Institut Galilée Licence 2ème année LSI - ATS Algèbre 2 2010-2011 Formes quadratiques IK = IR E est un IK-espace vectoriel de dimension Soit ou C). l {e1 , · · · , en } une base de E. Nous allons étudier les applications q(x) = n. xi nE , on a x = x1 e1 + · · · + xn en . q : E → IK telles que : Pour n X aii x2i + i=1 X aij xi xj i6=j polynôme homogène de degré 2 par rapport aux xi , somme de termes "carrés" et de termes "rectangles". 1 Formes bilinéaires symétriques Dénition 1.1 On appelle forme bilinéaire symétrique sur E une application f : E × E → IK telle que : Linéarité par rapport à la première variable : f (x + x0 , y) = f (x, y) + f (x0 , y) f (λx, y) = λf (x, y) Symétrie : f (x, y) = f (y, x) On notera S(E) l'ensembles des formes bilinéaires symétriques sur E . Exemples 1. Un produit scalaire si IK 2. 2 E = IR , = IR f (x, y) = x1 y1 − x2 y2 1 Proposition 1.2 Soit f ∈ S(E) et soit {e1 , · · · , en } une base de E . On a n n X n n X X X f xi ei , yj ej = xi yj f (ei ; ej ) alors : i=1 j=1 i=1 j=1 Démonstration En utilisant la linéarité de la dénition, on développe le premier membre. Dénition 1.3 Soit E = {e1 , · · · , en } une base de E et soit f ∈ S(E). La matrice de f relativement à e est la matrice Mf = (aij ) ∈ Mn (IK) telle que : ai,j = f (ei , ej ) Remarque 1.4 f n'est pas un endomorphisme. Proposition 1.5 La matrice d'une forme bilinéaire symétrique est symétrique, c'est à dire égale à sa transposée. Démonstration f (ei , ej ) = Soit A la matrice de la f.b.s. ai,j . Ce qui donne bien t A f. Alors aj,i = f (ej , ei ) = = A. Proposition 1.6 Soit E = {e1 , · · · , en } une base de E . Soit M une matrice symétrique. Il existe une unique forme bilinéaire symétrique f dont la matrice dans E soit M . Démonstration f est de matrice M E : f (ei , ej ) = mij dans pour tous i et j. Soient x= X xi ei et y = P j yj ej , alors f (x, y) = P i,j xi yj f (ei , ej ) (pro- i longement par linéarité). Proposition 1.7 x1 X P Soient x = xi ei et y = j yj ej . On pose X = ... i xn y1 et Y = ... . Soit M la matrice de la f.b.s f . Alors : yn f (x, y) =t XM Y Démonstration n X Soit M = (mi,j ). On a t XM = ··· , n X i=1 xi mij est à la j ème place. i=1 2 ! xi mij , · · · où On a nalement : t XM Y = n n X X j=1 ! xi mij yj = i=1 n n X X j=1 ! xi yj f (ei , ej) = f (x, y) i=1 Proposition 1.8 de E à a: E 0. Soient E et E 0 deux bases de E et P la matrice de passage Soient M et M 0 les matrices de f par rapport à E et E 0 . Alors, on M 0 =t P M P Démonstration Soient X et y dans la base E et Y (resp. donc : M 0 =t P M P 0 etY ) les matrices colonnes de X = P X0 et Y = P Y 0. x On a tX 0M 0Y 0 f (x, y) = = = = D'où X0 0 (resp. E ) . On sait que t XM Y X 0t P M (P Y 0 ) tX 0 tP M P Y 0 f car la matrice associée à relativement à la base E0 est unique. Exemple Soit f la forme bilinéaire symétrique sur E = IR2 dénie par : f (x, y) = x21 − 2x1 x2 + 3x22 La matrice de f dans la base canonique est : 1 −1 −1 3 2 1 0 0 , e2 = e1 = 1 3 A= Soit E0 la base formée des vecteurs Alors f (e01 , e01 ) = 22 f (e02 , e01 ) = 4 La matrice de f dans la base E0 f (e01 , e02 ) = 4 f (e02 , e02 ) = 3 est : 0 22 4 4 3 1 2 3 1 A = La matrice de passage est P = Alors : t P AP = A0 . Remarque 1.9 Si f est une f.b.s. sur E on a : f (x + y, x + y) = f (x, x) + f (x, y) + f (y, x) + f (y, y) = f (x, x) + 2f (x, y) + f (y, y) 1 et donc : f (x, y) = (f (x + y) − f (x, x) − f (y, y)) 2 3 2 Formes quadratiques Dénition 2.1 On appelle forme quadratique sur E une application q : E → IK telle que 1. ∀x ∈ E, ∀λ ∈ IK, q(λx) = λ2 q(x) 1 2. L'application fq : E × E → IK : (x, y) 7→ (q(x + y) − q(x) − q(y)) est 2 une forme bilinéaire. Remarque 2.2 fq est nécessairement symétrique. Proposition 2.3 Il existe une bijection entre l'ensemble des formes quadratiques et l'ensemble des formes bilinéaires symétriques sur E . Démonstration E . L'application q : E → IK dénie par q(x) = f (x, x) est une forme quadratique et fq = f d'après la remarque 1.9 Si q est une forme quadratique alors fq est une f.b.s. telle que fq (x, x, ) = q(x). Soit f une f.b.s. sur Dénition 2.4 La f.b.s. fq est appelée la forme polaire de q . La matrice de q dans la base E est celle de fq , elle est évidemment symétrique. Dénition 2.5 (Expression analytique) quadratique q . On a : f (x, y) = n X i=1 q(x) = n X X xi yi + Soit (aij ) la matrice de la forme aij (xi yj + xj yi ) 1≤i<j≤n X aii x2i + 2 i=1 aij xi xj (∗) 1≤i<j≤n C'est l'expression analytique de q . L'expression analytique permet une dénition alternative d'une forme quadratique, bien sur équivalente à la première dénition. Dénition 2.6 Soit E un IK-espace vectoriel de dimension n. Une forme quadratique sur E est un polynôme homogène de degré 2 en les coordonnées d'un point de E . q(x) = n X ai x2i + 2 i=1 X bij xi xj 1≤i<j≤n Les n premiers termes sont les "termes carrés" et les autres les "termes rectangulaire". La matrice associée a pour termes diagonaux les a1 · · · an , les autres termes sont les bij . (Règle de "dédoublement des variables") 4 Exemples 1. Soit q(x) = x21 + 3x22 − 2x1 x2 . La matrice associée est : 1 −1 −1 2 La forme polaire associée est : f (x, y) = x1 x2 2. 1 −1 −1 2 q(x) = x21 + 3x22 − 4x23 + 6x1 x2 + 8x1 x3 La matrice associée est : 3 y1 = x1 y1 + 3x2 y2 − x1 y2 − x2 y1 y2 1 3 4 3 3 0 4 0 4 Orthogonalité Dénition 3.1 Deux vecteurs x et y de E sont orthogonaux si f (x, y) = 0. Dénition 3.2 Si A ⊂ E , l'orthogonal de A est le sous-espace A⊥ = {x ∈ E ; ∀a ∈ A f (x, a) = 0} Dénition 3.3 On appelle noyau de f et on note Ker(f ) l'ensemble des vecteurs x ∈ E tels que ∀y ∈ E f (x, y) = 0 Dénition 3.4 Si Ker f 6= {0}, on dit que f est dégénérée. Si Ker f = {0}, f est non dégénérée. Exemples 1. Soit f la f.b.s. de matrice 1 1 1 1 . Quel est son noyau ? Est-elle dégé- nérée ? Ker f = Vect(1, −1). La forme est dégénérée. 2. Mêmes questions pour la forme quadratique La forme est de matrice 1 0 0 −1 q(x) = x21 − x2 . . Son noyau est {0}. Elle est non- dégénérée. Dénition 3.5 Le rang de f est dim E − dim (Ker f ) Proposition 3.6 Le rang de f est le rang de la matrice associée. 5 Démonstration A la matrice de f dans B . linéaire dont la matrice dans B est A. x ∈ Ker f ⇐⇒ ∀y ∈ E f (x, y) = 0 ⇐⇒ ∀Y t XAY = 0 ⇐⇒ t XA = 0 ⇐⇒ t AX = 0 ⇐⇒ AX = 0 ⇐⇒ u(x) = 0 ⇐⇒ x ∈ Ker u rg f = n − dim Ker f = n − dim Ker u = rg A Soit B une base de E. Soit Soit u l'application Exemples On reprend les exemples précédents : 1. Soit f la f.b.s. de matrice La matrice est de rang 1 1 1 1 . 1. 2. Mêmes questions pour la forme quadratique q(x) = x21 − x2 . Elle est de rang 2. Dénition 3.7 Un vecteur x est dit isotrope si f (x, x) = 0. On appelle cône isotrope l'ensemble des vecteurs isotropes. Un sous-espace F de E est dit totalement isotrope ssi F ⊂ F ⊥ . Remarque : Le cône isotrope est un cône au sens géométrique. En eet, ∀λ ∈ IK, ∀x ∈ C(f ) = C(q), λx ∈ C(f ) = C(q) Exemples 1. 1 1 1 1 q(λx) = λ2 q(x) = 0. . Le vecteur 2. car q(x) = x21 (1, −1) est isotrope − x2 . La forme est non-dégénérée mais possède des vecteurs isotropes : (1, −1) par exemple. 4 q(X) = x2 + y 2 + z 2 − c2 t2 où x, y , et z d'espace, t le temps et c la vitesse de la lumière. 3. Forme de Lorentz. Sur IR , sont les coordonnées La forme de Lorentz est non-dégénérée mais elle a des vecteurs isotropes. Le cône isotrope est le "cône de lumière". Exercice Soit f le rang de f, la f.b.s. sur IR 2 dénie par les vecteurs isotropes de f (x, y) = x1 y1 − x2 y2 . Quel est f? Dénition 3.8 Soit q , de forme polaire f une forme quadratique sur E . On dit qu'une base E = {e1 , · · · , en } est une base orthogonale pour f si : f (ei , ej ) = 0 6 si i 6= j Remarque 3.9 Si une forme quadratique n'a que des termes carrés dans son expression analytique dans la base E , alors la matrice associée est diagonale et la base E est orthogonale. 4 Décomposition de Gauss Théorème 4.1 Pour toute forme quadratique q sur E , E de dimension nie, il existe une base orthogonale dénie par la décomposition de Gauss. Démonstration 1. Si q(x) possède un terme carré : q(x) = ax21 + 2x1 u(x2 , · · · xn ) + q1 (x2 , · · · , xn ) 2 1 = a x1 + u(x2 , · · · , xn ) + q2 (x2 , · · · , xn ) a = a(x01 )2 + q2 (x2 , · · · , xn ) où u est une forme linéaire et de dimension 2. Si q(x) q2 une forme quadratique sur un espace n − 1. n'a que des termes rectangulaires, on utilise l'identité remar- quable : 1 1 ab = (a + b)2 − (a − b)2 4 4 Alors q(x) = ax1 x2 + x1 u(x3 , · · · , xn ) + x2 v(x3 , · · · , xn ) + q1 (x3 , · · · , xn ) 1 = (ax1 + u)(ax2 + v) + q2 (x3 , · · · , xn ) a 1 0 2 = (x ) − df rac14a(x02 )2 + q3 (x3 , · · · , xn ) 4a 1 où u et v sont des formes linéaires et sur un espace de dimension q2 et q3 des formes quadratiques n − 2. Par itération, on nit par avoir q(x) = X a0i (x0i )2 La matrice de passage de la base de départ vers la base orthogonale s'obtient en résolvant le système en x0i = xj : X αij xj avec i = 1··· ,n j les colonnes de cette matrice donnent les vecteurs de la base orthogonale. 7 Exemple q(x) = = = = avec x21 + 3x22 − 4x23 + 6x1 x2 + 8x1 x3 (x1 + 3x2 + 4x3 )2 − 6x22 − 20x23 − 24x2 x3 (x1 + 3x2 + 4x3 )2 − 6(x2 + 2x3 )2 + 4x23 x01 2 − 6x02 2 + 4x03 2 x01 = x1 + 3x2 + 4x3 , x02 = x2 + 2x3 , x03 = x3 les coordonnées de x dans la base orthogonale. Relativement à cette base, la matrice de q est : 1 0 0 A0 = 0 −6 0 0 0 4 0 x1 1 3 4 x1 x02 = 0 1 2 x2 x03 0 0 1 x3 1 3 4 Donc Q = 0 1 2 est la matrice 0 0 1 t 0 l'ancienne et on a : Mq = QMq Q de passage de la base orthogonale à En résolvant le système 0 x1 = x1 + 3x2 + 4x1 x0 = x2 + 2x3 20 x3 = x3 x1 = x01 + 2x02 , x2 = x02 − 2x03 et x3 = x03 . D'où : 0 x1 x1 1 −3 2 x2 = 0 1 −2 x02 x03 x3 0 0 1 1 −3 2 P = 0 1 −2 = Q−1 est la matrice de passage de l'ancienne base à 0 0 1 on obtient : la base orthogonale. Dénition 4.2 Si IK = IR, il existe une base orthogonale où la matrice de q est diagonale. Soit s le nombre coecients strictement positifs et soit t le nombre de coecients strictement négatifs. Le couple (s, t) s'appelle la signature de q et r = s + t est le rang de q . Théorème 4.3 (Loi d'inertie de Sylvester) variant de q . 8 La signature (s, t) est un in- Admis Commentaire : La loi d'inertie signie qu'il y a plusieurs bases orthogonales possibles (même une innité...), que les termes de la diagonale sont alors diérents mais le nombre nombre n−s−t Dénition 4.4 s de termes de termes =0 > 0, le nombre t de termes <0 et le sont toujours les mêmes. On retrouve le produit scalaire et l'espace euclidien : 1. Si t = 0, on dit que la forme q est positive. 2. Si s + t = n, on dit que la forme est dénie. 3. Si s = n, on dit que la forme est dénie positive. Dans ce cas, la forme polaire fq est un produit scalaire et l'espace muni de fq est euclidien. 9