Université de TOURS - L2S3 - ALGÈBRE - 2005/2006

Chapitre 2 : Espaces Vectoriels - Applications linéaires

1 Espaces Vectoriels
Définition 1 On appelle K-espace vectoriel tout triplet (E, +, .) satisfaisant les axiomes suivants :
(A1 ) : (E, +) est un groupe commutatif, (abélien)
(A2 ) : . est une application de K × E à valeurs dans E appelée loi externe telle que
(A2,1 ) : ∀λ ∈ K, ∀(x, y) ∈ E 2 , λ.(x + y) = λ.x + λ.y,
(A2,2 ) : ∀(λ, µ) ∈ K2 , ∀x ∈ E, (λ + µ).x = λ.x + µ.x,
(A2,3 ) : ∀(λ, µ) ∈ K2 , ∀x ∈ E, λ.(µ.x) = (λµ).x,
(A2,4 ) : ∀x ∈ E, 1.x = x.
Les éléments de E s’appellent des vecteurs et les éléments de K des scalaires. (K est appelé le corps de
base)

(Dans la pratique, le signe . peut être omis)

Exemples :
1) R est un R-espace vectoriel, la loi externe étant la multiplication dans R.
2) R2 et plus généralement Rn sont des R-espaces vectoriels pour les opérations :
(x1 , ..., xn ) + (y1 , ..., yn ) = (x1 + y1 , ..., xn + yn ) et λ(x1 , ..., xn ) = (λx1 , ..., λxn ).
3) C est à la fois un C-espace vectoriel mais aussi un R-espace vectoriel.
4) Soient X un ensemble quelconque et E un K-espace vectoriel. On note F(X, E) l’ensemble des fonctions
de X à valeurs dans E. On peut munir cet ensemble de deux opérations notées + et . :
f + g : X → E, ∀x ∈ X, (f + g)(x) = f (x) + g(x) et λf : X → E, ∀x ∈ X, (λf )(x) = λ.f (x).
Alors (F(X, E), +, .) est un K-espace vectoriel.
(Plus généralement, la structure de l’ensemble d’arrivée permet de mettre une structure similaire sur
l’ensemble des fonctions à valeurs dans cet ensemble d’arrivée. Groupe, groupe, anneau, anneau, Ev, Ev,
...)
Si X = {1, ..., n} et E = R, alors F(X, E) = Rn . Si X = {1, ..., n} × {1, ..., m} et E = R alors
F(X, E) = Mn,m (R).
5) Une fonction de N dans R (resp. dans C) s’appelle une suite réelle (resp. complexe). D’après 4, on
peut munir l’ensemble des suites réelles (resp. complexes) d’une structure de R-espace vectoriel (resp. de
C-espace vectoriel).
6) Un polynôme à coefficients dans K est une suite presque nulle (tous les termes de la suite sont nuls sauf
un nombre fini) donc K[X] peut être muni d’une structure de K-espace vectoriel.

Dans tout le chapitre, (E, +, .) est un K-espace vectoriel.

Théorème 2 Règles de calcul.

Soit (α, x) ∈ K × E.
i) α.0E = 0E et α.(−x) = −α.x.
ii) 0K .x = 0E et (−α).x = −α.x.
iii) α.x = 0 =⇒ α = 0 ou x = 0.
(En bref, on peut mettre le signe moins où on veut)

Preuve : i) α.0E = α.(0E + 0E ) = α.0E + α.0E donc α.0E − α.0E = α.0E + α.0E − α.0E d’où α.0E = 0E .
α.0E = α.(x + (−x)) = α.x + α.(−x) = 0E donc α.(−x) = −α.x.

1
ii) 0K .x = (0K + 0K ).x = 0K .x + 0K .x donc 0K .x − 0K .x = 0K .x + 0K .x − 0K .x d’où 0K .x = 0E .
(α + (−α)).x = α.x + (−α).x = 0E donc (−α).x = −α.x.
iii) Si α = 0 c’est fini. Si α 6= 0 alors (α−1 α).x = 0 donc x = 0. 

Exemple : Soit A ∈ Mn (K). (−2)A = −2A = −(2A). On considère X ∈ K[X]. 3X = −(−3)X =

−(−3X).

Définition 3 Combinaison linéaire

1) Soit (x1 , ..., xn ) ∈ E n . On appelle combinaison linéaire des (xi )1≤i≤n tout élément x de E de la forme
Xn
αi xi avec (αi )1≤i≤n une famille de scalaires.
i=1
2) Soit A ⊂ E. Une combinaison linéaire d’éléments de A est une combinaison linéaire d’un nombre fini
d’éléments de A.

Fin du cours du 26/09

——————————————————————————————————
Début du cours du 30/09
Exemples :
1) Tout complexe estcombinaison
 linéaire
 de 1et de i.  
1 0 0 1 0 0 0 0
2) Soit E1 = , E2 = , E3 = et E4 = . Toute matrice de A ∈ M2 (K)
0 0 0 0 1 0 0 1
s’écrit comme combinaison linéaire de E1 , E2 , E3 et E4 . A = a1,1 E1 + a1,2 E2 + a2,1 E3 + a2,2 E4 .
3) Tout polynôme de K[X] s’écrit comme combinaison linéaire des X i avec i ∈ N. Ici, A = {X i , i ∈ N}.
Xn
P = ai X i avec n le degré de P . (Tous les ai avec i ≥ n + 1 sont nuls. Il n’y a qu’un nombre fini de
i=0
termes non nuls.)

Définition et Théorème 4 Produit d’espaces vectoriels.

Soient ((Ei , +, .))i∈I uneY
famille d’espaces vectoriels sur un même corps K indéxée par un ensemble I. Sur
l’ensemble produit E = Ei , on définit les lois
i∈I

(xi )i∈I + (yi )i∈I = (xi + yi )i∈I et λ.(xi )i∈I = (λ.xi )i∈I .

(Addition et loi externe composante par composante)

Alors (E, +, .) est un K-espace vectoriel appelé espace produit des ((Ei , +, .))i∈I .

Preuve : on vérifie les axiomes. 

Exemples :
1) R2 et plus généralement Rn . I = {1, ..., n} et Ei = R.
2) Soient (un )n∈N et (vn )n∈N deux suites de réels. Alors (un )n∈N + (vn )n∈N = (un + vn )n∈N et λ.(un )n∈N =
(λ.un )n∈N . L’ensemble des suites réelles est RN . I = N et Ei = R.
3) Soient X un ensemble quelconque et E un K-espace vectoriel. L’ensemble F(X, E) des fonctions de X
à valeurs dans E peut être noté E X et donc si (f, g) ∈ F(X, E), on a ∀x ∈ X, ∀λ ∈ K, (f + g)(x) =
f (x) + g(x) et (λ.f )(x) = λ.f (x).
(Par rapport à l’exemple précédent, x joue le rôle de n car pour X = N et E = R, c’est l’exemple précédent.
Chaque x joue le rôle d’une composante)

Définition 5 Sous-espaces vectoriels.

On appelle sous-espace vectoriel d’un espace vectoriel (E, +, .) tout sous-groupe (F, +) de (E, +) où F est
une partie de E stable pour ..

2
Remarque 6 Pour les lois induites, un sous-espace vectoriel de E est un K-espace vectoriel.

Exemples :
1) Une droite est un sous-espace vectoriel de R2 . (Faire un dessin)
2) R et iR sont deux sous-espaces vectoriels de C.
3) E et {0} sont des sous-espaces vectoriels de E appelés sous-espaces vectoriels triviaux.
4) Si F est un sous-espace vectoriel de E alors F(X, F ) est un sous-espace vectoriel de F(X, E). Par
exemple, l’ensemble des fonctions à valeurs réelles est un sous-espace vectoriel des fonctions à valeurs
complexes.
5) K[X] est un sous-espace vectoriel de KN .

(Note personnelle sur les sous-groupes : par définition, un sous-groupe H d’un groupe (G, +) est un groupe
(H, +) où H est une partie non vide de G stable par +. Alors 0 ∈ H et x ∈ H =⇒ −x ∈ H. En effet,
soit 00 l’élément neutre de H alors 00 + 00 = 00 ∈ G donc comme 00 ∈ G, il admet un opposé. D’où
00 + 00 − 00 = 00 − 00 = 0 donc H et G ont le même élément neutre. Si x ∈ H, x ∈ G car H ⊂ G. On a
x + (−x) = 0 où −x est l’opposé de x dans G. Si x0 est l’opposé de x dans H, on a aussi x + x0 = 0 donc
x0 = (−x) par soustraction membre à membre des deux inégalités.)

Théorème 7 Soit F ⊂ E. F est un sous-espace vectoriel de E si et seulement si F 6= ∅ et ∀(x, y) ∈

F 2 , ∀(λ, µ) ∈ K2 , λ.x + µ.y ∈ F .

Preuve : soit F un sous-espace vectoriel de E. (F, +) est un sous-groupe de (E, +) donc il est non vide et
contient 0. Soient (x, y) ∈ F et (λ, µ) ∈ K2 . Alors comme F est stable par ., λ.x et µ.y appartiennent à
F . Comme (F, +) est un sous-groupe de (E, +) alors λ.x + µ.y ∈ F .
Réciproquement soit F ⊂ E vérifiant F 6= ∅ et ∀(x, y) ∈ F 2 , ∀(λ, µ) ∈ K2 , λ.x + µ.y ∈ F . On prend
(x, y) ∈ F 2 , λ = 1 et µ = −1 alors x − y ∈ F donc F est un sous-groupe de (E, +) d’où 0E ∈ F . Soit
x ∈ F et λ ∈ K alors λ.x + 1.0E ∈ F donc F est stable par .. F est un sous-espace vectoriel de E. 

Dans la pratique, il est plus facile de prouver qu’un ensemble est un sous-espace vectoriel d’un espace
vectoriel le contenant que de vérifier un à un les axiomes.

Exemples :
1) Soit A ∈ Mn (K). On définit le commutant de A comme l’ensemble C(A) = {B ∈ Mn (K), AB = BA}.
C’est un sous-espace vectoriel de Mn (K).
2) L’ensemble A = {A ∈ Mn (K), tr A = 0} est un sous-espace vectoriel de Mn (K). Par contre, B =
{A ∈ Mn (K), det A = 0} n’est pas un sous-espace vectoriel de E. (En effet, soit A = (ai,j )1≤i,j≤n tel que
a1,1 = 1, tous les autres étant nuls et B = In − A (représenter A et B). Alors A et B appartiennent à B
mais A + B = In ∈ / B).
Pour l’année prochaine, définir correctement une famille d’éléments.

Proposition 8 Intersection de sous-espaces vectoriels.

Une intersection quelconque de sous-espaces vectoriels de E est un sous-espace vectoriel de E.

\ : soit (Ei )i∈I une famille de sous-espaces\vectoriels de E indexée par I. ∀i ∈ I, 0 ∈ Ei donc

Preuve
0∈ Ei qui est donc non vide. Soient (x, y) ∈ ( Ei )2 et (λ, µ) ∈ K2 . Alors ∀i ∈ I, λ.x + µ.y ∈ Ei donc
i∈I \ i∈I
λ.x + µ.y ∈ Ei . C’est donc un sous-espace vectoriel de E. 
i∈I

Exemple : l’intersection de deux plans vectoriels (passant par 0) de R3 est soit un plan s’ils sont confondus,
soit une droite.

3
Définition 9 Sous-espace vectoriel
\ engendré par une partie.
Si X ⊂ E, Vect(X) = E 0 est appelé le sous-espace vectoriel engendré par X. Au
X⊂E 0 , E 0 sous-espace vectoriel de E
sens de l’inclusion, c’est le plus petit sous-espace vectoriel contenant X.
(Il y a toujours X ⊂ E donc l’intersection se fait toujours sur un ensemble non vide)

Exemples :
1) Le sous-espace vectoriel de C engendré par 1 est R et Vect({1, i}) = C = R1 + Ri.
2) K[X] est engendré par les X n avec n ∈ N. (c’est un sous-espace de KN )

Théorème 10 L’ensemble F des combinaisons linéaires d’une famille non vide X = {xi , i ∈ I}
d’éléments de E est le sous-espace vectoriel engendré par cette famille, c’est-à-dire, F = Vect X.

Preuve : On fait une double inclusion.

X 6= ∅ donc F est non vide. F est stable par combinaisons linéaires donc F est un sous-espace vectoriel
de E. De plus, il contient X donc Vect X ⊂ F .
Soit E 0 un sous-espace vectoriel de E tel que X ⊂ E 0 . Alors E 0 contient
\ toutes les combinaisons linéaires
d’éléments de X d’où F ⊂ E 0 . Comme Vect(X) = , on a F ⊂ Vect(X) d’où
X⊂E 0 , E 0 sous-espace vectoriel de E
égalité. 

Définition 11 Somme de sous-espaces vectoriels. X

Soit (Ei )i∈I une famille de sous-espaces vectoriels de E. On appelle somme des Ei et on note Ei le
[ i∈I
sous-espace vectoriel engendré par Ei .
! i∈I
[ X
Vect Ei = Ei .
i∈I i∈I
X
(Remarque : Ei est l’ensemble des combinaisons linéaires des éléments de tous les Ei )
i∈I

Exemples :
1) C = R +XiR.
2) K[X] = KX n . (Attention, c’est l’addition d’un nombre fini d’éléments non nuls)
n∈N

Définition 12 Somme directe de sous-espaces vectoriels et sous-espaces supplémentaires.

p
X
1) Soit (Ei )1≤i≤p une famille finie de sous-espaces vectoriels de E. La somme Ei est dite directe si
i=1
p p
X X
pour tout x ∈ Ei , il existe un unique p-uplet (x1 , ..., xp ) ∈ E1 × E2 × ... × Ep tel que x = xi . On
i=1 i=1
p
M
note alors la somme Ei .
i=1 L
2) Soient F et G deux sous-espaces vectoriels de E tel que F G = E. On dit alors que F et G sont
deux sous-espaces supplémentaires de E.

(Reprendre C = R ⊕ iR)
Fin du cours du 30/09
——————————————————————————————————
Début du cours du 03/10

4
 p
X
Proposition 13 Avec les notations au-dessus, la somme Ei est directe si et seulement si
i=1

p
X
∀(x1 , ..., xp ) ∈ E1 × E2 × ... × Ep , xi = 0 =⇒ ∀1 ≤ i ≤ p, xi = 0.
i=1

(La réciproque est triviale car 0 + ... + 0 = 0)

p p p
X X X
Preuve : Si la somme est directe, soit (x1 , .., xp ) ∈ E1 × E2 × ... × Ep tel que xi = 0 donc xi = 0.
i=1 i=1 i=1
Par unicité, xi = 0 pour 1 ≤ i ≤ p.
p
X
Réciproquement, si on a cette propriété, soit x ∈ Ei tel qu’il existe deux p-uplet (x1 , .., xp ) ∈ E1 × E2 ×
i=1
p p p
X X X
... × Ep et (x01 , .., x0p ) ∈ E1 × E2 × ... × Ep vérifiant x = xi = x0i . Par conséquent, (xi − x0i ) = 0
i=1 i=1 i=1
d’où xi = x0i pour 1 ≤ i ≤ p. Il y a unicité de la décomposition donc la somme est directe. 

Exemples :
1) Deux droites vectorielles de R2 non confondues. (faire un dessin)
2) Contre-exemple : Trois droites vectorielles de R2 .
3) Deux droites vectorielles non confondues de R3 .
4) Un plan et une droite dans R3 .
5) Les axes de coordonnées dans R3 et plus généralement dans Rn (faire un dessin pour R3 )
6) Soit X un ensemble symétrique par rapport à 0, c’est-à-dire, x ∈ X =⇒ −x ∈ X. Toute fonction
f ∈ F(X, R) s’écrit de manière unique comme la somme d’une fonction paire et d’une fonction impaire
sur X. Les deux sous-espaces
L sont supplémentaires.
7) Mn (K) = Sn (K) An (K). Idem.
T
Proposition 14 Deux sous-espaces vectoriels F et G sont en somme directe si et seulement si F G =
{0}.
L T
Preuve : Supposons que F + G = F G. Soit x ∈ F G. Alors x = x + 0 = 0 + x. L’unicité de la
décomposition implique x = 0.T
Réciproquement supposons F G = {0}. Soit x ∈ F + G tel que x = y + z = y 0 + z 0 avec (y, y 0 ) ∈ F 2 et
(z, z 0 ) ∈ G2 . Alors y − y 0 = z 0 − z ∈ F G donc il y a unicité de la décomposition. 
T

∆
! Cette proposition ne peut pas s’étendre au cas il y a plus de deux sous-espaces vectoriels. (Reprendre
les exemples au-dessus)

Théorème 15 Soient E1 , ..., Ep (p ≥ 2) p sous-espaces vectoriels de E. Pour que leur somme soit directe,
il faut et il suffit que
i−1
\X
(∗) ∀i ∈ {2, ..., p}, Ei Ej = {0}.
j=1

i−1
\X
Preuve : photocopiée. Supposons que la somme soit directe. Soient i ∈ {2, ..., p} et x ∈ Ei Ej . Il
j=1
existe un unique i − 1-uplet (x1 , ..., xi−1 ) ∈ E1 × ... × Ei−1 tel que x = x1 + ... + xi−1 . Comme x ∈ Ei alors
on la réécrit sous la forme x1 + x2 + ... + xi−1 + (−x) + 0 + ... + 0 = 0 où 0 ∈ Ej avec i + 1 ≤ j ≤ p. Par
unicité de la décomposition, xj = 0 pour j 6= i et −x = 0 donc x = 0.

5
 p
X
Réciproquement, supposons que (∗) soit vérifiée. Soit (x1 , ..., xp ) ∈ E1 × ... × Ep tel que xj = 0.
j=1
Premier cas : ∀j ∈ {1, ..., p}, xj = 0 alors c’est fini.
Deuxième cas : ∃j ∈ {1, ..., p}, xj =6 0. On pose i = max{k ∈ {1, ..., p}, xk 6= 0}. L’ensemble est non
i−1
X
vide, majorée et est inclus dans N donc i existe. Il vérifie la propriété ∀j ≥ i, xj = 0 donc xj = −xi .
j=1
i−1
\X
On pose x = −xi donc x ∈ Ei Ej d’où x = 0. On conclut grâce à la proposition 13. 
j=1

Définition 16 Famille génératrice

On appelle famille génératrice d’un espace vectoriel E toute famille (xi )i∈I d’éléments de E tel que tout
élément de E soit combinaison linéaire des xi , c’est-à-dire,
p
X
∀x ∈ E, ∃p ∈ N∗ , ∃(i1 , .., ip ) ∈ I p , ∃(αi1 , ..., αip ) ∈ Kp , x = αij xij .
j=1

En d’autres termes, tout élément de E s’écrit comme une somme finie d’éléments du type αi xi . (Cette
somme est finie !)

Exemples :
1) Tout complexe s’écrit comme une combinaison linéaire de 1 et de i à coefficients réels. Attention, si
on considère C comme un C-espace vectoriel, {1} est une famille génératrice ce qui n’est pas le cas si on
considère C comme un R-espace vectoriel.
(Cette notion dépend étroitement du corps de base)
2) {z, z ∈ C} est une famille génératrice aussi. Plus généralement, {x, x ∈ E} est une famille génératrice
de E.
3) Toute matrice de A ∈ M2 (K) s’écrit comme combinaison linéaire de E1 , E2 , E3 et E4 .
4) Tout polynôme s’écrit comme somme finie de termes αi X i donc (X i )i∈N est une famille génératrice de
K[X].
5) ∆
! : la somme doit être finie. On considère l’espace vectoriel des suites de réels. On pose pour i ∈ N,
u = (0, ..., 0, 1, 0, ...) la suite dont tous les termes sont nuls sauf le iième égal à 1. La famille des (ui )i∈N
i

n’est pas une famille génératrice. En effet, la suite (1, ..., 1, ...) dont tous les termes sont égaux à 1 ne peut
pas s’écrire comme somme finie d’éléments de (ui )i∈N .

Proposition 17
1) La famille (xi )i∈I d’éléments de E est génératrice si et seulement si Vect((xi )i∈I ) = E.
2) Toute sur-famille d’une famille génératrice est une famille génératrice, c’est-à-dire, qu’en ajoutant des
éléments à une famille génératrice, on obtient une famille génératrice.

(Preuve : 1) Définition d’un espace vectoriel engendré par une partie. 2) On prend 0K comme coefficients
devant les éléments rajoutés. ) (Reprendre l’exemple avec C)

Définition 18 Famille libre, liée et base

1) On appelle famille libre d’un espace vectoriel E toute famille (xi )i∈I d’éléments de E tel que
p
X
∗ p p
∀p ∈ N , ∀(i1 , .., ip ) ∈ I , ∀(αi1 , ..., αip ) ∈ K , αij xij = 0 =⇒ ∀j ∈ {1, ..., p}, αij = 0.
j=1

2) Une famille qui n’est pas libre est dite liée.

3) Une famille libre et génératrice de E est dite base de E.

6
Exemples :
1) C étant vu comme un R-espace vectoriel, {1, i} est à la fois une famille libre (z = x + iy = 0 =⇒ x =
y = 0) et génératrice, c’est donc une R-base de C.
2) Dans Rn , soit ei = (0, .., 0, 1, 0, ...0) avec 1 à la iième place pour 1 ≤ i ≤ n. La famille (ei )1≤i≤n est une
famille libre et génératrice, c’est donc une base de Rn .
3) (X i )i∈N est une famille libre et génératrice de K[X], c’est donc une base.
4) E1 , E2 et E3 forment une famillie libre (une matrice est nulle si et seulement si tous ses coefficients sont
nuls).
5) Pour tout x ∈ E, {x, 2x} est une famille liée car 2.x + (−1).2x = 0 avec 2 6= 0 et −1 6= 0.
6) {1, i, 1 + i} est une famille liée de C.
Proposition 19
1) Une famille vide est libre.
2) Une famille contenant 0E est une famille liée.
3) Une famille à un élément x est libre si et seulement si x 6= 0.
4) Une famille à deux éléments est liée si et seulement si les deux vecteurs sont colinéaires.
5) La famille (xi )i∈I d’éléments de E est libre si et seulement si
p p
X M
∗ p
∀p ∈ N , ∀(i1 , .., ip ) ∈ I deux à deux distincts, Vect(xij ) = Vect(xij ).
i=1 i=1

Fin du cours du 03/10

——————————————————————————————————
Début du cours du 07/10
Preuve : 1) La famille vide vérifie la définition d’une famille libre.
2) On prend p = 1 donc 1.0E = 0E bien que 1 6= 0. Donc la famille n’est pas libre.
3) x = 0E implique que la famille est liée. Réciproquement, si x 6= 0, on a α.x = 0E implique α = 0 donc
la famille est libre.
4) Deux vecteurs x et y sont dits colinéaires s’il existe α ∈ K tel que x = α.y ou y = α.x.
Si x et y sont colinéaires alors on a 1.x − α.y = 0 ou α.x − 1.y = 0. Or 1 6= 0 donc la famille {x, y} est liée.
Réciproquement, si {x, y} est une famille liée alors il existe (α, β) ∈ K2 tel que α.x + β.y = 0 avec
β α
(α, β) 6= (0, 0). Si α 6= 0 alors x = − y. Si α = 0 alors β 6= 0 et y = − x. Les deux vecteurs sont
α β
colinéaires.
5) On applique la proposition 13. 
Proposition 20 Toute sous-famille d’une famille libre est libre.
Preuve : Soient (xi )i∈I une famille libre et I 0 ⊂ I. Soient p ∈ N∗ , (i1 , .., ip ) ∈ I 0p , (αi1 , ..., αip ) ∈ Kp tel que
p
X
αij xij = 0 alors ∀j ∈ {1, ..., p}, αij = 0 car c’est aussi une combinaison linéaire des (xi )i∈I . 
j=1

Corollaire 21 Toute sur-famille d’une famille liée est liée

Preuve : contraposition de la proposition précédente. En effet, on a prouvé que si I ⊂ I 0 , on a
(xi )i∈I libre =⇒ (xi )i∈I 0 libre,
donc
(xi )i∈I 0 liée =⇒ (xi )i∈I liée.


Exemple : Dans M2 (K), E1 , E2 , E3 et E4 forment une famille libre donc E1 , E2 et E3 forment une famille
libre.

7
Proposition 22 Soient (xi )i∈I une famille libre, p ∈ N∗ , (i1 , .., ip ) ∈ I p et deux p-uplets (αi1 , ..., αip ) ∈ Kp
p p
X X
p
et (βi1 , ..., βip ) ∈ K tel que αij xij = βij xij . Alors ∀j ∈ {1, ..., p}, αij = βij .
j=1 j=1

p
X
Preuve : On écrit que (αij −βij )xij = 0 et comme (xi )i∈I est une famille libre, ∀j ∈ {1, ..., p}, αij −βij =
j=1
0. 

a0 b0
   
a b
Exemple : Dans M2 (K), = implique a = a0 , b = b0 et c = c0 car {E1 , E2 , E3 } est
c 0 c0 0
libre.
A ce niveau là, faire la base adaptée à une décomposition en somme directe.

Lemme 23 Une famille est liée si et seulement s’il existe un vecteur de la famille qui soit combinaison
linéaire des autres.
p
X
Preuve : Soit (xi )i∈I une famille liée alors ∃p ∈ N∗ , ∃(i1 , .., ip ) ∈ I p et ∃(αi1 , ..., αip ) ∈ Kp tel que αij xij =
j=1
p  
X αij
0 avec (αi1 , ..., αip ) 6= (0, ..., 0). Donc il existe k ∈ {1, ..., p} tel que αik =
6 0 donc xik = − xij .
j=1,j6=k
αik
Réciproquement, soit (xi )i∈I une famille et i0 ∈ I vérifiant ∃p ∈ N∗ , ∃(i1 , .., ip ) ∈ (I\{i0 })p , ∃(αi1 , ..., αip ) ∈
p p
X X
p
K tel que xi0 = αij xij alors −xi0 + αij xij = 0. Comme −1 6= 0, la famille est liée. 
j=1 j=1

Théorème 24 Soit B = (ei )i∈I une famille de vecteurs de E.

Les propositions suivantes sont équivalentes :
i) B est une base.
ii) B est une famille génératrice minimale, c’est-à-dire, qu’aucune sous-famille propre de B n’est
génératrice.
iii) B est une famille libre maximale, c’est-à-dire, qu’aucune sur-famille propre de B n’est libre.

Preuve : (i) =⇒ (ii). Par hypothèse, B est une base donc une famille génératrice de E. Supposons qu’il
existe une sous-famille propre génératrice B 0 = (ei )i∈J avec J ⊂ I et J 6= I. Alors il existe k ∈ I\J. ek est
combinaison linéaire des vecteurs de B 0 donc de B autres que ek . D’après le lemme, B est une famille liée.
Contradiction avec l’hypothèse d’une sous-famille propre génératrice.
(ii) =⇒ (i) Par hypothèse, B est une famille génératrice minimale. Si cette famille est liée, d’après le
lemme, il existe k ∈ I tel que ek soit combinaison linéaire des (ei )i∈I\{k} . La famille (ei )i∈I\{k} est alors
génératrice. Contradiction. La famille est libre.
(i) =⇒ (iii) B est une base donc une famille libre de E. Soit B 0 = (ei )i∈J avec I ⊂ J et J 6= I une sur-
famille propre de B. Il existe k ∈ J\I. Comme B est génératrice, on peut exprimer ek comme combinaison
linéaire des ei avec i ∈ I. Dans B 0 , il existe un vecteur combinaison linéaire des autres donc B 0 est une
famille liée.
(iii) =⇒ (i) Par hypothèse, B est une famille libre maximale. Si elle n’est pas génératrice alors il existe
x ∈ E\Vect(ei )i∈I (en particulier x 6= 0). Le sous-espace Kx⊕Vect(ei )i∈I admet B∪{x} comme base. C’est
une sur-famille de B qui est libre puisque x n’est pas combinaison linéaire des ei pour i ∈ I. Contradiction
avec le caractère maximale de B. 

Exemple : dans C, {1, i} est une R-base donc une famille génératrice minimale et une famille libre maxi-
male.

8
Théorème 25 Base adaptée à une décomposition en somme directe
1) Soient B = (ei )i∈I une base de E et I1 , ..., In une partition de I, c’est-à-dire, Ik 6= ∅ pour 1 ≤ k ≤ n,
[n Mn
Ik = I et Ij ∩ Ik = ∅ si j 6= k. On note Ek = Vect(ei )i∈Ik . Alors E = Ek .
k=1 k=1
n
M n
[
2) Soit E = Ek et Bk une base de Ek pour 1 ≤ k ≤ n. Alors B = Bk est une base de E.
k=1 k=1
X
Preuve : photocopiée. 1) Soit x ∈ E. On peut écrire x = αi ei avec αi = 0 sauf pour un nombre fini.
i∈I
n X
X n
X n
X
Donc x = αi ei d’où E = Ek . Soit (x1 , ..., xn ) ∈ E1 × ... × En tel que xk = 0. Mais chaque
k=1 i∈Ik k=1 k=1
X n
X X
xk peut écrire sous la forme xk = αi ei . Donc xk = αi ei = 0. Comme B est une base, αi = 0
i∈Ik k=1 i∈I
pour tout i ∈ I. La somme est directe.
2) On note pour tout 1 ≤ k ≤ n, Bk = (ei )i∈Ik . Quitte à remplacer Ik par un ensemble équipotent, on
n
[
peut supposer que Ij ∩ Ik = ∅ si j 6= k. On note I = Ik et B = (ei )i∈I .
k=1
n
X
Soit x ∈ E. Comme E est somme des Ek , il existe (x1 , ..., xn ) ∈ E1 ×...×En tel que x = xk . Chaque xk
k=1
X n
X X
peut écrire sous la forme xk = αi ei donc x = xk = αi ei . Cette somme a un sens car pour tout
i∈Ik k=1 i∈I
k, il n’y a qu’un nombre fini de αi non nul pour i ∈ Ik . En effet, comme n est fini, il n’y a qu’un nombre
fini de αi non nul pour i ∈ I. x est bien combinaison linéaire des ei . B est une famille génératrice de E.
Montrons qu’elle est libre. Soit (αi )i∈I une famille de scalaires indéxée par I tel que αi = 0 sauf pour un
X X n X
nombre fini. Si αi ei = 0 alors αi ei = 0. Comme la somme est directe, pour tout 1 ≤ k ≤ n,
i∈I k=1 i∈Ik
X
αi ei = 0. Bk étant une base de Ek , αi = 0. Tous les coefficients sont nuls. La famille est libre. B est
i∈Ik
une base de E. 
(Reprendre l’exemple de C = R ⊕ iR)

2 Espaces vectoriels de dimension finie

Définition 26 On appelle espace vectoriel de dimension finie tout espace vectoriel admettant une famille
génératrice finie. Un espace vectoriel qui n’est pas de dimension finie est dit de dimension infinie.

Exemples : C = Vect{1, i}, Rn , Kn [X] = Vect{X i , 0 ≤ i ≤ n} l’espace vectoriel des polynômes de degré
≤ n sont des espaces vectoriels de dimension finie. Par contre, K[X] est de dimension infinie.
(Sauf quand cela est indiqué, les espaces vectoriels considérés sont de dimension quelconque, finie ou
infinie)
Théorème 27 (E est un espace vectoriel de dimension quelconque)
Soit (ei )1≤i≤n une famille finie d’éléments de E. Alors toute famille de cardinal n + 1 dont les éléments
sont des combinaisons linéaires des ei est liée.
Preuve : photocopiée. On pose l’hypothèse de récurrence :
“ (Hn ) : Toute famille de cardinal n + 1 d’éléments de E, combinaison linéaire d’une famille de cardinal
n, est liée”.

9
Initialisation : (H0 ) est vraie car un vecteur combinaison linéaire de 0 vecteur est nul.
n
X
Hérédité : supposons que (Hn−1 ) soit vraie pour n ∈ N∗ . Soient (ei )1≤i≤n et (xk )1≤k≤n+1 avec xk = αi,k ei
i=1
pour 1 ≤ k ≤ n + 1. On a deux cas possibles :
i) Si tous les αn,k sont nuls alors chaque xk est combinaison linéaire des ei avec 1 ≤ i ≤ n − 1. D’après
(Hn−1 ), (xk )1≤k≤n est une famille liée donc (xk )1≤k≤n+1 aussi d’après le corollaire 21 (sur-famille d’une
famille liée).
ii) Supposons qu’il existe un αn,k non nul. Quitte à réindéxer la famille (xk )1≤k≤n+1 , on peut supposer que
αn,n+1 6= 0. Soit pour tout 1 ≤ k ≤ n,
n n n−1  
0 αn,k X αn,k X X αn,k αi,n+1
xk = xk − xn+1 = αi,k ei − αi,n+1 ei = αi,k − ei . Chaque x0k est
αn,n+1 i=1
αn,n+1 i=1 i=1
α n,n+1
combinaison linéaire des ei pour 1 ≤ i ≤ n − 1. D’après (Hn−1 ), ils forment une ! famille liée. Il existe
n n n
X X X αn,k
(β1 , ..., βn ) ∈ Kn tel que βk x0k = 0 ce qui s’écrit βk xk − βk xn+1 = 0. La famille
k=1 k=1 k=1
αn,n+1
(xk )1≤k≤n+1 est liée. (Hn ) est vraie.
Conclusion : (H0 ) est vraie et pour tout n fixé dans N∗ , (Hn−1 ) vraie implique (Hn ) vraie. Par récurrence,
(Hn ) est vraie pour tout n ∈ N. 

Corollaire 28 Si E admet une famille génératrice finie de cardinal n alors toutes les familles libres de E
sont finies et de cardinal au plus égal à n.

Preuve : Soit B une famille libre de E. Si le card B ≥ n + 1 alors on peut extraire de B une famille libre
de n + 1 éléments combinaison linéaire d’un famille génératrice de cardinal n. Or cette sous-famille de B
est liée d’après le théorème précédent donc B est liée. Contradiction. card B < n + 1. 
Fin du cours du 07/10
——————————————————————————————————
Début du cours du 10/10

Corollaire 29 Si E admet une base de cardinal fini, alors toutes les bases de E sont finie de même
cardinal. Ce cardinal s’appelle la dimension de E.

Preuve : Soient B une base de E de cardinal finie et B 0 une autre base de E. B 0 est finie et de plus,
card B 0 ≤ card B d’après le corollaire précédent. De même, card B ≤ card B 0 d’où égalité. 
 
b−a
Exemple : {1, i} est une R-base de C comme {1+i, 2i}. En effet, z = a+ib ⇐⇒ z = a(1+i)+ 2i.
2
Elles ont le même cardinal.
(On se pose la question de l’existence de bases dans un espace vectoriel)

Théorème 30 Théorème de la base incomplète.

Soient E un espace vectoriel de dimension finie, (ei )i∈I une famille génératrice quelconque et J ⊂ I tel
que (ei )i∈J soit une famille libre. Alors il existe un ensemble L vérifiant J ⊂ L ⊂ I tel que (ei )i∈L soit une
base de E.
En d’autres termes, dans un espace vectoriel de dimension finie, on peut compléter toute sous-famille libre
d’une famille génératrice en une base.

Preuve : Soit H = {H | J ⊂ H ⊂ I et (ei )i∈H libre}. H est non vide car elle contient J. Donc
{card H | J ⊂ H ⊂ I et (ei )i∈H libre} est une partie non vide N majorée par le cardinal d’une famille
génératrice de E. Elle admet un élément maximal : soit L ∈ H tel que card L = max{card H | J ⊂ H ⊂
I et (ei )i∈H libre}. Donc (ei )i∈L est une famille libre. Montrons que c’est aussi une famille génératrice. Si
Vect{ei , i ∈ L} 6= E alors il existe i0 ∈ I\L tel que ei0 ∈
/ Vect{ei , i ∈ L} (sinon E ⊂ Vect{ei , i ∈ L} ce qui
est impossible). Kei0 + Vect{ei , i ∈ L} est en somme directe car Kei0 ∩ Vect{ei , i ∈ L} = {0}. La famille

10
(ei )i∈L∪{i0 } est donc libre car c’est une base de Kei0 ⊕ Vect{ei , i ∈ L}. On a J ⊂ L donc J ⊂ L ∪ {i0 }. Or
comme i0 ∈ / L, card(L ∪ {i0 }) = card L + 1 > card L ce qui est en contradiction avec la définition de L.
Donc Vect{ei , i ∈ L} = E. 

Corollaire 31 Tout espace vectoriel de dimension finie admet une base. Toutes les bases de E ont le
même cardinal appelé dimension de E. On la note dimK E ou dim E s’il n’y a pas d’ambiguı̈té.

Preuve : On prend la famille {e, e ∈ E} avec J = ∅ et on applique le théorème de la base incomplète. 

Exemples : dimR Rn = n, dimK Kn [X] = n + 1, dimR C = 2 mais dimC C = 1. Mais K[X] est une espace
vectoriel de dimension infinie. (La notion dépend étroitement du corps de base)

Pour l’année prochaine :

Remarque : {0} est le seul espace vectoriel de dimension 0.

Proposition 32 Dimension d’un espace vectoriel produit.

Si E et F sont deux K-espaces vectoriels de dimensions finies n et p alors le K-espace vectoriel E × F est
de dimension n + p.

Preuve : photocopiée. Soient BE = (ei )1≤i≤n une base de E et BF = (fj )1≤j≤p une base de F . On définit
la famille (bk )1≤k≤n+p d’éléments de E × F par bi = (ei , 0) pour 1 ≤ i ≤ n et bn+j = (0, fj ) pour 1 ≤ j ≤ p.
Montrons que (bk )1≤k≤n+p est une base de E × F .
p p
n
! n
X X X X
Tout élément de E × F s’écrit sous la forme αi ei , βj fj = αi (ei , 0) + βj (0, fj ) donc la
i=1 j=1 i=1 j=1
famille engendre E × F .
p p
n
! n
X X X X
Soient (αi )1≤i≤n et (βj )1≤j≤p tel que αi ei , βj fj = 0 donc αi (ei , 0) + βj (0, fj ) = 0 d’où
i=1 j=1 i=1 j=1
par les lois de structure de E × F , αi = 0 pour 1 ≤ i ≤ n et βj = 0 pour 1 ≤ j ≤ n. La famille est libre. 

Exemple : dimR R2 = 2.

Corollaire 33 Généralisation
Si E1 ,...,Ep sont p K-espaces vectoriels de dimensions finies respectives n1 ,...,np alors E1 × ... × Ep est un
K-espace vectoriel de dimension finie égale à n1 + ... + np .

Preuve : Récurrence sur p. 

Exemple : dimR Rn = n.

1 , ..., Ep (p ≥ 2) p sous-espaces vectoriels de E de dimensions finies en somme

Proposition 34 Soient E!
p p
M X
directe. Alors dim Ei = dim Ei .
i=1 i=1

Preuve : On applique le théorème 25. 

Théorème 35 Soit F un sous-espace vectoriel de E espace vectoriel de dimension finie n. Alors F est
de dimension finie p et p ≤ n. De plus, F = E si et seulement si n = p.

La preuve suivante suppose l’existence d’une base dans tout espace vectoriel.

Preuve : F est un espace vectoriel donc il existe B une base de F . B est aussi une famille libre de E donc
cardB ≤ n d’où F est de dimension finie et p ≤ n. De plus, p = n équivaut à B est une base de E ce qui
équivaut à E = F . 

11
Conformément à l’esprit du programme, la preuve suivante est plus convenable :

Preuve : Soit H l’ensemble des familles libres de F . Comme une famille libre de F est une famille libre de
E, elle a au plus n éléments. Il existe dans H un élément B = (e1 , ..., ep ) de cardinal maximal. C’est aussi
une famille libre. Soit x ∈ F avec x 6= ei pour 1 ≤ i ≤ p alors la famille (e1 , ..., ep , x) n’est pas une famille
libre car elle possède p + 1 éléments. (e1 , ..., ep ) est une famille libre maximale, c’est-à-dire, qu’aucune
sur-famille propre n’est libre. Donc d’après le théorème 24, c’est une base de F . 

Exemple : R est un sous-R-espace vectoriel de C et dimR R = 1 ≤ 2 = dimR C.

Définition 36 1) Une droite est sous-espace vectoriel de dimension 1.

2) Un plan est un sous-espace vectoriel de dimension 2.

Théorème 37 Soient E un espace vectoriel de dimension finie et F un sous-espace vectoriel de E. F

admet un supplémentaire noté G et on a dim F +dim G = dim E. Par conséquent, tous les supplémentaires
de F ont la même dimension.

Preuve : Soit BF une base de F . On complète BF en une base de E notée BE . On pose G = Vect{e, e ∈
BE \BF }. Alors F ∩ G = {0} donc ils sont en somme directe. E = F + G donc G est un supplémentaire
de F . E = F ⊕ G donc dim F + dim G = dim E. 

Exemple : un supplémentaire d’une droite dans R3 est un plan et réciproquement (faire un dessin).
Pour l’année prochaine, énoncer le théoreme 16 page 830, Deschamps-Warusfel. Faire la proposition sur
la dimension de la somme de deux sous-espaces vectoriels.

3 Applications linéaires
Définition 38 Soient E et F deux K-espaces vectoriels. On appelle morphisme d’espaces vectoriels ou
application linéaire de E dans F toute application u : E → F vérifiant :
(i) ∀(x, y) ∈ E 2 , u(x + y) = u(x) + u(y),
(ii) ∀x ∈ E, ∀λ ∈ K, u(λ.x) = λ.u(x).
Si E = F , on parle d’endomorphisme.
Si u est bijective, on parle d’isomorphisme.
Si u est bijective et E = F , on parle d’automorphisme.

(On remarque que u est un morphisme de groupes avec une nouvelle condition concernant la loi externe)

Exemple : z 7→ 2z de C dans C.

Proposition 39 Soient E et F deux K-espaces vectoriels et u : E → F une application.

1) u est linéaire si et seulement si ∀(x, y) ∈ E 2 , ∀(λ, µ) ∈ K2 , u(λ.x + µ.y) = λ.u(x) + µ.u(y).
2) Si u est linéaire alors u(0E ) = 0F .
3) Si u est linéaire alors pour toute famille
! (xi )i∈I de vecteurs de E et pour toute famille (λi )i∈I de scalaires
X X
nuls sauf un nombre fini, u λi .xi = λi .u(xi ).
i∈I i∈I

(Preuve : 1) Faire λ = µ = 1. 2) u est un morphisme du groupe (E, +) dans le groupe (F, +). 3)
Récurrence sur le nombre de scalaires non nuls. )

Exemples :

12
1) L’application nulle de E dans F est linéaire.
2) L’application identité de E dans E est linéaire. IdE : E → E, x 7→ x.
3) u : E → E, x 7→ λ.x s’appelle l’homothétie de rapport λ. (λ = 1 correspond à l’identité)
4) Soit (α, β) ∈ K2 . L’application u : K2 → K définie par u(x, y) = α.x + β.y est linéaire.
5) ([0, 1]), f 7→ f 0 est linéaire. De même, v : C 0 ([0, 1]) → C 0 ([0, 1], f 7→ v(f ) avec
u : C 1 ([0, 1]) → C 0Z
x
∀x ∈ [0, 1], v(f )(x) = f (t) dt est linéaire.
0
6) u : K[X] → K[X], P 7→ u(P ) définie par u(P )(X) = P (X + 1) est linéaire.

Fin du cours du 10/10

——————————————————————————————————
Début du cours du 14/10
Notations :
• L(E, F ) est l’ensemble des applications linéaires de E dans F .

• L(E, E) = L(E).

• GL(E) est l’ensemble des automorphismes linéaires de E.

• L(E, K) = E ∗ est l’ensemble des applications linéaires de E dans K appelées formes linéaires sur E.
Dans ce paragraphe, E et F sont deux K-espaces vectoriels et u ∈ L(E, F ).
Proposition 40 Composition d’applications linéaires.
1) Soient E, F et G trois K-espaces vectoriels et u ∈ L(E, F ), v ∈ L(F, G). Alors
i) v ◦ u ∈ L(E, G).
ii) ∀(f, g) ∈ L(E, F )2 , ∀(λ, µ) ∈ K2 , v ◦ (λ.f + µ.g) = λ.(v ◦ f ) + µ.(v ◦ g).
iii) ∀(f, g) ∈ L(F, G)2 , ∀(λ, µ) ∈ K2 , (λ.f + µ.g) ◦ u = λ.(f ◦ u) + µ.(g ◦ u).
2) Si u est un isomorphisme d’espaces vectoriels alors u−1 est linéaire.
Preuve : 1) i) Soient (x, y) ∈ E 2 et (λ, µ) ∈ K2 . On a (v ◦ u)(λ.x + µ.y) = v(u(λ.x + µ.y)) = v(λ.u(x) +
µ.u(y)) = λ.v(u(x)) + µ.v(u(y)) = λ.(v ◦ u)(x) + µ.(v ◦ u)(y).
ii) Linéarité de v.
iii) Définition de la composition et lois de structure sur F E .
2) Soient (x, y) ∈ F 2 et (λ, µ) ∈ K2 . On a u(λ.u−1 (x)+µ.u−1 (y)) = λ.u(u−1 (x))+µ.u(u−1 (y)) = λ.x+µ.y =
u(u−1 (λ.x + µ.y)). Or u est injective donc u−1 (λ.x + µ.y) = λ.u−1 (x) + µ.u−1 (y). u−1 est linéaire. 
Z x
0 0
Exemple : φ : C (R) → C (R), f 7→ φ(f ) avec ∀x ∈ R, φ(f )(x) = f (2t) dt est linéaire, composée de
Z x 0

u : f 7→ (t 7→ f (2t)) et de v : g 7→ (x 7→ g(t) dt). On écrit φ = v ◦ u.

0

Théorème 41 L(E, F ) est un sous-espace vectoriel de F E (donc un espace vectoriel).

Preuve : L’application nulle appartient à L(E, F ) donc il est non vide. De plus,
∀(u, v) ∈ L(E, F )2 , ∀(λ, µ) ∈ K2 , λ.u + µ.v ∈ L(E, F ) par les lois de structure sur F E (imiter la preuve
de la proposition précédente) donc c’est un sous-espace vectoriel. 
Théorème 42 (L(E), +, ◦) est un anneau, non commutatif en général.
Preuve : d’après le théorème précédent, L(E) est un espace vectoriel donc (L(E), +) est un groupe commu-
tatif. Il est stable par composition, son élément neutre pour ◦ est l’identité, la composition est associative
et la distributivité vient de la proposition précédente. C’est un anneau. 
Théorème 43 (GL(E), ◦) est un groupe non commutatif en général.

13
Preuve : IdE ∈ GL(E) donc GL(E) 6= ∅. GL(E) est stable par composition car la composée de deux
bijections est une bijection et la composée de deux applications linéaires est une application linéaire. ◦
est donc interne. ◦ est associative dans (L(E), +, ◦) donc elle est associative dans GL(E). L’identité (le
neutre pour ◦) appartient à GL(E). Par la proposition 40, u ∈ GL(E) implique u−1 ∈ GL(E) donc c’est
un groupe. 

Théorème 44
1) Si E 0 est sous-K-espace vectoriel de E alors u(E 0 ) est un sous-K-espace vectoriel de F .
2) Si F 0 est sous-K-espace vectoriel de F alors u−1 (F 0 ) est un sous-K-espace vectoriel de E.
Attention : u−1 (F 0 ) = {x ∈ E | u(x) ∈ F 0 } est l’image réciproque de F 0 par u (u peut être non bijective).

Preuve : 1) u(0E ) = 0F donc 0F ∈ u(E 0 ) car 0E ∈ E 0 d’où u(E 0 ) 6= ∅. Soit (x, y) ∈ u(E 0 )2 et (λ, µ) ∈ K 2 .
Il existe (x0 , y 0 ) ∈ E 02 tel que x = u(x0 ) et y = u(y 0 ). Alors λ.x + µ.y = λ.u(x0 ) + µ.u(y 0 ) = u(λ.x0 + µ.y 0 ) ∈
u(E 0 ) car λ.x0 + µ.y 0 ∈ E 0 . u(E 0 ) est un sous-K-espace vectoriel de F .
2) u(0E ) = 0F donc comme 0F ∈ F 0 , 0E ∈ u−1 (F 0 ) donc u−1 (F 0 ) 6= ∅. Soit (x, y) ∈ u−1 (F 0 )2 et (λ, µ) ∈ K 2 .
u(x) ∈ F 0 et u(y) ∈ F 0 donc u(λ.x + µ.y) = λ.u(x) + µ.u(y) ∈ F 0 d’où λ.x + µ.y ∈ u−1 (F 0 ). u−1 (F 0 ) est
un sous-K-espace vectoriel. 

Exemple : soit u : C → C, z 7→ iz. u(R) = iR donc iR est un R-sous-espace vectoriel de C. Soit v : C → C,

z 7→ z + z. On a v −1 (R) = C avec v non bijective. En effet, i n’a pas d’antécédent par v.

Définition 45
1) Le noyau de u est défini par Ker u = u−1 (0F ) = {x ∈ E | u(x) = 0F }.
2) L’image de u est défini par Im u = u(E) = {y ∈ F | ∃x ∈ E, y = u(x)}.
D’après le théorème précédent, ce sont deux sous-espaces vectoriels respectivement de E et de F .

Remarque : u est injective si et seulement si Ker u = {0} car u est un morphisme de groupes.

Exemples : avec les applications précédentes, Ker u = {0}, Im u = C, Ker v = iR et Im v = R.

Soit φ : K[X] → K[X] tel que φ(P ) = (X 2 − 1)P . Ker φ = {0} et Im φ = (X 2 − 1)K[X] (c’est un idéal).

Proposition 46 Caractérisation de la somme directe par l’injectivité.

Soient E1 , ..., Ep p sous-espaces vectoriels de E avec p ≥ 1. Alors la somme E1 + ... + Ep est directe si et
seulement si l’application θ : E1 × ... × Ep → E, (x1 , ..., xp ) 7→ θ(x1 , ..., xp ) = x1 + ... + xp est injective.

Preuve : θ est linéaire. θ est injective si et seulement si Ker θ = {0} si et seulement si ∀(x1 , ..., xp ) ∈
E1 × ... × Ep , x1 + ... + xp = 0 =⇒ x1 = ... = xp = 0 ce qui est équivalent à la somme E1 + ... + Ep est
directe par la proposition 13. 
p
X
p
Proposition 47 Soit (x1 , ..., xp ) p éléments de E et φ : K → E, (λ1 , ..., λp ) 7→ λk xk . Alors
k=1

1. φ ∈ L(Kp , E).

2. φ est injective si et seulement si (x1 , ..., xp ) est libre.

3. φ est surjective si et seulement si (x1 , ..., xp ) est génératrice.

4. φ est bijective si et seulement si (x1 , ..., xp ) est une base de E.

Preuve : 1) laissé en exercice. 2) On utilise la proposition 19 et la proposition précédente. 3) clair 4) On

utilise 2 et 3. 

Théorème 48 Soient B = (e1 , ..., en ) une base de E et (f1 , ..., fn ) une famille de n vecteurs de F . Il
existe une et une seule application linéaire u ∈ L(E, F ) telle que ∀i ∈ {1, ..., n}, u(ei ) = fi .

14
Preuve : Unicité : soit u une telle application. On prend x ∈ E. Comme B est une base de E alors
Xn n
X n
X
x = λi ei . Grâce à la linéarité de u, u(x) = λi u(ei ) = λi fi . u(x) n’a qu’une seule valeur
i=1 i=1 i=1
possible.
n
X n
X
Existence : On prend x ∈ E. Comme B est une base de E alors x = λi ei . On pose u(x) = λi fi . u est
i=1 ! i=1
n
X n
X Xn
linéaire. En effet, si y = µi ei et (α, β) ∈ K2 , u(α.x+β.y) = u (αλi + βµi )ei = (αλi +βµi )fi =
! i=1
! i=1 i=1
Xn X n
α λi fi β µi fi = α.u(x) + β.u(y). De plus, si λi = 0 sauf pour i = k avec λk = 1 alors
i=1 i=1
u(ek ) = fk . 

L’année prochaine, dim L(E, F ). Fin du cours du 14/10

——————————————————————————————————
Début du cours du 17/10
Exemple : E = K2 [X], soit u : E → E définie par u(1) = 1, u(X) = X + 1 et u(X 2 ) = (X + 1)2 .
Soit P = a0 + a1 X + a2 X 2 alors u(P ) = a0 + a1 (X + 1) + a2 (X + 1)2 = P (X + 1). u est exactement
P 7→ P (X + 1).

Corollaire 49 Si (u, v) ∈ L(E, F )2 avec B = (e1 , ..., en ) une base de E alors u = v si et seulement si
∀i ∈ {1, ..., n}, u(ei ) = v(ei ). En particulier, u = 0 si et seulement si ∀i ∈ {1, ..., n}, u(ei ) = 0.
En d’autres termes, une application linéaire est caractérisée par l’image d’une base.

Proposition 50 Image d’une famille par une application linéaire.

Soient u ∈ L(E, F ) et B = (e1 , ..., en ) une base de E. Alors

1. La famille (u(ei ))1≤i≤n est une famille génératrice de Im u.

2. u est surjective si et seulement si (u(ei ))1≤i≤n est une famille génératrice de F .

3. u est injective si et seulement si (u(ei ))1≤i≤n est une famille libre de F .

4. u est bijective si et seulement si (u(ei ))1≤i≤n est une base de F .

Preuve : 1) Vect(u(ei ))1≤i≤n = u(Vect(ei )1≤i≤n ) = u(E) = Im u car u est linéaire.

2) u est surjective si et seulement si Im u = F si et seulement si Vect(u(ei ))1≤i≤n = F .
Xn Xn
n
3) Supposons u injective. Soit (λ1 , ..., λn ) ∈ K tel que λi u(ei ) = 0 alors u (λi ei ) = 0 donc
i=1 i=1
n
X n
X
λi ei ∈ Ker u = {0} d’où λi ei = 0. Comme B = (e1 , ..., en ) une base de E, c’est une famille libre
i=1 i=1
donc λi = 0 pour 1 ≤ i ≤ n.
Réciproquement, supposons que (u(ei ))1≤i≤n est une famille libre de F . Soit x ∈ Ker u alors ∃(λ1 , ..., λn ) ∈
X n Xn
n
K tel que x = λi ei . Donc u(x) = 0 = λi u(ei ). Or comme les u(ei ) sont libres, λi = 0 pour
i=1 i=1
1 ≤ i ≤ n d’où x = 0. Ker u = {0} donc u est injective.
4) Conséquence de 2 et 3. 

Proposition 51 Soit E un espace vectoriel de dimension finie. Un espace vectoriel F est isomorphe à
E, c’est-à-dire, il existe un isomorphisme entre E et F , si et seulement si F est de dimension finie avec
dim F = dim E.

15
Preuve : S’il existe un isomorphisme u entre E et F et si B = (e1 , ..., en ) est une base de E alors par la
proposition précédente, (u(e1 ), ..., u(en )) est une base de F donc F est de dimention finie et dim F = dim E.
Réciproquement si dim F = dim E = n alors il existe deux bases (e1 , ..., en ) de E et (f1 , ..., fn ) de F . Soit
u ∈ L(E, F ) telle que u(ei ) = fi . u existe et est unique d’après le theoreme 48. (u(e1 ), ..., u(en )) est une
base de F donc par la proposition précédente, u est isomorphisme. 
Corollaire 52 Tout K-espace vectoriel de dimension n est isomorphe à Kn .
Preuve : Soit E un K-espace vectoriel de dimension n et (e1 , ..., en ) est une base de E. L’application qui
à x associe ses n composantes dans (e1 , ..., en ) est un isomorphisme entre E et Kn . 

Exemple : C est isomorphe à R2 , Kn [X] = Vect (1, X, .., X n ) est isomorphe à Kn+1 .

4 Projection et symétrie
Définition 53 Soient F1 et F2 deux sous-espaces vectoriels supplémentaires de E. L’application p : E →
E qui à tout élément de x de E associe l’unique x1 de F1 tel que x = x1 + x2 avec x2 ∈ F2 est appelée
projection sur F1 parallèlement à F2 . On dit aussi que p est un projecteur. 1

Exemple : dans R2 , prendre deux droites vectorielles.

Proposition 54 Avec les notations de la définition précédente, p est linéaire, son noyau est F2 et son
image est F1 . De plus, x = p(x) ⇐⇒ x ∈ F1 .
Preuve : soit (x, y) ∈ E 2 avec x = x1 + x2 et y = y1 + y2 où (x1 , y1 ) ∈ F12 et (x2 , y2 ) ∈ F22 . Soit
(α, β) ∈ K2 . On a α.x + β.y = (α.x1 + β.y1 ) + (α.x2 + β.y2 ) avec α.x1 + β.y1 ∈ F1 et α.x2 + β.y2 ∈ F2 .
Donc p(α.x + β.y) = α.x1 + β.y1 = α.p(x) + β.p(x) d’où p linéaire.
Soit x ∈ F2 . On a x = 0 + x avec 0 ∈ F1 donc p(x) = 0.
Réciproquement, si p(x) = 0 alors x = 0 + x2 avec x2 ∈ F2 donc x ∈ F2 . Finalement, Ker p = F2 .
On a Im p ⊂ F1 . Réciproquement, soit x1 ∈ F1 . On pose x = x1 donc x = x1 + 0 avec 0 ∈ F2 d’où
p(x) = x1 = x ∈ Im p. Finalement, Im p = F1 .
Soit x = x1 + x2 avec x1 ∈ F1 et x2 ∈ F2 . x = p(x) ⇐⇒ x1 + x2 = x1 ⇐⇒ x2 = 0 ⇐⇒ x ∈ F1 . 

Exemple : dans R3 , prendre une droite et un plan.

Proposition 55 Soit p ∈ L(E). p est un projecteur si et seulement si p ◦ p = p.
Preuve : Soit p une projection sur F1 parallèlement à F2 . Alors ∀x ∈ E, p(x) ∈ F1 . Or ∀y ∈ F1 , y = p(y)
donc ∀x ∈ E, p(x) = (p ◦ p)(x).
Réciproquement, soit p ∈ L(E) tel que p ◦ p = p. On pose F1 = Im p et F2 = Ker p. Montrons que F1 et
F2 sont supplémentaires.
Soit x ∈ F1 ∩ F2 alors ∃y ∈ E, x = p(y) et p(x) = 0 donc p(p(y)) = (p ◦ p)(y) = p(y) = x et
p(p(y)) = p(x) = 0 d’où x = 0. Ils sont en somme directe.
Soit x ∈ E. On peut écrire x sous la forme x = p(x) + x − p(x). p(x) ∈ Im p = F1 . Il reste à prouver que
x − p(x) ∈ F2 , c’est-à-dire, x − p(x) ∈ Ker p. Or p(x − p(x)) = p(x) − p(p(x)) = p(x) − (p ◦ p)(x) = 0 donc
E = F1 + F2 . p est la projection sur F1 parallèlement à F2 . 
z+z
Exemple : p : C → C, z 7→ est la projection sur R parallèlement à iR.
2
Définition 56 Soient F1 et F2 deux sous-espaces vectoriels supplémentaires de E. On appelle symétrie
par rapport à F1 parallèlement à F2 l’application s : E → E qui à tout élément de x = x1 + x2 de E avec
(x1 , x2 ) ∈ F1 × F2 associe x1 − x2 de E.
1
Projecteurs et somme directe Ramis tome 1 page 126 à 128

16
Exemple : dans R2 , prendre deux droites vectorielles.

Proposition 57 Avec les notations de la définition, s◦s = IdE et s ∈ GL(E). On dit que s est involutive.

Preuve : On note p la projection sur F1 parallèlement à F2 . Soit x = x1 + x2 ∈ E avec x1 ∈ F1 et x2 ∈ F2 .

Alors (2p − IdE )(x) = 2p(x) − x = 2x1 − (x1 − x2 ) = x1 − x2 = s(x) donc s = 2p − IdE ce qui assure que
s est linéaire.
s(x) = x1 − x2 donc s(s(x)) = s(x1 − x2 ) = x1 − (−x2 ) = x1 + x2 = x ce qui prouve que s est involutive.
s ◦ s = IdE donc s est inversible d’inverse elle-même. s ∈ GL(E). 

Fin du cours du 17/10

——————————————————————————————————
Début du cours du 21/10
Exemple : dans R3 , prendre une droite et un plan.

Proposition 58 Tout endomorphisme involutif de E est une symétrie. Plus précisément, si s ∈ L(E)
avec s ◦ s = IdE alors s est la symétrie par rapport à Ker (s − IdE ) parallèlement à Ker (s + IdE ).
s + IdE (s + IdE ) ◦ (s + IdE ) s ◦ s + 2s + IdE
Preuve : On pose p = . On a p ◦ p = = par le binôme de
2 4 4
2s + 2IdE s + IdE
Newton. En effet, s et IdE commutent. D’où p ◦ p = = = p donc p est un projecteur.
4 2
On pose F1 = Im p et F2 = Ker p. Soit x = x1 + x2 ∈ E avec x1 ∈ F1 et x2 ∈ F2 . p(x) = x1 donc comme
s = 2p − IdE , on a s(x) = s(x1 + x2 ) = 2x1 − (x1 + x2 ) = x1 − x2 donc s est la symétrie par rapport à F1
parallèlement à F2 .
De plus, F2 = Ker p = Ker(s + IdE ). F1 = {x ∈ E, x = p(x)} = {x ∈ E, s(x) + x = 2x} = {x ∈
E, s(x) = x} = Ker(s − IdE ). 

Exemples :
1) IdE : E → E, x 7→ x est la symétrie par rapport à E parallèlement à {0}.
2) s : E → E, x 7→ −x est la symétrie par rapport à {0} parallèlement à E. On dit que s est la symétrie
centrale.
3) s : C → C, z 7→ z est la symétrie par rapport à R parallèlement à iR. La projection associée est
l’application partie réelle (voir ci-dessus).
4) s : C 0 (R) → C 0 (R), f 7→ s(f ) avec ∀x ∈ R, s(f )(x) = f (−x) est la symétrie par rapport au sous-espace
vectoriel des fonctions paires parallèlement au sous-espace vectoriel des fonctions impaires.
5) s : Mn (K) → Mn (K), M 7→ tM est la symétrie par rapport au sous-espace vectoriel des matrices
symétriques parallèlement au sous-espace vectoriel des matrices antisymétriques.

5 Rang
Définition 59 Rang d’une famille de vecteurs.
Soit (ei )i∈I une famille de vecteurs de E. Si l’espace vectoriel engendré par les (ei )i∈I est de dimension
finie, on appelle rang des (ei )i∈I la dimension de cet espace. On note rg (ei )i∈I = dim Vect (ei )i∈I .

Exemples :
1) Dans R2 , rg ((1, 0, 0), (0, 1, 0)) = 2.
2) Si x 6= 0, rg x = 1.
3) rg {0} = 0.
4) Dans K[X], rg (1, X, 1 + X) = 2.

Proposition 60 Soit (ei )i∈I une famille de vecteurs de E de rang fini r. Alors r est le cardinal maximum
d’une sous-famille libre de (ei )i∈I .

17
Preuve : On applique le théorème de la base incomplète à partir de la famille libre ∅ à (ei )i∈I . Il existe
une base de cardinal r composé de vecteurs pris dans la famille (ei )i∈I . C’est donc par le théorème 24 une
sous-famille libre maximal. 
Proposition 61 Soit u ∈ L(E, F ) et (ei )i∈I une famille d’éléments de E de rang fini. Alors
rg (u(ei ))i∈I ≤ rg (ei )i∈I avec égalité si u est injective.
Preuve : Soit (ei1 , ..., eir ) une sous-famille libre maximale donc une base de Vect (ei )i∈I . D’où
Vect (u(ei ))i∈I = Vect (u(eij ))1≤j≤r . On applique le théorème de la base incomplète à partir de la famille
libre ∅ à (u(eij ))1≤j≤r . Il existe une base de Vect (u(eij ))1≤j≤r constitué d’éléments de (u(eij ))1≤j≤r . Elle
a donc au maximum r éléments d’où dim Vect (u(ei ))i∈I ) ≤ r = rg (ei )i∈I .
u est injective donc (u(eij ))1≤j≤r est libre d’où (u(eij ))1≤j≤r est une base. 
Définition 62 Soit u ∈ L(E, F ). On appelle rang de u et on note rg u la dimension de Im u si elle est
finie.
Exemples :
1) Le rang de l’application nulle est 0.
2) Si E est de dimension n, le rang de IdE est n.
3) Si p est la projection sur F1 parallèlement à F2 alors p est de rang fini si et seulement si F1 est de
dimension finie et dans ce cas, rg p = dim F1 .
4) Si u est un isomorphisme de E dans F et si F est de dimension finie alors rg u = dim F = dim E.
Lemme 63 Soit u ∈ L(E, F ) et G un sous-espace vectoriel de E. On T note v la restriction de u à G,
c’est-à-dire, v ∈ L(G, F ) et ∀x ∈ G, v(x) = u(x). Alors Ker v = Ker u G. On note v = u|G .
Preuve : v est linéaire car u est linéaire et G est un sous-espace vectoriel. T
Ker v = {x ∈ G, v(x) = 0} = {x ∈ G, u(x) = 0} = {x ∈ G, x ∈ Ker u} = Ker u G. 
Exemple : soit u : C → R, z 7→ z + z. La restriction de u à R est l’homothétie de rapport 2 donc u|R est
bijective alors que Ker u = iR.
Théorème 64 Théorème du rang.
Soit u ∈ L(E, F ) et G un supplémentaire de Ker u (on admet l’existence de G si la dimension de E est
infinie). Alors l’application u induit un isomorphisme de G sur Im u, c’est-à-dire que v = u|G la restriction
de u à G est un isomorphisme de G sur Im u.
T
Preuve : D’après le lemme précédent, v ∈ L(G, F ) et Ker v = Ker u G = {0} car ils sont en somme
directe. v est donc injective. Montrons que v est surjective. Soit y ∈ Im u alors il existe x ∈ E tel que
u(x) = y. On décompose x sur la somme directe Ker u ⊕ G = E. x = x1 + x2 avec x1 ∈ Ker u et x2 ∈ G.
On a u(x) = u(x1 + x2 ) = u(x1 ) + u(x2 ) = u(x2 ) = y donc v(x2 ) = y. v est surjective donc bijective. 
Fin du cours du 21/10
——————————————————————————————————
Début du cours du 24/10
Théorème 65 Formule du rang.
Soit u ∈ L(E, F ) avec E de dimension finie. Alors dim E = dim Ker u + rg u.
(E soit être de dimension finie, pas nécessairement F )
(Preuve : D’après le théorème du rang, dim E = dim Ker u + dim G = dim Ker u + rg u car G est isomorphe
à Im u. )

Exemple : soit u : R2 → R3 , (x, y) 7→ (2x + 3y, −x − y, x + y). Alors Ker u = {0} donc rg u = 2.
Théorème 66 Caractérisation des isomorphismes.
Soient E et F deux K-espaces vectoriels de même dimension finie et u ∈ L(E, F ). Les propositions
suivantes sont équivalentes :

18
 1. u est surjective.

2. u est injective.

3. u est bijective.

(Preuve : 1 =⇒ 2 : u est surjective. On a rg u = dim F = dim E donc par la formule du rang, dim Ker u = 0
d’où Ker u = {0} . u est injective.
2 =⇒ 3 : u est injective donc dim Ker u = 0 d’où par la formule du rang, rg u = dim E = dim F . u est
surjective donc bijective.
3 =⇒ 1 est toujours vraie. )

Exemple : l’application u : K2 [X] → K2 [X], P 7→ u(P ) = P (X +1) est injective donc bijective. Par contre,
il n’y a pas équivalence en général en dimension infinie. L’application v : K[X] → K[X], P 7→ v(P ) = XP
est injective mais non bijective car 1 n’a pas d’antécédent par v.

Proposition 67 Soient E, F et G trois espaces vectoriels de dimension finie, u ∈ L(E, F ) et v ∈ L(F, G).
Alors :

1. rg (v ◦ u) ≤ inf(rg u, rg v).

2. Si u est bijectif alors rg (v ◦ u) = rg v.

3. Si v est bijectif alors rg (v ◦ u) = rg u.

Preuve : photocopiée. 1. On a Im (v ◦ u) = {v(u(x)), x ∈ E} = v(Im u) donc Im (v ◦ u) ⊂ Im v d’où

rg (v ◦ u) ≤ rg v. On a aussi que Ker u ⊂ Ker (v ◦ u). En effet, si x ∈ Ker u, u(x) = 0 donc v(u(x)) = 0.
Donc dim Ker u ≤ dim Ker (v ◦ u) donc par la formule du rang, rg (v ◦ u) ≤ rg u.
2. Si u est bijective alors Im (v ◦ u) = v(F ) = Im v donc rg (v ◦ u) = rg v.
3. Si v est bijective alors rg (v ◦ u) = dim v(Im u) = dim Im u = rg u car la restriction de v à Im u est une
bijection de Im u sur v(Im u). 

Proposition 68 Soient F et G deux sous-espaces vectoriels

T de dimension finie de E alors F + G est de
dimension finie et dim (F + G) = dim F + dim G − dim (F G).

Preuve : photocopiée. Soit u : F × G → E, (x, y) 7→ u(x, y) = x + y. u ∈ L(F × G, E) comme somme

de deux projections. On a Im u = F + G. L’espace F × G est de dimension finie égale à dim F + dim G.
On applique la formule du rang à u. rg u = dim F × G − dim Ker uT= dim F + T dim G − dim Ker u. Or
Ker u = {(x, y) ∈ F × G, x + y = 0} = {(x, −x) ∈ F × G} = {x ∈ F G} = F G d’où la formule. 

Proposition 69 Soient E et F deux sous-espaces vectoriels de dimensions finies. Alors L(E, F ) est de
dimension finie et dim L(E, F ) = dim E × dim F .

Preuve : photocopiée. Soit (e1 , ..., en ) une base de E. Alors l’application ϕ : L(E, F ) → F n , u 7→ ϕ(u) =
(u(e1 ), ..., u(en )) est une bijection d’après le théorème 48. ϕ est aussi linéaire donc les deux espaces sont
isomorphes donc ont la même dimension. dim L(E, F ) = n × dim F = dim E × dim F . 

Exemple : dim E = dim E ∗ .

19