You are on page 1of 69

M205 : ALGÈBRE BILINÉAIRE

Notes de cours de Clément BOULONNE <clembou@gmail.com>

Université des Sciences et Technologies de Lille U.F.R. de Mathématiques Pures et Appliquées

L2 Mathématiques

ii

Table des matières

Chapitre I

 

1

I.1

Rappels Théorème de la base incomplète

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

1

I.2

Sous-espace vectoriel engendrée par une partie

.

.

.

.

.

.

.

.

.

.

.

.

.

.

1

I.3

Quotient d’espaces vectoriels

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

2

Chapitre II

Dualité

 

5

II.1

Ensemble des applications linéaires

 

5

II.2

II.3

. Transposée d’une applicaion linéaire

Espace dual

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

5

6

II.4

Base duale

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

8

II.5

II.6

. Relations d’orthogonalité

Bidual

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

9

10

Chapitre III Formes bilinéaires

III.1

III.2

. Écriture matricielle

Définitions

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

15

15

17

III.3

. Formes bilinéaires non dégénérées

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

19

III.4

Formes bilinéaires symétriques

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

19

III.5

Formes quadratiques

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

21

III.6

Produit scalaire

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

22

Chapitre IV Espaces euclidiens

IV.1

Généralités

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

25

25

IV.2

. Adjoint d’un endomorphisme

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

27

IV.3

Automorphismes orthogonaux

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

30

IV.4

Décomposition canonique d’une forme quadratique

 

31

IV.5

Classification des isométries

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

36

Chapitre V

Formes hermitiennes

 

41

V.1

Formes et espaces hermetiens

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

41

V.2

Automorphismes unitaires

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

51

iii

iv

TABLE DES MATIÈRES

Chapitre VI Complexification d’un espace euclidien

 

53

VI.1

Complexifié d’un espace vectoriel réel

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

53

VI.2

Complefixiée d’une forme bilinéaire symétrique

 

57

VI.3

VI.4

. Orientation d’un espace vectoriel réel et angle de rotation

Complexifié d’un espace euclidien

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

57

60

CHAPITRE I

RAPPELS

La première étape de ce cours sera de démontrer le théorème suivant :

Théorème I.1. Soit K un corps, A M n,m (K). On note la transposée de A, A T (si (1) K = R). Alors rg A = rg A T .

Mais avant de commencer à travailler, on n’échappe pas à quelques rappels d’algèbre linéaire.

I.1 Théorème de la base incomplète

Théorème I.2 (Théorème de la base incomplète). Soient I, J N deux ensembles d’in- dices, (e i ) iI un système libre de vecteurs d’un espace vectoriel V et (f j ) jJ un système

générateur de V alors il existe J J tel que le système (e i ) iI (f k ) kJ soit une base de

V.

Exemple I.3. Soit V = R 3 . On se fixe

(0, 0, 1) et f 4 = (1, 2, 3). Une base de V serait (e 1 , f 1 , f 2 )

e 1 = (1, 1, 1), f 1 = (1, 0, 0), f 2 = (0, 0, 1), f 3 =

ou encore (e 1 , f 1 , f 4 ).

Corollaire I.4. Tout espace vectoriel admet une base. On prend, dans le théorème I.2, C = .

Théorème I.5. Toutes les bases d’un espace vectoriel V ont le même cardinal.

I.2 Sous-espace vectoriel engendrée par une partie

Soit V un espace vectoriel sur le corps K et S V.

Proposition I.6. Une intersection de sous-espaces vectoriels est un sous-espace vectoriel.

Proposition I.7. Il existe un plus petit sous-espace V contenant S qu’on note S (ou Vect(S)). Ce sous-espace admet les descriptions suivantes :

(1) On verra, par la suite, comment on nomme la transposée d’une matrice quand K = C

1

2

CHAPITRE I. RAPPELS

(i) S =

(ii) S =

W,

W sous-espace

vectoriel, SW

λ i v i ,

iI finie

λ i K,

v i S

.

I.3 Quotient d’espaces vectoriels

Soient V un K-espace vectoriel et W V un sous-espace vectoriel.

Théorème I.8. L’ensemble V/W est muni d’une structure de K-espace vectoriel telle que

la surjection canonique s : V V/W est linéaire et vérifie pour tout K-espace vectoriel V

˜

˜

et toute application linéaire f V V , s’il existe f : V/W V linéaire tel que f s = f

alors W Ker f .

De plus,

˜

V

f V ˜ f s V/W
f
V
˜
f
s
V/W

1. f est surjective f est surjective,

˜

2. f est injective Ker f = W.

On peut ainsi définir une relation d’équivalence sur V.

Définition I.9. Soit v, v V. On dit que v est équivalent à v si et seulement si v v W, c’est-à-dire :

v v

On montre que la relation d’équivalence de la définition I.9 en est bien une :

v, v V,

⇐⇒

v v W.

Démonstration.

(i) est reflexive : v, v v,

(ii) est symétrique : v v v v,

(iii) est transitive : v v et v v v v . Cela veut dire :

v v W et v v W =v v +v v W.

0

v ∈ W = ⇒ v − v + v − v ∈ W . 0

V admet une partition en classes d’équivalence, c’est-à-dire que l’ensemble des classes d’équivalence constitue une partition de V (tout élément de V appartient à un et à un seul des éléments d’une partie de V). On définit :

cl(V) = {v V, v = v} = {v V, v v W} = v +W.

I.3. QUOTIENT D’ESPACES VECTORIELS

3

I.3. QUOTIENT D’ESPACES VECTORIELS 3 Fig. I.1 – Interprétation géométrique de l’ensemble v + W Ainsi,

Fig. I.1 – Interprétation géométrique de l’ensemble v + W

Ainsi, V/W est l’ensemble des classes d’équivalence. Soit l’application

s

:

V

V/W

 

v

cl(v) = v + W .

On va maintenant définir la somme et le produit scalaire d’éléments de V/W.

Définition I.10 (Somme et produit scalaire d’éléments de V/W). On définit l’addition d’éléments de V/W :

(v + W) + (v + W) = (v + v )+W

et le produit scalaire d’éléments de V/W :

λ K,

λ(v + W) = (λv) + W.

On vérifie que cela ne dépend pas des représentants choisis.

Démonstration. On a :

s(v + v ) = s(v)+ s(v )

et

s(λv) = λs(v).

˜

˜

Supposons qu’il existe f : V/W V linéaire et tel que f s = f.

v W,

f V V ˜ f s V/W ˜ ˜
f
V
V
˜
f
s
V/W
˜
˜

f(v) = f (s(v)) = f (0 V/W ) = 0 V =v Ker(f ).

Réciproquement, si W Ker(f ) et si v v , c’est-à-dire si v v alors f (v v ) =

˜

˜

˜

˜

0 V f(v) = f(v ). On définit f (v + W) = f (cl(v)) = f (s(v)). Mais f (v + W) = f (v)

˜

(cela ne dépend pas du représentant). On peut alors vérifier que f est linéaire.

v cl(v) = v + W.

v ) ˜ (cela ne dépend pas du représentant). On peut alors vérifier que f est

4

CHAPITRE I. RAPPELS

Proposition I.11. Soit W un sous-espace vectoriel de V, et W 1 un supplémentaire dans V tel que V = W W 1 . Alors la restriction s| W 1 de la surjection canonique à W 1 (W 1 V/W) est un isomorphisme.

Démonstration. On montre que s| W 1 est bijective. Soit v W et soient w W et w 1 W 1 tel que v = w + w 1 . On a :

s(v) = v +W = w 1 + v +W = w 1 +W = s(w 1 ).

Donc : s| W 1 : W 1 V/W 1 est surjective et comme

Ker( s| W 1 ) = Ker(s) W 1 = W W 1 = {0 V },

on a s| W 1 est injective et donc bijective.

1 ) = Ker( s ) ∩ W 1 = W ∩ W 1 = {

CHAPITRE II

DUALITÉ

II.1 Ensemble des applications linéaires

Définition II.1 (Ensemble des applications linéaires). Soient U et V deux K-espaces vectoriels. On note L (U, V), l’ensemble des applications linéaires de U dans V. On sait alors que L (U, V) a une structure de K-espace vectoriel.

1. f, g L (U, V), (f + g)(u) = f (u) + g(u),

2. f L (U, V), λ K, (λf )(u) = λf (u).

Remarque II.2. On peut donner une interprétation matricielle à la II.1. Soit (e j ) jJ une base de U et (f i ) iI une base de V. Alors :

f(e j ) =

iI

a ij f i .

Soit la matrice représentant f dans les bases choisies :

A = (a ij ) iI, jJ ,

i est l’indice de ligne et j, l’indice de colonne. Maintenant, si on considère B = (b ij ) iI,jJ alors A + B = C = (c ij ) iI,jJ avec :

et pour λ K :

c ij = a ij + b ij ,

λA = (λa ij ) iI,jJ .

On a aussi mat(f + g) = mat(f ) + mat(g) et mat(λf ) = λ mat(f ).

II.2 Espace dual

Proposition II.3. On suppose que dim U = n et dim V = n tel que n + m < +. Alors L (U, V,) est isomorphe au K-espace vectoriel M m,n (K) des matrices à coefficients dans K à m lignes et n colonnes.

5

6

CHAPITRE II. DUALITÉ

Soit

φ : L (U, V) M m,n (K)

f

A(f )

avec A(f ) la matrice représentant f dans les bases choisies. D’après la proposition II.3, φ est un isomorphisme.

Corollaire II.4. On a dim K (U, V) = mn.

Remarque II.5. On va prendre un cas particulier du corollaire II.4. Soit V = K et dim K = 1 alors

dim K L (U, K) = dim U.

Ainsi, on a la caractérisation d’un nouvel espace qui va nous servir tout au long de ce cours.

Définition II.6 (Espace dual). L’espace dual de U noté U est L (U, K) = U . Cet espace est de dimension dim U = dim U.

II.3 Transposée d’une applicaion linéaire

Définition II.7. Soit f : U V une application lin »aire, on associe à f une application linéaire f : V U , appelée transposée de f , définie par :

ϕ V ,

f (ϕ) = ϕ f.

La définition II.7 se résume en le diagramme suivant :

Proposition II.8.

f U ϕ◦f∈U ∗ ϕ K
f
U
ϕ◦f∈U ∗
ϕ
K

V

(i) Soient U, V, W des espaces de dimensions finies et soient f : U

V et g : V W des applications linéaires. Alors :

(ii) L’application

(g f) = f g ,

φ

:

L (U, V)

L (V , U )

 

f

f

est un isomorphisme de K-espaces vectoriels.

Avant de démontrer cette proposition, on a besoin d’un lemme :

II.3. TRANSPOSÉE D’UNE APPLICAION LINÉAIRE

7

Démonstration du lemme II.9. On montre la contraposée du lemme II.9. C’est-à-dire si

= 0 alors il existe ϕ V tel que ϕ(v) = 0. Si v = 0 alors Vect(v) est libre.

, e n ) avec e 1 = v tel

v V, v

D’après le théorème de la base incomplète, il existe une base (e 1 , que tout vecteur w de V s’écrit :

w =

λ 1 e 1 + λ 2 e 2 + ··· + λ n e n .

On a alors que :

ϕ

:

V

w

K

λ 1

est une forme linéaire. Ainsi ϕ(w) = ϕ(e 1 ) = 1. Pour finir la démonstration, on remarque

que v = e 1 et donc ϕ(e 1 ) = 1 = ϕ(v).

que v = e 1 et donc ϕ ( e 1 ) = 1 = ϕ

Démonstration de la proposition II.8.

(i) On a le diagramme suivant :

f g V U W ψ◦g=g ∗ (ψ) ψ∈W ∗ (g◦f )(ψ)=ψ◦(g◦f )=(ψ◦g)◦f =f ∗
f
g
V
U
W
ψ◦g=g ∗ (ψ)
ψ∈W ∗
(g◦f )(ψ)=ψ◦(g◦f )=(ψ◦g)◦f =f ∗ (g ∗ (ψ))
K

(ii) Soient f 1 , f 2 L (U, V,), on montre alors que (f 1 + f 2 )(u) = f 1 (u) + f 2 (u) et (λf 1 )(u) = λf 1 (u). Soit ϕ V , on a :

(f 1 + f 2 ) (ϕ) = ϕ (f 1 + f 2 ) = ϕ f 1 + ϕ f 2 =

U

V ϕ
V
ϕ

K

f

1

(ϕ)+ f (ϕ).

2

On peut aussi montrer de la même manière que (λf ) = λf . Donc : f f est linéaire. Or dim U = dim U = n et dim V = dim V = m. Donc :

dim L (U, V) = mn = dim L (V , U ).

Il suffit de montrer que f f est injective, autrement dit, il faut vérifier que f = 0 f = 0. Supposons alors que f = 0, pour tout ϕ V , on a : f (ϕ) = ϕ f = 0. Ainsi

(II.1)

D’après le lemme II.9, l’égalité (II.1) que pour tout u U, f (u) = 0. Donc f = 0, ce qui achève la preuve.

ϕ V ,

u U,

ϕ(f (u)) = 0.

U , f ( u ) = 0 . Donc f = 0 , ce qui

8

CHAPITRE II. DUALITÉ

II.4 Base duale

Soient V un espace vectoriel et n = dim K (V) < +. On a alors

dim K (V ) = dim K (V) = n

.

Définition II.10. Soit (e 1 ,

, e n ) une base de V. On définit e

i V de la façon suivante :

e

i

(e j ) = δ ij =

i =

  i = j

1 si

0

si

j

δ ij représente le symbole de Kronecker. Ainsi, (e ,

appelé la base duale de la base (e 1 ,

Démonstration. On démontrer que (e ,

montrer que (e ,

, e n ) forme une base de V et est

1

, e n ).

1

, e n ) est une base de V . Pour cela, il suffit de

, e n ) est un système libre. On considère donc l’égalité :

1

λ 1 e + λ 2 e 2 + ··· + λ n e n = 0,

1

où les λ j K. Alors pour tout v V :

0 =

(λ 1 e + λ 2 e 2 + ··· + λ n e n )(v)

1

= λ 1 e (v)+ λ 2 e 2 (v)+ ··· + λ n e n (v)

1

En particulier, si v = e j alors

n

i=1

λ i e

i = 0 = λ i e (e i ) = λ i = 0.

i

On a montré alors que si

λ 1 e + λ 2 e 2 + ··· + λ n e n = 0 V

alors pour tout i, λ i = 0.

Proposition II.11. Soient U et V deux K-espaces vectoriels avec m = dim K U et n =

dim K V, E = (e 1 ,

f : U V une application linéaire et A la matrice de f dans les bases E et F :

1

A la matrice de f dans les bases E et F : ∗ ∗ 1 ,

, e m ) une base de U et F = (f 1 ,

, f n ) une base de V. Soient

1 j m,

f (e j ) =

n

i=1

a ij f i .

A est alors une matrice à n lignes et m colonnes et a ij correspond à l’élément de la i e ligne et de la j e colonne.

f U V f ∗ (ϕ)=ϕ◦f ϕ K U ∗ V ∗ f ∗
f
U
V
f ∗ (ϕ)=ϕ◦f
ϕ
K
U ∗
V ∗
f ∗

II.5. BIDUAL

9

Soit E = (e

E est la transposée de f dans les bases E et F .

, e m ) et F = (f

1 ,

, f ) alors la matrice de f dans les bases F et

n

1

,

Démonstration. On a l’identité suivante :

f

(f

) = f

f =

n

k=1

b k e k .

On cherche alors les b k . Comme f

V , on a f (f j ) U . Donc :

f

(f

)(e k ) = f (f(e k )) =

n

i=1

f

(a ij f i ) = a k f (f ) = a k .

Mais aussi :

f

(f

)(e k ) =

n

p=1

b p e

p

On a alors : b k = a k .

(e k ) =

n

p=1

b p e

p (e k ) = b k e k (e k ) = b k .

) = b k e k ( e k ) = b k . ∗ ∗

II.5 Bidual

Définition II.12. Soit V un K-espace vectoriel. Le bidual de V est défini comme V = (V ) (le dual du dual).

Remarque II.13. On définit pour tout v V, un élément de v de V de la façon suivante :

ϕ V ,

v (ϕ) = ϕ(v).

On a alors que v est une forme linéaire sur V ,

1. ϕ 1 , ϕ 2 V , v (ϕ 1 + ϕ 2 ) = v (ϕ 1 )+

2. λ K, ϕ V , v (λϕ) = λv (ϕ).

De plus, l’application

est linéaire.

V

v

v (ϕ 2 ),

V v

Proposition II.14. L’application

est injective.

V

v

V v

10

CHAPITRE II. DUALITÉ

Démonstration. On va montrer que le noyau de cette application linéaire est réduit au vecteur nul. Soit v V tel que v = 0 et que pour tout ϕ V , v (ϕ) = ϕ(v) = 0. v vérifie alors pour tout ϕ V :

ϕ(v) = 0 v = 0

, d’après le lemme II.9.

Corollaire II.15. Si dim V < +alors l’application

II.15. Si dim V < + ∞ alors l’application V v → → V ∗ ∗

V

v

V v

est un isomorphisme d’espaces vectoriels.

Démonstration. On sait que dim V = dim V et dim V = dim(V ) = dim V alors dim V = dim V = dim V et d’après la proposition II.14, v v est lin »aire et injective.

Cela implique donc que l’application v v est un isomorphisme.

, e n ) est une

Remarque II.16. Soient V un espace vectoriel de dimension n et E = (e 1 ,

, (e n ) ) la base duale de

E . On peut montrer alors que :

base de V. E = (e ,

montrer alors que : base de V . E ∗ = ( e ∗ , ,

, e n ) une base de V et (E ) = ((e ) ,

1

1

i,

(e

i

) = e

∗ ∗

i

II.6 Relations d’orthogonalité

Soient V un espace vectoriel et V son dual. Soient v V et ϕ V . On note v, ϕ = ϕ(v).

Proposition II.17. ·, · a les propriétés suivantes :

(i)

v 1 + v 2 , ϕ = v 1 ,

ϕ + v 2 , ϕ ,

(ii)

λv, ϕ = λ v, ϕ ,

(iii)

v,

ϕ 1 + ϕ 2 = v, ϕ 1 + v, ϕ 2 ,

(iv)

v, λϕ = λ v, ϕ .

 

Définitions II.18. est :

1. Soit U V un espace vectoriel. L’orthogonal de U, noté U ,

U = {ϕ V , v U, v, ϕ = 0} = {ϕ V , v U, ϕ(v) = 0} ⊂ U .

2. Soit U V un sous-espace du dual. L’orthogonal de U :

U = {v V, ϕ U , v, ϕ = 0} = {v V, ϕ U , ϕ(v) = 0} = Ker(f ).

ϕU

Théorème II.19. Soit U V et U V des sous-espaces. Alors :

(i)

(U ) = U,

(ii)

(U ) = U .

Proposition II.20. Soit U V un sous-espace vectoriel de V. Alors U et V /U sont isomorphes (1) .

II.6. RELATIONS D’ORTHOGONALITÉ

11

Démonstration de la proposition II.20. Une application de restriction naturelle :

est une application linéaire.

On a alors :

1.

2. (λϕ 1 )| U = λ| ϕ 1 U.

ϕ 1 + ϕ 2 | U = ϕ 1 | U + ϕ 2 | U ,

r

:

U

ϕ| U

V

ϕ

U

ϕ| U

V U V

ϕ

K

De plus, Ker(r) V avec Ker(r) = {ϕ V , ϕ| U = 0}.

V

r

r˜

s

U

V / Ker(r) = V /U

s est une application linéaire surjective et r˜ une application linéaire injective. De plus, r est surjective. Si ψ U , soit U un supplémentaire de U dans V, alors V = U U . On

ϕ| U = ψ et ϕ| U = 0. On sait que ϕ existe et est unique. On a alors

définit ϕ : V K avec

r(ϕ) = ψ et donc r est surjective. En conclusion, r˜ est bijective et donc r˜ est un isomorphisme.

Corollaire II.21. Soit V un espace vectoriel de dimension finie et U V un sous-espace alors dim U + dim U = dim V.

Démonstration. On a démontré que dim U = dim U . Or, d’après la proposition II.20, on a U = V /U . Donc :

dim U = dim(V /U ) = dim V dim U = dim V dim U = dim U.

− dim U ⊥ = dim V − dim U ⊥ = dim U . Démonstration
− dim U ⊥ = dim V − dim U ⊥ = dim U . Démonstration

Démonstration du théorème