Vous êtes sur la page 1sur 30

Chapitre 1 : Espaces vectoriels et Applications linaires

Dans tout le chapitre, K est un corps commutatif (en pratique et gnralement K = IR ou  ).

1. Espaces vectoriels
1.1 Structure d'espace vectoriel
Dfinition 1.1
On dit qu'un ensemble (E,+,.) est un espace vectoriel sur K, ou un K-espace vectoriel, si et seulement si :
o (E, +) est un groupe commutatif c'est--dire :
La loi + est une loi de composition interne sur E :
x, yE, x + yE.
(On peut dire aussi que la loi + est une application de E E vers E)
La loi + est associative :
x, y, zE, (x + y) + z = x + (y + z).
La loi + admet un (unique) lment neutre :
eE / xE, x + e = e + x = x.
Tout lment admet un (unique) symtrique pour la loi + :
xE, E / x x + x = x + x = e.
La loi + est commutative :
x, yE, x + y = y + x.
o La loi . est une loi de composition externe sur E domaine d'oprateurs K c'est--dire :
xE, kK, k.xE.
(On peut dire aussi que la loi . est une application de K E vers E)
o La loi . verifie : , K et u, vE,
( + ).u = .u + .u
.(u + v) = .u + .v
.(.u) = ( ).u
1.u = u

Exemples 1.2
L'ensemble des vecteurs du plan ou l'ensemble des vecteurs de l'espace.
IR[X] est un IR-e.v. mais n'est pas un  -e.v.

 [X] est un  -e.v. mais aussi un IR-e.v.


Tout corps commutatif est un espace vectoriel sur lui-mme. En particulier  est un -e.v.

IR est un  -e.v. mais aussi un IR-e.v. et de la mme faon,  est un  -e.v., un IR-e.v. et un  -e.v.
{0} est un IR-e.v.

Remarques 1.3

Par abus, on ne note gnralement pas la loi "." et on dit que E est un K-e.v. sans prciser les lois.
On parlera d'espace vectoriel rel pour les IR-e.v. et d'espace vectoriel complexe pour les  -e.v.
Si E est un K-e.v., les lments de E sont appels des vecteurs et ceux de K sont appels
des scalaires.
1/30

L'lment neutre du groupe (E, +) est appel vecteur nul et est not ou 0E ou 0 plus simplement 0.
Un espace vectoriel n'est jamais vide puisque 0E.
Le vecteur x tel que x + x = x + x = e est appel oppos de x et est not x.
Soient u et v deux vecteurs d'un K-e.v. E. On dfinit u v par u + ( v) o v dsigne le symtrique de v
pour la loi interne de E.

Dfinition 1.4
Soient f et g deux fonctions valeurs dans K et soit un lment de K.
On dfinit la fonction appele somme de f et g note f + g par (f + g)(x) = f (x) + g(x) x K.
On dfinit la fonction .f par (.f)(x) = f (x).

Remarque 1.5
On dfinit les mmes oprations sur les suites (qui sont des fonctions) : pour tout entier n,
(u + v)n = un + vn
(.u)n = un

Exemples 1.6
E = {fonctions dfinies sur IR} muni des lois usuelles est un IR -e.v.
F = {suites valeurs dans IR } muni des lois usuelles est un IR -e.v.

Proprit 1.7

Soit E un espace vectoriel sur K. Pour tout scalaire et pour tout vecteur u, on a :
0K u = 0E.
0E = 0E.
u = 0E = 0K ou u = 0E.

Dmonstration

0K u = (0K + 0K) u = 0K u + 0K u.
Puisque (E, +) est un groupe 0K u existe.
On a donc 0K u 0K u = 0K u + 0K u 0K u c'est--dire 0E = 0K u.
0E = (0E + 0E) = 0E + 0E.
Puisque (E, +) est un groupe 0E existe.
On a donc 0E 0E = 0E + 0E 0E c'est--dire 0E = 0E.
() Voir deux premiers points.
(=>) Si = 0K l'implication est juste.
Si 0K, puisque K est un corps 1 existe.
On a donc :
u = 0E => 1.(u) = 1.(0E) => (1) u = 0E => 1.u = 0E => u = 0E.

Proprit 1.8

Soit E un espace vectoriel sur K. Pour tout scalaire et pour tous vecteurs u et v, on a :
( u) = ( ) u = (u).
(u v) = u v.
2/30

Dmonstration

Il faut montrer que ( u) + u (= u + ( u)) = 0E (E est ablien) et ( )u + u = 0E.


( u) + u = ( u + u) = 0E = 0E.
( )u + u = ( + ) u = 0K u = 0E.
(u v) = (u + ( v)) = u + ( v) = u + ( v) = u v.

Remarques 1.9

On a donc (1).u = (1.u) = u.


Si E est un espace vectoriel sur K, E est galement un espace vectoriel sur tout sous-corps K' de
K. Par exemple, un -espace vectoriel est aussi un IR-espace vectoriel.
Si K' K, ces deux espaces vectoriels doivent tre considrs comme diffrents.

Proprit 1.10
Soient E1, E2, ... , En une famille de n espaces vectoriels sur un mme corps K.
Soit E l'ensemble produit E = E1 E2 ... En.
E est un espace vectoriel sur K lorsqu'on le munit des lois suivantes :
u = (u1, u2, ... , un)E, v = (v1, v2, ... , vn)E, K
i) u + v = (u1 + v1, u2 + v2, ... , un + vn).
ii) u = ( u1, u2, ... , un).

Remarque 1.11
Ces lois sont appeles lois produit usuelles.

Dmonstration
Il suffit de vrifier les 10 points de la dfinition dun espace vectoriel.

Exemple 1.12

IR muni des lois prcdentes c'est--dire : (x1, y1) + (x2, y2) = (x1 + x2, y1 + y2) et (x1, y1) = (x1, y1) est
donc un IR-e.v.

Remarques 1.13

Si E est un K-espace vectoriel, En (n 2) est donc muni d'une structure de K-espace vectoriel.
On en dduit la structure d'espace vectoriel de Kn = {(x1, x2, ... , xn) o xiK}.

1.2 Combinaison linaire


Dfinition 1.14

Soient (A, +) un groupe additif et (ai)iI une famille d'lments de A. On dit que la famille (ai)iI est
support fini si l'ensemble des indices i de I tels que ai 0 est fini.
Pour une telle famille, on peut considrer i ai, qui est appele somme support fini. On note parfois A(I)
l'ensemble des familles support fini d'lments de A.

Dfinition 1.15
Soient E un espace vectoriel sur K, I un ensemble non vide, (ui)iI une famille de vecteurs de E, et (i)iI
une famille support fini d'lments de K.
La somme iI i ui est appele combinaison linaire (combinaison linaire) des vecteurs ui avec les
coefficients i.
3/30

Exemple 1.16
Soit F = (1, X, X 2, ... , Xp, ... ) = (X i)iIN. La famille F est infinie mais tout polynme est une combinaison
linaire de cette famille.

Remarques 1.17

Si u = i i ui est une combinaison linaire des ui alors il existe J I tel que J fini et u = iJi ui.
Si card J= n, on peut considrer un rindiage de faon obtenir une relation du type :
u =
 . = 1 u1 + 2 u2 + ...+ n un .
0E appartient l'ensemble des combinaisons linaires de toute famille non vide d'lments de E.

Exemples 1.18

Soit u un vecteur non nul du plan.


Une combinaison linaire de u est un vecteur colinaire u.
{combinaison linaire de u} = {k u / kIR } = {tous les vecteurs colinaires u}.
Soit u et v deux vecteurs non colinaires de l'espace.
Une combinaison linaire de u et v est un vecteur coplanaire u et v.
{combinaisons linaires de u et v} = {au +bv / a,b IR} = {tous les vecteurs coplanaires u et v}.
On considre l'ensemble {1, X, X} dans IR[X].
Une combinaison linaire de {1, X, X} est un polynme de la forme a + bX + cX.
{combinaisons linaires de {1, X, X}} = {a+bX+cX / a,b,cIR }
= {tous les polynmes coefficients dans IR de degr 2}
= IR2[X].

Remarques 1.19

x1 est une combinaison linaire des (xi)i=1,n.


Si i0I, xi0 est une combinaison linaire des (xi) iI.
xE appartient l'ensemble des combinaisons linaires de toute famille d'lments de E dont il fait partie.

2. Sous-espaces vectoriels
2.1 Dfinitions et caractrisations
Dfinition 2.1
Soit E un espace vectoriel sur K. Soit F une partie de E.
On dit que F est un sous espace vectoriel (s.e.v.) de E si, muni des lois induites, F est un espace vectoriel.

Remarques 2.2
On dit parfois sous-espace plutt que s.e.v.
{0} et E sont deux s.e.v. de E, appels sous-espaces triviaux.
4/30

Exemples 2.3

IR est un s.e.v. de  considr comme IR-e.v.

IRn'est pas un s.e.v. de  considr comme  -e.v.


Les vecteurs d'un plan forment un s.e.v. des vecteurs de l'espace.

Proprit 2.4
Soient E un espace vectoriel sur K et F une partie de E. F est un s.e.v. de E si et seulement si
1 ) F .
2 ) u, vF, u + vF (F est stable par addition).
3 ) K, uF, uF (F est stable par multiplication par un scalaire).
ou encore si et seulement si
1' ) F .
2' ) u, vF, , K, u + vF.
ou encore si et seulement si
1'' ) F .
2'' ) (i)iI famille support fini d'lments de K, (xi)iIF, i xiF (F est stable par combinaison linaire).

Dmonstration
Dans un premier temps, on montre que les 3 premires proprits sont bien quivalentes F s.e.v.
c'est--dire que F est un e.v. pour les lois induites. Puis on montre l'quivalence entre la condition forme
des 3 premires proprits et celles constitues des suivantes.
La condition F est vrifi dans les trois cas donc n'intervient pas.
2' ) => 2 ) et 3 ) (2) Il suffit de prendre = = 1
(3) Il suffit de prendre = 0.
2 ) et 3 ) => 2' ) On a K, uF, uF et K, vF, vF d'aprs 3 ).
Et donc u + vF d'aprs 2 ).
2'' ) => 2' ) Il suffit de prendre une famille 2 lments.
2' ) => 2'' ) Par rcurrence sur le nombre d'lments dans la famille support fini.

Remarques 2.5
Dans les caractrisations prcdentes, on n'oubliera pas la condition F .
En gnral, il suffit de vrifier que le vecteur nul 0 de E appartient F.
En effet, tout s.e.v. de E contient au moins 0.
E = {suites numriques} et F = {suites numriques qui convergent vers 0}.
F est un s.e.v. de E.
Si F est un s.e.v. de E et si G est un s.e.v. de F, alors G est un s.e.v. de E (avec les mmes lois).

Exemples 2.6
Pour tout entier naturel n, IRn[X] = {PIR[X] / deg P n} est un s.e.v. de IR[X].
Plus gnralement, pour tout entier naturel n, l'ensemble Kn[X] des polynmes de degr infrieur
ou gal n est un s.e.v. de K[X].
5/30

Soit I un intervalle de IR, non rduit un point.


Soit F (I, K) l'espace vectoriel de toutes les fonctions de I dans K.
Les sous-ensembles suivants sont des s.e.v. de F (I, K) :
L'ensemble C (I, K) = C0(I, K) des fonctions continues de I dans K.
L'ensemble D (I, K) des fonctions drivables de I dans K.
L'ensemble Ck(I, K) des fonctions de classe Ck de I dans K.
L'ensemble C(I, K) des fonctions infiniment drivable de I dans K.

2.2 Oprations entre s.e.v.


Proprit 2.7

Soit (Fi)iI une famille non vide de s.e.v. d'un K-e.v. E. Alors Fi est un s.e.v. de E.

Dmonstration

iI, 0Fi. Donc 0 Fi et

Fi .

Soient u,v Fi et , K. Puisque u Fi, on a : uFi, iI.

De mme, vFi, iI. Donc iI, u + vFi c'est--dire u + v Fi.

Exemple 2.8
Soit F (IR,IR) l'ensemble des fonctions de IR dans IR. Muni des lois usuelles c'est un IR-e.v.
n

Pour tout entier n suprieur ou gale 1, soit C (IR) le s.e.v. de F (IR,IR) des fonctions continment
drivable n fois. On a alors :       

Dfinition et proprit 2.9


Soit X une partie (quelconque) d'un K-espace vectoriel E.
On appelle sous-espace engendr par X et on note Vect(X) ou <X> le plus petit (au sens de l'inclusion) des
s.e.v. de E qui contient X.

Remarques 2.10
Vect(X) est l'intersection de tous les s.e.v. de E qui contiennent X.
En effet, soit G l'intersection de tous les s.e.v. de E qui contiennent X. Donc G est inclus dans tout s.e.v. de E
qui contient X. On sait que G est aussi lui-mme un s.e.v. et c'est ncessairement le plus petit.
Dans le cas d'une famille finie A = (a1,a2,.....,an), on note parfois Vect(A) = < a1,a2,.....,an >.
Si X est vide, Vect(X) = {0}.

Dfinition 2.11
Soit A une famille finie de vecteurs d'un K-e.v. E.
6/30

Si Vect(A) = E, on dit que A est un systme gnrateur de E.

Proprit 2.12
Soit X une partie non vide d'un K-espace vectoriel E.
Vect(X) est l'ensemble des combinaisons linaires d'lments de X.

Dmonstration
Uniquement dans le cas o X = {xi, 1 i n}.
(Idem si X famille infinie alors simplement somme support fini).
Soit F = {combinaison linaire des lments de X}. Nous allons montrer que F = Vect(X).
1re tape : Vect(X) F cest--dire F est un s.e.v. qui contient X.
On a F = {i xi, iK} = {1 x1 + 2 x2 + ... + n xn, iK}. En premier lieu, on montre que X F.
On a x1 = 1.x1 + 0.x2 + 0.x3 + ... + 0.xn
x2 = 0.x1 + 1.x2 + 0.x3 + ... + 0.xn
etc....
Puisque X est non vide et puisque X F, on a donc F .
Soient , K et soient u, vF.
uF u = 1 x1 + 2 x2 + ... + n xn, avec iK i = 1, n .
vF v = '1 x1 + '2 x2 + ... + 'n xn, avec 'iK i = 1, n.
u + v = (1 x1 + 2 x2 + ... + n xn) + ('1 x1 + '2 x2 + ... + 'n xn).
= 1 x1 + 2 x2 + ... + n xn + '1 x1 + '2 x2 + ... + 'n xn.
= (1 + '1) x1 + (2 + '2) x2 + ... + (n + 'n) xn. On a donc bien u + vF.
2me tape : F Vect(X).
Vect(X) est le plus petit s.e.v. de E qui contient X.
Puisque Vect(X) est stable par combinaison linaire, Vect(X) doit contenir toutes les combinaison linaire
d'lments de x c'est--dire que F Vect(X). Or F est un s.e.v., donc, de par la dfinition de Vect(X), on a
Vect(X) = F.

Consquences 2.13
L'espace engendr par un vecteur non nul du plan est la droite vectorielle des vecteurs qui lui sont
colinaires.
L'espace vectoriel engendr par deux vecteurs non colinaires de l'espace est le plan vectoriel des
vecteurs qui leur sont coplanaires.
L'espace engendr par une famille de vecteurs coplanaires de l'espace dont deux sont non
colinaires est le plan vectoriel engendr par de ces deux vecteurs.

Remarques 2.14
La plupart des s.e.v. que nous allons tudier sont engendrs par des lments de l'espace
lui-mme. Ce qui explique l'erreur que l'on peut faire en faisant l'amalgame entre les s.e.v., les
s.e.v. engendrs par une famille et les combinaisons linaires.
7/30

Contre exemple : C (IR) (lensemble des fonctions drivables sur IR) comme s.e.v. de C0(IR) (lensemble
des fonctions continues sur IR).
Soient u = (1, 0, 1) et v = (2, 3, 1) dans IR3 et F = < u,v >.
Soient x = (1, 3, 2), y = (3, 3, 0) et z = (0, 3, 3) dans IR3 et G = < x,y,z >.
On a F = G car x = v u, y = u + v et z = 2u v
donc toute combinaison linaire de (x,y,z) est une combinaison linaire de (u,v)
et v = 2x + z et u = (y x) / 2
donc toute combinaison linaire de (u,v) est une combinaison linaire de (x,y,z).

Remarque 2.15
En gnral, la runion de deux sous espaces vectoriels n'est pas un sous espace vectoriel.

Dfinition 2.16
Soit E un K-e.v. Soient E1 et E2 deux s.e.v. de E. La somme de E1 et E2 qui est note E1 + E2 est
l'ensemble des lments de E de la forme x1 + x2 o x1E1 et x2E2.

Remarques 2.17
Avec les notations de la dfinition prcdente,
E1 + E2 = {x1 + x2 o x1E1 et x2E2} = {xE / x1E1, x2E2 et x = x1 + x2}.
xE1 + E2 x1E1 et x2E2 / x = x1 + x2.
E1 + E2 = E2 + E1.
E1 + {0} = {0} + E1 = E1.
Pour tout s.e.v. E3 de E, (E1 + E2) + E3 = E1 + (E2 + E3).
E1 + E1 = E1.

Exemple 2.18
Dans IR3, si F = { u1; o u1 = (1,1,0) et IR} = < u1 > et G = {u2; o u2 = (1,1,0) et IR} = < u2 >,
alors F + G = < u1, u2 >.

Proprit 2.19
Soit E un K-e.v. Soient E1 et E2 deux s.e.v. de E.
La somme de E1 et E2 est le s.e.v. engendr par la runion de E1 et E2.
C'est--dire E1 + E2 = Vect(E1 E2).

Dmonstration
Soit S = {x1 + x2 / x1E1 et x2E2}. Vect(E1 E2) est le plus petit s.e.v. de E qui contient E1 E2.
Il nous faut donc montrer que E1 E2 S Vect(E1 E2) et que S est un s.e.v.
0E2 car E2 est un s.e.v de E. Donc x1E1, x1 = x1 + 0 donc x1S c'est--dire E1 S
8/30

0E1 car E1 est un s.e.v de E. Donc x2E2, x2 = 0 + x2 donc x2S c'est--dire E2 S.


D'o E1 E2 S.
Vect(E1 E2) est l'ensemble des combinaisons linaires des lments de E1 E2.
Soit xS, x1E1 et x2E2 tels que x = x1 + x2.
E1 E1 E2 donc x1E1 E2 et E2 E1 E2 donc x2E1 E2.
x1 + x2 est donc une combinaison linaire de E1 E2 d'o x1 + x2 Vect (E1 E2).
0E1 et 0E2, 0 + 0 = 0S donc S est non vide.
Soient ,K et soient x = x1 + x2 / x1E1 et x2E2 et x' = x'1 + x'2 / x'1E1 et x'2E2.
x + x' = (x1 + x2) + (x'1 + x'2) = x1 + x2 + x'1 + x'2 = x1 + x'1 + x2 + x'2
Or x1 + x'1E1 car E1 est un s.e.v de E et x2 + x'2E2 car E2 est un s.e.v de E donc x + x'S.

Proprit 2.20
Soit F = (F1, F2, ... , Fn) une famille finie de n (IN*) s.e.v. d'un K-e.v. E.
Soit F = F1 + F2 + ... + Fn l'ensemble des vecteurs de la forme u1 + u2 + ... + un o uiFi pour tout i = 1, n.
F est un s.e.v. de E, appel somme des Fi.

Dmonstration
F = F1 + F2 + ... + Fn = {uE / u = u1 + u2 + ... + un o uiFi, i = 1, n}.
On a i = 1, n, 0Fi car Fi est s.e.v. On a 0 = 0 + 0 + ... + 0 donc 0F. C'est--dire F .
Soient , K et u, vF.
uFu = u1 + u2 + ... + un o uiFi pour tout i = 1, n.
vFv = v1 + v2 + ... + vn o viFi pour tout i = 1, n.
u + v = (u1 + u2 + ... + un) + (v1 + v2 + ... + vn)
= ( u1 + v1) + ( u2 + v2) + ... + ( un + vn).
Or puisque Fi est un s.e.v., i = 1, n, on a ui + viFi. C'est--dire u + v F.

Remarques 2.21

Avec les notations de la proprit, F peut tre not Fi.


On peut tendre la dfinition de somme une famille (Fi)iI quelconque de s.e.v. de E. Dans ce
cas, la somme des Fi est l'ensemble F des sommes support fini ui, o pour tout i de I, uiFi.
En gnral, une runion de sous-espaces vectoriels de E n'est donc pas un sous-espace de E.

Proprit 2.22
Soit F = (F1, F2, ... , Fn) une famille finie de n (IN*) s.e.v. d'un K-e.v. E.
La somme F = F1 + F2 + ... + Fn est le plus petit sous-espace vectoriel de E contenant tous les Fi.
C'est le s.e.v. de E engendr par la runion des Fi c'est--dire F = Vect(F1 F2 ... Fn).

Dmonstration
On a Fi F, pour tout entier i = 1, n.
Tout s.e.v. de E contenant tous les Fi doit tre stable par somme.

Remarque 2.23

Soient u1, u2 et u3 trois vecteurs d'un K-e.v. E. On a : < u1, u2 > + < u3 > = < u1> + <u2, u3 > = < u1, u2, u3 >.
9/30

Cette proprit peut tre facilement tendue plus de trois vecteurs.

2.3 Sommes directes


Remarque 2.24
Dans IR3, soient F = {(x,y,z) IR3 / x = 0} et G = {(x,y,z) IR3 / y = 0}.
Tout vecteur v = (a,b,c) IR3 peut s'crire par exemple v = (0,b,c/2) + (a,0,c/2). Donc F + G = IR3.
Le vecteur u = (1,1,1) peut s'crire (0,1,0) + (1,0,1) mais aussi (0,1,1) + (1,0,0). La dcomposition de u n'est
donc pas unique. Par consquent, F + G nest pas une somme directe

Dfinition 2.25
Soient F et G deux s.e.v. d'un K-e.v. E.
On dit que la somme F + G est directe et on note F G si et seulement si tout lment de F + G admet
une dcomposition unique en la somme d'un lment de F et d'un lment de G.

Exemples 2.26
Dans IR[X], on considre F = {1, o IR} et G = {X, o IR}.
F + G est l'e.v. des polynmes de degr 1. La dcomposition de tout vecteur de F + G en la
somme d'un vecteur de F et d'un vecteur de G est unique.
Dans l'ensemble des vecteurs de IR, on considre F = {(x,0) IR/ x IR } et
G = {(0,y) IR / yIR}, on a F + G = IR et la dcomposition est unique.
Dans l'ensemble des vecteurs de IR3, on considre F = {(0,y,0) IR3 / y IR} et
G = {(0,0,z)IR3 / z IR}, on a F + G = {(x,y,z) IR3 / x = 0} et la dcomposition est unique.

Proprit 2.27
Soient F et G deux s.e.v. de E. La somme F + G est directe si et seulement si F G = {0}.

Dmonstration
(=>) {0}F G (toujours). Soit uF G, on a u = 0 + u = u + 0.
Avec dans le premier cas, 0F et uG et dans le deuxime cas uF et 0G.
De part l'unicit de la dcomposition, on a u = 0.
() On suppose qu'un vecteur u de F + G se dcompose sous la forme u = u1 + u2 et u = u'1 + u'2
avec u1, u'1F et u2, u'2G.
On a donc u1 u'1 = u'2 u2. Or u1 u'1F et u'2 u2G.
Puisque F G = {0}, on obtient u1 u'1 = 0 = u'2 u2.
C'est--dire u'1 = u1 et u'2 = u2 : la dcomposition est unique.

Dfinition 2.28
10/30

Soit F = (F1, F2, ... , Fn) une famille finie de n ( 3) s.e.v. d'un K-e.v. E.
On dit que la somme F = Fi est directe si tout vecteur v de F s'crit de manire unique sous la forme
v = vi, o pour tout i = 1, n, viFi. _
On dit que vi est la composante de v sur Fi relativement cette somme directe.
La somme F est alors note F = Fi = F1 F2 ... Fn.

Remarque 2.29
Si (Fi)iI une famille quelconque de s.e.v. d'un K-e.v. E.
On a une dfinition similaire : la somme F = Fi est directe si tout vecteur v de F s'crit de manire unique
sous la forme d'une somme support fini ui, o pour tout i de I, uiFi. La somme F est alors note F = Fi.

Proprit 2.30
Soit F = (F1, F2, ... , Fn) une famille finie de n ( 2) s.e.v. d'un K-e.v. E.
La somme F = Fi = F1 + F2 + ... + Fn est directe si et seulement si :
(u1, u2, ... , un) Fi, on a u1 + u2 + ... + un = 0 => ui = 0 i = 1, n.

Dmonstration
(=>) Soit (u1, u2, ... , un) F.
On a : u1 + u2 + ... + un = 0 = 0 + 0 + ... + 0 avec 0Fi.
De part l'unicit de la dcomposition, on obtient le rsultat.
() Supposons que l'on ait deux dcompositions pour un mme vecteur u de F1 + F2 + ... + Fn.
Nous allons montrer que ces deux dcompositions sont les mmes.
On suppose donc : u = u1 + u2 + ... + un = u'1 + u'2 + ... + u'n avec ui, u'iFi i = 1, n.
On obtient alors (u1 u'1) + (u2 u'2) + ... + (un u'n) = 0 avec ui u'iFi i = 1, n.
D'o ui u'i = 0 i = 1, n.
C'est--dire ui = u'i i = 1, n.

Remarque 2.31
On peut tendre ce rsultat une famille (Fi)iI quelconque de s.e.v. de E.
Dans ce cas, la somme F = Fi est directe si et seulement si : Pour toute famille (ui) support fini (uiFi pour
tout i), iI ui = 0 => iI, ui = 0.

Remarques 2.32
Si la somme Fi est directe, et si J est une partie de I, alors Fi est directe.
En particulier, pour tous les indices distincts i et j, Fi Fj = {0}.
La rciproque est fausse.
Pour monter que F1, F2, ... , Fn sont en somme directe, avec n 3, il ne suffit pas de vrifier que
pour tous indices distincts i et j, Fi Fj = {0}.
Ce serait encore pire de se contenter de vrifier que F1 F2 ... Fn = {0}.
Une erreur classique consiste crire que la somme F + G est directe si et seulement si
l'intersection F G est vide!
11/30

L'intersection de deux s.e.v. de E n'est en effet jamais vide car elle contient toujours 0.
Il faut en fait vrifier que l'intersection F G se rduit {0}.

2.4 Sous-espaces supplmentaires


Dfinition 2.33
Soient F et G deux s.e.v. de E.
On dit que F et G sont supplmentaires dans E si E = F G.
Cela signifie que tout vecteur u de E s'crit d'une manire unique u = v + w, avec vF et wG.
On dit alors que F est un supplmentaire de G dans E et que G est un supplmentaire de F dans E.

Thorme 2.35
Soit F un s.e.v. de E. Alors F possde au moins un supplmentaire dans E.

Remarques 2.36
Si la somme F+G est directe, alors F et G sont supplmentaires dans F G.
Un mme sous-espace F de E possde en gnral une infinit de supplmentaires dans E.
Il y a cependant deux cas d'unicit :
Si F = E, le seul supplmentaire de F dans E est {0}.
Si F = {0}, le seul supplmentaire de F dans E est E lui-mme.
On ne confondra pas supplmentaire et complmentaire!
Le complmentaire d'un sous-espace F de E est un ensemble sans grand intrt en algbre
linaire : ce n'est pas un s.e.v. de E car il ne contient pas le vecteur nul.

Exemples 2.37
Dans l'espace vectoriel Mn(K) des matrices carres d'ordre n coefficients dans K, les
sous-espaces Sn(K) et An(K) forms respectivement des matrices symtriques et antisymtriques
sont supplmentaires.
Dans l'espace vectoriel F (IR, IR) de toutes les fonctions de IR dans IR, les sous-espaces
P (IR, IR) et I(IR, IR) forms respectivement des fonctions paires et impaires sont supplmentaires.

3. Applications linaires
3.1 Dfinitions et notations
Dfinition 3.1
Soient E et F deux espaces vectoriels sur un mme corps K.
Soit f une application de E dans F.
12/30

On dit que f est linaire si et seulement si : u, vE, K, f (u + v) = f (u) + f (v) et f ( u) = f (u).

Dfinitions 3.2
On note LK(E, F) ou L (E, F) s'il n'y a pas d'ambigut sur le corps K l'ensemble des applications
linaires du K-e.v. E dans le K-e.v. F.
Un endomorphisme d'un K-e.v. E est une application linaire de E dans lui-mme.
On note LK(E) ou L (E) l'ensemble des endomorphismes de E.
Un isomorphisme est une application linaire bijective.
Un automorphisme d'un K-e.v. E est un isomorphisme de E dans lui-mme.
On note GL(E) l'ensemble des automorphismes de E.

Exemples 3.3
Soient E et F deux espaces vectoriels sur K.
L'application nulle de E dans F est linaire.
L'application identit IdE est une application linaire et bijective de E dans E (automorphisme).
Pour tout scalaire , l'application h : u | u est un endomorphisme de E.
Pour tous scalaires et , h o h = h.
Si = 0, h est simplement l'application nulle.
Si 0, h est un automorphisme et (h)1 = h1/. On dit que h est l'homothtie vectorielle de rapport .
Soit I un intervalle de IR, non rduit un point. L'application qui, une fonction f de I dans IR associe sa
drive f' est une application linaire de l'espace vectoriel des fonctions drivables sur I dans F (I, IR).

La restriction de cette application E = C ( I, IR) est un endomorphisme de E.




Lapplication : C ( IR) IR dfinie pour toute fonction relle continue f par (f) =   est
linaire.
0

f : IR IR
x | x n'est pas linaire. En effet, on a : f (1+1) = f (2) = 4 et f (1)+ f (1) = 2.

Remarques 3.4
Si f est une application linaire, on dit aussi que f est un morphisme d'espaces vectoriels.
f est linaire de E dans F si et seulement si, u,vE, ,K, f (u + v) = f (u) + f (v).
Si f est linaire, alors f (iI i ui) = iI i f (ui) pour toute combinaison linaire.
Dans le cas fini : f (iI i ui) = f (1u1+2u2+ ... +nun) = f (1u1) + f (2u2) + ... + f (nun) = iI i f (ui).
13/30

Si f est linaire de E dans F, alors f (0E) = 0F. En effet, f (0E) = f (0K.0E) = 0K.f (0E) = 0F.
Cette remarque est parfois utilise pour montrer qu'une application n'est pas linaire.

3.2 Oprations sur les applications linaires


Proprit 3.5
Soient E et F deux espaces vectoriels sur un mme corps K.
Soient f et g deux applications linaires de E dans F, et , deux scalaires.
Alors f + g est aussi une application linaire de E dans F.
On en dduit que L (E, F) est un espace vectoriel sur K.

Dmonstration
(Rappel : Par dfinition, (f + g)(x) = f (x) + g(x) et (kf)(x) = k.f (x)).
Soient , K et soient x, yE.
(f + g) ( x + y) = (f)( x + y) + ( g)( x + y) = f ( x + y) + g( x + y).
= ( f (x) + f (y)) + ( g(x) + g(y)) = f (x) + f (y) + g(x) + g(y).
= (f (x) + g(x)) + (f (y) + g(y)) = (f + g)(x) + (f + g)(y).

Proprit 3.6
Soient E, F et G trois espaces vectoriels sur un mme corps K.
Si f : E F et g : F G sont linaires, alors g o f est une application linaire de E dans G.

Dmonstration
Soient , K et soient x, yE.
(g o f)( x + y) = g(f ( x + y)) = g( f (x) + f (y)) = g(f (x)) + g(f (y)) = (g o f)(x) + (g o f)(y).

Remarques 3.7
Soient E, F et G trois espaces vectoriels sur un mme corps K.
Si fL (F, G) et si g,h L (E, F) alors f o (g + h) = f o g + f o h.
En effet :
xE, [f o (g + h)](x) = f [(g + h)(x)] = f [g(x)+ h(x)]= f [g(x)]+ f [h(x)] = (f o g)(x) + (f o h)(x)

Soit f un endomorphisme de E et n un entier naturel. Alors f n = f o f o ... o f (n fois) est un


endomorphisme de E.

Proprit 3.8
Soit f un isomorphisme de E sur F.
14/30

Sa bijection rciproque f 1 est un isomorphisme de F sur E.

Dmonstration
f est bijective (donc surjective) d'o, pour tous z,tF, il existe x,yE tels que f (x) = z et f (y) = t.
C'est--dire f 1 (z) = x et f 1 (t) = y.
Donc , K, f 1 (z + t) = f 1 [ f(x) + f(y)] = f 1 [ f(x + y)] = x + y = f 1 (z) + f 1 (t).

Remarque 3.9
Si f et g sont deux automorphismes d'un K-e.v. E, alors f 1 et g o f sont encore des automorphismes de E.

3.3 Noyau et image


Proprit 3.10
Soient E et F deux espaces vectoriels sur K. Soit f un morphisme de E dans F.
Si E' est un sous-espace de E, alors f (E') est un sous-espace de F.
Si F' est un sous-espace de F, alors f 1(F') est un sous-espace de E.

Dmonstration

Soit E' un s.e.v. de E.


0EE' car E' s.e.v. de E et f (0E) = 0F donc f (E') .
Soient y, y'f (E').
xE' / y = f (x) et x'E' / y' = f (x').
, K, y + y' = f (x) + f (x') = f ( x + x').
Or x + x'E' car E' s.e.v. donc y + y'f (E').
Soit F' un s.e.v. de F.
0F F' car F' s.e.v. de F et f (0E) = 0F donc f 1(F') .
Soient x, x' f 1(F') c'est--dire f (x)F' et f (x')F'.
, K, f ( x + x') = f (x) + f (x').
Or f (x) + f (x')F' car F' s.e.v. donc f ( x + x')F' .
C'est--dire x + x'f 1(F').

Dfinitions 3.11
Soient E et F deux espaces vectoriels sur K.
Soit f un morphisme de E vers F.
L'ensemble f (E) = {vF / uE et v = f (u)} = {f (u), uE} est un s.e.v. de F.
On l'appelle image de f et on le note Imf.
L'ensemble f 1({0F}) = {uE, f(u) = 0F} est un s.e.v. de E.
On l'appelle noyau de f et on le note Ker f.

Remarques 3.12
15/30

Avec les notations de la dfinition, on a : f surjective Im f = F.


On peut parfois montrer qu'une partie d'un espace vectoriel en est un s.e.v. en l'interprtant comme le
noyau ou l'image d'une application linaire. Par exemple, soit f un endomorphisme de l'espace vectoriel E, et
soit un scalaire. Notons E l'ensemble des vecteurs u de E tels que f (u) = u.
On constate que f (u) = u (f Id)(u) = 0 u Ker(f Id). On en dduit que E est un s.e.v. de E.
En particulier, Inv(f) = E1 = (vecteurs invariants par f) = Ker(f Id) et Opp(f) = E1 (vecteurs changs en leur
oppos par f) = Ker(f + Id).

Proprit 3.13
Soient E et F deux espaces vectoriels sur K. Soit f un morphisme de E dans F.
f est injective si et seulement si son noyau Ker(f) se rduit {0E}.

Dmonstration
(=>) xKer f f (x) = 0F f (x) = f (0E).
f injective => x = 0E => Ker f = {0}.
() x, x'F / f (x) = f (x') => f (x) f (x') = 0F => f (x x') = 0F.
Or Ker f = {0} donc x x' = 0E => x = x'.

Remarque 3.14

Autrement dit, f est injective si et seulement si (uE) f (u) = 0F => u = 0E.

3.4 Projections et symtries vectorielles


Dfinition 3.15
Soient F et G deux s.e.v. supplmentaires de E ( cd E =FG).
Pour tout vecteur u de E : !vF, !wG tels que u = v + w.
L'application p : u  p(u) = v est appele la projection sur F, paralllement G.
L'application s : u  s(u) = v w est appele la symtrie par rapport F, paralllement G.

Remarques 3.16
Avec les notations prcdentes,
p est un endomorphisme de E qui vrifie p o p = p.
L'image de p est F et son noyau est G.
F est aussi le s.e.v. des vecteurs invariants par p.
s est un automorphisme de E, et s o s = Id.
Ainsi s est involutif : s 1 = s.
On a la relation s = 2p Id, qui s'crit encore p = (s + Id). 12
G est le sous-espace des vecteurs changs en leur oppos par s.
F est le sous-espace des vecteurs invariants par s.
Si on note p' la projection sur G paralllement F, et s' la symtrie par rapport G paralllement
F, alors p + p' = Id, p o p' = p' o p = 0 et s + s' = 0, s o s' = s' o s = Id.
16/30

Exemple 3.17
On considre la somme directe E = E {0}.
On pose F = E et G = {0}.
Soient p la projection sur F paralllement G
s la symtrie par rapport F paralllement G.
p' la projection sur G paralllement F
s' la symtrie par rapport G paralllement F.
On obtient : p = Id (c'est le seul cas o une projection vectorielle est injective) et s = Id.
p' = 0 et s' = Id (en effet x = x + 0).

Dfinition 3.18
Soit E un espace vectoriel sur K.
On appelle projecteur de E tout endomorphisme p de E tel que p o p = p.

Proprit 3.19

Si p est un projecteur de E, alors E = Ker p Imp.


L'application p est la projection sur Imp paralllement Ker p.

Dmonstration

Soit p un projecteur de E. Pour tout uE, on a u = u p(u) + p(u).


On a bien p(u)Imp.
p(u p(u)) = p(u) p(p(u)) = p(u) p(u) = 0 donc u p(u)Ker p.
C'est--dire E = Ker p + Imp.
Il reste vrifier que Ker p Imp = {0}.
Soit uKer p Imp.
uImp => tE / u = p(t).
uKer p => p(u) = 0 => p(p(t)) = 0 p(t) = 0
=> u = 0.

4. Familles libres, gnratrices, bases


Toutes les sommes considres dans cette partie sont finies.

4.1 Familles libres


Dfinition 4.1
Soit E un espace vectoriel sur K.
On dit qu'une famille (ui)iI d'lments de E est libre, ou encore que les vecteurs de cette famille sont
linairement indpendants si, pour toute famille (i)iI de K(I) (c'est--dire support fini), nous avons :
i ui = 0 => iI, i = 0.
iI

Dans le cas contraire, c'est--dire s'il existe une famille (i)iIK(I) de scalaires non tous nuls telle que
i ui = 0, on dit que la famille (ui) est lie, ou encore que les vecteurs qui la composent sont linairement
dpendants.
iI

iI

17/30

Exemple 4.2
Soient u = (1, 1) et v = (2, 3) dans IR.
.u + v = 0 => (1, 1) + (2,3) = 0
=> (,) + (2,3) = 0
=> ( + 2, + 3) = (0,0)
=> = = 0

Remarques 4.3
Ne pas confondre non tous nuls (i.e. l'un au moins tant non nul) et tous non nuls (i.e. tous diffrents
de 0)
La famille (u1, u2, ... , un) est libre si (1, 2, ... , n)Kn, i ui = 0 => 1 = 2 = ... = n = 0. _
La famille (u1, u2, ... , un) est lie si : Il existe n scalaires 1, ... , n, l'un au moins tant non nul, tels que


 . Si, par exemple, 1 0, alors u1 = 
  .


Une famille de vecteurs est lie si et seulement si l'un des vecteurs qui la compose peut s'crire
comme une combinaison linaire des autres.
Une famille rduite un seul vecteur u est libre si et seulement si u est non nul.
Une famille de deux vecteurs u et v est lie si et seulement si u et v sont colinaires, ou encore
proportionnels, c'est--dire s'il existe un scalaire tel que u = v ou v = u. Cela ne se gnralise
pas aux familles de plus de deux vecteurs.
Attention ne pas dire que u et v sont lis si et seulement si il existe un scalaire tel que u = v,
car c'est faux si v = 0 et u 0 (en revanche c'est vrai si v 0).
Toute sous-famille d'une famille libre est libre. Cela quivaut dire que toute sur-famille d'une famille lie
est lie. En particulier toute famille contenant 0, ou deux vecteurs colinaires, est lie.
Dans l'espace vectoriel K[X] des polynmes coefficients dans K, toute famille de polynmes
dont les degrs sont diffrents deux deux est libre. C'est le cas pour la famille (Pn) nIN si
deg P0 < deg P1 < ... < deg Pn < ... On parle alors de famille de polynmes degrs chelonns.

Exemples 4.4
(X ,X) forment une famille libre de IR2[X].
(X2n)nIN forment une famille libre de IR[X].
Les vecteurs u = (1,1) et v = (1,1) de IR sont linairement indpendants.
Les vecteurs u = (1,1,1), v = (1,2,3) et w = (2,1,0) de IR3 sont linairement dpendants
car w = v 3 u.
(sin, cos) est une famille libre de C0(IR)
(Il suffit de prendre x = 0 et x = / 2 par exemple).

Proprits 4.5
Soient E et F deux espaces vectoriels sur K et f un morphisme de E dans F.
18/30

Soit (ui)i = 1, p une famille finie d'lments de E.


1. Si la famille (ui)i = 1, p est lie, alors la famille (f (ui))i = 1, p est lie.
2. Si la famille (f (ui))i = 1, p est libre, la famille (ui)i = 1, p est libre.
3. Si la famille (ui)i = 1, p est libre et si f est injective, alors la famille (f (ui))i = 1, p est libre.

Dmonstration
1. Si une famille (quelconque, voir remarque 4.4) (ui)iI est lie, l'un des ui est une combinaison
linaire des autres. C'est--dire il existe un ensemble J fini tel que J I, i0I \ J et une famille (j)jJ
d'lments de K tels que ui0 = jJ juj.
On a donc f (ui0 ) = f (jJ juj) = jJ j f (uj). C'est--dire f ( ) combinaison linaire des (ui) d'o (f (ui))iI lie.
2. On raisonne par contrapose.
3.
Soit (v1, v2, ... , vn) une famille libre de E.
1f (v1) + 2f (v2) + ... + nf (vn) = 0
f (1v1 + 2v2 + ... + nvn) = 0
1v1 + 2v2 + ... + nvnKer f.
=> 1v1 + 2v2 + ... + nvn = 0 car f est injective
=> 1 = 2 = ... = n = 0 car (v1, v2, ... , vn) est libre. Donc (f (v1), f (v2), ... f (vn)) est libre.

Remarque 4.6
On peut tendre ces rsultats une famille quelconque (ui)iI :
Toute application linaire transforme une famille lie en une famille lie.
Une application linaire injective transforme une famille libre en une famille libre.

4.2 Familles gnratrices


Dfinition 4.7
Soit E un espace vectoriel sur K.
On dit qu'une famille (ui)iI d'lments de E est gnratrice de E, ou encore que les vecteurs de cette
famille engendrent E si et seulement Vect({ui, iI}) = E, c'est--dire : vE, (i)iIK(I) / v = iI i ui.

Remarques 4.8
La famille (u1, u2, ... , un) est gnratrice dans E si, pour tout vecteur v de E, il existe n scalaires 1, ... , n
tels que v =
 .

Exemples 4.9
(1,0,0), (0,1,0) et (0,0,1) engendrent IR3.
(1,0,0), (1,1,0) et (1,1,1) engendrent IR3.
(1,0,0), (1,1,0), (1,1,1) et (1,2,1) engendrent IR3.
{1, 1 + X, 1 + X + X 2} engendre E = {PIR[X] / deg P 2} = {aX 2 + bX + c o a,b,cIR}.
En effet, aX 2 + bX + c = a(1 + X + X 2) + (b a)(1 + X) + (c b)(1).
19/30

Remarques 4.10
Toute sur-famille d'une famille gnratrice de E est encore gnratrice.
Soient E un espace vectoriel sur K et F un s.e.v. strict de E (F E). Soit (ui)iI une famille de
vecteurs de F. Le caractre libre ou non de cette famille ne dpend pas de l'espace vectoriel, F ou
E, auxquels ils sont censs appartenir. En revanche, si cette famille est gnratrice dans F, elle ne
l'est pas dans E. Il faudra donc prciser dans quel espace vectoriel une famille de vecteurs est
gnratrice surtout lorsqu'il y a un risque d'ambigut.

Proprit 4.11
Soient E et F deux espaces vectoriels sur K et f LK(E,F). Soit (ui)i = 1, p une famille finie de E.
Si la famille (ui)i = 1, p est gnratrice (de E) alors la famille (f (ui))i = 1, p est gnratrice de Im f.
Si la famille (ui)i = 1, p est gnratrice (de E) et si f est surjective, alors la famille (f (ui))i = 1, p est
gnratrice de F.

Dmonstration
Cas famille quelconque (voir remarque 4.12).
Soit vImf. Il faut montrer que v est une combinaison linaire des (f (ui))iI.
Par dfinition, vImf => uE / v = f (u).
Puisque (ui)iI est une famille gnratrice de E, il existe un ensemble J fini tel que J I et (j)jJ
famille de K tels que u = jJ j uj. Donc v = j f (uj). _
Si f surjective, f (E) = Im f = F.

Remarque 4.12
On peut tendre ces rsultats une famille quelconque (ui)iI : on peut donc dire qu'une application
linaire surjective transforme une famille gnratrice de l'ensemble de dpart en une famille gnratrice
de l'ensemble d'arrive..

4.3 Bases
Dfinition 4.13
Soit E un espace vectoriel sur K.
On dit qu'une famille (ui)iI d'lments de E est une base de E si elle est la fois libre et gnratrice de E.

Exemples importants 4.14


(1) est une base de . Elle est appele la base canonique de IR.
((1,0),(0,1)) est la base canonique de IR2.
((1,0,0),(0,1,0),(0,0,1)) est la base canonique de IR3.
{1,X,X} est la base canonique de IR2[X].
(X k)kIN est la base canonique de IR[X].
20/30

Proprit 4.15
Une famille (u) = (u1, u2, ... , un) est une base de E si et seulement si, pour tout vecteur v de E, il existe un
n-uplet unique (1, ... , n) de K n tel que v =
 .
Les coefficients i sont appels composantes, ou coordonnes, de v dans la base (ui)i = 1, n.
On note alors [v]u =

!1

%.

!$

Dmonstration
Puisqu'une base est une famille libre et gnratrice, il suffit de montrer que dans le cas d'une famille
gnratrice, on a l'quivalence entre la libert et l'unicit de la dcomposition.
(=>) Supposons qu'un vecteur v admette deux dcompositions :
v = i ui = i ui o i, iK, i = 1, n. On obtient donc (i i) ui = 0. _
Puisque (u) est une famille libre, on a donc i i = 0 i = 1, , n c'est--dire i = i.
() On suppose que tout vecteur v de E peut s'crire de manire unique comme une combinaison
linaire des vecteurs ui. On a i ui = 0 = 0u1 + 0u2 + ... + 0un.
La dcomposition tant unique cela implique bien que, iI, i = 0 et donc que (u) est libre.

Remarques 4.16
Une famille (quelconque) (ui)iI est une base de E si et seulement si tout vecteur v de E peut
s'crire de manire unique comme une combinaison linaire des vecteurs ui.
Si (i, j, k) forment une base de E, et si les coordonnes d'un vecteur v dans cette base sont (a, b, c)
(c'est--dire si v = ai + bj + ck), alors (j, k, i) forment une base de E dans laquelle les coordonnes
de v sont (b, c, a).
 Conclusion : deux bases se dduisant l'une de l'autre par modification de l'ordre des vecteurs
doivent tre considres comme diffrentes.
La famille des polynmes (X k)k = (1, X, X 2, ... , Xi, ... ) est une base de K[X].
On l'appelle la base canonique de K[X].
La famille des polynmes (X k)k = 0, n = (1, X, X 2, ... , Xn) est la base canonique de Kn[X].

Proprit 4.17
Soit (e) = (e1, e2, ... , en) une base dun K-e.v. E avec n 1.
Soient u1, u2, ... ,up p (p 1) vecteurs de E de coordonnes respectives [u1]e, [u2]e, ... ,[up]e Kn dans (e).
(u1, u2, ... ,up) libre ([u1]e, [u2]e, ... ,[up]e) libre.
(u1, u2, ... ,up) engendre E ([u1]e, [u2]e, ... ,[up]e) engendre Kn.

Proprits 4.18
Soient E et F deux espaces vectoriels sur K. On suppose que E est muni d'une base (ei)iI.
21/30

Pour toute famille (vi)iI de vecteurs de F, il existe une unique application linaire f de E dans F telle que
iI, f (ei) = vi. De plus :
f est injective si et seulement si la famille (vi)iI est libre.
f est surjective si et seulement si la famille (vi)iI est gnratrice de F.
f est bijective si et seulement si la famille (vi)iI est une base de F.

Dmonstration
Soit g est une application linaire de E vers F o E est de dimension finie et soit (e) = (e1, e2, ... , en) une
base de E. Pour tout xE, il existe (x1, x2, ... , xn)Kn telle que x = x1e1 + x2e2 + ... + xnen = xiei. _
D'o g(x) = g(x1e1 + x2e2 + ... + xnen) = g(x1e1) + g(x2e2) + ... + g(xnen) = x1g(e1) + x2g(e2) + ... + xng(en).
C'est--dire g(x) = g( xi ei) = g(xi ei) = xi g(ei).
Cela signifie que si l'on connat les (g(ei))i=1,n, on connat g : une application linaire est dfinie de
manire unique par la donne des images des vecteurs d'une base.
Nous avons vu (proprits 4.5 et 4.10) que : (f injective => (vi)iI libre) et (vi)iI est gnratrice de Imf.
Pour obtenir les trois points, il reste juste montrer que : (vi)iI libre f injective.
Soit x = () & ' Ker f.
f (x) = 0 => xi f (ei) = 0 => xi vi = 0 => xi = 0 i=1, n car (vi)iI libre => x = 0. _
Donc Ker f = {0} c'est--dire f injective.

Remarque 4.19
Un morphisme f de E vers F est un isomorphisme si et seulement si f transforme une base de E en une
base de F. L'application f transforme alors toute base de E en une base de F.

5. Espaces vectoriels de dimension finie


5.1 Notion de dimension finie
Dfinition 5.1
Soit E un K-espace vectoriel.
On dit que E est de dimension finie si E possde une famille gnratrice finie.

Remarques 5.2

Avec cette dfinition, l'espace rduit {0} est de dimension finie.


Si un espace vectoriel n'est pas de dimension finie, il est dit de dimension infinie.
C'est le cas de l'espace vectoriel K[X] des polynmes coefficients dans K.

Proprit 5.3
De toute famille gnratrice d'un espace vectoriel non nul de dimension finie, on peut extraire une base.

Remarque 5.4

On a prcis E {0} car dans l'espace {0} il n'y a mme pas de famille libre!
22/30

Dmonstration
Soit {e1, e2, ... , en} une famille gnratrice de n vecteurs de E.
Pour tout vecteur non nul x de E, x est une combinaison linaire des (ei)i=1,n, il existe donc une famille (i)i=1,n
d'lments deK tels que x = 1e1 + 2e2 + ... + nen =
 '.
Puisque x est non nul, il existe j1 = 1,n tel que j1 0 et ej1 0.
On pose e'1 = ej1 et B1 = {e'1} et G1 = {e1, e2, ... , en} \ {e'1} = {e1, e2, ... , en} \ B1.
Puisque e'1 est non nul, B1 est libre.
Si B1 est gnratrice, le thorme est dmontr.
Si B1 n'est pas gnratrice, il existe ej2G1 tel que {ej1, ej2} soit une famille libre. En effet, dans le cas
contraire, tous les lments de G1 seraient colinaires ej1. Ce serait aussi le cas de x. Or nous sommes
dans le cas o B1 n'est pas gnratrice.
On pose e'2 = ej2 et B2 = {e'1, e'2} et G2 = {e1, e2, ... , en} \ {e'1, e'2} = {e1, e2, ... , en} \ B2.
Si B2 est gnratrice, le thorme est dmontr
Si B2 n'est pas gnratrice, il existe ej3G2 tel que {ej1, ej2, ej3} soit une famille libre. En effet, dans le cas
contraire, tous les lments de G2 seraient des combinaison linaire de {ej1, ej2}. Ce serait aussi le cas de x.
Or nous sommes dans le cas o B2 n'est pas gnratrice. On applique le mme raisonnement que
prcdemment. On construit une suite de famille libre : B1 B2 ....... {e1, e2, ... , en} jusqu' obtenir
une famille gnratrice. Puisque {e1, e2, ... , en} est une famille finie. Ce processus se termine.
Plus prcisment, nous avons :

Thorme 5.5
Dans tout espace vectoriel E de dimension fini non rduit {0}, il existe des bases.

Proprit 5.6
Soit E un espace vectoriel sur K.
Soit (ei)i=1,n = {e1, e2, ... , en} une famille de n vecteurs de E.
Si (ei)i=1,n est gnratrice dans E, toute famille contenant plus de n vecteurs est lie.

Dmonstration
Soit {v1, v2, ... , vm} une famille de m (> n) vecteurs de E.
Si l'un des vi est nul, la famille (vi)i=1,m est lie et la dmonstration est termine.
On suppose donc que i =1,n, vi 0.
Puisque la famille (ei)i=1,n est gnratrice, il existe donc une famille (1,i)i=1,n d'lments de K tels que
v1 = 1,1e1 + 1,2e2 + ... + 1,nen.
Puisque v1 0, il existe un entier j compris entre 1 et n tel que 1,j 0.
Sans perte de gnralit (on reverra la situation), on peut supposer que 1,1 0.
On a alors e1 = 1/ 1,1 ( v1 1,2e2 ... 1,nen )
Pour tout vecteur x de E, on a donc :
x = 1e1 + 2e2 + ... + nen
= 1/ 1,1 ( v1 1,2e2 ... 1,nen ) + 2e2 + ... + nen = + 2e2 + ... + nen
Par suite, x est donc une combinaison linaire de {v1, e2, ... , en} c'est--dire {v1, e2, ... , en} famille
gnratrice de E. (Remarque : si, par exemple, on avait choisi 1,2 0 la place de 1,1, on aurait obtenu {v1,
e1, e3,... , en} famille gnratrice de E.)
On continue le processus ci-dessus.
Puisque {v1, e2, ... , en} est une famille gnratrice de E, il existe donc une famille (2,i)i=1,n d'lments de K
tels que v2 = 2,1v1 + 2,2e2 + ... + 2,nen.
23/30

Si 2,2 = ... = 2,n = 0, on aurait v2 = 2,1v1 ce qui signifie que la famille {v1, v2, ... , vm} est lie et
cela terminerait la dmonstration.
Sinon, il existe un entier j compris entre 2 et n tel que 2,j 0. Sans perte de gnralit, on peut supposer
qu'il s'agit de 2,2. On obtient e2 = 1/ 2,2 ( v2 2,1v1 2,3e3 ... 2,nen ) .
Pour tout vecteur x de E, puisque {v1, e2, ... , en} est une famille gnratrice de E, x est une combinaison
linaire de {v1, e2, ... , en}. Puisque e2 est une combinaison linaire de {v1, v2, e3,... , en}, x est une
combinaison linaire de {v1, v2, e3,... , en}. C'est--dire que {v1, v2, e3,... , en} est une famille gnratrice de E.
On continue ainsi de suite jusque vn.
Soit, dans une des tapes, on obtient que la famille est lie ce qui termine la dmonstration.
Soit on obtient que la famille {v1, v2, ... , vn} est une famille gnratrice de E.
Dans ce cas, puisque m > n, vn+1 existe et vn+1 est donc une combinaison linaire de {v1, v2, ... , vn}.
La famille {v1, v2, ... , vm} est donc lie.

Corollaire 5.7
Soit E un espace vectoriel sur K.
Soit (ei)i=1,n = {e1, e2, ... , en} une famille de n vecteurs de E.
Si (ei)i=1,n est libre, aucune famille de moins de n vecteurs n'est gnratrice dans E.

Dmonstration
Si on avait une famille de moins de n vecteurs qui soit gnratrice, on pourrait en extraire une base.
Toute famille contenant plus de vecteurs serait donc li.

Thorme 5.8
Si E est un K-espace vectoriel de dimension finie non rduit {0}, alors toutes les bases de E sont finies
et elles ont le mme nombre d'lments. Ce nombre est appel dimension de E et est not dimE.

Dmonstration
Soit (e) = (e1, e2, ... , en) une base de n vecteurs de E. Soit (e') une autre base de E.
Si (e') possdait plus de n vecteurs, elle ne serait pas libre. Si (e') possdait moins de n vecteurs, elle ne
serait pas gnratrice.

Remarques 5.9
Par convention, dim{0} = 0.
On appelle droite vectorielle tout espace vectoriel E de dimension 1.
Tout vecteur non nul u de E constitue alors une base de E, et E = { u, K}.
On appelle plan vectoriel tout espace vectoriel E de dimension 2.
Deux vecteurs u et v non proportionnels forment alors une base de E et E = { u + v, K, K}.
La dimension d'un espace vectoriel E dpend du corps de base K considr.
Si E est un espace de dim n sur  , c'est un espace de dimension 2n sur IR.
Par exemple,  est une droite vectorielle sur  (dim  = 2)et un plan vectoriel surIR (dimIR  = 2).
Pour viter toute ambigut, on note parfois dimK(E).
24/30

Exemples 5.10
Kn est un espace vectoriel sur K, de dimension n.
Une base de Kn est la famille (ek)1 k n, o e1 = (1, 0, ... , 0), e2 = (0, 1, 0, ... , 0), ... ,
en = (0, ... , 0, 1). On l'appelle la base canonique de Kn.
Les coordonnes de u = (x1, ... , xn) dans cette base sont (x1, ... , xn), car   * &* '*
L'ensemble Kn[X] des polynmes coefficients dans K et de degr infrieur ou gal n est un
espace vectoriel sur K, de dimension n + 1.
Une base de Kn[X] est (1, X, X 2, ... , Xn).
Si E et F sont deux K-espaces vectoriels de dimensions respectives n et p, alors l'espace vectoriel
des applications linaires de E dans F ( not L (E,F) )est de dimension n p.
Si E et F sont deux K-e.v. de dimensions respectives n et p, alors on a dim(E F) = n + p.
Plus gnralement, pour une famille E1, E2, ..., Em despaces vectoriels sur le mme corps, on a :
dim(E1 E2 ... Em) = dim(E1) + dim(E2)+ + dim(Em) et dim(Em) = m dim(E).

Thorme de la base incomplte


Thorme 5.11
Soit E un K-espace vectoriel de dimension finie n 1 1. Soit (e) une famille gnratrice finie de E.
Soit (u) une famille libre de E, non gnratrice. Alors il est possible de complter la famille (u) l'aide de
vecteurs de la famille (e), de manire former une base de E.

Proprit 5.12
Soit E un K-espace vectoriel de dimension finie n 1.
Soit B = (u1, u2, ... , un) une famille de n lments de E.
B est une base B est libre B est gnratrice.

Dmonstration
Il suffit de montrer que B libre B base et B gnratrice B base
Si B est une famille libre, d'aprs le thorme de la base incomplte, on peut complter B en
une base. Mais toute base de E contient n vecteurs.
Donc on ne peut pas ajouter de vecteur pour obtenir une base. Par consquent, B est dj une base.
Si B est une famille gnratrice, on peut en extraire une base.
Or cette base doit contenir n lments!!!

Remarque 5.13
La dimension d'un espace vectoriel de dimension finie est donc :
Le nombre minimum d'lments d'une famille gnratrice de cet e.v.
Le nombre maximum d'lments d'une famille libre de cet e.v.
25/30

5.2 Sous-espaces de dimension finie


Proprit 5.14
Soit F un s.e.v. d'un K-e.v. E de dimension finie.
Alors F est de dimension finie et dim(F) dim(E).
On a l'galit dim(F) = dim(E) si et seulement si F = E.

Dmonstration

Soit n = dimE.
Si F = {0}, on obtient trivialement le rsultat.
Si F {0}, soit (e'1, e'2, ... , e'p) une base de F.
(e'1, e'2, ... , e'p) est une famille libre de F et donc de E. On obtient donc p n.
Si p = n, (e'1, e'2, ... , e'p) est une famille libre de E possdant n lments, c'est donc une base de E.

Dfinition 5.15
Soit (ui)i=1,p = (u1, u2, ... , up) une famille de p vecteurs d'un espace vectoriel E sur K.
On appelle rang de la famille (ui)i=1,p et on note rg(u1, u2, ... , up) la dimension du s.e.v. de E engendr par
cette famille. C'est--dire, rg(u1, u2, ... , up) = dim(Vect{u1, u2, ... , up}).

Remarques 5.16
rg(u1, u2, ... , up) est le nombre maximal de vecteurs libres de la famille (u1, u2, ... , up).
On a rg(u1, u2, ... , up) p, avec l'galit si et seulement si la famille (u) est libre.
Si dim(E) = n, alors rg(u1, u2, ... , up) n, avec l'galit si et seulement si la famille (ui)i=1,p est
gnratrice dans E.

Exemples 5.17
On considre dans IR3 la famille A dans les cas suivants :
a. A = {(1,2,3) ; (2,4,6)} rg(A) = 1
b. A = {(1,2,3) ; (1,0,5)} rg(A) = 2
c. A = {(1,2,3) ; (1,0,5) ; (0,2,2)} rg(A) = 2
d. A = {(1,2,3) ; (1,0,5) ; (0,2,3)} rg(A) = 3
e. A = {(1,2,3) ; (1,0,5) ; (0,2,3) ; (4,1,5)} rg(A) = 3
f. A = {(1,2,3) ; (1,0,5) ; (0,2,2) ; (1,4,1)} rg(A) = 2

Proprit 5.18
Soient F et G deux s.e.v. de dimensions finies d'un K-e.v. E.
Dans le cas gnral, dim(F + G) = dim(F) + dim(G) dim(F G).
Si F et G sont en somme directe, alors dim(F G) = dim(F) + dim(G).

Dmonstration
26/30

Supposons que dim(F) = p, dim(G) = q et dim(F G) = r.


Plus prcisment, soit (1, 2, ... , r) une base de F G.
(1, 2, ... , r) est une famille libre de F G et donc de F et G.
On peut complter cette famille en une base de F et en une base de G.
Soient (1, 2, ... , r, ar+1, ar+2, ..., ap) une base de F et (1, 2, ... , r, br+1, br+2, ..., bq) une base de G.
On considre la famille (B) = (1, 2, ... , r, ar+1, ar+2, ..., ap, br+1, br+2, ..., bq).
Nous allons montrer que (B) est une base de F + G.
Puisque (B) contient r + (p r) + (q r) = p + q r lments, cela terminera la dmonstration.
Famille gnratrice :
Tout vecteur x de F + G s'crit comme somme d'une combinaison linaire d'une base F et d'une combinaison
linaire d'une base G. x = 1
1 + 2 2 + ... + r r + r +1 ar+1 + r +2 ar+2 + ... + p ap + 1 1 + 2 2 + ... + r r + r +1 br+1 + r +2 br+2 + ... +
q bq. x est donc une combinaison linaire de (B) est une famille gnratrice de F + G.
Famille Libre :
1 1 + 2 2 + ... + r r + r +1 ar+1 + r +2 ar+2 + ... + p ap + p +1 br+1 + p +2 br+2 + ... + p+q bq = 0.
Si on pose u = 1 1 + 2 2 + ... + r r, v = r +1 ar+1 + r +2 ar+2 + ... + p ap et w = p +2 br+2 + ... + p+qr bq, on
a u + v + w = 0. Donc w = u v avec wF et u vG. D'o wF G.
w est donc une combinaison linaire des (1, 2, ... , r) i.e. : w = 1 1 + 2 2 + ... + r r.
De w = p +1 br+1 + p +2 br+2 + ... + p+q bq = 1 1 + 2 2 + ... + r r et puisque (1, 2, ... , r, br+1, br+2, ..., bq)
est une base de G, on tire que p +1 = p +2 = ... = p+q = 0 c'est--dire w = 0.
Donc u + v = 0 avec (1, 2, ... , r, ar+1, ar+2, ..., ap) une base de F.
Ce qui signifie que 1 = 2 = ... = p = 0.

Corollaire 5.19
Soient F1, F2, ... , Fp une famille de p s.e.v. de dimension finie d'un K-e.v. E.
On a toujours dim(F1+ F2+ ... + Fp) dim(F1) +dim(F2) + ... + dim(Fp).
On a l'galit si et seulement si la somme des p s.e.v. est directe :
dim(F1F2...Fp) = dim(F1)+dim(F2)+ ... + dim(Fp).

Proprits 5.20
Soit E un K-espace vectoriel (de dimension 1).
Soient F et G deux sous-espaces vectoriels de E, de dimension finie, en somme directe.
Soit (e') = (e'1, e'2, ...., e'p) une famille finie d'lments de F.
Soit (e'') = (e''1, e''2, ...., e''q) une famille finie d'lments de G.
On forme la famille (e) = (e') (e'') en juxtaposant les familles (e') et (e'').
Si les familles (e') et (e'') sont libres, alors la famille (e) est libre.
Si (e') engendre F et (e'') engendre G, alors (e) engendre F G.
Si (e') est une base de F et si (e'') est une base de G, alors (e) est une base de F G.

Dmonstration
27/30


1 e'1 + 2 e'2 + ... + p e'p + p +1 e''1 + p +2 e''2 + ... + p+q e''q = 0.
1 e'1 + 2 e'2 + ... + p e'p = p +1 e''1 p +2 e''2 ... p+q e''q
Or 1 e'1 + 2 e'2 + ... + p e'p F, p +1 e''1 p +2 e''2 ... p+q e''q G et F G = {0}.
Donc 1 e'1 + 2 e'2 + ... + p e'p = 0 et p +1 e''1 + p +2 e''2 + ... + p+q e''q = 0
Ce qui implique 1 = 2 = ... = p = 0 et p +1 = p +2 = ... = p+q = 0 car (e') et (e'') sont libres.
Tout lment de F + G est la somme d'un lment de F et d'un lment de G. C'est--dire la
somme d'une combinaison linaire de (e') et d'une combinaison linaire de (e'') donc une combinaison
linaire de (e).

Remarque 5.21

Inversement, si (e') est une base de F, si (e'') est une base de G et si (e) = (e') (e'') est une famille libre
alors la somme F G est directe.

Corollaire 5.22
Soit E un K-espace vectoriel de dimension n 1.
Soient F1, F2, ... , Fp des sous-espaces de E, de dimension finie, en somme directe.
Pour tout j de {1, ... , p}, soit (e)j une famille de vecteurs de Fj.
On forme la famille (e) = (e)1 (e)2 ... (e)p en juxtaposant les familles (e)j.
Si chaque famille (e)j est libre, la famille (e) est libre.
Si chaque (e)j engendre le sous-espace Fj correspondant, (e) engendre Fj.
Si chaque (e)j est une base du sous-espace Fj correspondant, (e) est une base de Fj.
Ceci est particulirement intressant si E = F1 F2 ... Fp, car on obtient alors une base de E, qui est dite
adapte la somme directe.

Remarque 5.23
Soient F1, F2, ... , Fp des sous-espaces de E, de dimension finie, qui ne sont pas en somme directe. Mme si
chaque (e)j est une base du sous-espace Fj correspondant, (e) n'est pas ncessairement une famille libre.

5.3 Applications linaires et dimension finie


Proprit 5.24
Soient E et F deux espaces vectoriels sur un mme corps K, E tant de dimension finie.
Alors E et F sont isomorphes (c'est--dire il existe un isomorphisme de E sur F) si et seulement si F est de
dimension finie et dim(F) = dim(E).

Dmonstration
() Proposition 4.17
() On choisit une base de E et une base de F et on considre l'application qui au premier lment de la base
de E (s'il existe) associe le premier lment de la base de F (s'il existe). Au deuxime, le deuxime etc....

28/30

Exemple 5.25
L'application linaire de IR2[X] dans IR3 dfinie par (aX2 + bX + c) = (c,b,a) est un isomorphisme. Par
consquent dim IR2[X] = dim IR3 = 3.

Remarque 5.26

Tout K-espace vectoriel E de dimension n 1, est isomorphe Kn.

En effet, si (u) = (u1, u2, ... , un) est une base de E alors l'application dfinie par
((x1, x2, ... , xn)) = xk uk est un isomorphisme de Kn sur E.
L'existence d'un tel isomorphisme fait de Kn l'exemple-type du K-espace vectoriel de dimension n sur K, sa
base canonique tant la base la plus naturelle.

Thorme 5.27

Thorme de la dimension

Soient E et F deux espaces vectoriels sur K, E tant de dimension finie.


Soit f une application linaire de E dans F.
Alors Im(f) est un s.e.v. de dimension finie de F et on a l'galit :
dim(E) = dim(Im(f)) + dim(Ker(f)).

Dmonstration
On suppose dim E = n et dim Ker f = p o n, p IN et p n.
Soit (u1, u2, ...., up) une base de Ker f.
On complte cette famille par n p vecteurs (up+1, up+2, ...., un) de faon obtenir une base de E.
Cette famille (up+1, up+2, ...., un) est libre et <up+1, up+2, ...., un> Ker f = {0}.
On considre la famille (f (up+1), f (up+2), ..., f (un)) et on veut montrer que celle-ci est une base de Imf.
p+1 f (up+1) + p+2 f (up+2) + ... + n f (un) = 0
f (p+1 up+1 + p+2 up+2 + ... + n un) = 0
p+1 up+1 + p+2 up+2 + ... + n un Ker f
or p+1 up+1 + p+2 up+2 + ... + n un <up+1, up+2, ...., un>
et <up+1, up+2, ...., un> Ker f = {0} donc
p+1 up+1 + p+2 up+2 + ... + n un = 0
p+1 = 0, p+2 = 0, ... , n = 0 car (up+1, up+2, ...., un) est libre.
Soit yImf, c'est--dire xE / y = f(x)
x = x1u1 + x2u2 + ... + xnun = x1u1 + x2u2 + ... + xpup + xp+1 up+1 + xp+2 up+2 + ... + xn un
f (x) = f (x1u1 + x2u2 + ... + xpup + xp+1 up+1 + xp+2 up+2 + ... + xn un)
f (x) = f (x1u1 + x2u2 + ... + xpup) + f (xp+1 up+1 + xp+2 up+2 + ... + xn un)
f (x) = f (xp+1 up+1 + xp+2 up+2 + ... + xn un)
f (x) = xp+1 f (up+1) + xp+2 f (up+2) + ... + xn f (un)
On a bien Imf = <up+1, up+2, ...., un>. D'o dim Imf = n p et le rsultat sensuit.

Remarques 5.28
29/30

On appelle rang de f et on note rgf la dimension de Imf.


On a donc : dimE = rgf + dimKer f.
C'est pourquoi le rsultat prcdent est souvent appel thorme du rang.
On a rgf dimE avec l'galit si et seulement si f est injective.
Si F est de dimension finie, on a rgf dimF avec l'galit si et seulement si f est surjective.
Les notions de rang d'une application linaire et de rang d'une famille de vecteurs se rejoignent.
Pour toute base (e1, e2, ... , ep) de E, rg f = rg(f(e1), ... , f(ep)).

Proprit 5.29
Soient E et F deux K-espace vectoriels de mme dimension finie.
Soit f une application linaire de E dans F.
f est un isomorphisme f est injective f est surjective.

Dmonstration
On a dimF = dimE = dimImf + dimKer f
f est injective Ker f = {0}
dimKer f = 0
dimF = dimImf
F = Imf
f est surjective.

30/30