y
1ďk,lďn
ÿ
“ xk xek , el y yl
1ďk,lďn
t
` ˘
“ MatB pvq xek , el y 1ďk,lďn MatB pwq,

et on note Matpsh
` ˘
B px¨, ¨yq :“ xek , el y 1ďk,lďn la matrice représentative du produit scalaire
hermitien x¨, ¨y dans la base B.
Exemple 3.4.1. On reprend les notations de l’exemple 3.3.8 : on note B(la base tp1, 1, 0, 0q, p1, 0, i, 0q, p0, 0, 1, 1qu
du sous-espace vectoriel F :“ px, y, z, tq P C4 | x ´ y ` iz ´ it “ 0 de C4 . Alors, en notant
␣

x¨, ¨y la restriction du produit scalaire hermitien canonique sur C4 à F , on a

¨ ˛
2 1 0
Matpsh
B px¨, ¨yq “
˝1 2 i ‚.
0 ´i 2

A l’instar du cas euclidien, Matpsh

B px¨, ¨yq “ In si et seulement si B est une base orthonormale
de E.
Remarquons de plus que, comme la forme x¨, ¨y est symétrique hermitienne, la matrice
Matpsh t
B px¨, ¨yq est hermitienne : une matrice A de Mn pCq est dite hermitienne si A “ A.
Par ailleurs, si B est une autre de base de E :
1

Proposition 3.4.2. On a

Matpsh t psh
B1 px¨, ¨yq “ PBÑB MatB px¨, ¨yq PBÑB
1 1

Démonstration. Soient v, w P E. Notons X :“ MatB pvq, Y :“ MatB pwq et A :“ MatpshB px¨, ¨yq,
1 1 1 psh
ainsi que X :“ MatB1 pvq, Y :“ MatB1 pwq et A :“ MatB1 px¨, ¨yq.
On a X 1 “ PB1 ÑB X “ PBÑB1 ´1 X ô X “ PBÑB1 X 1 et Y 1 “ PB1 ÑB Y “ PBÑB1 ´1 Y ô Y “
PBÑB1 Y 1 . Ainsi,
t
xv, wy “ XAY
t
PBÑB1 X 1 ApPBÑB1 Y 1 q
` ˘
“
“ tX 1 tPBÑB1 A PBÑB1 Y 1 .
` ˘

A E
En particulier, si l’on note B 1 “ te11 , . . . , e1n u, on a, pour tous k, l P t1, . . . , nu, e1i , e1j “
tX tP
` ˘
i BÑB1 A P BÑB1 X˘j (avec les notations introduites dans la preuve de la proposition 2.5.4)
et donc A1 “ xe1k , e1l y 1ďk,lďn “ tPBÑB1 A PBÑB1 .
`
96 CHAPITRE 3. ESPACES HERMITIENS

3.5 Endomorphismes unitaires et matrices unitaires

Soit pE, x¨, ¨yq un espace hermitien de dimension n P Nzt0u et soit f un endomorphisme de E.
De façon analogue au cadre euclidien, on peut considérer les endomorphismes qui préservent le
produit scalaire hermitien :

Définition 3.5.1. On dit que f est un endomorphisme unitaire de E si pour tous v, w P E,

xf pvq, f pwqy “ xv, wy.

Cette dernière condition est équivalente à la préservation de la norme hermitienne } ¨ }

associée à x¨, ¨y :

Proposition 3.5.2. f est un endomorphisme unitaire si et seulement si f conserve la norme

hermitienne } ¨ } si et seulement si f conserve la distance associée à la norme } ¨ }.

Démonstration. On montre que si f conserve la norme hermitienne } ¨ }, alors f est unitaire.

Le reste de la démonstration est tout à fait identique à la preuve de la proposition 2.6.3.
Supposons donc que f conserve } ¨ } et soient v, w P E, alors

1`
}f pvq ` f pwq}2 ` i}f pvq ` if pwq}2 ´ p1 ` iq}f pvq}2 ´ p1 ` iq}f pwq}2 (lemme 3.2.8)
˘
xf pvq, f pwqy “
2
1`
}f pv ` wq}2 ` i}f pv ` iwq}2 ´ p1 ` iq}f pvq}2 ´ p1 ` iq}f pwq}2 (f est C-linéaire)
˘
“
2
1`
}v ` w}2 ` i}v ` iw}2 ´ p1 ` iq}v}2 ´ p1 ` iq}w}2 (f préserve la norme hermitienne)
˘
“
2
“ xv, wy (lemme 3.2.8).

A l’instar du cadre euclidien,

• l’endomorphisme f est unitaire si et seulement si f associe à toute base orthonormale de

E une base orthonormale de E (la preuve de ce fait est tout à fait analogue à la preuve
de la proposition 2.6.5),

• si f est unitaire, alors f est bijectif et f ´1 est également unitaire (la démonstration est
identique à celle du corollaire 2.6.7),

• la composition de deux endomorphismes unitaires est unitaire (la preuve est la même que
celle de la proposition 2.6.16).

En particulier, l’ensemble des endomorphismes unitaires de E muni de la composition forme

un groupe :

Définition 3.5.3. L’ensemble, noté U pE, x¨, ¨yq ou simplement UpEq lorsque le contexte est
clair, des endomorphismes unitaires de l’espace hermitien pE, x¨, ¨yq est un sous-groupe du
groupe linéaire pGLpEq, ˝q des automorphismes linéaires de E. On appelle pUpEq, ˝q le groupe unitaire
de pE, x¨, ¨yq.
3.5. ENDOMORPHISMES UNITAIRES ET MATRICES UNITAIRES 97

On en vient maintenant à la caractérisation matricielle, dans une base orthonormale, du

caractère unitaire d’un endomorphisme de E. Soit B une base orthonormale de E.
Proposition 3.5.4. Notons A :“ MatB pf q la matrice représentative de f dans la base B.
L’endomorphisme f de E est unitaire si et seulement si tAA “ In si et seulement si t AA “ In .
Démonstration. Notons B “ te1 , . . . , en u. L’endomorphisme f est alors unitaire si et seulement
si, pour tous k, l P t1, . . . , nu, xf pek q, f pel qy “ xek , el y “ δk l . Or, pour tous k, l P t1, . . . , nu,
xf pek q, f pel qy “ t pAXk qAXl “ tXk tAA Xl
` ˘

et donc f est unitaire si et seulement tAA “ In si et seulement tAA “ In si et seulement

t AA “ I .
n

On dira qu’une matrice A de Mn pCq est unitaire si elle vérifie t AA “ In . Remarquons que
• une matrice de Mn pCq est unitaire si et seulement si les vecteurs colonnes qui la composent
forment une base orthonormale de Cn muni du produit scalaire hermitien canonique,
• une matrice unitaire A est inversible et son inverse, également unitaire, est sa “transcon-
juguée” t A,
• le produit de matrices unitaires est unitaire.
On note ainsi Un pCq le sous-groupe de pGLn pCq, ¨ q formé par les matrices unitaires de
Mn pCq : on appelle pUn pCq, ¨ q le groupe unitaire de Mn pCq.
Exemple 3.5.5. • La matrice
¨ ˛
1 ´i ´1 ` i
1˝
i 1 1`i ‚
2
1 ` i ´1 ` i 0
de M3 pCq est unitaire.
• Toute matrice de passage d’une base orthonormale de pE, x¨, ¨yq à une base orthonormale
de pE, x¨, ¨yq est unitaire.
Remarquons enfin que le déterminant d’une matrice unitaire, et donc d’un endomorphisme
unitaire, est un nombre complexe de module 1 :
Proposition 3.5.6. Soit A P Un pCq, alors |detpAq| “ 1. Ainsi, si f P UpEq, |detpf q| “ 1.
Démonstration. On a t AA “ In donc
1 “ detpIn q “ det t AA “ det t A detpAq “ det A detpAq “ detpAqdetpAq “ |detpAq|.
` ˘ ` ˘ ` ˘

Remarque 3.5.7. Le sous-ensemble de UpEq des endomorphismes orthogonaux de déterminant

1 est un sous-groupe de pUpEq, ˝q appelé groupe spécial unitaire de E et noté SU pEq.
Le sous-ensemble de Un pCq des matrices unitaires de déterminant 1 est un sous-groupe de
pUn pCq, ¨q appelé groupe spécial unitaire de Mn pCq et noté SUn pCq.
98 CHAPITRE 3. ESPACES HERMITIENS

3.6 Décomposition QR d’une matrice à coefficients complexes

inversible

Soit n P Nzt0u. Nous énonçons dans cette section l’analogue de la décomposition QR pour
les matrices inversibles de GLn pCq : toute matrice inversible de GLn pCq peut s’écrire comme
le produit d’une matrice unitaire et d’une matrice triangulaire supérieure. Mais on peut être
plus précis :

Théorème 3.6.1 (Décomposition QR d’une matrice inversible). Soit n P Nzt0u et soit A P

GLn pCq. Il existe une unique matrice unitaire Q P Un pCq et une unique matrice R P GLn pCq
triangulaire supérieure à coefficients diagonaux réels strictement positifs telles que A “ QR.
On appelle cette écriture la décomposition QR de A.

Démonstration. L’existence d’une décomposition QR pour A est donnée, comme dans le cadre
réel, par le procédé d’orthonormalisation de Gram-Schmidt (cf. théorème 3.3.7) : si v1 , . . . , vn
sont les vecteurs colonnes formant, dans l’ordre, les colonnes de la matrice A, on applique le
procédé d’orthonormalisation de Gram-Schmidt à la base B :“ tv1 , . . . , vn u de Cn pour obtenir
une base orthonormale B 1 “ te1 , . . . , en u de Cn (par rapport au produit scalaire hermitien
canonique).
l
ÿ
De plus, par construction, pour tout l P t1, . . . , nu, el “ αk vk avec α1 , . . . , αl´1 P C
k“1
et αl Ps0; `8r. Ainsi, la matrice de passage de la base B à la base B 1 de E est triangulaire
supérieure et ses coefficients diagonaux sont réels strictement positifs. Il en est donc de même
pour son inverse R :“ PB1 ÑB et, si l’on note Q la matrice de passage de la base canonique
de Cn à la base B 1 , Q est unitaire (les vecteurs colonnes qui composent Q forment une base
orthonormale pour le produit scalaire hermitien canonique sur Cn ) et A “ QR (A peut être
considérée comme la matrice de passage de la base canonique de Cn à B).
La preuve de l’unicité de la décomposition QR de A est identique à celle présentée dans la
preuve du théorème 2.7.1.

Exemple 3.6.2. Considérons la matrice

¨ ˛
1 2 0
A :“ ˝ i 0 1‚
0 ´3i 1

de GL3 pCq et notons v1 :“ p1, i, 0q, v2 :“ p2, 0, ´3iq et v3 :“ p0, 1, 1q P C3 . On applique alors le
3.7. ENDOMORPHISMES HERMITIENS ET MATRICES HERMITIENNES 99

procédé d’orthonormalisation de Gram-Schmidt à la base tv1 , v2 , v3 u de C3 . On pose

ϵ1 :“ v1 “ p1, i, 0q
xv2 , ϵ1 y 2
ϵ2 :“ v2 ´ ϵ1 “ v2 ´ ϵ1 “ p1, ´i, ´3iq
}ϵ1 }2 2
ˆ ˙
xv3 , ϵ1 y xv3 , ϵ2 y i 4i 3i 3 1 1
ϵ3 :“ v3 ´ 2
ϵ1 ´ 2
ϵ2 “ v3 ` ϵ1 ´ ϵ2 “ , ,´ “ p3i, 3, ´2q
}ϵ1 } }ϵ2 } 2 11 22 22 11 22
ϵ13 :“ p3i, 3, ´2q
1 1
e1 :“ ϵ1 “ ? p1, i, 0q
}ϵ1 } 2
1 1
e2 :“ ϵ2 “ ? p1, ´i, ´3iq
}ϵ2 } 11
1 1 1
e3 :“ ϵ “ ? p3i, 3, ´2q .
}ϵ13 } 3 22
La matrice
?1 ?1 ?3i
¨ ˛
2 11 22
˚ ?i ´ ?i11 ?3 ‹
Q :“ ˝ 2 22 ‚
0 ´ ?3i11 ´ 222
?

est alors unitaire, et si l’on note

¨? ?
2 ´ ?i2
˛
2
?
R :“ Q´1 A “ t QA “ ˝ 0
˚ 11 ?4i11 ‹
‚,
1
0 0 ?
22

l’égalité ˛ ¨? ?
?1 ?1 ?3i 2 ´ ?i2
¨ ˛
2 11 22
2
˚ ?i ?
A “ QR “ ˝ 2 ´ ?i11 ?3 ‹ ˚
22 ‚˝
0 11 ?4i11 ‹
‚
0 ´ ?3i11 ´ ?222 0 0 ?1
22
est la décomposition QR de A.

3.7 Endomorphismes hermitiens et matrices hermitiennes

Soit pE, x¨, ¨yq un espace hermitien de dimension n P Nzt0u et soit f un endomorphisme de E.
L’analogue hermitien de la notion d’endomorphisme symétrique est la notion d’endomorphisme
hermitien :
Définition 3.7.1. On dit que l’endomorphisme f de E est hermitien si pour tous v, w P E,
xf pvq, wy “ xv, f pwqy.
Si A est une matrice de Mn pCq, on dit que A est hermitienne si A est égale à sa “transcon-
juguée” i.e. t A “ A ô tA “ A i.e la transposée de A est égale à la conjuguée de A.
L’endomorphisme f est alors hermitien si et seulement sa matrice dans une base orthonor-
male de pE, x¨, ¨yq est hermitienne :
100 CHAPITRE 3. ESPACES HERMITIENS

Proposition 3.7.2. Soit B une base orthonormale de E et notons A :“ MatB pf q la matrice

représentative de f dans B. Alors f est hermitien si et seulement si la matrice A est hermi-
tienne.

Démonstration. Similairement au cadre euclidien (cf. preuve de la proposition 2.8.2), si v, w P E

et si on note X :“ MatB pvq et Y :“ MatB pwq, on a, comme B est une base orthonormale de E,

xf pvq, wy “ t pAXqY “ tX tAY et xv, f pwqy “ tXAY “ tXA Y .

Ainsi, pour tous v, w P E, xf pvq, wy “ xv, f pwqy si et seulement si tA “ A i.e. A est hermitienne.

Remarque 3.7.3. Les coefficients diagonaux d’une matrice hermitienne de Mn pCq sont nécessai-
rement réels.
Nous allons à présent démontrer l’analogue hermitien du théorème spectral 2.8.4 :

Théorème 3.7.4 (Théorème spectral). ăOn suppose que l’endomorphisme f est hermitien.
Alors

• f est diagonalisable,

• les valeurs propres de f sont réelles,

• les sous-espaces propres de f sont orthogonaux deux à deux.

En particulier, f est diagonalisable dans une base orthonormale de E.

Démonstration. On commence par montrer que les racines de χf (qui est un polynôme scindé
car le corps de base est C) sont toutes réelles. On reprend, en l’adaptant, l’argumentaire de la
preuve du théorème 2.8.4 : soit¨B0 ˛ une base orthonormale de E, notons A :“ MatB0 pf q, soit
x1
λ P SppAq “ Sppf q et soit X “ ˝ ... ‚ un vecteur propre de A associé à λ. On applique alors la
˚ ‹

xn
conjugaison complexe à l’égalité AX “ λX, de sorte que A X “ λ X.
On considère maintenant l’égalité t pAXqX “ tXA X (vérifiée car tA “ A : A est la matrice
représentative de l’endomorphisme hermitien f dans la base orthonormale B0 ) où l’on remplace
AX par λX et A X par λ X : on obtient ainsi
n
ÿ n
ÿ
t
pλXqX “ tXλ X i.e. λ |xi |2 “ λ |xi |2 i.e. λ “ λ i.e. λ P R
i“1 i“1

n
ÿ
( |xi |2 ‰ 0 car X, en tant que vecteur propre, n’est pas le vecteur nul).
i“1
Comme l’endomorphisme f est hermitien et ses valeurs propres sont réelles, la suite de la
preuve est identique à celle du théorème 2.8.4.

La version matricielle du théorème spectral 3.7.4 est le résultat suivant :

3.7. ENDOMORPHISMES HERMITIENS ET MATRICES HERMITIENNES 101

Corollaire 3.7.5. Soit A une matrice hermitienne de Mn pCq. Alors il existe une matrice
unitaire U P Un pRq et une matrice diagonale D P Mn pRq à coefficients réels telles que

D “ U ´1 AU “ t U AU.

Démonstration. La preuve est semblable à la preuve du corollaire 2.8.7 : on utilise le fait

qu’une matrice hermitienne de Mn pCq est la matrice représentative dans la base canonique de
Cn d’un endomorphisme hermitien par rapport au produit scalaire hermitien canonique, et que
la matrice de passage d’une base orthonormale à une base orthornomale est unitaire.
¨ ˛
0 1 ´i
Exemple 3.7.6. On considère la matrice A :“ ˝1 0 ´i‚ P M3 pCq : A est hermitienne et on a
i i 2

´X 1 ´i
χA “ 1 ´X ´i
i i 2´X
´X ´ 1 1 ´i
“ 1 ` X ´X ´i
C1 ÐC1 ´C2
0 i 2´X
1 1 ´i
“ p´1 ´ Xq ´1 ´X ´i
0 i 2´X
1 1 ´i
“ p´1 ´ Xq 0 1 ´ X ´2i
L1 ÐL2 `L1
0 i 2´X
1 ´ X ´2i
“ p´1 ´ Xq
i 2´X
“ p´1 ´ Xqrp1 ´ Xqp2 ´ Xq ´ 2s
p´1 ´ Xq X 2 ´ 3X
` ˘
“
“ p´1 ´ Xqp´Xqp3 ´ Xq.
! )
Ainsi, SppAq “ t´1; 0; 3u. De plus, E´1 “ Vecttp1, ´1, 0qu “ Vect ?12 p1, ´1, 0q , E0 “
! ) ! )
Vecttpi, i, 1qu “ Vect ?13 pi, i, 1q et E3 “ Vecttp1, 1, 2iqu “ Vect ?16 p1, 1, 2iq .
Si l’on note alors
?1 ?i ?1
¨ ˛
2 3 6
˚´ ?1 ?i ?1 ‹
U :“ ˝ 2 3 6‚
P M3 pCq,
0 ?1 ?2i
3 6
la matrice U est unitaire et on a
¨ ˛
´1 0 0
U ´1 AU “ ˝ 0 0 0‚.
0 0 3
102 CHAPITRE 3. ESPACES HERMITIENS

Remarque 3.7.7. La réciproque du théorème 3.7.4 est également vraie, en ce sens que si l’en-
domorphisme f est diagonalisable dans une base orthonormale et si Sppf q Ă R, alors f est
hermitien. En effet, supposons qu’il existe une base orthonormale B de E et une matrice dia-
gonale D de Mn pRq Ă Mn pCq telle que MatB pf q “ D, alors
t
D “ D “ D,

donc D est hermitienne, et en conséquence f est hermitien par la proposition 3.7.2 (B est une
base orthonormale de E).

3.8 Diagonalisabilité des endomorphismes et matrices unitaires

Soit pE, x¨, ¨yq un espace hermitien de dimension n P Nzt0u. Nous allons montrer dans cette
section que tout endomorphisme unitaire de E est diagonalisable dans une base orthonormale
et que ses valeurs propres sont toutes de module 1.
Précisément, soit f un endomorphisme de E, on a le résultat suivant :

Théorème 3.8.1. Si f est unitaire alors

• f est diagonalisable,

• les valeurs propres de f sont de module 1,

• les sous-espaces propres de f sont orthogonaux deux à deux.

En particulier, f est diagonalisable dans une base orthonormale de E.

Démonstration. On adapte le début de la preuve du théorème 2.9.1 du cadre euclidien.

Nous allons montrer par récurrence que pour tout n P Nzt0u, tout espace hermitien pE, x¨, ¨yq
de dimension n et tout endomorphisme unitaire f de E, les valeurs propres de f sont de mo-
dule 1 et f est diagonalisable dans une base orthonormale de E (en particulier, les sous-espaces
propres de f sont orthogonaux 2 à 2).

Pour n “ 1, soit E “ Vecttvu un R-espace vectoriel de dimension 1 muni d’un produit

scalaire hermitien x¨, ¨y et soit f un endomorphisme unitaire de E. Il existe α P C tel que
f pvq “ αv et alors }f pvq} “ }αv} “ |α|}v}. De plus, comme f est unitaire, on a }f pvq} “ }v}
donc |α|}v} “ }v} et donc |α| “ 1 (}v} ‰ 0 car v ‰ 0E car
! v)engendre E). Enfin la matrice de f
v
dans la base tvu, ainsi que dans la base orthonormale }v} , est pαq.

Supposons maintenant la propriété vérifiée pour tout entier naturel non nul strictement
plus petit que n avec n P Nzt0u fixé et considérons l’endomorphisme unitaire f de l’espace
hermitien E de dimension n.
Soit λ P Sppf q et soit v un vecteur propre de f pour la valeur propre λ. On a d’une part
}f pvq} “ }λv} “ |λ|}v} et, d’autre part, }f pvq} “ }v} car f est unitaire. Ainsi |λ|}v} “ }v}
et donc |λ| “ 1 (car v est un vecteur propre de f donc v ‰ 0E donc }v} ‰ 0). De plus,
3.8. DIAGONALISABILITÉ DES ENDOMORPHISMES ET MATRICES UNITAIRES 103

comme F :“ Vecttvu est stable par f (car v est un vecteur propre de f ), l’orthogonal F K
de F est également stable
` par˘ f par la version hermitienne du lemme 2.9.3 (la preuve est
identique) : comme dim F K “ n ´ 1 ă n, on peut alors appliquer l’hypothèse de récurrence
FK Ñ FK
à l’endomorphisme unitaire f|F K : de F K et obtenir l’existence d’une base
u ÞÑ f puq
orthonormale B0 de F K telle que
¨ ˛
´ ¯ λ1 0
MatB0 f|F K “ ˝
˚ .. ‹
. ‚
0 λn´1
où les nombres complexes λ1 , . . . , λn´1 sont tous de !module K
) 1. Considérant l’égalité F ‘F “ E
(proposition 3.3.10) et la base orthonormale B 1 :“ }v} v
de F , la famille B :“ tB 1 , B0 u est une
base orthonormale de E et on a
¨ ˛
λ 0
˚ λ1 ‹
MatB pf q “ ˚ ‹.
˚ ‹
. .
˝ . ‚
0 λn´1

Remarque 3.8.2. • La réciproque du théorème 3.8.1 est également vraie : si l’endomor-

phisme f est diagonalisable dans une base orthonormale et si ses valeurs propres sont
toutes de module 1, alors f est unitaire.
En effet, supposons qu’il existe une base orthonormale B de E et des nombres complexes
λ1 , . . . , λn de module 1 tels que
¨ ˛
λ1 0
MatB pf q “ ˝
˚ .. ‚ “: D.
‹
.
0 λn
Alors
|λ1 |2
¨ ˛¨ ˛¨ ˛ ¨ ˛
λ1 0 λ1 0 0 1 0
t
DD “ ˝ .. .. .. ‹ ˚ ..
‚“ ˝ ‚“ ˝ . ‚ “ In .
˚ ‹˚ ‹ ˚ ‹
. ‚˝ . .
0 λn 0 λn 0 |λn |2 0 1
La matrice D “ MatB pf q est ainsi unitaire, et donc, par la proposition 3.5.4, l’endomor-
phisme f est unitaire (la base B de E est orthonormale).
• Si A P Mn pCq est une matrice unitaire, alors il existe U P Un pCq et des nombres complexes
λ1 , . . . , λn tous de module 1 tels que
¨ ˛
λ1 0
U ´1 AU “ t U AU “ ˝
˚ .. ‚.
‹
.
0 λn
104 CHAPITRE 3. ESPACES HERMITIENS

Exemple 3.8.3. On considère la matrice unitaire

¨ ˛
1`i 1´i 0
1
A :“ ˝1 ´ i 1 ` i 0‚ P U3 pCq.
2
0 0 2

Son polynôme caractéristique est

1`i 1´i
2 ´ X 0 2
1´i 1`i
χA “ detpA ´ XI3 q “ 2 ´X 0
2
0 0 1´X
«ˆ ˙2 ˆ ˙ ff
1`i 1´i 2
“ p1 ´ Xq ´X ´
2 2
“ p1 ´ Xqpi ´ Xqp1 ´ Xq
“ p1 ´ Xq2 pi ´ Xq,

et on a
¨ ˛ $¨ ˛ , $ ¨ ˛,
1´i 1´i 0 & 1 . & 1 1 .
Ei “ Ker ˝1 ´ i 1 ´ i 0 ‚ “ Vect ˝´1‚ “ Vect ? ˝´1‚
% 2
0 0 2 ´ 2i 0 0
% - -

et
¨ ˛ $¨ ˛ ¨ ˛, $ ¨ ˛ ¨ ˛,
´1 ` i 1 ´ i 0 & 1 0 . & 1 1 0 .
E1 “ Ker ˝´1 ´ i 1 ` i 0‚ “ Vect ˝1‚, ˝0‚ “ Vect ? ˝1‚, ˝0‚ .
% 2
0 0 0 0 1 0 1
% - -

Ainsi, si l’on pose ¨ ˛

?1 ?1 0
˚ ?21 ?1
2
U :“ ˝´ 2 0‚,
‹
2
0 0 1
U est unitaire et on a ¨ ˛
i 0 0
U ´1 AU “ ˝0 1 0‚.
0 0 1
Chapitre 4

Espaces préhilbertiens et espaces

hilbertiens

4.1 Introduction
On considère dans ce chapitre les espaces vectoriels sur R, resp. sur C, munis d’un produit
scalaire, resp. d’un produit scalaire hermitien : les espaces préhilbertiens réels, resp. complexes.
Possiblement de dimension infinie, ces espaces préhilbertiens sont des généralisations des es-
paces euclidiens et hermitiens. Dans ce chapitre, on mettra en avant les propriétés des espaces
euclidiens et hermitiens qui restent vraies pour les espaces préhilbertiens de dimension infinie
et on soulignera celles qui ne se généralisent pas.
Dans la dernière partie de ce chapitre, on considèrera la “véritable” généralisation de la
notion de base orthonormale, à savoir la notion de base hilbertienne. Les “véritables” généra-
lisations des espaces euclidiens et hermitiens sont quant à elles les espaces hilbertiens.

4.2 Espaces préhilbertiens réels et complexes

Définition 4.2.1. • Un espace préhilbertien réelăest un R-espace vectoriel muni d’un pro-
duit scalaire (définition 2.2.1).

• Un espace préhilbertien complexeăest un C-espace vectoriel muni d’un produit scalaire

hermitien (définition 3.2.1).

Soit K “ R ou C.
Exemple 4.2.2. 1. Tout espace euclidien est un espace préhilbertien réel. Tout espace her-
mitien est un espace préhilbertien complexe.

2. Pour tous polynômes P et Q de KrXs, on définit

ż1
xP, Qy :“ P ptqQptqdt.
0

105
106 CHAPITRE 4. ESPACES PRÉHILBERTIENS ET ESPACES HILBERTIENS

KrXs ˆ KrXs Ñ K
L’application x¨, ¨y : est alors
pP, Qq ÞÑ xP, Qy
• un produit scalaire sur RrXs si K “ R (voir exemple 2.2.2 4.) : pRrXs, x¨, ¨yq est alors
un espace préhilbertien réel (non euclidien)
• un produit scalaire sur CrXs si K “ C (voir exemple 3.2.2 4.) : pCrXs, x¨, ¨yq est alors
un espace préhilbertien complexe (non hermitien).
3. Plus généralement, soient a, b P R, si f et g sont deux fonctions continues sur ra, bs à
valeurs dans K, on définit
żb
xf, gy :“ f ptqgptqdt.
a
Si on note alors C 0 pra, bs, Kq
` le K-espace vectoriel des fonctions continues sur ra, bs à
valeurs dans K, le couple C 0 pra, bs, Kq, x¨, ¨y est un espace préhilbertien réel si K “ R,
˘

un espace préhilbertien complexe si K “ C.

ÿ
4. On note l2 pKq l’ensemble des suites pxn qnPN à termes dans K telles que la série |xn |2
n
converge. Il s’agit d’un sous-espace vectoriel du K-espace vectoriel des suites à termes
dans K : si λ, µ P K et pxn qnPN , pyn qnPN P l2 pKq, on a, pour tout n P N,
|λxn ` µyn |2 ď |λ| |xn |2 ` |µ| |yn |2
ÿ´ ¯
et, comme la série à termes réels positifs |λ| |xn |2 ` |µ| |yn |2 converge, il en est de
nPN
ÿ
même pour la série à termes réels positifs |λxn ` µyn |2 .
nPN
Soient maintenant deux suites pxn qnPN et pyn qnPN de l2 pKq, alors, si x¨, ¨ycan désigne le
p.s., resp. p.s.h, canonique sur Rk , resp. Ck , on a, pour tout k P N,
k
ÿ k
ÿ
|xn yn | “ |xn | |yn |
n“0 n“0
“ xp|x1 | , . . . , |xk |q, p|y1 | , . . . , |yk |qycan
ď }p|x1 | , . . . , |xk |q}can }p|y1 | , . . . , |yk |q}can
“ }px1 , . . . , xk q}can }py1 , . . . , yk q}can
g g
f k f k
fÿ fÿ
2e
“ e |x | n |y |2 n
n“0 n“0
g g
f `8 f `8
fÿ fÿ
2e
ď e |xn | |yn |2
n“0 n“0

et cette dernière quantité est finie puisque les suites

˜ pxn qnPN¸et pyn qnPN sont des éléments
ÿk
de l2 pKq. Ainsi, la suite à termes réels positifs |xn yn | , étant bornée, converge,
n“0 kPN
4.2. ESPACES PRÉHILBERTIENS RÉELS ET COMPLEXES 107

autrement dit la série de terme général xn yn , n P N, converge absolument. En consé-

quence, la série de terme général xn yn , n P N, converge et on définit alors
`8
ÿ
xpxn qnPN , pyn qnPN y :“ x n yn .
n“0

Montrons à présent que le couple l2 pKq, x¨, ¨y forme un espace préhilbertien. Par les règles
` ˘

usuelles sur les séries, l’application x¨, ¨y : l2 pKq ˆ l2 pKq Ñ K est bien bilinéaire, resp. ses-
quilinéaire, ainsi que symétrique, resp. symétrique hermitienne, et enfin, si pxn qnPN P l2 pKq,
on a
`8
ÿ
xpxn qnPN , pxn qnPN y “ |xn |2 ě 0
n“0
`8
ÿ
et |xn |2 “ 0 ssi pour tout n P N, |xn |2 “ 0 ssi pour tout n P N, xn “ 0.
n“0
Exposons ci-dessous les propriétés des espaces euclidiens et hermitiens qui se généralisent
aux espaces préhilbertiens.
Soit donc pE,
a x¨, ¨yq un espace préhilbertien, réel ou complexe. On note, pour tout vecteur
v de E, }v} :“ xv, vy.
Lemme 4.2.3 (Inégalité de Cauchy-Schwarz). Pour tous vecteurs v et w de E, on a l’inégalité

|xv, wy| ď }v}}w},

et |xv, wy| “ }v}}w} si et seulement si les vecteurs v et w sont liés.

Démonstration. La preuve du lemme 3.2.5 (où l’on n’utilise jamais le fait que la dimension de
l’espace ambiant soit finie) peut parfaitement être appliquée dans le cadre préhilbertien général
(complexe ou réel).

Exemple 4.2.4. En appliquant le lemme 3.2.5 aux exemples 4.2.2, on obtient les inégalités
ˇż b ˇ dż b d
żb
2
• ˇ f ptqgptqdtˇ ď |gptq|2 dt si a, b P R, f, g P C 0 pra, bs, Kq,
ˇ ˇ
ˇ ˇ |f ptq| dt
a a a
ˇ ˇ g g
ˇ `8
ÿ ˇ f f `8
ÿ
f `8
fÿ
2e
• ˇ xn yn ˇ ď |xn | |yn |2 si pxn qnPN , pyn qnPN P l2 pKq.
ˇ ˇ e
ˇn“0 ˇ n“0 n“0

En conséquence de l’inégalité de Cauchy-Schwarz (voir preuves des corollaires 2.2.7 et 3.2.6),

le couple pE, } ¨ }q forme un espace vectoriel normé.
Remarque 4.2.5. Les identités “de polarisation” en dimension finie (remarque 2.2.8 et lemme
3.2.8) restent également valables dans les cadres préhilbertiens réel respectivement complexe :
• si pE, x¨, ¨yq est un espace préhilbertien réel et v, w P E,
1`
}v ` w}2 ´ }v}2 ´ }w}2 ,
˘
xv, wy “
2
108 CHAPITRE 4. ESPACES PRÉHILBERTIENS ET ESPACES HILBERTIENS

• si pE, x¨, ¨yq est un espace préhilbertien complexe et v, w P E,

1`
}v ` w}2 ` i}v ` iw}2 ´ p1 ` iq}v}2 ´ p1 ` iq}w}2 .
˘
xv, wy “
2

Par ailleurs, dans tout espace préhilbertien (qu’il soit réel ou complexe), on a l’identité dite
“du parallélogramme” :

Lemme 4.2.6. Pour tous v, w P E, on a

}v ` w}2 ` }v ´ w}2 “ 2 }v}2 ` }w}2 .

` ˘

Démonstration. Soient v, w P E, on a

}v ` w}2 ` }v ´ w}2 “ }v}2 ` 2 Repxv, wyq ` }w}2 ` }v}2 ´ 2 Repxv, wyq ` }w}2
“ 2 }v}2 ` }w}2
` ˘

4.3 Orthogonalité dans les espaces préhilbertiens

Soit pE, x¨, ¨yq un espace préhilbertien. Comme en dimension finie, on peut définir une notion
d’orthogonalité par rapport à x¨, ¨y.

Définition 4.3.1. Soient v et w deux vecteurs de E. On dit que v et w sont orthogonaux si

xv, wy “ 0. Dans ce cas, on dira aussi que v est orthogonal à w et que w est orthogonal à v.
On appellera également famille orthogonale toute famille de vecteurs non nuls de E deux
à deux orthogonaux, et famille orthonormale toute famille orthogonale tvi , i P Iu (où I est un
ensemble) de E telle que, pour tout i P I, }vi } “ 1.

Remarque 4.3.2. Comme en dimension finie (cf. remarque 2.3.6ă3.), toute famille orthogonale
de E est libre. En effet, soit tvi , i P Iu une famille orthogonale de E, alors toute sous-famille
finie tvi , i P Ju (avec J un sous-ensemble fini de I) est une famille orthogonale finie de E et est
donc libre par les mêmes arguments que dans la remarque 2.3.6ă3.
Exemple 4.3.3. Considérons le C-espace vectoriel C 0 pr0, 2πs, Cq muni du produit scalaire her-
mitien défini dans l’exemple 4.2.2 3. Pour tout n P Z, posons

r0, 2πs Ñ C
φn :“
t ÞÑ eint

La famille tφn | n P Zu est alors une famille orthogonale pour x¨, ¨y. En effet, si n, m sont deux
4.3. ORTHOGONALITÉ DANS LES ESPACES PRÉHILBERTIENS 109

entiers relatifs distincts, on a

ż 2π
xφn , φm y “ eint eimt dt
0
ż 2π
“ eint e´imt dt
0
ż 2π
“ eipn´mqt dt
0
ż 2π
` ` ˘ ` ˘˘
“ cos pn ´ mqt ` i sin pn ´ mqt dt
0
ż 2π ż 2π
` ˘ ` ˘
“ cos pn ´ mqt dt ` i sin pn ´ mqt dt
0 0
˘ 2π ˘ 2π
„ ȷ „ ȷ
1 ` 1 `
“ sin pn ´ mqt ` ´ cos pn ´ mqt
n´m 0 n´m 0
“ 0
! )
Remarquons enfin que la famille ?12π φn | n P Z est une famille orthonormale pour x¨, ¨y
car, si n P Z,
ż 2π ż 2π
2
ˇ int ˇ2
}φn } “ ˇe ˇ dt “ 1dt “ 2π.
0 0
Le théorème de Pythagore, par une démonstration identique à la preuve du lemme 3.3.3,
est également vrai dans tout espace préhilbertien :

Lemme 4.3.4 (Théorème de Pythagore). Soient v et w deux vecteurs de E. Si v et w sont

orthogonaux, alors }v ` w}2 “ }v}2 ` }w}2 .

Remarque 4.3.5. Si E est un espace préhilbertien réel, la réciproque du théorème de Pythagore

est vraie : la preuve est identique à celle du lemme 2.3.3.
On peut définir les notions de base orthogonale et de base orthonormale (une base qui est
également une famille orthogonale, resp. orthonormale) pour les espaces préhilbertiens géné-
raux mais on en vient à une première différence essentielle entre les espaces préhilbertiens de
dimension finie et les espaces préhilbertiens de dimension infinie : un espace préhilbertien de
dimension infinie peut ne pas posséder de base orthonormale.
Cependant, le procédé d’orthonormalisation de Gram-Schmidt reste valable en le sens sui-
vant :

Théorème 4.3.6 (Procédé d’orthonormalisation de Gram-Schmidt). Soit tv1 , . . . , vp u une fa-

mille libre finie de E. On peut construire, de façon algorithmique, une famille orthonormale
te1 , . . . , ep u de E telle que, pour tout k P t1, . . . , pu, Vect te1 , . . . , ek u “ Vect tv1 , . . . , vk u (en
particulier, te1 , . . . , ep u est une base orthonormale de Vect tv1 , . . . , vp u).

Démonstration. Le procédé est identique au procédé décrit dans la preuve du théorème 2.3.7.
110 CHAPITRE 4. ESPACES PRÉHILBERTIENS ET ESPACES HILBERTIENS

Remarque 4.3.7. Le procédé d’orthonormalisation de Gram-Schmidt est appliqué à des familles

libres finies. En particulier, tout sous-espace vectoriel de E de dimension finie possède une base
orthonormale.
On définit enfin l’orthogonal d’un sous-ensemble quelconque de E : si A est un sous-ensemble
de E, on note
AK :“ tv P E | @w P A, xv, wy “ 0u
l’orthogonal de A, qui est un sous-espace vectoriel de E (la démonstration est la même que
celle du lemme 2.4.3). Avec des justifications identiques au cadre euclidien (cf. remarque 2.4.4),
on a alors t0E uK “ E et E K “ t0E u.
Si maintenant F est un sous-espace vectoriel de l’espace préhilbertien E, on a les propriétés
suivantes :
Proposition 4.3.8. On a :
1. F X F K “ t0E u,
` ˘K
2. F Ă F K .
Démonstration. On montre la deuxième assertion de la même façon que dans le cadre de la
dimension finie (cf. proposition 2.4.5 et sa preuve, proposition 3.3.10).
Pour prouver la première assertion, considérons v P F X F K : on a alors xv, vy “ 0 (comme
v P F et v P F K ) et donc v “ 0E .
` ˘K
Remarque 4.3.9. Si E est de dimension infinie, les inclusions E Ă F ‘ F K et F K Ă F ne
sont pas vraies en général.
Par contre, si F est de dimension finie, F K est bien un supplémentaire de F dans E :
Proposition 4.3.10. On suppose que le sous-espace vectoriel F de E est de dimension finie.
Alors
E “ F ‘ F K.
Démonstration. Notons p la dimension de l’espace vectoriel de dimension finie F et soit te1 , . . . , ep u
une base orthonormale de F (une telle famille existe par le théorème 4.3.6).
Soient v P E et w P F . Alors

v ´ w P FK ssi @k P t1, . . . , pu, xv ´ w, ek y “ 0

ssi @k P t1, . . . , pu, xv, ek y “ xw, ek y
ÿp
ssi w“ xv, ek y ek
k“1
p
ÿ
(la famille te1 , . . . , ep u étant une base orthonormale de F , w “ xw, ek y ek ). Ces équivalences
k“1
montrent en particulier que si v P E, il existe un (unique) vecteur w de F , à savoir le vecteur
ÿp
w :“ xv, ek y ek , tel que v ´ w P F K , et alors v “ w ` pv ´ wq P F ‘ F K .
k“1
4.4. FAMILLES TOTALES ET BASES HILBERTIENNES 111

Dans le cas où F est de dimension finie, on peut donc définir la projection sur F parallè-
lement à F K , notée pF et appelée projection orthogonale sur F . Si te1 , . . . , ep u est une base
orthonormale de F et si v P E, nous avons montré dans la preuve précédente que
p
ÿ
pF pvq “ xv, ek y ek .
k“1

De plus, de la même façon que dans les cadres euclidiens et hermitiens (cf. proposition 2.4.10 et
sa preuve, remarque 2.4.11), pour tout w P F , }v ´ w} ď }v ´ pF pvq} et }v ´ w} “ }v ´ pF pvq}
ssi w “ pF pvq. En particulier, on a dpv, F q :“ inf }w ´ v} “ }v ´ pF pvq}.
wPF
` ˘K
Corollaire 4.3.11. Si F est de dimension finie, F K “ F .
` ˘K
Démonstration. On a déjà montré dans la proposition 4.3.8 que F est inclus dans F K .
` ˘K
Pour montrer l’inclusion réciproque, soit v P F K et écrivons v “ pF pvq ` v ´ pF pvq (on a
E “ F ‘ F K comme F est de dimension finie). On a alors
` ˘K
0 “ xv, v ´ pF pvqy (car v ´ pF pvq P F K et v P F K )
“ xpF pvq ` v ´ pF pvq, v ´ pF pvqy
“ xpF pvq, v ´ pF pvqy ` xv ´ pF pvq, v ´ pF pvqy
“ xv ´ pF pvq, v ´ pF pvqy (car pF pvq et v ´ pF pvq P F K ),

et donc v ´ pF pvq “ 0E i.e. v “ pF pvq P F .

4.4 Familles totales et bases hilbertiennes

Soit pE, x¨, ¨yq un espace préhilbertien. Si E est de dimension finie n P Nzt0u et si te1 , . . . , en u
est une base orthonormale de E, on a, pour tout v P E,
n
ÿ
v“ xv, ek y ek
k“1

et
n
ÿ
}v}2 “ |xv, ek y|2 .
k“1
Si maintenant E est de dimension infinie, E ne possède pas nécessairement de base ortho-
normale. Dans le cas où E possède une telle base orthonormale dénombrable, on peut énoncer
l’analogue suivant des égalités ci-dessus :
Proposition 4.4.1. Supposons que E possède une base orthonormale dénombrable tek , k P Nu.
Alors, pour tout v P E,
ÿ `8
ÿ
• la série xv, ek y ek converge et xv, ek y ek “ v,
k k“0
112 CHAPITRE 4. ESPACES PRÉHILBERTIENS ET ESPACES HILBERTIENS

ÿ 8
ÿ
• la série (à termes réels positifs) |xv, ek y|2 converge et |xv, ek y|2 “ }v}2 .
k k“0

Pour démontrer ce résultat, nous allons montrer un résultat plus général mettant en jeu la
notion de famille totale de E :
Définition 4.4.2. Soit tvi , i P Iu une famille de vecteurs non nuls de E. On dit que cette
famille est totale si l’espace vectoriel engendré par la famille tvi , i P Iu est dense dans E par
rapport à la topologie induite par la norme associée à x¨, ¨y, i.e.

Vect tvi , i P Iu “ E

i.e.
@v P E, @ϵ ą 0, Dw P Vect tvi , i P Iu , }v ´ w} ď ϵ.
Remarque 4.4.3. Avec les notations ci-dessus, w P Vect tvi , i P Iu signifie que w peut s’écrire
comme une combinaison linéaire finie de vecteurs de la famille tvi , i P Iu.
Exemple 4.4.4. Dans C 0 pr0, 1s, Rq muni du produit scalaire défini dans l’exemple 4.2.2 3., la
famille de fonctions polynomiales fn : t P r0, 1s ÞÑ tn P R, n P N est totale. En effet, soient
f P C 0 pr0, 1s, Rq et ϵ ą 0, d’après le théorème de Weierstrass, il existe une fonction polynomiale
p : r0, 1s Ñ R telle que pour tout t P r0, 1s, |f ptq ´ pptq| ď ϵ. On a alors p P Vect tfn , n P Nu
(car p est une fonction polynomiale) et
ż1
2 ˘2
f ptq ´ pptq dt ď ϵ2 .
`
}f ´ p} “
0

Nous allons montrer le théorème suivant :

Théorème 4.4.5. Supposons qu’il existe dans E une famille orthonormale, totale et dénom-
brable tek , k P Nu. Alors, pour tout v, w P E,
ÿ `8
ÿ
• la série xv, ek y ek converge et xv, ek y ek “ v,
k k“0

ÿ `8
ÿ
• la série (à termes complexes) xv, ek y xw, ek y converge et xv, ek y xw, ek y “ xv, wy,
k k“0

ÿ 8
ÿ
• la série (à termes réels positifs) |xv, ek y|2 converge et |xv, ek y|2 “ }v}2 .
k k“0

Démonstration. Soit v P E et soit ϵ ą 0. Comme la famille tek , k P Nu de E est totale, il existe

N P N, w P Vect te0 , . . . , eN u tels que }v ´ w} ď ϵ. Soit maintenant n P N tel que n ě N et
notons F :“ Vect te0 , . . . , en u : la famille te0 , . . . , en u est une base orthonormale du sous-espace
vectoriel de dimension finie F de E et on a donc
› ›
› ÿn ›
›v ´ xv, ek y ek › “ }v ´ pF pvq} ď }v ´ w} ď ϵ,
› ›
› ›
k“0
4.4. FAMILLES TOTALES ET BASES HILBERTIENNES 113

car w P Vect te0 , . . . , eN u Ă Vect te0 , . . . , en u “ F .

On a ainsi montré que pour tout ϵ ą 0, ›il existe un entier › naturel N tel que pour tout
› ÿn ›
entier naturel n au moins égal à N , l’inégalité ›v ´ xv, ek y ek › ď ϵ est vérifiée, autrement dit
› ›
› ›
˜ ¸ k“0
ÿ n ÿ
que la suite des sommes partielles xv, ek y ek converge vers v i.e. la série xv, ek y ek
k“0 nPN k
`8
ÿ
converge et xv, ek y ek “ v.
k“0

Soient maintenant v, w P E et n P N, on a
ˇ ˇ ˇ C Gˇ
ˇ ÿn ˇ ˇ ÿn ˇ
ˇxv, wy ´ xv, ek y xw, ek yˇ “ ˇxv, wy ´ v, xw, ek y ek ˇ
ˇ ˇ ˇ ˇ
ˇ ˇ ˇ ˇ
k“0 k“0
ˇC Gˇ
ˇ ÿ n ˇ
“ ˇ v, w ´ xw, ek y ek ˇ
ˇ ˇ
ˇ ˇ
k“0
› ›
› ÿn ›
ď }v} ›w ´ xw, ek y ek › (par l’inégalité de Cauchy-Schwarz).
› ›
› ›
k“0
˜› ›¸
› ÿn ›
Or la suite à termes réels positifs ›w ´ xw, ek y ek › converge vers 0 par ce que
› ›
› ›
k“0 nPN
l’on
˜ˇ a démontré plus haut :ˇ¸par le théorème d’encadrement, la suite à termes réels positifs
ˇ ÿn ˇ
ˇxv, wy ´ xv, ek y xw, ek yˇ converge donc elle aussi vers 0 i.e. la suite des sommes par-
ˇ ˇ
ˇ ˇ
˜ k“0 ¸ nPN
n
ÿ
tielles xv, ek y xw, ek y converge vers xv, wy.
k“0 nPN
ÿ ÿ
En particulier, la série xv, ek y xw, ek y “ |xv, ek y|2 converge vers xv, vy “ }v}2 .
k k

Remarque 4.4.6. Le théorème 4.4.5 implique la proposition 4.4.1 : une famille génératrice de E
est en particulier une famille totale de E.
Définition 4.4.7. On appelle base hilbertienne de E toute famille orthonormale et totale de
E.
Exemple 4.4.8. 1. Dans C 0 pr0, 1s, Rq muni du produit scalaire défini dans l’exemple 4.2.2 3.
(voir aussi l’exemple 4.4.4), on peut montrer que la famille de fonctions polynomiales

r0; 1s Ñ R
Ln : ?
2n`1 dn
˘n , n P N,
t2 ´ 1
`
t ÞÑ ?
2n 2n! dtn

est une base hilbertienne (dénombrable).

114 CHAPITRE 4. ESPACES PRÉHILBERTIENS ET ESPACES HILBERTIENS

2. Dans l2 pKq muni du produit scalaire, resp. produit scalaire hermitien, défini dans l’exemple
4.2.2 4., la famille de suites
N Ñ K
eN : , n P N,
n ÞÑ δn,N

est une base hilbertienne (dénombrable) : il s’agit d’une famille orthonormale de l2 pKq,
ainsi que d’une famille totale. En effet, soit pxn qnPN P l2 pKq, notons, pour N P N et n P N,
#
xn ăsi n ď N ,
xN
n :“
0 si n ą N .
Alors, si ϵ ą 0, il existe N0 P N tel que pour tout entier naturel N supérieur ou égal à
N0 ,
` ˘ ›2 ÿ
›pxn qnPN ´ xN |xn |2 ď ϵ2 ,
›
n nPN
› “
nąN
ÿ ´ř ¯
car la série |xn |2 converge i.e. la suite des restes nąN |xn |
2
converge vers 0.
N PN
n
Enfin, pour tout N P N, pxN
n qnPN P Vect te0 , . . . , eN u.
Remarque 4.4.9. Toute base orthonormale d’un espace préhilbertien en est une base hilber-
tienne, mais la réciproque est fausse : une base hilbertienne tei , i P Iu de E peut ne pas en-
gendrer E (on peut avoir Vect tei , i P Iu “ E mais Vect tei , i P Iu ‰ E : c’est le cas des deux
exemples précédents).
Proposition 4.4.10. Soit tei , i P Iu une base hilbertienne de E et soit v P E. Si pour tout
i P I, xv, ei y “ 0, alors v “ 0E .
Démonstration. Supposons que pour tout i ›P I, xv, ei y ›“ 0, et soit ϵ ą 0. Il existe alors une
ÿ › ÿ ›
combinaison linéaire finie λi ei telle que ›v ´ λi ei › ď ϵ (la famille tei , i P Iu est totale).
› ›
› ›
iPJ iPJ
De plus,
› ›2 C G C G › ›2
› ÿ › ÿ ÿ ›ÿ ›
2
›v ´ λi ei › “ }v} ´ v, λi ei ´ λi ei , v ` › λi ei ›
› › › ›
› › › ›
iPJ iPJ iPJ iPJ
› ›2
ÿ ÿ ›ÿ ›
2
“ }v} ´ λi xv, ei y ´ λi xei , vy ` › λi ei ›
› ›
› ›
iPJ iPJ iPJ
› ›2
›ÿ ›
“ }v}2 ` › λi ei › (car @i P I, xv, ei y “ 0)
› ›
› ›
iPJ
ÿ
“ }v}2 ` |λi |2 ă(par le théorème de Pythagore).
iPJ

Ainsi › ›2
ÿ › ÿ ›
}v}2 ď }v}2 ` |λi |2 “ ›v ´ λi ei › ď ϵ2 .
› ›
› ›
iPJ iPJ
4.5. ESPACES HILBERTIENS 115

On a donc montré que, pour tout ϵ ą 0, }v} ď ϵ. En conséquence, }v} “ 0 et donc

v “ 0E .

4.5 Espaces hilbertiens

On va considérer dans cette section les espaces de dimension infinie qui sont les “véritables”
généralisations des espaces euclidiens et hermitiens : les espaces hilbertiens.
Soit pE, x¨, ¨yq un espace préhilbertien.

Définition 4.5.1. On dit que pE, x¨, ¨yq est un espace hilbertien (ou espace de Hilbert) si l’es-
pace vectoriel normé pE, }¨}q (où }¨} est la norme associée au produit scalaire x¨, ¨y) est complet.

Exemple 4.5.2. 1. Tout espace préhilbertien de dimension finie est un espace hilbertien.

2. On peut montrer que le K-espace vectoriel l2 pKq muni du produit scalaire, resp. produit
scalaire hermitien, défini dans l’exemple 4.2.2 4., est un espace hilbertien.

3. On peut montrer que le R-espace vectoriel C 0 pr0, 1s, Rq muni du produit scalaire défini
dans l’exemple 4.2.2 3., n’est pas un espace hilbertien.
Nous allons voir que, sous une hypothèse supplémentaire dite de “séparabilité”, un espace
hilbertien admet toujours une base hilbertienne dénombrable.

Définition 4.5.3. On dit qu’un espace topologique est séparable s’il possède un sous-ensemble
dense au plus dénombrable.

Exemple 4.5.4. Le K-espace vectoriel l2 pKq muni de la norme associée au produit scalaire, resp.
produit scalaire hermitien, défini dans l’exemple 4.2.2 4., est un espace topologique séparable.
On peut alors montrer le fait suivant :

Théorème 4.5.5. On suppose que l’espace préhilbertien pE, x¨, ¨yq est hilbertien et séparable,
alors E possède une base hilbertienne au plus dénombrable, et toute base hilbertienne de E est
au plus dénombrable.

Remarque 4.5.6. Un espace hilbertien séparable de dimension infinie ne possède pas de base
orthonormale. En effet, une base orthonormale est en particulier une base hilbertienne, et un
espace vectoriel complet ne possède pas de base dénombrable.
116 CHAPITRE 4. ESPACES PRÉHILBERTIENS ET ESPACES HILBERTIENS
Chapitre 5

Formes bilinéaires et formes

quadratiques

5.1 Introduction
On étudie les propriétés algébriques et géométriques des formes bilinéaires, plus particuliè-
rement des formes bilinéaires symétriques et des formes quadratiques associées. Plus générales
que les produits scalaires euclidiens, les formes bilinéaires symétriques donnent lieu à une notion
plus générale d’orthogonalité, non associée à une notion de distance. Néanmoins, une base or-
thogonale existe toujours dans le cadre de la dimension finie, et on pourra déterminer une telle
base orthogonale à l’aide de la méthode de réduction, dite de Gauss, d’une forme quadratique
en somme de carrés de formes linéaires.
La fin de ce chapitre sera consacrée aux formes bilinéaires symétriques réelles pour lesquelles
la relation d’ordre sur les nombres réels permet de définir un invariant (complet) : la signature.

5.2 Formes bilinéaires et formes bilinéaires symétriques

Soit K un corps commutatif de caractéristique différente de 2 (par exemple, K “ R ou C)
et soit E un K-espace vectoriel.

On considère les formes bilinéaires sur E i.e. les applications φ : E ˆ E Ñ K telles que,
pour tous v, w, v1 , v2 , w1 , w2 P E et tous λ, µ P K,

φ pλv1 ` µv2 , wq “ λφ pv1 , wq ` µφ pv2 , wq et φ pv, λw1 ` µw2 q “ λφ pv, w1 q ` µφ pv, w2 q .

Soit φ : E ˆ E Ñ K une telle forme bilinéaire sur E.

Définition 5.2.1. On dit que φ est symétrique si pour tous v, w P E, φpw, vq “ φpv, wq.

Exemple 5.2.2. 1. Un produit scalaire sur un R-espace vectoriel est, par définition, une forme
bilinéaire symétrique sur ce dernier.

117
118 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

2. L’application
R2 ˆ R2 ˘ Ñ R
ϕ: `
px, yq, px , y q ÞÑ xy ` x1 y 1
1 1

` ˘
n’est pas une forme bilinéaire (par exemple ϕ p0, 0q, p1, 1q “ 1 ‰ 0).

3. L’application
R2 ˆ R2 ˘ Ñ R
ϕ: `
px, yq, px1 , y 1 q ÞÑ xy 1 ´ x1 y

est une forme bilinéaire non symétrique : pour tous px, yq, px1 , y 1 q P R2 ,

ϕ px1 , y 1 q, px, yq “ x1 y ´ xy 1 “ ´ϕ px, yq, px1 , y 1 q

` ˘ ` ˘

(ϕ est l’application déterminant dans la base canonique de R2 ).

4. Pour tout n P Nzt0u, l’application

Kn ˆ Kn Ñ K
n
ϕ: ` ˘ ÿ
px1 , . . . , xn q, py1 , . . . , yn q Ñ xk yk
k“1

est une forme bilinéaire symétrique sur Kn .

5. Si a, b P R et α P R, l’application

C 0 pra, bs, Rq ˆ C 0 pra, bs, Rq Ñ R

żb
ϕ:
pf, gq ÞÑ α f ptqgptqdt
a

est une forme bilinéaire symétrique sur C 0 pra, bs, Rq.

6. Si f1 , . . . , fm , g1 , . . . , gm P LpE, Kq, λ1 , . . . , λm P K, l’application

EˆE Ñ K
m
ϕ: ÿ
pv, wq ÞÑ λk fk pvqgk pwq
k“1

est une forme bilinéaire sur E (non nécessairement symétrique).

On note BpEq l’ensemble des formes bilinéaires sur E et SpEq l’ensemble des formes bili-
néaires symétriques sur E (on a SpEq Ă BpEq). Les ensembles BpEq et SpEq peuvent alors être
chacun munis d’une structure de K-espace vectoriel :

Proposition 5.2.3. Les ensembles BpEq et SpEq sont des sous-espaces vectoriels de l’espace
vectoriel des applications de E ˆ E dans K.
5.2. FORMES BILINÉAIRES ET FORMES BILINÉAIRES SYMÉTRIQUES 119

Démonstration. L’application nulle E ˆ E Ñ K ; pv, wq ÞÑ 0 est bilinéaire symétrique et est

donc un élément de SpEq Ă BpEq.
Soient maintenant deux formes bilinéaires ϕ et ψ sur E et soient λ, µ P K. Alors l’application
λϕ ` µψ : E ˆ E Ñ K est une forme bilinéaire sur E : pour tous v, w, v1 , v2 , w1 , w2 P E et tous
ρ, ν P K,
` ˘` ˘ ` ˘ ` ˘
λϕ ` µψ ρv1 ` νv2 , w “ λϕ ρv1 ` νv2 , w ` µψ ρv1 ` νv2 , w
“ λ rρϕpv1 , wq ` νϕpv2 , wqs ` µ rρψpv1 , wq ` νψpv2 , wqs
“ ρ rλϕpv1 , wq ` µψpv1 , wqs ` ν rλϕpv2 , wq ` µψpv2 , wqs
` ˘ ` ˘
“ ρ λϕ ` µψ pv1 , wq ` ν λϕ ` µψ pv2 , wq

et, de façon analogue,

` ˘` ˘ ` ˘ ` ˘
λϕ ` µψ v, ρw1 ` νw2 “ ρ λϕ ` µψ pv, w1 q ` ν λϕ ` µψ pv, w2 q.

De plus, si ϕ et ψ sont symétriques, il en est de même pour λϕ ` µψ : pour tous v, w P E,

` ˘
λϕ ` µψ pw, vq “ λϕpw, vq ` µψpw, vq
“ λϕpv, wq ` µψpv, wq
` ˘
“ λϕ ` µψ pv, wq.

Ainsi, BpEq et SpEq sont bien des sous-espaces vectoriels de l’espace vectoriel des applica-
tions de E ˆ E dans K.

Remarque 5.2.4. SpEq est un sous-espace vectoriel de BpEq.

On continue cette section avec une identité valable pour toutes les formes bilinéaires :

Lemme 5.2.5. Pour tous v, w P E, on a

φpv ` w, v ` wq “ φpv, vq ` φpv, wq ` φpw, vq ` φpw, wq.

Ainsi, si la forme bilinéaire φ est symétrique, pour tous v, w P E,

φpv ` w, v ` wq “ φpv, vq ` 2φpv, wq ` φpw, wq.

Démonstration. Soient v, w P E, on a, par bilinéarité de φ,

φpv ` w, v ` wq “ φpv, v ` wq ` φpw, v ` wq (par linéarité à gauche de φ)

“ φpv, vq ` φpv, wq ` φpw, vq ` φpw, wq (par linéarité à droite de φ).

Si E est de dimension finie, on va pouvoir “représenter” la forme bilinéaire φ de façon

matricielle. Précisément, supposons dans la fin de cette section que E est de dimension finie
n P Nzt0u et soit B “ te1 , . . . , en u une base de E. Si v et w sont deux vecteurs de E de
120 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES
¨ ˛ ¨ ˛
x1 y1
˚ .. ‹ ˚ .. ‹
coordonnées respectives X :“ ˝ . ‚ “ MatB pvq et Y :“ ˝ . ‚ “ MatB pwq dans la base B, on
`xn ˘ yn
a alors, en notant A la matrice φpek , el q 1ďk,lďn ,
˜ ¸
n
ÿ n
ÿ
φpv, wq “ φ xk ek , yl e l
k“1 l“1
ÿ
“ xk yl φpek , el q
1ďk,lďn
ÿ
“ xk φpek , el q yl
1ďk,lďn
˜ ¸
n
ÿ n
ÿ
“ xk φpek , el q yl
k“1 l“1
ÿn
“ xk pAY ql
k“1
t
“ XAY

Cette écriture motive la définition suivante :

Définition 5.2.6. On appelle matrice représentative de la forme bilinéaire φ dans la base B la

matrice
¨ ˛
φpe1 , e1 q ¨ ¨ ¨ φpe1 , en q
Matfb
` ˘ ` ˘ .. ..
B φ :“ φpek , el q “˝
˚ ‹
1ďk,lďn . . ‚
φpen , e1 q ¨ ¨ ¨ φpen , en q

Exemple 5.2.7. 1. La matrice représentative dans la base canonique Bcan de R2 de la forme

bilinéaire ϕ de l’exemple 5.2.2 3. est
ˆ ˙
fb
` ˘ 0 1
MatBcan ϕ “ .
´1 0

2. Pour tout n P Nzt0u, la matrice représentative dans la base canonique Bcan de Kn de la

forme bilinéaire ϕ de l’exemple 5.2.2 4. est la matrice identité In de taille n.
Remarque 5.2.8. Attention à ne pas faire de confusions entre la matrice représentative d’une
forme bilinéaire et la matrice représentative d’une application linéaire.
Soit B 1 une autre base de E, on a alors la relation de changement de base suivante pour la
matrice représentative de la forme bilinéaire φ :

Proposition 5.2.9. On a

Matfb
` ˘ t fb
` ˘
B1 φ “ PBÑB1 MatB φ PBÑB1
5.2. FORMES BILINÉAIRES ET FORMES BILINÉAIRES SYMÉTRIQUES 121

Démonstration. La preuve est tout à fait identique à la preuve de la proposition 2.5.4 pour un
produit scalaire.

La symétrie d’une forme bilinéaire sur E est caractérisée par la symétrie de sa matrice
représentative dans n’importe quelle base de E :

Proposition 5.2.10. La forme bilinéaire φ est symétrique si et seulement si la matrice A “

fb
MatB φ est symétrique i.e. tA “ A.
` ˘

Démonstration. Montrons que φ est symétrique ssi pour tous k, l P t1, . . . , nu, φpek , el q “
φpel , ek q ce qui montrera la proposition.
Si φ est symétrique i.e. pour tous v, w P E, φpv, wq “ φpw, vq, alors, en particulier, pour
tous k, l P t1, . . . , nu, φpek , el q “ φpel , ek q.
Réciproquement, supposons que pour tous k, l P t1, . . . , nu, φpek , el q “ φpel , ek q, et soient
ÿn n
ÿ
v“ xk e k , w “ yl el deux vecteurs de E. Alors
k“1 l“1
˜ ¸
n
ÿ n
ÿ
φ pv, wq “ φ xk ek , yl el
k“1 l“1
ÿ
“ xk yl φpek , el q
1ďk,lďn
ÿ
“ xk yl φpel , ek q
1ďk,lďn
˜ ¸
n
ÿ n
ÿ
“ φ yl el , xk ek
l“1 k“1
“ φpw, vq.

Ainsi, φ est symétrique.

Notons Sn pKq :“ M P Mn pKq | tM “ M le sous-espace vectoriel de Mn pKq des matrices

␣ (

symétriques (In P Sn pKq et, si M1 , M2 P Sn pKq et λ, µ P K, t pλM1 ` µM2 q “ λtM1 ` µtM2 “

λM1 ` µM2 ). La proposition précédente nous donne un isomorphisme linéaire entre SpEq et
Sn pKq :

Corollaire 5.2.11. L’application de SpEq dans Sn pKq qui à toute forme bilinéaire symétrique
sur E associe sa matrice représentative dans la base B de E est un isomorphisme linéaire (non
canonique).

Démonstration. Notons f l’application

SpEq Ñ Sn pKq
` ˘ .
ϕ ÞÑ Matfb
B ϕ

Alors
122 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

• f est linéaire : si ϕ1 , ϕ2 P SpEq, λ, µ P K, alors, pour tous k, l P t1, . . . , nu, pλϕ1 ` µϕ2 q pek , el q “
λϕ1 pek , el q ` µϕ2 pek , el q,

• f est injective : Matfb

` ˘
B ϕ “ 0n ssi pour tous k, l P t1, . . . , nu, ϕpek , el q “ 0 ssi ϕ est
l’application nulle de E ˆ E dans K,

• f est surjective : si M P Sn pKq, l’application

¨ ˛ ϕ définie
¨ ˛ par, pour tous vecteurs v, w P E
x1 y1
˚ .. ‹ ˚ .. ‹
de coordonnées respectives X :“ ˝ . ‚ et Y :“ ˝ . ‚ dans la base B, ϕpv, wq :“ tXAY ,
xn yn
est une forme bilinéaire symétrique sur E,

donc f est bien un isomorphisme linéaire.

Remarque 5.2.12. Une matrice M de Mn pKq est dans Sn pKq si et seulement si elle est de la
forme ¨ ˛
a1,1 a1,2 ¨ ¨ ¨ a1,n
.. ‹
˚ a1,2 a2,2 . . .
˚
. ‹
M “˚˚ .. .. .. .. ‹
‹
˝ . . . . ‚
a1,n ¨ ¨ ¨ ¨ ¨ ¨ an,n
avec ak,l P K, 1 ď k ď l ď n. En particulier,
n
ÿ npn ` 1q
dim pSn pKqq “ n ` pn ´ 1q ` ¨ ¨ ¨ ` 1 “ k“ ,
k“1
2

npn`1q
et donc, en vertu du résultat précédent, dim pSpEqq “ 2 .

5.3 Formes quadratiques

Soient K un corps commutatif de caractéristique différente de 2 et E un espace vectoriel
sur K.

Définition 5.3.1. On dit qu’une application q : E Ñ K est une forme quadratique sur E si

1. pour tout v P E, pour tout λ P K, q pλvq “ λ2 qpvq,

2. l’application
EˆE Ñ K
φ: 1` ˘
pv, wq ÞÑ qpv ` wq ´ qpvq ´ qpwq
2
est une forme bilinéaire symétrique sur E,

et, dans ce cas, l’application φ ci-dessus est appelée forme bilinéaire symétrique associée à q ou
encore forme polaire de q.
5.3. FORMES QUADRATIQUES 123

Remarque 5.3.2. 1. Si q est une application de E dans K, l’application φ ci-dessus définie

est toujours symétrique : si v, w P E,

1` ˘ 1` ˘
φpv, wq “ qpv ` wq ´ qpvq ´ qpwq “ qpw ` vq ´ qpwq ´ qpvq “ φpw, vq.
2 2
En particulier, de par cette symétrie, l’application φ est linéaire à gauche ssi elle est
linéaire à droite ssi elle est bilinéaire.

2. Avec les mêmes notations, si l’on suppose maintenant que @v P E, @λ P K, q pλvq “ λ2 qpvq,
alors, pour tout v P E,

1` ˘ 1` ˘
φpv, vq “ qp2vq ´ qpvq ´ qpvq “ 4qpvq ´ 2qpvq “ qpvq.
2 2

3. Si q est une forme quadratique sur E de forme polaire φ, on a, pour tous v, w P E,

qpv ` wq “ φpv ` w, v ` wq “ φpv, vq ` 2φpv, wq ` φpw, wq “ qpvq ` 2φpv, wq ` qpwq

et
` ˘
qpv ´ wq “ q v ` p´wq “ qpvq ` 2φpv, ´wq ` qp´wq “ qpvq ´ 2φpv, wq ` qpwq.

Remarquons que si φ est une forme bilinéaire symétrique sur E, l’application

E Ñ K
q:
v ÞÑ φpv, vq

est une forme quadratique dont la forme polaire est φ (on appelle q la forme quadratique de φ).
En effet,

1. pour tout v P E, pour tout λ P K,

q pλvq “ φpλv, λvq “ λ2 φpv, vq “ λ2 qpvq

(par la bilinéarité de φ),

2. pour tous v, w P E,

1` ˘ 1` ˘
qpv ` wq ´ qpvq ´ qpwq “ φpv ` w, v ` wq ´ φpv, vq ´ φpw, wq
2 2
1` ˘
“ φpv, vq ` 2φpv, wq ` φpw, wq ´ φpv, vq ´ φpw, wq
2
“ φpv, wq.

Ainsi,
124 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

Exemple 5.3.3. 1. L’application

Kn Ñ K
n
ÿ
px1 , . . . , xn q ÞÑ x2k
k“1

est la forme quadratique associée à la forme bilinéaire symétrique de l’exemple 5.2.2 4.

Plus généralement, toute fonction polynomiale homogène de degré 2

Kn Ñ ÿ K
q : px1 , . . . , xn q ÞÑ ak,l xk xl ,
1ďk,lďn

avec, pour tous k, l P t1, . . . , nu, ak,l P K, est une forme quadratique :

• pour tout px1 , . . . , xn q P Kn et tout λ P K,

ÿ
ak,l pλxk qpλxl q “ λ2 qpx1 , . . . , xn q,
` ˘
q λpx1 , . . . , xn q “ qpλx1 , . . . , λxn q “
1ďk,lďn

• pour tous v “ px1 , . . . , xn q, w “ py1 , . . . , yn q P Kn ,

ÿ
qpv ` wq “ ak,l pxk ` yk q pxl ` yl q
1ďk,lďn
ÿ ÿ ÿ
“ ak,l xk xl ` ak,l yk yl ` ak,l pxk yl ` xl yk q
1ďk,lďn 1ďk,lďn 1ďk,lďn
ÿ
“ qpvq ` qpwq ` ak,l pxk yl ` xl yk q ,
1ďk,lďn

ainsi
1` ˘ 1 ÿ
qpv ` wq ´ qpvq ´ qpwq “ ak,l pxk yl ` xl yk q
2 2 1ďk,lďn

et l’application

EˆE Ñ K
φ : `px1 , . . . , xn q, py1 , . . . , yn q˘ ÞÑ 1 ÿ
ak,l pxk yl ` xl yk q
2 1ďk,lďn

est une forme bilinéaire (symétrique).

2. Plus généralement encore, toute application de la forme

E Ñ K
m
q: ÿ ` ˘2
v ÞÑ αk lk pvq
k“1

où, pour tout k P t1, . . . , mu, lk P LpE, Kq et αk P K, est une forme quadratique sur E :
5.3. FORMES QUADRATIQUES 125

• pour tout v P E et tout λ P K,

m m m
ÿ ˘2 ÿ ˘2 ÿ ˘2
αk λlk pvq “ λ2 αk lk pvq “ λ2 qpvq,
` ` `
qpλvq “ αk lk pλvq “
k“1 k“1 k“1

• pour tous v, w P E,
m
ÿ ` ˘2
qpv ` wq “ αk lk pv ` wq
k“1
m
ÿ ` ˘2
“ αk lk pvq ` lk pwq
k“1
m ”`
ÿ ˘2 ` ˘2 ı
“ αk lk pvq ` 2lk pvqlk pwq ` lk pwq
k“1
m
ÿ
“ qpvq ` qpwq ` 2αk lk pvqlk pwq
k“1

et l’application
EˆE Ñ K
m
φ: ÿ
pv, wq ÞÑ αk lk pvqlk pwq
k“1
est une forme bilinéaire symétrique sur E.

3. Si l1 et l2 sont deux formes linéaires de LpE, Kq, alors l’application

E Ñ K
q:
w ÞÑ l1 pwql2 pwq
est également une forme quadratique sur E :

• pour tout v P E et tout λ P K,

qpλvq “ l1 pλvql2 pλvq “ λ2 l1 pvql2 pvq “ λ2 qpvq,

• pour tous v, w P E,

qpv ` wq “ l1 pv ` wql2 pv ` wq
“ l1 pvql2 pvq ` l1 pvql2 pwq ` l1 pwql2 pvq ` l1 pwql2 pwq
“ qpvq ` qpwq ` l1 pvql2 pwq ` l1 pwql2 pvq

et l’application
EˆE Ñ K
φ: 1` ˘
pv, wq ÞÑ l1 pvql2 pwq ` l1 pwql2 pvq
2
est une forme bilinéaire symétrique sur E.
126 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

4. L’application
C 0 pra, bs, Rq Ñ R
żb
f ÞÑ α f ptq2 dt
a
est la forme quadratique associée à la forme bilinéaire symétrique de l’exemple 5.2.2 5.
Proposition 5.3.4. Soit q une forme quadratique sur E, de forme polaire φ. Pour tous v, w P
E, on a
• qpv ` wq ` qpv ´ wq “ 2 qpvq ` qpwq ,
` ˘

1`
• φpv, wq “
˘
qpv ` wq ´ qpv ´ wq .
4
Démonstration. Soient v, w P E, on a
qpv ` wq ` qpv ´ wq “ qpvq ` 2φpv, wq ` qpwq ` qpvq ´ 2φpv, wq ` qpwq (par la remarque 5.3.2)
` ˘
“ 2 qpvq ` qpwq
et
` ˘
qpv ` wq ´ qpv ´ wq “ qpvq ` 2φpv, wq ` qpwq ´ qpvq ´ 2φpv, wq ` qpwq
“ 4φpv, wq

On note QpEq l’ensemble des formes quadratiques sur E. Alors :

Proposition 5.3.5. L’ensemble QpEq est un sous-espace vectoriel de l’espace vectoriel des
applications de E dans K.
Démonstration. L’application nulle E Ñ K ; v ÞÑ 0 est une forme quadratique sur E et, si q1 ,
q2 sont deux formes quadratiques sur E et µ, ν P K, alors µq1 ` νq2 est une forme quadratique
sur E :
1. pour tout v P E, pour tout λ P K,
pµq1 ` νq2 q pλvq “ µq1 pλvq ` νq2 pλvq
“ µλ2 q1 pvq ` νλ2 q2 pvq
“ λ2 pµq1 ` νq2 q pvq,

2. si φ1 et φ2 désignent les formes polaires respectives de q1 et q2 , alors, pour tous v, w P E,

1` ˘ 1` ˘
pµq1 ` νq2 qpv ` wq ´ pµq1 ` νq2 qpvq ´ pµq1 ` νq2 qpwq “ µ q1 pv ` wq ´ q1 pvq ´ q1 pwq
2 2
1` ˘
`ν q2 pv ` wq ´ q2 pvq ´ q2 pwq
` 2 ˘
“ µφ1 ` νφ2 pv, wq
et l’application µφ1 ` νφ2 est une forme bilinéaire symétrique sur E car BpEq et SpEq
sont des espaces vectoriels sur K.
5.3. FORMES QUADRATIQUES 127

A toute forme quadratique sur E est associée, par définition, une forme bilinéaire symétrique
sur E. Réciproquement, on a vu qu’à toute forme bilinéaire symétrique ϕ sur E pouvait être
associée une forme quadratique sur E dont la forme polaire est ϕ.
Précisément :

Théorème 5.3.6. L’application qui à toute forme quadratique sur E associe sa forme polaire
est un isomorphisme linéaire (canonique) entre QpEq et SpEq.

Démonstration. On note f l’application de QpEq dans SpEq qui à une forme quadratique q
associe sa forme polaire, et g l’application de SpEq dans QpEq qui à une forme bilinéaire φ
associe sa forme quadratique.
On a montré dans la preuve de la proposition 5.3.5 que si q1 , q2 P QpEq et µ, ν P K, et si φ1
et φ2 désignaient les formes polaires respectives de q1 et q2 , alors µφ1 `νφ2 était la forme polaire
de µq1 `νq2 , autrement dit f pµq1 ` νq2 q “ µf pq1 q`νf pq2 q. Ainsi, f est une application linéaire.

On montre ensuite que f et g sont des applications réciproques l’une de l’autre i.e. g ˝ f “
IdQpEq et f ˝ g “ IdSpEq .
Soit tout d’abord q P QpEq et notons φ :“ f pqq la forme polaire de q. Alors la forme
quadratique gpφq de φ est q car il s’agit de l’application de E dans K qui à tout v P E associe
φpv, vq “ qpvq (cf. remarque 5.3.2 1.). Ainsi g ˝ f pqq “ q.
Soit ensuite φ P SpEq et notons q :“ gpφq la forme quadratique de φ, alors la forme polaire
1` ˘
f pqq de q est φ car, pour tous v, w P E, qpv ` wq ´ qpvq ´ qpwq “ φpv, wq. Ainsi f ˝gpφq “ φ.
2
En conséquence, f : QpEq Ñ SpEq est une application linéaire bijective et donc un isomor-
phisme linéaire.

Remarque 5.3.7. Supposons que E soit de dimension finie n P Nzt0u.

npn`1q
1. On a alors dim pQpEqq “ dim pSpEqq “ 2 .

2. Soit B “ te1 , . . . , en u une base de E et soit φ une forme bilinéaire symétrique sur E de
forme polaire q. Notons, pour k P t1, . . . , nu, ak :“ φpek , ek q et, pour k, l P t1, . . . , nu tels
n
ÿ ÿn
que k ă l, ak,l :“ φpek , el q “ φpel , ek q. Si v “ xk e k , w “ yk ek P E, on a
k“1 k“1
˜ ¸
n
ÿ n
ÿ
φpv, wq “ φ xk ek , yl el
k“1 l“1
ÿ
“ xk yl φpek , el q
1ďk,lďn
ÿn ÿ
“ a k x k yk ` ak,l pxk yl ` xl yk q
k“1 1ďkălďn
128 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

et
n
ÿ ÿ
qpvq “ ak x2k ` 2 ak,l xk xl .
k“1 1ďkălďn

5.4 Orthogonalité et isotropie

Soient K un corps commutatif de caractéristique différente de 2, E un K-espace vectoriel et
φ une forme bilinéaire symétrique sur E de forme quadratique q.
On définit une relation d’orthogonalité relativement à φ :
Définition 5.4.1. Soient v, w P E. Comme φ est symétrique, φpv, wq “ 0 ssi φpw, vq “
0, et on dit que les vecteurs v et w sont orthogonaux relativement à φ (ou φ-orthogonaux)
si φpv, wq “ 0.
Exemple 5.4.2. 1. Si l’on considère la forme bilinéaire symétrique

R2 ˆ R2 ˘ Ñ R
ϕ: `
px, yq, px1 , y 1 q ÞÑ xx1 ´ yy 1

sur R2 , les vecteurs p1, 2q et p2, 1q sont orthogonaux relativement à ϕ.

2. Si l’on considère la forme bilinéaire symétrique

C2 ˆ C2 ˘ Ñ R
ϕ: `
px, yq, px1 , y 1 q ÞÑ xx1 ` yy 1

sur C2 , le vecteur pi, 1q est orthogonal à lui-même.

Soit A un sous-ensemble de E, on note

AKφ :“ tv P E | @w P A, φpv, wq “ 0u

et on appelle orthogonal de A relativement à φ cet ensemble.

Exemple 5.4.3. Si l’on considère la forme bilinéaire symétrique

R3 ˆ R3 ˘ Ñ R
ϕ: `
px, y, zq, px , y , z q ÞÑ 2xx ´ 3yy 1 ´ xz 1 ´ x1 z
1 1 1 1

sur R3 ,

tp1, 0, ´1q, p2, ´1, 0quKϕ “ px, y, zq P R3 | 3x ´ z “ 4x ` 3y ´ 2z “ 0 .

␣ (

On a les propriétés suivantes :

Proposition 5.4.4. 1. AKφ est un sous-espace vectoriel de E,

2. Soit B un sous-ensemble de E tel que A Ă B, alors B Kφ Ă AKφ ,

3. AKφ “ pVectpAqqKφ .
5.4. ORTHOGONALITÉ ET ISOTROPIE 129

Démonstration. 1. Le vecteur nul 0E appartient à AKφ car, pour tout w P A, φp0E , wq “ 0,

et, si v1 , v2 P AKφ et λ, µ P K, alors, pour tout w P A,

φpλv1 ` µv2 , wq “ λφpv1 , wq ` µφpv2 , wq “ 0

(car v1 , v2 P AKφ ).

2. Si v P B Kφ , on a, pour tout w P A Ă B, φpv, wq “ 0, donc v P AKφ .

3. Par la propriété précédente, on a pVectpAqqKφ Ă AKφ (car A Ă VectpAq). Si maintenant

m
ÿ
v P AKφ et si w “ λk wk est une combinaison linéaire finie de vecteurs inclus dans A,
k“1
alors ˜ ¸
m
ÿ m
ÿ
φpv, wq “ φ v, λk wk “ λk φpv, wk q “ 0
k“1 k“1

(car v P AKφ et, pour tout k P t1, . . . , mu, wk P A), et donc v P pVectpAqqKφ .

On définit également une notion dite d’“isotropie” par rapport à φ :

Définition 5.4.5. Soit v P E. On dit que v est isotrope par rapport à φ si φpv, vq “ qpvq “ 0.
L’ensemble des vecteurs isotropes de E par rapport à φ est appelé cône isotrope de φ (ou de q)
et noté Cφ .

Exemple 5.4.6. Le cône isotrope de la forme bilinéaire symétrique

R3 ˆ R3 ˘ Ñ R
ϕ: `
px, y, zq, px1 , y 1 , z 1 q ÞÑ xx1 ` yy 1 ´ zz 1

est le cône de révolution d’équation x2 ` y 2 “ z 2 dans R3 .

Remarque 5.4.7. En général, le cône isotrope d’une forme quadratique n’est pas un sous-espace
vectoriel de E. En reprenant les notations de l’exemple ci-dessus, même si les vecteurs p1, 0, 1q
et p0, 1, 1q appartiennent au cône Cφ de φ, leur somme p1, 0, 1q`p0, 1, 1q “ p1, 1, 2q n’appartient
pas à Cφ .
On définit d’autre part une notion de “noyau” pour φ :

Définition 5.4.8. On appelle noyau de φ et on note Kerφ l’orthogonal

E Kφ “ tv P E | @w P E, φpv, wq “ 0u

de E relativement à φ (en particulier, Kerφ est un sous-espace vectoriel de E).

On dit que la forme bilinéaire symétrique φ est non dégénérée si Kerφ “ t0E u, dégénérée
sinon.

Exemple 5.4.9. 1. Tout produit scalaire est une forme bilinéaire symétrique non dégénérée.
130 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

2. Le noyau de la forme bilinéaire symétrique

R2 ˆ R2 ˘ Ñ R
ϕ: `
px, yq, px1 , y 1 q ÞÑ xx1 ` xy 1 ` x1 y ` yy 1

sur R2 est Vecttp1, ´1qu. En effet, pour tout px1 , y 1 q P E, ϕ p1, ´1q, px1 , y 1 q “ x1 ` y 1 ´
` ˘

x1 ´ y 1 “ 0, et, réciproquement, si px, yq P Kerϕ , pour tout px1 , y 1 q P R2 ,

0 “ ϕ px, yq, px1 , y 1 q “ xx1 ` xy 1 ` x1 y ` yy 1 “ px ` yqpx1 ` y 1 q,

` ˘

donc, en particulier, pour x1 “ 1 et y 1 “ 0, x ` y “ 0 i.e. y “ ´x.

La forme bilinéaire ϕ est donc dégénérée.
Remarque 5.4.10. Attention à ne pas faire de confusions entre les notions de noyau d’une forme
bilinéaire symétrique et de noyau d’une application linéaire !
Les notions de forme bilinéaire symétrique non dégénérée et de forme bilinéaire symétrique
définie sont également à ne pas confondre :

Définition 5.4.11. On dit que la forme bilinéaire symétrique φ est définie si, pour tout v P E,
φpv, vq “ 0 si et seulement si v “ 0E .

Proposition 5.4.12. Si φ est définie, alors φ est non dégénérée.

Démonstration. Supposons que φ est définie et soit v P Kerφ . En particulier, φpv, vq “ 0 et

donc v “ 0E (car φ a été supposée définie). Ainsi Kerφ “ t0E u i.e. φ est non dégénérée.

Remarque 5.4.13. La réciproque de la proposition 5.4.12 est fausse : par exemple, la forme
bilinéaire symétrique
R2 ˆ R2 ˘ Ñ R
ϕ: `
px, yq, px , y q ÞÑ xx ´ yy 1
1 1 1

sur R2 est non

` ˘
` dégénérée et˘ non définie. En effet, si px, yq P Kerϕ , alors en `particulier ϕ˘ px, yq, p1, 0q “
x “ 0 et ϕ px, yq, p0, ´1q “ y “ 0 donc Kerϕ “ t0E u. D’autre part, ϕ p1, 1q, p1, 1q “ 0 donc
ϕ est non définie.
Supposons maintenant que E est de dimension finie n P Nzt0u. On peut alors caracté-
riser matriciellement le caractère non dégénéré ou défini d’une forme bilinéaire symétrique.
Introduisons tout d’abord la notion de rang d’une forme bilinéaire symétrique :

Définition 5.4.14. Le rang de la forme bilinéaire symétrique φ est la quantité

dimpEq ´ dim pKerφ q “ n ´ dim pKerφ q

que l’on note rgφ .

Exemple 5.4.15. 1. Si ϕ est un produit scalaire sur E, alors la forme bilinéaire symétrique
ϕ est non dégénérée et donc rgϕ “ dimpEq “ n.
5.4. ORTHOGONALITÉ ET ISOTROPIE 131

2. Le rang de la forme bilinéaire symétrique ϕ de l’exemple 5.4.9 2. est

dim R2 ´ dim pKerϕ q “ 2 ´ 1 “ 1.

` ˘

Soit B “ te1 , . . . , en u une base de E. Le rang de la forme bilinéaire symétrique φ est le rang
de sa matrice représentative dans la base B :

Proposition 5.4.16. Notons A :“ Matfb

B pφq. Alors

• pour tout v P E, v P Kerφ ssi MatB pvq P Ker A,

• rgφ “ rgpAq.

En particulier, φ est non dégénérée si et seulement si A est inversible.

Démonstration. • Soit v P E et notons X :“ MatB pvq. Si X P Ker A, alors, pour tout

w P E,
¨ ˛
0
t t ˚ .. ‹
φpv, wq “ φpw, vq “ MatB pwqAX “ MatB pwq ˝ . ‚ “ 0.
0

Réciproquement, si v P Kerφ , alors, pour tout k P t1, . . . , nu,

pAXqk “ t MatB pek qAX “ φpek , vq “ 0

¨ ˛
0
˚ .. ‹
et donc AX “ ˝ . ‚ i.e. X P Ker A.
0

• L’équivalence précédente donne un isomorphisme linéaire entre les espaces vectoriels Kerφ
et Ker A (l’application qui à un vecteur de Kerφ associe le vecteur colonne de ses coor-
données dans la base B). En particulier dim pKerφ q “ dim pKer Aq et donc

rgφ “ dimpEq ´ dim pKerφ q “ n ´ dim pKer Aq “ rgpAq.

Remarque 5.4.17. Avec les notations ci-dessus, la forme bilinéaire symétrique φ est définie si
et seulement
¨ ˛ si la matrice A “ Matfb t
B pφq est définie i.e. pour tout X P Mn,1 pKq, XAX “ 0 ssi
0
˚ .. ‹
X “ ˝ . ‚.
0
132 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

5.5 Bases orthogonales

Soient K un corps commutatif de caractéristique différente de 2, E un K-espace vectoriel
de dimension finie n P Nzt0u et φ une forme bilinéaire symétrique sur E.
Soit B “ te1 , . . . , en u une base de E.
Définition 5.5.1. On dit que B est une base orthogonale de E relativement à φ (on dira aussi
base φ-orthogonale) si les vecteurs ek , k P t1, . . . , nu, sont deux à deux φ-orthogonaux i.e. pour
tous k, l P t1, . . . , nu tels que k ‰ l, φpek , el q “ 0.
Exemple 5.5.2. 1. La base canonique tp1, 0q, p0, 1qu de R2 est une base orthogonale relative-
ment à la forme bilinéaire symétrique
R2 ˆ R2 ˘ Ñ R
ϕ: `
px, yq, px , y q ÞÑ xx ´ yy 1
1 1 1

2. La famille tp1, ´1q, p1, 0qu de R2 est une base orthogonale relativement à la forme bili-
néaire symétrique
R2 ˆ R2 ˘ Ñ R
ϕ: `
px, yq, px1 , y 1 q ÞÑ xx1 ` xy 1 ` x1 y ` yy 1
Remarque 5.5.3. • Une famille de vecteurs deux à deux φ-orthogonaux
` peut
˘ ne pas être
libre : avec les notations de l’exemple 5.5.2 2. ci-dessus, ϕ p1, ´1q, p2, ´2q “ 0. Cepen-
dant, si la forme bilinéaire symétrique φ est définie, alors toute famille orthogonale par
rapport à φ est libre (cf. remarque 2.3.6 3.).
• La notation de “base orthonormale” n’a pas de sens pour une forme bilinéaire symétrique
générale : une forme bilinéaire symétrique non définie positive ne peut donner lieu à une
norme.
On peut caractériser l’orthogonalité de la base B relativement à φ à l’aide de la matrice
représentative de φ dans la base B :
Proposition 5.5.4. La base B est une base φ-orthogonale si et seulement si la matrice Matfb
B pφq
est diagonale.
Démonstration. La matrice Matfb B pφq est diagonale ssi pour tous k, l P t1, . . . , nu tels que k ‰ l,
φpek , el q “ 0 ssi la base B est orthogonale relativement à φ.

Remarque 5.5.5. Notons q la forme quadratique de φ.

¨ ˛
a1 0
• Si B est une base orthogonale pour φ, si MatB pφq “ ˝
fb ˚ .. ‚ avec a1 , . . . , an P K,
‹
.
0 an
n
ÿ n
ÿ
et si v “ xk ek , w “ yk ek P E, on a
k“1 k“1

φpv, wq “ a1 x1 y1 ` ¨ ¨ ¨ ` an xn yn et qpvq “ a1 x21 ` ¨ ¨ ¨ ` an x2n .

5.5. BASES ORTHOGONALES 133

n
ÿ
• Réciproquement, supposons qu’il existe a1 , . . . , an P K tels que, pour tout v “ xk ek P E,
k“1
qpvq “ a1 x21 ` ¨ ¨ ¨ ` an x2n , alors la base B “ te1 , . . . , en u est orthogonale pour φ. En effet,
dans ce cas, pour tous k, l P t1, . . . , nu tels que k ‰ l,

1` ˘ 1` ˘
φpek , el q “ qpek ` el q ´ qpek q ´ qpel q “ ak ` al ´ ak ´ al “ 0.
2 2

Proposition 5.5.6. On suppose que B “ te1 , . . . , en u est une base φ-orthogonale. Alors la sous-
famille tek | qpek q “ 0u est une base de Kerφ et le cardinal de la sous-famille tek | qpek q “ 0u
(i.e. le nombre de coefficients diagonaux non nuls dans la matrice diagonale Matfb B pφq) est le
rang rgφ de φ.

Démonstration. Soit k P t1, . . . , nu, alors, pour tout l P t1, . . . , nu tel que l ‰ k, φpek , el q “ 0
(car te1 , . . . , en u est une base φ-orthogonale). Si de plus qpek q “ φpek , ek q “ 0 alors ek est
φ-orthogonal à tous les vecteurs de E (par bilinéarité de φ) donc ek P E Kφ “ Kerφ . Ainsi, la
famille tek | qpek q “ 0u est une famille libre de Kerφ .
n
ÿ
Montrons maintenant qu’elle engendre Kerφ : soit v P Kerφ et écrivons v “ xk ek avec
k“1
x1 , . . . , xn P K (B est une base de E). Pour tout l P t1, . . . , nu, on a

0 “ φpv, el q (car v P Kerφ )

˜ ¸
ÿn
“ φ xk ek , el
k“1
n
ÿ
“ xk φpek , el q
k“1
“ xl qpel q (car te1 , . . . , en u est une famille orthogonale).

Ainsi, pour tout l P t1, . . . , nu tel que qpel q ‰ 0, xl “ 0 et v est donc une combinaison linéaire
des vecteurs ek tels que qpek q “ 0.
Au total, la famille des vecteurs ek tels que qpek q “ 0 est bien une base (φ-orthogonale) de
Kerφ .

Un résultat important de la théorie des formes bilinéaires symétriques sur un espace vectoriel
de dimension finie est qu’il existe toujours des bases orthogonales :

Théorème 5.5.7. Il existe une base de E orthogonale relativement à φ.

Démonstration. On montre le résultat par récurrence sur la dimension n de E : précisément,

on montre que pour tout n P Nzt0u, pour tout espace vectoriel E de dimension finie n, pour
toute forme bilinéaire symétrique φ sur E, il existe une base de E orthogonale relativement à φ.

Si n “ 1, la matrice de toute forme bilinéaire (symétrique) sur un espace vectoriel de

dimension 1, étant de taille 1, est diagonale.
134 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

Supposons maintenant la propriété vérifiée au rang n´1 pour n P Nzt0; 1u fixé et considérons
notre forme bilinéaire symétrique φ sur notre K-espace vectoriel E de dimension n. Si φ est la
forme linéaire nulle, alors la matrice représentative de φ dans toute base est la matrice nulle de
taille n et est en particulier diagonale. Supposons donc que φ n’est pas la forme bilinéaire nulle
et soit v P E tel que qpvq ‰ 0 : par l’isomorphisme linéaire entre QpEq et SpEq (cf. théorème
5.3.6), φ est la forme bilinéaire symétrique nulle ssi q est la forme quadratique nulle.
On considère alors l’orthogonal
F :“ tvuKφ “ tw P E | φpv, wq “ 0u
de tvu par rapport à φ : il s’agit du noyau de l’application linéaire
E Ñ K
φpv, ¨q : .
w ÞÑ φpv, wq
Comme φpv, vq “ qpvq ‰ 0, l’application linéaire φpv, ¨q est surjective et donc
dimpF q “ dim Ker φpv, ¨q “ dimpEq ´ dim K “ n ´ 1.
` ˘

De plus, les sous-espaces vectoriels Vecttvu et F de E sont en somme directe (car v R dim Ker φpv, ¨q)
donc E “ Vecttvu ‘ F .
On applique ensuite l’hypothèse de récurrence à l’espace vectoriel F de dimension n ´ 1 et
à la forme bilinéaire symétrique restreinte φ|F ˆF : F ˆ F Ñ K ; pv, wq ÞÑ φpv, wq : il existe
une base tv2 , . . . , vn u de F orthogonale relativement à φ|F ˆF . Si l’on note enfin v1 :“ v, la
famille tv1 , v2 , . . . , vn u est une base de E (car E “ Vecttvu ‘ F ), orthogonale relativement
à φ (car pour tous k, l P t2, . . . , nu tels que k ‰ l, φpvk , vl q “ φF ˆF pvk , vl q “ 0, et, pour tout
k P t2, . . . , nu, φpv1 , vk q “ φpv, vk q “ 0).

Remarque 5.5.8. 1. On ne peut pas toujours compléter une famille libre de vecteurs deux à
deux `φ-orthogonaux ˘ en 1une
` 1base1 φ-orthogonale. Par exemple, si E “ R2 et φ “ R2 Ñ
R ; px, yq, px , y q ÞÑ 2 xy ` x y , alors
2 1 1
˘

tp1, 0quKφ “ px, yq P R2 | 1 ˆ y ` x ˆ 0 “ y “ 0 “ Vecttp1, 0qu :

␣ (

il est donc impossible de compléter la famille libre tp1, 0qu en une base orthogonale rela-
tivement à φ : tout vecteur φ-orthogonal à p1, 0q est dans la droite vectorielle engendrée
par p1, 0q.
2. L’existence d’une base orthogonale pour toute forme bilinéaire symétrique permet de
montrer qu’une forme bilinéaire symétrique sur un C-espace vectoriel de dimension finie
au moins égale à 2 n’est jamais définie.

5.6 Réduction d’une forme quadratique en somme de carrés et

méthode de Gauss
Dans cette section, soit K “ R ou C et considérons un K-espace vectoriel de dimension finie
E et une forme bilinéaire symétrique φ sur E de forme quadratique q. Nous allons décrire une
démarche systématique pour déterminer une base φ-orthogonale.
5.6. RÉDUCTION DE GAUSS 135

Le point de départ de cette démarche est la réduction d’une forme quadratique sur K en
“somme de carrés” dite méthode de Gauss.
Notons n :“ dimpEq et commençons par considérer une base te1 , . . . , en u de E. Notons,
pour k P t1, . . . , nu, ak :“ φpek , ek q et, pour k, l P t1, . . . , nu tels que k ă l, ak,l :“ φpek , el q “
ÿn
φpel , ek q. Si v “ xk ek P E, on a alors
k“1
n
ÿ ÿ
qpvq “ ak x2k ` 2 ak,l xk xl
k“1 1ďkălďn

(cf. remarque 5.3.7 2.).

Théorème 5.6.1. Il existe n formes linéaires l1 , . . . , ln P LpE, Kq linéairement indépendantes
(en tant que vecteurs de LpE, Kq) et α1 , . . . , αn P K tels que, pour tout v P E,
n
ÿ ` ˘2
qpvq “ αk lk pvq .
k“1

Démonstration. On montre le résultat par récurrence sur n.

Si n “ 1, toute base d’un espace vectoriel de dimension 1 est une base orthogonale relati-
vement à toute forme bilinéaire (symétrique) sur cet espace et la forme quadratique correspon-
dante s’exprime alors comme un scalaire fois le carré d’une forme linéaire.
Supposons maintenant la propriété vérifiée pour tout rang inférieur ou égal à n ´ 1 pour
n P Nzt0; 1u fixé et considérons notre forme quadratique q sur notre R-espace vectoriel E de
dimension n. On suppose q non identiquement nulle (la forme quadratique nulle sur E peut
s’écrire comme la combinaison linéaire nulle de n’importe quelle amille linéairement indépen-
dante de formes linéaires sur E).
Reprenons, avec les notations ci-dessus, l’expression
n
ÿ ÿ
qpvq “ ak x2k ` 2 ak,l xk xl
k“1 1ďkălďn
n
ÿ
pour v “ xk ek P E.
k“1
On différencie deux cas :
• S’il existe k P t1, . . . , nu tel que ak “ φpek , ek q ‰ 0 : On commence par permuter le vec-
teur ek et le vecteur e1 de la base B de façon à ce que a1 ‰ 0, et on a alors
n
ÿ ÿ
qpvq “ a1 x21 ` ak x2k ` 2 ak,l xk xl
k“2 1ďkălďn
ÿ ÿn ÿ
“ a1 x21 ` 2x1 a1,l xl ` ak x2k ` 2 ak,l xk xl
2ďlďn k“2 2ďkălďn
˜ ¸ ˜ ¸
n
ÿ n
ÿ
“ a1 x21 ` 2x1 f xk e k `Q xk ek
k“2 k“2
136 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

où, si l’on note F :“ Vectte2 , . . . , en u, f est la forme linéaire

F Ñ K
n
ÿ ÿ
yk ek ÞÑ a1,k yk
k“2 2ďkďn

sur F , et Q est la forme quadratique

F Ñ K
n
ÿ n
ÿ ÿ
yk ek ÞÑ ak yk2 ` 2 ak,l yk yl
k“2 k“2 2ďkălďn

n
ÿ
sur F . On écrit ensuite, en notant w :“ xk ek ,
k“2

qpvq “ a1 x21 ` 2x1 f pwq ` Qpwq

˘2
f pwq 2
„ ȷ `
f pwq
“ a1 x1 ` ´ ` Qpwq.
a1 a1

Or l’application
E Ñ ˜K ¸
ÿn
l1 : n
f xk ek
k“2
ÿ
v“ xk ek ÞÑ x1 `
k“1
a1

est une forme linéaire sur E, et l’application

F Ñ K
` ˘2
f pwq
w ÞÑ ´ a1 ` Qpwq

est une forme quadratique sur F : comme dimpF q “ n ´ 1, par hypothèse de récurrence,
il existe n ´ 1 formes linéaires ρ2 , . . . , ρn P LpF, Kq sur F et des scalaires α2 , . . . , αn P K
tels que, pour tout w P F ,
` ˘2 n
f pwq ÿ ` ˘2
´ ` Qpwq “ αk ρk pwq .
a1 k“2

Si, pour tout k P t2, . . . , nu, on note alors

E Ñ ˜ K ¸
n n
lk : ÿ ÿ ,
v“ xk e k ÞÑ ρk xk e k
k“1 k“2
5.6. RÉDUCTION DE GAUSS 137

on obtient finalement l’égalité

n
` ˘2 ÿ ` ˘2
qpvq “ a1 l1 pvq ` αk lk pwq .
k“2
De plus, la famille tl1 , l2 , . . . , ln u de LpE, Kq est une famille libre car la famille tl2 , . . . , ln u
est libre et l’expression de la forme linéaire l1 dépend de la coordonnée x1 ce qui n’est
pas le cas pour l2 , . . . , ln .
• Si pour tout k P t1, . . . , nu, ak “ 0 : Alors on a
ÿ
qpvq “ 2 ak,l xk xl .
1ďkălďn

Comme q n’est pas la forme quadratique nulle par hypothèse, il existe k, l P t1, . . . , nu
avec k ă l tels que ak,l ‰ 0. On permute alors les vecteurs de la base B de façon à ce que
a1,2 ‰ 0 et on écrit
n
ÿ n
ÿ ÿ
qpvq “ 2a1,2 x1 x2 ` 2x1 a1,k xk ` 2x2 a2,k xk ` 2 ak,l xk xl
k“3 k“3 3ďkălďn
˜ ¸ ˜ ¸ ˜ ¸
n
ÿ n
ÿ n
ÿ
“ 2a1,2 x1 x2 ` 2x1 f1 xk ek ` 2x2 f2 xk e k `Q xk e k
k“3 k“3 k“3
où, si l’on note G :“ Vectte3 , . . . , en u et si l P t1, 2u, fl est la forme linéaire
G Ñ K
n
ÿ n
ÿ
yk ek ÞÑ al,k yk
k“3 k“3
sur G, et Q est la forme quadratique
G Ñ K
n
ÿ ÿ
yk ek ÞÑ 2 ak,l yk yl
k“3 3ďkălďn
n
ÿ
sur G. Notant w :“ xk ek , on écrit ensuite
k“3
qpvq “ 2a1,2 x1 x2 ` 2x1 f1 pwq ` 2x2 f2 pwq ` Q pwq
„ ȷ
x1 x2
“ 2a1,2 x1 x2 ` f1 pwq ` f2 pwq ` Q pwq
a1,2 a1,2
«ˆ ˙ˆ ˙ ff
f2 pwq f1 pwq f1 pwqf2 pwq
“ 2a1,2 x1 ` x2 ` ´ ` Q pwq
a1,2 a1,2 a21,2
ˆ ˙ˆ ˙
f2 pwq f1 pwq f1 pwqf2 pwq
“ 2a1,2 x1 ` x2 ` ´2 ` Q pwq
a1,2 a1,2 a1,2
«ˆ ˙ ff
f1 pwq ` f2 pwq 2 f2 pwq ´ f1 pwq 2
˙ ˆ
a1,2 f1 pwqf2 pwq
“ x1 ` x2 ` ´ x1 ´ x2 ` ´2 ` Q pwq
2 a1,2 a1,2 a1,2
138 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

où l’on a utilisé le fait que, pour tous a, b P K, ab “ 14 pa ` bq2 ´ pa ´ bq2 . Or les

` ˘

applications
E Ñ K
n
l1 : ÿ f1 pwq ` f2 pwq
v“ xk ek ÞÑ x1 ` x2 `
k“1
a1,2

et
E Ñ K
n
l2 : ÿ f2 pwq ´ f1 pwq
v“ xk e k Þ Ñ x1 ´ x2 `
k“1
a1,2

sont des formes linéaires sur E, et l’application

G Ñ K
f1 pwqf2 pwq
w ÞÑ ´2 a1,2 ` Q pwq

est une forme quadratique sur G : comme dimpGq “ n ´ 2, par hypothèse de récurrence,
il existe n ´ 2 formes linéaires ρ3 , . . . , ρn P LpG, Kq sur G et des scalaires α3 , . . . , αn P K
tels que, pour tout w P G,
n
f1 pwqf2 pwq ÿ ` ˘2
´2 ` Q pwq “ αk ρk pwq .
a1,2 k“3

Si, pour tout k P t3, . . . , nu, on note

E Ñ ˜ K ¸
n n
lk : ÿ ÿ ,
v“ xk e k ÞÑ ρk xk e k
k“1 k“3

on obtient alors l’égalité

n
a1,2 ` ˘2 a1,2 ` ˘2 ÿ ` ˘2
qpvq “ l1 pvq ´ l2 pvq ` αk lk pwq .
2 2 k“3

De plus, la famille tl1 , l2 , . . . , ln u de LpE, Kq est une famille libre : contrairement à l1 et

l2 , les expressions des formes linéaires de la famille libre tl3 , . . . , l3 u ne dépendent pas des
coordonnées x1 et x2 , et les formes linéaires l1 et l2 sont linéairement indépendantes.

Exemple 5.6.2. 1. On considère la forme quadratique

R3 Ñ R
q: 2 2 2
px, y, zq ÞÑ 2x ` y ´ z ` 3xy ´ 5xz ` 6yz
5.6. RÉDUCTION DE GAUSS 139

sur R3 . Pour tout px, y, zq P R3 , on a

qpx, y, zq “ 2x2 ` 3xy ´ 5xz ` y 2 ´ z 2 ` 6yz

ˆ ˙
2 3y ´ 5z
“ 2 x `x ` y 2 ´ z 2 ` 6yz
2
3y ´ 5z 2 p3y ´ 5zq2
ˆ ˙
“ 2 x` ´ ` y 2 ´ z 2 ` 6yz
4 8
3y ´ 5z 2 1 ` 2
ˆ ˙
´y ´ 33z 2 ` 78yz
˘
“ 2 x` `
4 8
ˆ ˙2
3y ´ 5z 1“ ` 2
´ y ´ 78yz ´ 33z 2
˘ ‰
“ 2 x` `
4 8
ˆ ˙2
3y ´ 5z 1” ı
“ 2 x` ` ´ py ´ 39zq2 ` 1521z 2 ´ 33z 2
4 8
ˆ ˙2
3y ´ 5z 1
“ 2 x` ´ py ´ 39zq2 ` 186z 2
4 8

2. On considère la forme quadratique

C3 Ñ C
q:
px, y, zq ÞÑ xy ` ixz ´ p1 ´ iqyz

sur C3 . Pour tout px, y, zq P C3 , on a

qpx, y, zq “ xy ` ixz ´ p1 ´ iqyz

“ x ´ p1 ´ iqz y ` iz ` p1 ´ iqiz 2
` ˘` ˘

1 ”` ˘2 ` ˘2 ı
“ x ` y ` p´1 ` 2iqz ´ x ´ y ´ z ` p1 ` iqz 2
4
1` ˘2 1 ` ˘2
“ x ` y ` p´1 ` 2iqz ´ x ´ y ´ z ` p1 ` iqz 2
4 4
n
ÿ
Remarque 5.6.3. Si q “ αk plk q2 avec α1 , . . . , αn P K et l1 , . . . , ln P LpE, Kq, alors, pour tout
k“1
v, w P E,
m
ÿ
φpv, wq “ αk lk pvqlk pwq
k“1

(cf. exemple 5.3.3 2.)

Nous allons utiliser la méthode de réduction de Gauss précédente pour déterminer une base
orthogonale relativement à φ :

Théorème 5.6.4. Soient α1 , . . . , αn P K et soient l1 , . . . , ln P LpE, Kq des formes linéaires li-

ÿn
néairement indépendantes tels que q “ αk plk q2 . Il existe une base orthogonale B “ te1 , . . . , en u
k“1
140 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

de E relativement à φ telle que pour tout k P t1, . . . , nu, qpek q “ αk . Ainsi,

¨ ˛
α1 0
Matfb ..
B pφq “ ˝
˚ ‹
. ‚
0 αn
Démonstration. Pour construire une base orthogonale avec les propriétés ci-dessus, on utilise la
théorie de la dualité linéaire : on renvoie à l’annexe située à la fin de ce polycopié et consacrée
à ce sujet.
Notons B “ te1 , . . . , en u l’unique base de E telle que, pour tous k, l P t1, . . . , nu, lk pel q “ δk,l
(te1 , . . . , en u est la base dite antéduale de la base tl1 , . . . , ln u de LpE, Kq : cf. corollaire et
définition 6.4.2). On a alors, pour tous r, s P t1, . . . , nu,
#
m m
ÿ ÿ 0 si r ‰ s,
φper , es q “ αk lk per qlk pes q “ αk δk,r δk,s “
k“1 k“1
αr si r “ s.

Exemple 5.6.5. 1. On considère la forme quadratique de l’exemple 5.6.2 1. On a, pour tout

px, y, zq P R ,
3

3y ´ 5z 2 1
ˆ ˙
2 2 2
qpx, y, zq “ 2x ` y ´ z ` 3xy ´ 5xz ` 6yz “ 2 x ` ´ py ´ 39zq2 ` 186z 2 .
4 8
Notons l1 : R3 Ñ R ; px, y, zq ÞÑ x ` 3y´5z 4 , l2 : R Ñ R ; px, y, zq ÞÑ
3
` y ´˘39z et
l3 : R Ñ R ; px, y, zq ÞÑ z : la famille C :“ tl1 , l2 , l3 u est une base de L R3 , R . Pour
3

déterminer la base antéduale B de C, on considère la matrice de passage

¨ ˛
1 0 0
PBcan
˚
ÑC “
˝ 3 1 0‚
4
5
´ 4 ´39 1
de la base duale de la base canonique Bcan de R3 à la base C, et la matrice de passage de
la base canonique de R3 à la base B est alors
1 ´ 34 ´28
¨ ˛

PBcan ÑB “ tPB´1
˚ “ ˝0 1 39 ‚
can ÑC
0 0 1
(cf. proposition 6.4.1 et corollaire et définition 6.4.2). La base antéduale de C est donc la
famille " ˆ ˙ *
3
B “ p1, 0, 0q, ´ , 1, 0 , p´28, 39, 1q ,
4
qui, par la preuve du théorème précédent, est une base orthogonale relativement à la
forme polaire φ de q, et on a
¨ ˛
2 0 0
MatfbB pφq “
˝0 ´ 1
8 0 ‚.
0 0 186
5.6. RÉDUCTION DE GAUSS 141

2. On considère la forme quadratique de l’exemple 5.6.2 2. On a, pour tout px, y, zq P C3 ,

1` ˘2 1 ` ˘2
qpx, y, zq “ xy ` ixz ´ p1 ´ iqyz “ x ` y ` p´1 ` 2iqz ´ x ´ y ´ z ` p1 ` iqz 2 .
4 4
Notons l1 : C3 Ñ C ; px, y, zq ÞÑ x ` y ` p´1 ` 2iqz, l2 : C3 Ñ C ; px, y, zq ÞÑ ` x ´ ˘y ´ z
et l3 : C3 Ñ C ; px, y, zq ÞÑ z : la famille C :“ tl1 , l2 , l3 u est une base de L C3 , C . On
considère alors la matrice de passage
¨ ˛
1 1 0
PBcan
˚
ÑC “
˝ 1 ´1 0‚
´1 ` 2i ´1 1

de la base duale de la base canonique Bcan de C3 à la base C, et la matrice de passage de

la base canonique de C3 à la base antéduale B de C est alors
¨1 1
˛
2 2 1´i
PBcan ÑB “ tPB´1
˚ “ ˝ 12 ´ 12 ´i ‚.
can ÑC
0 0 1

La base "ˆ ˙ ˆ ˙ *
1 1 1 1
B“ , ,0 , , ´ , 0 , p1 ´ i, ´i, 1q
2 2 2 2
est donc une base de C3 orthogonale relativement à la forme polaire φ de q, et on a
¨1 ˛
4 0 0
Matfb
B pφq “
˝0 ´ 1
4 0 ‚.
0 0 1`i

Remarque 5.6.6. Si, dans l’exemple 5.6.5 1., on considère la base

?
" ˆ ˙ *
1 3 1
B “ ? p1, 0, 0q, 8 ´ , 1, 0 , ?
1
p´28, 39, 1q
2 4 186

de R3 , on a ¨ ˛
1 0 0
Matfb
B1 pφq “
˝0 ´1 0‚.
0 0 1
Si, dans l’exemple 5.6.5 2., on considère la base
? iπ
" ˆ ˙ ˆ ˙ *
1 1 1 1
B“ 2 , , 0 , 2i 4
, ´ , 0 , 2 e 8 p1 ´ i, ´i, 1q
2 2 2 2

de C3 , on a ¨ ˛
1 0 0
Matfb
B1 pφq “
˝0 1 0‚.
0 0 1
142 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

5.7 Signature d’une forme quadratique réelle

Dans cette section, on suppose que E un R-espace vectoriel de dimension finie n P Nzt0u.
Soit φ une forme bilinéaire symétrique sur E de forme quadratique q.

Définition 5.7.1. On dit que φ (ou q) est positive, resp. négative, si pour tout v P E, qpvq “
φpv, vq ě 0, resp. qpvq “ φpv, vq ď 0.

Exemple 5.7.2. 1. La forme quadratique q1 : R2 ˆ R2 ; px, yq ÞÑ x2 ` y 2 est positive.

2. La forme quadratique q2 : R2 ˆ R2 ; px, yq ÞÑ ´x2 ´ y 2 est négative.

3. La forme quadratique q3 : R2 ˆ R2 ; px, yq ÞÑ x2 ´ y 2 n’est ni positive ni négative

(qp1, 0q “ 1 et qp0, 1q “ ´1).
On avait vu à la proposition 5.4.12 que si φ est définie, alors φ est non dégénérée. Sur R,
on peut compléter cette assertion :

Proposition 5.7.3. La forme bilinéaire symétrique φ est définie ssi φ est non dégénérée et φ
est positive ou négative.

Démonstration. On montre le sens direct par contraposée :

• Si φ n’est ni positive ni négative, il existe v, w P E tels que qpvq ă 0 et qpwq ą 0. On

applique alors le théorème des valeurs intermédiaires à la fonction continue

r0; 1s Ñ R
f: :
t ÞÑ qpv ` tpv ´ wqq

on a f p0q “ qpvq ă 0 et f p1q “ qpwq ą 0 donc il existe t P r0; 1s tel que f ptq “
qpv ` tpv ´ wqq “ 0. De plus v ` tpv ´ wq ‰ 0E car la famille tv, wu est libre (si elle était
liée, les quantités qpvq et qpwq seraient de même signe ou toutes deux nulles). La forme
bilinéaire symétrique φ est donc non définie.

• Si φ est dégénérée, alors elle est non définie par la proposition 5.4.12.

Montrons maintenant la réciproque : supposons que φ est positive, resp. négative, et que
φ est non dégénérée. Comme φ est définie ssi ´φ est définie, on peut supposer sans perdre
de généralité que φ est positive. Pour montrer que φ est définie, soit v P E tel que φpv, vq “
qpvq “ 0 et supposons par l’absurde que v ‰ 0E . Soit w P Ezt0E u tel que φpv, wq ‰ 0 (φ est
non dégénérée donc v, supposé non nul, ne peut être orthogonal à tous les vecteurs de E) : en
multipliant éventuellement w par ´1, on peut supposer que la quantité φpv, wq est strictement
positive. Pour t Ps0; `8r, on a alors

0 ď qpv ´ twq “ qpvq ´ 2tφpv, wq ` t2 qpwq “ ´2tφpv, wq ` t2 qpwq.

donc 0 ď ´2φpv, wq`tqpwq (car t ą 0). Or cette dernière quantité peut être rendue strictement
inférieur à 0 pour t suffisamment petit (car φpv, wq ą 0 et qpwq ą 0), d’où une contradiction :
on en conclut que v “ 0E .
5.7. SIGNATURE D’UNE FORME QUADRATIQUE RÉELLE 143

Pour montrer le théorème qui suit, nous aurons besoin du fait suivant :

Lemme 5.7.4. Soient tv1 , . . . , vp u une famille libre et φ-orthogonale de E telle que pour tout
k P t1, . . . , pu, qpvk q ą 0. Alors, pour tout v P Vecttv1 , . . . , vp u, qpvq ě 0, et, si v ‰ 0E ,
qpvq ą 0.

Démonstration. On montre ce résultat par récurrence sur p. Si p “ 1 et si v “ λ1 v1 avec λ1 P K,

alors qpvq “ qpλ1 v1 q “ λ21 qpv1 q ě 0, car qpv1 q ą 0, et qpvq ą 0 si λ1 ‰ 0.
ÿp
Supposons maintenant le résultat vérifié au rang p pour p P Nzt0u fixé. Si v “ λk vk avec
k“1
λ1 , . . . , λp P K, on a
p p´1
˜ ¸ ˜ ¸
ÿ ÿ
q λ k vk “ q λp vp ` λ k vk
k“1 k“1
p´1
˜ ¸ ˜p´1 ¸
ÿ ÿ
“ λ2p qpvp q ` 2λp φ vp , λ k vk `q λ k vk
k“1 k“1
p´1
˜p´1 ¸
ÿ ÿ
“ λ2p qpvp q ` 2λp λk φpvp´1 , vk q ` q λ k vk
k“1 k“1
˜p´1 ¸
ÿ
“ λ2p qpvp q `q λ k vk .
k“1
´ř ¯
p´1
Cette dernière quantité est positive car qpvp q ą 0 et q λ v
k“1 k k ě 0 par hypothèse de
récurrence. Elle est de plus strictement positive si v ‰ 0E i.e. si les scalaires λ1 , . . . , λp sont
non tous nuls (la famille tv1 , . . . , vp u est libre), car

• si λp ‰ 0, λ2p qpvp q ą 0,
p´1
˜p´1 ¸
ÿ ÿ
• si λ “ 0, λk vk ‰ 0 donc, par hypothèse de récurrence, q λ k vk ą 0.
k“1 k“1

Remarque 5.7.5. Si tv1 , . . . , vp u est une famille libre et φ-orthogonale de E telle que pour tout
k P t1, . . . , pu, qpvk q ă 0 ô p´qqpek q ą 0, alors pour tout v P Vecttv1 , . . . , vp u, p´qqpvq ě 0 ô
qpvq ď 0, et, si v ‰ 0E , p´qqpvq ą 0 ô qpvq ă 0.
Le théorème ci-dessous définit la notion de “signature” d’une forme bilinéaire symétrique
sur R :

Théorème et Définition 5.7.6. Soit B “ te1 , . . . , en u une base φ-orthogonale de E. On

note r, resp. s, le nombre de coefficients strictement positifs, resp. strictement négatifs, de la
matrice diagonale MatfbB pφq. Les nombres r et s sont indépendants de la base orthogonale B
considérée et on appelle signature de φ (ou de q) le couple pr, sq.
144 CHAPITRE 5. FORMES BILINÉAIRES ET FORMES QUADRATIQUES

Démonstration. Soit B 1 “ te11 , . . . , e1n u une autre base φ-orthogonale de E et notons r1 , resp. s1 ,
le nombre de coefficients strictement positifs, resp. strictement négatifs, de la matrice diagonale
MatfbB1 pφq.
Quitte à permuter les vecteurs de la base B, resp. B 1 , on peut supposer que pour tout
k P t1, . . . , ru, qpek q ą 0, resp. pour tout k P t1, . . . , r1 u, qpe1k q ą 0, et que pour tout l P
tr ` 1, . . . , nu, qpel q ď 0, resp. pour tout l P tr1 ` 1, . . . , nu, qpe1l q ď 0.
Notons ensuite F :“ Vectte1 , . . . , er u et G1 :“ Vectte1r1 `1 , . . . , e1n u. On a F X G1 “ t0E u : si
v P F X G1 et v ‰ 0E alors qpvq ą 0 et qpvq ď 0 par le lemme 5.7.4 et la remarque 5.7.5, ce qui
est impossible.
Ainsi, dimpF q ` dimpG1 q “ dimpF ‘ G1 q ď n (car F ‘ G1 est un sous-espace vectoriel de E.
Or dimpF q “ r et dimpG1 q “ n ´ r1 donc r ´ r1 ď 0. En échangeant les rôles de B et B 1 , on
obtient ensuite que r1 ´ r ď 0 et donc finalement r “ r1 .
Enfin, comme r ` s “ rgφ “ r1 ` s1 (par la proposition 5.5.6), on a également s “ s1 .

Exemple 5.7.7. La signature de la forme bilinéaire symétrique de l’exemple 5.6.5 1. est p2, 1q
Notons pr, sq la signature de la forme bilinéaire symétrique φ.

Proposition 5.7.8. • φ est positive ssi s “ 0,

• φ est négative ssi r “ 0,

• φ est non dégénérée ssi r ` s “ n.

Démonstration. Soit B “ te1 , . . . , en u une base φ-orthogonale de E et écrivons

¨ ˛
a1 0
Matfb ..
B pφq “ ˝
˚ ‹
. ‚
0 an

• Si φ est positive alors, pour tout k P t1, . . . , nu, ak “ qpek q ě 0 i.e. aucun des coefficients
diagonaux de Matfb B pφq n’est strictement négatif i.e. s “ 0.
Réciproquement, si s “ 0, on a, pour tout k P t1, . . . , nu, ak ě 0 et donc, pour tout v P E,
qpvq ě 0.

• La signature de la forme bilinéaire symétrique ´φ est le couple ps, rq, et φ est négative
ssi ´φ est positive ssi r “ 0.

• Enfin, φ est non dégénérée ssi n “ rgφ “ r ` s.

Chapitre 6

Annexe : Dualité linéaire

6.1 Introduction
La dualité linéaire est la théorie des formes linéaires sur un espace vectoriel, c’est-à-dire,
pour K un corps commutatif quelconque, la théorie des applications linéaires E Ñ K où E
est un espace vectoriel sur K. On peut également voir la dualité linéaire comme la théorie des
équations linéaires sur un espace vectoriel. En particulier, cette théorie nous donne une cor-
respondance explicite entre les sous-espaces vectoriels d’un espace vectoriel E et les systèmes
d’équations linéaires sur E. La dualité linéaire nous fournit également une interprétation vec-
torielle de l’opération de transposition sur les matrices.

Tout au long de ce chapitre, K désigne un corps commutatif quelconque.

6.2 Formes linéaires sur un espace vectoriel et espace dual

Soit E un espace vectoriel sur K.

Définition 6.2.1. On appelle forme linéaire sur E toute application linéaire de E dans K.
L’ensemble des formes linéaires sur E est appelé espace dual de E et noté E ˚ .

R3 Ñ R
Exemple 6.2.2 (exemple “fil rouge”). L’application φ : est une
px, y, zq ÞÑ 2x ` 3y ´ 5z
forme linéaire sur R3 .
Remarque 6.2.3. ‚ E ˚ “ LpE, Kq est un espace vectoriel sur K.

‚ Si E est de dimension finie n P Nzt0u ¨ B “ te1 , . . . , en u est une base de E, alors, pour
et si ˛
x1
tout vecteur v de E de coordonnées ˝ ... ‚ dans la base B et toute forme linéaire φ de
˚ ‹

xn

145
146 CHAPITRE 6. ANNEXE : DUALITÉ LINÉAIRE

E ˚ , on a

φpvq “ φpx1 e1 ` ¨ ¨ ¨ ` xn en q
“ x1 lo
φpe
omo1oqn ` ¨ ¨ ¨ ` xn lo
φpe
omonoqn
PK PK
¨ ˛
x1
“ pφpe1 q ¨ ¨ ¨ φpen qq ˝ ... ‚
˚ ‹

xn

Exemple 6.2.4 (suite de l’exemple “fil rouge”). Pour tout vecteur px, y, zq de R3 , on a
¨ ˛
x
φpx, y, zq “ p2 3 ´ 5q y ‚
˝
z

Définition 6.2.5. Soit φ P E ˚ une forme linéaire sur E non identiquement nulle. On appelle
hyperplan de E déterminé par φ le sous-espace vectoriel Ker φ de E.

Exemple 6.2.6 (suite de l’exemple “fil rouge”). L’hyperplan de R3 déterminé par φ est le sous-
espace vectoriel px, y, zq P R3 | 2x ` 3y ´ 5y “ 0 de R3 .
␣ (

L’appellation “hyperplan” est justifiée par le fait que, si E est de dimension finie n P Nzt0u,
l’hyperplan déterminée par une forme linéaire sur E non identiquement nulle est effectivement
un sous-espace vectoriel de E de dimension n ´ 1. Nous allons montrer ce fait ci-dessous, ainsi
que sa réciproque :

Proposition 6.2.7. Supposons que E est de dimension finie n P Nzt0u.

Les hyperplans de E déterminés par les formes linéaires non nulles de E ˚ sont exactement
les hyperplans linéaires de E i.e. (“id est” : c’est-à-dire) les sous-espaces vectoriels de E de
dimension n ´ 1.

Démonstration. Soit φ P E ˚ zt0u. L’image Im φ de φ étant un sous-espace vectoriel de K, la

dimension de Im φ (sur K) est inférieure ou égale à 1 (la dimension de K sur K est 1). Comme
φ est non identiquement nulle, la dimension de Im φ ne peut être 0. La dimension de Im φ est
donc 1 et, par le théorème du rang,

dimpKer φq “ dimpEq ´ dimpIm φq “ n ´ 1,

i.e. l’hyperplan de E déterminé par φ est de dimension n ´ 1.

Réciproquement, soit H un sous-espace vectoriel de E de dimension n ´ 1. Soit v0 un
vecteur de E n’appartenant pas à H. Alors les sous-espaces vectoriels H et Vecttv0 u de E sont
en somme directe et, par un argument de dimension, E “ H ‘ Vecttv0 u. Ainsi, tout vecteur v
de E se décompose de façon unique en une somme v “ uv ` λv v0 avec uv P H et λv P K. Si
E Ñ K
φ désigne alors la forme linéaire , on a H “ Ker φ, i.e. H est l’hyperplan de E
v ÞÑ λv
déterminé par la forme linéaire φ.
6.3. BASE DUALE 147

Remarque 6.2.8. Reprenons les notations de la remarque 6.2.3. Si φ P E ˚ , l’hyperplan de E

déterminé par φ est le sous-espace vectoriel de E caractérisé par l’équation linéaire

φpe
omo1oqn x1 ` ¨ ¨ ¨ ` lo
lo φpe
omonoqn xn “ 0
PK PK
¨ ˛
x1
˚ .. ‹
en les coordonnées ˝ . ‚ dans la base B.
xn
Réciproquement, à tout sous-espace vectoriel H de E caractérisé par une équation linéaire

a1 x1 ` ¨ ¨ ¨ ` an xn “ 0

avec pa1 , . . . , an q P Kn ztp0, . . . , 0qu, on peut associer la forme linéaire

E Ñ K
φ: ,
x1 e1 ` ¨ ¨ ¨ ` xn en ÞÑ a1 x1 ` ¨ ¨ ¨ ` an xn

et alors H “ Ker φ.
On obtient ainsi une “correspondance” entre l’espace dual E ˚ de E et les équations linéaires
en les coordonnées dans la base B. A noter que l’espace des solutions d’un système d’équations
linéaires peut être vu comme une intersection d’hyperplans.

6.3 Base duale

Soit E un espace vectoriel sur K de dimension finie n P Nzt0u.
En utilisant le fait que dim pLpE, Kqq “ dimpEq ˆ dimpKq “ dimpEq, on peut montrer
directement que dimpE ˚ q “ dimpEq. On peut également le montrer en associant à toute base
de E une base de E ˚ :
Théorème et Définition 6.3.1. Soit B “ te1 , . . . , en u une base de E.
Pour i P t1, . . . , nu, on note e˚i la forme linéaire sur E définie par
#
˚ 1 ăsi i “ j,
pour tout j P t1, . . . , nu, ei pej q “ δi j “
0 ăsi i ‰ j.

La famille te˚1 , . . . , e˚n u de E ˚ est une base de E ˚ , appelée base duale de B. On la note B ˚ .
Démonstration. Soit i P t1, . . ¨
. , nu.˛Commençons par remarquer que, par définition, si v est un
x1
˚ .. ‹
vecteur de E de coordonnées ˝ . ‚ dans la base B,
xn

e˚i pvq “ e˚ px1 e1 ` ¨ ¨ ¨ ` xn en q “ x1 e˚i pe1 q ` . . . ` xn e˚i pen q “ xi ,

autrement dit e˚i associe à tout vecteur v de E sa ième coordonnée dans la base B.
148 CHAPITRE 6. ANNEXE : DUALITÉ LINÉAIRE

A présent, montrons que la famille te˚1 , . . . , e˚n u de E ˚ est libre : soient λ1 , . . . , λn P K tels
que λ1 e˚1 ` . . . ` λn e˚n soit la forme linéaire nulle, i.e., pour tout vecteur v de E, λ1 e˚1 pvq ` . . . `
λn e˚n pvq “ 0. En particulier, pour tout j P t1, . . . , nu, 0 “ λ1 e˚1 pej q ` . . . ` λn e˚n pej q “ λj et la
famille te˚1 , . . . , e˚n u de E ˚ est donc libre.
Montrons ensuite que ¨ la ˛famille te˚1 , . . . , e˚n u engendre E ˚ . Soit donc φ P E ˚ , et soit v un
x1
˚ .. ‹
vecteur de coordonnées ˝ . ‚ dans la base B. On a alors
xn

˚ ˚
φpvq “ φpx1 e1 ` ¨ ¨ ¨ ` xn en q “ lo
φpe
omo1oqn x1 ` ¨ ¨ ¨ ` lo
φpe
omonoqn xn “ φpe1 qe1 pvq ` ¨ ¨ ¨ ` φpen qen pvq.
PK PK

Ainsi, φ “ φpe1 qe˚1 ` ¨ ¨ ¨ ` φpen qe˚n P Vectte˚1 , . . . , e˚n u et la famille te˚1 , . . . , e˚n u est donc géné-
ratrice de E ˚ .

Remarque 6.3.2. ‚ On aurait pu se contenter de montrer le caractère libre ou le carac-

tère générateur de la famille te˚1 , . . . , e˚n u puis d’utiliser le fait, établi précédemment, que
dim pE ˚ q “ dim pEq “ n pour montrer que la famille te˚1 , . . . , e˚n u est une base de E ˚ .
On a cependant fait le choix de la démonstration “complète” ci-dessus pour son intérêt
didactique.

‚ E et E ˚ étant deux espaces vectoriels de même dimension finie, ils sont isomorphes.
Cependant, en général, ils ne le sont pas de façon “canonique” : un isomorphisme entre
ces deux espaces vectoriels dépend, en général, d’un choix de bases pour E et E ˚ .
Exemple 6.3.3. Si B “ te1 , . . . , en u est la base canonique de Kn , pour tout i P t1, . . . , nu, e˚i est
la forme linéaire
Kn Ñ K
e˚i :
px1 , . . . , xn q ÞÑ xi

Exemple 6.3.4. On considère la base B “ te1 , e2 , e3 u de R3 formé par les vecteurs e1 :“ p1, 1, 1q,
e2 :“ p1, 0, ´1q et e3 :“ p0, 1, 1q. Déterminons la base duale B ˚ de B : précisément, nous allons
déterminer les expressions des formes linéaires e˚1 , e˚2 et e˚3 sur R3 .
On cherche a, b, c P R tels que, pour tout px1 , x2 , x3 q P R3 , e˚1 px1 , x2 , x3 q “ ax1 ` bx2 ` cx3 .
Or
$ $ $
˚
&e1 pe1 q “ 1
’ &a ` b ` c “ 1
’ &a “ 1
’
˚
e1 pe2 q “ 0 ô a ´ c “ 0 ô b “ ´1
’
% ˚ ’ ’
e1 pe3 q “ 0 b`c“0 c“1
% %

Ainsi, e˚1 est l’application

R3 Ñ R
e˚1 :
px1 , x2 , x3 q ÞÑ x1 ´ x2 ` x3
6.3. BASE DUALE 149

On cherche à présent a, b, c P R tels que, pour tout px1 , x2 , x3 q P R3 , e˚2 px1 , x2 , x3 q “

ax1 ` bx2 ` cx3 . Or
$ $ $
˚
&e2 pe1 q “ 0
’ &a ` b ` c “ 0
’ &a “ 0
’
˚
e2 pe2 q “ 1 ô a ´c“1 ô b“1
’
% ˚ ’ ’
e2 pe3 q “ 0 b`c“0 c “ ´1
% %

Ainsi, e˚2 est l’application

R3 Ñ R
e˚2 :
px1 , x2 , x3 q ÞÑ x2 ´ x3

Enfin, on cherche a, b, c P R tels que, pour tout px1 , x2 , x3 q P R3 , e˚3 px1 , x2 , x3 q “ ax1 `
bx2 ` cx3 . Or $ $ $
’e˚3 pe1 q “ 0
& &a ` b ` c “ 0
’ &a “ ´1
’
˚
e3 pe2 q “ 0 ô a ´c“0 ô b“2
’
% ˚ ’ ’
e3 pe3 q “ 1 b`c“1 c “ ´1
% %

Ainsi, e˚3 est l’application

R3 Ñ R
e˚3 :
px1 , x2 , x3 q ÞÑ ´x1 ` 2x2 ´ x3

Remarque 6.3.5. Attention : parler de “dual d’un vecteur” n’a pas de sens. Si B1 et B2 sont
deux bases de E et v est un vecteur de E appartenant à chacune de ces deux bases, les vecteurs
“v ˚ ” dans B1˚ et “v ˚ ” dans B2˚ sont a priori différents (on devrait écrire v ˚B1 , respectivement
v ˚B2 ).
Reprenons les vecteurs e1 “ p1, 1, 1q et e2 “ p1, 0, ´1q de R3 de l’exemple précédent mais
posons cette fois v3 :“ p1, 0, 0q. La famille B 1 :“ te1 , e2 , v3 u est également une base de R3 .
Déterminons les formes linéaires de la base duale B 1 ˚ de B 1 : on cherche a, b, c P R tels que,
pour tout px1 , x2 , x3 q P R3 , e˚1 px1 , x2 , x3 q “ ax1 ` bx2 ` cx3 . Or
$ $ $
˚
&e1 pe1 q “ 1
’ &a ` b ` c “ 1
’ &a “ 0
’
e˚1 pe2 q “ 0 ô a ´c“0 ô b“1
’
% ˚ ’ ’
e1 pv3 q “ 0 a “0 c“0
% %

Ainsi, e˚1 est l’application

R3 Ñ R
e˚1 :
px1 , x2 , x3 q ÞÑ x2
On cherche ensuite a, b, c P R tels que, pour tout px1 , x2 , x3 q P R3 , e˚2 px1 , x2 , x3 q “ ax1 ` bx2 `
cx3 . Or $ $ $
˚
&e2 pe1 q “ 0
’ &a ` b ` c “ 0
’ &a “ 0
’
˚
e2 pe2 q “ 1 ô a ´c“1 ô b“1
’
% ˚ ’ ’
e2 pv3 q “ 0 a “0 c “ ´1
% %
150 CHAPITRE 6. ANNEXE : DUALITÉ LINÉAIRE

Ainsi, e˚2 est l’application

R3 Ñ R
e˚2 :
px1 , x2 , x3 q ÞÑ x2 ´ x3
Enfin, on cherche a, b, c P R tels que, pour tout px1 , x2 , x3 q P R3 , v3˚ px1 , x2 , x3 q “ ax1 `bx2 `cx3 .
Or $ $ $
v ˚ pe q “ 0 a b c 0
& 3
’ 1 ’
& ` ` “ &a “ 1
’
˚
v3 pe2 q “ 0 ô a ´ c “ 0 ô b “ ´2
’
% ˚ ’ ’
v3 pv3 q “ 1 a “1 c“1
% %

Ainsi, v3˚ est l’application

R3 Ñ R
v3˚ :
px1 , x2 , x3 q ÞÑ x1 ´ 2x2 ` x3
˚ ˚
On remarque ainsi que e2 B “ e˚2 B mais que e1 B ‰ e˚1 B . A noter également que, même si v3 est le
1 1

˚ 1 R3 Ñ R
troisième vecteur de la base canonique de R3 , v3 B n’est pas l’application .
px1 , x2 , x3 q ÞÑ x3
Dans la suite, B “ te1 , . . . , en u désignera une base de E.
ÿn
Proposition 6.3.6. 1. Pour toute forme linéaire φ P E ˚ , φ “ φpei qe˚i , autrement dit φ
¨ ˛ i“1
φpe1 q
a pour coordonnées ˝ ... ‚ dans la base duale B ˚ de B.
˚ ‹

φpen q
¨ ˚ ˛
n e1 pvq
ÿ
˚ ˚ .. ‹
2. Pour tout vecteur v P E, v “ ej pvqej , autrement dit v a pour coordonnées ˝ . ‚
j“1 e˚n pvq
dans la base B.
Démonstration. 1. Soit φ P E ˚ . Comme B ˚ est une base de E ˚ , il existe λ1 , . . . , λn P K
ÿn n
ÿ
(uniques) tels que φ “ λi e˚i . Si j P t1, . . . , nu, on a alors φpej q “ λi e˚i pej q “ λj , et
i“1 i“1
n
ÿ
donc φ “ φpei qe˚i .
i“1

2. Soit v P E. Comme B est une base de E, il existe µ1 , . . . , µn P K (uniques) tels que

n
ÿ n
ÿ n
ÿ
v“ µj ej . Si i P t1, . . . , nu, on a alors e˚i pvq “ µj e˚i pej q “ µi , et donc v “ e˚j pvqej .
j“1 j“1 j“1

Remarque 6.3.7. Cela peut constituer un moyen “efficace” de déterminer les coordonnées d’une
forme linéaire dans une base duale donnée, resp. (“respectivement”) d’un vecteur dans une base
donnée.
6.4. ASPECTS MATRICIELS 151

R3 Ñ R
Exemple 6.3.8. ‚ ăReprenons la forme linéaire φ : de
px1 , x2 , x3 q ÞÑ 2x1 ` 3x2 ´ 5x3
l’exemple fil rouge et déterminons ses coordonnées dans la base duale B ˚ de l’exemple
6.3.4. On a φpe1 q “ 0, φpe2 q “ 7, φpe3 q “ ´2 et donc φ “ 7e˚2 ´ 2e˚3 . Remarquons que
l’on n’a pas besoin de l’expression des formes linéaires de la base duale pour déterminer
les coordonnées de φ dans celle-ci (les expressions obtenues dans l’exemple 6.3.4 nous
permettent cependant de vérifier que la décomposition précédente est bien correcte).

‚ Si l’on considère le vecteur v “ p3, ´4, 1q de R3 , on obtient ses coordonnées dans la base
B de l’exemple 6.3.4 en calculant e˚1 pvq “ 8, e˚2 pvq “ ´5 et e˚3 pvq “ ´12. On a donc
v “ 8e1 ´ 5e2 ´ 12e3 .
La proposition 6.3.6 nous permet également de montrer de l’opération qui à toute base de
E associe sa base duale est injective. Nous montrerons sa surjectivité dans la section suivante.

Corollaire 6.3.9. ăSoit B 1 “ tf1 , . . . , fn u une base de E. Si B ˚ “ B 1 ˚ , alors B “ B 1 .

Démonstration. Soit i P t1, . . . , nu. D’après la proposition 6.3.6,

n
ÿ n
ÿ
ei “ fj˚ pei qfj “ e˚j pei qfj “ fi .
j“1 j“1

Ainsi B “ B 1 .

Remarque 6.3.10. Comme, sur l’espace vectoriel de dimension finie E ˚ , on a accès à des bases,
on peut utiliser les outils matriciels pour étudier les formes linéaires de E ˚ .

6.4 Aspects matriciels

Comme dans la section précédente, on considère un espace vectoriel E de dimension finie
n P Nzt0u et une base B “ te1 , . . . , en u de E.
Commençons par une première remarque : si φ est une forme linéaire de E ˚ et v est un
vecteur de E, alors, d’après la remarque 6.2.3,

φpvq “ t MatB˚ pφqMatB pvq.

A présent, nous allons nous intéresser au changement de base pour les bases duales : préci-
sément, soit B 1 “ tf1 , . . . , fn u une autre base de E, on peut calculer la matrice de passage de
la base duale B ˚ à la base duale B 1 ˚ à partir de la matrice de passage de la base B à la base B 1 .

Proposition 6.4.1. On a
PB˚ ÑB1 ˚ “ tPBÑB1 ´1 “ tPB1 ÑB

(rappel : la transposition et l’inversion des matrices inversibles commutent).

152 CHAPITRE 6. ANNEXE : DUALITÉ LINÉAIRE

Démonstration. Pour simplifier les écritures, on note P “ ppi j q1ďi,jďn :“ PBÑB1 et Q “

pqi j q1ďi,jďn :“ PB˚ ÑB1 ˚ . Ainsi, pour i, j P t1, . . . , nu, fi˚ “ nk“1 qk i e˚k (il s’agit de la dé-
ř

composition de fi˚ dans la base B ˚ ) et fj “ nl“1 pl j el (il s’agit de la décomposition de fj dans

ř
la base B). Nous allons montrer que In “ t QP (et donc Q “ tP ´1 ).
Soient i, j P t1, . . . , nu. Le coefficient situé sur la ligne i et la colonne j de la matrice identité
In est δi,j et, par définition de la base duale B 1 ˚ “ tf1˚ , . . . , fn˚ u, on a
˜ ¸˜ ¸
n
ÿ n
ÿ
δi,j “ fi˚ pfj q “ qk i e˚k pl j el
k“1 l“1
n ÿ
ÿ n
“ qk i pl j e˚k pel q
k“1 l“1
ÿn ÿ n
“ qk i pl j δk,l
k“1 l“1
ÿn
“ qk i p k j
k“1

n
ÿ
Or qk i pk j est justement le coefficient situé sur la ligne i et la colonne j de la matrice produit
k“1
t QP . Ainsi, on a bien In “ t QP i.e. Q “ tP ´1 i.e. PB˚ ÑB1 ˚ “ tPBÑB1 ´1 .

A l’aide de cette propriété, on peut également montrer la surjectivité, et donc la bijectivité

(voir corollaire 6.3.9 ci-dessus), de l’opération qui associe à toute base B de E sa base duale
B ˚ de E ˚ :

Corollaire et Définition 6.4.2. Pour toute base C de E ˚ , il existe une et une seule base B
de E telle que C “ B ˚ . On appelle B la base antéduale de C.

Démonstration. Soit C une base de E ˚ . Fixons maintenant B0 une base quelconque de E et

considérons la matrice Q :“ tPB0˚ ÑC ´1 . Comme il s’agit d’une matrice inversible de taille n, Q
peut être considérée comme la matrice de passage PB0 ÑB de la base B0 de E à une base B (les
coordonnées des vecteurs de B dans la base B0 sont données par les colonnes de Q) et on a
alors, d’après la proposition précédente,

PB0˚ ÑB˚ “ tPB0 ÑB ´1 “ tQ´1 “ PB0˚ ÑC ,

de sorte que les coordonnées des vecteurs de la base C dans la base B0˚ sont les mêmes que les
coordonnées des vecteurs de la base B ˚ dans la base B0˚ et donc C “ B ˚ .

R3 Ñ R
Exemple 6.4.3. On considère les formes linéaires φ1 : , φ2 :
px1 , x2 , x3 q Ñ x1 ` x2 ` x3
R3 Ñ R R3 Ñ R
et φ3 : sur R3 . La famille C “ tφ1 , φ2 , φ3 u
px1 , x2 , x3 q Ñ ´x1 ` x3 px1 , x2 , x3 q Ñ x2 ` x3
` ˘˚
est une base de R3 . Pour le voir, on écrit les coordonnées de φ1 , φ2 et φ3 dans la base duale
6.5. ANNULATEUR D’UN SOUS-ESPACE VECTORIEL ET CORRESPONDANCE DUALE153

B0˚ “ te˚1 , e˚2 , e˚3 u de la base canonique B0 “ te1 , e2 , e3 u de R3 : on a φ1 “ e˚1 ` e˚2 ` e˚3 ,
φ2 “ ´e˚1 ` e˚3 et φ3 “ e˚2 ` e˚3 , et la matrice
¨ ˛
1 ´1 0
P :“ ˝1 0 1‚
1 1 1

dont les colonnes sont les coordonnées de φ1 , φ2 et φ3 dans la base B ˚ , est inversible.
On cherche maintenant à déterminer la base antéduale B “ tv1 , v2 , v3 u de la base C. On
procède comme dans la démonstration précédente : la matrice P ci-dessus est la matrice de
passage de B0˚ à C et la matrice de passage de la base B0 à la base B est alors la matrice tP ´1 .
On obtient ¨ ˛
1 0 ´1
t ´1
P “ ˝´1 ´1 2 ‚
1 1 ´1
et on a donc v1 “ e1 ´ e2 ` e3 “ p1, ´1, 1q, v2 “ ´e2 ` e3 “ p0, ´1, 1q et v3 “ ´e1 ` 2e2 ´ e3 “
p´1, 2, ´1q.

6.5 Annulateur d’un sous-espace vectoriel et correspondance

duale
Soit E un espace vectoriel de dimension finie n P Nzt0u.
Dans cette section, on va définir des outils de la dualité qui vont nous donner une corres-
pondance explicite entre les sous-espaces vectoriels de E et les systèmes d’équations linéaires
qui les caractérisent.

Soit F un sous-espace vectoriel de E et soit W un sous-espace vectoriel de E ˚ .

Définition 6.5.1. ‚ L’ensemble, noté F 0 , des formes linéaires de E ˚ qui s’annulent sur F
est appelé annulateur de F .

‚ L’ensemble, noté W 0 , des vecteurs de E qui sont annulés par toutes les formes linéaires
de W est appelé annulateur de W .

L’ensemble F 0 “ tφ P E ˚ | pour tout v P F , φpvq “ 0u est un sous-espace vectoriel de E ˚ :

la forme linéaire identiquement nulle sur E appartient à F 0 et, si φ, ψ P E ˚ et λ, µ P K, pour
tout v P E, pλφ ` µψqpvq “ λφpvq ` µψpvq “ 0.
De façon analogue, W 0 “ tv P E | pour tout φ P W , φpvq “ 0u est un sous-espace vectoriel
de E : le vecteur nul de E appartient à W 0 et, si v, w P E et λ, µ P K, pour tout φ P E ˚ ,
φpλv ` µwq “ λφpvq ` µφpwq “ 0.

Proposition 6.5.2. 1. Si tv1 , . . . , vp u est une base de F , alors F 0 “ tφ P E ˚ | φpv1 q “

0, . . . , φpvp q “ 0u.

2. Si tφ1 , . . . , φq u est une base de W , alors W 0 “ tv P E | φ1 pvq “ 0, . . . , φq pvq “ 0u.

154 CHAPITRE 6. ANNEXE : DUALITÉ LINÉAIRE

Démonstration. 1. Soit φ P F 0 , alors, comme v1 , . . . , vp P F , φpv1 q “ 0, . . . , φpvp q “ 0. Réci-

proquement, soit maintenant φ une forme linéaire sur E annulant les vecteurs v1 , . . . , vp
et soit v P F . Comme tv1 , . . . , vp u est une base de F , il existe λ1 , . . . , λp P K (uniques)
tels que v “ λ1 v1 ` ¨ ¨ ¨ ` λp vp et alors

φpvq “ λ1 φpv1 q ` ¨ ¨ ¨ ` λp φpvp q “ 0,

et φ appartient donc à F 0 .

2. Soit v P W 0 , alors, comme φ1 , . . . , φq P W , φ1 pvq “ 0, . . . , φq pvq “ 0. Réciproquement,

soit maintenant v un vecteur de E annulé par les formes linéaires φ1 , . . . , φq et soit
φ P W . Comme tφ1 , . . . , φq u est une base de W , il existe µ1 , . . . , µq P K (uniques) tels
que φ “ µ1 φ1 ` ¨ ¨ ¨ ` µq φq et alors

φpvq “ µ1 φ1 pvq ` ¨ ¨ ¨ ` µq φq pvq “ 0,

et v appartient donc à W 0 .

Remarquons que, si tφ1 , . . . , φq u est une base de W , W 0 “ qi“1 Ker φi et que, si B “

Ş
te1 , . . . , en u est une base de E, W 0 est le sous-espace vectoriel de E caractérisé par le système
linéaire $
&φ1 pe1 qx1 ` ¨ ¨ ¨ ` φ1 pen qxn “ 0
’
’
..
’ .
’
%φ pe qx ` ¨ ¨ ¨ ` φ pe qx “ 0
q 1 1 q n n
¨ ˛
x1
˚ .. ‹
en les coordonnées ˝ . ‚ dans la base B.
xn
La proposition suivante affirme notamment que si W “ F 0 , alors F peut être décrit par le
système linéaire ci-dessus, autrement dit que les vecteurs de F sont exactement les solutions
de ce système.

Proposition 6.5.3. On a

1. dimpEq “ dimpF q ` dim F 0 et dim pE ˚ q “ dimpW q ` dim W 0 ,

` ˘ ` ˘

` ˘0 ˘0
2. F 0 “ F et W 0 “ W .
`

1. Montrons tout d’abord que dimpEq “ dimpF q`dim F 0 . Soit tv1 , . . . , vp u

` ˘
Démonstration.
une base de F que l’on complète en une base B “ ( tv1 , . . . , vp , vp`1 , . . . , vn u de
␣ E. Considé-(
rons la base duale B “ v1 , . . . , vp , vp`1 , . . . , vn et montrons que la famille vp`1 , . . . , vn˚
˚
␣ ˚ ˚ ˚ ˚ ˚

est une base de F 0 :

‚ Soit i P tp ` 1, . . . , nu, alors vi˚ P F 0 car, pour tout j P t1, . . . , pu, vi˚ pvj q “ 0 (i ‰ j)
et les vecteurs v1 , . . . , vp engendrent F .
6.5. ANNULATEUR D’UN SOUS-ESPACE VECTORIEL ET CORRESPONDANCE DUALE155

, . . . , vn˚ de E ˚ est libre comme sous-famille de la base B ˚ .

␣ ˚ (
‚ La famille vp`1
‚ De plus, elle engendre F 0 : en effet, soit φ P F 0 , alors, d’après la proposition 6.3.6
i),

φ “ φpv1 qv1˚ ` ¨ ¨ ¨ ` φpvp qvp˚ ` φpvp`1 qvp`1

˚
` ¨ ¨ ¨ ` φpvn qvn˚
˚
` ¨ ¨ ¨ ` φpvn qvn˚ P Vect vp`1
˚
, . . . , vn˚
␣ (
“ φpvp`1 qvp`1

(φpv1 q “ ¨ ¨ ¨ “ φpvp q “ 0 car v1 , . . . , vp P F et φ P F 0 ).

En particulier, dim F 0 “ n ´ p “ dimpEq ´ dimpF q.

` ˘

L’égalité dim E 0 “ dimpW q ` dim W 0 se démontre de façon tout à fait similaire, à

` ˘ ` ˘

l’aide de la notion de base antéduale (corollaire et définition 6.4.2) : soit tφ1 , . . . , φq u

une base de W que l’on complète en une base C “ tφ1 , . . . , φq , φq`1 , . . . , φn u de E ˚ et
notons B “ tv1 , . . . , vq , vq`1 , . . . , vn u la base antéduale de C. On montre que la famille
tvq`1 , . . . , vn u est une base de W 0 :

‚ Soit j P tq`1, . . . , nu, alors vj P W 0 car, pour tout i P t1, . . . , qu, φi pvj q “ vi˚ pvj q “ 0
(i ‰ j) et les vecteurs φ1 , . . . , φq engendrent W .
‚ La famille tvq`1 , . . . , vn u de E est libre comme sous-famille de la base B.
‚ De plus, elle engendre W 0 : en effet, soit v P W 0 , alors, d’après la proposition 6.3.6
ii),

v “ v1˚ pvqv1 ` ¨ ¨ ¨ ` vq˚ pvqvq ` vq`1

˚
pvqvq`1 ` ¨ ¨ ¨ ` vn˚ pvqvn
“ φ1 pvqv1 ` ¨ ¨ ¨ ` φq pvqvq ` φq`1 pvqvq`1 ` ¨ ¨ ¨ ` φn pvqvn
“ φq`1 pvqvq`1 ` ¨ ¨ ¨ ` φn pvqvn P Vect tvq`1 , . . . , vn u

(φ1 pvq “ ¨ ¨ ¨ “ φq pvq “ 0 car φ1 , . . . , φq P W et v P W 0 ).

En particulier, dim W 0 “ n ´ q “ dim pE ˚ q ´ dimpW q “ dimpEq ´ dimpW q.

` ˘

` ˘0
2. Des deux égalités démontrées précédemment, on déduit la double inclusion F 0 “ F :
` ˘0
on a F Ă F 0 (car si v P F et φ P F 0 alors φpvq “ 0) et
´` ˘ ¯
0
dim F 0 “ dimpEq ´ dim F 0 “ dimpEq ´ pdimpEq ´ dimpF qq “ dimpF q.
` ˘

˘0 ˘0
De même, W 0 “ W car W Ă W 0 (si φ P W et v P W 0 alors φpvq “ 0) et
` `

´` ˘0 ¯
dim W 0 “ dimpEq ´ dim W 0 “ dimpEq ´ pdimpEq ´ dimpW qq “ dimpW q.
` ˘

Cette proposition et sa démonstration nous donnent en particulier une méthode pour, à

partir d’une base de F , obtenir un système d’équations linéaires “linéairement indépendantes”
(i.e. d’équations correspondant à des formes linéaires linéairement indépendantes) décrivant F :
156 CHAPITRE 6. ANNEXE : DUALITÉ LINÉAIRE

Exemple 6.5.4. Soit F le sous-espace vectoriel de R3 engendré par le vecteur v1 “ p1, 1, 1q.
On note v2 le vecteur p1, 0, ´1q et v3 le vecteur p0, 1, 1q, puis on complète la famille libre
tv1 u de R3 en la base B “ tv1 , v2 , v3 u (voir également exemple 6.3.4). On considère ensuite
la base duale B ˚ “ tv1˚ , v2˚ , v3˚ u et, d’après ce que l’on a vu dans la démonstration précédente,
R3 Ñ R
F 0 “ Vect tv2˚ , v3˚ u. L’expression de v2˚ sur R3 est v2˚ : et l’expression
px1 , x2 , x3 q ÞÑ x2 ´ x3
R3 Ñ R
de v3˚ sur R3 est v3˚ : . Ainsi
px1 , x2 , x3 q ÞÑ ´x1 ` 2x2 ´ x3
` ˘0
F “ F0 “ px1 , x2 , x3 q P R3 | v2˚ px1 , x2 , x3 q “ 0, v3˚ px1 , x2 , x3 q “ 0
␣ (

“ px1 , x2 , x3 q P R3 | x2 ´ x3 “ 0, ´x1 ` 2x2 ´ x3 “ 0 .

␣ (

Une méthode analogue permet d’obtenir, à partir d’une description de F comme ensemble
des solutions d’un système d’équations linéaires linéairement indépendantes, une base de F :
Exemple 6.5.5. Notons B0 “ te1 , e2 , e3 u la base canonique de R3 et considérons les formes
˚
linéaires φ1 “ e˚1 ` e˚2 ` e˚3 et φ2 “ ´e˚1 ` e˚3 sur R3 . On note W :“ Vecttφ1 , φ2 u Ă R3 et (on
cherche à déterminer une base de W 0 “ px1 , x2 , x3 q P R3 | x1 ` x2 ` x3 “ 0, ´x1 ` x3 “ 0 .
␣

Tout d’abord, remarquons que les formes linéaires φ1 et φ2 sont linéairement indépendantes :
on peut par exemple constituer la matrice dont les colonnes sont les coordonnées de φ1 et φ2
dans la base B0˚ et montrer qu’elle est bien de rang 2. On note ` 3ensuite
˘˚ φ3 :“ e˚2 ` e˚3 et on
complète la famille libre tφ1 , φ2 u en la base C :“ tφ1 , φ2 u de R . D’après l’exemple 6.4.3,
la base préduale de C est la base B “ tp1, ´1, 1q, p0, ´1, 1q, p´1, 2, ´1qu de R3 et, d’après la
démonstration de la proposition 6.5.3, W 0 “ Vecttp´1, 2, ´1qu.
Remarque 6.5.6. On a t0E u0 “ E ˚ , E 0 “ t0E ˚ u, t0E ˚ u0 “ E et pE ˚ q0 “ t0E u.

6.6 Application transposée

La dualité linéaire va également nous permettre de donner une interprétation vectorielle à
l’opération de transposition sur les matrices.
Soient E et F deux espaces vectoriels sur K.

Définition 6.6.1. Soit f P LpE, F q. On appelle transposée de f l’application linéaire

t F ˚ Ñ E˚
f:
φ ÞÑ φ ˝ f

Remarque 6.6.2. ‚ Si φ P F ˚ “ LpF, Kq, on a bien φ ˝ f P E ˚ “ LpE, Kq.

‚ L’application tf est bien linéaire : si φ, ψ P F ˚ et λ, µ P K,

t
f pλφ ` µψq “ pλφ ` µψq ˝ f
“ λφ ˝ f ` µψ ˝ f
“ λ tf pφq ` µ tf pψq
6.6. APPLICATION TRANSPOSÉE 157

Les propriétés de base de la transposée d’une application linéaire sont réunies dans la
proposition suivante :

Proposition 6.6.3. 1. t pIdE q “ IdE ˚ .

2. Si f, g P LpE, F q et λ, µ P K, t pλf ` µgq “ λ tf ` µ tg.

3. Si G est un espace vectoriel sur K, f P LpE, F q et g P LpF, Gq, t pg ˝ f q “ tf ˝ tg.

4. Si f est une` application linéaire bijective de E dans F , alors tf : F ˚ Ñ E ˚ est également

´1
bijective et tf “ t f ´1 .
˘ ` ˘

Démonstration. 1. Pour tout φ P E ˚ , on a

t
pIdE q pφq “ φ ˝ IdE “ φ “ IdE˚ pφq.

2. Pour tout φ P F ˚ , on a

t
pλf ` µgq pφq “ φ ˝ pf ` gq “ φ ˝ f ` φ ˝ g “ tf pφq ` tgpφq “ tf ` tg pφq.
` ˘

3. Pour tout φ P G˚ , on a

t
pg ˝ f q pφq “ φ ˝ pg ˝ f q “ pφ ˝ gq ˝ f “ tgpφq ˝ f “ tf tgpφq “ tf ˝ tg pφq.
` ˘ ` ˘

4. On a tf ˝ t f ´1 “ t f ´1 ˝ f “ t pIdE q “ IdE ˚ et t f ´1 ˝ tf “ t f ˝ f ´1 “ t pIdF q “ IdF ˚ .

` ˘ ` ˘ ` ˘ ` ˘

On en vient à la justification matricielle de l’appellation “transposée” et, “réciproquement”,

à une interprétation vectorielle, via la dualité, de la transposition matricielle :

Proposition 6.6.4. On suppose que les espaces vectoriels E et F sont tous deux de dimension
finie. Soient alors B “ te1 , . . . , en u une base de E et C “ tv1 , . . . , vm u une base de F , et soit
f P LpE, F q. On a
MatC ˚ ,B˚ tf “ t MatB,C pf q,
` ˘

autrement dit la matrice de la transposée tf de f dans les bases duales C ˚ et B ˚ est la transposée
de la matrice de f dans les bases B et C, ou encore, symétriquement, la transposée de la matrice
de f dans les bases B et C est la matrice de la transposée tf de f dans les bases duales C ˚ et
B˚ .
158 CHAPITRE 6. ANNEXE : DUALITÉ LINÉAIRE

Démonstration. Soit j P t1, . . . , mu et notons A “ pak l q1ďkďm,1ďlďn :“ MatB,C pf q. Alors

n
ÿ
t
vj˚ vj˚omo vj˚ ˝ f pei qe˚i ăpar la proposition 6.3.6, 1.
` ˘
f “ lo ˝ ofn “
i“1
PE ˚
n
ÿ
“ vj˚ pf pei qq e˚i
i“1
˜ ¸
ÿn m
ÿ
“ vj˚ ak i vk e˚i
i“1 k“1
ÿn ÿm
“ ak i vj˚ pvk qe˚i
i“1 k“1
ÿn
“ aj i e˚i
i“1

Ainsi la matrice MatC ˚ ,B˚ tf est exactement la transposée de la matrice A “ MatB,C pf q.

` ˘

Remarque 6.6.5. Ce résultat est également à mettre en lien avec la propriété 6.4.1 concernant la
matrice de passage d’une base duale à une autre : si B et B 1 sont deux bases d’un espace vectoriel
de dimension finie E, la matrice de passage PBÑB1 est la matrice MatB1 ,B pIdE q de l’identité
de E dans les bases B 1 et B, et la transposée de cette matrice est, d’après les propositions
précédentes, la matrice MatB˚ ,B1 ˚ pIdE ˚ q, i.e. la matrice de passage PB1 ˚ ÑB˚ . Autrement dit,
tP ´1
“ tPBÑB1 ´1 “ tPB1 ÑB .
BÑB1 “ PB1 ˚ ÑB˚ et donc, de façon équivalente, PB˚ ÑB1 ˚ “ PB1 ˚ ÑB˚

Ce point de vue “vectoriel” sur la transposition matricielle permet également, à partir

de la proposition 6.6.3 et de la correspondance entre produit de matrices et composition
d’applications linéaires, de montrer sans calcul les propriétés matricielles “t pABq “ tB tA”
` ˘´1 t ` ´1 ˘
et “ tA “ A ”.

6.7 Bidual
Soit E un espace vectoriel sur K. Son dual E ˚ est également un espace vectoriel sur K : on
peut donc aussi considérer son dual que l’on note E ˚˚ . On a alors, par définition,

E ˚˚ “ pE ˚ q˚ “ L pE ˚ , Kq “ pLpE, Kqq˚ “ L pLpE, Kq, Kq .

Définition 6.7.1. On appelle E ˚˚ le bidual de E.

On a vu qu’un espace vectoriel de dimension finie est isomorphe à son dual et donc, comme
le dual est isomorphe à son propre dual, à son bidual. Néanmoins, comme on l’a dit plus haut, on
ne dispose pas, en général, d’isomorphisme “canonique” entre un espace vectoriel de dimension
finie et son dual. Une propriété remarquable du bidual est que, en dimension finie, tout espace
vectoriel est canoniquement isomorphe à son bidual :
6.7. BIDUAL 159

Proposition 6.7.2. On suppose que E est de dimension finie. Alors E est canoniquement
isomorphe à son bidual E ˚˚ , i.e. on peut construire un isomorphisme linéaire de E sur E ˚˚
sans faire appel à des choix de bases.
E˚ Ñ K
Démonstration. Pour v P E, définissons tout d’abord l’application Φv : (l’ap-
φ ÞÑ φpvq
plication d’“évaluation” des formes linéaires sur E en le vecteur v). Pour tout v P E, l’applica-
tion Φv est linéaire : si φ, ψ P E ˚ et λ, µ P K,

Φv pλφ ` µψq “ pλφ ` µψq pvq “ λφpvq ` µψpvq “ λΦv pφq ` µΦv pψq.

Ainsi, pour tout v P E, Φv P L pE ˚ , Kq “ E ˚˚ .

On considère alors l’application

E Ñ E ˚˚
Φ:
v Ñ Φv

Φ est une application linéaire : si v, w P E et λ, µ P K alors, pour tout φ P E ˚ ,

Φ pλv ` µwq pφq “ Φλv`µw pφq

“ φ pλv ` µwq
“ λφpvq ` µφpwq
“ λΦv pφq ` µΦw pφq
“ λΦpvqpφq ` µΦpwqpφq
“ pλΦpvq ` µΦpwqq pφq

i.e. Φ pλv ` µwq “ λΦpvq ` µΦpwq.

On montre enfin que l’application linéaire Φ : E Ñ E ˚˚ est bijective : comme dim pE ˚˚ q “
dim pE ˚ q “ dimpEq, on peut se contenter de montrer que Φ est injective. Soit donc v P E tel
que Φpvq “ Φv “ 0, i.e., pour tout φ P E ˚ , φpvq “ 0. En particulier, si l’on considère une
base B “ te1 , . . . , en u de E et sa base duale B ˚ “ te˚1 , . . . , e˚n u, on a, pour tout j P t1, . . . , nu,
ÿn
˚
ej pvq “ 0 et donc v “ e˚j pvqej “ 0 : Φ est donc bien injective.
j“1
Ainsi, l’application Φ est bien un isomorphisme linéaire de E sur E ˚˚ (et sa définition ne
dépend pas d’un choix de bases).