Professional Documents
Culture Documents
On dit quun vecteur est isotrope (pour f ) sil appartient au c one isotrope. Remarques. Le noyau de f est un sous-espace vectoriel. Le c one isotrope est stable par produit par un scalaire. Le noyau est inclus dans le c one isotrope (v erier !). Cependant, en g en eral, le c one nest pas stable par addition et linclusion Ker(f ) Cf est stricte. Par exemple, on peut prendre E = R2 , et f x x , y y = xy + yx ,
le noyau est r eduit ` a {0}, et le c one isotrope est form e des axes x = 0 et y = 0. c) La forme quadratique associ ee ` a une forme bilin eaire f sur E est la fonction q : E K, v q (v ) = f (v, v ).
Il y a une correspondance bijective entre formes bilin eaires et formes quadratiques. En eet, etant donn e une forme quadratique q , on peut exprimer la forme bilin eaire do` u elle provient en fonction de q : v, w E, f (v, w) = 1 q (v + w) q (v w) . 4
On utilise ici lhypoth` ese sur la caract eristique de K. 2 Dual et noyau La donn ee dune forme bilin eaire sym etrique d etermine une application de E dans son dual E , dont on v erie quelle est lin eaire : f : E E , v B (v, ?), o` u B (v, ?) : E K, w B (v, w).
On constate que le noyau de f est exactement le noyau de f , ce qui justie cette d enomination. On dit que f est non d eg en er ee si f est un isomorphisme, ce qui revient ` a dire que le noyau de f est r eduit ` a {0} (pourquoi ?). R ep etons que le c one isotrope, lui, peut tout ` a fait etre strictement plus gros.
4
31
3 Matrice dune forme bilin eaire sym etrique a) Soit B = (ei )i=1,...,n une base de E , f une forme bilin eaire sym etrique sur E . On appelle matrice de f dans B la matrice5 suivante, dont on constate quelle est sym etrique : A = MatB (f ) = f (ei , ej )
i,j =1,...,n
b) Formule. Soit v E (resp. w E ), X Kn (resp. Y Kn ) la colonne des coordonn ees de v (resp. w) dans B , alors : f (v, w) = t XAY. En eet, il sut de d evelopper. Si X = (xi )i=1,...,n et Y = (yi )i=1,...,n , on a :
n n n
f (v, w) = f
xi ei ,
i=1
j =1
yj ej =
f (ei , ej ) xi yj = t XAY.
i,j =1
q (v ) = f (v, v ) = t XAX =
i=1 j =1
f (ei , ej ) xi xj =
i=1
f (ei , ei ) x2 i +
1i<j n
2f (ei , ej ) xi xj .
Il y a un r eel danger doublier le facteur 2... c) Proc edure inverse (le plus utile en pratique). Proposition Soit Q une fonction polyn omiale homog` ene de degr e 2 sur Kn , cest-` a-dire quil existe des scalaires (bij )i,j =1,...,n tels que Q soit d enie par :
n
Q : Kn K,
bii x2 i +
i=1 1i<j n
bij xi xj .
Alors, Q est une forme quadratique sur Kn et les bij sont uniquement d etermin es par Q. On d enit alors la matrice de la forme quadratique par : A = (aij )i,j =1,...,n , o` u aij = bii
1 2 bij
si i = j , si i = j .
Attention ! De nouveau, il y a un fort risque doublier le coecient 1/2. D emonstration. On peut v erier que la fonction F d enie par F : Kn Kn K, (X, Y ) F (X, Y ) = Q(X + Y ) Q(X Y ) 4
est bien une forme bilin eaire. Constatons alors que bij = F (Ei , Ej ) (o` u (Ei ) est la base standard de Kn ), ce qui montre que la donn ee de F d etermine les bij .
5
32
4 Changement de base, congruence a) Soit B = (ei ) et B = (ei ) deux bases de E , et P = PB,B = MatB ,B (Id) la matrice de passage de B ` a B : ses colonnes sont les coordonn ees des ej dans B . Soit alors v et w deux vecteurs de E , X et Y leurs coordonn ees respectives dans la base B , X et Y leurs coordonn ees dans la base B . On sait que X = P X , et Y = P Y . Do` u: f (v, w) = t XAY = t (P X )A(P Y ) = t X (t P AP )Y . Ceci etant vrai pour tout v, w, on en d eduit par le lemme de 3 c) que : A = t P AP, cest-` a-dire : MatB (f ) = t PB,B MatB (f )PB,B .
Remarquer que cest di erent6 de la r` egle de transformation pour les matrices des applications lin eaires : si on consid` ere A et A comme les matrices de la m eme application lin eaire dans des bases di erentes, et si P est la matrice de passage correspondante, on a : A = P 1 AP . b) Congruence. On d enit une relation d equivalence sur les formes quadratiques ou bilin eaires en disant que deux formes sont congruentes si, dans des bases convenables, elles ont la m eme matrice. On se pose alors le probl` eme de classication des formes ` a congruence pr` es. Cest en g en eral un probl` eme dicile, qui d epend lourdement du corps sur lequel on travaille, mais on va voir quil est trivial sur C et facile sur R. 5 Bases orthogonales et algorithme de Gauss a) Bases orthogonales. Etant donn e une forme bilin eaire f sur E , on dit quune base (ei )i=1,...,n de E est orthogonale si f (ei , ej ) = 0 lorsque i = j . Voyons la traduction sur lexpression de q en coordonn ees. Notons ( i )i=1,...,n la base duale de (ei )i=1,...,n : ce sont des formes lin eaires, uniquement d etermin ees, telles que i (ej ) = ij (le de Kronecker). Par d enition, la i-` eme coordonn ee dun vecteur v X dans la base (ei )i=1,...,n est : i (v ). Do` u, pour v E :
n n
q (v ) =
i=1
q (ei ) i (v )2 +
1i<j n
f (ei , ej ) i (v ) j (v ) =
i=1
aii i (v )2 +
1i<j n
2aij i (v ) j (v ).
Dapr` es la proposition de 3 c), une base est orthogonale si et seulement si lexpression de q en coordonn ees est une somme de carr es des i . b) Recherche de bases orthogonales. Par suite, pour trouver une base orthogonale, il sut d ecrire q comme une somme de carr es de formes lin eaires ind ependantes 1 , . . . , r , disons
r
q=
i=1
i 2 i.
On compl` ete alors ( 1 , . . . , r ) en une base ( 1 , . . . , n ) du dual de E . La base (e1 , . . . , en ), duale de B , est alors orthogonale pour q , car la matrice de q dans cette base est, avec une notation evidente : diag(1 , . . . , r , 0, . . . , 0). c) Lalgorithme de Gauss. Il consiste ` a ecrire une forme quadratique comme somme de carr es de formes lin eaires, et permet ainsi de trouver des bases orthogonales. On part donc dune forme
n
Q(X ) =
i=1
6
bii x2 i +
1i<j n
bij xi xj .
33
Si n = 1, il ny a rien ` a faire. Supposons savoir traiter les formes quadratiques en k variables pour k n 1. Premier cas : tous les bii ne sont pas nuls. Quitte ` a renum eroter les variables, on peut supposer que b11 = 0. On peut donc ecrire Q sous la forme : Q(X ) = b11 x2 1 + x1 L(x2 , . . . , xn ) + Q (x2 , . . . , xn ), o` u L est une forme lin eaire en x2 , . . . , xn et Q est une forme quadratique en les m emes variables. On factorise alors : Q(X ) = b11 x1 + 1 L(x2 , . . . , xn ) 2b11
2
On a ecrit notre forme Q comme somme du carr e dune forme lin eaire et dune forme quadra1 2 epend que de x2 , . . . , xn . tique Q = Q 4b11 L qui ne d a faire. On suppose Deuxi` eme cas : tous les bii sont nuls. Si tous les bij sont nuls, il ny a rien ` donc que lun dentre eux nest pas nul, par exemple b12 = 0. On ecrit alors Q(X ) = b12 x1 x2 + x1 L2 (x3 , . . . , xn ) + x2 L1 (x3 , . . . , xn ) + Q (x3 , . . . , xn ), o` u L1 et L2 sont des formes lin eaires, et Q est une forme quadratique en les variables x3 , . . . , xn . On factorise alors : Q(X ) = b12 x1 + 1 L1 b12 x2 + 1 L2 b12 1 L1 L2 + Q , b2 12
Q(X ) =
b12 4
x1 + x2 +
1 1 L1 + L2 b12 b12
b12 4
x1 x2 +
1 1 L1 L2 b12 b12
1 L1 L2 + Q , b2 12
et on a exprim e Q comme somme des carr es de deux formes lin eaires ind ependantes et ind ependantes de x3 , . . . , xn , et dune forme quadratique qui ne d epend que de x3 , . . . , xn . Dans les deux cas, on a r eduit le nombre de variables, ce qui permet dembrayer la r ecurrence. d) Traduction matricielle. On a montr e: Proposition Quel que soit le corps K, pour toute matrice sym etrique A a ` coecients dans K, il existe une matrice inversible P triangulaire ou triangulaire par blocs 2 2 telle que t P AP est diagonale. Ce r esultat est, pour les matrices sym etriques, une sorte danalogue du th eor` eme du rang (version matricielle, th eor` eme 3 du premier chapitre) : pour toute matrice rectangulaire A, il existe P et Q carr ees inversibles telles que Q1 AP soit [. . . ] Dailleurs, on voit bien que le principe de preuve est tr` es comparable, et porte le m eme nom : algorithme de Gauss. Attention ! Les coecients qui apparaissent sur la diagonale nont aucune raison d etre les valeurs propres de la matrice de la forme quadratique. Voir par exemple les paragraphes II et III pour sen convaincre. En particulier, ce th eor` eme ne dit pas que toute matrice sym etrique est diagonalisable, car t P AP ne saurait etre confondu avec P 1 AP en g en eral. 1 i Par exemple, la matrice nest pas diagonalisable. i 1 34
q (v ) =
i=1
i xi
si v =
i=1
xi ei .
Pour i = 1, . . . , r , choisissons une racine carr e i de i , et pour i r + 1, posons i = 1. Posons 1 xi . Par suite : alors ei = i ei . La i-` eme coordonn ee de v dans (ei )i=1,...,n est : xi = i
r n
q (v ) =
i=1
xi 2
si v =
i=1
xi ei .
Ainsi, ` a congruence pr` es, une forme quadratique est class ee par son rang. Pas palpitant.
q (v ) =
i=1
x2 i
x2 j
j =r +1
si
v=
i=1
xi ei E.
(ii) Les entiers r et s ne d ependent que de la forme quadratique, et pas de la base orthogonale dans laquelle une telle ecriture a lieu. Remarque. Il faut comprendre ce th eor` eme comme un r esultat de classication des formes quadratiques sur R, par la signature (r, s) de la forme : cest, par d enition, le couple form e par le nombre de carr es positifs et le nombre de carr es n egatifs. D emonstration. Lassertion (i) est une cons equence facile de lalgorithme de Gauss. Soit a permuter les ei , on peut supposer que (ei )i=1,...,n une base orthogonale pour q . Quitte ` i = q (ei ) > 0 si i r, i = q (ei ) < 0 si r + 1 i r + s, q (ei ) = 0 si i > r + s,
ce qui d enit deux naturels r et s. On pose alors : ei = i ei si i r, ei = i ei si r + 1 i r + s, et, comme dans II, la base ainsi construite convient.
ei = ei si i > r + s,
La preuve de (ii) est magnique. Il sagit de caract eriser les entiers r et s qui apparaissent dans (i) de fa con intrins` eque, i.e. sans utiliser la base (ei ). On va montrer que : r = max{dim F, F sous-espace de E sur lequel q est d enie positive}, s = max{dim F, F sous-espace de E sur lequel q est d enie n egative }. Rappelons que q est d enie n egative sur F si q (v ) 0 pour tout v F , avec egalit e seulement si v = 0. On donne la preuve uniquement pour s, lautre est inutile (remplacer q par q ). Notons S la dimension maximale dun sous-espace sur lequel q est d enie n egative. 35
Tout dabord, vu que q est d enie n egative sur le sous-espace F = Vect(er+1 , . . . , er+s ), et que de dimension s, on a : s S (maximalit e de S ). Par ailleurs, soit G est un sous-espace de E de dimension d s + 1. Notons H = Vect(e1 , . . . , er , er+s+1 , . . . , en ). On a : dim G + dim H > dim E , donc lintersection G H est de dimension 1. Soit v G H , v = 0. Comme v H , v s ecrit
r
0 = v = x1 e1 + + xr vr + xr+s+1 er+s+1 + + xn en ,
do` u
q (v ) =
i=1
x2 i 0.
Ceci montre q ne peut pas etre d enie n egative sur G, donc que S < s + 1. Au bilan : s = S . 2 Diagonalisation dans une base orthonorm ee a) Ici, on munit E dun produit scalaire euclidien et dune forme quadratique q . Fixons une base orthonorm ee (ei )i=1,...,n de E . On a d ej` a remarqu e que la matrice de q dans cette base est sym etrique. Or, une matrice sym etrique r eelle7 est diagonalisable dans une base orthonorm ee 1 (ei )i=1,...,n . Il existe donc une matrice orthogonale P telle que D = P AP soit diagonale. Or, dire que P est orthogonale, cest dire : P 1 = t P . Ainsi, D est la matrice de la forme quadratique q dans la base (ei )i=1,...,n , qui est donc orthogonale pour q . On a prouv e: Th eor` eme Pour toute forme quadratique sur un espace euclidien de dimension nie, il existe une base qui est a ` la fois orthonorm ee pour le produit scalaire et pour la forme quadratique. Comme application, notons que cest de ce th eor` eme que d ecoule lexistence des axes dune conique ou dune quadrique, par exemple. b) Remarque. Algorithmiquement, il est beaucoup plus dicile de mettre en uvre ce th eor` eme que la r eduction de Gauss, mais linformation obtenue est beaucoup plus pr ecise. Ici, on doit trouver/obtient les valeurs propres de la matrice ; en revanche, par la r eduction de Gauss, on nobtient que les signes des valeurs propres. En particulier, si on sint eresse seulement au genre dune conique, cest-` a-dire ` a la signature de la forme quadratique associ ee, pas besoin de diagonaliser la matrice de la forme quadratique : la r eduction de Gauss sut.
36