Chapitre 4

Formes bilineaires et formes

quadratiques.
Sommaire
1 Formes quadratiques . . . . . . . . . . . . . . . . 86
2 Diagonalisation dune forme quadratique . . . . 87
3 Classication des coniques. . . . . . . . . . . . . . 90
4 Surfaces quadratiques. . . . . . . . . . . . . . . . 94
5 Matrices denies positives. . . . . . . . . . . . . . 97
6 Application `a loptimisation. . . . . . . . . . . . . 102
6.1 Maxima et minima de fonctions de deux variables. 102
6.2 Maxima et minima des fonctions de n variables. . 105
86 Formes bilineaires et formes quadratiques.
1 Formes quadratiques
Dans la suite de cette partie, sauf lorsque indique explicitement, nous ne
considerons que des espaces vectoriels reels.
Denition 1.1. Soient E, G et H trois espaces vectoriels reels. On dit quune
application
b : E G H
est bilineaire si elle est lineaire en chacun de ses arguments, cest-`a-dire :
(i) b(x +y, z) = b(x, z) +b(y, z), , R, x, y E, z H.
(ii) b(x, z +w) = b(x, z) +b(x, w), , R, x E, z, w H.
Ici nous nous limiterons au cas E = G et H = R, ce qui nous am`ene `a la
denition :
Denition 1.2. Une application bilineaire b : E E R est appelee une
forme bilineaire sur E
Exemple 1.1. Par denition, si <, > est un produit scalaire sur E, lappli-
cation b : E E R donnee par b(x, y) =< x, y > est une forme bilineaire.
Exemple 1.2. Si B est une matrice reelle n n, lapplication
b : R
n
R
n
R
denie par b(x, y) = x
t
By(=< By, x >, o` u <, > est le produit scalaire cano-
nique) est une forme bilineaire (exercice).
En fait, toute forme bilineaire peut etre representee sous la forme donnee dans
lexemple 1.2. En eet, soient b : E E R bilineaire et B = {u
1
, . . . , u
n
}
une base de E. Soient x et y E qui dans la base B secrivent x =
n

i=1
x
i
u
i
et y =
n

i=1
y
i
u
i
. On a alors
b(x, y) = b(
n

i=1
x
i
u
i
,
n

j=1
y
j
u
j
) =
n

i=1
n

j=1
x
i
y
j
b(u
i
, u
j
) =
n

i=1
x
i
n

j=1
b(u
i
, u
j
)y
j
= X
t
BY
o` u B est la matrice dont les elements sont les b(u
i
, u
j
), i, j = 1, . . . , n et
X = (x
1
, . . . , x
n
)
t
et Y = (y
1
, . . . , y
n
)
t
. Nous nous limiterons donc dans ce
qui suit aux formes bilineaires sur R
n
cest-`a-dire de la forme b(x, y) = x
t
By
o` u B est une matrice reelle n n.
2 Diagonalisation dune forme quadratique 87
Proposition 1.1. Une forme bilineaire b sur R
n
donnee par b(x, y) = x
t
By
est symetrique (cest-`a-dire b(x, y) = b(y, x), x, y R
n
) si et seulement si
B est une matrice symetrique.
Demonstration. Puisque < y, Bx >=< B
t
y, x > (cf. proposition 5.1) il sen-
suit que :
B est symetrique B = B
t
< By, x >=< y, Bx >=< Bx, y >, x, y R
n
b(x, y) = b(y, x), x, y R
n
cqfd
Denition 1.3. Une forme quadratique sur R
n
est une application q : R
n

R de la forme q(x) = b(x, x) o` u b est une forme bilineaire symetrique sur R

n
.
Ainsi, dapr`es la proposition 1.2 , une forme quadratique est une application
q : R
n
R qui peut secrire sous la forme q(x) =< Bx, x >= x
t
Bx avec B
une matrice symetrique.
Remarque. Une forme quadratique peut etre donnee sous la forme q(x) =
n

j=1

ij
a
ij
x
i
x
j
. Montrons que lon peut toujours lecrire sous la forme q(x) =
x
t
Bx avec B une matrice symetrique.
En eet : Pour j = 1, . . . , n et i < j posons b
ij
=
a
ij
2
= b
ji
et b
ii
= a
ii
. Il en
resulte que q(x) =
n

i=1
n

j=1
b
ij
x
i
x
j
car a
ij
x
i
x
j
= b
ij
x
i
x
j
+b
ji
x
j
x
i
, pour i < j,.
Exemple 1.3. Considerons q : R
3
R donnee par q(x
1
, x
2
, x
3
) = x
2
1
+
2x
1
x
3
2x
2
x
3
+ 2x
2
2
x
2
3
. On peut ecrire q(x
1
, x
2
, x
3
) = x
2
1
+ x
1
x
3
+ 2x
2
2

x
2
x
3
+x
3
x
1
x
3
x
2
x
2
3
, do` u q(x) = x
t
Bx avec
B =
_
_
1 0 1
0 2 1
1 1 1
_
_
.
2 Diagonalisation dune forme quadratique
Soit q une forme quadratique sur R
n
. Dapr`es la remarque precedente, q peut
etre donnee par q(x) =< Bx, x > avec B une matrice symetrique. Or, toute
matrice symetrique peut etre orthogonalement diagonalisee. Il existe donc
une matrice orthogonale Q et une matrice diagonale reelle D (cf. theor`eme
88 Formes bilineaires et formes quadratiques.
15.12) telles que B = QDQ
t
, ainsi q(x) =< Bx, x >= x
t
Bx = x
t
QDQ
t
x =
(Q
t
x)
t
D(Q
t
x) = X
t
DX, o` u X = (X
1
, . . . , X
n
)
t
= Q
t
x = Q
1
x (car Q
t
=
Q
1
, puisque Q est orthogonale). On obtient donc q(x) = X
t
DX =
n

i=1

i
X
2
i
,
o` u les
i
sont les valeurs propres (qui sont toutes reelles car B est symetrique).
Ainsi, nous avons obtenu :
Theor`eme 2.1. (Theor`eme des axes principaux) Soit q la forme quadratique
sur R
n
donnee par q(x) = x
t
Bx o` u B est une matrice symetrique. Alors il
existe une matrice orthogonale Q telle que, avec le changement de variables
X = Q
1
x, la forme quadratique devient
q(X) = q(QX) =
n

i=1

i
X
2
i
o` u {
1
, . . . ,
n
} sont les valeurs propres de B.
Exemple 2.1. Considerons la forme quadratique denie par q(x
1
, x
2
) =
3x
2
1
+ 10x
1
x
2
+ 3x
2
2
qui secrit comme q(x
1
, x
2
) = x
t
Bx o` u x = (x
1
, x
2
)
t
et B
est la matrice symetrique
B =
_
3 5
5 3
_
.
Les valeurs propres de B sont
1
= 2 et
2
= 8 avec v
1
= (1, 1)
t
et
v
2
= (1, 1)
t
comme vecteurs propres associes qui sont, conformement `a la
theorie, orthogonaux. On obtient donc les colonnes de la matrice Q en or-
thonormalisant (ici il sut de normaliser) {v
1
, v
2
} do` u
Q =
_
1

2
1

2
1

2
1

2
_
.
Posons X = (X
1
, X
2
)
t
= x
t
Q
t
x. Ainsi, en termes de X la forme quadratique
devient q(X
1
, X
2
) = 2X
2
1
+ 8X
2
2
ce qui sobtient en faisant la substitution
_
x
1
x
2
_
= QX =
_
1

2
1

2
1

2
1

2
_
_
X
1
X
2
_
=
_
1

2
X
1

1

2
X
2
1

2
X
1
+
1

2
X
2
_
dans q(x
1
, x
2
) = 3x
2
1
+ 10x
1
x
2
+ 3x
2
2
.
Exemple 2.2. Diagonalisons la forme quadratique sur R
3
denie par q(x, y, z) =
2xy +2xz. On commence par determiner la matrice symetrique B qui donne
2 Diagonalisation dune forme quadratique 89
la forme quadratique. Il est facile de voir que
q(x, y, z) =
_
x y z
_
_
_
0 1 1
1 0 0
1 0 0
_
_
_
_
x
y
z
_
_
.
Les valeurs propres de la matrice B ci-dessus sont
1
= 0,
2
=

2 et
3
=

2 et les vecteurs propres associes sont v

1
= (0, 1, 1)
t
, v
2
= (

2, 1, 1)
t
et v
3
= (

2, 1, 1)
t
qui sont orthogonaux entre eux car la matrice B est
symetrique et ses valeurs propres sont distinctes deux `a deux. Il sut donc
de les normaliser pour obtenir les colonnes de la matrice Q orthogonale dia-
gonalisant B. On obtient
Q =
_
_
_
0
1

2
1

2
1

2
1
2
1
2
1

2
1
2
1
2
_
_
_
.
Avec le changement de variables (X, Y, Z)
t
= Q
1
(x, y, z)
t
= Q
t
(x, y, z)
t
,
cest-`a-dire en faisant la substitution
_
_
x
y
z
_
_
= Q
_
_
X
Y
Z
_
_
=
_
_
_
0
1

2
1

2
1

2
1
2
1
2
1

2
1
2
1
2
_
_
_
_
_
X
Y
Z
_
_
=
_
_
_
1

2
(Y Z)
1

2
X +
1
2
Y +
1
2
Z
1

2
X +
1
2
Y +
1
2
Z
_
_
_
dans q(x, y, z) = 2xy + 2xz on obtient q(X, Y, Z) =

2Y
2

2Z
2
.
Theor`eme 2.2. (Theor`eme dinertie de Sylvester) Soit q une forme quadra-
tique sur R
n
. Il existe une base {e

1
, . . . , e

n
} telle que si x = x
1
e

1
+ +x
n
e

n
on a
q(x) = x
2
1
+ +x
2
p
x
2
p+1
x
2
r
avec r n.(Le couple (p, rp) est appele la signature de la forme quadratique
q).
Demonstration. Soient
1
, . . . ,
n
les valeurs propres de la matrice symetrique
denissant q. Supposons que
1
, . . . ,
p
sont celles qui sont > 0 et que

p+1
, . . . ,
r
sont celles qui sont < 0, les autres
r+1
, . . . ,
n
etant nulles.
Dapr`es le theor`eme 2.1, il existe une base orthonormale {E
1
, . . . , E
n
} telle
que si x = X
1
E
1
+ + X
n
E
n
on a q(x) =
r

i=1

i
X
2
i
. Pour i = 1, . . . , p
posons e
i

i
E
i
, pour i = p + 1, . . . , r posons e
i

i
E
i
et posons
90 Formes bilineaires et formes quadratiques.
e
i

= E
i
si r + 1 i n. Alors {e
1

, . . . , e
n

} est une base orthogonale et si

x = x
1
e
1

+ +x
n
e
n

, on a
x =
x
1

1
E
1
+ +
x
p
_

p
E
p
+
x
p+1
_

p+1
E
p+1
+ +
x
r

r
E
r
do` u q(x) =
r

i=1

i
X
2
i
= x
2
1
+ + x
2
p
x
2
p+1
x
2
r
, car X
i
=
x
i

i
si
1 i p et X
i
=
x
i

i
si p + 1 i r.
cqfd
3 Classication des coniques.
Une conique est une courbe du plan donnee par une equation quadratique
(C) ax
2
+bxy +cy
2
+dx +ey +f = 0.
La forme quadratique associee `a cette equation est
q(x, y) = ax
2
+bxy +cy
2
=
_
x y
_
_
a b/2
b/2 c
__
x
y
_
.
Designons par A la matrice symetrique ci-dessus, posons K = (d e) et
X = (x, y)
t
. Lequation peut alors secrire
X
t
AX +KX +f = 0, i.e.
_
x y
_
_
a b/2
b/2 c
__
x
y
_
+
_
d e
_
_
x
y
_
+f = 0.
Nous verrons comment obtenir un changement de variables de telle sorte que
lequation quadratique secrive sous une des formes standard :
x
2
a
2
+
y
2
b
2
= 1 (ellipse ou cercle)
x
2
a
2

y
2
b
2
= 1 (hyperbole)
x
2
= ay ou y
2
= ax (parabole)
Premier cas : le terme en xy est absent.
Dans ce cas lequation (C) est de la forme
ax
2
+cy
2
+dx +ey +f = 0
et on peut lecrire sous forme standard en completant les carres. Voyons un
exemple.
3 Classication des coniques. 91
Exemple 3.1. Considerons lequation
9x
2
18x + 4y
2
+ 16y 11 = 0.
On obtient, en completant les carres :
9(x
2
2x + 1) + 4(y
2
+ 4y + 4) 11 9 16 = 0
9(x 1)
2
+ 4(y + 2)
2
= 36
(x 1)
2
4
+
(y + 2)
2
9
= 1
donc une ellipse centree au point (1, 2) de demi-axe horizontale de longueur
2 et de demi-axe vertical de longueur 3.
Deuxi`eme cas : le terme en xy est present.
Dans ce cas la matrice A de la forme quadratique associee nest pas diagonale.
Dapr`es le theor`eme 18.2 il existe une matrice orthogonale Q telle que avec
le changement de variables
_
X
Y
_
= Q
1
_
x
y
_
.
lequation (C) va secrire

1
X
2
+
2
Y
2
+
_
d e
_
Q
_
X
Y
_
+f = 0
i.e une equation de la forme

1
X
2
+
2
Y
2
+gX +hY +f = 0
o` u
1
et
2
sont les valeurs propres de la matrice A. On proc`ede alors comme
dans le premier cas pour obtenir lequation sous forme standard. Avant de
donner quelques exemples, nous deduisons de ce qui prec`ede le resultat sui-
vant.
Theor`eme 3.1. Lequation quadratique (C) est lequation dune ellipse (ou
un cercle) si
1

2
> 0, ,dune hyperbole si
1

2
< 0, dune parabole si
1

2
=
0 mais une valeur propre nest pas nulle ou dune droite si les deux valeurs
propres sont nulles.
92 Formes bilineaires et formes quadratiques.
Remarque. La matrice orthogonale Qdiagonalisant la matrice A de la forme
quadratique q(x, y) = ax
2
+bxy +cy
2
peut etre choisie telle que det(Q) = 1,
cest-`a-dire une matrice de rotation. En eet, si det(Q) = 1, il sut de mul-
tiplier une de ses colonnes par (1), ce qui donnera une matrice orthogonale
de determinant egal `a 1.
Exemple 3.2. Considerons lequation quadratique
3x
2
+ 2xy + 3y
2
8 = 0.
La forme quadratique associee est
3x
2
+ 2xy + 3y
2
=
_
x y
_
_
3 1
1 3
__
x
y
_
.
Les valeurs propres de la matrice A ci-dessus sont
1
= 2 et
2
= 4. Ainsi, il
sagit dune ellipse. Les vecteurs v
1
= (
1

2
,
1

2
)
t
et v
2
= (
1

2
,
1

2
)
t
forment
une base orthonormale de vecteurs propres associes `a
1
et
2
. La matrice Q
dont les colonnes sont v
1
et v
2
est la matrice orthogonale diagonalisant A et
on a det(Q) = 1, cest donc une matrice de rotation. En fait
Q =
_
1

2
1

2
1

2
1

2
_
=
_
cos(

4
) sin(

4
)
sin(

4
) cos(

4
)
_
=
_
cos(

4
) sin(

4
)
sin(

4
) cos(

4
)
_
est une rotation dangle /4, en dautres mots, une rotation de /4 dans
le sens horaire (sens negatif). Avec le changement de variables
_
X
Y
_
= Q
1
_
x
y
_
=
_
1

2
(x y)
1

2
(x +y)
_
lequation devient 2X
2
+ 4Y
2
8 = 0, ce qui secrit aussi
X
2
4
+
Y
2
2
= 1 ce
qui est bien une ellipse.
Y
X
Y
X
y
x
3 Classication des coniques. 93
Dans le syst`eme de coordonnees X Y Dans le syst`eme de coordonnees x y
Ainsi lellipse dans le syst`eme de coordonnees xy sobtient en faisant subir
une rotation de /4 `a lellipse dans le syst`eme de coordonnees X Y .
Exemple 3.3. Dans lexemple precedent, il ny avait pas de termes lineaires.
Voyons maintenant un exemple o` u il y a de tels termes. Considerons lequation
2xy + 2

2x 1 = 0.
La forme quadratique associee est 2xy =
_
x y
_
_
0 1
1 0
__
x
y
_
. Les va-
leurs propres de la matrice A donnant la forme quadratique sont
1
= 1
et
2
= 1. En particulier, on en deduit que la courbe est une hyperbole.
Les vecteurs v
1
= (
1

2
,
1

2
)
t
et v
2
= (
1

2
,
1

2
)
t
forment une base orthonor-
male de vecteurs propres associes `a
1
et
2
. La matrice Q dont les colonnes
sont v
1
et v
2
est la matrice orthogonale diagonalisant A et on a det(Q) = 1,
cest donc une matrice de rotation, en fait la rotation dangle /4. Avec le
changement de variables
_
X
Y
_
= Q
1
_
x
y
_
=
_
1

2
(x +y)
1

2
(x +y)
_
lequation devient X
2
Y
2
+2

2(
X

2
) = 1, ce qui secrit aussi X
2
+2X
Y
2
2Y = 1. On compl`ete les carres :(X
2
+2X+1)(Y
2
+2Y +1)1+1 = 1,
do` u (X + 1)
2
(Y + 1)
2
= 1 ce qui est, dans le syst`eme de coordonnees
X Y , lequation dune hyperbole centree en (1, 1). Dans le syst`eme
de coordonnees x y le centre de lhyperbole est donc (0,

2) car x =
1

2
(X Y ) et y =
1

2
(X + Y ). Posons u = X + 1 et v = Y + 1. Dans
le syst`eme de coordonnees u v on obtient lequation sous forme standard
u
2
v
2
= 1.
94 Formes bilineaires et formes quadratiques.
u
v
u v
Y X y
x
Dans le syst`eme de coordonnees u v Dans le syst`eme de coordonnees x y
Ainsi, pour obtenir lhyperbole en position standard ( dans la syst`eme de
coordonnees uv) on lui fait subir (`a partir de sa position dans le syst`eme x
y) une rotation de /4 suivie dune translation de (0,

2). Reciproquement,
lhyperbole dans le syst`eme x y sobtient de lhyperbole dans le syst`eme
uv en lui faisant subir une rotation de /4 puis une translation de (0,

2).
4 Surfaces quadratiques.
Une surface quadratique est une surface donnee par une equation quadratique
ax
2
+by
2
+cz
2
+dxy +exz +fyz +gx +hy +iz +j = 0.
La forme quadratique associee est
q(x, y, z) = ax
2
+by
2
+cz
2
+dxy +exz +fyz, ce qui secrit
q(x, y, z) =
_
x y z
_
_
_
a
d
2
e
2
d
2
b
f
2
e
2
f
2
c
_
_
_
_
x
y
z
_
_
.
Les valeurs propres
1
,
2
et
3
de la matrice symetrique donnant la forme
quadratique sont reelles. On a
4 Surfaces quadratiques. 95

1
,
2
,
3
Surface quadratique
Toutes de meme signe Ellipsode
Deux de meme signe, Cone elliptique ou
une de signe oppose hyperbolode `a une ou deux nappes
Deux de meme signe et Parabolode elliptique ou
une nulle cylindre elliptique
Deux de signes opposes et Parabolode hyperbolique ou
une nulle cylindre hyperbolique
Deux nulles et Cylindre parabolique ou
une non nulle deux plans parall`eles
Surfaces quadratiques.
Soit Q la matrice orthogonale diagonalisant la matrice de la forme quadra-
tique. Comme dans le cas des coniques, quitte `a multiplier une colonne par
(1), on peut supposer que det(Q) = 1, cest-`a-dire une matrice de rotation
autour dun axe. Avec le changement de variables (X, Y, Z)
t
= Q
1
(x, y, z)
t
,
la forme quadratique devient
q(X, Y, Z) =
1
X
2
+
2
Y
2
+
3
Z
2
et lequation quadratique secrit sous la forme

1
X
2
+
2
Y
2
+
3
Z
2
+pX +qY +rZ +j = 0.
On peut alors completer les carres pour obtenir lequation sous forme stan-
dard.
Exemple 4.1. Considerons lequation
2xy + 2xz y = 1.
La forme quadratique associee est
q(x, y, z) = 2xy + 2xz =
_
x y z
_
_
_
0 1 1
1 0 0
1 0 0
_
_
_
_
x
y
z
_
_
.
Les valeurs propres de la matrice de la forme quadratique sont
1
=

2,
2
=

2 et
3
= 0. Ainsi, on aura un parabolode hyperbolique ou un cylindre
hyperbolique. Les vecteurs propres v
1
= (

2
2
,
1
2
,
1
2
)
t
, v
2
= (

2
2
,
1
2
,
1
2
)
t
et
v
1
= (0,
1

2
,
1

2
)
t
forment une base orthonormale et la matrice Q, dont les
96 Formes bilineaires et formes quadratiques.
colonnes sont ces vecteurs propres, est une matrice orthogonale diagonalisant
la matrice de la forme quadratique. Ainsi, avec le changement de variables
(X, Y, Z)
t
= Q
1
(x, y, z)
t
i.e.
X =

2
2
x +
y
2
+
z
2
Y =

2
2
x +
y
2
+
z
2
Z =
1

2
(y z),
lequation devient

2X
2

2Y
2

X
2

Y
2
+

2
2
Z = 1, ou encore
X
2
Y
2

2
4
X

2
4
Y +
Z
2
=

2
2
et en completant les carres on obtient
(X

2
8
)
2
(Y +

2
8
)
2
=
1
2
(Z

2).
Posons u = X

2
8
, v = Y +

2
8
et w = Z

2, lequation secrit alors

w = 2v
2
2u
2
qui est, dans le syst`eme de coordonnees u v w, lequation sous forme
standard dun parabolode hyperbolique. La gure ci-dessous represente la
surface dans le syst`eme x, y, z.
5 Matrices denies positives. 97
2
1
0
1
2
x
3
2
1
0
1
y
0
0.5
1
1.5
2
5 Matrices denies positives.
Considerons un produit scalaire <, > sur R
n
. Alors il est clair que lapplica-
tion b denie par b(x, y) =< x, y > est bilineaire et symetrique. En outre,
dapr`es la denition dun produit scalaire, on a b(x, x) 0, x R
n
et
b(x, x) = 0 x = 0. On dit alors que b est une forme bilineaire denie
positive.
Soit b une forme bilineaire symetrique sur R
n
. On a vu (Proposition 17.4)
que la forme bilineaire peut secrire b(x, y) = x
t
By avec B est une matrice
symetrique. La forme bilineaire b sera un produit scalaire si elle est denie
positive, cest-`a-dire b(x, x) = x
t
Bx 0, x R
n
et b(x, x) = x
t
Bx = 0
x = 0 ( ce qui est equivalent `a b(x, x) = x
t
Bx > 0, x = 0, x R
n
), do` u la
denition suivante.
98 Formes bilineaires et formes quadratiques.
Denition 5.1. Une matrice carree reelle B est dite denie positive si elle
est symetrique et x
t
Bx > 0, x = 0.
On peut aussi denir les notions de matrices denies negatives, semi-denies
positives (ou negatives) et indenies.
Denition 5.2. Soit B une matrice reelle symetrique n n. On dit quelle
est :
(i) denie negative si x
t
Bx < 0, x = 0.(Il est clair que B est denie
negative si et seulement si B est denie positive.)
(ii) semi-denie positive (resp. semi-denie negative) si x
t
Bx 0, x
R
n
(resp. x
t
Bx 0, x R
n
).
(iii) indenie si x
t
Bx prend des valeurs positives et des valeurs negatives.
Ainsi, on a immediatement
Proposition 5.1. Soit B une matrice denie positive n n. Alors <, >
deni par < x, y >= y
t
Bx est un produit scalaire sur R
n
.
La reciproque est vraie :
Denition 5.3. Soit <, > un produit scalaire sur R
n
. Alors, il existe une
matrice B denie positive n n telle que < x, y >= y
t
Bx, x, y R
n
.
Demonstration. Soit {e
1
, . . . , e
n
} la base canonique. Soient x = x
1
e
1
+ +
x
n
e
n
et y = y
1
e
1
+ +y
n
e
n
. On a
< x, y >=
n

i=1
n

j=1
x
i
y
j
< e
i
, e
j
>=
n

j=1
n

i=1
x
i
y
j
< e
j
, e
i
>= y
t
Bx
o` u B est la matrice des b
ij
=< e
i
, e
j
>. Il est clair que B est symetrique.
Puisque <, > est un produit scalaire < x, x >= x
t
Bx > 0, x = 0 et donc B
est denie positive.
cqfd
Une premi`ere caracterisation des matrices denies postives est le :
Theor`eme 5.2. Soit A une matrice symetrique n n. Alors A est denie
positive si et seulement si toutes ses valeurs propres sont strictement posi-
tives.
5 Matrices denies positives. 99
Demonstration. (a) Supposons A denie positive. Soit une valeur propre
de A. Pour tout vecteur propre v associe `a , on a v
t
Av = v
t
v = v
2
.
Ayant A denie positive, v
t
Av > 0, do` u =
v
t
Av
v
2
> 0.
(b) Supposons que les valeurs propres de A,
1
, . . . ,
n
sont toutes stricte-
ment positives. Puisque A est symetrique, il existe une base orthonormale de
vecteurs propres {v
1
, . . . , v
n
} associes aux valeurs propres
1
, . . . ,
n
. Soit x
un vecteur non nul de R
n
. On a x = a
1
v
1
+ + a
n
v
n
avec a
i
=< x, v
i
>,
i = 1, . . . , n et x
2
=
n

i=1
a
2
i
, puisque lon a une base orthonormale. Il sen-
suit que
x
t
Ax = (a
1
v
1
+ +a
n
v
n
)
t
A(a
1
v
1
+ +a
n
v
n
)
= (a
1
v
1
+ +a
n
v
n
)
t
(a
1

1
v
1
+ +a
n

n
v
n
)
=
1
a
2
1
+ +
n
a
2
n
(min(
i
))(a
2
1
+ +a
2
n
) = (min(
i
))x
2
> 0
car les valeurs propres sont strictement positives et donc A est denie posi-
tive.
cqfd
Remarque. On montre (exercice)
(i) Si toutes les valeurs propres sont < 0, alors A est denie negative.
(ii) Si toutes les valeurs propres sont 0, alors A est semi-denie positive.
(iii) Sil y a des valeurs propres positives et des valeurs propres negatives, la
matrice est indenie.
Les valeurs propres dune matrice denie positive etant toutes > 0 et le
determinant etant egal au produit des valeurs propres, on deduit :
Corollaire 5.1. Le determinant dune matrice denie positive est > 0.
Les principales proprietes des matrices denies positives sont donnees dans
les resultats suivants.
Proposition 5.3. Soit B une matrice m n avec m n de rang n (i.e.
les colonnes de B sont lineairement independantes). Alors B
t
B est denie
positive.
Toute matrice denie positive A peut secrire sous la forme A = B
t
B
avec B une matrice inversible.
100 Formes bilineaires et formes quadratiques.
Demonstration. Il est clair que B
t
B est symetrique. Soit x R
n
, on a
x
t
B
t
Bx =< Bx, Bx > 0 et < Bx, Bx >= 0 Bx = 0. Mais B etant
de rang maximal, Bx = 0 entrane que x = 0. Ainsi, nous avons x
t
B
t
Bx > 0
pour x = 0 et donc B
t
B est denie positive.
Puisque A est symetrique (car denie positive), il existe une matrice orthogo-
nale Q et une matrice diagonale D telles A = QDQ
t
. Les elements diagonaux
de D sont tous positifs car ce sont les valeurs propres de A qui est denie
positive. Posons

D la matrice diagonale dont les elements sont les racines

carrees des elements de D. Alors A = (Q

D)(

DQ
t
= B
t
B o` u B =

D
t
Q
t
.
Il est, en outre, clair que B est inversible car Q et

D le sont.
cqfd
Soit A une matrice n n. Les sous-matrices principales de A sont les sous-
matrices A
k
, k = 1, . . . , n, obtenues en enlevant les n k derni`eres lignes et
colonnes de A.
Exemple 5.1. Considerons la matrice A =
_
_
4 2 2
2 10 2
2 2 5
_
_
. Les sous-
matrices principales sont :
(4),
_
4 2
2 10
_
et A.
Proposition 5.4. Les sous-matrices principales dune matrice denie posi-
tive sont denies positives.
Demonstration. Soit A une matrice n n denie positive et soit 1 k
n. Montrons que A
k
est denie positive. Il est dabord clair que A
k
est
symetrique car A lest. Soit x = (x
1
, . . . , x
k
) R
k
non nul. Posons X =
(x
1
, . . . , x
k
, 0, . . . , 0) R
n
. Alors X = 0 et ayant A denie positive X
t
AX >
0. Mais x
t
A
k
x = X
t
AX, par consequent, x
t
A
k
x > 0, do` u A
k
est denie
positive.
cqfd
Le resultat suivant donne un crit`ere pour verier si une matrice est denie
positive. La demonstration utilise le
5 Matrices denies positives. 101
Lemme 5.5. Soit une matrice carree B dont les determinants des sous-
matrices principales sont tous > 0. Alors on peut factoriser B sous la forme
B = LU o` u L est une matrice triangulaire inferieure dont les elements dia-
gonaux sont tous egaux `a 1 et U est triangulaire superieure avec des elements
diagonaux > 0.
En dautres mots, la reduction de Gauss de B `a une matrice triangulaire
superieure U peut se faire sans changement de lignes et les elements diago-
naux de U sont > 0.
Theor`eme 5.6. Une matrice symetrique A est denie positive si et seule-
ment si det(A
k
) > 0 pour toutes les sous-matrices principales de A.
Demonstration. (a) Si A est denie positive, il decoule immediatement du
corollaire 5.1 et de la proposition 5.4 que det(A
k
) > 0 pour toute sous-matrice
principale de A.
(b) Supposons que det(A
k
) > 0 pour toute sous-matrice principale de A.
Dapr`es le lemme 21.11, on a A = LU avec les proprietes decrites dans
lenonce du lemme. Posons D la matrice diagonale donnee par la diagonale
de U et posons U
1
la matrice obtenue en divisant chaque ligne de U par
lelement sur la diagonale, cest-`a-dire U = DU
1
et les elements diagonaux de
U
1
sont tous egaux `a 1. Nous avons A = LDU
1
avec L triangulaire inferieure,
U
1
triangulaire superieure et les elements diagonaux de L et U
1
sont tous
egaux `a 1. On montre (exercice) que ce type de factorisation est unique.
Puisque A est symetrique A = A
t
= U
t
1
DL
t
, do` u LDU
1
= U
t
1
DL
t
. Ayant U
t
1
triangulaire inferieure, L
t
triangulaire superieure et les elements diagonaux
de ces matrices etant 1, on deduit de lunicite de ce type de factorisation que
L = U
t
1
. Il en resulte que lon peut factoriser A sous la forme A = LDL
t
avec L triangulaire inferieure dont tous les elements diagonaux sont egaux `a
1 et D une matrice diagonale dont les elements diagonaux sont tous > 0. En
posant L
1
= L

D, on obtient A = L
1
L
t
1
et il resulte de la proposition 21.8
que A est denie positive.
cqfd
La factorisation A = L
1
L
t
1
o` u L
1
est triangulaire inferieure avec des elements
diagonaux > 0 est appelee factorisation de Cholesky. Comme on vient de le
voir, une telle factorisation existe si et seulement si A est denie positive.
En outre, elle est unique. Pour la resolution numerique de syst`emes lineaires
dont la matrice est denie positive, il existe des algorithmes ecaces bases
sur la factorisation de Cholesky.
102 Formes bilineaires et formes quadratiques.
Exemple 5.2. Considerons la matrice A de lexemple ... Elle est denie
positive car elle est symetrique et ses determinants principaux sont 4, 36
et 108. Calculons sa factorisation de Cholesky. La methode de reduction de
Gauss conduit `a la factorisation LU :
A =
_
_
4 2 2
2 10 2
2 2 5
_
_
=
_
_
1 0 0
1
2
1 0

1
2
1
3
1
_
_
_
_
4 2 2
0 9 3
0 0 3
_
_
= LU
do` u la factorisation LDU
1
= LDL
t
comme dans la demonstration du theor`eme
21.12 :
A =
_
_
4 2 2
2 10 2
2 2 5
_
_
=
_
_
1 0 0
1
2
1 0

1
2
1
3
1
_
_
_
_
4 0 0
0 9 0
0 0 3
_
_
_
_
1
1
2

1
2
0 1
1
3
0 0 1
_
_
= LDU
1
= LDL
t
.
Prenant ensuite L
1
= L

D, nous obtenons :
A =
_
_
2 0 0
1 3 0
1 1

3
_
_
_
_
2 1 1
0 3 1
0 0

3
_
_
= L
1
L
t
1
.
6 Application `a loptimisation.
Nous appliquerons les resultats de la section precedente au probl`eme de maxi-
misation ou minimisation des fonctions de plusieurs variables. Commen cons
par les fonctions de deux variables.
6.1 Maxima et minima de fonctions de deux variables.
Considerons une fonction de deux variables denie par f(x, y). Nous suppo-
serons que f est de classe C
3
(i.e. f et ses derivees partielles dordre 3 sont
continues).
Denition 6.1. On dit que (x
0
, y
0
) est un point critique de f si f
x
(x
0
, y
0
) = 0
et f
y
(x
0
, y
0
) = 0 o` u f
x
et f
y
denotent les derivees partielles de f par rapport
`a x et y respectivement.
Soit P
0
= (x
0
, y
0
) un point critique de f. En utilisant le Theor`eme de Taylor
on obtient :
f(x
0
+h, y
0
+k) = f(P
0
)+hf
x
(P
0
)+kf
y
(P
0
)+
1
2
_
h
2
f
xx
(P
0
) + 2hkf
xy
(P
0
) +k
2
f
yy
(P
0
)

+R
6 Application `a loptimisation. 103
o` u R =
1
6
[h
3
f
xxx
(Q) + 3h
2
kf
xxy
(P) + 3hk
2
f
xyy
(Q) +k
3
f
yyy
(Q)] avec Q =
(x
0
+h, y
0
+k) (0 < < 1). Mais f
x
(P
0
) = 0 et f
y
(P
0
) = 0 car P
0
= (x
0
, y
0
)
est un point critique. Il en resulte que
f(x
0
+h, y
0
+k) = f(P
0
) +
1
2
_
ah
2
+ 2bhk +ck
2

+R
o` u on a pose a = f
xx
(P
0
), b = f
xy
(P
0
) et c = f
yy
(P
0
). Si h et k sont suf-
samment petits, on montre alors que |R| < |
1
2
[ah
2
+ 2bhk +ck
2
] |. Par
consequent, f(x
0
+h, y
0
+k) f(x
0
, y
0
) a le meme signe que ah
2
+2bhk +ck
2
pour h et k petits, ce qui entrane que (x
0
, y
0
) est minimum local si ah
2
+
2bhk+ck
2
0 pour tout (h, k), est un maximum local si ah
2
+2bhk+ck
2
0
pour tout (h, k) ou est un point selle si ah
2
+ 2bhk + ck
2
prend des valeurs
positives et des valeurs negatives. En dautres mots, on a minimum local si
la forme quadratique q(h, k) = ah
2
+2bhk +ck
2
est denie positive,un maxi-
mum local si elle est denie negative ou un point selle si elle est indenie. La
forme quadratique secrit
q(h, k) =
_
h k
_
_
f
xx
(P
0
) f
xy
(P
0
)
f
xy
(P
0
) f
yy
(P
0
)
__
h
k
_
.
La matrice precedente H(P
0
) denissant la forme quadratique est appelee la
matrice hessienne de f en P
0
. Soient
1
et
2
les valeurs propres de H(P
0
).
On deduit du theor`eme 5.6 :
104 Formes bilineaires et formes quadratiques.
(i) (x
0
, y
0
) est un minimum local si
1
> 0 et
2
> 0.
(ii) (x
0
, y
0
) est un maximum local si
1
< 0 et
2
< 0.
(iii) (x
0
, y
0
) est un point selle si
1

2
< 0.
Comme on la vu au theor`eme 21.12, la matrice hessienne H(P
0
) est denie
positive si ses determinants principaux f
xx
(P
0
) et = det(H(P
0
) = f
xx
(P
0
)f
yy
(P
0
)
(f
xy
(P
0
))
2
sont > 0. La matrice hessienne est denie negative si H(P
0
) est
denie positive, ce qui sera le cas si ses determinants principaux f
xx
(P
0
) et
det(H(P
0
)) = det(H(P
0
)) = sont > 0, cest-`a-dire f
xx
(P
0
) < 0 et > 0.
Il resulte de ce qui prec`ede que H(P
0
) est indenie si < 0. Ainsi, on obtient :
(i) Si > 0 et f
xx
(P
0
) > 0, alors P
0
= (x
0
, y
0
) est un minimum local.
(ii) Si > 0 et f
xx
(P
0
) < 0, alors P
0
= (x
0
, y
0
) est un maximum local.
(iii) Si < 0, alors P
0
= (x
0
, y
0
) est un point selle.
Remarque. Si = 0, on peut rien conclure quant `a la nature du point
critique.
Exemple 6.1. Considerons la fonction donnee par f(x, y) =
1
3
x
3
+ xy
2

4xy + 1. Determinons dabord les points critiques. Ce sont les solutions des
deux equations f
x
(x, y) = 0 et f
y
(x, y) = 0. On a f
x
(x, y) = x
2
+ y
2
4y
et f
y
(x, y) = 2xy 4x = x(2y 4). On obtient les quatre points critiques :
P
1
= (0, 0), P
2
= (0, 4), P
3
= (2, 2) et P
4
= (2, 2). La matrice hessienne de
f est
H(x, y) =
_
2x 2y 4
2y 4 2x
_
.
En evaluant la matrice hessienne aux points P
1
, . . . , P
4
on a
H(0, 0) =
_
0 4
4 0
_
, H(0, 4) =
_
0 4
4 0
_
,
H(2, 2) =
_
4 0
0 4
_
et H(2, 2) =
_
4 0
0 4
_
.
Les valeurs propres de ces matrices sont :
pour H(0, 0) : 4 et -4 ;
pour H(0, 4) : 4 et -4 ;
pour H(2, 2) : 4 et 4 ;
pour H(2, 2) : -4 et -4.
Par consequent, P
1
et P
2
sont des points selles, P
3
est minimum local et P
4
est un maximum local.
6 Application `a loptimisation. 105
6.2 Maxima et minima des fonctions de n variables.
Considerons une fonctions de n variables denie par F(x) = F(x
1
, . . . , x
n
).
Un point P = (a
1
, . . . , a
n
) est un point critique si F
x
i
(P) = 0 pour i =
1, . . . , n, o` u F
x
i
designe la derivee partielle par rapport `a x
i
. Utilisant, comme
pour les fonctions de deux variables, le theor`eme de Taylor on montre quun
point critique P est un minimum local si la matrice hessienne H(P) est
denie positive, est un maximum local si H(P) est denie negative ou est
un point selle si H(P) est indenie. Ici, la matrice hessienne est la matrice
symetrique nn denie par H(P) = (F
x
i
x
j
(P)), i = 1, . . . , n et j = 1, . . . , n.
Exemple 6.2. On consid`ere la fonction denie par F(x, y, z) = x
2
+ xz
3 cos(y) + z
2
. Determinons les points critiques. Les derivees partielles sont
F
x
(x, y, z) = 2x + z, F
y
(x, y, z) = 3 sin(y) et F
z
(x, y, z) = x + 2z. Ainsi, les
points critiques sont les solutions de
2x +z = 0
3 sin(y) = 0
x + 2z = 0.
Il en resulte que les points critiques sont les points P
k
= (0, k, 0), k Z. La
matrice hessienne au point P
k
est
H(P
k
) =
_
_
2 0 1
0 (3)
k
0
1 0 2
_
_
.
Si k est pair, les valeurs propres de H(P
k
) sont 3, 3 et 1, alors que si k est
impair, les valeurs propres sont 3, -3 et 1. Ainsi, H(P
k
) est denie positive si
k est pair et est indenie si k est impair. Il sensuit que P
k
est un minimum
local si k pair et que cest un point selle si k est impair.