16 - Introduction A L'algebre Lineaire PDF

c Christophe Bertault - MPSI
Introduction lalgbre linaire

Dans tout ce chapitre, K est lun des corps R ou C. Tous les rsultats prsents dans ce chapitre, sauf un ou deux, demeurent
vrais si K est un corps quelconque, mais nous ne nous en proccuperons pas ici.
La notion despace vectoriel introduite dans ce chapitre est un nouvel exemple fondamental de structure algbrique, aprs les
groupes, les anneaux et les corps. Cependant, alors que vous naviez pratiquement rien savoir sur les groupes, les anneaux et
les corps, on exige de vous au contraire que vous sachiez tout ou presque sur les espaces vectoriels en fin de seconde anne.
Comme nous le verrons, la notion despace vectoriel gnralise, comme son nom lindique, les notions de vecteurs du plan
et de lespace introduites au lyce. Malheureusement pour vous qui dbutez, elle les gnralise tellement quon peut parfois ne
pas comprendre quel rapport il y a entre nos petits vecteurs avec des flches et les vecteurs tels que nous allons les pratiquer
prsent. Vous devez toutefois vous forcer vous reprsenter le plus possible les rsultats des espaces vectoriels en gnral au
moyen des concepts de la gomtrie classique que vous connaissez ; sans cela vous tes perdus.
La thorie mathmatique dont lobjet dtude est la structure despace vectoriel sappelle lalgbre linaire.
1 Espaces vectoriels
1.1 Dfinition
Dfinition (Espace vectoriel) On appelle K-espace vectoriel ou espace vectoriel sur K tout triplet (E, +, ) vrifiant les
proprits suivantes :
(E, +) est un groupe commutatif dont llment neutre est not 0E ou 0 et appel le vecteur nul de E ;
est une application de K E dans E : partir dun rel et dun lment x de E, fournit un nouvel lment de E
not x ou plus simplement x les notations x et x sont interdites ; par dfinition, cette application doit satisfaire
les proprits suivantes :
1) pour tout x E : 1x=x ;
2) pour tout rel et pour tous x, y E : (x + y) = ( x) + ( y) ;
3) pour tous rels et , et pour tout x E : ( + ) x = ( x) + ( x) ;
4) pour tous rels et , et pour tout x E : ( x) = () x.
Les lments dun espace vectoriel E sont appels des vecteurs. La loi , qui nest pas une loi de composition interne sur E
puisqu travers elle des lments de K agissent sur des vecteurs, est qualifie de loi externe. En tant quils agissent via sur les
vecteurs de E, les lments de K sont appels des scalaires. La loi + est appele addition et la loi est appele multiplication par
un scalaire. Le corps K est qualifi de corps de base pour E.
Remarque Sachez que les mathmaticiens ne mettent jamais de flches au-dessus de leurs vecteurs, sauf quand ils font de
la gomtrie dans le plan et dans lespace comme vous en avez fait jusquici. A la poubelle, les flches !
Thorme Soit E un K-espace vectoriel.

x E, 0 x = 0E
(i) Pour tous K et x E : x = 0E = 0 ou x = 0E . En particulier : .
K, 0E = 0E
(ii) Pour tout x E : x = (1) x, o x est loppos de x dans E et 1 loppos de 1 dans K.
Dmonstration
Soit x E. Alors 0 x = (0 + 0) x = 0 x + 0 x. Il ne reste alors plus qu simplifier par 0 x dans le groupe
(E, +) dlment neutre 0E : 0 x = 0E .
Soit K. Si = 0, on a 0E = 0E via le premier point. Supposons dsormais que 6= 0.

1 1
0E = 0E + 0E = 0E + 1 0E = 0E + 0E = 0E + 0E

1 1 1
= 0E + 0E = 0E = 0E = 1 0E = 0E .

1

Soient K et x E. Montrons prsent que si x = 0E et si 6= 0, alors x = 0E .

1 1 1
x=1x= x = ( x) = 0E = 0E . Lassertion (i) est ainsi dmontre.

Enfin, dmontrons lassertion (ii). Soit x E. Alors : x + (1) x = 1 x + (1) x = (1 1) x = 0 x = 0E .

Par unicit de loppos x de x dans le groupe (E, +), on a donc bien x = (1) x comme voulu.
Explication Mais pourquoi les mathmaticiens ont-ils appel vecteurs les objets que nous venons de dfinir ?
Lide provient simplement du fait que les proprits donnes dans la dfinition des espaces vectoriels sont des proprits trs
naturelles des vecteurs. Dans notre chapitre sur les structures algbriques, nous avons dj montr que lensemble V des vecteurs
du plan (ou de lespace) est un groupe ablien. Les figures ci-dessous reprsentent deux des proprits de laddition et de la
multiplication par un scalaire sur V qui font de V un R-espace vectoriel.
~v ~
u + ~v ~v
b (~
u + ~v ) + w
~ =~
u + (~v + w)
~ b
~
u ~
u
~v + w
~
(~
u + ~v ) + w
~ ~
u + (~v + w)
~
w
~ 2~
u + 2~v w
~ 2(~
u + ~v )
2~
u
2~
u + 2~v = 2(~
u + ~v ) ~
u + ~v
~
u ~
u
b b
~v 2~v ~v
La reprsentation des espaces vectoriels au moyens de vecteurs concrets sera utilise trs souvent. Cette possibilit de
reprsenter en deux ou trois dimensions les espaces vectoriels les plus gnraux sera justifie par la grande similarit de tous
les espaces vectoriels entre eux. Je ne vous conseillerai jamais assez de vous reprsenter gomtriquement les dfinitions et les
thormes de lalgbre linaire.
1.2 Exemples fondamentaux

Les exemples prsents dans ce paragraphe sont essentiels et nous serviront rgulirement par la suite.
Exemple (K, +, ) est un K-espace vectoriel.

En effet Cela rsulte directement de la dfinition des corps. Il suffit de considrer la multiplication sur K
comme une loi de composition externe. On a alors toutes les proprits voulues sans aucun travail.
Thorme (Espace vectoriel produit) Soient n N et E1 , E2 , . . . , En des K-espaces vectoriels. On munit lensemble
E1 E2 . . . En de deux lois + et en posant, pour tous K et (xk )16k6n , (yk )16k6n E1 E2 . . . En :
(xk )16k6n + (yk )16k6n = (xk + yk )16k6n et (xk )16k6n = ( xk )16k6n .
Alors (E1 E2 . . . En , +, ) est un K-espace vectoriel. Ici, 0E1 E2 ...En = (0E1 , 0E2 , . . . , 0En ).
Dmonstration
Nous savons dj que (E1 E2 . . . En , +) est un groupe commutatif en tant que groupe produit de
groupes commutatifs.
Soit (xk )16k6n E1 E2 . . . En . Alors : 1 (xk )16k6n = (1 xk )16k6n = (xk )16k6n .
Soient K et (xk )16k6n , (yk )16k6n E1 E2 . . . En .

(xk )16k6n + (xk )16k6n = (xk + yk )16k6n = (xk + yk ) = x k + yk
16k6n 16k6n
= ( xk )16k6n + ( yk )16k6n = (xk )16k6n + (yk )16k6n .
Les autres axiomes de la structure despace vectoriel se vrifient aussi facilement.
n fois
z }| {
n n
Exemple (Espaces vectoriels K , n N ) La construction prcdente munit en particulier K = K K . . . K dune
structure de K-espace vectoriel pour tout n N .
2

Thorme (Espace vectoriel dapplications) Soient X un ensemble non vide et E un K-espace vectoriel. On munit
lensemble E X des applications de X dans E de deux lois + et ; si f, g E X et si K, les applications f + g et f sont
dfinies par :
x X, (f + g)(x) = f (x) + g(x) et ( f )(x) = f (x) .

Alors E X , +, est un K-espace vectoriel. Ici, 0E X est lapplication nulle x 7 0E de X dans E.
Dmonstration
Montrons que + est associative. Soient f, g, h E X . Pour tout x X :

(f + g) + h (x) = (f + g)(x) + h(x) = f (x) + g(x) + h(x) = f (x) + g(x) + h(x) par associativit de (E, +)

= f (x) + (g + h)(x) = f + (g + h) (x). Cela montre bien que (f + g) + h = f + (g + h).
Montrons que + est commutative. Soient f, g E X . Pour tout x X :
(f + g)(x) = f (x) + g(x) = g(x) + f (x) = (g + f )(x) par commutativit de (E, +).
Cela montre bien que f + g = g + f .

Il nest pas plus difficile de montrer que lapplication nulle 0E X est lment neutre pour + et que tout lment
de E X possde un oppos pour +.

Soit f E X . Montrons que 1 f = f . Or pour tout x E : (1 f )(x) = 1 f (x) = f (x).
Les autres axiomes de la structure despace vectoriel se vrifient aussi facilement.
Exemple (Fonctions et suites)

Pour tout intervalle I de R, lensemble KI des applications de I dans K est un K-espace vectoriel pour les oprations
naturelles daddition et de multiplication par un scalaire.
Lensemble KN des suites coefficients dans K est un K-espace vectoriel pour les oprations naturelles daddition et de
multiplication par un scalaire.
En effet Ces exemples sont deux cas particuliers des espaces vectoriels dapplications E X prsents
prcdemment ici, E est le K-espace vectoriel K. Il faut bien sr savoir quune suite nest quune application de
N dans K ; la notation (un )nN dsigne lapplication qui n associe un pour tout n N.
Exemple (Polynmes) K[X] est un K-espace vectoriel pour laddition et la multiplication par un scalaire usuelles.

En effet Nous savons dj que K[X], + est un groupe commutatif. Les autres axiomes de la structure despace
vectoriel se vrifient aisment.
Exemple Tout C-espace vectoriel est aussi un R-espace vectoriel.

En effet Si E est un C-espace vectoriel, alors x est dfini pour tout C et x E ; x est donc en
particulier dfini pour tout rel. Ceci justifie que, par restriction aux scalaires rels, E puisse tre considr
comme un R-espace vectoriel.
$ $ $ Attention ! La rciproque est fausse ! Un R-espace vectoriel ne peut pas en gnral tre muni dune structure
de C-espace vectoriel naturellement. Par exemple, R est un R-espace vectoriel comme nous lavons vu, mais quelle loi externe
naturelle de multiplication par un scalaire pourrions-nous trouver pour munir R dune structure de C-espace vectoriel ? Comment
faire en sorte que x soit un rel ayant toutes les proprits que lon veut quand C et x R ? En tout cas, lide du produit
usuel nest pas une bonne ide car en gnral le produit dun rel et dun complexe est un complexe non rel.
2 Combinaisons linaires
Dfinition (Combinaison linaire) Soient E un K-espace vectoriel et u1 , u2 , . . . , un des vecteurs de E. On appelle combi-
X
n
naison linaire de u1 , u2 , . . . , un tout vecteur de la forme k uk = 1 u1 + 2 u2 + . . . + n un o 1 , 2 , . . . , n K.
k=1
3

~v
~k
Explication
La notion de combinaison linaire est gomtriquement trs simple se reprsenter dans le
plan ou dans lespace. Par exemple, sur la figure ci-contre, ~u est combinaison linaire de ~ et ~,
mais ce nest pas le cas de ~v . Par contre, dans lespace, tout vecteur est combinaison linaire
de ~, ~ et ~k. b
O
~
~ ~
u
X
n X
n
$ $ $ Attention ! Une galit de la forme k uk = k uk nimplique pas lgalit k = k pour tout k J1, nK.
k=1 k=1
En dautres termes, on ne peut pas pratiquer didentification systmatiquement quand deux combinaisons linaires dune mme
famille de vecteurs sont gales. Par exemple : (1, 1) + 2(0, 1) + 2(1, 0) = (3, 3) = 2(1, 1) + (0, 1) + (1, 0).
Exemple Dans R4 , (4, 1, 5, 1) est combinaison linaire des trois vecteurs (1, 0, 0, 0), (0, 1, 0, 1) et (0, 0, 1, 0), car :
(4, 1, 5, 1) = 4(1, 0, 0, 0) + (0, 1, 0, 1) 5(0, 0, 1, 0),
mais aussi des quatre vecteurs (1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0) et (0, 0, 0, 1) car :
(4, 1, 5, 1) = 4(1, 0, 0, 0) + (0, 1, 0, 0) 5(0, 0, 1, 0) + (0, 0, 0, 1).
En pratique Pour montrer quun vecteur est ou nest pas combinaison linaire dautres vecteurs, on est toujours
ramen, mme si cela napparat pas toujours clairement, la rsolution dun certain systme linaire.
Exemple (2, 7) est combinaison linaire des vecteurs (5, 2) et (1, 3) (dans R2 ), et on a : (2, 7) = (5, 2) 3(1, 3).
En effet Bien sr, si les coefficients 1 et 3 de la relation (2, 7) = (5, 2) 3(1, 3) sont connus ds le
dpart, il est trivial de vrifier que (2, 7) est combinaison linaire de (5, 2) et (1, 3). Mais le problme initial
consiste se demander si combinaison linaire il y a, sans connaissance pralable des coefficients.
(2, 7) est combinaison linaire de (5, 2) et (1, 3)

, R/ (2, 7) = (5, 2) + (1, 3)

5 + = 2
, R/
2 3 = 7

5 + = 2
Le systme dinconnue (, ) R2 possde une solution.
2 3 = 7
Par ce raisonnement, la question pose est ramene la simple rsolution dun systme linaire. Rsolvons ce
systme. Pour tout (, ) R2 :

5 + = 2 5 + = 2

2 3 = 7 13 = 13 L2 L2 3L1
=1 et = 3.
Comme voulu, (2, 7) est donc bien combinaison linaire de (5, 2) et (1, 3), et de plus : (2, 7) = (5, 2)3(1, 3).
$ $ $ Attention ! Dans lexemple prcdent, le fait pour (2, 7) dtre ou non combinaison linaire de (5, 2) et (1, 3)
dpend de lexistence dune solution dun certain systme linaire. Peu importe quil existe une unique solution ou plusieurs
solutions ce systme ; seule compte ici lexistence.
Exemple (1, 2, 2) nest pas combinaison linaire des vecteurs (1, 1, 0), (2, 1, 3) et (1, 0, 1) (dans R3 ).
En effet
(1, 2, 2) est combinaison linaire des vecteurs (1, 1, 0), (2, 1, 3) et (1, 0, 1)
x, y, z R/ (1, 2, 2) = x(1, 1, 0) + y(2, 1, 3) + z(1, 0, 1)
8
< x 2y + z = 1
x, y, z R/ x + y = 2
:
3y z = 2
8
< x 2y + z = 1
Le systme x + y = 2 dinconnue (x, y, z) R3 possde une solution.
:
3y z = 2
4

Rsolvons donc ce systme. Pour tout (x, y, z) R3 :

8 8
< x 2y + z = 1 < x 2y + z = 1
x + y = 2 3y z = 3 L2 L2 L1
: :
3y z = 2 3y z = 2
8
< x 2y + z = 1
3y z = 3
:
0 = 1 L3 L2 L3 .
Ce dernier systme nayant pas de solution, on en dduit le rsultat annonc.
Exemple Soit N. Tout polynme de Kn [X], i.e. de degr infrieur ou gal n, est combinaison linaire des polynmes
X
n
1, X, X 2 , . . . , X n puisquil peut tre crit sous la forme dune somme ak X k , o a0 , a1 , . . . , an K.
k=0
3 Sous-espaces vectoriels
3.1 Dfinition
Dfinition (Sous-espace vectoriel) Soient E un espace vectoriel et F une partie de E. On dit que F est un sous-K-espace
vectoriel de E, ou plus simplement un sous-espace vectoriel de E si :
F est stable par addition : x, y F, x+y F ;
F est stable par multiplication par un scalaire : K, x F, xF ;
F est un K-espace vectoriel pour les lois de E.
Remarque Tout sous-espace vectoriel F de E contient le vecteur nul 0E et 0F = 0E .

En effet En tant quespace vectoriel, F est en particulier un sous-groupe de E pour laddition. Le rsultat en
dcoule, comme nous lavons vu quand nous avons tudi la structure de groupe.

Exemple Si E est un K-espace vectoriel, 0E et E sont deux sous-espaces vectoriels de E.
Thorme (Caractrisation des sous-espaces vectoriels) Soient E un espace vectoriel et F une partie de E. Alors F
est un sous-espace vectoriel de E si et seulement si :
F est non vide (en pratique, 0E F ) ;
F est stable par combinaison linaire : , R, x, y F, x+y F ;
ou bien, au choix, si et seulement si :

F est non vide (en pratique, 0E F ) ;
F est stable par addition : x, y F, x+y F ;
F est stable par multiplication par un scalaire : R, x F, x F.
Dmonstration A vous de jouer. Le parfum de ce rsultat doit vous tre familier si vous avez bien tudi notre
prcdent chapitre sur les structures de groupe, danneau et de corps.
En pratique
Cest toujours le rsultat prcdent quil faut utiliser pour montrer quune partie dun espace vectoriel en est un sous-espace
vectoriel. Pour montrer que F est non vide, une seule technique connatre : montrer que 0E F .
Dans les exercices, on demande souvent de montrer quun certain ensemble F muni de certaines lois est un espace vectoriel.
Or la plupart du temps, cet ensemble F nest quune partie dun espace vectoriel E plus gros, avec les mmes lois. Dans
ce cas, pour montrer que F est un espace vectoriel, on na pas dmontrer lassociativit, et cetera ; on se contente de
montrer que F est un sous-espace vectoriel de E un espace vectoriel a fortiori.
5

3.2 Exemples et contre-exemples

n o
Exemple Soient a, b, c R tels que (a, b) 6= (0, 0). Notons D lensemble (x, y) R2 / ax + by + c = 0 .
Si c 6= 0, alors D nest pas un sous-espace vectoriel de R2 car il ne contient pas le vecteur nul (0, 0).
Si au contraire c = 0, D est un sous-espace vectoriel de R2 , en loccurence la droite dquation ax + by + c = 0.
En effet Nous pouvons supposer c nul. Pour commencer, D est une partie de R2 .
Il est clair que (0, 0) D, et donc que D est non vide.
Montrons que D est stable par combinaison linaire. Soient et 0 deux rels et (x, y), (x0 , y 0 ) D. Nous
devons montrer que (x, y) + 0 (x0 , y 0 ), gal (x + 0 x0 , y + 0 y 0 ) par dfinition, est un lment de D.
a(x + 0 x0 ) + b(y + 0 y 0 ) = (ax + by) + 0 (ax0 + by 0 ) = .0 + 0 .0 = 0. Dj fini.
n o
Exemple Soient a, b, c, d R tels que (a, b, c) 6= (0, 0, 0). Notons P lensemble (x, y, z) R3 / ax + by + cz + d = 0 .
Si d 6= 0, alors P nest pas un sous-espace vectoriel de R3 car il ne contient pas le vecteur nul (0, 0, 0).
Si au contraire d = 0, P est un sous-espace vectoriel de R3 , en loccurence le plan dquation ax + by + cz = 0.
En effet Imiter la preuve prcdente.
n o
Exemple Lensemble F = (x, y) R2 / x2 + x + y 2 = 0 nest pas un sous-espace vectoriel de R2 car (1, 0) F , mais
par exemple (2, 0) = 2(1, 0)
/ F.
Exemple Pour tout n N, lensemble Kn [X] des polynmes coefficients dans K de degr infrieur ou gal n en est un
sous-espace vectoriel.
En effet Soit n N. Pour commencer, Kn [X] est une partie de K[X].
Kn [X] est non vide car contient le polynme nul, de degr .
Montrons que Kn [X] est stable
n par ocombinaison linaire. Soient P, Q Kn [X] et , K. Nous savons alors
que (P + Q) 6 max P, Q 6 n, et donc P + Q Kn [X] comme voulu.
$ $ $ Attention ! Soit n N. Lensemble des polynmes de degr gal n nest pas un sous-espace vectoriel de K[X]
erreur classique. Cest trs clair, car cet ensemble ne contient mme pas le polynme nul, de degr .
Exemple A vous de jouer !

Soient k N et I un intervalle. Lensemble C k (I, K) est un K-espace vectoriel, sous-espace vectoriel du K-espace vectoriel
KI des applications de I dans K.
Lensemble des suites convergentes coefficients dans K est un sous-espace vectoriel du K-espace vectoriel KN des suites
coefficients dans K.
3.3 Intersection de sous-espaces vectoriels
Thorme (Intersection de sous-espaces vectoriels) Soit E un K-espace vectoriel. Toute intersection de sous-espaces
vectoriels de E est un sous-espace vectoriel de E.

Dmonstration Soit Fi un ensemble de sous-espaces vectoriels de E index par un ensemble I. Nous
\ iI
devons montrer que F = Fi est un sous-espace vectoriel de E.
iI
Montrons que F est non vide. Or 0E Fi pour tout i I puisque Fi est un sous-espace vectoriel de E. Par
consquent 0E F .
Montrons que F est stable par combinaison linaire. Soient x, y F et , K. Alors pour tout i I,
x+y Fi car x, y Fi et car on sait que Fi est un sous-espace vectoriel de E. Par consquent x+y F
comme voulu.
$ $ $ Attention ! La runion de deux sous-espaces vectoriels nest pas un sous-espace vectoriel en gnral. Par exemple,
la droite D dquation y = x et la droite D0 dquation y = x sont deux sous-espaces vectoriels de R2 . Mais leur runion D D0
nen est pas un ; en effet, (1, 1) D D D0 et (1, 1) D0 D D0 , mais (1, 1) + (1, 1) = (2, 0)
/ D D0 .
6

4 Applications linaires
4.1 Dfinition
Dfinition (Application linaire) Soient E et F deux K-espaces vectoriels.

On appelle application linaire de E dans F toute application f : E F telle que :
1) x, y E, f (x + y) = f (x) + f (y) ;
2) K, f (x) = f (x).
Cette dfinition quivaut la suivante, plus pratique : x, y E, , K, f (x + y) = f (x) + f (y).
Lensemble des applications linaires de E dans F est not L(E, F ).
Une application linaire de E dans E est aussi appele un endomorphisme (linaire) de E.

Lensemble des endomorphismes (linaires) de E est not L(E).
Une application linaire de E dans K est aussi appele une forme linaire de E.
Explication Une application linaire nest rien dautre quun morphisme despaces vectoriels , ceci prs quon
nemploie jamais cette expression bref, une application qui conserve les combinaisons linaires.
Remarque
Si f est linaire de E dans F , alors en particulier f est un morphisme de groupes de E dans F et donc f (0E ) = 0F .
Si f est linaire de E dans F et si A est un sous-espace vectoriel de E, alors la restriction f|A de f A est linaire de A
dans F . En effet, si les relations f (x + y) = f (x) + f (y) et f (x) = f (x) sont vraies pour x, y E, elles le sont a
fortiori pour x, y A.
4.2 Exemples et contre-exemples
Thorme (Homothtie) Soit E un K-espace vectoriel.

E E
Soit K. On appelle homothtie de E de rapport lapplication .
x 7 x
Toute homothtie de E est un endomorphisme de E en particulier lapplication identit IdE .
Dmonstration Soit K. Notons h lhomothtie de E de rapport . Soient x, y E et , K. On a :

h (x+y) = (x+y) = (x)+(y) = h (x)+h (y), ce qui montre bien que h est linaire.
Exemple Lapplication f : R2 R3 dfinie par : (x, y) R2 , f (x, y) = (x, x + y, 2y) est linaire.
0 0 2 0
En effet Soient (x, y), (x , y ) R et , R.

f (x, y) + 0 (x0 , y 0 ) = f (x + 0 x0 , y + 0 y 0 ) = x + 0 x0 , (x + 0 x0 ) + (y + 0 y 0 ), 2y + 20 y 0
= (x, x + y, 2y) + 0 (x0 , x0 + y 0 , 2y 0 ) = f (x, y) + 0 f (x0 , y 0 ).
Exemple Lapplication T : K[X] K[X] dfinie par : P K[X], T (P ) = XP 0 + P (0) est linaire.
En effet Soient P, Q K[X] et , K.

T (P + Q) = X(P + Q)0 + (P + Q)(0) = XP 0 + P (0) + XQ0 + Q(0) .
Exemple Soit I un intervalle de R. Lapplication de C 1 (I, K) qui une fonction associe sa drive est linaire.
En effet Eh oui, la drive dune somme est gale la somme des drives ; mme chose pour la multiplication
par un scalaire.
7

Exemple Notons E lespace vectoriel des suites relles convergentes. Lapplication de E dans R qui une suite convergente
associe sa limite est une forme linaire de E.
En effet Cest vident car nous savons que la limite dune somme est gale la somme des limites ; mme chose
pour la multiplication par un scalaire.
Exemple
R2 R
Lapplication : nest pas linaire car (0, 0) = 1 6= 0.
(x, y) 7 x+y+1

R2 R
Lapplication : nest pas linaire car (1, 1) + (0, 1) = (1, 2) = 5 6= 2 + 1 = (1, 1) + (0, 1).
(x, y) 7 x + y2
2
4.3 Oprations sur les applications linaires
Thorme (Oprations sur les applications linaires)

(i) Soient E et F deux K-espaces vectoriels. Alors L(E, F ) est un sous-espace vectoriel de F E , donc un K-espace vectoriel.
(ii) Soient E, F et G trois K-espaces vectoriels et f : E F et g : F G deux applications linaires. Alors g f est
linaire de E dans G.
(iii) Soient E, F et G trois K-espaces vectoriels et f, f 0 L(E, F ) et g, g 0 L(F, G). Alors :

g f + f0 = g f + g f0 et g + g0 f = g f + g0 f .

(iv) Soit E un K-espace vectoriel. Alors L(E), +, est un anneau, non commutatif en gnral, avec 1L(E) = IdE .
(v) Deux formules connatre : Soient! E un K-espace vectoriel, f, g L(E) et n N. On suppose que f et g
X
n
n k
commutent. Alors : (f + g)n = f g nk (formule du binme de Newton)
k
k=0
X
n1
n n
et f g = (f g) f k g nk1 (attention, les puissances dsignent des compositions).
k=0
Explication En apparence complique, lassertion (i), qui affirme que L(E, F ) est un sous-espace vectoriel de
F E , signifie seulement que la somme de deux applications linaires est linaire et que la multiplication par un scalaire dune
application linaire est encore linaire.
$ $ $ Attention ! Dans la formule du binme de Newton, il est essentiel que f et g commutent. Pour bien le comprendre,
reprenons nos chres identits remarquables ; pour tous a, b C : (a + b)2 = (a + b)(a + b) = a2 + ab + ba + b2 = a2 + 2ab + b2 .
Cest clair, non ? On a besoin de savoir que ab = ba !
Dmonstration
(i) Bien sr, L(E, F ) est une partie de F E , non vide puisque lapplication nulle est linaire.
Soient alors f, g L(E, F ) et , K. Nous devons montrer que f + g L(E, F ), i.e. que f + g est
linaire. Pour cela donnons-nous x, y E et , K.

f + 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).
(ii) Montrons que g f est linaire de E dans G. Soient x, y E et , K.

g f (x + y) = g f (x + y) = g f (x) + f (y) = g f (x) + g f (y) = g f (x) + g f (y).
(iii) Dbrouillez-vous.

(iv) Montrons que L(E), +, est un anneau. En tout cas, lassertion (i) montre en particulier que L(E), +
est un groupe commutatif. On sait par ailleurs que la composition est une loi de composition interne sur
L(E) via (ii), quelle est associative, que IdE L(E) en est llment neutre, et enfin que la composition est
distributive sur laddition via (iii).
(v) Ces deux formules se dmontrent ici exactement comme elles se dmontrent dans C.
8

K[X] K[X] K[X] K[X]
Exemple Les applications S : et T : sont deux endomorphismes de K[X],
P 7 P0 P 7 XP

mais elles ne commutent pas. Ceci montre bien quen gnral lanneau L K[X] nest pas commutatif.
0
En effet S et T ne commutent pas car par exemple, S T (X) = X 2 = 2X et T S(X) = X(X 0 ) = X.
4.4 Noyau et image dune application linaire
Thorme (Images directe et rciproque dun sous-espace vectoriel par une application linaire) Soient E et F
deux K-espaces vectoriels, f une application linaire de E dans F , A un sous-espace vectoriel de E et B un sous-espace vectoriel
de F .
(i) Limage (directe) f (A) de A par f est un sous-espace vectoriel de F .
(ii) Limage rciproque f 1 (B) de B par f est un sous-espace vectoriel de E.
Dmonstration
(i) Montrons que f (A) est un sous-espace vectoriel de F . Dj, on a bien linclusion f (A) F .
Soient alors y, y 0 f (A) et , 0 K. Nous devons montrer que y + 0 y 0 f (A). Or puisque y, y 0 f (A),
il existe a, a0 A tels que y = f (a) et y 0 = f (a0 ). Dans ces conditions, posons t = a + 0 a0 ; alors t A car
A est un sous-espace vectoriel de E. La linarit de f donne finalement :
f (t) = f (a + 0 a0 ) = f (a) + 0 f (a0 ) = y + 0 y 0 ,

ce qui montre comme voulu que y + y 0 a un antcdent par f dans A, i.e. appartient f (A).
(ii) Montrons que f 1 (B) est un sous-espace vectoriel de E. Dj, on a bien une inclusion f 1 (B) E.
Soient alors x, x0 f 1 (B) et , 0 K. Nous devons montrer que x + 0 x0 f 1 (B). Utilisons pour cela
la linarit de f : f (x + 0 x0 ) = f (x) + 0 f (x0 ). Or par dfinition de x et x0 , f (x) B et f (x0 ) B et
B est un sous-espace vectoriel de E. Comme voulu, f (x + y) B. Et voil.
Dfinition (Noyau et image dune application linaire) Soient E et F deux K-espaces vectoriels et f une application
linaire de E dans F .
n o
(i) On appelle noyau de f , not Ker f , lensemble f 1 0F = x E/ f (x) = 0F .
Le noyau Ker f de f est un sous-espace vectoriel de E sur lequel on peut lire linjectivit de f :

f est injective sur E Ker f = 0E .
n o n o
(ii) On appelle image de f , not Im f , lensemble f (E) = y F/ x E/ y = f (x) = f (x) .
xE
Limage Im f de f est un sous-espace vectoriel de F sur lequel on peut lire la surjectivit de f :
f est surjective de E sur F Im f = F.
Explication Nous retrouvons ici le concept dimage que nous avons tudi dans le chapitre sur les applications ;
quant au noyau de f , il nest jamais que le noyau de f en tant que f est un morphisme de groupes de (E, +) dans (F, +).

Dmonstration Il suffit dappliquer le rsultat prcdent, car Ker f = f 1 0F et Im f = f (E), o 0F
et E sont deux sous-espaces vetoriels de F et E respectivement.
Le lien entre limage et la surjectivit a t dmontr de la faon la plus gnrale dans le chapitre sur les applications.
Le lien entre le noyau et linjectivit a dj t dmontr dans le cas des morphismes de groupes. Comme une
application linaire est un morphisme de groupes, nous navons donc rien ajouter.
En pratique La recherche du noyau et de limage dune application linaire se ramne toujours la rsolution
dun systme linaire, mme si cela napparat pas toujours clairement. Mditez soigneusement les exemples suivants.

R3 R2
Exemple Soit f lapplication .
(x, y, z) 7 (2x + y z, x y)
Alors f est linaire et Ker f est la droite passant par (0, 0, 0) dirige par le vecteur (1, 1, 3).
9

En effet Vous dmontrerez seuls la linarit de f . Dterminons seulement Ker f . Pour tout (x, y, z) R3 :

2x + y z = 0
(x, y, z) Ker f f (x, y, z) = (0, 0)
x y = 0
8
< x = t
y = x
t R/ y = t comme voulu.
z = 3x :
z = 3t

R3 R3
Exemple Soit g lapplication .
(x, y, z) 7 (x + 2y + z, 2x + y z, x + 2y + z)
Alors g est linaire et Im g est le plan dquation z = x.
En effet Vous dmontrerez seuls la linarit de g. Dterminons seulement Im g. Pour tout (x, y, z) R3 :
8
< a + 2b + c = x
3 3
(x, y, z) Im g (a, b, c) R / (x, y, z) = f (a, b, c) (a, b, c) R / 2a + b c = y
:
a + 2b + c = z
8
< a + 2b + c = x
(a, b, c) R3 / 3b + 3c = 2x y L2 2L1 L2 z = x.
:
0 = zx L3 L3 L1
8
c = < a x + 2b +
La dernire quivalence peut sembler magique mais elle ne lest pas : le systme 3c = 2x y 3b +
:
0 = zx
3
dinconnue (a, b, c) R possde une solution si et seulement si z = x ; en effet, dans ce cas, pour trouver une
solution, on peut donner nimporte quelle valeur c, en dduire la valeur de b grce la deuxime quation, et
celle de a enfin grce la premire.
Exemple La drivation D des polynmes sur K[X] est un endomorphisme surjectif de K[X] de noyau K0 [X].
En effet La linarit de D est bien connue.
X

Dterminons Ker D. Pour tout P = ak X k K[X] :
k=0
X

P Ker D P0 = 0 kak X k1 = 0 k N , kak = 0
k=1
k N , ak = 0 P K0 [X]. Ainsi Ker D = K0 [X].
Dterminons Im D. La question naturelle poser est la suivante : quels polynmes savons-nous primitiver
X X
ak
dans K[X] ? Rponse : tous. En effet, si P = ak X k K[X], alors X k+1 a pour drive P , i.e.
k+1
k=0 k=0
est un antcdent de P par D.
Conclusion : Im D = K[X], ce qui signifie exactement que D est surjectif de K[X] sur lui-mme.

RR RR
Exemple Soit S lapplication . Alors S nest pas injective, mais mais SC(R,R) lest.
f 7 f sin
En effet
Dterminons Ker S. Pour tout f RR :
f Ker S f sin = 0 x R, f (x) sin x = 0 x R r Z, f (x) = 0.
Ainsi Ker S est lensemble des applications de R dans R nulles partout sauf ventuellement sur Z. En
particulier Ker S nest pas rduit la fonction nulle, car par exemple la fonction nulle sur R , de valeur 1
en 0, appartient Ker S. Cela montre bien que S nest pas injective.
n o
Dterminons Ker S : Ker S = f C(R, R)/ S(f ) = 0 = C(R, R) Ker S.
C(R,R) C(R,R)
Or Ker S est lensemble des applications de R dans R nulles partout sauf ventuellement sur Z et il nexiste
quune seule fonction continuesur
R dans Ker S : lapplication nulle.
Conclusion : Ker S = 0 , et donc S est injective.
C(R,R) C(R,R)
10

4.5 Isomorphismes (linaires)
Dfinition (Isomorphisme (linaire)) Soient E et F deux K-espaces vectoriels.

On appelle isomorphisme (linaire) de E sur F toute application linaire bijective de E sur F .
Un isomorphisme de E sur E est aussi appel un automorphisme (linaire) de E.
Lensemble des automorphismes de E est not GL(E) et appel le groupe linaire de E.
On dit que E est isomorphe (comme K-espace vectoriel) F sil existe un isomorphisme linaire de E sur F .
Explication Le fait que deux espaces vectoriels soient isomorphes signifie intuitivement que ces deux espaces sont
identiques dun strict point de vue vectoriel. Un isomorphisme est alors comme un dictionnaire parfait pour passer de lun
de ces espaces lautre. Toute proprit vectorielle de lun des espaces a son analogue dans lautre espace.
En pratique Montrer quune application linaire f : E F est un isomorphisme revient montrer quelle est
bijective de E sur F . Deux grandes techniquespeuvent
ici mener un tel rsultat :
1) on montre que Ker f = 0E (injectivit) et que Im f = F (surjectivit) ;
2) on a une ide de la tte qua f 1 ; on appelle g la rciproque ainsi prvue de f et on vrifie que g f = IdE
et que f g = IdF ;
3) une autre technique base de systmes linaires sera tudie un peu plus loin, qui consiste inverser la
relation y = f (x) en une relation x = g(y) , o g savre alors tre la rciproque de f .
$ $ $ Attention ! Si E est isomorphe F , il est faux que toute application linaire de E dans F est un isomorphisme.
Il est seulement vrai quil existe un isomorphisme de E sur F . En effet, par exemple, lapplication nulle est linaire de E dans
F mais nest pas un isomorphisme.
Exemple
1
Toute homothtie de E de rapport K = K r {0} est un automorphisme dinverse lhomothtie de E de rapport .

La drivation
des
polynmes nest pas un automorphisme de K[X] car son noyau, nous lavons vu, est K0 [X], distinct du
singleton 0K[X] .
Thorme (Proprits des isomorphismes) Soient E, F et G trois K-espaces vectoriels.

(i) Si f est un isomorphisme de E sur F , alors f 1 est un isomorphisme de F sur E.
(ii) Si f est un isomorphisme de E sur F et g un isomorphisme de F sur G, g f est un isomorphisme de E sur G.

(iii) GL(E), est un groupe, prcisment le groupe des lments inversibles de lanneau
L(E), +, .
Ce groupe nest pas commutatif en gnral car nous avons dj vu que lanneau L(E), +, peut ne pas ltre.
Dmonstration
(i) Bien sr, f 1 est bijective de F sur E. Il ne nous reste qu montrer que f 1 est linaire.
Soient y, y 0 F et , 0 K. Notons x = f 1 (y) et x0 = f 1 (y 0 ).
f 1 f =IdE
f 1 (y + 0 y 0 ) = f 1 f (x) + 0 f (x0 ) = f 1 f (x + 0 x0 ) = x + 0 x0 = f 1 (y) + 0 f 1 (y 0 ).
(ii) Facile car la compose de deux applications bijectives (resp. linaires) est bijective (resp. linaire).
(iii) La composition est une loi de composition interne sur GL(E) via (ii). On sait par ailleurs quelle est
associative, possde un lment neutre en la personne de IdE et que tout lment de GL(E) est inversible
pour la composition via (i). Tout est l.
Corollaire (Proprits de la relation disomorphisme) La relation disomorphisme entre espaces vectoriels est rflexive,
transitive et symtrique.
Dmonstration Elle est rflexive car pour tout K-espace vectoriel E, IdE est un isomorphisme de E sur E ;
transitive en vertu de lassertion (ii) du thorme prcdent ; symtrique en vertu de son assertion (i).
11

Exemple Soit n N. Alors Kn [X] et Kn+1 sont isomorphes.

8 n+1
>
< K Kn [X]
En effet Soit lapplication X
n
. Les trois points suivants montrent que est un
>
: (ak )06k6n 7 ak X k
k=0
isomorphisme de Kn+1 sur Kn [X].
Vous vrifierez seuls la linarit de .

Un polynme est nul si et seulement si ses coefficients le sont tous. Par consquent Ker = 0Kn+1 , et
donc est injective.
X
n
Tout polynme de degr infrieur ou gal n peut tre crit sous la forme ak X k o a0 , a1 , . . . , an K.
k=0
Par consquent est surjective.
En pratique La technique de lexemple suivant est simple et trs utile : elle dmontre la bijectivit en mme temps
quelle permet le calcul de la rciproque. Indispensable.

R2 7
R2
Exemple Lapplication f : est un automorphisme de R2 de rciproque lapplication
8
(x, y) 7 (x + 2y, y x)
< R2 7 R2
x 2y x + y .
: (x, y) 7 ,
3 3
En effet Vous montrerez seuls la linarit de f . Dterminer la rciproque f 1 de f , cest inverser la relation
Y = f (X) en une relation de la forme X = g(Y ) ; on a alors f 1 = g. Pour tous (x, y), (a, b) R2 :
(
x + 2y = a x + 2y = a
f (x, y) = (a, b) a+b 1 1
x + y = b y = L2 L1 + L2
8 3 3 3
>
< x a 2b
=
3
> a+b .
: y =
3
Ce systme nous apprend que tout lment ici (a, b) de R2 possde un et une seul antcdent ici (x, y)
par f . Le systme linaire tudi possde en effet une et une seule solution. On en dduit la bijectivit de f ainsi
que lexpression de f 1 .
5 Familles de vecteurs
5.1 Sous-espace vectoriel engendr par une famille de vecteurs
Dfinition (Sous-espace vectoriel engendr par une famille de vecteurs) Soient E un K-espace vectoriel et
x1 , x2 , . . . , xn E.
On note Vect(x1 , x2 , . . . , xn ) lensemble des combinaisons linaires de x1 , x2 , . . . , xn ; les lments de
Vect(x1 , x2 , . . . , xn ) sont donc tous les vecteurs de E de la forme 1 x1 + 2 x2 + . . . + n xn , o 1 , 2 , . . . , n K.
Alors Vect(x1 , x2 , . . . , xn ) est un sous-espace vectoriel de E appel le sous-espace vectoriel (de E) engendr par
x1 , x2 , . . . , x n .
Vect(x1 , x2 , . . . , xn ) est le plus petit sous-espace vectoriel de E contenant x1 , x2 , . . . , xn ; en dautres termes, tout
sous-espace vectoriel de E contenant x1 , x2 , . . . , xn contient aussi Vect(x1 , x2 , . . . , xn ).
12

Explication La notion de sous-espace vectoriel engendr a une interprtation gomtrique simple. Pour le voir,
travaillons par exemple dans lespace trois dimensions rapport R3 via le choix dun repre orthonormal direct (O,~, ~, ~k).
-
u)
Vect(~ - ~k
~k ~
u u, ~v) -
u Vect(~
~ ~v
~k u, ~v )
Vect(~
O ~ ~
b ~ ~ O b
O
b
~
~
u
~
Sous-espace vectoriel engendr ~v
par un vecteur non nul ~u.
Sous-espace vectoriel engendr
par deux vecteurs non colinaires ~
u et ~v .
Sous-espace vectoriel engendr
par deux vecteurs non nuls colinaires ~
u et ~v .
Dmonstration
Montrons que Vect(x1 , x2 , . . . , xn ) est un sous-espace vectoriel de E. Pour commencer, Vect(x1 , x2 , . . . , xn )
est non vide car il contient 0E : 0E = 0 x1 + 0 x2 + . . . + 0 xn .
Soient u, v Vect(x1 , x2 , . . . , xn ) et , K. Alors u et v scrivent :
u = 1 x 1 + 2 x 2 + . . . + n x n et v = 1 x1 + 2 x2 + . . . + n xn ,
o 1 , 2 , . . . , n , 1 , 2 , . . . , n K. Il est donc clair que :
u + v = (1 + 1 )x1 + (2 + 2 )x2 + . . . + (n + n )xn
est une combinaison linaire dlments de x1 , x2 , . . . , xn , i.e. un lment de Vect(x1 , x2 , . . . , xn ).
Montrons que Vect(x1 , x2 , . . . , xn ) est le plus petit sous-espace vectoriel de E contenant x1 , x2 , . . . , xn .

Soit donc F un sous-espace vectoriel de E contenant x1 , x2 , . . . , xn . Nous devons montrer que F contient
Vect(x1 , x2 , . . . , xn ). Or cest bien videmment le cas puisque F est stable par combinaison linaire en tant
que sous-espace vectoriel de E.

Exemple Soit (a, b) R2 . Alors Vect (a, b) est la droite passant par (0, 0) dirige par (a, b).
( )
2 n
X
n
k
Exemple Pour tout n N : Vect(1, X, X , . . . , X ) = ak X = Kn [X].
k=0 a0 ,a1 ,...,an K
Exemple Si le corps de base est R : Vect(1) = R et Vect(1, i) = C.

Si par contre le corps de base est C : Vect(1) = C.
Thorme (Oprations sur les Vect ) Soient E un K-espace vectoriel et x1 , x2 , . . . , xn E. Le sous-espace vectoriel
Vect(x1 , x2 , . . . , xn ) nest pas modifi ;
(i) lorsquon permute x1 , x2 , . . . , xn ;
(ii) lorsquon retire tous les xk nuls, k J1, nK ;
(iii) lorsqu k J1, nK fix, on remplace xk par une combinaison linaire de x1 , x2 , . . . , xn , condition toutefois daffecter
xk lui-mme dun coefficient non nul.
Dmonstration Pour (i), utiliser la commutativit de + ; pour (ii), le fait que 0E est neutre.
Prouvons lassertion (iii). Fixons donc 1 , 2 , . . . , !n K tels que k 6= 0 et posons V = Vect(x1 , x2 , . . . , xn ) et
X
n
V 0 = Vect x1 , x2 , . . . , xk1 , i xi , xk+1 , . . . , xn .
i=1
13

Montrons que V V 0 . Commenons par remarquer que xk V 0 car, puisque k 6= 0 :
1 X
n
1 2 k1 k+1 n
xk = x1 x2 . . . xk1 + i x i xk+1 . . . xn .
k k k k i=1 k k
Or x1 , x2 , . . . , xk1 , xk+1 , . . . , xn V 0 galement, donc V 0 contient x1 , x2 , . . . , xn . Enfin V 0 contient V car

V est le plus petit sous-espace vectoriel de E contenant ces vecteurs.
X
n
Montrons que V 0 V . Bien sr, V contient x1 , x2 , . . . , xk1 , i xi , xk+1 , . . . , xn . Par consquent V
i=1
contient V 0 car V 0 est le plus petit sous-espace vectoriel de E contenant ces vecteurs.
Thorme (Sous-espace vectoriel engendr par une famille de polynmes de degrs chelonns) Soient n N et
(Pi )06i6n une famille de polynmes de K[X] telle que Pi = i pour tout i J0, nK.
Alors : Vect(P0 , P1 , . . . , Pn ) = Kn [X]. Ce rsultat signifie que tout polynme de degr infrieur ou gal n est combinaison
linaire de P0 , P1 , . . . , Pn .
Dmonstration Montrons par rcurrence que Vect(P0 , P1 , . . . , Pn ) = Vect(1, X, . . . , X k , Pk+1 , Pk+2 , . . . , Pn )

pour tout k J0, nK. Pour k = n, ceci est le rsultat voulu car Kn [X] = Vect(1, X, X 2 , . . . , X n ).
Initialisation : P0 est de degr 0, donc constant non nul. Comme laffirme le thorme sur les oprations sur
les Vect , nous pouvons donc remplacer P0 par le polynme constant gal 1 dans Vect(P0 , P1 , . . . , Pn ),
de sorte que Vect(P0 , P1 , . . . , Pn ) = Vect(1, P1 , P2 , . . . , Pn ).
Hrdit : Soit k J0, n 1K tel que Vect(P0 , P1 , . . . , Pn ) = Vect(1, X, . . . , X k , Pk+1 , Pk+2 , . . . , Pn ).
X
k+1
Introduisons les coefficients de Pk+1 : Pk+1 = ai X i . Nous savons que ak+1 6= 0 car Pk+1 = k + 1.
i=0
Utilisons de nouveau le thorme sur les oprations sur les Vect :
!
1 X
k
ai
k k i
Vect(P0 , P1 , . . . , Pn ) = Vect(1, X, . . . , X , Pk+1 , Pk+2 , . . . , Pn ) = Vect 1, X, . . . , X , Pk+1 X , Pk+2 , . . . , Pn
ak+1 i=0
ak+1
= Vect(1, X, . . . , X k , X k+1 , Pk+2 , . . . , Pn ).
5.2 Famille gnratrice
Dfinition (Famille gnratrice) Soient E un K-espace vectoriel et x1 , x2 , . . . , xn E. On dit que la famille (x1 , x2 , . . . , xn )
est une famille gnratrice de E ou quelle engendre E si tout lment de E est combinaison linaire de x1 , x2 , . . . , xn , autrement
dit si Vect(x1 , x2 , . . . , xn ) = E. 8
>
< Kn E
Cela revient dire que lapplication linaire Xn
est surjective.
>
: (k )16k6n 7 k x k
k=1
Bien sr, on peut permuter les vecteurs dune famille gnratrice sans modifier le caratre gnrateur de cette famille.
Exemple
Soit n N. La famille (1, X, X 2 , . . . , X n ) engendre le K-espace vectoriel Kn [X].
La famille (1, i) est gnratrice du R-espace vecoriel C, mais la famille (1) suffit engendrer le C-espace vectoriel C.
Exemple Soit n N . Posons e1 = (1, 0, 0, . . . , 0), e2 = (0, 1, 0, 0, . . . , 0), . . . , en = (0, 0, . . . , 1). Alors (ek )16l6n est une
famille gnratrice du K-espace vectoriel Kn .
Pour n = 2, on retrouve lide que tout vecteur du plan est combinaison linaire des vecteurs ~ = (1, 0) et ~ = (0, 1) ; pour n = 3,
lide que tout vecteur de lespace est combinaison linaire des vecteurs ~ = (1, 0, 0), ~ = (0, 1, 0) et ~k = (0, 0, 1).
X
n
En effet Soit (x1 , x2 , . . . , xn ) Kn . Alors (x1 , x2 , . . . , xn ) = xk ek . Cest le rsultat voulu.
k=1
14

Thorme (Ajouter ou ter des vecteurs une famille gnratrice)

(i) Toute sur-famille dune famille gnratrice est encore une famille gnratrice.
(ii) Si on te dune famille gnratrice un vecteur combinaison linaire des autres vecteurs de cette famille, alors la famille
obtenue est encore gnratrice.
$ $ $ Attention ! On ne peut pas ter sans condition un vecteur dune famille gnratrice si on souhaite en conserver le
caractre gnrateur ; bref, une sous-famille dune famille gnratrice nest pas ncessairement gnratrice. Par exemple, (1, X)
est gnratrice du K-espace vectoriel K1 [X], mais pas (X) seulement il manquerait les polynmes constants.
Dmonstration
(i) Si un vecteur est combinaison linaire dune famille de vecteurs, il est bien sr combinaison linaire de toute
sur-famille de cette famille de vecteurs affecter un coefficient nul chaque vecteur ajout.
(ii) Soient E un K-espace vectoriel et (x1 , x2 , . . . , xn ) une famille gnratrice E. Si par exemple xn est combi-
naison linaire de x1 , x2 , . . . , xn1 , alors on peut crire aussitt, en vertu des oprations sur les Vect, que
E = Vect(x1 , x2 , . . . , xn ) = Vect(x1 , x2 , . . . , 0E ) = Vect(x1 , x2 , . . . , xn1 ) ; dans ce cas (x1 , x2 , . . . , xn1 )
est une famille gnratrice de E, comme voulu.
En pratique La recherche dune famille gnratrice dun espace vectoriel se ramne toujours la rsolution dun
systme linaire, mme si cela napparat pas toujours clairement. Mditez soigneusement les exemples suivants.
n o
Exemple Soit E le sous-espace vectoriel (x, y, z, t) R4 / x + 2y 4z = 0 et x y + t = 0 de R4 .

Alors (4, 0, 1, 4), (0, 2, 1, 2) est une famille gnratrice de E.
En effet
Pour tout (x, y, z, t) R4 :
(
1 1
x + 2y 4z = 0 z = x + y
(x, y, z, t) E 4 2 .
x y + t = 0 t = x + y
On a choisi dexprimer z et t en fonction de x et y car x et y apparaissent dans les
deux quations. En tout
x y
cas nos calculs montrent que les lments de E sont tous les lments de la forme x, y, + , x + y , x et
4 2
1 1
y dcrivant R, i.e. toutes les combinaisons linaires de 1, 0, , 1 et 0, 1, , 1 , ou encore de (4, 0, 1, 4)
4 2
et (0, 2, 1, 2) comme voulu.
A vrai dire, on aurait pu mener nos calculs de bien des faons. Par exemple comme ceci :

x + 2y 4z = 0
(x, y, z, t) E
x y + t = 0

x + 2y 4z = 0

3y + 4z + t = 0 L2 L2 L1

x = 2y + 4z
.
t = 3y 4z

On raisonnant comme ci-dessus, on a cette fois dnich la famille gnratrice (2, 1, 0, 3), (4, 0, 1, 4) .
Exemple Soit F lensemble des polynmes P R3 [X] tels que 2P (X + 1) = XP 0 . Alors (X 2 4X + 3) est une famille
gnratrice de F .
En effet Pour tout polynme P = aX 3 + bX 2 + cX + d R3 [X] :
P F 2P (X + 1) = XP 0 2a(X + 1)3 + 2b(X + 1)2 + 2c(X + 1) + 2d = X(3aX 2 + 2bX + c)

8
> 2a = 3a 8 8
>
< < a = 0 < a = 0
6a + 2b = 2b
4b + c = 0 c = 4b .
>
> 6a + 4b + 2c = c : :
: b+c+d = 0 d = 3b
2a + 2b + 2c + 2d = 0
Ces calculs montrent que les lments de F sont tous les polynmes de la forme bX 2 4bX + 3b, b dcrivant R,
i.e. toutes les combinaisons linaires de lunique vecteur X 2 4X + 3.
15

5.3 Famille libre, famille lie
Dfinition (Famille libre/lie) Soient E un K-espace vectoriel et x1 , x2 , . . . , xn E.

On dit que la famille (x1 , x2 , . . . , xn ) est libre ou que x1 , x2 , . . . , xn sont linairement indpendants si :
!
X
n
n
(1 , 2 , . . . , n ) K , k xk = 0E = 1 = 2 = . . . = n = 0 .
k=1
8
>
< Kn E
Cela revient dire que lapplication linaire X
n
est injective.
>
: (k )16k6n 7 k x k
k=1
Bien sr, on peut permuter les vecteurs dune famille libre sans modifier la libert de cette famille.
On dit que la famille (x1 , x2 , . . . , xn ) est lie ou que x1 , x2 , . . . , xn sont linairement dpendants si la famille
(x1 , x2 , . . . , xn ) nest pas libre, ce qui revient dire que lun des vecteurs x1 , x2 , . . . , xn au moins est combinaison linaire
des autres.
Explication
X
n
Notons lapplication linaire (k )16k6n 7 k xk . La dfinition de la libert de la famille (x1 , x2 , . . . , xn ) se rcrit
k=1
aisment au moyen de : Kn , () = 0E = = 0Kn . Cette proposition signifie exactement que

Ker = 0Kn , i.e. que est injective comme annonc. Mais que signifie son tour linjectivit de ? Elle signifie que
X
n X
n
lorsquon a k x k = k xk , alors k = k pour tout k J1, nK.
k=1 k=1
Conclusion : dire que la famille (x1 , x2 , . . . , xn ) est libre, cest dire que les coefficients dune combinaison linaire de
x1 , x2 , . . . , xn sont uniques. Alors que le caractre gnrateur de la famille (x1 , x2 , . . . , xn ) exprimait lexistence pour
tout vecteur dune dcomposition en combinaison linaire de x1 , x2 , . . . , xn , la libert de (x1 , x2 , . . . , xn ) exprime prsent
lunicit de toute dcomposition en combinaison linaire de x1 , x2 , . . . , xn .
Dire que (x1 , x2 , . . . , xn ) est lie, cest dire que cette famille nest pas libre, cest donc dire la chose suivante :
!
n
X
n
(1 , 2 , . . . , n ) K / k xk = 0E et lun des xk est non nul, k J1, nK .
k=1
X
n
1 X
Soit donc i0 J1, nK tel que i0 6= 0. Puisque k xk = 0E , on a donc aussi xi0 = k xk , ce qui montre bien
i0
k=1 16k6n
k6=i0
que xi0 est combinaison linaire des autres vecteurs de (x1 , x2 , . . . , xn ). La dfinition de la notion de famille lie est ainsi
rendue moins obscure.
Exemple Toute famille dont lun des vecteurs est nul est lie.
En effet Le vecteur nul est combinaison linaire de toute famille de vecteurs. Une famille qui contient le vecteur
nul contient donc un vecteur combinaison linaire des autres vecteurs, et donc est lie.
Dfinition (Vecteurs colinaires) Soient E un K-espace vectoriel et x, y E. On dit que u et v sont colinaires si la famille
(u, v) est lie, i.e. si lun de ces deux vecteurs est un multiple de lautre.
Exemple La famille (1, i) est une famille libre du R-espace vectoriel C, mais elle est lie dans le C-espace vectoriel C.
En effet
Montrons que (1, i) est libre sur le corps de base R. Soient , R tels que .1 + .i = 0. Alors = = 0
comme voulu, par identification des parties relle et imaginaire.
Montrons que (1, i) est lie sur le corps de base C. Or i est un multiple complexe de 1 : i = i 1.
Exemple La famille (sin, cos) du R-espace vectoriel RR est libre.

En effet Soient , R tels que sin + cos = 0, i.e. : x R, sin x + cos x = 0. Alors en particulier

sin 0 + cos 0 = 0, i.e. = 0 ; et sin + cos = 0, i.e. = 0, comme voulu.
2 2
16

En pratique La dmonstration de la libert dune famille de vecteurs se ramne toujours la rsolution dun
systme linaire, mme si cela napparat pas toujours clairement. Mditez soigneusement les exemples suivants.

Exemple La famille (2, 1), (1, 3), (0, 2) est lie dans R2 .
En effet Soient , , R.

2 = 0
(2, 1) + (1, 3) + (0, 2) = (0, 0) .
+ 3 + 2 = 0
Ce systme possde des solutions (, , ) autres que (0, 0, 0). Par exemple, posons = 1, puis = 2 et enfin
7
= ; alors (, , ) 6= (0, 0, 0) et pourtant (2, 1) + (1, 3) + (0, 2) = (0, 0). La famille (2, 1), (1, 3), (0, 2)
2
est lie.
Exemple Soit n N . Posons e1 = (1, 0, 0, . . . , 0), e2 = (0, 1, 0, 0, . . . , 0), . . . , en = (0, 0, . . . , 0, 1). Alors (ek )16k6n est une
famille libre du K-espace vectoriel Kn .
X
n
En effet Soient 1 , 2 , . . . , n K. On suppose que k ek = 0Kn . Alors (1 , 2 , . . . , n ) = 0Kn , donc
k=1
1 = 2 = . . . = n = 0. Cest fini. 8
>
>
1 = 0
>
< 2 = 0
Le systme linaire cach dans cet exemple est le systme linaire trivial .. .. .
>
> . .
>
:
n = 0
Exemple Soit n N. La famille (1, X, X 2 , . . . , X n ) est une famille libre du K-espace vectoriel K[X].
En effet Rsultat quivalent, bien connu : un polynme est nul si et seulement si tous ses coefficients le sont.
Thorme (Ajouter ou ter des vecteurs une famille libre ou lie)

(i) Toute sur-famille dune famille lie est lie.
(ii) Toute sous-famille dune famille libre est libre.
(ioi) Si on ajoute une famille libre un vecteur non combinaison linaire des autres vecteurs de cette famille, alors la
famille obtenue est encore libre.
$ $ $ Attention ! On ne peut pas ajouter sans condition un vecteur une famille libre si on souhaite en conserver la
libert ; bref, une sur-famille dune famille libre nest pas ncessairement libre. Par exemple, (1, X) est libre dans le K-espace
vectoriel K1 [X], mais pas (1, X, X + 1) car X + 1 est combinaison linaire de 1 et X.
Dmonstration
(i) Si une famille est lie, alors lun de ses vecteurs est combinaison linaire des autres. Quand on ajoute
de nouveaux vecteurs cette famille, ce fait ne sen trouve pas modifi et donc la sur-famille obtenue est
toujours lie.
(ii) Soient E un K-espace vectoriel, (x1 , x2 , . . . , xn ) une famille libre de E et p 6 n. Montrons que la famille
(x1 , x2 , . . . , xp ) est libre elle aussi.
X
p
Soient 1 , . . . , p K tels que k xk = 0E . Alors 1 x1 + 2 x2 + . . . + p xp + 0 xp+1 + . . . + 0 xn = 0E .
k=1
Or la famille (x1 , x2 , . . . , xn ) est libre. Par consquent 1 = 2 = . . . = p = 0 comme voulu.
(iii) Soient E un K-espace vectoriel, (x1 , x2 , . . . , xn ) une famille libre de E et xn+1 E non combinaison
linaire de x1 , x2 , . . . , xn . Montrons que (x1 , x2 , . . . , xn , xn+1 ) est libre elle aussi.
X
n+1
1 X
n
Soient 1 , 2 , . . . , n+1 K tels que k xk = 0E . Si n+1 tait non nul, on aurait xn+1 = k x k ;
n+1
k=1 k=1
le vecteur xn+1 serait alors combinaison linaire de x1 , x2 , . . . , xn , ce qui est faux par hypothse. Par cons-
X
n
quent n+1 = 0. Du coup, on rcupre lgalit k xk = 0E . La libert de (x1 , x2 , . . . , xn ) montre aussitt
k=1
que 1 = 2 = . . . = 0. Nous avons bien prouv que 1 = 2 = . . . = n+1 = 0.
17

5.4 Base
Dfinition (Base) Soient E un K-espace vectoriel et e1 , e2 , . . . , en E. On dit que la famille (e1 , e2 , . . . , en ) est une base de
E si elle est la fois libre et gnratrice de E.
8
>
< Kn E
Cela revient dire que lapplication linaire X
n
est un isomorphisme de Kn sur E, i.e. que :
>
: (k )16k6n 7 k x k
k=1
X
n
x E, ! (1 , 2 , . . . , n ) Kn / x= k e k .
k=1
Explication
X
n
Nous savons que (x1 , x2 , . . . , xn ) est gnratrice de E (resp. libre) si et seulement si lapplication (k )16k6n 7 k x k
k=1
est surjective (resp. injective). Ceci explique la dfinition ci-dessus.
Une base de E est donc une famille de vecteurs dont tout vecteur de E est combinaison linaire, et ce dune unique faon
existence et unicit. Il y a au moins deux exemples de bases que vous connaissez bien : celui des bases du plan et
celui des bases de lespace. Nous avons appel base du plan toute famille (~, ~) telle que tout vecteur du plan puisse scrire
dune unique faon sous la forme x ~ + y ~, x, y R ; mme ide dans lespace.
Dfinition (Coordonnes dans une base) Soient E un K-espace vectoriel possdant une base (e1 , e2 , . . . , en ) et x E.
X
n
On appelle coordonnes de x dans (e1 , e2 , . . . , en ) lunique famille (1 , 2 , . . . , n ) Kn pour laquelle x = k ek . Pour tout
k=1
k J1, nK, le scalaire k est appel la kme coordonne de x dans (e1 , e2 , . . . , en ).
$ $ $ Attention ! Parce que lordre des coordonnes dun vecteur compte, lordre dans lequel les vecteurs dune base sont
rangs compte. Si on permute les vecteurs dune base, la famille obtenue est encore une base, mais il faut permuter de mme les
coordonnes dans lancienne base pour obtenir les coordonnes dans la nouvelle. Par exemple, les coordonnes de ~ sont (1, 0)
dans (~, ~) et (0, 1) dans (~,~).
La dfinition suivante est justifie par les exemples tudis dans les paragraphes prcdents.
Dfinition (Bases canoniques de Kn et Kn [X])

Soit n N . Si on pose e1 = (1, 0, 0, . . . , 0), e1 = (0, 1, 0, 0, . . . , 0), . . . , en = (0, 0, . . . , 0, 1), alors (ek )16k6n est une
base de Kn appele sa base canonique.
Soit n N. Alors (1, X, X 2 , . . . , X n ) est une base de Kn [X] appele sa base canonique.
Explication Que signifie donc ce mot canonique ? Ce qualificatif na pas une dfinition mathmatique propre,
il signifie la plus naturelle . De fait, les bases exhibes dans la dfinition prcdente sont les plus naturelles, les plus simples
auxquelles on peut penser. Elles ont en effet une proprit intressante qui les rend particulirement facile demploi.
X
n
Soit (x1 , x2 , . . . , xn ) Kn . Puisque (x1 , x2 , . . . , xn ) = xk ek (avec les notations prcdentes), alors les coordonnes de
k=1
(x1 , x2 , . . . , xn ) dans la base canonique de Kn sont. . . ce vecteur lui-mme !
X
n
Soit P = ak X k Kn [X]. Par dfinition de P , les coordonnes de P dans la base canonique de Kn [X] sont la famille
k=0
(a0 , a1 , . . . , an ).
Bref, dans ces deux cas, les coordonnes dun vecteur dans la base canonique se lisent immdiatement sur ce vecteur ; aucun
calcul nest ncessaire. Cette proprit de lecture facile est spcifique des bases dites canoniques exhibes ci-dessus et ne
saurait tre tenue pour une loi gnrale.
18

En pratique La dmonstration quune famille de vecteurs donne est une base se ramne toujours la rsolution
dun systme linaire, mme si cela napparat pas toujours clairement. Mditez soigneusement les exemples suivants.
Exemple La famille (X 2 + X, X 2 + 1, X + 1) est une base de R2 [X].

En effet Nous pourrions montrer en deux temps que (X 2 + X, X 2 + 1, X + 1) est libre et gnratrice de R2 [X].
Mais il y a plus simple. Montrer que (X 2 + X, X 2 + 1, X + 1) est une base de R2 [X] revient montrer que tout
polynme de degr infrieur ou gal 2 est combinaison linaire dune unique faon de X 2 + X, X 2 + 1 et X + 1.
Soit donc P = aX 2 + bX + c R2 [X]. Montrons que P est combinaison linaire dune unique faon de X 2 + X,
X 2 + 1 et X + 1. Pour cela, donnons-nous , , R.
8
< + = a
P = (X 2 + X) + (X 2 + 1) + (X + 1) + = b aprs identification
:
+ = c
8
< + = a
= ab L2 L1 L2
:
+ = c
8
>
<
+ a =

ab =
>
: a + b + c 1 1
= L3 L3 L2 .
2 2 2
Le systme obtenu est triangulaire (suprieur) et sa diagonale ne fait apparatre aucun coefficient nul. Nous
pourrions donc finir le calcul en exprimant successivement et en fonction de a, b et c, obtenant ainsi une
Trs utile ! et une seule solution (, , ) au problme initial. Plus gnralement, quand un systme est prsent sous forme
triangulaire avec une diagonale sans coefficient nul, alors on peut affirmer que ce systme possde une et une seule
solution. Inutile dachever alors les calculs, sauf si on en a rellement besoin.
Nous avons donc montr lexistence et lunicit de la dcomposition de P en combinaison linaire de X 2 + X,

X 2 + 1 et X + 1. Cela prouve comme voulu que (X 2 + X, X 2 + 1, X + 1) est une base de R2 [X].

Exemple La famille (1, 1), (1, 2) est une base de R2 .
En effet
Soit (x, y) R2 . Montrons quil existe un unique couple (a, b) R2 tel que (x, y) = a(1, 1) + b(1, 2). Soit
donc (a, b) R2 .

a + b = x a + b = x
(x, y) = a(1, 1)+b(1, 2)
a 2b = y 3b = xy L2 L1 L2 .
Le systme obtenu est triangulaire suprieur sans coefficient nul sur la diagonale : il possde donc une et une
seule solution. Cest termin.

Si on souhaite connatre les coordonnes du vecteur (x, y) dans la base (1, 1), (1, 2) , on na qu achever
2x + y
la rsolution du systme prcdent pour trouver explicitement le couple (a, b). On trouve a = et
3
xy 2x + y x y
b= . Par consquent les coordonnes cherches sont le couple , .
3 3 3
n o
Exemple Lensemble F = (x, y, z) R3 / x + y 4z = 0 est un sous-espace vectoriel de R3 et la famille (4, 0, 1), (0, 4, 1)
en est une base.
En effet
Vous vrifierez
seuls que F est un sous-espace vectoriel de R3 . Dans cet exemple, faisons comme si la
base (4, 0, 1), (0, 4, 1) de F ne nous tait pas fournie comme un nonc dexercice. Au lieu de montrer que cette
famille donne est une base de F , tchons de trouver nous-mmes une base de F , sans aide extrieure.
Commenons par chercher une famille gnratrice de F . Par dfinition, F est lensemble des (x, y, z) R3
tels que x + y 4z = 0. Si nous choisissons par exemple dexprimer z en fonction de x et y partir de cette
x+y
relation, nous obtenons la nouvelle relation z = , qui montre que :
4
( ) !
x + y 1 1
F = x, y, = Vect 1, 0, , 0, 1, = Vect (4, 0, 1), (0, 4, 1) .
4 4 4
x,yR

La famille (4, 0, 1), (0, 4, 1) est bien gnratrice de F . En exprimant x en fonction de y et z par exemple,
nous aurions trouv une autre famille ; mais peu importe.

Montrons esprons que cest bien le cas que la famille (4, 0, 1), (0, 4, 1) est libre. Soient donc , R.
Faisons lhypothse que (4, 0, 1) + (0, 4, 1) = (0, 0, 0). Alors aussitt 4 = 4 = 0, donc = = 0 comme
voulu. Cest fini.
19

Thorme (Bases dun espace vectoriel produit) Soient E et F deux K-espaces vectoriels. On sup-
pose que E
possde une base (e1 , e2 , . . . , em ) et que
F possde une base (f1 , f2 , . . . , fn ). Alors la famille
(e1 , 0F ), (e2 , 0F ), . . . , (em , 0F ), (0E , f1 ), (0E , f2 ), . . . , (0E , fn ) est une base de E F .
Dmonstration
8 Dire que la famille tudie est une base de E F revient dire que lapplication linaire
>
< Km+n EF
T : X
m X
n
est un isomorphisme, i.e. est bijec-
>
: ( 1 , 2 , . . . , m , 1 , 2 , . . . , n )
7 k (e k , 0F ) + l (0E , fl )
k=0 l=0
tive. Or il est facile de vrifier que lapplication qui tout vecteur (x, y) de E F associe la liste des coordonnes
de x dans (e1 , e2 , . . . , em ) suivie des coordonnes de y dans (f1 , f2 , . . . , fn ) est rciproque de T .
5.5 Retour la notion dapplication linaire
Thorme (Familles gnratrices de limage dune application linaire) Soient E et F deux K-espaces vecto-
riels
et f une application
linaire de E dans F . On suppose que E possde une famille gnratrice (x1 , x2 , . . ., xn ). Alors
f (x1 ), f (x2 ), . . . , f (xn ) est une famille gnratrice de Im f . En rsum : Im f = Vect f (x1 ), f (x2 ), . . . , f (xn ) .
Dmonstration Soit y Im f . Alors il existe x E tel que y = f (x). Or (x1 , x2 , . . . , xn )!engendre E par
X
n X
n X
n
hypothse, donc x = k xk pour certains 1 , 2 , . . . , n K. Aussitt y = f (x) = f k x k = k f (xk ),
k=1 k=1 k=1
ce qui montre bien que la famille f (x1 ), f (x2 ), . . . , f (xn ) engendre Im f .
Exemple Soit n N. Limage de la drivation D des polynmes sur Kn [X] est Kn1 [X].

En effet Nous savons que (1, X, X 2 , . . . , X n ) engendre Kn [X]. Par consquent D(1), D(X), D(X 2 ), . . . , D(X n )
engendre Im D. En dautres termes, comme voulu :

Im D = Vect D(1), D(X), D(X 2 ), . . . , D(X n ) = Vect 0, 1, 2X, 3X 2 , . . . , nX n1 = Vect 1, X, X 2 , . . . , X n1 = Kn1 [X].
Thorme (Existence dapplications linaires) Soient E et F deux K-espaces vectoriels. On suppose que E possde une
base (e1 , e2 , . . . , en ). Pour toute famille (f1 , f2 , . . . , fn ) de vecteurs de F , il existe une et une seule application linaire f de E
dans F telle que : k J1, nK, f (ek ) = fk .
Explication Ce rsultat thorique est fondamental. Il signifie que, pour se donner une application linaire compltement,
on peut se contenter de donner les valeurs quelle prend sur une base quelconque fixe de lespace vectoriel de dpart.
Par exemple, un exercice peut commencer ainsi : Soient e1 = (1, 0, 0), e2 = (0, 1, 0) et e3 = (0, 0, 1) et f lendomorphisme de
R3 dfini par : f (e1 ) = e1 + e2 e3 , f (e2 ) = e1 e3 et f (e3 ) = e2 + e3 . Ce dbut dexercice signifie seulement que
pour tout (x, y, z) R3 :
f (x, y, z) = f (xe1 + ye2 + ze3 ) = xf (e1 ) + yf (e2 ) + zf (e3 ) = x(e1 + e2 e3 ) + y(e1 e3 ) + z(e2 + e3 )
= (x + y)e1 + (x + z)e2 + (x y + z)e3 = (x + y, x + z, x y + z).
Dmonstration Soit (f1 , f2 , . . . , fn ) une famille fixe de vecteurs de F .

Unicit : Soient f, g L(E, F ) telles que : k J1, nK, f (ek ) = g(ek ) = fk . Montrons que f = g.
Pour tout x E de coordonnes (x1 , x2 , . . . , xn ) dans (e1 , e2 , . . . , en ), on a :
! !
X
n X
n X
n X
n
f (x) = f x k ek = xk f (ek ) = xk g(ek ) = g x k ek = g(x), et donc f = g.
k=1 k=1 k=1 k=1
20

Existence : Soit f lapplication de E dans F qui associe, tout vecteur x de E de coordonnes (x1 , x2 , . . . , xn )
X
n
dans (e1 , e2 , . . . , en ), le vecteur f (x) = xk fk de F .
k=1
Montrons que f est linaire. Soient x, y E et , K. Si (xk )16k6n et (yk )16k6n sont les coordonnes
respectives de x et y dans (e1 , e2 , . . . , en ), les coordonnes de x + y sont (xk + yk )16k6n . Du coup :
X
n X
n X
n
f (x + y) = (xk + yk )fk = xk fk + yk fk = f (x) + f (y), donc f est bien linaire.
k=1 k=1 k=1
Enfin, soit k J1, nK. Alors les coordonnes de ek sont la famille (0, . . . , 0, 1, 0, . . . , 0) dans laquelle le 1 est
plac en kme position, donc aussitt f (ek ) = fk .
Thorme (Isomorphisme et bases) Soient E et F deux K-espaces vectoriels et f une application linaire de E dans F .
On suppose que E possde une base (e1 , e2 , . . . , en ). Alors les assertions suivantes sont quivalentes :

(i) f est un isomorphisme de E sur F . (ii) f (e1 ), f (e2 ), . . . , f (en ) est une base de F .
Explication Bref, un isomorphisme de E sur F transforme toute base de E (quand il en existe) en une base de F ;
et rciproquement, une application linaire qui transforme une base de E en une base de F est un isomorphisme de E sur F .
Dmonstration
(i) = (ii) On suppose que f est un isomorphisme de E sur F .

1) Montrons dabord que f (e1 ), f (e2 ), . . . , f (en ) est libre. Soient 1 , 2 , . . . , n K tels que
!
X
n X
n X
n
k f (ek ) = 0F . Alors f k e k = 0F , et comme f est injective par hypothse, k ek = 0E .
k=1 k=1 k=1
La libert de (e1 , e2 , . . . , en ) montre enfin que 1 = 2 = . . . = n = 0.

2) Montrons que f (e1 ), f (e2 ), . . . , f (en ) est gnratrice de F . Nous avons dj vu que cette famille
engendre Im f . Mais dautre part Im f = F car, en tant quisomorphisme de E sur F , f est en particulier
surjective.

(ii) = (i) On suppose que f (e1 ), f (e2 ), . . . , f (en ) est une base de F .

1) Montrons que f est injective, i.e. que Ker f = 0E . Soit x E de coordonnes
!
(x1 , x2 , . . . , xn )
X
n X
n
dans (e1 , e2 , . . . , en ). Supposons quon ait f (x) = 0F . Alors 0F = f (x) = f x k ek = xk f (ek ). Or
k=1 k=1
f (e1 ), f (e2 ), . . . , f (en ) est libre par hypothse, donc x1 = x2 = . . . = xn = 0, i.e. x = 0E .

2) Montrons que f est surjective. Nous avons dj vu que f (e1 ), f (e2 ), . . . , f (en ) engendre Im f ,

mais dautre part f (e1 ), f (e2 ), . . . , f (en ) engendre F par hypothse. Ainsi Im f = F , et cest justement
le rsultat voulu.
6 Sommes de sous-espaces vectoriels et supplmentarit
6.1 Sommes de sous-espaces vectoriels
Dfinition (Somme de sous-espaces vectoriels) Soient E un K-espace vectoriel et F et G deux sous-espaces vectoriels
de E.
On note F +nG lensemble
o des lements de E qui sont la somme dun lment de F et dun lment de G ; en dautres
termes : F + G = f + g .
f F,gG
Alors F + G est un sous-espace vectoriel de E appel la somme de F et G.

F + G est le plus petit sous-espace vectoriel de E contenant F et G ; en dautres termes, tout sous-espace vectoriel de
E contenant F et G contient aussi F + G.
21

$ $ $ Attention ! On prendra bien soin de ne pas confondre la somme F + G et la runion F G. En particulier, la

premire est un sous-espace vectoriel, pas la seconde.
Par exemple, dans le plan rapport un repre orthonormal direct (O,~, ~), la somme des droites passant par O diriges
respectivement par ~ et ~ est le plan tout entier ; en effet, tout vecteur du plan est combinaison linaire de ~ et ~. Pourtant la
runion des deux droites prcdentes nest pas du tout le plan tout entier.
Thorme (Somme de sous-espaces vectoriels et engendrement) Soient E un K-espace vectoriel et F et G deux

sous-espaces vectoriels de E. Si F est engendr par (f1 , f2 , . . . , fm ) et si G est engendr par (g1 , g2 , . . . , gn ), alors F + G est
engendr par (f1 , f2 , . . . , fm , g1 , g2 , . . . gn ).
Dmonstration Soit x F + G. Il existe alors f F et g G tels que x = f + g. Or (f1 , f2 , . . . , fm )

engendre F , donc il existe 1 , 2 , . . . , m K tels que f = 1 f1 + 2 f2 + . . . + m fm ; de mme (g1 , g2 , . . . , gn )
engendre G, donc il existe 1 , 2 , . . . , n K tels que g = 1 g1 + 2 g2 + . . . + n gn . Finalement on obtient
x = 1 f1 + 2 f2 + . . . + m fm + 1 g1 + 2 g2 + . . . + n gn . Cest le rsultat voulu.
6.2 Somme directe
Dfinition (Somme directe de sous-espaces vectoriels) Soient E un K-espace vectoriel et F et G deux sous-espaces
vectoriels de E. On dit que F et G sont en somme directe si tout vecteur de F + G scrit de manire unique comme somme
dun lment de F et dun lment de G. On note alors souvent F G la somme F + G, pour indiquer quil y a somme directe.
Thorme (Caractrisation de la somme directe) Soient E un K-espace vectoriel et F et G deux sous-espaces vectoriels
de E. Les assertions suivantes sont quivalentes :

(i) F et G sont en somme directe. (ii) F G = 0E .
Dmonstration

(i) = (ii) Supposons
F et G en somme directe et montrons que F G = 0E , ce qui revient montrer que
F G 0E puisque 0E appartient au sous-espace vectoriel F G de toute faon.
Soit x F G. Alors x = x + 0E = 0E + x. Ce sont l deux dcompositions de x comme somme dun lment
de F et dun lment de G. Par unicit dune telle dcomposition, x = 0E comme voulu.

(ii) = (i) Supposons quon ait F G = 0E et montrons que F et G sont en somme directe.
Soient donc f, f 0 F et g, g 0 G tels que f + g = f 0 + g 0 . Nous devons montrer que f = f 0 et que g = g 0 .
Or puisque f f 0 = g 0 g F G, aussitt en effet f = f 0 et g = g 0 .
n o n o
Exemple F = (x, y, z) R3 / x+y+z = 0 et G = (x, y, z) R3 / x=y=z sont en somme directe.
3
En effet Vous
montrerez
seuls que F et G
sont
deux sous-espaces vectoriels de R . Il nous suffit donc de montrer
que F G = 0R3 , et mme que F G 0R3 . Soit (x, y, z) F G. Alors x + y + z = 0 et x = y = z. Aussitt
x + x + x = 0, donc x = 0 et enfin x = y = z = 0, i.e. (x, y, z) = 0R3 .
Thorme (Somme directe et bases) Soient E un K-espace vectoriel et F et G deux sous-espaces vectoriels de E en
somme directe. Si (f1 , f2 , . . . , fm ) est une base de F et (g1 , g2 , . . . , gn ) une base de G, alors (f1 , f2 , . . . , fm , g1 , g2 , . . . gn ) est une
base de F G.
$ $ $ Attention ! Ce rsultat est faux si on ne suppose pas la somme directe. Pour les sommes en gnral, on dispose
seulement du rsultat vu prcdemment sur les familles gnratrices.
Dmonstration Nous avons dj vu que (f1 , f2 , . . . , fm , g1 , g2 , . . . gn ) est une famille gnratrice de F G. Il

ne nous reste donc qu montrer que cette famille est libre.
X
m X
n
Soient donc 1 , 2 , . . . , m , 1 , 2 , . . . , n K. On suppose que k fk + l gl = 0E . Cette somme est une
k=1 l=1
dcomposition de 0E comme somme dun lment de F et dun lment de G. Or la somme est directe donc il
X
m X
n
y a unicit dune telle dcomposition ; bref : k fk = l gl = 0E . Enfin, les familles (f1 , f2 , . . . , fm ) et
k=1 l=1
(g1 , g2 , . . . , gn ) tant libres, on en dduit comme voulu que 1 = 2 = . . . = m = 1 = 2 = . . . = n = 0.
22

6.3 Supplmentarit
Dfinition (Sous-espaces vectoriels supplmentaires) Soient E un K-espace vectoriel et F et G deux sous-espaces

vectoriels de E. On dit que F et G sont supplmentaires dans E si tout vecteur de E est dune unique manire la somme dun
lment de F et dun lment de G, i.e. :
x E, ! (f, g) F G/ x = f + g.
On dit alors que F est un supplmentaire de G dans E et que G est un supplmentaire de F dans E.
$ $ $ Attention !
Un sous-espace vectoriel possde-t-il toujours un supplmentaire ? La rponse est oui, mais nous ne pourrons pas le
dmontrer avec nos seuls outils. Nous reviendrons sur cette question plus tard dans lanne.
Il est interdit de parler du supplmentaire dun sous-espace vectoriel en gnral, faute dunicit ; on parle toujours
dun supplmentaire. Un exemple ci-dessous illustre cette remarque.
Ne confondez surtout pas les notions de supplmentarit et de complmentarit. Ces deux notions nont tout simplement
rien voir ! Alors quil ny a pas dunicit pour le supplmentaire, il y a au contraire unicit du complmentaire ; et
alors quun supplmentaire est un sous-espace vectoriel, le complmentaire dun sous-espace vectoriel ne contient mme
pas le vecteur nul.
Thorme (Caractrisation de la supplmentarit) Soient E un K-espace vectoriel et F et G deux sous-espaces vectoriels

de E. Les assertions suivantes sont quivalentes :

(i) F et G sont supplmentaires dans E, i.e. E = F G. (ii) E = F +G et F G = 0E .
Dmonstration Evident, car par dfinition, F et G sont supplmentaires dans E si tout lment
de E est
somme dun lment de F et dun lment de G (E = F + G) et ce dune unique faon (F G = 0E ).
n o
Exemple Soit F = (x, y, z) R3 / x + y + z = 0 . Alors Vect (1, 1, 1) et Vect (1, 1, 1) sont deux supplmentaires
de F dans R3 . Il nexiste donc pas quun seul supplmentaire de F .
n o
En effet Soit 1, 1 . Soit (x, y, z) R3 . Montrons que (x, y, z) est somme, dune unique faon, dun

lment de F et dun lment de Vect (1, , 1) . Pour tout (a, b, c) R3 et pour tout R :
8
>
> a + = x
<
(x, y, z) = (a, b, c) + (1, , 1) b + = y

et (a, b, c) F >
> c + = z
:
a + b + c = 0
8
>
> a + = x
<
b + = y

>
> c + = z
:
(2 + ) = x+y+z L4 L1 + L2 + L3 L4 .
Le systme obtenu est triangulaire suprieur coefficients diagonaux non nuls (2 6= 0 car = 1). Il possde
donc une unique
solution, ce qui dmontre bien que (x, y, z) est somme dun lment de F et dun lment de
Vect (1, , 1) dune unique faon.
Exemple
Deux droites non confondues passant par (0, 0) sont toujours supplmentaires dans R2 .
Si P est un plan de R3 passant par (0, 0, 0) et si D est une droite de R3 passant aussi par (0, 0, 0), alors P et D sont
supplmentaires dans R3 .
Exemple Soit n N . Alors Kn [X] et X n+1 K[X] sont supplmentaires dans K[X].
En effet Le thorme de la division euclidienne (par X n+1 ) dans K[X] affirme que tout polynme P K[X]
scrit de faon unique sous la forme P = X n+1 Q + R, o Q, R K[X] et R < n + 1, i.e. R 6 n, ou encore
R Kn [X]. Cest termin.
23

G
~g
Explication ~
x
Deux sous-espaces vectoriels F et G sont supplmentaires dans E si leur
somme recouvre E et sont spars lun de lautre le plus possible ;
en dautres termes, si leur somme est la plus F b
grande possible, i.e. E, et 0E
leur intersection la plus petite possible, i.e. 0E . On a lhabitude, pour se
f~
reprsenter gomtriquement deux tels sous-espaces vectoriels, de faire des
figures valables dans R3 censes illustrer le cas gnral. Cest assez clair sur
la figure ci-contre.
x = f~ + ~g est somme dune unique faon

~
dun lment de F et dun lment de G.
7 Projecteurs, symtries et affinits
7.1 Projecteurs et symtries
Dfinition (Projecteur et symtrie) Soient E un K-espace vectoriel et H et H 0 deux sous-espaces vectoriels supplmentaires
de E. Tout lment x E scrit dune et une seule faon comme la somme dun lment h H et dun lment h0 H 0 , de
sorte que x = h + h0 . Avec ces notations :
Lapplication de E dans E qui x associe h est appele projection sur H paralllement H 0 ou encore projecteur sur
H de direction H 0 .
Lapplication de E dans E qui x associe h h0 est appele symtrie par rapport H paralllement H 0 ou encore
symtrie par rapport H de direction H 0 .
Dans les deux cas, H est appel la base et H 0 la direction de la projection ou de la symtrie.
Explication On comprend mieux ces dfinitions un peu abstraites au moyen de quelques figures. Notons p la
projection sur H paralllement H 0 et s la symtrie par rapport H paralllement H 0 .
H0 H0
h0 h0
x x
H b H b
0E 0E
h = p(x) h
Projection Symtrie
h0
h h0 = s(x)
$ $ $ Attention ! Tout projecteur nest pas orthogonal et toute symtrie nest pas non plus orthogonale . Aucune
condition dorthogonalit nest mme pour le moment envisageable, car quest donc un angle droit dans un espace vectoriel en
gnral ? Nous le verrons en fin danne, mais en attendant, oubliez toute notion dorthogonalit.
Thorme (Proprits des projecteurs) Soient E un K-espace vectoriel et H et H 0 deux sous-espaces vectoriels suppl-
mentaires de E. On note p la projection sur H paralllement H 0 .
(i) p est un endomorphisme de E et p2 = p.
n o
(ii) H = Im p = Ker (p IdE ) = x E/ p(x) = x et H 0 = Ker p.
n o
Explication Lgalit Ker (p IdE ) = x E/ p(x) = x nest pas un rsultat profond, cest la plus banale
des banalits. Dune faon gnrale, habituez-vous lide que si f L(E) et si K, alors :
n o n o
Ker (f IdE ) = x E/ (f IdE )(x) = 0E = x E/ f (x) = x .
Cette remarque vous sera trs utile notamment en deuxime anne.
24

Dmonstration
(i) Montrons que p est linaire. Soient x, y E et , K.
On peut dcomposer x et y conformment lgalit E = H H 0 dune unique faon : x = xH + xH 0 et
y = yH + yH 0 avec xH , yH H et xH 0 , yH 0 H 0 . Alors xH = p(x) et yH = p(y).
Or x+y = (xH +yH )+(xH 0 +yH 0 ) est une dcomposition de x+y adapte lgalit E = H H 0 .
Par unicit de la dcomposition associe une somme directe, on obtient donc :
p(x + y) = xH + yH = p(x) + p(y) comme voulu.
2
Montrons que p = p.
Soit x E dcompos sous la forme x = xH + xH 0 avec xH H et xH 0 H 0 . Alors p(x) = xH H.
Lcriture p(x)= xH + 0E est donc une dcomposition de p(x) adapte lgalit E = H H 0 . Par unicit,
p2 (x) = p p(x) = xH = p(x) comme voulu.
n o n o
(ii) Par dfinition de p, on a Im p H x E/ p(x) = x . Mais x E/ p(x) = x Im p car si
x E est tel que x = p(x), alors x possde un antcdent par p lui-mme et donc appartient Im p.
On obtient ainsi lgalit des trois ensembles mentionns linstant.
Lgalit H 0 = Ker p se dduit immdiatement de la dfinition de p.
Thorme (Caractrisation des projecteurs) Soient E un K-espace vectoriel et p : E E une application.
p est un projecteur si et seulement si p est linaire et p2 = p.
Dans ce cas, Im p et Ker p sont supplmentaires dans E et p est le projection sur Im p paralllement Ker p.
$ $ $ Attention ! Noubliez pas de vrifier la linarit de p. Lgalit p2 = p ne suffit pas.
Dmonstration Si p est un projecteur, nous avons vu dans le thorme prcdent que p2 = p et que p est la
projection sur Im p paralllement Ker p. En particulier, Im p et Ker p sont supplmentaires dans E. Il nous
reste seulement montrer rciproquement que si p est linaire et si p2 = p, alors p est un projecteur.
Supposons donc que p est linaire et que p2 = p. Montrons dabord que Im p et Ker p sont supplmentaires dans
E en raisonnant par analyse et synthse.
1) Analyse : Soit x E. Faisons lhypothse que x scrit x = xK +xI avec xI Im p et xK Ker p.
Alors p(x) = p(xI ) car p(xK ) = 0E . Or par dfinition de xI , il existe t E tel que xI = p(t). Du coup
pp=p
p(x) = p(xI ) = p p(t) = p(t) = xI . On obtient aussitt xK = x xI = x p(x). Ce raisonnement par
analyse montre que, sils existent, xI et xK sont uniques, gaux p(x) et x p(x) respectivement.
2) Synthse : Soit x E. Montrons lexistence dune dcomposition x = xI + xK . Posons xI = p(x)
et xK = x p(x). On a bien x = xI + xK . De plus, cest vident, p(x) Im p. Et pour finir :
pp=p
p(x p(x)) = p(x) p p(x) = p(x) p(x) = 0E , donc x p(x) Ker p.
La supplmentarit de Im p et Ker p dans E est ainsi dmontre. Au passage,

nous avons montr que la dcom-
position de x E adapte cette supplmentarit est p(x) + x p(x) . Ceci prouve que p est la projection sur
Im p paralllement Ker p.
X 3 K[X]
X
X
n
Exemple Soit n N. Pour tout P = ak X k K[X], on pose : n (P ) = ak X k . 2X 3
k=0 k=0
Lapplication n ainsi dfinie de troncature lordre n sur K[X] est le projecteur 2X 3 + X 2 4
sur Kn [X] de direction X n+1 K[X]. On redmontre ainsi en particulier que Kn [X]
et X n+1 K[X] sont supplmenataires dans K[X]. K2 [X]
0K[X] b
7 6 5 4 2 4 2
Par exemple : 4 (X 5X + 2X 4X + X + 1) = 4X + X + 1.
X2 4
= 2 (2X 3 + X 2 4)
En effet
X
X

Montrons que n est linaire. Soient P = ak X k , Q = bk X k K[X] et , K.
k=0 k=0
! !
X
X
X
X
n
n (P + Q) = n ak X k + bk X k = n (ak + bk )X k = (ak + bk )X k
k=0 k=0 k=0 k=0
X
n X
n
= ak X k + bk X k = n (P ) + n (Q) comme voulu.
k=0 k=0
25

Montrons que n est un projecteur. Comme n est linaire, il nous suffit de montrer que n2 = n , ce qui est
vident.
n o
Dterminons Im n . Nous savons que Im n = P K[X]/ n (P ) = P car n est un projecteur. Or
quels sont les points fixes de n ? Ce sont exactement les polynmes de degr infrieur ou gal n, et donc
Im n = Kn [X].
Dterminons Ker n . Quels sont les polynmes dont la troncature lordre n est nulle ? Ce sont tous ceux
dont les (n + 1) premiers coefficients sont nuls, i.e. ceux que lon peut factoriser par X n+1 . Cest pourquoi
Ker n = X n+1 K[X].
Thorme (Proprits des symtries) Soient E un K-espace vectoriel et H et H 0 deux sous-espaces vectoriels supplmen-
taires de E. On note s la symtrie par rapport H paralllement H 0 .
(i) s est un automorphisme de E et s2 = IdE , i.e. s1 = s.
n o n o
(ii) H = Ker (s IdE ) = x E/ s(x) = x et H 0 = Ker (s + IdE ) = x E/ s(x) = x .
Dmonstration
(i) Montrons que s est linaire. Soient x, y E et , K.
On peut dcomposer x et y conformment lgalit E = H H 0 dune unique faon : x = xH + xH 0 et
0
y = yH + yH 0 avec xH , yH H et xH 0 , yH 0 H 0 . Alors xH xH 0 = s(x) et yH yH = s(y).
Or x+y = (xH +yH )+(xH 0 +yH 0 ) est une dcomposition de x+y adapte lgalit E = H H 0 .
Par unicit de la dcomposition associe une somme directe, on obtient donc :
s(x + y) = (xH 0 + yH 0 ) (xH + yH ) = (xH 0 xH ) + (yH 0 yH ) = s(x) + s(y) comme voulu.
2 1
Montrons que s = IdE , que s est inversible et que s = s.
Soit x E sous la forme x = xH + xH 0 avec xH H et xH 0 H 0 . Alors s(x) = xH xH 0 . Mais cette criture
est une dcomposition de s(x) adapte lgalit E = H H 0 . On en dduit donc le rsultat suivant :
s s(x) = xH (xH 0 ) = xH + xH 0 = x. Ceci montre que s2 = IdE , donc que s est inversible et que
s1 = s comme voulu.
(ii) dcoule immdiatement de la dfinition de s.
Thorme (Caractrisation des symtries) Soient E un K-espace vectoriel et s : E E une application.
s est une symtrie si et seulement si s est linaire et s2 = IdE .
Dans ce cas, Ker (s IdE ) et Ker (s + IdE ) sont supplmentaires dans E et s est la symtrie par rapport Ker (s IdE )
paralllement Ker (s + IdE ).
$ $ $ Attention ! Noubliez pas de vrifier la linarit de s. Lgalit s2 = IdE ne suffit pas.
Dmonstration Si s est une symtrie, alors nous venons de voir dans le prcdent thorme que s2 = IdE et
que s est la symtrie par rapport Ker (s IdE ) paralllement Ker (s + IdE ). En particulier Ker (s IdE ) et
Ker (s + IdE ) sont supplmentaires dans E. Il nous reste seulement montrer que si s est linaire et si s2 = IdE ,
alors s est une symtrie.
Supposons donc que s est linaire et que s2 = IdE . Montrons dabord que Ker (s IdE ) et Ker (s + IdE ) sont
supplmentaires dans E en raisonnant par analyse et synthse.
1) Analyse : Soit x E. Faisons lhypothse que x scrit x = x + x+ avec x Ker (s IdE )
1
et x+ Ker (s + IdE ). Alors s(x) = x x+ , donc par somme et diffrence, x = x + s(x) et
2
1
x+ = x s(x) . Ce raisonnement par analyse montre que, sils existent, x et x+ sont uniques, gaux
2
1 1
x + s(x) et x s(x) respectivement.
2 2
2) Synthse : Soit x E. Montrons lexistence dune dcomposition x = x + x+ . Posons donc
1 1
x = x + s(x) et x+ = x s(x) . On a bien x = x + x+ . De plus :
2 2

1 1 ss=IdE 1
s(x ) = s x s(x) = s(x) s s(x) = s(x) x ,
2 2 2
calcul dont on dduit que s(x ) = x et que s(x+ ) = x+ , cest--dire que x Ker (s IdE ) et que
x+ Ker (s + IdE ).
26

La supplmentarit de Ker (s IdE ) et Ker (s + IdE ) dans E est ainsi dmontre. Au passage, nous avons montr
1 1
que la dcomposition de x E adapte cette supplmentarit est x + s(x) + x s(x) . Ceci prouve que
2 2
s est la symtrie par rapport Ker (s IdE ) paralllement Ker (s + IdE ). I
fi
f
Exemple
Soit lapplication qui toute application f RR associe lapplication x 7 f (x).
Alors est une symtrie de RR , la symtrie par rapport lensemble P des fonctions P b
paires, paralllement lensemble I des fonctions impaires. 0RR
fp
En particulier, P et I sont supplmentaires dans RR . Plus prcisment, pour toute
fonction f RR , la dcomposition de f adapte lgalit RR = P I est f = fp + fi ,
fi
f (x) + f (x) f (x) f (x)
o fp est la fonction x 7 et fi la fonction x 7 .
2 2
fp fi = (f )
En effet
La linarit de nest pas bien difficile montrer. Il est tout aussi clair que = IdRR . Comme voulu,
est donc une symtrie.
Dterminons Ker( IdRR ), lensemble des points fixes de . Etant donne la dfinition de , cet ensemble
est P videmment. Il est tout aussi clair que Ker( + IdRR ) = I .
Thorme (Lien projecteur/symtrie) Soient E un K-espace vectoriel et H et H 0 deux sous-espaces vectoriels suppl-
mentaires de E. On note p (resp. p0 ) la projection sur H (resp. H 0 ) paralllement H 0 (resp. H) et s (resp. s0 ) la symtrie par
rapport H (resp. H 0 ) paralllement H 0 (resp. H). Alors :
p + p0 = IdE , p p0 = p0 p = 0 et s + s0 = 0L(E) , s s0 = s0 s = IdE ,
et s = 2p IdE et s0 = 2p0 IdE .
Dmonstration Soit x E sous la forme x = h + h0 o h H et h0 H 0 . Alors p(x) = h, p0 (x) = h0 ,

s(x) = h h et s (x) = h0 h. Il est alors facile de vrifier que les formules du thorme sont vraies.
0 0
Par exemple : p(x) + p0 (x) = h + h0 = x, et donc en effet p + p0 = IdE .
7.2 Affinits
Dfinition (Affinit) Soient E un K-espace vectoriel et H et H 0 deux sous-espaces vectoriels supplmentaires de E. On

note p la projection
sur H paralllement H 0 . Pour tout K, on appelle affinit de base H, de direction H 0 et de rapport
E E
lapplication .
x 7 x + (1 )p(x)
En dautres termes, si x E est donn sous la forme x = h + h0 avec h H et h0 H 0 , alors laffinit de base H, de direction
H 0 et de rapport envoie x sur h + h0 .
H0
Explication h0
x = a1 (x)
Notons a laffinit de base H, de direction H 0 et de rapport .
La figure ci-contre illustre gomtriquement laction de a pour
diffrentes valeurs de . On notera bien que pour = 0, on re- H b
0E
trouve la projection p sur H paralllement H 0 ; pour = 1,
h = p(x) = a0 (x)
lapplication identique IdE ; et pour = 1, la symtrie s par
rapport H paralllement H 0 . x = h + h0 , croissant
h H,
h0 H 0 .
s(x) = a1 (x)
a 3 (x)
2
27

8 Quelques notions de gomtrie affine

Comme vous avez d le remarquer, la structure despace vectoriel donne au vecteur nul un rle privilgi. La structure
vectorielle de lespace usuel R3 nous a permis de parler des droites et des plans de cet espace, mais seulement de celles et ceux
qui passent par 0R3 : nous les avons rangs dans la bote des sous-espaces vectoriels . De telles droites (resp. de tels plans) sont
qualifi(e)s de droites vectorielles (resp. plans vectoriels). Or la gomtrie met notre disposition dautres droites et dautres
plans que celles et ceux passant par 0R3 . Nous allons prsent introduire quelques concepts grce auxquels nous pourrons parler
aisment de ces autres droites et plans ne passant pas par 0R3 .
Jusquici, par ailleurs, nous avons toujours considr les lments de nos espaces vectoriels comme des. . . vecteurs, bien
entendu. Or en gomtrie la notion de point rvle une intuition importante, bien distincte de la notion de vecteur. Nous
considrerons dans cette dernire partie du chapitre les lments des espaces vectoriels dabord comme des points (majuscules
droites A, B, C . . .), parfois seulement comme des vecteurs (minuscules x, y, z, . . .). Mathmatiquement, cette alternance de point
de vue ne pose aucun problme ; cest ce que nous avons pu constater en dbut danne, quand nous avons fait de la gomtrie
dans le plan et dans lespace. Nous avions pris lhabitude didentifier points et vecteurs moyennant le choix arbitraire dun repre
(jusquici toujours orthonormal direct par commodit) ; de la sorte, bien que les intuitions attaches aux notions de point et de
vecteur soient totalement diffrentes, nous pouvions appliquer ces deux notions les mmes rgles de calcul.

Si E est un K-espace vectoriel et si A et B sont deux points de E, on note AB le vecteur B A de E.
8.1 Translations
Dfinition (Translation) Soient E un K-espace vectoriel et u un vecteur de E.

E E
On appelle translation de vecteur u lapplication (si lon voit les lments de E comme des vecteurs) ou
x 7 x + u

E E
(si lon voit les lments de E comme des points).
M 7 M + u
$ $ $ Attention ! La translation de vecteur u nest linaire que si u = 0E elle envoie 0E sur u.
8.2 Barycentres
Dfinition (Point pondr et barycentre dune famille finie de points pondrs) Soit E un K-espace vectoriel.
On appelle point pondr de E tout couple (A, ) constitu dun point A de E et dun scalaire K.
X
n
Soit (Ak , k ) une famille de points pondrs de E. On pose : = k (poids total).
16k6n
k=1
X
n

1) Si = 0, le vecteur k M Ak ne dpend pas du choix du point M de E.
k=1
X
n

2) Si au contraire 6= 0, il existe un unique point G de E tel que k GAk = 0E . On lappelle le barycentre
k=1
1X
n
des points pondrs (A1 , 1 ), (A2 , 2 ), . . . , (An , n ) et en fait G = k Ak . Pour tout point M de E, on a la relation

k=1
X
n
caractristique : M G = k M A k .
k=1

$ $ $ Attention ! Pas de barycentre si le poids total de la famille des points pondrs (Ak , k ) est nul !
16k6n
Dmonstration
X
n
X
n X n X n
1) On suppose que = 0. Pour tout M E : k M A k = k (Ak M ) = k Ak M = k A k .
k=1 k=1 k=1 k=1
Cette quantit ne dpend pas de M .
28

2) On suppose que 6= 0. Pour tout G E :

X
n
X
n X
n
6=0 1X
n
k GAk = 0E k (Ak G) = 0E G = k A k G= k A k .

k=1 k=1 k=1 k=1
Ceci prouve lexistence et lunicit du barycentre cherch, et tout ce quon veut.

Thorme (Associativit du barycentre) Soient E un K-espace vectoriel, I un ensemble fini non vide, (Ai , i ) une
iI
famille de points pondrs de E de poids total non nul et G le barycentre associ. X
Soit en outre (Ik )16n une partition de I. On note, pour tout k J1, nK : k = i , et on suppose k 6= 0 de faon
iIk
pouvoir parler du barycentre Gk des points pondrs (Ai , i ), i Ik .
Alors G est le barycentre des points pondrs (Gk , k ), k J1, nK.

Explication On parle dassociativit du barycentre car ce rsultat affirme quon peut associer par paquets (Ai , i )
iIk
certains points pondrs (Ai , i ) et les remplacer par leur barycentre Gk sans modifier la nature du barycentre global G ; bref, si
on voit chaque paquet de points pondrs comme une srie de parenthses ouvrante/fermante, alors lordre des parenthses ne
compte pas.
X
n
Dmonstration Notons le poids total de la famille (Ai , i ) . On a : = k .
iI
k=1
1 X 1 XX 1 X
n n
G= i A i = i A i = k Gk . Cest exactement le rsultat voulu.
iI iI

k=1 k k=1
8.3 Sous-espaces affines
Dfinition (Sous-espace affine dun espace vectoriel) Soit E un K-espace vectoriel.

On appelle sous-espace affine E toute image dun sous-espace vectoriel de E par une translation, i.e. toute partie
n de o
F de E de la forme F = x + F = f + x o F est un sous-espace vectoriel de E et o x est un vecteur de E.
f F
Le sous-espace vectoriel F associ au sous-espace affine F est unique ; on lappelle la direction de F. Les lments de
F sont appels les vecteurs directeurs de F.
D D =y+D
Explication
Nous noterons gnralement les sous-espaces vectoriels avec des majuscules
b y
droites (F, G, H, . . .) et les sous-espaces affines avec des majuscules rondes
(F, G, H, . . .). La figure ci-contre illustre autant la dfinition prcdente
que le thorme qui suit.
0E b b
b P
b
$ $ $ Attention !
Tout sous-espace vectoriel F de E est un sous-espace affine de E puisque b
x
F = 0E + F . Mais la rciproque est fausse car un sous-espace affine en P =x+P
gnral ne contient mme pas 0E .
Dmonstration Montrons lunicit de la direction de F. Soient deux sous-espaces vectoriels F et F 0 de E et

x, x E tels que F = x + F = x0 + F 0 . Nous devons dmontrer que F = F 0 . Par symtrie du problme en F et
0
F 0 , il nous suffit de prouver linclusion F F 0 .

Soit f F . Comme x = x + 0E x + F , il existe f 0 F 0 tel que x = x0 + f 0 , et donc x x0 F 0 . Or x + f x + F
galement, donc il existe f0 F 0 tel que x + f = x0 + f0 . Finalement f = f0 + (x0 x) F 0 comme voulu.
Exemple Soient E et F deux K-espaces vectoriels et f L(E, F ). Fixons y0 Im f . Alors lensemble des solutions de
lquation y0 = f (x) dinconnue x E est un sous-espace affine de E de direction Ker f .
En effet Puisque y0 Im f , il existe x0 E tel que y0 = f (x0 ). Alors pour tout x E :
y0 = f (x) f (x0 ) = f (x) f (x x0 ) = 0F x x0 Ker f x x0 + Ker f.
Lensemble des solutions de lquation y0 = f (x), o x E, est donc lespace affine x0 + Ker f de direction Ker f .
29

Thorme (Caractrisation des sous-espaces affines par leur direction et un point) Soit E un K-espace vectoriel.
Deux sous-espaces affines de E sont gaux si et seulement sils ont la mme direction et un point en commun.
Prcisment, si F est un sous-espace affine de E de direction F et si A est un point de F quelconque, alors F = A + F .
Dmonstration Montrons que F = A+F . Cela montrera bien que F est entirement caractris par A et F . Or
par dfinition, F est un translat de F (sa direction, unique comme on la vu), disons de vecteur x : F = x + F .
En particulier, A = x + pour un certain F . Du coup, pour tout M E :
M F M x+F M xF M (A ) F
F
M AF M A F M A + F.
Ces quivalences montrent bien que F = A + F .
Thorme (Sous-espaces affines et barycentres) Soient E un K-espace vectoriel et F un sous-espace affine de E. Alors
F contient tous les barycentres forms partir de ses points.

Dmonstration Soient (Ak , k ) une famille de points pondrs de E de poids total non nul et G le
16k6n
barycentre associ. Supposons que A1 , A2 , . . . , An appartiennent F et montrons que G F galement.
Puisque A1 F, nous savons que F = A1 + F , F dsignant la direction de F. Par consquent, montrer que G F,
Xn

cest montrer que A1 G = G A1 F . Or A1 G = k A1 Ak ; dautre part Ak F pour tout k J1, nK, donc
k=1

A1 Ak = Ak A1 F . Par consquent A1 G F comme voulu.
Thorme (Intersection de sous-espaces affines) Soient E un K-espace vectoriel et F et G deux sous-espaces affines de
E de directions respectives F et G.
(i) Si F G 6= , on dit que F et G sont concourants ou scants.
Alors F G est un sous-espace affine de E de direction F G.
(ii) Si E = F + G, alors F et G sont concourants.
Si plus prcisment E = F G, alors F G est un singleton ; on dit que F et G sont supplmentaires dans E.
Dmonstration
(i) On suppose F et G concourants. Soit alors A F G. Nous savons que F = A + F et que G = A + G.
Montrons prsent que F G = A + (F G), ce qui montrera come voulu que F G est un sous-espace
affine de E de direction F G.
Soit dabord M F G. Puisque F = A + F , il existe f F tel que M = A + f ; de mme, puisque

G = A + G, il existe g G tel que M = A + g. Par consquent AM = M A = f = g F G, et donc
M A + (F G).
Linclusion inverse A + (F G) F G est presque une vidence mais montrez-la tout de mme.
(ii) On suppose que E = F + G. Puisque F et G sont non vides, donnons-nous M F et N G. Alors

M N = N M E = F + G, donc il existe f F et g G tels que M N = N M = f + g, i.e.
M + f = N g. Posons I = M + f = N g. Alors I F G, do la concourance de F et G.
Dans le cas particulier o E = F G, on a E = F + G donc F et G sont concourants via le raisonnement
prcdent ; mais on a aussi F G = 0E de sorte que
la direction de F G est 0E . Finalement, si
M F G, nous savons que F G = M + 0E = M , un singleton.
Dfinition (Sous-espaces affines parallles) Soient E un K-espace vectoriel et F et G deux sous-espaces affines de E de
directions respectives F et G.
On dit que F est parallle G si F G.
On dit que F et G sont parallles si F = G. Cette relation se note F G.
$ $ $ Attention ! Avec cette dfinition, dire que F est parallle G ne revient pas dire que F et G sont parallles. Dire
que F et G sont parallles (F = G), cest dire que F est parallle G (F G) et que G est parallle F (G F ).
Par ailleurs, une droite affine peut tre parallle un plan affine, car une droite vectorielle peut tre incluse dans un plan
vectorielle. Mais un plan affine ne peut jamais tre parallle une droite affine, car au contraire un plan vectoriel ne peut jamais
tre inclus dans une droite vectorielle.
30

Thorme (Paralllisme et intersection) Soient E un K-espace vectoriel et F et G deux sous-espaces affines de E de

directions respectives F et G.
(i) Si F est parallle G, alors soit F G = , soit F G.
(ii) Si F et G sont parallles, alors F et G sont soit disjoints soit confondus.
Dmonstration
(i) On suppose F parallle G et F et G non disjoints. Il sagit de montrer que F est inclus dans G. Par
hypothse, F et G tant concourants, il existe un lment A dans F G. Par ailleurs F G puisque F est
parallle G. Par consquent F = A + F A + G = G.
(ii) est une consquence immdiate de (i).
8.4 Convexit
$ $ $ Attention ! Dans ce paragraphe, on travaille seulement avec le corps K = R.
Dfinition (Segment) Soient E un R-espace B

vectoriel
et A,
B E.
On appelle segment dextrmits A et B, not AB ou A, B , lensemble :
n o A b
AB = A + (1 )B . A + (1 )B,
[0,1]
o [0, 1]
Dfinition (Convexit) Soient E un R-espace vectoriel et A une partie de E. On dit que A est convexe si :
A, B A, [0, 1], A + (1 )B A ;

cela revient dire que : A, B A, AB A.
Explication
A
A
Une partie est donc convexe si elle contient
A A A
tous les segments quon peut former par-
tir de ses points. Cela revient grosso modo
dire quune partie convexe est une par- B B
tie suffisamment ronde du plan : pas de
trou, pas de presqules. . . Cette analogie est
Non convexe, Non convexe, Convexe
prendre avec des pincettes.
prsence de presqules prsence de trous
Exemple Tout sous-espace affine, en tant quil contient tous les barycentres de ses points, est en particulier convexe.
Exemple Tout disque du R-espace vectoriel C est convexe.

En effet Soient a C, r R+ et D le disque ferm de centre a et de rayon r pour le cas des disques ouverts,
la preuve est la mme mais il faut remplacer les ingalits larges par des ingalits strictes. Montrons que D est
convexe.

Soient z, z 0 D et [0, 1]. Nous devons montrer que z + (1 )z 0 D, i.e. que z + (1 )z 0 a 6 r.

0 0
z+(1)z a = z+(1)z a+(1)a = (za)+(1)(z a) 6 |za|+(1)|z a| 6 r+(1)r = r.
0 0
31

16 - Introduction A L'algebre Lineaire PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

16 - Introduction A L'algebre Lineaire PDF

Transféré par

Droits d'auteur :

Formats disponibles

c Christophe Bertault - MPSI

Introduction lalgbre linaire

Thorme Soit E un K-espace vectoriel.

Soit K. Si = 0, on a 0E = 0E via le premier point. Supposons dsormais que 6= 0.

Soient K et x E. Montrons prsent que si x = 0E et si 6= 0, alors x = 0E .

Enfin, dmontrons lassertion (ii). Soit x E. Alors : x + (1) x = 1 x + (1) x = (1 1) x = 0 x = 0E .

1.2 Exemples fondamentaux

Exemple (K, +, ) est un K-espace vectoriel.

(xk )16k6n + (yk )16k6n = (xk + yk )16k6n et (xk )16k6n = ( xk )16k6n .

= ( xk )16k6n + ( yk )16k6n = (xk )16k6n + (yk )16k6n .

Les autres axiomes de la structure despace vectoriel se vrifient aussi facilement.

Montrons que + est commutative. Soient f, g E X . Pour tout x X :

Cela montre bien que f + g = g + f .

Exemple (Fonctions et suites)

Exemple Tout C-espace vectoriel est aussi un R-espace vectoriel.

(4, 1, 5, 1) = 4(1, 0, 0, 0) + (0, 1, 0, 1) 5(0, 0, 1, 0),

(4, 1, 5, 1) = 4(1, 0, 0, 0) + (0, 1, 0, 0) 5(0, 0, 1, 0) + (0, 0, 0, 1).

(2, 7) est combinaison linaire de (5, 2) et (1, 3)

Rsolvons donc ce systme. Pour tout (x, y, z) R3 :

Remarque Tout sous-espace vectoriel F de E contient le vecteur nul 0E et 0F = 0E .

ou bien, au choix, si et seulement si :

3.2 Exemples et contre-exemples

Exemple A vous de jouer !

3.3 Intersection de sous-espaces vectoriels

Dfinition (Application linaire) Soient E et F deux K-espaces vectoriels.

Une application linaire de E dans E est aussi appele un endomorphisme (linaire) de E.

4.2 Exemples et contre-exemples

Thorme (Homothtie) Soit E un K-espace vectoriel. 

Dmonstration Soit K. Notons h lhomothtie de E de rapport . Soient x, y E et , K. On a :

4.3 Oprations sur les applications linaires

Thorme (Oprations sur les applications linaires)

(ii) Montrons que g f est linaire de E dans G. Soient x, y E et , K.

4.4 Noyau et image dune application linaire

f (t) = f (a + 0 a0 ) = f (a) + 0 f (a0 ) = y + 0 y 0 ,

f est surjective de E sur F Im f = F.

k N , ak = 0 P K0 [X]. Ainsi Ker D = K0 [X].

f Ker S f sin = 0 x R, f (x) sin x = 0 x R r Z, f (x) = 0.

4.5 Isomorphismes (linaires)

Dfinition (Isomorphisme (linaire)) Soient E et F deux K-espaces vectoriels.

Thorme (Proprits des isomorphismes) Soient E, F et G trois K-espaces vectoriels.

Exemple Soit n N. Alors Kn [X] et Kn+1 sont isomorphes.

5.1 Sous-espace vectoriel engendr par une famille de vecteurs

o 1 , 2 , . . . , n , 1 , 2 , . . . , n K. Il est donc clair que :

u + v = (1 + 1 )x1 + (2 + 2 )x2 + . . . + (n + n )xn

est une combinaison linaire dlments de x1 , x2 , . . . , xn , i.e. un lment de Vect(x1 , x2 , . . . , xn ).

Montrons que Vect(x1 , x2 , . . . , xn ) est le plus petit sous-espace vectoriel de E contenant x1 , x2 , . . . , xn .

Exemple Si le corps de base est R : Vect(1) = R et Vect(1, i) = C.

Montrons que V V 0 . Commenons par remarquer que xk V 0 car, puisque k 6= 0 :

Or x1 , x2 , . . . , xk1 , xk+1 , . . . , xn V 0 galement, donc V 0 contient x1 , x2 , . . . , xn . Enfin V 0 contient V car

Dmonstration Montrons par rcurrence que Vect(P0 , P1 , . . . , Pn ) = Vect(1, X, . . . , X k , Pk+1 , Pk+2 , . . . , Pn )

5.2 Famille gnratrice

Thorme (Ajouter ou ter des vecteurs une famille gnratrice)

P F 2P (X + 1) = XP 0 2a(X + 1)3 + 2b(X + 1)2 + 2c(X + 1) + 2d = X(3aX 2 + 2bX + c)

5.3 Famille libre, famille lie

Dfinition (Famille libre/lie) Soient E un K-espace vectoriel et x1 , x2 , . . . , xn E.

Exemple La famille (sin, cos) du R-espace vectoriel RR est libre.

Thorme (Ajouter ou ter des vecteurs une famille libre ou lie)

Dfinition (Bases canoniques de Kn et Kn [X])

Exemple La famille (X 2 + X, X 2 + 1, X + 1) est une base de R2 [X].

Nous avons donc montr lexistence et lunicit de la dcomposition de P en combinaison linaire de X 2 + X,

5.5 Retour la notion dapplication linaire

ce qui montre bien que la famille f (x1 ), f (x2 ), . . . , f (xn ) engendre Im f .

Dmonstration Soit (f1 , f2 , . . . , fn ) une famille fixe de vecteurs de F .

Thorme (Homothtie) Soit E un K-espace vectoriel.

Dfinition (Translation) Soient E un K-espace vectoriel et u un vecteur de E.