Syllabus 1

PRESSES UNIVERSITAIRES DE BRUXELLES
Algèbre linéaire et géométrie

UNIVERSITÉ LIBRE DE BRUXELLES
Mathématique linéaire : espaces

vectoriels et espaces affins
Michele D'ADDERIO
Titulaire du cours
Auteurs : Francis BUEKENHOUT et Jean DOYEN
D/2014/0098/356
1e édition – Tirage 2015-16/2
MATH-F-102_C
En application de l’article 23 du Décret du 31 mars 2004, l’auteur consent à mettre son support de cours obligatoire
àConformément
la disposition àdes étudiants
la loi régulièrement
du 30 juin inscrits.
1994, modifiée par Toute
la loi dureproduction,
22 mai 2005, communication au public,
sur le droit d'auteur, commercialisation
toute reproduction
ou autre forme d’exploitation de ce fascicule est interdite et pourra faire l’objet de poursuites disciplinaires,
partielle ou totale du contenu de cet ouvrage –par quelque moyen que ce soit– est formellement
civiles et/ou pénales, conformément à la loi du 30 juin 1994 relative au droit d’auteur et aux droits voisins, interdite.
Toute citation ne peut être autorisée que par l'auteur et l’éditeur. La demande doit être adressée exclusivement
à moins qu’il s’agisse d’une reproduction effectuée par un étudiant régulièrement inscrit, dans le cadre de son usage
aux Presses
strictement Universitaires
privé de ne
d’étudiant, qui Bruxelles
porte pasa.s.b.l., avenue
préjudice Paul Héger 42,
à l’exploitation 1000de
normale Bruxelles,
l’oeuvre.
Tél. : 02-649 97 80 Toute
– Fax citation
: 02-647doit mentionner
79 62 le nom de l’auteur et– la
– Http//:www.ulb.ac.be/pub source.
E-mail : sdeconni@ulb.ac.be
Tél. : 02-649 97 80 – Fax : 02-647 79 62 – Http://www.ulb.ac.be/pub – E-mail : sdeconni@ulb.ac.be
« A l’obéissance à des règles imposées par autrui, nous opposons l’adhésion à
une conviction que l’on s’est formée soi-même. »
Chaïm Perelman (1912-1984)

Professeur de philosophie à l’ULB, résistant, a
remis à l’honneur l’étude de l’argumentation.
Le label FSC : la garantie d’une gestion responsable des forêts
Les Presses Universitaires de Bruxelles s’engagent !
Les P.U.B. impriment depuis de nombreuses années les syllabus sur du papier recyclé. Les différences de qualité
constatées au niveau des papiers recyclés ont cependant poussé les P.U.B. à se tourner vers un papier de meilleure
qualité et surtout porteur du label FSC.
Sensibles aux objectifs du FSC et soucieuses d’adopter une démarche responsable, les P.U.B. se sont conformé aux
exigences du FSC et ont obtenu en avril 2010 la certification FSC (n° de certificat COC spécifique aux P.U.B. : CU-COC-
809718-HA).
Seule l’obtention de ce certificat autorise les P.U.B. à utiliser le label FSC selon des règles strictes. Fortes de leur
engagement en faveur de la gestion durable des forêts, les P.U.B. souhaitent dorénavant imprimer tous les syllabus
sur du papier certifié FSC. Le label FSC repris sur les syllabus vous en donnera la garantie.
Qu’est-ce que le FSC ? Quelles garanties ?
FSC signifie “Forest Stewardship Council” ou Le système FSC repose également sur la traçabilité du
“Conseil de bonne gestion forestière”. Il s’agit d’une produit depuis la forêt certifiée dont il est issu jusqu’au
organisation internationale, non gouvernementale, consommateur final. Cette traçabilité est assurée
à but non lucratif qui a pour mission de promouvoir par le contrôle de chaque maillon de la chaîne de
dans le monde une gestion responsable et durable commercialisation/transformation du produit (Chaîne
des forêts. de Contrôle : Chain of Custody – COC). Dans le cas du
Se basant sur dix principes et critères généraux, papier et afin de garantir cette traçabilité, aussi bien le
le FSC veille à travers la certification des forêts au producteur de pâte à papier que le fabricant de papier,
respect des exigences sociales, écologiques et le grossiste et l’imprimeur doivent être contrôlés.
économiques très poussées sur le plan de la gestion Ces contrôles sont effectués par des organismes de
forestière. certification indépendants.
Les 10 principes et critères du FSC 6. Les fonctions écologiques et la diversité biologique de la

forêt doivent être protégées.
1. L’aménagement forestier doit respecter les lois nationales, 7. Un plan d’aménagement doit être écrit et mis en œuvre.
les traités internationaux et les principes et critères du FSC. Il doit clairement indiquer les objectifs poursuivis et les
2. La sécurité foncière et les droits d’usage à long terme sur moyens d’y parvenir.
les terres et les ressources forestières doivent être claire- 8. Un suivi doit être effectué afin d’évaluer les impacts de la
ment définis, documentés et légalement établis. gestion forestière.
3. Les droits légaux et coutumiers des peuples indigènes à la 9. Les forêts à haute valeur pour la conservation doivent être
propriété, à l’usage et à la gestion de leurs territoires et de maintenues (par ex : les forêts dont la richesse biologique
leurs ressources doivent être reconnus et respectés. est exceptionnelle ou qui présentent un intérêt culturel ou
4. La gestion forestière doit maintenir ou améliorer le bien- religieux important). La gestion de ces forêts doit toujours
être social et économique à long terme des travailleurs fo- être fondée sur un principe de précaution.
restiers et des communautés locales. 10. Les plantations doivent compléter les forêts naturelles,
5. La gestion forestière doit encourager l’utilisation efficace mais ne peuvent pas les remplacer. Elles doivent réduire
des multiples produits et services de la forêt pour en ga- la pression exercée sur les forêts naturelles et promouvoir
rantir la viabilité économique ainsi qu’une large variété de leur restauration et leur conservation. Les principes de 1 à
prestations environnementales et sociales. 9 s’appliquent également aux plantations.
Le label FSC apposé sur des produits

en papier ou en bois apporte la garan-
tie que ceux-ci proviennent de forêts
gérées selon les principes et critères
FSC.
® FSC A.C. FSC-SECR-0045
FSC, le label du bois et du papier responsable
Plus d’informations ?
www.fsc.be
A la recherche de produits FSC ?
www.jecherchedufsc.be
Cette page d’information n’est pas comptée dans le prix du syllabus.

université
libre
de bruxelles
Votre avis compte !
Évaluation
des enseignements
Pour :
Dès le quadrimestre terminé, ⇢ Donner une rétroaction à vos enseignants
évaluez vos enseignements ⇢ Proposer des améliorations
⇢ Participer à l’évolution des enseignements
⇢ Valoriser les activités d’enseignement
Portant sur :
Une évaluation ⇢ La prestation des enseignants
à plusieurs dimensions ⇢ L’organisation de l’enseignement
⇢ Le déroulement des séances
⇢ L’évaluation des apprentissages (examens)
4 www.ulb.be/enseignements/evaluation
L’évaluation institutionnelle des enseignements est L’étudiant répond anonymement à un questionnaire
organisée par l’ULB. pour chaque enseignement auquel il a participé. Chaque
Elle a lieu dès que les enseignements sont terminés. questionnaire est analysé et les résultats sont envoyés aux
Elle se déroule en deux campagnes d’enquête en ligne enseignants et à la commission pédagogique facultaire.
après les sessions de janvier et de juin.
Les étudiants et les enseignants ont l’obligation de
participer aux évaluations.
MATHEMATIQUE LINEAIRE
Espaces vectoriels
et
Espaces affins
Francis BUEI\:ENHOUT et Jean DOYEN

Professeurs à l'Université Libre de Bruxelles.
TR.OISIEl\1E EDITION
1994
BUEKENHOUT F. - DOYEN J. Mathématique linéaire Espaces vectoriels et espaces affins
Table des matières
1 Introduction 5
2 Corps 10
2.1 Le rôle des corps dans la théorie . . 10
2.2 Définition 10
2.3 Exemples 11
2.4 Anneaux . 14
2.5 Corps ordonné . 14
2.6 Exercices . . . . 1.5
3 Espaces vectoriels sur un corps 18

3.1 Définition . . . 18
3.2 Commentaires . 19
:3.3 Exemples d'espaces vectoriels 20
:3.:3.1 La. structure vectorjelle de E 3 20
:3.3.2 Les espaces J{n . . . . . 22
:3.:3.:3 Les espaces de fonctions 2:3
3.:3.4 Les espaces de fonctions de l'Analyse élémentaire 27
:3.3.5 Les espaces de suites . . . . . . . . . . 27
:3.3.6 Les espaces de fonctions presque nulles 28
:3.3. 7 Les espaces de polynômes 28
:3.3.8 Corps et sous-corps . . . . . 28
:3.:3.9 L:espa.ce des grandeurs physiques 29
3.3.10 L'espace des carrés n1agiques n x n 30
3. 3 .11 Les cod es correcteurs d'erreurs . 30
3.4 Propriétés élémentaires . :32
3.5 Sous-espaces . . . . . . :3:3
PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

1
Table des ma.tières 2
3.6 Exemples de sous-espaces 34

3.6.1 Sous-espaces de 1'espace vectoriel réel E~ 34
:3.6.2 Equations linéaires . . . . . . . . . :34
3.6.3 Sous-espaces d'espaces de fonctions 35
3.7 Exercices . . . . . . 36
4 Applications linéaires 43
4.1 Définition 43
4.2 Exe1nples 44
4.2.1 Ison1orphismes et automorphismes . 44
4.2.2 Projections 44
4.2.3 Fonnes linéaires . 45
4.2.4 Ho1nothéties . 45
4.2.5 Equations linéaires 4.5
4.2~6 Intégration 46
4.2.7 Déri va.tion 46
4.2.8 Différentielle d'une fonction en un point 47
4.3 Exercices. 49
5 Sous-espaces et transfor1nations 51
5.1 Image d'un sous-espace . . . . . 51
5.2 Noyau et image d'une application linéaire . .51
5.3 So1nme de sous-espaces 54
5.4 Exercices . . . . . . . . -54
6 Espaces vectoriels et parties génératrices 56

6.1 Intersection de sous-espaces . . . . . . . . . . . . . . . . . . . . . . . . . . .56
6.2 Espaces à. fermeture (une abstraction-généralisation des espaces vectoriels) 57
6.3 Sous-espace engendré et parties génératrices .58
6.4 Con1binaisons linéaires .59
6.5 Exercices . . . . . 60
7 Bases et di1nension 63
7.1 Parties libres d'espaces vectoriels 6:3
7.2 Bases d'un espace vectoriel . . . . . 67

Table des ma.tiè1·es 3
7.3 L'existence de bases . . . . . . . 67

7.4 Dimension d'un espace vectoriel 69
7.5 Coordonnées .. 73
7.6 Applications .. 76
7.6.1 Codes correcteurs d'erreurs 76
7.6.2 Analyse dimensionnelle en physique .. 77
7.6.3 Equilibrage de réaction chimiques 78
7. 7 Dimension, somme et intersection 78
7.8 Son1me directe . 79
7.9 Exercices . . . . 82
8 Retour aux applications linéaires 90

8.1 Le rang d'une application linéaire 90
8.2 Critères d'isomorphisme . . . . 91
8.3 Applica.tions linéaires et bases 92
8.4 Le groupe linéaire . . . . . . . . 94
8 ..5 Représenta.tion linéaire des groupes 9.5
8.6 Exercices . 97
9 Espaces affins 100

9.1 Origine de la géo1nétrie affine . 100
9.2 Espace affin déduit d'un espace vectoriel 104
9.3 Translations . 106
9.4 Barycentres 109
9.5 Propriétés des cl roi tes de A( V) . . 110
9.6 Propriétés des sous-espaces affins de A( V) 111
9. 7 Propriétés des plans de A(V) 11:3
9.8 Para.llélisn1e de sous-espaces affins . . 115
9.9 Espaces affins et matroïdes . . . . 116
9.10 Une autre définition des espaces affins . 117
9.11 Exercices . . . . . . . . . . . . . . . . . 118
10 Hyperplans 124
10.1 Définition . 124
10.2 Hyperplans et forn1es linéaires . 12.5

Table des matières 4
10.3 Hyperplans et bases . . . 127

10.4 Hyperplans affins . . . ..128
10.5 Parallélisn1e et hyperplans affins .. . 129
10.6 Fonnulaire de géométrie analytique affine à. 3 dimensions . 131
10.7 Exercices . . . . . . . . . . . . . 13:3
11 Systèn1es d'équations linéaires 138

11.1 Systèmes linéaires homogènes .. 138
11.2 Systèmes équivalents ..... . 1:39
11.:3 Systèmes réduits .. . 140
11.4 Résolution de s:ystèmes 142
11.5 Systè1nes cl 'équations linéaires non hmnogènes . 14.5
11.6 Exercices . . 148
12 Espace dual 157

12.1 Formes linéaires 157
12.2 Exe1nples de formes linéajres .. . 1.58
12.3 Le noyau d'une forn1e linéaire . 159
12.4 Formes linéaires et bases . . . . 159
12.5 Les fonnes linéaires déterminées par un hyperplan . . 159
12.6 Espace dual .. . 160
12.7 Bases duales .. . 161
12.8 Le bidual . 163
12.9 Exercices . . 164
13 Convexité 166
13.1 Corps ordonnés . 166
13.2 Espaces affins ordonnés . . . . 166
13.:3 De1ni-espa.ces . . . . . . . 167

Chapitre 1
Introduction
"L'algèbre linéaire est à la fois l'une des plus anciennes branches des mathé-
matiques, et l'une des plus nouvelles".
-Nicolas BOURBAJ(J 1969
En abordant l'étude des ensembles structurés et des groupes de symétries, nous écri-
vions qu'"il y a. peu de sujets qui soient plus fondamentaux dans notre vie culturelle que
la notion fan1ilière et un peu vague de symétrie". Nous dirons, de même, qu'il y a peu
de structures qui soient plus fonda.n1enta.les en mathématique et plus souvent appliquées
que la structure d'espace vectoriel et les notions qui s'y attachent.
Dans les sujets de n1athén1a.tiques pures les plus élémentaires, dans les plus sophis-
tiqués et les plus éloignés en apparence de questions vectorielles, et même dans les sciences
peu mathématisées, les espaces vectoriels s'imposent non seulement comme un outil de
compréhension, d'unification, de simplification, mais aussi comme un outil technique per-
mettant d'obtenir des informations sùres, là. où d'autres outils restent dans le vague.
A titre d'exemple banal, tous les cours de mathématique de 1ère et 2de candidatures
en mathén1atique, physique et inforn1a.tique font appel aux ressources vectorielles. La
mên1e tendance se dessine dans les enseignements de physique et de chimie, à partir de la
2de candidature.
Il convient ici de dissiper des sources de malentendus fréquents. L'enseignement sec-
ondaire fait actuellement une place de choix à. une première étude des espaces vectoriels.
Cette initiation peut. être considérée com1ne un succès et nous serions sots d'ignorer le
large acquis qui en résulte. De son côté, l'étudiant doit se méfier d'un sentiment de "déjà.
vu, donc connu" pour le moins dangereux car le sujet va recevoir ici une ampleur qu'il
ne peut imaginer au départ. Tout d'abord par la généralité de l'étude : aux espaces de
din1ension 1, 2, :3, nous allons subsb tuer des espaces de dimension finie quelconque et
faire de non1breuses incursions en din1ension infinie. Ceci n'est pas un jeu gratuit. Les
applications n'ont souvent. que faire de restrictions sur la dimension. Ainsi, les besoins de
l'Analyse, partagés souvent par la Physique, amènent à. considérer une fonction comme
un point d'un espace vectoriel, une idée déconcertante pour celui qui n'a été conditionné
qu'à l'association d'idées fonction-graphique. Les ensembles de fonctions constituent des
espaces de dimension infinie dont le contrôle conduisit précisément au développement
intensif des espaces vectoriels, à l'aube du 20ème siècle.
5
CHAPITRE 1. INTRODUCTION 6
Ensuite, nous observons que dans le secondaire, le corps des scalaires que l'on utilise
est toujours lR. Ici nous travaillons presque toujours avec un corps quelconque. Certes, IR
conserve une position privilégiée dans notre étude et dans les applications, mais d'autres
corps apparaissent dans celle-ci avec une fréquence croissante. Le corps <C des nom-
bres complexes a depuis longtemps envahi une foule de sujets. Le développement de
l'informatique et l'accent qu'elle met sur les structures discrètes (par opposition aux struc-
tures continues qui dominent la mathématique classique) ont porté à l'avant-plan le corps
<Q des rationnels ainsi que les corps finis, en particulier le corps IF 2 à deux éléments qui
tient la vedette dans la. théorie de l'information.
En dehors de ces généralisations en dimension et en scalaires, nous introduisons aussi
des concepts nouveaux, sans parler des résultats qui gouvernent leur emploi. Enfin, nos
exigences à. tous points de vue dépassent évidemment celles de l'enseignement secondaire.
Nous venons de parler longuement des espaces vectoriels, dont l'étude est aujourd'hui le
sujet qu'une majorité de mathématiciens, y compris les plus influents, appellent l'algèbre
linéaire. Cette vision nous paraît pourtant dépassée et nous préférons parler, avec notre
maître Paul Li bois, d'une mathématique linéaire afin de ne pas trahir l'oeuvre de
synthèse de la géométrie et de l'algèbre dont on trouve ici un aboutissement. Pour mieux
saisir notre propos, un peu d'histoire s 'i1npose.
La mathématique linéa.ü·e a. sans doute pris naissance pour répondre aux besoins de
practiciens calculateurs, selon une expression que nous e1npruntons encore à Bourbaki.
La règle de trois chez les Egyptiens, la. résolution de systèmes d'équations linéaires chez
les Babyloniens et chez les Chinois, en sont des exemples. Chez les babyloniens, on
rencontre un problème posé par l'ajustement d'observations astronomiques exigeant la
résolution d'un système de dix équations à. dix inconnues, la plupart linéaires. Au 3ème
siècle av.J.C., durant la. période Han en Chine, on élabore des carrés magiques 3 x 3
et on résout des sytèmes de 3 équations linéaires à 3 inconnues par une notation qui
est en fait la. notation matricielle actuelle. On y observe aussi la première apparition
historique des nombres négatifs. Les Grecs développent de leur côté une mathématique
géométrique où se n1a.nifestent le rôle fondamental des lignes droites (que nous appelons
seulement droites à. l'heure actuelle). Ces lignes droites ont finalement donné naissance au
qualificatif linéaire que nous appliquons à. un domaine de connaissances gigantesque, grâce
à la synthèse des lignes et des équations réalisée au 17e siècle par Fermat et Descartes.
Chez les Grecs, 1'algèbre est géométrique. On ne calcule pas sur des nombres, ma.is sur
des grandeurs et leurs rapports. Apollonius (3e siècle avant J. C.) fait en quelque sorte de
la géométrie analytique sans disposer des nombres et des notations algébriques. .
La Renaissance (qui permet de redécouvrir les auteurs antiques) et les progrès accoin-
plis par l'Algèbre à la même époque, notamment par l'adoption de notations de plus en
plus. efficaces, sont à. l'origine du re1na.rqua.ble progrès accompli par Fern1a.t et Descartes.
Leur invention fournit un procédé systén1atique, une sorte de n1a.chine, permettant de
traduire toute relation géon1étrique entre des poin~s du plan ou de 1'espace, en une relation
entre les coordonnées de ces points, et vice-versa. d'interpréter toute relation algébrique
entre les coordonnées d'un point en une relation géométrique. A titre d'exemple, la notion
de conique, étudiée de manière si approfondie par Apollonius et bien d'autres, se ramène
bientôt à celle de forme quadratique. Ceci en simplifie l'étude au point de la mettre à la
portée de l'enseignen1ent secondaire où elle s'introduit durant la première moitié du 20e

siècle. La. généralisation en dimension 3, c'est-à-dire l'étude des quadriques, s'impose et

est développée sans difficulté par Euler, au 18e siècle, alors qu'aucune théorie d'ensemble
de ces surfaces n'avait été faite jusqu'alors.
Ici, nous comprenons enfin l'origine de l'expression mathématique linéaire. D'une part,
les lignes droites et d'autre part, leurs équations dans le plan qui sont de la forme y= ax+b
ou ax+by+c = O. Ces équations seront donc qualifiées de linéaires et l'expression s'étendra
aux polynômes du premier degré. Des transformations linéaires seront des transformations
qui s'expriment par des fonctions linéaires, ou encore qui transforment les lignes droites
en lignes droites.
Au 19e siècle, on réalise progressivement que le rôle des coordonnées est relativement
accessoire et que celles-ci compliquent même certaines questions. Les difficultés sont
tournées par l'introduction des changements de coordonnées et des groupes sous-jacents.
L'outil créé par Descartes évolue sous des formes diverses. Des structures se dégagent peu
à peu et des liens entre celles-ci apparaissent. La. géométrie projective se dégage de la
perspective (ou projection centrale) dont les techniques et les problèmes s'étaient surtout
imposés aux peintres de la. Renaissance, avant de se mathématiser avec Desargues au 17e
siècle et surtout Poncelet (1822). Avec !v1ëbius (1827) apparaît la première distinction
claire entre les propriétés projectives, affines et métriques des figures. Les propriétés
affines sont celles qui résistent en outre à toute projection centrale.
Le passage à. n dirnensions s'effectue progressivement. Il apparaît vaguement chez
Gauss et devient clair chez ses continuateurs. Vers 1844, Cayley développe l'étude au
travers de coordonnées tandis que Grassmann met l'accent sur l'addition des vecteurs
en construisant une théorie à la fois géométrique et algébrique très poussée et quasi
axiomatique. Son travail demeure longtemps incompris. Une première axiomatique des
espaces vectoriels réels sans restriction sur la dimension apparaît dès 1888 chez Peano
qui est l'un des pre1niers à. comprendre et à apprécier Grassmann. Les corps quelconques
s'imposent peu après, en liaison avec la géométrie projective.
D'où vient la fortune que conna.it la. ma.thétna.tique linéaire ? Les espaces vectoriels
sont suffisa.n1n1ent. souples pour être introduits dans la. plupart des sujets : c'est l'idée de
représentation linéaire d'une structure. On y dispose en outre des avantages offerts par les
techniques de calculs et n1ên1e d'algorithmes puissants. Bien des questions non linéaires
sont susceptibles d'une bonne approximation linéaire; C'est un des principaux bénéfices
de l'Analyse. On dispose d'une théorie riche en concepts et en résultats, très complète,
et même d'une véritable classification des espaces vectoriels. On y dispose encore d'une
géométrie aussi riche que la. géométrie élémentaire et très proche de celle-ci. Les transferts
d'intuitions et d'inforn1a.tions qui en résultent ne sont pas négligeables.
Pour le mathématicien qui examine le sujet en fondamentaliste, trois types de struc-
tures se dégagent d'abord de la. n1a.théma.tique linéaire : les espaces vectoriels, les espaces
affins et les espaces projectifs. Ces trois structures sont liées à. un point tel qu'il suffit,
sur le plan logique, d'étudier l'une d'elles pour en déduire les autres avec leurs propriétés.
Cette équivalence logique explique que l'un des trois types de structures ait pu s'imposer.
La plupart des n1athéma.ticiens et des utilisateurs accordent actuellen1ent une importance
prépondérante aux espaces vectoriels, les espaces affins et projectifs pouvant être plus ou
moins négligés à leurs yeux, voire même ignorés, afin de gagner du temps. Mais pourquoi
les espaces vectoriels ? Sans doute parce qu'ils offrent les ressources du calcul et de la

technique, sans compter celle du formalisme. Le physicien se débrouille parfaitement dans

les espaces affins et projectifs; il élabore la mécanique quantique dans un cadre vectoriel
en ignorant le plus souvent que son cadre physiquement le plus naturel est un espace
projectif.
Dans un cours de base comme celui-ci, nous tenons compte des voeux et des besoins
exprimés par la. majorité, en mettant l'accent sur les espaces vectoriels, en déduisant les
espaces affins de ceux-ci et en reportant une étude analogue des espaces projectifs à la
2ème candidature en sciences mathématiques. l\1ais il nous paraît essentiel, pour une
bonne compréhension du sujet, de ne pas négliger ses aspects géométriques : l'affin qui
est plus proche de l'intuition spatiale physique et le projectif qui est le véritable coeur- un
peu difficile d'accès- de la mathématique linéaire. Ce n'est pas un luxe de disposer de trois
visions distinctes d'une discipline quand elles se complètent et s'épaulent mutuellement
et que cette discipline a une importance quasi universelle.
Nous remercions tous ceux qui nous· ont aidé à corriger, améliorer et enrichir le
texte initial, en particulier Fima. Bra.tzla.vsky, Michel Dehon, .Jean-Paul Doignon, André
Duca.n1p, Christiane Lefèvre- Percsy, Enrique Lami Dozo et Claude Truffin.
Ajouts effectués en 1994
Aux considérations sur les scalaires développées ci-dessus, il convient d'ajouter l'anneau
des entiers 'll qui a pris une importance déterminante pour le traitement informatisé de
la géométrie.
Les infonnations de type historique sont forcément réduites, il y a lieu de les complèter
peu à peu et de comprendre que l'histoire des mathématiques est fort complexe. L'idée
d'éditer ce cours en 1\.TEX et sa. mise en oeuvre sont dues à Benoit Baudelet et Samuel
Fiorini, étudiants de 1ère candidature en sciences ma.thén1atiques; nous les remercions de
leur aimable et compétente collaboration.

CHAPITRE 1. INTRODUCTIOJ\T 9
REFERENCES
E.Artin Algèbre géométrique, Gauthier-Villars, 1962.
R.Baer Linear algebra and projective geometry,
Academie Press, 1952.
A.Blanchard Les corps non commutatifs,
Presses Universitaires de France, 1972.
N.Bourbaki Eléments d'histoire des mathématiques,
Hermann, 1974.
J .Dieudonné Abrégé d'histoire des mathématiques, Hermann, 1978.
T .J .Fletcher Linea.r a.lgebra through its applications,
\lan Nostrand, 1972.
P.R.Haln1os Finite-dimensional vector spaces,
Springer-Verlag, 1974.
K.Hoffman and R.. I\unze Linear algebra, Prentice-Ha.ll, 1961.
S.Lang Linea.r a.lgebra., Addison- \iVesley, 1966
(traduit en français sous le titre Algèbre linéaire,
InterEditions, 1976).
P.Libois Espace affins et espaces projectifs,
Presses Universitaires de Bruxelles, 1965.
S.Lipschutz Algèbre linéaire, Collection Schaum, 1968.
B.Noble Applied linea.r algebra., Prentice-Hall, 1969.
G.Papy Initiation a.ux espaces vectoriels,
Presses U niversita.ires de Bruxelles, 1964.
G.Va.lette Ana.lytische meetkunde en lineaire a.lgebra,
V. U .B., 1978.

Chapitre 2
Corps
2.1 Le rôle des corps dans la théorie

La notion de corps constitue un des piliers de la. mathématique linéaire. Ceci ne signifie
pas qu'il faut nécessairement connaître la. théorie des corps avant d'entreprendre l'étude
des espaces vectoriels. Il suffit de disposer des propriétés les plus élémentaires : une
définition, quelques conséquences in1n1édia.tes et une collection d'exemples qu'on veillera
soigneusement à. enrichir. Signalons que, par un juste retour des choses, une étude appro-
fondie des corps exige les ressources de la mathématique linéaire.
2.2 Définition
Un corps I< ("Korper" en a.lle1na.nd) est un ensemble muni de deux opérations appelées
addition et n1ultiplication, notées + et · (le · est souvent omis selon la convention
habituelle), telles que
(i) ]{,+est un groupe commutatif de neutre noté 0

(ii) ]{ \ {0}, ·est un groupe (pas nécessairement commutatif!)
de neutre noté 1
(iii) a(b + c) =ab+ ac
(a + b) c = ac + be Va, b, c E ]{
Les élén1ents de ]{ sont souvent a.ppelés scalaires (en physique) ou non1bres.

Lorsque le groupe nntltiplica.tif ]{ \ {0}, · (qu'on note plus si1nplement ]{0 , · ou ]{0x)
est commutatif, on dit que le corps ]{ est con1mutatif, ou encore que ]{ est un chan1p.
Voici deux propriétés d'usage courant :
Dans tout corps ]{,

Oa = 0 = aO Va E I<
et (-a) b = a (- b) = -ab Va, b E ]{
10
CHAPITRE 2. CORPS 11
Dén1onstration.
(1 + O)a = la = a =a+ 0
Il
la+ Oa =a+ Oa
donc Oa = 0 car J{, +est un groupe.
On démontre de la même manière que aO = O.
D' a.u tre part,
ab+ (-a )b = (a - a)b = Ob = 0 = ab+ (-ab)
donc (-a )b = -ab
On dén1.ontre de la. même manière que a( -b) = -ab.
•
Si a, b sont des éléments d'un corps J{ et si a =J. 0, alors l'équation
ax + b = 0
possède une et une seu]e solution dans ]{, à. savoir :
Démonstration.
ax + b = 0 <=> ax = -b
<=> a- 1 (ax) = a- 1 ( -b)
<=> (a- 1 a )x = -a- 1 b
<=>x= -a- 1 b
•
2.3 Exemples
Si l'addition et la multiplication ne sont pas explicitées, il s'agit des opérations habituelles,
supposées connues du lecteur.
1. IR, le corps le plus important en 1na.théma.tique, tant a.u point de vue théorique
qu'au point de vue des applications. E1nerge d'une première théorie de la mesure
des grandeurs. Base de 1'Analyse, de la. mécanique rationnelle, de la géo1nétrie
différentielle, etc ...
2. CV= 1R(i) = {a+bi 1 a, bE 1R}. Extension de IR par un élément i tel que i 2 = -1, le
corps <C des complexes supplée à. certaines carences de IR. Son rôle en mathén1a.tique
et en physique est presque aussi considérable que celui de IR.
3. <Q. Le corps des rationnels est inclus dans 1R et sert d 'intennédiaire dans la. con-
struction de celui-ci. C'est le plus petit sous-corps de IR (pourquoi ?).

4. (a) <Q(VZ)={a+b/2]a,bE<Q} (comparezà<C=IR(i))

(b) <Q( v'3) ={a+ bVJI a, bE <Q}
(c) <Q( ij2) = {a+ bij2 + cV.ÏI a, b, cE <Q}
La vérification du fait que ces trois extensions de <Q sont des corps est laissée comme
exercice: seule l'existence d'un inverse multiplicatif nécessite un peu de travail. Ces
exemples permettent de saisir un véritable mécanisme de production des corps par
extension. L'étude approfondie de ce mécanisme se fait en algèbre.
5. Un nombre réel est dit algébrique s'il est racine d'un polynôme à coefficients ra-
tionnels. On peut démontrer (ce n'est pas facile) que l'ensemble A des nombres
algébriques est un corps. Observons que <Q C A C IR (les nombres réels non
algébriques sont dits transcendants; e et 1r en sont les exe1nples les plus célèbres).
Notons aussi que A contient les corps <Q( /2), <Q( .;3) et <Q( ij2") (pourquoi?).
6. Si /{ est un corps commutatif, l'ensemble/{()() des fractions rationnelles ~~~~

(où P et Q sont des polynômes en )( à coefficients dans f{ et où Q # 0) est un
corps commutatif. Observons que f{ C /{()().
7. Il existe un corps fini possédant q éléments si et seulement si q = pn est une puissan-

ce d'un nombre premier p. Deux corps finis de même ordre q sont nécessairement
isomorphes. En outre, tous les corps finis sont con11nuta.tifs. Ces résultats, dûs à
GALOIS(lS:Jb) et \VEDDERBURN(1904) se dén1ontrent en algèbre, au sein de la
théorie des extensions. Le débutant peut les accepter sans démonstration.
Le corps à q élé1nents est souvent noté IFq (IF pour "field" : champ en anglais).
Dans le cas particulier où q est un nombre premier p, le champ IFP n'est autre que
l'ensemble 'llp des entiers modulo p. De manière un peu plus précise,
IFp='llp= {0,1,2, ... ,p-1}
l'addition et la. n1ultiplica.tion s'effectuent modulo p, ce qui revient à dire en pra-

tique qu'on travaille con1n1e dans 7l en posant p = 0 (dans 7lï par exemple, on a.
5 + 4 = 2, 5 · 4 = 6. -:3 = 4, ~3 - I = 5 car :3 · .5 = 1 ).
Emportés pa.r l'enthousia.sn1e, les débutants en déduisent souvent que IF4 est l'en-
semble 'll 4 des entiers modulo 4; hélas, ce dernier n'est pas un corps car 2 · 2 = 0
dans 'll 4 • En revanche,
est bien un corps (dans lequel on a. par exemple (1 + i) + 1 = i, i(1 + i) = i + i 2 =

i + (i + 1) = 1). De n1ên1e,
W9 = 1F3 ( i) = {a + bi 1 a, b E IF 3 et i 2 = -1 }
est un corps à 9 éléments. Le secret de la construction de IF 4 , de IF9 et plus
généralen1ent de IF q réside dans les idées permettant de passer de IR à <C, idées
qu'on applique aux corps IFP = 'llp
Les corps finis jouent un rôle croissant dans les applications, nota1nment en théorie
de 1'information.

8. Le corps lli des quaternions fut découvert par HAMILTON en 1843. On peut en
donner plusieurs définitions équivalentes. Dans la vision la plus élémentaire, on se
donne trois symboles notés i,j, k qui jouent un rôle analogue à celui dei dans Œ; et
on pose
lli = {a + bi + cj + dk 1 a, b, c, d E 1R}
La somme de deux quaternions est définie de manière naturelle par :
(a+ bi+ cj + dk) +(a'+ b'i + c'j + d'k) =(a+ a')+ (b + b')i + (c + c')j + (d + d')k
Le produit de deux quaternions repose sur les règles suivantes :
i2 = j2 = k2 = -1
ij =-ji= k
jk=-kj=i
ki= -ik = j
et sur l'adoption des propriétés habituelles telles que la distributivité, l'associativi-

té. La commutativité est cependant abandonnée (puisque ij = -ji) mais il en reste
quelque chose : tout réel commute avec tout quaternion. Bref, on a
(a+ bi+ cj + dk)(a' + b'i + c'j + d'k) = (a·a'- bb'- cc'- dd')+
(ab' + ba'+ cd' - dc')i + (ac'+ ca'+ db' - bd')j + (ad'+ da'+ be' - cb')k
Observons que le produit
(a + bi + cj + dk) (a - bi - cj - dk) = a 2 + b2 + c2 + d2
est un nombre réel. Si a, b, c, d ne sont pas tous nuls, on a donc
. . a- bi- cj- dk
(a + bz + CJ + dk) ( a2 + b2 +c2 + d2 ) = 1
ce qui montre que tout quaternion non nul q = a + bi + cj + dk possède un inverse

q- 1 obtenu en divisant le quaternion conjugué q = a- bi- cj- dk par la som1ne
des carrés de ses coefficients. Ainsi, pour résoudre dans lli l'équation
(1 + 2i- j +/..~)x= i- k
on peut procéder comme suit (attention à l'ordre des facteurs !)
(1 + 2i- j + k)- 1 (1 + 2i- j + k)x = (1 + 2i- j + k)- 1 (i- k)
d'où x =t(l-2i+j-k)(i-/..-:)=t(I-:3j-2k)
= ï! - ~J·-
ï
~/..·
7 '
Nous laissons a.u lecteur courageux le soin de prouver que lli est bien un corps (la
vérification de l'associativité de la n1ultiplication est facile 1nais un peu longue).

2.4 Anneaux
Une des généralisations les plus importantes de la. notion de corps est celle d'anneau.
Nous ferons peu d'usage de cette notion, mais nous signalerons a.u passage les exemples
d'anneaux que nous rencontrerons.
Un anneau A est un ensemble muni de deux opérations + et · telles que
(i) A,+ est un groupe commutatif de neutre 0
(ii) a(bc) = (ab)c (associativité)
Va,b,c E A.
(iii) a(b + c) = ab+ ac (distributivités)
(a + b)c = ac+ be
Lorsque la 1nultiplication est commutative, on dit que l'anneau A est com1nutatif.
Lorsqu'il existe un neutre n1ultiplicatif (c'est-à-dire un élément 1 tel que la= al= a~
Va E A), on dit que l'anneau A est unital.
Bien entendu, tout corps est un a.nnea.u (unital). Voici quelques exemples d'anneaux
qui ne sont pa.s des corps :
1.7l
2. 7l(J2) ={a+ bJ21 a, bE 7l}
3. l'ensemble J{[.X] des polynômes en ){ à coefficients dans un corps /{
2.5 Corps ordonné

La notion de corps ordonné est une spécialisation de la notion de corps. Neus nous en
servirons surtout dans le cas particulier où f{ = IR.
Un corps ordonné est un corps f{ muni d'une relation d'ordre notée :::; telle que
(i) a:::; bou b:::; a (ordre total)
(ii) a:::; b=>.a+c:::; b+c Va,b,cE /{.
(iii) a :::; b et 0 :::; c => ac :::; be
Le corps IR des non1bres réels est un corps ordonné. Il est clair que tout sous-corps
d'un corps ordonné est lui-mên1e ordonné; ceci s'applique en particulier aux sous-corps <Q,
<Q( J2), A, etc ... de IR.
On peut définir de bien des manières une relation d'ordre total :::; sur l'ensemble aJ des
nombres complexes, n1a.is il n'est pas possible de le faire de façon à. vérifier les propriétés
(ii) et (i-ii) (pouvez-vous démontrer cette affirmation ?); on dit que le corps <C n'est pas
ordonna.ble. De Inêine, le corps ll-I des quaternions ne peut pas être muni d'une structure
de corps ordonné.

2.6 Exercices
1. Les ensembles suiva.nts,munis de l'addition et de la multiplication usuelles, sont-ils
des corps?
(a) 7L
(b) IR+
(c) {;b 1 a,b E 7L}
( d) l'ensemble des nombres décimaux limités
(e) <Q(i)={a+bila,bE<Qeti 2 =-1}
(f) {a+ b-Y2l a, bE <Q}
(g) 1'ensemble IR[.\:""] des polynômes en X à coefficients réels
2. Pour quelles valeurs du no1nbre naturel n l'ensen1ble
~(vn) ={a+ bjn 1 a,b E ~}
(muni de l'addition et de la. multiplication usuelles) est-il un corps? Que se passe-t-il

lorsque n est un carré parfait ?
3. Définir la notion d'automorphisme d'un corps.
4. L'application
a : 1H ~ ffi : a + bi + cj + dl-: ~ a - bi - cj - dk
est-elle un automorphisrne du corps IH des quaternions ?
5. Trouver un automorphisme non trivial (différent de la permutation identique) des

corps suivants :
(a) ~
(b) (Q( v'2)

(c) <Q( if2)
6. Calculer dans ll-1 :
(a.) i2 /3 Â-:j i5
(b) (i+3j)(4+2j-k)
(c) (i+j)- 1
(d) [(1 + :3i)(5j + 2k)]-l
7. Trouver :3 sous-corps de II-I ison1orphes au corps ~ des nombres complexes.
8. Résoudre dans II-I les équations suivantes (on den1aJ1de de trouver toutes les solutions
de chacunf' cl 'elles) :

(a) (1 + i + 2j + 3k)x = i + k
(b) x ( 1 + i + 2j + 3k) = i + k
(c) ix+ xi= 1
(d) ix+ xi= j
9. I\1ontrer que l'équation du second degré x 2 + 1 = 0 admet une infinité de solutions

dans IH.
10. Décrire l'application

rn --+ rn : x --+ ax =y
(où a est un quaternion) en ayant recours aux quatre coordonnées réelles de a, x et
y.
11. Dresser l~s tables cl 'addition et de multiplication des corps finis
(a.) lF2
(b) lF3
(c) IF4
(d) IFs
12. Dans le corps fini
IFs= IF2(i) ={a+ bi+ ci 2 l a,b,c E IF2 et i 3 = i + 1}

ca.1cu ler ( 1 + z. + z.•2) (1.. + 7.'2) • Q
. ue. va.u t ( 1 + z. + 7.'2) -1 ?•
13. Déterminer le groupe des automorphismes de chacun des corps finis suivants :
(a) IF2
(b) IF3
(c) IF4
(d) IF'p (p pren1ier)
14. Si x et y sont des élén1ents d\tn corps ]{ et si ~ry = 0, alors x = 0 ou y = O. Vrai

ou faux ?
Si x et y sont des éléments d'un a.nnea.u A et si xy = 0, alors x = 0 ou y = O. \frai
ou faux?
15. Le corps IF 2 peut-il être muni d'une structure de corps ordonné ? I\1ême question
pour IF3 , et plus généralement pour un corps fini IF'q.
16. Prouver que le corps <C ne peut pa.s être muni d'une structure de corps ordonné.
17. Prouver que dans tout corps ordonné]{,

0 ::; x et 0 ::; y implique 0 ~ ~ry \:lx, y E ]{

18. Prouver que tout corps]{ muni d'une relation d'ordre total:::; telle que,.Vx, y, z E ]{
(a) x~ y=* x+ z ~y+ z

(b) 0 ~ x~ et 0 ~ y =* 0 ~ xy
est un corps ordonné.
19. (difficile) Appelons corps folklorique tout ensen1ble I< muni de deux opérations
(l'addition et la multiplication) telles que :
( i) ]{, + est un groupe commutatif de neutre 0
(ii) /{ \ {0}, · est un groupe (pas nécessairement commutatif)
de neutre 1
(iii) a+bc= (a+b)(a+c) et ab+c= (a+c)(b+c) Va,b,cE ]{
(dis tri bu ti vi té de 1'addition par rapport à la. multiplication).
Que peut-on dire du ca.rclina.l d'un corps folklorique ?
Prouver que tout corps folklorique commutatif (c'est à dire dans lequel ab = ba
Va, bE J{) a cinq pattes et deux ailes blanches sur le dos.

Chapitre 3
Espaces vectoriels sur un corps
3.1 Définition
L'étude des vecteurs de l'espace euclidien E 3 , et de diverses structures analogues qui
émergent constam1nent de questions de mathématique, de physique, etc... et dont nous
verrons bientôt une série d'exemples, a. conduit les mathématiciens au concept abstrait
d'espace vectoriel sur un corps, qui va. être défini ci-dessous.
Soit]{ un corps. Un espace vectoriel V sur J{ est un ensemble d'éléments appelés

vecteurs, Inuni d'une structure déterminée par
1. une addition, c'est-à-dire uneapplica.tion de \/ x V dans V associant à tout

w
couple (v, w) E 1/ x V un vecteur noté v + E V, telle que V,+ soit un
groupe co1nmutatif.
2. une n1ultiplication scalaire, c'est-à-dire une application de ]{ x V dans V

associant à tout couple (À, v) E J{ x V un vecteur noté Àv E V, telle que
tv) = (ÀJl )v
À( 1 (a.ssocia.ti vi té)
À( v+ tü) = Àv+ Àw (distributivité)
(.\ + Jl )v = Àv + 1tv (distributivité)
Iv= v (neutralité)
VÀ,Jt E f{, Vv,tü EV
Le neutre du groupe li,+ est appelé vecteur nul et noté o. Si v est un vecteur et À un
v
scalaire (c'est-à-dire si À E I<), on dit que À est un multiple de v.
Au lieu de représenter les vecteurs par des lettres surmontées de flèches, nous nous
bornerons souvent à. utiliser des lettres latines minuscules. Les scalaires (éléments de J()
seront représentés le plus souvent par des lettres grecques.
18
CHAPITRE .3. ESPACES VECTORIELS SUR UN CORPS 19
3.2 Commentaires
• Pourquoi ces axiomes et pas d'autres ? Pourquoi pas une plus grande généralité
ou plus de restrictions ? La réponse se trouve dans l'expérience de générations
de mathématiciens : cette expérience montre qu'en adoptant les notions de corps
et d'espace vectoriel telles qu'elle viennent d'être définies, on peut développer une
théorie en quelque sorte parfaite, qui ne deviendrait pas plus simple en adoptant
des axiomes supplémentaires et qui perdrait de sa. puissance en abandonnant des
axiomes.
Il n'empêche que diverses généralisations de la notion d'espace vectoriel sont étudiées
de manière approfondie, notamment les modules sur un anneau, dont la définition
est exactement celle des espaces vectoriels sur un corps sauf que le corps f{ est
remplacé par un anneau unital A.
• Les notions de corps, d'espace vectoriel et d'anneau se combinent dans la. notion
d'algèbre, qui joue un rôle essentiel en mathématique et en physique. Nous nous
bornerons à en donner une définition et à. signaler quelques exemples au passage.
Soit f{ un corps commutatif. Une algèbre A sur J( est un espace vectoriel sur f{
muni en outre d'une opération de multiplication associa.nt à tout couple (x, y) de
vecteurs un vecteur noté xy, telle que
x( y+ z) = xy + xz
(
..... .....) -+
x+ y z = xz
_,._,.
+ yz _..._.
V>.. E f{, \lx, y, z E A.
À(xy) = (Àx)y = x(Ày)
On dit que 1'algèbre A est associative si
;r..... ( yz
..........) ..........) z.....
= (xy Vx,y,zEA.
Voici quelques exe1nples fonda.n1enta.ux d'algèbres :
1. 1'anneau f{ [x] des polynômes en une indéterminée x à coefficients dans un corps

commutatif f{ est une algèbre associative sur f{.
2. <C est une algèbre associative de dimension 2 sur IR. IH est une algèbre asso-
ciative de dimension 4 sur ffi.. Les octaves de Cayley([) forment une algèbre
associative de dimension 8 sur IR.
3. Les algèbres de Lie, que nous ne définirons pas ici mais dont on obtient un
exen1ple très si1nple en partant d'une algèbre associative A: l'algèbre ..C(A) ad-
n1et le n1ên1e espace vectoriel que A mais sa. n1tdtiplication, notée [x, YJ (crochet
de Lie), est définie par
..... ;11 ..... ..... ..... .....
[ x,yJ = xy- yx
• Comment se représenter un espace vectoriel ? Cela exige une attitude assez sou-
ple. D'une part, les modèles physiques spatiaux habituels (où les vecteurs sont
représentés par des flèches) sont très utiles et la. théorie permet un large transfert
d'intuition de ces espaces vers les autres espaces vectoriels. D'autre part, il est bon
de conserver aux vecteurs un statut assez abstrait car on verra, dans les exe1nples
qui suivent. que les vecteurs peuvent être des objets de nature très variées (pa.r
exemple des fonctions).

CHAPITRE 3. ESPACES VECTORIELS SUR UN CORPS 20
• V et V' étant des espaces vectoriels sur un même corps f{, un isomorphisme de
V sur V' est une bijection a de 11 dans V' telle que
a(v + w) = a(v) + a(w)

a(.Xv) = Àa(v)
Vv,w E V,V.X E f{.
Cette définition est en accord avec les idées développées dans le chapitre "Ensen1ble
structurés et groupes de symétries", ce qui explique l'absence de motivation.
On n'a pas imposé de condition à la bijection a- 1 car on peut prouver (exercice)
que a- 1 est un isomorphisme de ~1 ' sur V.
3.3 Exemples d'espaces vectoriels

Insistons à nouveau sur l'importance d'une liste d'exemples en expansion quand il s'agit
de se faire une idée correcte d'un concept mathén1atique de base.
3.3.1 La structure vectorielle de E 3

La notion de vecteur s'est d'abord développée dans l'espace euclidien E 3 • Dans l'ensei-
gne!!lent secondaire, c'est l'étude de la structure vectorielle de E 3 qui conduit à la. notion
·d'espace vectoriel.
Un vecteur localisé de E 3 est un couple (a, b) de points de E3, ce couple étant
souvent identifié au segtnent orienté ("flèche") d'origine a et d'extrémité b. L'ensemble
Lo(E3 ) des vecteurs localisés de E 3 est muni d'une relation d'équivalence, l'équipollence,
que nous noterons j. Bornons-nous à. rappeler que
(a, b) i (c, d)
dès que (a, b, c, cl) est un parallélogramme. En dehors du fait que j est une relation
d'équivalence, elle jouit de la propriété fondamentale suivante :
(*) quels que soient les points a, b, c E E 3 , il existe un et un seul

point xE E 3 tel que (a, b) î (c, x).
Un vecteur libre de E 3 est une classe d'équivalence de la relation j. C'est donc un

ensemble de vecteurs localisés deux à. deux équipollents, tout point de E 3 étant l'origine
(resp. l'extré1nité) d'un vecteur localisé de cet ense1nble grâ.ce à. la propriété (*). Par
conséquent, un vecteur libre est aussi une permutation des points de E 3 , qu'on appelle
translation de E 3 (logiquement, les expressions "vecteur libre" et "translation" peuvent
être· considérées comme synonymes, leur double emploi étant toutefois justifié par un
contenu intuitif différent et par l'usage qui en est fait dans divers domaines, par exe1nple
en Mécanique). ,
Tout vecteur localisé (a, b) détermine donc un vecteur libre (une translation) qu'on
---;.
note souvent ab et on a
---;. ---;.
(a~ b) î (c, d) {::} ab= cd

(à l'équipollence de vecteurs localisés correspond l'égalité des vecteurs libres qu'ils dé-
terminent). Au niveau élémentaire, les cours de physique font rarement la distinction
entre vecteurs localisés et vecteurs libres, et a fortiori entre l'équipollence (des vecteurs
localisés) et 1'égalité (des vecteurs libres).
L'ensemble Li(E 3 ) des vecteurs libres de E 3 est muni d'une addition définie par
---+ ---+ ---+
ab+ be= ac 'ria, b, cE E 3
cette définition a.ya.nt un sens du fait que

---+ 0 ---+
ab= ab ---+ 1 1
=>ac= ac
---+ 11 }
be= be
(observons que l'introduction des vecteurs libres est en partie motivée par le fait que ces
vecteurs s'additionnent "convenablement", ce qui n'est pas le cas des vecteurs localisés).
---+
L'ense1nble Li(E 3 ) est également rnuni d'une multiplication scalaire: si ab est un vecteur
---+
libre de E 3 et si À est un nombre réel, À ab est un vecteur libre (dont nous ne rappellerons
pa.s ici la. définition). l\1uni de ces deux opérations, l'enseinble des vecteurs libres de
E 3 est un espace vectoriel réel (c'est à dire un espace vectoriel sur le corps IR des
nombres réels); il revient au 1nême de dire que l'ensen1ble des translations de E 3 est
un ~space vectoriel réel.
Notons bien que l'ensemble des vecteurs localisés de E 3 n'a pas une structure naturelle
d'espace vectoriel réel. Toutefois, si on choisit arbitrairement un point ode E 3 , l'ensemble
des vecteurs localisés d'origine o, muni de l'addition et de la multiplication scalaire définies
par
( o, a) + (o, b) = (o, c) {::} ---+ ---+
oa + ob = oc
---+
---+ ---+
À ( o, a ) = (o, b) {::} ,.\ oa = ob
est un espace vectoriel réel. En fait, l'ensen1ble des vecteurs localisés d'origine o s'identifie
avec E 3 lui-n1ên1e, le vecteur ( o, a) étant identifié au point a de E 3 • Dès lors, l'ensemble
des points de E 3 (dans lequel on a choisi une origine o) ·est lui aussi un espace vectoriel
réel, l'addition et la. multiplication scalaire étant définies par
---+
a +b= c {::} oa + ---+
ob =
---+
oc
---+ ---+
Àa = b {::} À oa = ob
Le vecteur nul de cet espace vectoriel est le point o (attention : ici o désigne l'origine de
E 3 et non le nmnbre réel 0).
En résun1é, le choix d'un point o dans l'espace euclidien E 3 érige celui-ci en
un espace vectoriel réel que nous noterons Eî
L'espace vectoriel E~ est isomorphe à. Li(E3 ) : en effet, l'application
est un isomorphis1ne du premier sur le second (la. vérification est pratiquement immédiate).

Insistons encore sur un détail qui a une importance capitale pour le développement
d'une bonne intuition des espaces vectoriels: nous pouvons nous représenter les éléments
de E~ comme des points et nous débarrasser ainsi de la représentation par des flèches. De
même, dans un espace vectoriel quelconque, on aura toujours intérêt à se représenter les
vecteurs par des points, comme cela se pratique d'ailleurs pour les éléments de n'importe
quel ensemble.
3.3.2 Les espaces J(n
Introduisons un système de coordonnées dans l'espace vectoriel E;

en choisissant trois
points e 1 , e 2 , e3 non coplanaires avec o (nous nous basons ici sur une connaissance intui-
tive préalable des systèmes de coordonnées, notre but étant simplement de faire le pont
entreE~ et les espaces J(n; l'étude des systèmes de coordonnées dans un espace vectoriel
quelconque sera reprise en détails et avec précision dans la suite).
x
L 3
·figure 3.1
Sur la figure :3.1, on a pris des vecteurs~'~' 0ë; de même longueur et deux à deux
perpendiculaires, ma.is ce n'est pas essentiel ici : ce qui importe, c'est que tout point x de
E~ a des coordonnées x 1 , x 2 , x 3 détenninées univoquement par la relation
ou encore, puisque nous travaillons clans E~,
Si x a. les coordonnées (~r1, ~r2, ;r3) et :lJ les coordonnées (y 1, y2 , y3 ), alors x+ y a les coor-
données (x1 +YI, Xz + yz, :r3 + y3) et Àx a. les coordonnées (Àx 1, Àx 2, Àx 3) \fÀ E IR. Cette
observation conduit à la. construction suivante des espaces vectoriels J(n, où J{ est un
corps quelconque (par exemple n = 11).
Les vecteurs de f{n sont les élén1ents du produit ensembliste ]{n, c'est-à-dire les
n-uples (xi? x 2 , •.• , Xn) d'éléments de f{ (ainsi, si J( = IF3 , l'espace ]( 2 se compose de 9

vecteurs, l'espace 1( 3 de 27 vecteurs, etc ... ). L'addition et la multiplication scalaire sont

définies par
(xb X2, · · ·, Xn) +(yi, Y2, · · ·, Yn) = (xl+ Yb X2 + Y2, · · ·, Xn + Yn)

À(Xt, X2, ... , Xn) =(.Xx~, Àx2, ... , Àxn)
'v'À E 1{, Vxi, Yi E 1{

On vérifie facilement que l'espace 1{n ainsi défini est bien un espace vectoriel sur ]{,
c'est-à-dire que toutes les conditions énoncées en 3.1 sont remplies.
En particulier, f{ lui-même est un espace vectoriel sur 1{, qui coïncide avec 1{ 1 •
Notons aussi que l'espace vectoriel E~ est isomorphe à. IR3 , un isomorphisme étant
fourni par l'applica.tion qui envoie tout point x de E~ sur le triple (x~, x 2 , x 3 ) de ses
coordonnées. A ce propos, signalons déjà. un résultat majeur de la théorie que nous
allons développer : on va. définir la notion de dimension d'un espace vectoriel et on
verra que tout espace vectoriel sur 1( de dimension finie n est isomorphe à
1{n. Ceci n1ontre que les espaces 1(n jouent un rôle fondamental dans la théorie. Les
espaces J{n occupent également une place privilégiée en raison de leurs applications :
ainsi, en physique, l'état d'un système est souvent exprimé en termes de para1nètres
(par exemple, en thennodyna.n1ique, la. pression, le volume et la. température), c'est-à-dire
au n1oyen d'un vecteur d'un espace IR.n (où n est le nombre de para.n1ètres).
3.3.3 Les espaces de fonctions ·
C'est la classe la plus importante. Nous verrons pourquoi plus loin.

Soit 1 un ense1nble quelconque (en Analyse, 1 est souvent un intervalle, ce qui explique
le choix de la notation) et soit 1{ un corps. On désigne par
1'ensemble de toutes les applications (ou fonctions) de 1 dans 1{. On va voir que l'ensemble
J( 1 peut être n1tuÜ de 1nanière naturelle d'une structure d'espace vectoriel sur 1{. Pour
cela, on devra. bien entendu définir la. som1ne f + g de deux fonctions J, g : 1 --t f{ ainsi
que le produit .Xf d'une fonction f : I --t ]{ par un scalaire À.
lR
figure 3.2
figure 3.8
CHAPITRE 3. ESPACES 11ECTORIELS SUR UN CORPS 24
Considérons par exemple, dans le ca.s particulier où I = [0, 27r] et /{ = IR,.les fonctions
f : I -7 IR : x -7 sin x
g:/-7lR:x-7 ~
représentées graphiquement sur les figures 3.2 et 3.3.

La sotnme des fonctions f et g est la fonction qui prend en x la valeur f( x) + g( x) =
sin x + ~ autrement dit, la fonction f + g : I -7 IR définie par
(f + g)(x) = f(x) + g(x) \lx E 1

et représentée graphiquement sur la figure 3.4. Observons bien que les deux signes + dans
l'égalité ci-dessus ont des significations très différentes : le pretnier exprime l'addition des
fonctions f et g, tandis que le second exprime l'addition des nombres réels f( x) et
g( x) (confondre une fonction f avec sa. valeur f( x) en x est une erreur classique chez
les débutants !).
lR lR
( f+g) ( x).,__---:rr
f( x )..-_,_'"'2t"""
g( x >~..,...._'7{
0~--~~----~~-----------.o~
x '' ,
' ,._.. __ ,.
x
~
;
3
figure .. 3.4 · figure 3.5
De 1nême, le produit de la. fonction f par un nombre réel À est la fonction qui prend
en x la valeur Àf(;c) =À sin x~ autren1ent dit la. fonction Àf: I -7lR définie par
\lx E 1
La figure 3.5 représente le graphe de la fonction :3f.
Revenons à. présent au ca.s d'un ensemble I quelconque et d'un corps J{ quelconque.
L'ensemble J{ 1 des fonctions de I clans f{ devient un espace vectoriel lorsqu 'on définit
l'addition et la. n1ultiplication sca.laü·e comme suit :
f + g : 1 -7 ]{ : .T. -7 (f + g) (x ) = f (:t) + g (x)

Àf: I -7](: x -7 (Àf)(x) = Àf(x)
Vf, g E ]{ 1 , VÀ E J(. La vérification de la. dizaine de propriétés requises pour faire de J{ 1
un espace vectoriel sur]{ est fastidieuse mais de simple routine. En voici un échantillon :

CHAPITRE 3. ESPACES ''ECTORIELS SUR UN CORPS 25
1. Il est clair que f, 9 E ]{ 1 implique f + 9 E ]{ 1
2. L'addition définie dans ]{ 1 est associative et commutative car

(f + g) + h: x~ (f + g)(x) + h(x) = (f(x) + 9(x)) + h(x)
f + (g + h): x~ f(x) + (g + h)(x) = f(x) + (g(x) + h(x))
et l'associativité dans ]{, + fait le reste.
De même,
f+g:x--Tf(x)+g(x)
g+f:x~g(x)+f(x)
et la co1nmutativité dans K,+ fait le reste.

La seule difficulté est de bien cotnprendre que deux fonctions sont égales
si et seulen1ent si elles prennent la n1ên1e valeur en tout élément x de
leur dotnaine de définition 1.
3. Le neutre de ]{ 1 , +est la. fonction nulle, notée 0, qui applique tout élément de 1
sur le neutre 0 de ]{, +
O:I~I<:x~o
Attention à. l'abus de notation : ces deux 0 représentent des objets très différents !
La fonction nulle 0 E J{ 1 est une fonction constante, qui prend la. valeur 0 E ]{ en
. tout élétnent de 1 (vérifiez qu'elle est bien le neutre dans !{ 1 , +).
4. L'inverse de f clans ]{ 1 , + est la. fonction - f définie pa.r

-f:I~J{:x~-f(x)
(vérifiez que c'est bien un inverse).
5. Il est clair que À E /{,fE /{ 1 implique Àf E /{ 1 .
6. À(!lf) : x ~ À( (!lf)( x)) = À(!lf( x))

( À11) f
: :r ~ ( ÀJL) f (x )
et l'associativité dans 1{, · fait le reste.
7. À(f + g): x --4 À[(.f + 9)(x)] = À[.f(:r) + g(x)] = ).._f(x) + Àg(x)

Àj + Àg: ~r ~ (Àf)(x) + (Àg)(:z:) = Àj(x) + Àg(x)
donc À(j + g) = )..j + Àg (essayez de justifier soigneusement chaque étape des calculs
ci-dessus).
8. ()..+11)!:~~~ (À+ ft)f(x) = Àj(x) + flf(x)

).._f + J.Lf : x~ (Àf)(x) + (J-tf)(x) = À.f(x) + pf(x)
donc (À+ p).f = Àf + Jtf.
9. 1f :x ~ ( l.f )( ~~ ) = l.f ( ~: ) = f (:r )

donc 1 f = f.

Ren1arque. 1{ 1 est non seulement un espace vectoriel sur f{, mais c'est aussi une
algèbre sur ]{ (si ]{ est commutatif). En effet, ont peut définir le produit de deux
fonctions J, g E ]{ 1 en posant
fg: 1-+ ]{:x-+ (fg)(x) = f(x)g(x)
On vérifie facile1nent que 1{ 1 devient alors une algèbre associative sur]{ (exercice).
D'où vient l'in1portance des espaces de fonctions ?
(a) Rôle unificateur
La plupart des espaces vectoriels familiers peuvent se voir comme des espaces de fonctions.
Ainsi, pour obtenir les espaces J{n, il suffit de considérer l'ensemble
1 = {1, 2, ... , n }. Se donner un n-uple (x 1 , x 2 , ... , Xn) E J(n ou une fonction fE J({ 1 , 2 ·····n}
revient 1na.nifestement a.u n1ên1e si on songe à. poser Xi = f( i); seules les notations
changent. De 1na.nière un peu plus précise, on va prouver que les espaces vectoriels
J({l,2, ...,n} et J(n
sont iso1norphes. Toute fonction f : { 1, 2, ... , n} -+ ]( détermine n éléments de ]{, à.

savoir f(l) = x 1, /(2) = x2, . .. , f( n) = Xn. Il est donc naturel de considérer l'application
a: J({1,2, ...,n} -+ ]{n: J-+ (f(l), J(2), ... 'f(n))
\
et d'essayer de prouver que a est un isomorphisme d'espaces vectoriels, autrement dit que
(i) a est une bijection de J\·{t, 2 ·····n} sur J(n
(ii) o:(f + g) = o:(f) + cx(g)
(iii) a (À f) = Àa{f)
Vf, g E J({ 1 ,2 ···-,n}, VÀ E J(. Prouvons par exemple (ii) (les preuves de (i) et (iii) sont
laissées comme exercices) :
a(f + g) = ((f + g)(l), (f + g)(2), ... , (J + g)(n))
(défini ti on de o:)
= (.f(l) + g(l),f(2) + g(2), ... ,J(n) + g(n))
(définition de l'addition dans /( 1 )
= (.f(l), .f(2), ... , f(n)) + (g(l),g(2), ... ,g(n))
(définition de ]'addition da.ns J{n)
= cx(f) + a(g)
(défini ti on de a) '
Les espaces vectoriels de matrices, qu'on rencontre parfois dans l'enseignement secon-
daire, peuvent aussi se voir co1nme espaces de fonctions. En effet, formellement, une
matrice à s lignes et t colonnes à. coefficients dans un corps J( est une fonction de
{ 1, 2, ... , s} x { 1, 2, ... , t} dans 1{.
Pour nous forger une intuition physique de 1( 1 , nous pouvons représenter 1 par un
diagramn1e de Venn dans un plan horizontal. Un élén1ent f de 1{ 1 peut alors se représenter
par un graphique obtenu en const.ruisa.nt en chaque :t E 1 un "bâtonnet" vertical d'origine
x et de longueur f( :r). Si le diagra.mn1e est un ta.bleau recta.ngula.ire à. 9 lignes et 5 colonnes,
on obtient ainsi une 1na.trice 9 x 5.

(b) Rôle simplificateur
On vient de voir qu'il peut être fort long de vérifier qu'un ensemble structuré est un espace
vectoriel. En pratique, on dispose d'une méthode beaucoup plus simple. Supposons que
li soit un espace vectoriel déjà. connu et que TV soit une partie de V. On désire vérifier
que Hl est lui-n1ême un espace vectoriel. Nous verrons bientôt qu'il suffit de vérifier trois
conditions (au lieu d'une dizaine) pour qu'il en soit ainsi. Encore faut-il que W soit
plongé dans un espace vectoriel connu. C'est ici que les espaces de fonctions interviennent.
Nous allons en donner divers exemples, en reportant les vérifications nécessaires à la
section consacrée aux sous-espaces.
( c) Rôle dans les applications
L'Analyse, qui est probablement le domaine mathématique ayant le plus d'applications,

peut être considérée cornme l'étude approfondie de certains espaces de fonctions (lorsque
]{ = ffi. ou <C). Toute activité qui fait intervenir un ensernble et des nornbres est a priori
susceptible d'un traiten1ent vectoriel. Les exemples s'étendent notan1n1ent à la géographie,
l'archéologie et l'agriculture.
3.3.4 Les espaces de fonctions de l'Analyse élémentaire

Fixons 1{ = ffi. et soit 1 un intervalle de IR. \loici divers sous-ensembles de IR1 étudiés en
A.nalyse et qui sont des espaces vectoriels réels :
• l'ensernble des fonctions continues
• l'ensemble des fonctions dérivables
• l'ensemble des fonctions intégrables au sens de Riemann
• l'ensemble des fonctions intégrables au sens de Lebesgue
• l'ensemble des polynômes
• l'ensernble des séries de puissances qui convergent sur 1
Il y en a beaucoup d'autres.
3.3.5 Les espaces de suites

On peut voir une suite d'éléments de 1{ comme une application de IN dans ]{ (ou de 1N0
dans 1{ si on préfère), c 'est-à.-clire cornn1e un élément de 1{ IN.
Il résulte in1n1édia.tement de 3.3.3 que l'ensen1ble des suites d'éléments de 1{ est
un espace vectoriel sur /{.

CHAPITRE 3. ESPACES \IECTORIELS SUR UN CORPS 28
3.3.6 Les espaces de fonctions presque nulles

Soit I un ensemble quelconque et !{ un corps. On désigne par
J((I)
1'ensemble des fonctions presques nulles de I dans ](, c'est-à-dire 1'ensemble des fonctions
f: 1 ~ J( telles que {xE I 1 f(x) #- 0} soit un ensemble fini.
est donc une partie de 1{ 1 (lorsque I est un ensemble fini, J{U) = 1< 1 ). Cette
](U)
observation permettra bientôt de vérifier sans effort que f{ 1 est un espace vectoriel
surf{.
Les espaces J{U) ont surtout un interêt théorique: on peut démontrer que tout espace
vectorièl sur J{ est isomorphe à J{U) (même un espace ]{ 1 est isomorphe à un J<(J)
pour un certain .J), mais ceci dépasse un peu le cadre de ce cours. Nous avons déjà affinné
que tout espace vectoriel sur f{ de din1ension finie n est isomorphe à J(n : ceci sera
prouvé plus loin.
3.3. 7 Les espaces de polynômes
L'ensemble!{[){] des polynômes à coefficients dans J( en une indéterminée X
ao + a1){ + a2X 2 + ... + anXn

est un espace vectoriel sur ]{, qui est isotnorphe à l'espace J{(lN) des suites presque
nulles d 'élén1ents de f{
Cet exemple peut se généraliser de deux manières différentes. La première consiste à

considérer des polynôn1es en plusieurs indéterminées : ainsi, les polynômes à coefficients
dans J( en deux indéterminées X et 1/'
aoo + a10 X- + ao1.i l. •

+ ,,..2 +au X"7
a2o~'\.
'v2
1 + ao2.r + ... + aon yn
forment un espace vectoriel sur ]{ noté f{[){, 17 ]. La deuxième consiste à remplacer les
polynômes par des séries forn1elles
•X•
a0 + a 1 ..,'\. + v2
a2~·'\
+ ... = ""'
L ·-vi
ai~/\.
i=l
qui forn1ent un espace vectoriel sur f{ isomorphe à. l'espace ]{IN des suites d'éléments de
]{.
3.3.8 Corps et sous-corps
Si ]{' est un sous-corps cl \m corps l\' et si 1/ est un espace vectoriel sur J(, 1/ est égale1nent
un espace vectoriel sur [\'' puisque les élén1ents de f{', étant des élétnents de f{, peuvent

CHAPITRE .3. ESPACES '!ECTORIELS SUR UN CORPS 29
multiplier les vecteurs de 11, les conditions requises en 3.1 étant clairement remplies. Ainsi
Q; 2 est non seulement un espace vectoriel complexe (c'est-à-dire sur le corps Q;), mais aussi
un ~space vectoriel réel (c'est-à-dire sur IR) et un espace vectoriel rationnel (c'est-à-dire
sur <Q).
Pour éviter toute ambiguïté au sujet du corps utilisé, lorsque nous parlerons d'un
espace vectoriel J{n sans autre précision, il sera toujours entendu qu'il s'agit de ]{n
considéré comme espace vectoriel sur f{.
On a déjà vu, lors de l'étude des espaces f{n, que tout corps]{ est un espace vectoriel
sur f{. ]{ est donc aussi un espace vectoriel sur tout sous-corps ]{' de ]{. Ainsi IR est
un espace vectoriel sur ~' sur ~( J2), sur A. ~ est un espace vectoriel sur IR. IF4 est
un espace vectoriel sur IF 2 . Le corps ]{ (.Y) des fractions rationnelles en X est un espace
vectoriel sur ]{.
3.3.9 L'espace des grandeurs physiques
Supposons qu'on travaille avec trois grandeurs physiques fondamentales L (longueur),

.A1 (masse), T (temps). Tout autre grandeur physique s'exprime sous la. forme
où x,y,z E IR
Ainsi, une accéléra.tion est de la. forme LT- 2 , un débit de la. forme L 3 T-1, une force de la
forme Ll\fT- 2 , une densité volumique de la. forme L- 3 1\1, etc ...
Deux grandeurs de type Lx1 J\.fY 1 Tz 1 et Lx 2 AfY2 Tz 2 se multiplient pour donner naissance
à une grandeur de type Lx 1 +x2 J\fY 1 +Y2 Tz 1 +z2 • L'ensemble des grandeurs, muni de cette
opération, est un groupe commutatif. De 1nême, si Â~ E IR, une grandeur de type Lx MYTz
donne naissance à. une puissance Lkx .~.fkyykz. On obtient ainsi un espace vectoriel réel iso-
morphe à lR? (dans cet exen1ple, c'est surtout _la. notation n1ultiplica.tive et exponentielle,
au lieu de la notation additive et n1ultiplicative habituelle, qui est déconcertante).
L'analyse din1ensionnelle des physiciens consiste à travailler dans l'espace vecto-
riel qu'on vient de décrire. Voici un exen1ple : si l'expérience montre que la période t
d'oscillation d'un pendule simple ne dépend que de la longueur l du fil et de l'accélération
g de la pesanteur, et si on fait l'hypothèse que t est lié à l et à g par une relation de la
forme
où C, a, j3 E ffi
on obtient, en exprÏinant chacune des grandeurs ci-dessus en fonction des trois grandeurs
fondan1enta.les,
T == L 0 (LT- 2 ) 13
ou encore, puisque l'espace des grandeurs est isomorphe à IR3 ,
(0, 0, 1) == a(l, 0, 0) + ,8(1, 0, -2)
== (Q + ,8, 0, -2,8)
ce qui donne immédiatement a == ~ et ,8 == - ~, et on retrouve la formule classique

3.3.10 L'espace des carrés magiques n x n

Chaçun connaît ce divertissement mathématique : une matrice n x n à coefficients réels
est appelée carré 1nagique n x n si la somme des coefficients de chaque ligne, de chaque
colonne et de chacune des deux diagonales est une constante C. Voici quelques exemples
de carrés magiques 3 x 3 :
4 9 2 0 0 0
3 5 7 0 0 0
8 1 6 0 0 0
Les carrés magiques furent étudiés en Chine bien avant l'ère chrétienne: d'après la légende,
c'est en l'an 2000 avant J.C. que l'empereur Yu observa le prernier carré magique (en
l'occutrence le prernier des quatres exemples ci-dessus) sur le dos d'une tortue sacrée. En
Europe, au Moyen Age, on croyait que le fait de porter autour du cou un carré magique
gravé sur une plaque d'argent.protégait de la peste!
Le fait que l'ensemble des carrés rnagiques n x n soit une partie de l'espace vectoriel de
toutes les matrices réelles n x n permettra. bientôt de vérifier sans effort que cet ensen1ble
est un espace vectoriel réel.
3.3~11' Les codes correcteurs d'erreurs

Pour communiquer avec un satellite, on utilise un ensemble de symboles appelé alphabet
-en pratique l'ensemble A= {0, 1} -et on décide que tous les mots transmis au satellite
seront formés à. l'aide de ces symboles et auront une longueur fixée n qui est déterminée
en fonction de diverses considérations théoriques et techniques.
Un n1ot est. donc un élérnent de l'ensernble An et un 1nessage est une suite de mots.
Les distances entre émetteur et récepteur étant énormes, il faut s'attendre à des er-
reurs dues à. diverses perturbations au cours de la. transrnission, un mot reçu n'étant
pas nécessairement le mot qui a. été én1is. Il est bien entendu cap~tal pour le bon fonc-
tionnement du satellite que ces erreurs puissent être détectées et ~i possible corrigées.
C'est ce problèrne qui est à la base de la. théorie des codes.
L'idée fondarnenta.le est de transmettre uniquement les mots appartenant à une partie
C de An, C étant appelé le code. Si un mot reçu n'appartient pas à C, on a. détecté au
moins une erreur. La correction se base sur la notion de "ressemblance" de deux mots. Si
un mot reçu tn n'appartient pas à C, on cherchera. naturellernent le mot éventuel m'de C
qui ressemble le plus à m., l'hypothèse étant que le n1ot émis était "probablement" rn'. La
notion de ressen1blance se traduit avec plus de précision par la distance de Ha1nnïing
de deux mots, qui est le non1bre de let tres en lesquelles ils diffèrent. Ainsi, ( 1, 1, 0, 0, 1) est
à distance 2 de (0, 1, 0, 1, 1) et à. distance 3 de (1, 0, 1, 1, 1) (observons que la distance de
Hamming introduit à la fois une structure de graphe et une structure d'espace métrique
dans l'ensemble An).
Exen1ple. Soit n = 5 etC l'ensen1ble des mots (1, 1, 0, 0, 0), (0, 0, 1, 1, 0), (1, 0, 0, 1, 1),
(0, 1, 1, 0, 1). Si un mot de C est tra.ns1nis avec une seule erreur, celle-ci pourra toujours
être corrigée car deux n1ots quelconques de C sont au moins à distance :3 l'un de l'autre.

CHAPITRE .3. ESPACES VECTORIELS SUR Ul\T CORPS 31
De ce fait, C permet de détecter deux erreurs dans le mot transmis mais celles-ci ne
pourront plus être corrigées car (1, 1, 1, 1, 0) pourrait provenir aussi bien de. (1, 1, 0, 0, 0)
que de (0, 0, 1, 1, 0). Le code C permet donc de détecter deux erreurs et d'en corriger une,
quelle que soit celle-ci.
Signalons que le système de télémétrie du satellite IV1ARINER qui envoya en 1969 des
photos de Mars vers la Terre utilisait un code de 64 mots de longueur 32 pouvant corriger
7 erreurs (ce code sera construit dans un exercice ultérieur).
La théorie des codes s'efforce de construire ou, à défaut, d'étudier l'existence de codes
sa.tisfaisa.nt à diverses conditions, pa.r exemple pouvoir corriger un nombre donné d'erreurs
avec un n "pas trop grand" (pour des raisons d'économie, de temps et d'énergie).
Il se fait que la. structure d'espace vectoriel joue un rôle capital dans la théorie des
codes. L'ensetnble A = {0, 1} = IF 2 a. une structure de corps, l'addition et la multiplication
étant définies pa.r les tables suivantes
+ 0 1
0 0 1
1 1 0
et IF~ est un espace vectoriel sur IF 2 . La. plupart des codes connus sa.tifa.isant a.ux con-
ditions in1posées par la pratique sont des codes linéaires, c'est-à-dire des parties C de
IF~ qui sont elles-1nê1nes des espaces vectoriels. Le fait qu'un code C soit linéaire sim-
plifi~ considéra.blen1ent les techniques de décodage (correction d'erreurs) qui peuvent être
longues si C a. par exen1ple 216 élén1ents et s'il faut cotnpa.rer un mot reçu à. une liste de
ces élétnents. L'exemple décrit de n1a.nière explicite ci-dessus n'est pas un code linéaire
puisque le vecteur nul (0, 0, 0, 0, 0) n'y figure pas.
\foici à titre documentaire une description du code linéaire le plus remarquable, qu'on
appelle le code de Golay étendu. Ce code est constitué des 212 = 4096 mots de longueur
24 obtenus en prenant toutes les combinaisons linéaires possibles, à coefficients dans IF 2 ,
des 12 lignes de la. ma.trice ci-dessous, dans laquelle les coefficients nuls n'ont pas été
indiqués pour faciliter la. lisibilité :
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
G= 1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1
1 1 1 1 1 1 1 1 1 1 1 1

CHAPITRE :3. ESPACES l'ECTORIELS SUR UN CORPS :32
Pour plus de détails sur la théorie des codes, on peut se référer à :
• J.H.van Lint : Introduction to coding theory, Springer-Verlag, 1982.
• F.J.MacWilliams and N.J.A.Sloane: The theory of error-correcting codes,

North-Rolland, 1977.
• J .Doyen : Cours de structures discrètes, licence en sciences mathématiques.
3.4 Propriétés élémentaires

Voici quelques conséquences immédiates des axiomes d'espaces vectoriels. Ces propriétés
élémentaires sont constamment utilisées dans le calcul vectoriel.
THEOREME 1. Dans tout espace vectoriel \1 surf{, on a
( 1) Ov= o VvE V
(2) .-\a= o V.-\ E f{
(3) .-\v= o===? .-\ = o ou v= a V.-\ E f{, v E 11
(4) (-.-\)v=.-\( -v)= -.-\v V.-\ E f{, v E li
n n
(5) (L .-\i )v= L( .-\iv) V Àï E I<, v E V et n E IN0
i=l i=l
n n
(6) .-\(2:: Vi) = 2:(.-\Vi) VÀ E f{, vi E l/ et n E IN0
i=l i=l
Dén1onstration.
(1) (l+O)·ü =lv=v=v+o

Il
1v + ov = 1v+ ov = v+ ov
donc Ov = o (simplifiabilité dans li,+)
(2) .-\(o + o) = .-\o = .-\o +a

Il
.-\a+ /\o
donc Ào = o (sin1plifia.bi1ité dans V,+)
(3) Supposons À =/= 0 et prouvons qu'alors v= o. Co1nme À =/= 0, il existe un élé1nent

À- 1
de ]{ tel que ÀÀ - 1
= À- I À = 1, donc .Xv= oimplique
.x- (-Xv) = .-\- o= o

1 1
Il
(.-\-
1
X)v = lv= v
d'où on tire ·v= o.

(4) (À - À)t1 = ov = o = Àv+ (-À v)

Il
Àv+ (-À)v donc ( -À)v = ->..iJ
D'autre part,
>..(v-v)= Ào= o= Àv+ (->..v)
Il
>..v+>..( -v) donc>..( -v)= ->..v
(5) Résulte de l'associativité dans J{, + et de
qui est un axiome d'espace vectoriel et le cas n = 2 de (5 ). Le reste est une récurrence
facile sur n : n n n
CL: >..i)v = (>..1 + :L Àï)v =>..lv+ CL: Ài)v
i=l i=2 i=2
et, par 1'hypothèse de récurrence, ceci devient

n n
>..1 v+ L(Àiv) = :L(>..ïv)
i=2 i=l
(6) Résulte de n1ême de l'associativité dans V,+, de
>..(v+ w) = Àv + Àw (cas m\ n = 2)
et d'une récurrence facile que nous laissons comme exercice.
3.5 Sous-espaces
Voici le concept qui permet de sitnplifier, comme nous l'avions annoncé, les vérifications
de certains exemples d'espaces vectoriels donnés en 3.3.
Si 11 est un espace vectoriel sur ]{, un sous-espace de 11 est une partie TiV de V qui
est elle-mêrne un espace vectoriel sur f{ pour l'addition et la n1ultiplication scalaire de V.
THEOREME 2. Soit Hl un sous-ense1nble d'un espace vectoriel li sur f{. TiV est
un sous-espace de V si et seulen1ent si les trois conditions suivantes sont remplies
(i) x+ y E Hl Vx, y E Hl
(ii) >..xE Hl V>.. E f{, Vx E Hl
(iii) oE W

CHAPITRE .3. ESPACES VECTORIELS SUR UN CORPS
Démonstration.
1. L'associativité et la commutativité de l'addition dans vV, + résultent automatique-

ment de l'associativité et de la commutativité dans V,+. L'addition dans lV est
une opération interne grâce à (i) et l'existence d'un neutre additif est assurée par
(iii). Quant à l'inverse d'un vecteur xE W, on sait grâce à (ii) que ( -l)x E TV et
d'autre part ( -l)x = -x
par le théorème 1, de sorte que -xE W. Donc liV, + est
un groupe commutatif.
2: Tout multiple d'un vecteur de Hl est encore un vecteur de TiV grâ.ce à (ii) et les autres
propriétés requises pour la. n1ultiplication scalaire sont auto1na.tiquen1ent satisfaites .
•
Grâce à ce théorè1ne, nous som1nes bien ar1nés pour effectuer sans effort
une foule de vérifications.
3.6 Exemples de sous-espaces
3.6.1 Sous-espaces de l'espace vectoriel réel E~

Si une partie Hl de E~ est une droite ou un plan de E 3 passant par o, alors TV est un
sous-espace de E~. En fait, on peut démontrer que tout sous-espace de E~ est l'un des
sous-ensembles suivants : { o}, une droite passant par o, un plan passant par o, E~.
Cet exemple présente un double interêt : d'une part, notre expérience des droites et
des plans de E 3 nous aide à forger une intuition de la. notion de sous-espace d'un espace
vectoriel, et d'autre part nous voyons se dessiner la. reconstruction des notions de droite
et de plan à. partir de la. seule structure d'espace vectoriel.
3.6.2 Equations linéaires
Soit \1 = J{n. Donnons-nous un n-uple {a 1, ... , an) d'éléments de f{ et soit TV l'ense1nble

des éléments {xt, ... , Xn) E f{n tels que
n
L Xiai =0 (*)
i=I
Alors Hl est un sous-espace de J(n. En effet,
(i) si (x 1, ... , Xn) et (yi, ... , Yn) appartiennent à. VV, il en va de même pour leur so1n1ne
(xi + Y1, ... , Xn + Yn) car
n n n n
l:(xi + Yi)ai = l:(xiai + Yiai) = L Xiai + LYiai = 0 + 0 = 0
i=l i=I i=l i=l

(ii) si (x 1, ... , Xn) E Hl et si~ E ]{,on a ~(xb ... , Xn) E VV car

n n n
L( ~~ri) ai = L ~(Xi ai) = ~LXi ai = ~0 = 0
i=l i=l i=l
(iii) W con1prend (0, 0, ... , 0)
Il suffit d'appliquer le théorème 2 pour conclure.

Si 1{ est co1nn1utatif, ( *) s'écrit aussi bien
n
:LaiXi =0
i=l
une forme à laquelle nous somn1es plus habitués et que nous utiliserons dans la plupart
des exercices. L'exemple que nous venons de traiter est à la base de la résolution et de la
discussion des systèmes d 'équa.tions linéaires à. coefficients dans 1{, que nous étudierons
plus loin.
Terminons par quelques cas particuliers :
Si V = IF~ et si ( *) est l'équa.tion XI + x2 = 0 correspondant à. a 1 = a2 = 1, le
sous-espace Hl se co1npose des vecteurs (0, 0), (1, 2) et (2, 1 ).
De n1ên1e, si V = lF~ et si ( *) est l'équation x 1 + 2:r 2 = 0 correspondant à. a 1 = 1,
a 2 = 2 et a 3 = 0, Hl se compose des vecteurs (0, 0, 0), (1, 1, 0), (2, 2, 0), (0, 0, 1), (1, 1, 1),
(2, 2, 1), (0, 0, 2), (1, 1, 2), {2, 2, 2).
3.6~3 Sous-espaces d'espaces de fonctions

Pour prouver que l'ensemble f{U) des fonctions presque nulles de 1 dans 1{ est un espace
vectoriel sur f{, sachant que J{U) est une partie de 1'espace vectoriel f{ 1 , il suffit, grâce
au théorèn1e 2, de vérifier que
(i) la. som1ne de deux fonctions presque nulles est une fonction presque nulle.
(ii) tout multiple d'une fonction presque nulle est une fonction presque nulle.
(iii) la fonction nulle est presque nulle.
(ces vérifications très simples sont laissées a.u lecteur à. titre d'exercice).
Donnons encore un exe1nple. Soit. 1 un intervalle de IR.. Pour prouver que l'enseinble
des fonctions dérivables de 1 dans IR est un espace vectoriel réel, il suffit de s'assurer que
(i) la so1nn1e de deux fonctions dérivables est dérivable

(ii) tout multiple d'une fonction dérivable est dérivable

(iii) la fonction nulle est dérivable
Ces propriétés sont démontrées en Analyse.

Notons que l'espace des fonctions dérivables sur 1 est un sous-espace de l'espace des
fonctions continues sur 1, celui-ci est un sous-espace de l'espace des fonctions intégrables
sur I au sens de Riemann, et ce dernier (l'espace, pas Rien1ann !) est un sous-espace de
1'espace des fonctions intégrables sur I au sens de Lebesgue.
Voici un dernier exemple: l'ensemble des fonctions deux fois dérivables de I dans IR
qui sont solutions de l'équation différentielle linéaire homogène
y"( x)- y'( x) sin x+ y(x)x 2 = 0

1
est un sous-espace Hl de ffi. . En effet, grâ.ce au théorèn1e 2, il suffit de vérifier que
(i) si YI et Y2 sont dans lV, YI +Y2 est clans liV; c'est vrai car
(Yl + Y2)"- (YI+ Y2)' sin x+ (Yl + Y2)x 2

= YI"+ y 2Il - y 11 Sin
•
x - y 21 sin
•
x + y 1x 2+ Y2X 2
-- ( YlIl - Yl1 Sin
•
x + Y1X 2) + (Y2- Il
Y21 Sin
•
x + Y2X 2)
=0+0=0
(ii) si y E li\1, À7J est cla.ns Hl 'rf).. E ffi.; c'est vra.i ca.r
(Ày)"- (>..y)'sinx + (>..y)x 2

= )..y" - )..y' sin x + >..yx 2
= >.(y" - y' sin x + yx 2 )
= )..O = 0
(iii) la fonction nulle est dans VV; c'est vra.i car
0 - 0 · sin x + 0 · x2 = 0
3. 7 Exercices
1. Prouver que l'ensen1ble des carrés n1agiques n x n a une structure d'espace vectoriel
réel.
2. Parmi les ensembles suivants, quels sont ceux qui ont une structure naturelle d'es-
pace vectoriel réel ?
(a.) l'ensen1ble des points à coordonnées entjères (réseau) de IR3

(b) l'ensen1b1e des vecteurs non nuls de ffi.3
( c) l'ensen1ble <C des nombres con1plexes
( d) l'ensemble <Q des no1nbres rationnels
(e) l' ensen1ble ll-I des quaternions

CHAPITRE .3. ESPACES VECTORIELS SUR UI\T CORPS 37
(f) l'ensemble des fonctions f : IR-+ IR telles que f(O) = 0

(g) l'ensemble des fonctions f: IR-+ IR telles que f(O) = 1
(h) l'ensen1ble des fonctions f: ffi.-+ lR telles que /(1) =0
(i) 1'ensemble des fonctions de qj dans qj
(j) 1'ense1nble des fonctions de qj dans <Q
(k) 1'ensemble des fonctions de <Q dans qj
(1) l'ensemble des fonctions de IR dans IR discontinues en un point donné x 0
(rn) l'ensemble des fonctions de lR dans IR ne prenant qu'un nombre fini de valeurs
différentes.
:3. L'ensen1ble IR.? est-il érigé en espace vectoriel réel si l'addition et la multiplication
scalaire y sont définies cotnme suit., VÀ, x, y, x', y' E IR :
(a.) (x, y)+ (:t:',y') =(x+ :t:',y +y') et À(x,y) = (À 2 x,À 2 y)

(b) (x, y)+ (x', y')= (x+ x', y+ y') et À(x,y) = (Àx,O)
(c) (x, y)+ (x', y')= (xx',yy') et À(x,y) = (Àx,Ày)
(d) (x, y)+ (x', y')~ (x, y) et À(x,y) = (Àx,Ày)
(e) (x, y)+ (x', y')= (x+ x', y+ y') et .-\(x, y)= (Àx,y)
(f) (x, y)+ (x', y')= (0, 0) et À( x, y)= (.-\x, Ày)
(g) (x, y)+ (:t~',y') =(x+ y', y+ x') et À(x,y) = (Àx, Ày)
(h) (a:,y)+ (~r',y') = (.5y+.5y',-x-x') et À(x,y) = (5Ày,-Àx)
4. Dans la définition d'un espace vectoriel V sur un corps, montrer que l'axiome lv= v
VvE V ne peut pas se démontrer à. partir des autres (utiliser l'exercice 3).
5. L'ensen1ble JRci des nombres réels strictement positifs devient-il un espace vectoriel
réel si 1'addition et la multiplication scalaire sont définies par
x" +"y = xy } +
,\"."x=x>. VÀEffi..,Vx,yE~
6. Si A. et B sont des parties non vides de l'espace vectoriel E;, on pose

A.+ B = {a+ b 1 a E A et bE B} et ÀA. = {Àa 1 a E A} où À E IR
L'ense1nble des parties non vides de E;,
muni de l'addition et de la multiplication
scalaire définies ci-dessus, est-il un espace vectoriel réel ?
7. Désignons par ~'A l'ensemble des suites arithn1étiques, c'est-à.-dire des suites de
no1nbres réels de la. forn1e
a, a+ 1·, a+ 2r, a+ 3r, ... , a+ nr, ...
et par 1/c l'ensen1ble des suites géon1étriques, c'est-à-dire des suites de nombres
réels de la. forn1e
L'ensemble V4 possède-t-il une structure naturelle d'espace vectoriel réel ? Même

question pour l'ense1nble Fa.

8. Si J( est un corps fini à pr éléments, combien l'espace vectoriel J{n coz:nprend-il de

vecteurs?
9. Soit I = {a, b, c} un ensemble de ca.rdinal3. Dans l'espace vectoriel IF~ des fonctions
de 1 dans W7 , on considère les fonctions f et g définies par
J(a) = 2 g(a) = 3
J(b) = 1 g(b) = 2
f(c)=5 g(c)=4
Déterminer les vecteurs 3f, -g, J + g, 4f + 5g de IF~.
10. Que vaut la distance de Ha.mming entre
(0, 1,1,0, 1,0,0, 1, 1, 1,0, 1, 1)

et (l,l,O,Ll,1,0,1,0,1,0,1,0)?
11. Dans IF~, le code
c = {(0, 0, 0, 0, 0), (1, 1, 1, 0), (0, 1, 0, 1, 1), (1, 0, 1, 0, 1)}

est-il linéaire ? Co1nbien d'erreurs peut-il détecter ? Combien d'erreurs peut-il
corriger ?
12. Dans IF~, le code C formé des mots
(0,0,0,0,0,0,0)
(0, 0, 1, 0, 1, 1, 1)
(0, 1, 0, 1, 1, 1, 0)
(1, 0, 1, 1, 1, 0, 0)
(0, 1, 1, 1, 0, 0, 1)
(1,1,1,0,0,1,0)
(1,1,0,0,1,0,1)
est-il linéaire ? Combien d'erreurs peut-il détecter ? Co1nbien d'erreurs peut-il

corriger ? Si on reç.oit ]e mot.
(1, 1, 0, 1, 0, 1, 0)
peut-on reconstituer le 1not tra.ns1nis ?
13. Si A. est un alphabet quelconque, prouver que l'ensemble An, muni de la distance
de Han11ning (que nous noterons dH ), est un espace métrique, c'est-à-dire que,
Vx,y,zEAn,
(i) dH(x,y) est un n01nbre réel non négatif
(ii) dH(x,y) = 0 {:;> :r =y
(iii) dH ( ;r. , y ) = dH (y • ;r )
(iv) dH(~t,y) + dH(y,z) 2:: (hT(x,z)

CHAPITRE 3. ESPACES 11ECTORIELS SUR UN CORPS :39
14. Etant donnés un nombre réel r > 0 et un point a E IF~, l'ensemble
B (a, r) = {x E IF~ 1 dH (a, x) :::; r}
est appelé boule fermée de centre a et de rayon r.

Dans .IF~, combien une boule fermée de rayon 1 contient-elle de points ? Mên1e
question pour une boule fermée de ra.yon 2, de rayon 3.
15. On veut construire, avec l'alphabet IF2 = {0, 1}, un code C dont les mots soient de
longueur 6 et qui permette de corriger 1 erreur. Quel est le nombre maximum de
mots que C peut contenir? (utiliser l'exercice précédent).
16. Prouver qu'un code C peut corriger c erreurs si et seulement si la distance entre
deux quelconques de ses mots est 2:: 2c + 1. A quelle condition C peut-il détecter d
erreurs ?
17. Dans IF~n, le code C forn1é des 4 1nots
(0, 0, ... '0, 0, 0, ... '0)

(1,1, ... ,1,0,0, ... ,0)
(0, 0, ... , 0, 1, 1, ... '1)
(~,~
n n
est-il linéaire ? Combien d'erreurs peut-il détecter ?

Combien d'erreurs peut-il corriger ?
18. Un espion, chargé de découvrir le code utilisé par un satellite stratégique mili-
taire, fournit à. ses supérieurs les renseignements suivants : "Code linéaire utilisant
l'alphabet {0, 1}. Comprend 64 n1ots de longueur 10. Peut détecter 4 erreurs et en
corriger 2". Quelques jours plus tard, il apprend qu'il a été congédié. Pourquoi ?
19. Les ensembles suivants sont-ils des sous-espaces
• de l'espace vectoriel réel IR? ?

(a.) {(x, 0) 1 xE lR}
(b) { (a~, 1) 1 x E Til}
( c) { (a~, y) 1 ~c, y E IR. et ;cy = 0}
(cl) {(x, y) 1 ;r, y E IR et :r + y = 0}
(e) { (x, y) 1 x, y E IR et :r~ 2 = y}

• de l'espace vectoriel réel IR.4 ?
(a) {(x, x, x, x) 1 xE lR}
(b) {(x,y,z, 1) 1 x,y,z E lR}
(c) {(x,y,z,t) 1 x,y,z,t E <Q}
(d) {(x, y, z, t) 1 x, y, z, t E IR et x + 2y - 3z + t == 0}
(e) { (x, y~ z, t) 1 J: ~ y. z, t E IR et x 2:: 0}
(f) {(~1:, y , z, t ) 1 :r~ ~ y • z, t E ffi. et :t :::; y :::; z :::; t }

CHAPITRE .3. ESPACES ''ECTORIELS SUR UN CORPS 40
20. L'ensemble des fonctions f de lR dans IR satisfaisant une des conditions suivantes
est-il un sous-espace de lRlR ?
(a.) .f(O) = /(1)
(b) 2.f(O) = /(1)
(c) .f(l) = f(O) + 1
(d) .f(;t)"2:,0 Vx E ffi .
(e) .f(x) = 0 Vx~5,xElR
(f) .f(x) = f(l- x) Vx E IR
(g) .f(x2) = (f(x))2 Vx E lR
(h) .f( -x)= f(x) Vx E lR (fonctions paires)
(i) f(-x) = -f(x) Vx E lR (fonctions impaires)
(j) .f(x + 27r) = f(x) Vx E lR
21. Dans l'espace vectoriel R[X] des polynômes en X à coefficients réels, le sous-
ensen1ble constitué des polynôn1es de degré 4 est-il un sous-espace ?
22. Soit E rense1nble des quaternions dont le carré est un nombre réel négatif
E = {x = a + bi + cj + dk E ffi 1 x
2
E lR et x
2
< 0}
E est-il un sous-espace de ffi considéré comme espace vectoriel réel?
E est-il un sous-espace de ffi considéré comme espace vectoriel complexe ?
23. Les ense1nbles suivants sont-ils des sous-espaces de l'espace vectoriel réel lRIN des
suites
de no1nbres réels ?
(a.) l'ensen1ble des suites croissantes (xn ~ Xn+l Vn E IN)

(b) l 'ense1nble des suites convergeant vers 1
( c) l'ensemble des suites convergeant vers 0
(cl) l'ense1nble des suites pour lesquelles x 1 + x 2 =0
24. Que peut-on dire de deux sous-espaces H/1 et Tlf/2 d'un espace vectoriel 11 si leur
réunion H/1 U Hl2 est un sous-espace de 11 ?
25. L'ense1nble des fonctions bornées de I dans Til est-il un sous-espace de l'espace
vectoriel réel IR 1 ? (une fonction f: I ~IR est dite bornée s'il existe deux nombres
réels m. et A1 tels que rn ~ .f( x) ~ 1\.f Vx E /)
26. L'ensemble
li = { ax
4
+ bx 3 + cx 2 + dx + e 1 a, b, c, d, e E IR}
des polynômes en x à. coefficients réels de degré ~ 4 est un espace vectoriel réel. Les
sous-ensen1bles liVI' H/2, rv3 définis ci-dessous sont-ils des sous-espaces de l/ ?
(a.) 1'ensen1ble Hl1 des polynôn1es de V ayant au n1oins une racine réelle

CHAPITRE -3. ESPACES VECTORIELS SUR UN CORPS 41
(b) l'ensen1ble H12 des polynô1nes de V admettant à la fois 2 et .J5 comme racines
( c) l'ense1nble TV3 des polynômes dérivés des polynômes de V.
27. L'ensemble des fonctions deux fois dérivables y : IR ~ IR qui sont solutions de
1'équation différentielle
y" cos x - y' e 2 x +y =0
est-il un sous-espace de IRIR ?
28. Une fonction .f : IR. ~ ffi. est dite sinusoïdale s'il existe des nombres réels a, w, cp
tels que
.f(x) = asin(wx +cp) \:lx E IR
L'ensemble des fonctions sinusoïdales est-il un sous-espace de IRIR ?
29. L'ensemble des fonctions périodiques de IR dans IR est-il un sous-espace de IRIR ?

l\1ême question pour l'ensetnble des fonctions périodiques de IR dans IR de période
donnée T.
:30. Soit V un espace vectoriel sur ]{ et soit Hï une partie non vide de V. Prouver que
Hl est un sous-espace de V si et seulement si
).x+ p.y E Hl \;/)., p, E f{, \:lx, y E Hl
31. Donner en extension une description du sous-espace Hl de IF~ formé de solutions de

chacun des systèmes suivants :
Xt + X2 = 0
X2 + X3 = 0
.T3 + X1 = 0
32. Dans un espace vectoriel V sur ]{, est-il vrai que

s t t s
2:(2:>../vj) = 2:(2:>../vj)
i=l j=l i=l i=l
\;f).i E f{, \:lvi E li, Vs, tE lNo?
33. (difficile) Indépendance des axion1es d'espace vectoriel.

R.a.ppelons de 1na.nière un peu plus forn1elle la. définition d'un espace vectoriel sur
un corps. Soit ]{ un corps et V un ensemble non vide d'éléments appelés vecteurs,
muni d'une addition, c'est-à-dire d'une application de l/ x V dans V associant
à. tout couple (v, tv) E V x V un vecteur v+ tv E 11, et d'une multiplication
scalaire, c'est-à-dire d'une application de f{ x V dans V associant à tout couple
().,v) E f{ x V un vecteur Àv E V.
On dit que li est un espace vectoriel sur K si les a.xiomes suivants sont satisfaits :
V·ü,v,iü EV

CHAPITRE :3. ESPACES VECTORIELS SUR UN CORPS 42
(A 2 ) il existe un vecteur oE V tel que
(A 3 ) quel que soit v E V, il existe un vecteur (-v) E V tel que

-
v + ( -v-) --
= ( -v-) + v = o
.( A4) v+ tv = w+ v vv,w Ev
( As ) /\ ( Pv)
= (Àp,) v
(A6) À( v+ w) = Àv + Àtv VÀEf(,Vv,wEV
(A,) (À+ 1t)v= Àv + wü VÀ, Il E f(, Vv E V

(As) lv= v
Etudier l'indépendance de ce système d'axiomes. Un axiome (Ai) est indépendant
des autres s'il ne peut être dén1ontré à partir de ceux-ci, c'est-à-dire si on peut
construire un "modèle" da.ns lequel tous les axion1es sont satisfaits, sauf (Ai) (l'indé-
pendance de (As) faisait l'objet de l'exercice 4).
Un des 8 axiomes ci-dessus peut se dén1ontrer à partir des autres. Lequel ?
34. Les cocles C2 , C4 , Cs dont les mots (de longueurs respectives 2, 4, 8) sont les lignes
des tableaux suivants
1 1 1 1
1 1 1 1
1 0 1 0
1 0 1 0
1 1 0 0
1 1 0 0
1 0 0 1
1 0 0 1
1 1 1 1 0 0 0 0
1 0 1 0 0 1 0 1
1 1 0 0 0 0 1 1
1 1 1 1 1 () 0 1 0 1 1 0
Cs=
1 0 1 0 0 0 0 0 0 0 0 0
1 1 0 0 0 1 0 1 0 1 0 1
1 0 0 1 0 0 1 1 0 0 1 1
c4 = 0 0 0 0 0 1 1 0 0 1 1 0
0 1 0 1 0 0 0 0 1 1 1 1
0 0 1 1 0 1 0 1 1 0 1 0
0 1 0 0 0 1 1 1 1 0 0
0 1 1 0 1 0 0 1
sont-ils linéaires ? Combien d'erreurs permettent-ils de détecter? de corriger?
Essayer de découvrir la. loi qui est à la base de leur construction et, en généralisant
celle-ci, construire un code c32 de 64 mots de longeur 32 permettant de corriger
7 erreurs (ce code a. été utilisé en 1969 pour le système de télémétrie du satellite
MARINER).

Chapitre 4
Applications linéaires
4.1 Définition
De no1nbreuses questions de n1athé1natique et de physique sont don1inées par la. notion
de transforn1ation.
Heureusen1ent, la. notion de transforn1ation linéaire fut élaborée pa.r abstraction à par-
tir de 1'étude de diverses transfonna.tions physiques, géon1étriques et algébriques. Bien en-
tendu, toutes les t.ra.nsforn1a.tions rencontrées en sciences et susceptibles d'une fonnulation
n1a.thén1a.tique ne sont pa.s linéaires; cependant, beaucoup de transformations possèdent
une a.pproxin1a.tion linéaire basée sur la fonnule de Taylor étudiée en Analyse.
Une tra.nsfonna.tion linéaire est essentiellement une application cl 'un espace vectoriel
dans un autre qui "conserve" la. structure. Précisons ce pre1nier énoncé :
V et V' étant des espaces vectoriels sur un 1nême corps f{, une application linéaire
(ou transforn1ation linéaire) de V dans V' est une application
/4 : l/ --+ V' telle que
( i) A (~r + if) = A (x) + A (iJ)

(ii) A(.\x) = .\A(x)
Un ca.s particulier i1nportant est celui où l 1 = li'; alors on elit que A est un opérateur
linéaire dans V. Un autre cas particulier important est celui où V' = f{; alors on elit
que A est une fon11e linéaire sur v·.
Les con di ti ons ('i) et (ii) peu vent être rein placées par une seule condition qui leur est
équivalente, par exen1ple
Vx, fJ E ll, VÀ, fl E !{, ou encore

CHAPITRE 4. APPLICATIONS LINÉAIRES 44
n n
A(L Àiii) =L ÀïA( xi)
i=1 i=1
VXiE V, \/Ài E /{,\ln E lNo.
4.2 Exemples
4.2.1 Isomorphismes et automorphismes
Si li et V' sont des espaces vectoriels isomorphes, tout isomorphisme de V sur V' est une
application linéaire. En particulier, tout automorphisme d'un espace vectoriel V est un
opérateur linéaire dans V.
Tout automorphisme de l'espace euclidien E 3 fixant un point o (par exemple une
rotation autour d'une droite pa.ssa.nt par o, une homothétie non nulle de centre o, etc ... )
est un automorphisme de l'espace vectoriel E~, donc aussi un opérateur linéaire de E~.
Cet espace vectoriel possède en fait beaucoup d'autres automorphismes. En voici un
exemple : si on introduit, comme à la. page 22, un système de coordonnées dans E~ et si
k =J. 0 est un no1nbre réel, la. pennuta.tion
est un opérateur linéaire de E~, qu'on appelle étirement. Observons qu'un tel étirement
n'est pas un a.utotnorphisme de l'espace euclidien E 3 sous-ja.cent sauf si k = 1 ou -1
(voyez-vous pourquoi ?)
4.2.2 Projections
L'application
A: IR? --+ ffi? : (:r 1 , x 2 , x 3 ) --+ (x 1 , x 2 )
est une application linéaire, inspirée par la. projection "verticale" de l'espace euclidien E 3
sur un plan "horizontal".
Cet exe1nple se généralise co1nme suit : pour tout corps ]{et pour tout choix de deux
nombres naturels non nuls set t (avec s < t), l'application·
est une applica.tion linéaire qu'on appelle une projection. Ce no1n est également donné
aux opérateurs linéaires
On observera. que nous avons renversé l'ordre habituel des lettres s et t en allant de ]{t
vers· J{s. Ce choix présente divers avantages dans le calcul matriciel, com1ne on le verra.
plus tard.

CHAPITRE 4. APPLICATIONS LI.lVÉAIRES 45
4.2.3 Formes linéaires

Soit ]{ un corps quelconque et a1 , ••. , an des élétnents de f{. Le n-uple (a 1 , ... , an)
détern1ine une application A de f{n dans f{ définie par
n
A: ]{n -7 ] { : (x1, ... ,xn) -7 LXiai (*)
i=l
C'est une application linéaire (autrement dit une forme linéaire sur ]{n) car
A( x+ y)= 2':(xi + Yi)ai = 2.':: xiai + LYiai =A( x)+ A(y)

i i i
et
A(-\x) = L(Àxda.1: =À 2:(xiai) = ..\A( x)
. .
1. l
Observons que, pour avoir A(Ài) = ÀA(x), il fallait écrire les coefficients ai à droite des
Xi- Si ]{ est commutatif, cela n'a évidemment aucune importance.
n
Le polynôme linéaire homogè.ne L Xiai qui détennine A est à l'origine du terme "forme
i=l
linéaire".
On verra. plus tard que toute fonne linéaire sur ]{n peut s'écrire sous la forme ( *).
4.2.4 Homothéties
Soit 11 un espace vectoriel sur un corps con1n1utatif ]{ et soit a un élément de ]{.
L'ho1nothétie ha de centre oet de rapport a est définie par
ha : 11 11 : x ax
-7 -7
On voit que ha est bien un opérateur linéaire car
et
ha.(Ài) = a.( ..\:i!) = (aÀ)i = (-\a)x = À(ax) = Àha(x)
x,
V y E 11, \/À E ]{. On observera que la co1nn1utativité de ]{est essentielle pour assurer
la linéarité de l'ho1nothétie.
Si a = 0, ha. applique tout vecteur de l/ sur le vecteur nul oet si a = -1 # 1, ha est
la symétrie par rapport à o.
4.2.5 Equations linéaires

Soit ]{ un corps con1n1utatif~ V = f(t et 11' = ]{ 8 • Pour tout z 1, ... , s et tout
j = 1, ... , t, soit O.ij un élén1ent de f{. Alors l 'a.pplica.tion
A : }\..-'t -7
}·'S
\. :
( X , ••• , Xt )
1 -7
( X 1 , ... , X 1)
1 s

CHAPITRE 4. APPLICATIONS LI.l\TÉAIRES 46
où
t
x~= :L aijXj (i=l, ... ,s)
j=l
est une application linéaire. On verra plus tard que toute application linéaire de 1{t
clans J(s est de cette fonne. Cet exen1ple est d'autant plus i1nportant que beaucoup
d'applications linéaires rencontrées dans la pratique apparaissent sous la forme d'équations
linéaires.
Observons qu'une homothétie ha correspond au ca.s particulier où s =t et xi = axi
\.li. D'autre part, lorsque s = 1, on obtient une forme linéaire sur f{t.
4.2.6 Intégration
Soit C 0 (IR) 1'espace vectoriel des fonctions continues .f : lR --7 JR.. L'application
A: C 0 (lR.) --7 lRIR: f --7 A(f)
où la fonction A(f) est définie par
(A(f))(x)= l" f(t)dt \.lx E 1R
est une application linéaire : ceci résulte Ïinmédiatement du fait que
rx(f + g)(t) dt= rx(f(t) + g(t)) dt= rx f(t) dt+ rx g(t) dt

k k . k k
et ·
l' (>..f)(t) dt =l' Àf(t) dt =À l' f(t) dt
On démontre en Analyse que la fonction A(f) est continue, de sorte que A est en réalité une
application linéaire de C 0 (1R) dans C 0 (IR), c'est-à-dire un opérateur linéaire de C 0 (IR).
La linéarité de l'opérateur d'intégration est une de ses propriétés fondamentales.
4.2. 7 Dérivation
Soit 1 un intervalle de JR. et soit D(J) l'espace vectoriel des fonctions f: 1 --7 IR dérivables
sur 1. L'application qui fait correspondre à toute fonction J dérivable sur 1 sa dérivée J'
est une application linéaire de D(1) dans ffi.1 : en effet,
(J + g )' = J' + g'

et
(\f)' = À(f)'
VJ, gE D(I), \.1 E IR.
A une équation différentielle linéaire telle que
y
Il
+y 1 •
sin:!~ +y cos ;r =:= x
2

est associée l'application linéaire
y --+ y
Il
+y 1 •
sin x + y cos x
L'étude des équations différentielles linéaires est un des principaux domaines d'utilisation
de la théorie des applications linéaires.
\foici un dernier exemple : l'opérateur laplacien 6 qui associe à une fonction f de :3
variables réelles la fonction
est un opérateur linéaire de l'espace vectoriel des fonctions de 1R? dans IR admettant des
dérivées partielles de tout ordre : en effet, on a bien
6(f+g)=6f+6g
et
4.2.8 Différentielle d'une fonction en un point

Si une fonction .f : IR --+ IR est différentiable en un point a, la différentielle de f en a,
notée df( a), est 1'application linéaire
df(a): IR--+ IR: x--+ f'(a)x
Plus généralement, si une fonction f : IRn --+ IRm est différentiable en un point a E IRn,
la différentielle de f en a est une application linéaire df( a) : IRn --+ IRm dont la définition
précise sort du cadre de ce cours et est vue en Analyse.
Re1narque.
Nous avons donné ci-dessus une description analytique de diverses applications linéaires.
Il importe aussi d'en acquérir une vision géométrique afin de développer l'intuition du
concept qu'on vient d'introduire et surtout de ne pas le couper de ses origines physiques.
Pour les projections, les homothéties, les étirements, on se forge facilement une telle image.
C'est plus difficile pour d'autres exen1ples d'applications linéaires où l'on a affaire à une
trop grande généralité, 1nais pour cette raison même c'est d'autant plus important.
Le n1eilleur n1oyen de se représenter une transfonnation linéaire n'est pas de prendre
un à. un beaucoup de points et d'en chercher les images; il convient plutôt de se donner un
objet fan1ilier et d'essayer de visualiser globalen1ent son in1age. On trouvera ci-après une
série de dessins qui sont destinés à. faciliter cette acquisition. Chaque dessin représente
une "figure" dans un plan E; muni d'une base {et, e 2 }. On passe d'un plan à un autre
par une transfonnation linéaire (en fait un isomorphisme) qui applique o sur o, e1 sur
e1 , e 2 sur e2 , une oreille sur un oreille, un oeil sur un oeil, etc... On dispose ainsi de 20
applications linéaires distinctes.

CHAPITRE 4. APPLICA.TIONS LINÉAIRES 48
• • l • "1

4.3 Exercices
1. Les applications suivantes sont-elles linéaires ?
A :IR?~IR?:(x,y)~(y,x)
B :IR?~IR?:(x,y)~(x+l,y+l)
C :IR?~IR?:(x,y)~(x,O)
D :IR?~ IR?: (x, y)~ (0,0)
E :IR?~ IR? : (x, y)~ (sin x, y)

F :IR?~ IR.2 :(x, y)~ (a:!:+ by, c:!: +dy)
G :IR?~IR:(:!.~,y)~x+y
H :IR?~IR:(x,y)~xy
1 : 1R2 ~ lR3 : (x, y)~ (x,y,x)
·J : IR? ~ IR~ : (x, y) ~ (x + y, 2a: - y, x - 3y)
2. Prouver que toute application linéaire de 1R dans IR est une ho1nothétie, c'est-à-dire
est de la. forn1e
A : IR --7 IR : x ~ ax Otl a E IR
3. L'application de IR? dans ffi. qui associe à tout point (x,y) sa. distance à l'origine
est-elle linéaire ?
4. Soit 1 = [a, b] un intervalle de IR et soit C 0 (1) l'espace vectoriel des fonctions

continues 1 dans IR. L'application
A : C0 (!) --> IR : j --> t j {x) dx
est-elle une forn1e linéaire sur C 0 ( 1) ?
5. L'application de ~ dans ~ qui envoie tout no1nbre complexe sur son complexe con-
jugué est-elle linéaire
(a) lorsque ~ est considéré co1nme espace vectoriel sur IR ?

(b) lorsque ~ est considéré c.on1me espace vectoriel sur <C ?
6. Soit ll-I le corps des quaternions considéré con1n1e espace vectoriel réel et soient a, b
deux quaternions. L'application
IH ~ IH : x --7 ax + xb
est-elle linéaire ?

CHAPITRE 4. APPLICATIONS LI1VÉAIRES .so
7. Sachant qu'un opérateur linéaire A dans IR? applique (0, 1) sur (1, 3) et (1, 0) sur
(2, 1), calculer A(x,y) pour tout point (x, y) E IR?. Montrer que A est une permu-
tation des points de IR? et calculer A- 1 (3, 2). Quels sont les points de IR? fixés par
A ? Dessiner l'image par A du carré de sommets (±1, ±1) et du cercle d'équation
x2 + y2 = 1.

Chapitre 5
Sous-espaces et transformations
5.1 Image d'un sous-espace
THEOREME 3. Si A est une application linéaire de 11 dans 11', A transforme

tout sous-espace de F en un sous-espace de 11'.
Dé1non~tration. Soit Hl un sous-espace de 11.
(i) Si ?,i} E A(liV), il faut p;ouver que;, +yï E A(lV). Or il existe x,yE W tels que
A( x) = xï et A(y) = if, et on a. x+ y E TtV car vV est un sous-espace de V, donc
A( x+ y) E A(TiV). Ce dernier vecteur n'est autre que A( x)+ A(y) = 2 + yï puisque
A est linéaire.
(ii) Si ;2 E A(l~V) et À E ]{,il faut 1nontrer que.-\~? E A(lifl). Il suffit d'observer que
A(.-\x) = .-\A(x) =.-\a?.
(iii) Il reste à vérifier que 5 E A( Hl). Or o E li! et A( o) E A(H!). En outre, A( o) =

. A(o + 0) = A(O) + A(O), donc A(O) =o.
•
Les tra.nsforn1a.tions linéaires conservent donc la notion de sous-espace.
5.2 Noyau et image d'une application linéaire

Soit A une a.ppljca.tion linéaire de 1/ clans li'. On appelle le noyau de A l'ensemble des
x
vecteurs E V appliqués par A sur le vecteur nul de 11'. Cet ensetnble de vecteurs se
note
Ker A= A- 1 (o) ={xE v 1 A(x) = o}
51
CHAPITRE 5. SOUS-ESPACES ET TRANSFORJ\1ATIONS .52
La notation classique Ker A provient de l'anglais ''kernel'' et de l'allemand ."Kern", qui

signifient noyau.
Le cas le plus fréquent est celui où Ker A = {o} : c'est notamment le cas lorque
A est un isomorphisme. Le noyau est surtout intéressant lorsqu'il n'est pas réduit à.
{ o}. Beaucoup d'applications de la théorie que nous étudions consistent précisément à.
rechercher le noyau d'une application linéaire, c'est-à-dire à résoudre l'équation
A( x)= o
C'est nota.Ininent le cas dans la résolution des systè1nes d'équations linéaires homogènes
et des équations différentielles linéaires homogènes.
On s'intéresse aussi souvent à rin1age de A, qui est l'ensen1ble des vecteurs de 11'
images par A des vecteurs de V, c'est-à-dire
lm A= A(V) ={XiE V' 1;, = A(x) pour un xE V}
---
-- - A
.......
---
Exemples.
1. Le noyau d'un ison1orphis1ne de V sur V' est réduit à { o} et son image est V'.
2. Le noyau de la. projection A. : ffi.3 -r IR? : (x 1 , x2, x3) -r (x 1, x 2) est la. droite
''verticale'' d'équations ;1~ 1 = J.: 2 = 0 et son in1a.ge est lR.2 •
:3. Soit ha une ho1nothétie de li. Alors
Ker ha = {o} et lm ha. = V si a # 0

Ker ha = V et lm ha = { o} si a = .0

CHAPITRE 5. SOUS-ESPACES ET TRANSFORA1ATIONS 53
4. Le noyau de l'application linéaire A : ]{t - t ]{

5
définie dans l'exemple 5, page 4.5
·est l'ense1nble des vecteurs (x 1 , ..• , Xn) E f{t tels que
t
L aijXj = 0 (i=l, ... ,s)
j=l
La détennination de ce noyau est donc ramenée à. la résolution d'un système d'équa-

tions linéaires homogènes.
5. La résolution d'une équation différentielle linéaire homogène telle que
y Il + y 1 Slll
•
X + y COS X =
0
revient à détern1iner le noyau de l'application linéaire
y -t y Il + y ' •
Sin X + y COS X
THEOREME 4. Le noyau et l'ünage d'une application linéaire sont des sous-
espaces vectoriels.
Dén1onstration. Celle-ci de,;rait être tentée par chaque étudiant, sans notes, avant
de lire ce qui suit.
Soit A une application linéaire de V dans V'.
(1) x, y E Ker A implique A(x +y)= A(x) + Aü7) = o + o= o donc x+ y E Ker A.
(2) xE Ker A et À E f{ implique A(Àx) = ÀA(x) = Ào = o donc Àx E Ker A.
(3) o E Ker A car A(o) = A(o + 0) = A(O) + A(o) donc A(O) =o

Il résulte de ( 1 ), (2) et (3) que Ker A est un sous-espace de 1i.
(4) i',i} E lm A in1plique l'existence de x,yE 1i tels que A(x) = i' et A(y) =y', donc
i' + yï =A(~~)+ A( y)= A(x +y) E ln1 A.
.....
(5) xi E In1A et À E ]{ i1nplique l'existence de xE V tel que A(x) x', donc
Ài' = ÀA(x) = A(Àx) E ImA.
( 6) oE ln1 A car A( 0) = opar le point (:3) de la dén1onstration précédente.
Il résulte de (4). (5) et (6) que In1 A est un sous-espace de V'.

CHAPITRE 5. SOUS-ESPACES ET TRANSFORJ\1A.TIONS 54
5 .3 Somme de sous-espaces
Etant donnés deux sous-espaces W1 et T-112 de V, on obtient un sous-espace W1 + T-112 en

formant toutes les somtnes xi+ x2 de vecteurs xï E T-111 et x2 E W 2 •
THEOREME 5. Soit V un espace vectoriel sur f{ et H11 , H12 des sous-espaces de

\1. Alors l'ensemble
est un sous-espace de \1 contenant H11 et W 2 •
Dén1.onstration.
(i) Pour tout xï, y-; E H11 et tout .1S, y2 E H12 ,

(xï + ;i; ) + (yï + y-;) = Cr.ï + Jii ) + (.1S + v2) E T+'1 + VV2
(ii) Pour tout ~~-; E H11 , .1S E H/2 et À E f{,
À(xï + x2) = .\xï + Àx2 E H11 + H/2
(iii) o E H11 et o E H12 car lV1 et H12 sont des sous-espaces de V, donc
o=o+oEH1t+H12
Il reste à. prou ver que ll11 et ftl/2 sont contenus dans lV1 + H12 ; ceci résulte de
.1:} = .1;; + oE Hlt + H/2 Vxï E Hlt

et ~r.2 = o+ ;lS E H't + H12 Vx2 E H/2
•
Le théo1~ème ci-dessus se généralise comme suit : si H1b H12 , ••• , lt'"n sont des sous-
espaces de \1, l 'ensen1ble
n n
LHli ={Lxi 1 ii E H1i}
i=l i=l
est un sous-espace de V qu'on appelle la. son1.n1e des Hli·
5.4 Exercices
1. Soit A une application linéaire de \l dans V' et soit Tif!' un sous-espace de V'.
Prouver que 1'image réciproque A-l (T·V') est un sous-espace de li.
2. Soit A un opérateur linéaire d'un espace vectoriel \1. L'ensemble
{iJ E V 1 A (v) = ··ü}

des vecteurs de l' fixés par A est-il toujours un sous-espace de ~~? ?

CHAPITRE 5. SOUS-ESPACES ET TRANSFORJ\!JATI01VS .55
3. Si Hl est un sous-espace d'un espace vectoriel li, que vaut W +W ?

4. Dans l'espace vectoriel E~, si vV1 et Vf/2 sont deux droites distinctes passant par o,
décrire géornétriquement le sous-espace Tif/1 + Tif/2 .
5. Dans l'espace vectoriel IR.ffi. des fonctions de IR dans IR., on considère le sous-espace
de Hi1 des fonctions paires et le sous-espace H/2 des fonctions impaires. Prouver que
Hl1 + Hf2 = IRIR, autre1nent dit que toute fonction f: IR --7 IR est la somme d'une
fonction paire et d'une fonction impaire (aide :
1 1
f (x) = 2[! (x) + f (-x)] + 2[! (x) - f (-x)]
Vx E IR).
6. Soit V = Hi1 + H12 un espace vectoriel soinnle de deux sous-espaces l111 et H/2 •
Prouver que~ si H/1 n Hl2 = {o}, a.lors
A :V --7 H/1 : x-; + x2 --7 xi

(où x-; E vll1 et x2 E Ttl/2) est une application et .que cette application est linéaire.

Chapitre 6
Espaces vectoriels et parties

génératrices
Nous entamons une étude approfondie de la. structure d'espace vectoriel. Cette étude
nous conduira. progressivetnent. à. une classification des espaces vectoriels.
6.1 Intersection de sous-espaces
THEOREME 6. Soit V un espace vectoriel sur un corps ]{. Si {TtVï}iEI est une
famille de sous-espace vectoriels de V, leur intersection
est un sous-espace vectoriel de V.
Dén1onstration. Posons Hl= n

iE/
Hli
(i) Si x, .y E Hl, alors x,

y E }lli \fi E /, donc x+ y E Ttf!i \fi E 1 (car· Hli est un
sous-espace) et par conséquent x+
y E }V
(ii) Si xE Hl et À E I<, alors xE lVi \fi E /, donc Àx E Hli \fi E 1 (car Hli est un
sous-espa.ce) et pa.r conséquent ,.\;r E Hl
(iii) oE Hli \fiE I (c.a.r l. .fli est un sous-espa.ce), donc oE Hl.

Voici une application ca.pita.le de ce résultat :
Soit ]{ un corps comn1utatif. Considérons un systètne d'équations linéaires
honi.ogènes à coefficients dans K
an xl + + altxt - 0
a21X1 + + a2tXt 0 a.vec aij E f{
(i = l, ... ,s;j = l, ... ,t)
1 Osl·r.l + ... + astXt 0
56
CHAPITRE 6. ESPACES VECTORIELS ET PARTIES GÉNÉRATRICES 57
qui se note aussi de manière pl us condensée

t
'LaijXj=O (i=l, ... ,s) (*)
j=l
Soit W l'ensemble des solutions de ce système, c'est-à-dite l'ensemble des vecteurs

(Xl, ... ' Xt) E ]{t vérifiant les s équations de ( *). Alors vll est un sous-espace de
]{t puisque lV est l'intersection des sous-espaces Hli, où Hli l'ense1nhle des solutions de
t ../'\-..
l'équation L aijXj = 0 (voir l'exemple 2 page 34). est
.i=l
6.2 Espaces à fermeture (une abstraction-générali-

sation des espaces vectoriels)
La situation qu'on vient de décrire pour les espaces vectoriels est à la fois banale et
fondamentale en mathématique.
On appelle espace à fern1eture un ensemble E muni d'une fa.1nille de sous-ensembles
distingués appelés sous-espaces (ou fern1és) telle que toute intersection de sous-espaces
soit un sous-espace.
Notons que E lui-même est toujours un sous-espace puisque E est l'intersection d'une
fatni.Ile vide de sous-espaces.
La banalité du concept d'espace à. fermeture est illustré par les exemples familiers que
VOICI :
1. Un espace vectoriel et ses sous-espaces vectoriels
2. Un groupe et ses sous-groupes
3. Un corps et ses sous-corps
4. Un anneau et ses sous-anneaux
5. Un espace linéaire et ses sous-espaces linéaires (partie S telle que toute droite con-
tenant deux points de S est contenue dans S)
6. Un espace topologique et ses ensen1bles fermés
7. L'espace IRn et ses parties convexes (une partie C de IRn est dite convexe si, quels
que soient les points p, q E C, le segn1ent
[p, q] = {Àp + lt q 1 À, lt E ffi.+ et À + f..l = 1}

est contenu dans C).
8. Tout sous-espace d'un espace à. fern1eture E est lui-même un espace à fern1eture

lorsqu 'il est rn uni des sous-espaces de E qu'il contient.

CHAPITRE 6. ESPACES \!ECTORIELS ET PARTIES GÉNÉRATRICES 58
6.3 Sous-espace engendré et parties génératrices

Soit V un espace vectoriel sur le corps J( et X un ensemble quelconque de vecteurs de
11. On appelle sous-espace engendré par X, et on note <X> (parfois Vect(X) ou
X), l'intersection des sous-espaces de V contenant X (ou, ce qui revient au même, le plus
petit sous-espace de V contenant X). On dit aussi que X engendre <X> ou encore que
x· est une partie génératrice de <.){>. En particulier, on appelle partie génératrice de
11 toute partie)( de 11 telle que <X>= 11.
THEOREME 7. Soit V un espace vectoriel et)(, y· des parties de 11. Alors
(1) )( Ç<..~>
(2) )( ç 1·· =?<.){>Ç<Y>
(:3) <<X>>=<){>
(4) si _){ est une partie génératrice de 11 et si X Ç Y, alors Y est une partie
génératrice de 11.
(5) si ..-Y est une partie génératrice de 11 et si xE)( est tel que x E<X- {x}>,
alors )( - {:z:} est une partie génératrice de V.
Dén1onstration. Chacune de ces propriétés est pratiquen1ent immédiate. Prouvons tout

de n.1ême (.5). < )( - {x}> contient _){ - {x} par ( 1) et contient x par hypothèse, donc
<X- {x}> contient X. De ce fait, <<.){-{x}>> contient <X> grâce· à (2). Mais
<<X- {x}>>=<)(- {x}> par (3) et <X>= V par hypothèse. Donc <X- {x}>= V
et X- {x} est bien une partie génératrice de V.
•
La propriété (5) conduit à. l'idée de partie génératrice n1inhnale (ou base) de
V : c'est une partie génératrice -~ de V qui cesse d'être génératrice si on lui enlève un
quelconque de ses élén1ents (a.utren1ent dit <X- {a~}># 11, Vx EX). A titre d'exemple,
si e 1 , e2, e3 sont trois points de E~ non coplanaires avec o, {e 1 , e 2 , e 3 } est une partie
génératrice minimale de l'espace vectoriel réel E~.
Abordons les combinaisons linéaires qui contrôlent la génération de sous-espaces dans
les espaces vectoriels. Les combinaisons linéaires n'ont pas d'analogue immédiat dans les
espaces à fermeture (pourquoi ?).
Con1n1entaire sur les espaces à fern1eture.
En analysant la dén1onstration du théorèn1e 7, on peut prendre conscience du fait qu'elle

utilise seulen1ent la structure d'espace à fermeture de V. La notion d'espace à fern1eture
é1nerge de cette dén1onstration et des exemples mentionnés en 6.2. Dans un espace à.
fermeture E, dont ){ est un ensemble de points, on définit alors (comment ?) le sous-
espace <.""K.> engendré par ..){.
On observe qu'en topologie, <.X> est la fer1neture (ou adhérence) de X.

CHAPITRE 6. ESPACES VECTORIELS ET PARTIES GÉNÉRATRICES 59 ·
Dans l'espace IRn muni de ses parties convexes, < ..\.> est la. fer1neture. convexe de
x.
De n1êrne, dans l'espace IR?, un cercle C centré à. l'origine engendre le disque fern1é
de bord C da.ns le ca.s où les sous-espaces de IR3 sont les parties convexes, alors que C
engendre un plan si IR3 est considéré co1n1ne espace vectoriel réel. Enfin, dans IR? muni
de sa topologie usuelle, <C>= C.
Revenant à. la théorie générale, on énonce et on démontre l'analogue du théorème 7,
pour tout espace à fermeture.
6.4 Combinaisons linéaires

Soit 11 un espace vectoriel sur f{ et ){ un ensemble quelconque de vecteurs de 11. On
appelle con1binaison linéaire de vecteurs de X tout vecteur de V de la. forme
À1VÏ + À2v2 + ... + Ànv:
où les Vi sont des éléments de ~Y (en nombre fini) et les Ài des éléments de f{. Il est
ren1arquable que l'ensemble des con1bina.isons linéaires des vecteurs de X soit précisén1ent
le sous-espace <X> engendré par ~Y.
THEOREME 8. Pour toute partie non vide~\

d'un espace vectoriel V, le sous-
espace <~Y> engendré par .>; est l'ensemble des combinaisons linéaires de vecteurs
de.x.
Démonstration.
Désignons par C(X) l'ense1nble des co1nbinaisons linéaires de vecteurs de X. Montrons
d'abord que C(X) est un sous-espace de V :
(i)
s t
L Àttïi + L P,jWj
i=I j=l
est une c01nbina.ison linéaire de vecteurs de)(_ V·Vi, t'Dj E )(, 'VÀi, p,j E ]{.
(ii)
s s s
,.$2: Àï~'i) = 2: À(ÀïVi) = 2:(.\.\ï)Vi
i=l i=l i=l
est une con1binaison linéaire de vecteurs de )( VÀ, Àï E ]{,VVi E X.
(iii) co1nme ..\. est non vide, il existe un vecteur xE X et C(X) contient le vecteur
Ox= o.
Donc C(.\."") est un sous-espace. En outre, C(.$ contiei1t ~X' car E X implique x
lx E C(.\"), et de ce fait CC\") contient <.Y>. De plus, C()() est contenu dans <X> car
Vi E X entraîne successiven1ent vi E<.Y>, ÀiVi E<){> et L ÀiVi E<X>, 'VÀi E !{. Par
conséquent, C(.Y) =<){>.
•
Ren1arques.
1. Si ~Y est vide, < ---~ >= {o} alors que C ( ){) est vide. On pourrait remédier à cet
inconvénient en modifiant légère1nent la définition de combinaison linéaire.
2. Le théorèn1e qu'on vient de prouver possède de non1breux analogues dans d'autres

théories. Ainsi, dans le cas d'un groupe G, le sous-groupe engendré par une partie X
est constitué par tous les mots qu'on peut écrire avec l'alphabet ~X"uX- 1 , c'est-à-dire
par toutes les expressions de la forme
XIX2 ••• Xn où n E IN et Xi E x u x- 1
:3. Les espaces vectoriels et les groupes sont des espaces à. fermeture finitaires si
X est une partie d'un espace vectoriel ou d'un groupe et si y E< X>, alors il
existe une partie finie F de ""y telle que y E <F> (pour les espaces vectoriels, cette
propriété résulte i1nméclia.ten1ent. du théorè1ne 8). On peut montrer que IRn muni
de ses parties convexes est également un espace finitaire. En revanche, les espaces
topologiques IRn utilisés en Analyse ne sont pa.s finitaires.
Voici un exemple qui illustre bien l'idée d'espace finitaire. Considérons l'espace
vectoriel lR.[){] des polynômes en . \{
. à coefficients réels et soit S le sous-ensemble
infini de IR[){] constitué des polynômes
(nE lN)
Il est clair que <S'>= ffi.[.Y]. De ce fa.it, si p est un polynôn1e quelconque dans
lR.[X], on est assuré de l'existence d'une partie finie E de S' telle que p E<F>.
Bien entendu, dans cet exemple, l'existence d'une telle partie saute aux yeux : SI p
est de degré n., il suffit de prendre F = {1, X, ..-~ 2 , ••• , xn }.
6.5 Exercices
1. R.echercher des exen1ples d'espaces à. fern1eture en partant d'un graphe, d'un poly-
èdre.
2. Détern1iner la. fenneture convexe des ensen1bles suivants de points de E 3 :
(a.) une sphère

(b) la. réunion de deux droites parallèles
(c) la. réunion de deux droites sécantes
(d) la. réunion de deux droites gauches
:3. Da.ns ]'espace vec.t.orie] B~ ~ détern1iner <){> si ~Y est
(a.) une droite pa.ssa.nt pa.r o

(b) une droite ne passant pas par o

CHAPITRE 6. ESPACES 1lECTORIELS ET PARTIES GÉNÉRATRICES 61
(c) un plan passant par o

(d) un plan ne passant pas par o
(e) une sphère de centre o
(f) une sphère de centre c =/= o
(g) la. réunion de deux droites gauches
4. Si l/{11 et lV2 sont des sous-espaces d'un espace vectoriel V, prouver que W1 + H12
est le plus petit sous-espace de V contenant H11 et liV2 , autre1nent dit que
5. Le vecteur (0, 1, 5) de ffi.3 appartient-il à <)(> si
)( = {(1,3,--1),(2,5,0)}
6. Soient H11 et l/{12 les sous-espaces de IR? définis par

Vf11 = {(x, y, 0) 1 x, y E IR}
H12 =< ..'(> où)(= {(0, 1, 1), (2, 0, 1)}
Décrire les vecteurs des sous-espaces H11 n H12 et Hl1 + Hl2 •

7. Soit Hl le sous-espace de IF; engendré par
{(1,0,1,0),(0,1,2,2)}
Combien Hf comprend-il de vecteurs ?
8. Dans l'espace vectoriel ffi.[ ..\"'] des polynômes en X à coefficients réels, le sous-espace
engendré par {1, 1 + ){, ){ + ~X' 2 } con1prend-il tous les polynômes en X de degré
s; 2?
9. Dans IR(~YJ, le polynôn1e ~3)( 2 - 5)( + 2 est-il cmnbinaison linéaire des polynômes
1,1- )(et (1- X)2?
10. Les ensembles suivants sont-ils des parties génératrices de ffi? ?
(a.) {(1,0,0), (0, 1,0), (0,0, 1)}

(b) {(1~2,3),(2,3,4),(3,4,5)}
( c ) { ( 1' 2 ~ :3 ), (2' :3 , 1), (:3 ~ 1, :2 ) }
11. Prouver que {(1, 1, 1), (0,0~ 1), (0, 1, -1), (1, 1,0)} est une partie génératrice de IR3 .
Est-elle n1ini1na.le ? Dans la. négative, reste-t-elle génératrice si on lui enlève un
quelconque de ses élé!nents ?
12. Trouver une condition nécessaire et suffisante sur les nombres réels a, b, c pour que le
vecteur (a, b, c) de IR? appartienne au sous-espace engendré par les vecteurs (0, 1, -1)
et (5,--2,1).

13. Les notnbres complexes 1 +i et 2 -.Si engendrent-ils <C considéré comme espace
vectoriel sur IR ?
14. Les non1bres réels 1 et vf2 engendrent-ils IR considéré cointne espace vectoriel sur
(Q?
15. Da.ns <C 3 considéré comme espace vectoriel sur <C, soit
Détern1iner les valeurs de a pour lesquelles (1, 1, 1) E<S>.
16. Soit 1 == {a, b} un ensemble de cardinal 2. L'espace vectoriel IF~ des fonctions de 1
dans IF3 est-il engendré pa.r les vecteurs f et g définis par
f(a) == 1 et g( a) == 1 ?
f(b) == 2 g(b) == 1
17. Da.ns l'espace vectoriel IRIR des fonctions de IR dans IR, on considère les vecteurs
fi, /2, /3, !4, fs, !6, f, définis par
.fi(x) ==sin x
.fs( x) == sin 2x
.h (l.~ ) == cos x
f6(x) ==cos 2x
f3(x) == sin 2 x
.fï(x) == 1
f4 (x) == cos 2 x
Vx E IR. Les vecteurs .fi, .f2 , .(3, .f4 engendrent-ils le n1ême sous-espace que les
vecteurs fs, .f6, !1 ?

Chapitre 7
Bases et dimension
7.1 Parties libres d'espaces vectoriels

Soit \1 un espace vectoriel. Une partie libre de V est un ensen1ble L de vecteurs de V
tel que
x E L =? x <L - {x}>tt
Il revient au même de dire que L est une base de <L>.
Le résultat suivant, dont la démonstration est imn1édiate, est à comparer avec la.
propriété (4) du théorème 7:
THEOREME 9. Si L est une partie libre de V et si X Ç L, alors X est une partie

libre de V.
La propriété (.5) du théorème 7 peut s'énoncer comme suit : une partie génératrice qui
n'est pas libre contient une partie génératrice plus petite. Cette propriété conduisait à
1'idée de partie génératrice minimale.
On va. voir que, dans un espace vectoriel, une partie .libre qui n'est pas génératrice
est çontenue dans une partie libre plus grande, ce qui conduit à l'idée de partie libre
n1axin1a.le.
La. définition donnée ci-dessus revient. à. dire qu'un ense1nble L de vecteurs de \1 est
x
une partie libre de V si aucun vecteur de L n'est c.on1bina.ison nnéa.ire de vecteurs de
L- {x}.
•
THEOREME 10. Soit L une partie libre d'un espace ''ectoriel V. S'il existe un
vecteur ·ü de V n'appartenant pas à. <L>, alors LU {v} est une partie libre de 11.
Dén1onstration.
Supposons que L U {v} ne soit pas libre. Alors il existe un vecteur E L U {v} qui x
est C0111bina.ison linéaire de vecteurs de L u {v} distincts de x. En outre, x =1- v puisque
63
CI-IAPITR.E 7. BASES ET DI.~\1EN8IOJ\T 64
v tf:.<L> par hypothèse. Donc xE Let on peut écrire

n
x= -Xv+ :L-Xixi où À, Àï E f{ et xi E L - {x}

i=l
x
.On a. À =f 0 car E L ne peut être combinaison linéaire de vecteurs de L - {x} puisque
L est libre. Donc À- I existe et
-Xv= x- :L-Xiii
i
d'où
.x- 1 (-Xv) = ..\- 1 x- Li(.x-l ..\ï)ii
=(..\- 1 -X)v=1v=v
ce qui montre que v est combinaison linéaire de vecteurs de L, une contradiction puisque
v f/:.<L>.
•
Exe1nples.
1. Dans IR?, L = {(l,O,O),(O,l,O),(O,O,l)} est une partie libre. Plus généralement,

dans f{n, les vecteurs ëi (i = 1, ... , n) de la. forme
ëi. = (0, ... ,0,1,0, ... ,0)

(toutes les coordonnées sont nulles sauf la. ième qui vaut 1) forment une partie libre.
2. Dans l'espace vectoriel ffi.[~\""] des polynômes en )( à. coefficients réels, les polynô1nes
1, ..,..-\.,
.. v2
.-'\ ., ••• '
v·n
JI\.. ' ••• (nE IN)
fonnent une partie libre infinie.
3. Quels que soient e1 , e 2 , e3 E E~, la. partie
n'est pas libre.
4. Dans un espace vectoriel V, toute partie )( contenant le vecteur nul n'est pas libre o
(pourquoi ? ). Par contre~ la. partie vide est toujours une partie libre .
.5. N'oublions pas que toute partie d'une partie libre est elle-même une partie libre;
ceci pern1et de construire beaucoup d'autres exen1ples.
Si L est une partie libre d'un espace vectoriel 11, les vecteurs de L sont dits linéaire-
Inent indépendants. Ainsi, dans rn?, les vecteurs (1, 1) et ( -1, 1) sont linéairement
indépendants, tandis que les vecteurs {1, 1) et ( -2, -2) ne le sont pas.
Le résultat suivant n1ontre que, dans un espace vectoriel, la. notion de partie libre peut
être définie a.utretnent. Techniquen1ent et pra.tiquen1ent, ce résülta.t a. une importance
considérable :

CHAPITRE 7. BASES ET DL~.fENSJOI\T 65
THEOREME 11. Soit L unepa.rtie d'un espace vectoriel V. Les propriétés suiv-
antes sont équivalentes :
(1) L est libre

(2) quels que soient À1 , .•. , Àn E f{ et xï, ... , x~ E L,
n
L Àiii = 0 => À1 = À2 = ... = Àn = 0
i=1
Démonstration.
• (1) implique (2). Supposons le contraire. Alors il est possible d'avoir LiÀïxi =o
avec les Àï non tous nuls. Comme l'addition est commutative, il n'est pas restrictif
de supposer que .\ 1 # O. Dès lors .\ï 1 existe et
d ' ou'
x-; = la~ = (/\~ 1
,.\t):1~ = .\~ 1
( -"\2~lS- ... - Ànx~)
Donc xï est combinaison linéaire de vecteurs de L - xï et L n'est pas libre, con-
trairement à l'hypothèse (1 ).
• (2) implique (1). Supposons le contraire. Alors il existe un vecteur xE L tel que
x E<L- x>, c'est-à-dire
x= L Àia~ avec Àï E /{ et ii E L- x
z
On a. donc
Ix- LÀïa~ =o
t
et dans cette combinaison linéaire, le coefficient de x est non nul, contrairement à

l'hypothèse (2).
•
Afin de n1ontrer l'in1portance pratique du théorèn1e 11, traitons quelques exen1ples:
1. Dans l'espace vectoriel fR?, pour vérifier que les vecteurs ( -1, 1, 0), (0, 1, 1),
( 1, 0, -1) forn1ent une partie libre, il suffit de prouver que
À 1 ( -1' 1' 0) + À 2 ( 0, 1' 1) + À3 ( 1' 0' -1) = ( 0' 0' 0)
(où À1, À2, À3 E lR) implique À1 = .À 2 = .,\ 3 =O. Or l'égalité ci-dessus peut s'écrire

CHAPITRE 7. BASES ET DI1\1ENSI01V 66
ce qui in1plique
- Àl + À3 =0
{
Àl + À2 =0
À2 - À3 = 0
ce systèn1e d'équations linéaires hon1ogènes admet comme seule solution À1 = À2 =
À3 = 0: en effet, en ajoutant les 3 équations membre à membre, on obtient 2À 2 = 0,
donc À2 = 0, d'où on déduit immédiatement que À1 et À3 sont nuls. Les vecteurs
donnés sont donc bien linéairement indépendants.
2. Dans l ,espace vectoriel IR[)[] des polynômes en X à. coefficients réels,

"\T ,r2
1'41\., . /l.. , ••• ,
xn , •••
fonnent une partie libre (et génératrice) car, quels que soient n E JN. et
À(), ... , Àn E IR,
n
2: Àï ..-Yi = 0 =} Àc = ... = Àn = 0
i=O
(attention : le pren1ier 0 représente le polynô1ne nul, tandis que le deuxième 0
représente le nmnbre réel zéro).
:3. Dans l'espace vectoriel IR.m., les fonctions J, g, h définies par f(x) = ex, g(x) =
sin x, h( x) = cos x sont-elles linéairen1ent indépendantes ? Si
Àj + j.tq + vh = 0 avec À, p,, v E lR
alors, Vx E IR,
Àj(x) + pg(x) + vh(x) = 0
autren1ent dit
À ex +Il sin x+ 11 cos ~r =0
En donnant à. ~r les valeurs 0, ~, rr, on obtient
+v = 0
+~t =0
-v = 0
En ajoutant membre à. membre la 1ère et la :3ème équation de ce système, on trouve

À(1 + e7r) = 0, donc À = 0, d'où on déduit iminédiatement Jl = 11 =O. Les fonctions
j, g, h sont donc Hnéaire1nent indépendantes.
Con1n1entaire sur les espaces à fer1neture.
La notion de partie libre s'étend à. tout espace à. fermeture Ede même que le théorème 9 et
sa démonstration in1médiate. Les théorèmes 10 et 11 n'ont pas cette portée générale mais
ils posent des questions à. propos des Inodules sur un anneau. Nous constatons cependant
l'utilisation explicite d'un inverse multiplica.if. Peut-on s'en dispenser et généraliser dans
7ln?

CHAPITRE ï. BASES ET DIJ\1ENSION 67
Le théorèn1e 10 conduit à. une notion plus générale que celle d'espace vectoriel : la
notion de n1atroïde qui s'est développée à partir de 19:3.5 et qui englobe à la fois les
espaces a.ffins, les espaces projectifs n1ais pas les groupes munis de leurs sous-groupes.
On appelle n1atroïde tout espace à fermeture .A1 tel que, pour toute partie libre L de
A1 et tout point x E 1\1- <L>, l'ensen1ble LU {x} est une partie libre de A1.
7.2 Bases d'un espace vectoriel

Le résultat suivant permet de reconnaître une base de trois manières différentes :
THEOREME 12. Soit V un espace vectoriel et B une partie de V. Les

propriétés suivantes sont équivalentes :
( 1) B est une partie génératrice minimale (ou base) de V
(2) B est une partie libre maximale de V
(:3) B est une partie génératrice et libre de V
Dén1onstration.
• (1) i1nplique (:3). En effet,(1)irnplique que si xE B, alors B- {x} n'est pas une
partie génératrice de V, donc x f/:.<B- {x}> grâ.ce à la propriété (5) du théorèn1e
7 (page 58) et de ce fait B est une partie libre de V.
• (3) implique (2). En effet, si la. partie libre B n'était pas maximale, il existerait un
point x (j:. B tel que B U {x} soit encore une partie libre, mais alors x rJ. et B
ne serait pas génératrice, une contradiction.
• (2) in1plique (1). En effet, puisque B est libre maxin1ale, il n'existe aucun point
x E 11- , autren1ent dit = V et B est clone génératrice. En outre, si B
n'était pas génératrice tninimaJe~ il existerait un point bE B tel que B- {b} soit
encore une partie génératrice, n1ais alors b E<B- { b}>et B ne serait pas libre, une
contradiction.
•
Comn1entaire.
Le théorèn1e 12 et sa dé1nonst.ra.tion s'étendent immédia.te1nent à. tout n1atroïde
7.3 L'existence de bases

THEOREME 13. Soit V un espace vectoriel, L une partie libre de 11 et P
une partie de 11 contenant L. Alors il existe une base B de telle que
LÇBÇP

CHAPITRE 7. BASES ET DIA1ENSION 68
En prenant L = 0 et P = \1, on en déduit immédiatement un résultat fondamental :

COROLLAIRE. Tout espace vectoriel possède une base.
La démonstration du théorème 1:3 faisant appel à des notions de théorie des ensembles,
nous allons d'abord exposer celles-ci brièvement.
Etant donné un sous-ensemble S d'un ensemble ordonné E, :::;, on appelle borne
supérieure de S tout élément b E E tel que x :::; b \/x E S. D'autre part, on dit
qu'un élément rn E S est un élén1ent Inaximal deS si aucun élément deS n'est stricte-
ment plus grand que m, c'est-à-dire si rn :::; x implique rn = x \/x E S (notons qu'un
élé1nent ma.xiinal deS n'est pa.s nécessairement une borne supérieure de S).
Le len1n1e de Zorn (qu'on peut considérer comrne un axion1e de la théorie des en-
senlbles, équivalent à. l'axion1e du choix) s'énonce alors con11ne suit :
Soit E un ense1nble ordonné non vide. Si toute partie totalement ordonnée de E
possède une borne supérieure dans E, alors E possède un élément maximal.
Dé1nonstration du théorè1ne 13.
Soit .C l'ensen1ble des parties libres de \1 contenant Let contenues dans P . .C est non
vide (car L est un élé1nent de .C) et est ordonné par inclusion. Nous a.llons montrer que
.C possède un élén1ént maximal.
Soit T un sous-ensemble totalen1ent ordonné de .C, constitué de parties libres emboîtées
Li( i E 1) contenant L et contenues clans P. Posons Ly = Uïei Li. Il est clair que Ly
contient L et est contenu dans P. Pour prouver que Ly est une borne supérieure de T
dans .C, il reste à établir que Ly est un élément de .C, c'est-à-dire que Ly est une partie
libre de li. Il suffit de prouver que toute partie finie {x 1 , ••• , Xn} de Ly est une partie
libre de \1. Chacun des points Xt, ••• , Xn appartient à un des Li. Parmi ces parties libres
(en no1nbre fini :::; n), il y en a. une (soit Lk) qui contient toutes les autres puisque T est
totalement ordonné. Tous les a: 1 , ••• , Xn sont donc dans Lk et, comme Lk est une partie
libre de \1, il en est de même de { Xt, . .. , Xn}.
On vient de prouver que tout ense1nble totalement ordonné T de .C possède une borne
supérieure Ly da.ns .C. Dès lors, le len1me de Zorn peut s'appliquer et .C possède un
élén1ent n1a.xirna.l B, qui est une partie libre de V telle que L Ç B Ç P. B est donc
aussi une partie libre de . Pour prouver que B est une base de , il suffit, grâ.ce
au théorème 12, de prouver que B est une partie génératrice de , c'est-à-dire que
=. Comn1e B Ç P implique Ç, il reste à montrer que '2,
ou encore que 2 P (car ceci ilnplique que =<>2). Si ne
contenait pa.s P, il existerait un point p E P tel que p </:. . Comme est un espace
vectoriel et p E - , BU {p} serait une partie libre de (donc aussi de l/)
contenant L et contenue da.ns P ~ ce qui contredit la. Ina.xima.lité de B dans .C.
••
THEOREME 14. Soit V un espa.ce vectoriel. Pour tout sous-espace S de
11 et tout point p </:. S, le sous-espace <SU p> couvre S, c'est-à-dire qu'il
existe pa.s de sous-espace contenant strictement S et contenu strictement da.ns
<8 u p>.

CHAPITRE 7. BASES ET DIA1ENSI01V 69
Démonstration.
Le théorèn1e 13 appliqué à L = 0 et P = S fournit une base B de S. Comme
<BU p>2 Up = SU p, on a <BU p>"2_<S U p>. Comme d'autre part BU p Ç SU p,
on a. <BU p>Ç<S U p>. Par conséquent <BU p>=<S U p> et BU pest une partie
génératrice de <SU p>.
Le théorè1ne 13 appliqué à L = B et P =EUp montre qu'il existe une base de 
contenant B et contenue dans B U p. Comme = S f:.<S U p>, cette base ne peut
être B et par conséquent B U p est une base de <5 U p>.
Supposons qu'il existe un sous-espace Hl tel que
Sc Hl C
Alors il existe un point q E Hl -S'et BUq est une partie libre de <S'Up>. Si p tt<BUq>,
alors ( B U q) U p est libre pour la. n1ên1e raison et ceci contredit le fait que BU p est une
partie libre n1axin1ale (car une base) de <SU p>. Donc p E. On en déduit que
<BU p>ÇÇ Hl et, puisque <BU p>=<S U p>, on obtient <SU p>Ç TIV qui
est une contradiction. Il n'existe donc pas de sous-espace Hl "en sandwich" entre S et
<SU p>, autrement dit <SU p> "couvre" S.
•
Con1n1entaire sur les n1atroïdes de caractère fini.
On dit qu'un n1atroïde .~1 est de caractère fini si une partie L de 1\1 est libre dès que
toute partie finie de L est libre. C'est le cas des espaces vectoriels, co1nme le montre le
théorème 11 et c'est le cas des espaces affins (et des espaces projectifs). Les théorèmes 1:3
et 14,a.insi que leurs démonstrations, sont valables pour tout matroïde de caractère fini.
7.4 Dimension d'un espace vectoriel

Grâ.ce au théorètne 1~3, tout. espace V<"ctoriel V possède une base.
THEOREME 15. Toutes les bases d'un espace vectoriel V ont le même
nombre d'éléments.
Dé1nonstration.
Soient B et B' deux bases de 11.
1. Traitons d'abord le cas plus sin1ple où l'une d'elles, par exe1nple B, a un no1nbre
fini n d'élén1ents. Posons i = lB n B'l et procédons par récurrence sur n-i. Pour
n-i = 0, on a B Ç B' donc B = B' puisque B' est une partie génératrice minimale
de V. Supposons à présent n - i > O. On va prouver que la validité du théorème
pour n - i - 1 entraîne sa. validité pour n - i. Pa.r l'hypothèse de récurrence, nous
sa.vons que deux bases de V a.yant i + 1 éléments en commun ont le même cardinal.

Soit B = {e 1 , •.• ,en} et BnB' = {et, ... ,ei}.

Con1n1e B est une partie génératrice minimale, B- ei+I n'est pas génératrice et par
conséquent B' n'est pas contenu dans puisque <B'>= V. Dès lors, il
existe y E B' tel que y ~<B- ei+I> et nous savons par le théorème 10 (page 6:3)
que B" = (B - ei+I) U y est une partie libre de V. Par le théorème 14, = V
couvre <B- ei+I>· Comme y f/:.<B- ei+I>, il en résulte que <B">= V.
Donc B" est libre et génératrice, autrement B" est une base de V. De plus B' nB"
possède i + 1 éléments, à savoir e1 , ••• , ei, y. L'hypothèse de récurrence s'applique
à cette situation et IB'I = IB"I· D'autre part, B" = n par construction. On a donc
bien IBI = IB'I = n.
2. Supposons à présent que chacune des bases B, B' a une infinité d'éléments. Pour
toute partie finie F de B, posons F' = B'n <F>. F' est une partie libre de <F>.
Par le théorè1ne 1:3, F' est donc contenue dans une base de < F>. D'autre part,
<F> adn1et une base finie, à. savoir F. Par la. pren1ière partie de la démonstration,
on sait que toutes les bases de < F > ont !FI élén1ents et par conséquent F' est
une partie finie de B' (puisque F' possède au plus IFI éléments). Nous avons ainsi
construit une application a de l'ensemble :F des parties finies de B dans l'ensemble
F' des parties finies de B', application définie par a(F) = B'n <F> 'tiF E :F.
On va prouver maintenant que la. réunion des ensembles a(F), où F E :F, est
l'ensernble B'. Soit e' un élément quelconque de B'. Il suffit de prouver que e' est
recouvert par un des a(F). Puisque B est une base de V, il existe une partie finie
F de B telle que e' E<F>. Dès lors e' E B'n <F>= a(F).
On dén1ontre en théorie des ensen1bles qu'un ensemble infini a. le même cardinal que
l'ensernble de ses parties finies, de sorte que IBI = I:FI et IB'I = IF'I· D'autre part,
la(F)I : : ; IFI = IBI car l'image d'un ensemble par une application a un cardinal
inférieur ou égal à celui de cet ensemble, et la(F) 1 ::::; I:F'I = IB'I car un ensemble a. un
cardinal supérieur ou égal à celui d'un sous-ensemble. Comme a(F) est un ensemble
de parties finies de B' dont la. réunion est égale à B', on a aussi 1a( F) 1 > 1B' 1· Il en
résulte que la(F)I = IB'I et par conséquent IB'I < IBI. Pour des raisons de symétrie
évidentes, on a. aussi IBI : : ; IB'I, ce qui achève la démonstration.
•
Le nornbre d'élén1ents con1n1un à. toutes les bases de V est appelé la. din1ension de V
et est noté
din1 ~'
La dimension clim 1/ d'un espace vectoriel V sur le corps J{ est parfois notée din1K V
lorsqu 'on veut préciser le choix elu corps : en effet, la dimension de 11 dépend du corps
sur lequel V est défini. Ainsi ([\ considéré comme espace vectoriel sur ~' est de dimension
1 (car le singleton { 1} est une base) et on écrit dim<C ~ = 1. Par contre ~' considéré
comme espace vectoriel sur IR, est de diinension 2 (car { 1, i} est une base) et on écrit
.
dlffiJR \1..; = . . .
lf'1 •)

CHAPITRE 7. BASES ET DL~1ENSIO ..N 71
Exe1nples.
1. f{n est de dimension n sur f{ ca.r les n vecteurs
(1, 0, 0, ... '0), (0, 1, 0, ... '0), (0, 0, 1, ... , 0), ... '(0, 0, 0, ... '1)
en constituent une ba.se. Cette ba.se est appelée la. base canonique de J{n.
2. IR[ X] est de dimension infinie dénombrable car { 1, X, X 2 , •.• , xn, ... } en est une
base.
3. E~ est de dimension 3.
4. Dans tout espace vectoriel li, le sous-espace { o} est de dimension 0 car la partie
vide en est une base .
.5. Si a 1 ~ a 2 , . ..• an sont des fonctions continues de IR dans IR., on dén1ontre en Analyse
que l'ensen1ble des fonctions n fois dérivables de IR clans IR qui vérifient l'équation
différentielle linéaire hon1ogène du n-èn1e ordre
est un espace vectoriel réel de dimension n.
THEOREME 16. Dans un espace vectoriel '/ de dimension d,
(i) toute partie libre possède au plus cl élé1nents

(ii) toute partie génératrice possède a.u n1oins d éléinents
De plus, si la dirnension d est finie,
(iii) toute partie libre de d éléments est une base

(iv) toute partie génératrice de d éléments est une base
Dén1onstration: à. faire con1n1e exercice.

Ren1arque. Si la. din1ension d est infinie, une partie libre de cardinal d n'est pas
nécessa.iren1ent une base. En effet, soit B une base de li. Si e E B, alors lB- el= IBI
(car B est un ensen1ble infini) et B- t: est donc une partie libre de cardinal d qui n'est pas
une base de V. De n1ên1e, une partie génératrice de cardinal d n'est pas nécessairement
une base car si ~·r E V - B, alors lB U xl = IBI et BU x est donc une partie génér.a.trice
de cardinal d qui n'est pas une base de l'.
On aurait tort de négliger l'importance pratique du théorème précédent. Voici quelques
exemples de situations oi1 il s'applique :
1. On a. prouvé da.ns l'exen1ple 1 de la. page 65 que les vecteurs ( -1, 1, 0),(0, 1, 1)
et ( 1, 0, -1) forn1ent une partie libre de IR?. Con1me cet espace vectoriel est de
dünension :)~ on en déduit in1mécliatement, grâ.ce à. la. propriété (iii) du théorèn1e
16, que cr's :3 vecteurs fonnent une base de ffi.3 , sa.ns avoir à. vérifier qu'ils engendrent
IR3.

CHAPITRE 7. BASES ET DIIvlENSION 72
2. L'ensemble des fonctions y : IR --+ lR deux fois dérivables vérifiant l'équation

différentielle linéaire homogène du second ordre
y" - 5y' + 6y = 0 ( *)
est un espace vectoriel réel V et on sait par le cours d' Ana.lyse que dim V= 2.
Cherchons des solutions de ( *) de la. forme y( x) = er x où r E lR. En remplaçant
clans l'équation, on obtient
( r 2 - 5r + 6) er x = 0
c'est-à-dire
r
2
- 5r +6 =0 (puisque er x # 0)
d'où on tire
r= 2 ou :3
Les 2 solutions y1 (x) = e2x et y 2 (x) = e3 x de(*)
sont Unéairement indépendantes
(exercice). Grâ.ce au théorèn1e 16 (iii), elles fon11ent un base de V et par conséquent
toute solution de ( *) est de la. forn1e
y(x) = À e2x + 11 e3x
avec À, Jl E IR.
3. Etant donné un nombre réel 1~ quelconque, considérons la fonction fr lR --+ lR
définie par
fr(x)={ ~
SI X= r
si x# r
L'ense1nble L = {fr 1 r E ffi,} est une partie libre de l'espace vectoriel réel IRIR de
toutes les fonctions de IR dans IR. En effet, quel que soit n E IN 0 et quels que soient
les no1nbres réels distincts 1~1, ••• , rn'
implique, pour tout i = 1, ... , n,
c'est-à.-dire
et par conséquent Ài = 0 Vi = 1, ... , n.

Com1ne la. partie libre L co1nprend une infinité non dénombrable d'éléments, on en
déduit, par le théorèm~ 16 (i), que l'espace vectoriel réel IRIR est de dimension
infinie non dénon1brable.
Notons queL n'est pas une base de ffi.IR. En effet, L n'est pas une partie génératrice
de lRlR. car la. fonction f telle que f(x) = 1 Vx E lR n'est pas combinaison linéaire
(d'un non1bre fini) d'élén1ents deL. En fait, bien qu'on sache que lRlR possède une
base (voir le corollaire du théorèn1e 1:3), on ne; connaît pa.s expliciten1ent une telle
base !

CHAPITR.E 7. BASES ET DL~tfE1VSION
4. Le corps IR considéré comme espace vectoriel sur lui-même est de dimension 1.

Quelle est la dimension de IR considéré comme espace vectoriel sur <Q ? Désignons
par Ln le sous-ensemble
{ 7r n ,7r n-1 , ••• ,7r 2 ,?r, 1}
de IR, où 1r = 3, 14159 ... est le rapport de la longueur d'un cercle à son diamètre
et où n E lN. Ln est une partie libre de lR sur <Q, sinon il existerait des nombres
rationnels À0 , À1 , ... , Àn non tous nuls tels que
et 1r serait racine d'une équation polynomiale à coefficients rationnels non tous nuls.
Ceci est impossible puisque 1r est transcendant (théorème de Lindemann, 1882).
Donc Ln est libre Vn E lN et par conséquent lR ne peut pas être de dimension
finie d sur <Q sinon toutes les parties libres de lR sur <Q auraient au plus d éléments
( théorèn1e 16 ( i) ). R.etenons que IR est de diinension infinie sur <Q. Une base de
IR sur <Q s'appelle parfois une base de Hamel; on n'en connaît aucune explicitement!
Con1n1entaire sur les n1atroïdes.
Soit A1 un matroïde finitaire de caractère fini. Les théorèmes 1.5 et 16 ainsi que leurs
dé1nonstrations, s'étendent à .~1. Il en va. de même pour la notion de dimension.
7.5 Coordonnées
Nous abordons l'un des aspects les plus intéressants de la notion de base d'un espace
vectoriel V: on va. voir co1nment l'idée jusqu'ici un peu vague de "système de coordonnées"
s'interprète avec précision au n1oyen des bases. Examinons d'abord le cas plus simple où
V est de dimension finie n, :
THEOREME 17. Si B = { e-;, ... ,e-;.} est une base d'un espace vectoriel
11 sur J(, alors tout vecteur de V s'exprime d'une et une seule 1nanière
co1n1ne co1nbinaison linéaire des vecteurs de B.
Dé1nonstration. Comme B est une partie génératrice de V, tout vecteur de V peut x

s'exprin1er d'au 1noins une manière con11ne con1binaison linéaire des ei. Supposons que
n n
. . . 2: ·")··e·-
·")·-
•l· -
. . 2: , . .
,..., ~ 1 - ·~·.e·
,(. ~ ~
i=l i=l
Alors
Comme B est une partie libre de F, on en tire Xi- xi = 0 Vi, donc Xi= xi.
•

CHAPITRE 7. BASES ET DI1\1ENSION 74
x
En résun1é, lorsqu 'une base B de V est donnée, à. tout vecteur de V correspond un n-
uple ( x 1 , ... , :l~n) d 'élén1ents de J{, ce n.-uple étant formé des coefficients de la. combinaison
linéaire
Les Xi s'appellent les coordonnées (ou composantes) de x dans la base B.

Exen1ple. Dans lR?, considérons la base B = {eï, e2, e3} où eï = (1, 0, 0), e2
(0, 1, 0), e3 = (0, 0, 1). On peut vérifier (exercice) que B' = {:3eï, 2e2, eï + e2 + e3} est
encore une ba.se de IR?. Les coordonnées de eï dans la base B' peuvent s'obtenir con1n1e
suit :
eï = ~{3eï) + 0(2e2) + O(eï + eï + e3)
donc el a. les coordonnées (~, 0, 0) dans B'. De même, e2 a les coordonnées (0, ~' 0) et
e3 a·les coordonnées ( -~, -~, 1). Quelles sont les coordonnées d'un vecteur quelconque
(x,y,z) de IR? dans la. base B'? On a.
(x, y, z) = xeï + ye2 + ze3

= x(~(:3e1)) + y(~(2e2)) + z( -~(:3eï)- ~(2e2) + (eï + e2 + e3))
-- (1,
3a. - 3..:- ]-)(?-:-+)
1-)('3·. e1.... ) + (12Y - 2"" e1 +-
~é-2 + --(- e2 + e3
-:-+)
donc (x, y, z) a les coordonnées
dans la ba.se B'.

L'introduction de coordonnées permet de démontrer un résultat fondamental : tout
espace vectoriel 11 de din1ension finie n sur J( est ison1orphe à l'espace vectoriel
J{n.
THEOREME 18. Soit B = {e}, ... ,e~} une base d'un espace vectoriel1/
sur un corps f( et, \1;1! EV, soit x=
:t 1eï + ... + Xne~. Alors l'application
est un ison1orphisme de 11 sur J(n.
Dén1onstration. Par le théorè1ne 17, 1'a.pplica.tion a- est une bijection et il suffit donc de
vérifier que a· conserve l'addition et la. n1tdtiplication scalaire. Si ;t = L Xiëi et y= LYiei~
on a.
d'où
a( x+ y) = (;r.I +Yb x2 + Y2, ... , Xn + Yn)
= (a~I, X2, · · ·, Xn) +(yi, Y2, · · ·, Yn)
= a:( x) + a( y)
On vérifie de n1ên1e que a:( Àx) = Àa:( x) VxE 11, VÀ E J{.
•
CHAPITRE 7. B.4.SES ET Dil\1ElVSION 75
Ce résultat fournit une véritable classification des espaces vectoriels de dimension finie,
car il montre que deux espaces vectoriels 11 et 11' de diinension finie sur un même corps
]{ sont ison1orphes si et seulement si di1nK 11 = dimg V'. Autrement dit, à tout nombre
naturel n et à tout corps ]{ correspond essentiellement un espace vectoriel de dimension
n sur ]{, et il n'est pas restrictif de supposer qu'il s'agit de l'espace vectoriel ]{n.
Examinons maintenant comment les théorèmes 17 et 18 s'étendent aux espaces vecto-
riels de dimension infinie.
THEOREME 17'. Si B = {ëi 1 i E J} est une base d'un espace vectoriel V

de clin1ension infinie sur f{, alors tout vecteur noi1 nul de \1 s'exprime d'une
et une seule n1anière con1me con1binaison linéaire à coefficients non nuls
d'un no1nbre fini de vecteurs de B.
x
Déri1onstration. Soit un vecteur non nul de 11. Corrune B est une partie génératrice
de V, il existe une partie finie F de I telle que
avec 0 f= ~C·i E f{ Vi E F. Supposons qu'il existe une autre partie finie F' de 1 telle que
avec 0 f= xj E ]{ Vj E F'. Alors
x- x= o= LXïei- L xjej
iEF jEF'
Comme B est une partie libre de V, ou en tire F = F' et Xi = x~ Vi E F.

•
Le débutant est toujours un peu surpris de constater que si B est une base d'un
espace vectoriel v· de dimension infinie, tout vecteur de V ne possède qu'un nombre fini
de coordonnées non nulles clans la base B. Si un vecteur pouvait avoir une infinité de
coordonnées n_&n nulles, il faudrait donner un sens à. certaines sommes infinies; ceci exige
une théorie dè?éônvergence et des limites qu'on peut développer notamment sur ffi. et sur
Qj co1nme on le verra. au cours d'Analyse.
Le résultat suivant généralise le théorème 18 :
THEOREME 18'. Soit B = {ëi 1i E J} une base d'une espace vectoriel 11

x
sur un corps A' et~ V E \/, soit :r = Li xiëi où il n'y a qu'un nombre fini de
Xi non nuls. Alors l'application
Q :x~ (I ~ ]{ : i ~ Xi)
est un ison1orphisme de V sur l'espace vectoriel ]{U) des fonctions presque

nulles de 1 dans f{.

CHAPITRE 7. BASES ET DI1\1El\TSION 76
La. démonstration est laissée comme exercice
COROLLAIRE. Deux espaces vectoriels V et 1i' sur un n1ême corps]{ sont

isomorphes si et seulement si di mg V = dimg 11'.
A tout cardinal d (fini ou infini) et à tout corps ]{ correspond donc essentiellement un

espace vectoriel de dimension d sur ]{.
7.6 Applications
Parmi les très non1breuses applications de la théorie qu'on vient de développer, en voici
trois qui sont à. la fois spectaculaires et faciles à. décrire.
7.6.1 Codes correcteurs d'erreurs
Supposons qu'on utilise un code linéaire C (voir pa.ge :30) qui soit un sous-espace de
dimension 16 de IF~ 2 . Comme ICI = 216 = 65.536, il est hors de question de dresser une
liste complète des mots de C pour les comparer à un mot reçu au cours d'une transmission.
Un moyen beaucoup plus sin1ple consiste à. choisir 16 1nots e 1 , ... , e16 formant une base
de C. Pour vérifier si un mot reçu rn appartient ou non à. C, il suffit de chercher si rn est
combinaison linéaire des ei, c'est-à-dire s'il existe des éléments x 1, ... , x 16 de IF2 tels que
rn = L: Xiei (et ceci peut se programmer aisément sur un ordinateur). La recherche des
Xi revient en fait à. résoudre un système de 32 équations linéaires en les 16 inconnues Xi.
Pour 1nieux mettre ce point en évidence, simplifions les données et supposons que C
soit un sous-espace de din1ension 4 de IF~, les vecteurs
e1 = (1,0,1,0,1,0)
e2 =(0,1,0,1,0,1)
e3 = (1,0,0,1,0,0)
e4 = (0,1,0,0,1,0)
formant une base de C. Si m.= (1, 1, 0, 1, 0, 0), alors 1n = L: Xiei entraîne
1 = X1 + X3
1 = x 2 + X4
0 = XI
1 = X2 + X3
0 = X1 + X4
0 = X2
et ce systèn1e n'a. visiblement aucune solution, donc rn fi: C et on a détecté au moins une
erreur de transmission.

CHAPITRE 7. BASES ET DI111ENSI01\T 77
7.6.2 Analyse dimensionnelle en physique
Adn1ettons que l'expérience physique pennette de se persuader que la. fréquence de vi-
bration d'une corde tendue ne dépend que de la tension, de la densité linéaire (masse par
unité de longueur) et de la longueur de la corde. Le physicien postule alors que
(1) fréquence= constante· (tension)a ·(densité linéaire),e · (longueur)1' où a,/3,ï sont
des exposants à déterminer.
C'est ici qu'intervient l'analyse dimensionnelle, qui est un travail purement mathéma-
tique. Les grandeurs utilisées s'expriment en fonction des trois grandeurs fondamentales
L, 1\!f, T par
fréquence = r-1
tension = .A.f LT- 2 (c'est une force)
densité linéaire = JlfL- 1
longueur =L
Dès lors, ( 1) implique

(2) r- = (1~1 LT-
1 2 )a(A1 L- 1 ),e L1' = Lcx-J3+1' Afo:+J3y- 2 cx d'où
Ci ~ + 1 - 0
0' + (3 = 0
{
-2 Ci = -1
et finalement o- = ~' ll = -~, 1 = -1, ce qui conduit à. la loi de Mersenne:
, v'tension
frequence = C----r======
longueur v'densité linéaire
On peut avoir le sentiment que la théorie des espaces vectoriels n'intervient pas dans le
calcul technique qu'on vient d'effectuer. Cette théorie aide pourtant à comprendre ce
calcul et à. le dépasser. Quel est l'espace vectoriel qui se cache dans cette question? C'est
l'espace IR? : L est représenté par le vecteur (1, 0, 0), JJ1 par le vecteur (0, 1, 0), T par le
vecteur (0, 0, 1) et (2) s'écrit
(0,0.-1) = a(l,L-2) +/3(-l,l,O)+··y(l,O,O)
Seules les notations sont inhabituelles : au lieu d'écrire des co1nbinaisons linéaires des
vecteurs de base L, J\.f, T sous la. forn1e aL + f3A1 + 1T, on les écrit plutôt Lo: JvfJ3T1', au
lieu d'écrire
(o:L + (3JJ1 + ïT) + (a' L + /3' Af + ï'T) = (a+ a')L + (/3 + (3')1\1 + ("'1 + "/)T
on écrit plutôt
et
est re1nplaçé par

( L o·1~.f 13 T1')·' = L o:.\ J1i3·\TÎ'·\
Retenons que l'ensemble des grandeurs physiques dépendant de la longueur, de la. 1na.sse
et du temps est un espace vectoriel réel de dimension :3, dont les grandeurs fondamentales
L, 1\1, T cons ti tuent une base.

CHAPITRE 7. BASES ET DIA1EN8ION 78
7.6.3 Equilibrage de réaction chimiques

Chacun est familiarisé avec une situation chimique du type suivant : des molécules de Ca
et de H3 P0 4 réagissent et donnent des molécules de Ca3P20s et de H2. Bref
Quelles proportions de molécules de deux produits de départ se combinent et quelles sont

les proportions de produits obtenus ? On pose
Le cotnpte tenu des aton1es de calcium de part et d'autre, ainsi que le compte des atomes
de phosphore, d'hydrogène et d'oxygène, conduit à.
1~~
2r
- 2,
- 26
4(3 - s,
Ce systètne adtnet (parmi d'autres) la solution
a = :3, /3 = 2, 1 = 1, 8 = 3
et celle-ci est "la. plus sin1ple" en n01nbres naturels non nuls.
En fait, on vient de manipuler des combinaisons linéaires dans un espace vecto-
riel de dimension 4 adtnettant con1n1e vecteurs de base les atomes de Ca, P, 0 et H.
Ceci n'apparaît guère dans les ca.s simples que rencontrent les débutants, mais pour des
équations chin1iques plus con1plexes la vision vectorielle facilite la tâ.che.
7. 7 Dimension, somme et intersection
· THEOREME 19. Si lF1 et H'2 sont deux sous-espaces de clitnension finie

cl 'un espace vectoriel V~ alors
Démonstration. Soit B 1 , 2 = {e""i, ... , e-;.}

une base du sous-espace lVI n w2. Par le
théorètne 13 (page 68), HII possède une base
BI contenant B 1 ,2 et H/2 possède une base B 2
contenant B 1 ,2 • Posons
Alors B = B1 U B 2 est une partie génératrice

du sous-espace ftl/1 + H12 car contient

CHAPITRE 7. BASES ET DI1\1ENSION 79
<B1 >= lif/1 et <B2>= ll/2 , donc contient lif/1 + lif/2 • Prouvons que B est une partie
libre de lif/1 + lif/2 . Pour cela, considérons une combinaison linéaire nulle des éléments de
B:
d'où
\ . . + • • . +'Arer. . + a1x1-+ ·.• + OsXs. . = - (3-
Ale1 1Y1 - · · ·- (3-
tYt
Le 1netnbre de gauche est un vecteur de H/1 , le membre de droite est un vecteur de H/2 .
Comme ils sont égaux, ces vecteurs sont dans vVI n vv2. De ce fait, le second vecteur
est une combinaison linéaire des eï, ... , e-;. et, comme B 2 est libre, on en déduit que
f3t = ... = f3t = O. Dès lors
et, comme B 1 est libre, . .\1 = ... = \. = a1 = ... =Os= O.

B est donc une base de H/1 + H/2 et. le théorè1ne en résulte car IBI = IB1I + IB2I-IB1,2I·
•
Exen1.ples.
1. Si din1 11 = :3 et si di1n lll1 = din1 Hl2 = 2 avec Tif/1 =J. H/2, on a forcément Tll/1 + H/2 =
v et le théorème 19 Inontre que dim(H/1 n H/2) = 1. Autrement dit, dans un espace
vectoriel de dimension :3, deux plans vectoriels distincts ont toujours une droite en
COn1ITIU11.
2. Si dim(lifl1n lif/2 ) = 0 ou, ce qui revient au mê1ne, si H'1.n lifl2 = {a}, dim(H11+ liV2 ) =
din1 H11 + dim H12 • On elit alors que T~V1 + lif/2 est la son1n1e directe de W1 et lV2 .
Remarque. Si Ttll1 et l1V2 sont deux sous-espaces d'un matroïde lv! finitaire de car-
actère fini, on peut démontrer que
et l'inégalité stricte peut avoir lieu, pa.r exe1nple si H/1 et H/2 sont deux plans distincts
parallèles dans l'espace affin de dimension :3 (:3 + (-1) < 2 + 2).
7.8 Somme directe

La définition de l'espace vectoriel !{ 2 , où f{ est un corps, peut se généraliser comme suit :
Soient VJ.' v;, deux espaces vectoriels sur J{. La. S0111111e directe Vi EB v; est l'espace
vectoriel V dont les vecteurs sont les éléments (vi, v2) elu produit ensembliste V]. x v;,
1'addition et la Intd ti plica.tion scalaire étant définies par

CHAPITRE 7. BASES ET DIAfET\18101\T 80
V). E f{, Vvï, to1 E Vi, Vv2, w2 E 1!2.

Il est clair que ]{ EB ]{ = ]{ 2 ; on montre facilement (exercice) que ]{ 2 EB ]{ est isomorphe
à ]{ 3 et plus généralement que ]{m EB ]{n est isomorphe à ]{m+n.
Reprenons l'espace vectoriel V = Vi EB 1"2 défini ci-dessus. Les vecteurs (vï, 0), où
vï E Vi, constituent un sous-espace de 11 qu'on peut identifier à Vi (en identifiant vi
et (tïi,O)). De même, les vecteurs (o,tï;), où v2 E 112 , constituent un sous-espace de V
qu'on peut identifier à 112 • Ainsi, V1 et V2 apparaissent comme deux sous-espaces de 11
qui engendrent V (pourquoi ?) et dont l'intersection est réduite au vecteur nul.
Ces deux propriétés caractérisent la situation précédente :
THEOREME 20. Si un espace vectoriel Hl possède deux sous-espaces W1,

liV2 tels que
(i) H'1 + H12 =Hl
(ii) H!1 n FV2 ={a}
alors Hl est isomorphe à. la. som1ne. directe H11 EB H/2 •
Dén1onstration.
I\1ontrons d'abord que tout vecteur tv
E T'V se décompose de manière unique en une
somn1e w = w1 + w2 où w1 E T~V1 et w2 E T~V2 •
L'existence d'une telle décomposition résulte de ( i). Prouvons son unicité : SI
W - = W-+-
1 Wz = W '+
1 W2
- -+
1
on a. tÜ1 - t;~ = t;~ - tÜ2 • Or ti)1 - t;~ E H/1 et w1- tÜ 2 E Hl2 • Donc
w1 - t;~ = tc~ - züz E H/1 n H/2 = {o}

et on en tire w1 = u7~ et w2 = u7~. On peut alors vérifier à titre d'exercice que l'application
est un isomorphisrne d'espaces vectoriels.
•
Exen1ple. Soit lV = IR.TR l'espace vectoriel des fonctions de IR dans IR. l\1ontrons
que Hl est son1n1e directe du sous-espace Hl1 des fonctions paires et du sous-espace l1V2
des fonctions irnpa.ires :
(i) liV1 + H/2 = Hl {toute fonction f
de IR dans IR est la som1ne d'une fonction paire
et d'une fonction impaire). En effet, on a ·
1 1 .
f(x) = 2(f(x) + f( -x))+ 2(f(x)- f( -x))
Vx E IR et il est facile de vérifier que les fonctions .f1 et f 2 définies par
.ft( ~1:) = ~ (f (a:) + .f( -a:) )

f2(:r) = ~(f(x)- f( -~r))

CHAPITRE 7. BASES ET DIA1ElVSJ01\T 81
sont respectivement paire et impaire.

(ii) TiV1 n H12 = {0} (la fonction nulle est la seule fonction de 1R dans IR qui soit à la
fois paire et in1paire). En effet, soit fE H11 n lV2 • On a, Vx E IR,
f( -x)= f(x) car fE Ttl/1

et f(-;c)=-f(x) car fE H/2
On en déduit que f( a.~) = - f( ;c), autrement dit f( x) = 0, pour tout x E IR et f est bien
la fonction nulle.
Généralisation
Considérons trois espaces vectoriels Vi, 1"2, 1;J sur le même corps ](. Il existe un isomor-
phisine canonique de
qui applique
((t'i, ·62 L tS) sur (t'i, ('ô2, 't;))
Cet isotnorphisn1e permet d'écrire \li EB 1"2 EB 113 sans ambiguïté.
On procède de mê1ne pour définir la somme directe d'un nombre quelconque d'espaces
vectoriels sur le même corps de J(.
En particulier, J{n est une somme directe J{ ffi]{ ... ffi f{.
Exa.Ininons une som~e directe V = Vi EB V2 EB ... ffi lfn.
Chacun des Vi s'identifie à. un sous-espace de 1/, tout vecteur vi de lti étant identifié à
'l e, l,en1en t (o~
~ .... Vi,
... , o~ .... o, 1 Fl". e.t on a. 1es propne
.... ... , o;:;'\ ce
1
• , t,es smva.n
• t es:
(i) V est engendré par les lti
(ii) les Vi sont "linéairement indépendants", ce qui signifie que l'intersection de l'un
quelconque des Vi avec le sous-espace engendré par les divers l;j 'f:. Vi est réduite au
vecteur nul.
THEOREME 21. Si un espace vectoriel Hl possède des sous-espaces

H/1 , H12 , ••• , Hln. tels que
(i) H/ est engendré par les H/i

Ui) lVin <U.i;éi Hl.i>= { o} Vi = 1, ... , n
alors Hl est ison1orphe à la son1me directe H/1 ffi l/V2 ffi ... ffi ltVn.
La démonstration est laissée comme exercice.

Signalons que si V = Vi. EB V2 ffi ... ffi Vn et si chacun des 1-'ï est n1uni d'une base Bi,
alors la. réunion des Bi est une ba.se de l' (exercice).

CHAPITR.E 7. BASES ET DJ1\.1ENSI01V 82
7.9 Exercices
1. Les parties suivantes de IR4 sont-elles libres ?
(a) {(0,0,0,0)}
(b) {(1,1,1,1)}
(c) {(1,0, 1,0),(0, 1,0, 1), (1, 1, 1, 1)}
(d) {(l,O,O,O),(l,l,O,O),(l,l,1,0),(1,1,1,1)}
(e) {(2,.5,0,3),(1,2,0,1),(0,4,0,1)}
(f) {(1, 0, 0, 0), (0, 1, 1, -2), (2, 0, -1,4), (3, 1, 0, 2)}
(g) {(1,a,a 2 ,a 3 ),(a,a 2 ,a 3 ,1),(a 2 ,a3 ,1,a),(a3 ,1,a,a 2 ),(1,1,1,1)}
où a E ffi.
2. Les vecteurs {1, -i) ., (2, -1 + 1:) forment-ils une partie libre de (C
2
lorsque ce dernier
est considéré
(a) con1n1e espace vectoriel sur (C ?

(b) con1n1e espace vectoriel sur IR ?
3. Détern1iner a et b pour que les vecteurs
(1,2,a,1)
(a,1,2,3)
(O,l,b,O)
de IR4 soient linéairement dépendants.
4. Pour quelles valeurs de a E Wï les vecteurs
(1,.5,a)
(0,1,a+l)
(3,2,1)
de IF~ sont-ils linéairement indépendants ?
5. Dans l'espace vectoriel qua.ternionien IH 2 , la. partie
:) + 7., ...-) +
{ ( r.:: • ') • J
'·) , ( •
fi.. + .5fi.,-
'~ 1- ?... z. ) }
est-elle libre ?
6. Si deux vecteurs d'un espace vectoriel V sont linéairement dépendants, prouver que
l'un des deux est 1nultiple de l'autre.
7. Soit f{ un corps commutatif. Prouver que da.ns l'espace vectoriel /{ 2 ,-les vecteurs
(x 1 , x 2 ) et (y 1 , Y2) sont linéairement indépendants si et seulement si x 1 y 2 - x 2 y 1 =f. O.
Ce résultat de1neure-t-il valable si J{ n'est pas con11nutatif?

CHAPITRE 7. BASES ET DIA1ENSION 8:3
8. Dans IR considéré con1n1e espace vectoriel sur <Q, le vecteur ~ appartient-il au

sous-espace engendré par les vecteurs 1 et J3 ?
9. Les ensembles suivants. sont-ils des parties libres de IR considéré comme espace
vectoriel sur <Q ?
(a) {1,V2,V3}
(b) {V2,V3,J6}
10. Dans IR. considéré con1me espace vectoriel sur <Q, les vecteurs 1 et x sont linéa.iren1ent
indépendants si et seule1nent si :r est irrationnel. Vrai ou faux ?
11. Trouver une condition nécessaire et suffisante sur a et b pour que les vecteurs (1, a)
et ( 1, b) de <C 2 soient linéairement indépendants. 11ême question pour les vecteurs
(1, a, a 2 ) et (1, b, b2 ) de (C 3 . Com1nent les résultats précédents se généralisent-ils dans
(Cn ?
12. Les fonctions f, g, h de IR clans IR définies ci-dessous sont-elles linéairement indé-

pendantes ?
(a) f(:r) =sin x, g(x) = cos~r., h(x) =x

(b) flr) = sin :z:, g(:r) = cos :z:, h(:r) = 1
(c) f(x) = sin 2 x, g(x) = cos 2 :r, h(x) = cos2x
(cl) f (x) = ex , g (x) = x ex , h (a:) = x 2 ex
(e) f(x) =sin x, g(x) = sin(x 2 ), h(x) = sin(x 3 )
13. Dans l'espace vectoriel réel des fonctions de IRci dans ffi., les trois fonctions
f1 : IR.t ~ffi.: x~ ln(x + 1)

f2 : IRt ~IR: x~ ln(:z: + 2)
/3 : n~t ~ IR : x ~ ln(;1: +:3)
sont-elles linéairen1ent indépendantes ?
14. Les fonctions f, g, h de IR dans ffi. définies par

f(x) = sin(x + 2)
g(x) =sin( x+ :3)
h( a~) = sin(2x + .5)
sont-elles linéairen1ent indépendantes ?
1.5. Les fonctions ft, /2, ... , .1~ de ffi. da.ns IR définies par f 1 (x) = sin x, f 2 ( x) = sin 2x,
... , fn(;~_:) = sin nx sont-elles linéaire1nent indépendantes quel que soit n E IN0 ?
16. Soit V l'espace vectoriel réel des fonctions f : [0, 1] ~ lR. A tout nombre réel 1~
stricten1ent compris entre 0 et 1, on associe la fonction fr E V définie par
fr(x) = { ~ si 0
si 1
~x<
~x ~
r
1
L 'ensen1ble {!1· 1 0 < r < 1} est-il une partie libre de V ?

CHAPITRE 7. BASES ET DL~1EI·vSION 84
17. Soit P == {2,:3,5, 7, 11,1:3, 17, ... } l'ensemble des notnbres premiers. Dans IR con-
sidéré comn1e espace vectoriel sur ~'
{log 10 p 1pEP}
est-il une partie libre ?
18. Les vecteurs eï, e2, e3 forment-ils une base de IR? si
(a) eï == (1, 1, 1), e2 == (-1, 1 , 0), e3 == (1, 0, -1 )

(b) eï == (O,O,O),e2 == (1,-2,3),e3 == (-1,0,1)
( c) eï == (1, -1 , 0), e2 == (1, 0, 1) , e3 == (0, 2, 1)
( d) eï == (1, -2, -1 ) , e2 == {1, -1 , 0), e3 == (2, 0, 2)
19. Soit B la. base de IR.? formée des vecteurs

eï == (1, 1, 0), e2 == (1, -1, 0), e3 == (0, 0, 1)
Trouver les coordonnées dans B des vecteurs (1, 0, 0), (0, 1, 0), (0, 0, 1), ( -1, 2, 3),
(x, y, z).
20. Construire une base de IR.4 contenant les vecteurs suivants :
(a.) (1, 0, 0, 0) et (1, 1, 1, 0)

(b) (1,1,1,1) et (0,2,1,1)
( c) (0, 1, 1, 0) , ( 1, 1 , 0, 0) et ( 1, 0, 1 , 1)
21. Dans l'espace vectoriel ffi[~X"] des polynômes en .."'>( à. coefficients réels, on considère
le sous-espace H!n des polynôtnes de degré ::; n. Les parties suivantes sont-elles des
base de H!n ?
(a.) {1, ).; , )(2, ... , ~>;n}

(b) {1, 1 +.X, 1 +..-Y+ .\:" 2 , .•• , 1 + )( + ..\'" 2 + ... +. );n}
(c) {1 +~X",){ + ~y2, ..-Y2 + )(3, ... , ){n-t + )(n}
(d) {1, 1- ){, (1- ~Y) 2 , •.. , (1- ){)n}
Lorsque n == :3, calculer les coordonnées du polynôme
dans celles de ces parties qui sont des bases de H/3 •
22. Quelle est la clin1ension
(a.) de <C 2 considéré con11ne espace vectoriel sur <C ?

(b) de <C considéré com1ne espace vectoriel sur IR. ?
( c) de <C 2 considéré comme espace vectoriel sur IR. ?
( d) de II-I considéré comme espace vectoriel sur IR.?

CHAPITRE ï. BASES ET DI!\1ENSION 85
( e) de <r considéré comn1e espace vectoriel sur ~ ?
Dans chaque ca.s, décrire expliciten1ent une base.
2:3. Soit V un espace vectoriel de dimension finie n sur ~- V peut être considéré aussi
comme un espace vectoriel sur IR. Quelle est alors sa dimension ?
24. Prouver que J{ = {a+ b/2 + c/3 + d~ 1 a, b, c, d E <Q} est un corps, dont <Q est un
sous-corps. Quelle est la. dimension de J( considéré com1ne espp..ce vectoriel sur <Q ?
25. Soient J{ un corps, J(' un sous-corps de J{ et J(" un sous-corps de f{'. Si J{ est

de dimension finie rn sur J(' et si J{' est de dimension finie n sur f{", quelle est la
din1ension de f{ considéré co1n1ne espace vectoriel sur !{" ?
26: Détenniner la. dimension du sous-espace H' de 1R.4 formé des vecteurs (x 1 , x 2 , x 3 , x 4 )
tels que
Xt + ~'f3 = X2 - X4 =0
Décrire explicitement une base de Hl.
27. Quelle est la dimension du sous-espace de (C 3 engendré par les vecteurs (1-i, 1+i, 0),
(0, 1 - i, 1 + i), (1 + i, 0, 1 + i) ?
28. Quelle est la. din1ension elu sous-espace de IR4 engendré par les vecteurs (6, -:3,:3, 9),
(4~-·5,2~6), (2,-2,1,:3L (4,-1,.5,6)?
29. Trouver une base du sous-espace de IR(..:\:"] engendré par les polynômes
:3 + :3X + .5X 2
6 + 9X- 5)( 2
12 + 18){- 10): 2
4 + 6){ + X 2
2 + :3)( + 6X 2
Le polynôrne :3 + 4)( + 6)( 2 appartient-il à. ce sous-espace ?
:30. Dans l'espace vectoriel réd ffi.[~\·], on considère le sous-ensetnble S formé des poly-
non1es
,,. + C~.l\
a + b~·'\ v2
+ d~"\.·v3
tels que a + b = 1. S est-il un sous-espace de IR[)(] ? Décrire les polynômes
appartenant à <S> et calculer la di1nension de <S>.
31. Dans l'espace vectoriel réel des polynômes en .)( à coefficients réels de degré :::; 4,
l'ensen1ble E des polynôn1es p(~\") tels que
p( 0) = p( 1) = p( 2) =0
est-il un sous-espace '? Si oui, déterminer une base de E. Si non, déterminer une
base du sous-espace <E>.
:32. Soit 1l un espace vectoriel réel de diinension :3. Si {eï, e2, 3} est une base de 1l, en
est-il de mên1e pour

-CHAPITRE 7. BASES ET DIA!JENSION 86
(a) {eï + eï, eï + e3, e3 + eï} ?

(b) { eï + eï, eï - e2, eï - e2 + e3} ?
( c) {e1 + eï, e1 + e2 + e3, eï + eï - e3} ?
33. Prouver que l'espace vectoriel réel des fonctions continues de IR dans IR est de
dimension infinie.
34. Si a est un nombre réel, on désigne par fa la fonction
fa: IR-+ IR: x-+ cos(x +a)
Quelle est la. dimension du sous-espace de IRIR engendré par {fa 1 a E IR} ?
:35. Si { e1, ... , é~,} désignent des vecteurs de la. base canonique de IRn, quelle est la di-
. cu
n1ens1on 1 sous-espace
~ 1 H\.
ce · d 1·'
mn engen e par·1 es ''ecteu1
· ·s ez-
~ e.....1 ou' z.,. J. -- 1, Cj. . . , ... , n ?.
:36. Soit E l'ensemble des vecteurs de IR.3 de la. forn1e (x 1 , x 2 , x 3 ) où Xi = 0 ou 1. Combien

E contient-ils de bases de IR? ?
37. Dans l'espace vectoriel réel IRIN des suites de non1bres réels, quelle est la dimension
du sous-espace des suites a.ritlunétiques, c'est-à.-dire des suites du type
a, a+ r, a+ 27", ••• , a+ n7', ...
où a, rE ffi. et nE IN ?
38. Dans l'espace vectoriel réel JR_IN des suites de nmnbres réels, les parties formées des
vecteurs suivants sont-elles libres ? génératrices ?
(a) les suites dont tous les tern1es sont nuls, sauf un seul égal à. 1
(b) les suites dont les tenues valent 1, pour un nombre fini d'indices, les autres
tern1es étant nuls
( c) les suites à. tennes positifs
(cl) les suites dont les tennes valent 0 ou 1
(e) les suites bornées
39. Equilibrer les réactions chin1iques suivantes :
(a) f{ 1Vln 04 + H 2 S04 + f{ B1· -+ l\2 S0 4 + Bt2 + A1n S04 + H2 0

(b) As2 S3 + H2 0 + H .N03-+ JVO + H3 As04 + H2 S04
(c) Fe7 S's + 02 -+ Fe3 04 + S'02
40. La. troisiè1ne loi de Képler exprin1e la. période T de révolution d'une planète sur son
orbite en fonction de la. longueur l du demi grand axe de l'orbite (qui est elliptique),
de la. n1a.sse 1n elu Soleil et de la. constante gravitationnelle G, sous la forme
T = C za·1ni3G1'
où C est une constante. Que valent a, /3 et 1'? (on exprimera d'abord G en fonction
des grandeurs fonda.menta.les L, A1, T en utilisant la loi de la. gravitation).

CHAPITRE 7. BASES ET DIAiENSI01'J 87
41. Soit V l'ensemble des fonctions deux fois dérivables
x : IR-+ IR. : t -+ x( t)
vérifiant l'équation différentielle
x"(t) + w 2 x(t) = 0 où w E IR.
décrivant le mouvement d'un oscillateur harmonique.
(a) I\1ontrer que V est un espace vectoriel réel

(b) I\1ontrer que les fonctions x 1 et x 2 définies par x 1 ( t) = sin wt et x 2 ( t) = cos wt
constituent une partie libre de V
(c) Sachant que {x 1 ,:r. 2 } est une base de 11, quelles sont les coordonnées de la.
fonction
:z:: IR-+ IR: t-+ :3sin(wt + j)
dans cette base ?
42. Soient Hl1 et Hl2 deux sous-espaces d'un espace vectoriel V de diinension 24 sur un
corps}<. Si dim l1'1 = 16 et din1 H12 = 19, que peut-on dire de dim(VV1 n "YV2 )?
43. Dans IR.3 , peut-on trouver deux sous-espaces de dimension 2 dont l'intersection est
réduite au vecteur nul (0,0,0) ? Qu'en est-il dans IR.4 ?
44. Soient J-111 et H12 les sous-espaces de IR4 définis par
Tifll = { (X 1 , a: 2, X3, X4) 1 X 1 + + +

X2 X3 X4 = Ü}
H!2 = {(xt,:2.~2,x3,x4) 1 Xt + x2 = X3- X4 = 0}
45. Dans un espace vectoriel V de dimension finie n, on considère deux sous-espaces H11
et H12 de dimensions respectives n 1 et n 2 •
Détern1iner les plus grandes et plus petites valeurs de din1(HI1 + 1112 ) et dim(H11 nH12 )
en fonction de n, n 1 et n 2 •
46. Soit V· un espace vectoriel sur un corps /{ et soient H/1, l;f/2, 1+,..3 des sous-espaces de
V. Prouver qu ,on a toujours
n'
mais qu'oiï'Ya. pas toujours
4,...,r. con11)Jen 2
· 1s W· 3 et IF33 possec
· 1es espaces vert.one • 1ent-1·1 s ce
1 vecteurs ?. de bases ·.? c1 e
sous-espaces de dimension 1 ? de sous-espaces de din1ension 2 ?
48. Soit ]{ un corps fini à. q élétnents. Combien l'espace vectoriel f{n possède-t-il de
vecteurs ? de bases ? de sous-espaces de din1ension d (0 ~ d ~ n) ?

CHAPITRE 7. BASES ET DI1,1E~N8l01\T 88
49. Soit C le code linéaire engendré dans IF~ par les vecteurs (0, 1, 1, 1) et {1, 0, 1, 2)
(l'alphabet utilisé comporte trois symboles 0, 1, 2). Combien C comprend-il de
mots ? Combien d'erreurs peut-il détecter ? Combien d'erreurs peut-il corriger ?
Prouver que les boules de rayon 1 centrées sur les mots de C forment une partition
de IF;, c'est-à-dire que tout mot de IF~ est à distance:::; 1 d'un et un seul mot de C.
50. Peut-on trouver trois sous-espaces Tif!, 11'17 H12 de lR? tels que Hl EB 11'1 et Hl EB H12
soient isomorphes à IR3 , mais lV1 f; H/2 ?
.51. Dans IR.'-~, on considère les sous-espaces vV1 et vV2 engendrés respectivement par les
a
vecteurs et b et par les vecteurs ë et J définis ci-dessous. Est-il vrai que ffi.4 est
isomorphe à Hï1 EB H/2
(a) si a= (1, 1, 0, 0), b= (1, 0, 1, 0), ë = (0, 1, 0, 1), a. = (0, 0, 1, 1) ?

(b) si a= (1,0,0,1),b = (0,1,1,0),ë= (1,0,1,0),d-= (0,1,0,1)?
52. Voici deux sous-espaces de IR2n :
lV1 = {(~rl, ... ,:cn,Xn+I, ... ,X2n) 1 ~r1 = ... = .T.n = 0}

H/2 = {(X], ... '~tn. :rn+l' ... 'X2n) 1 :ri = :t:n+i Vi = 1, ... 'n}
Est-il vrai que m?n est la SOITilne directe de T/Vl et H/2 ?
.53. N on1bres de Fibonacci

Dans l'espace vectoriel réel IRIN des suites de nombres réels, on considère l'ensemble
Hl des suites
telles que IF n+2 = Fn+l + Fn Vn E lN
(a) Tif! est-il un sous-espace de IRJN ?

(b) Pour quelles valeurs de r E IR la suite
1,r,r 2 , ... ,r n , ...
est-elle dans Hl ?
( c) Quelle est la dimension de Hl '? (on remarquera que toute suite de vV est
entièren1ent détenninée par la donnée de F0 et F 1 )
( d) La. suite des nombres Fn t.els que
est appelée la suite des non1bres de Fibonacci. Exprüner le n-ème nombre de

Fibonacci Fn en fonction de n.
L'origine de cette suite de non1bres remonte à. un problème posé en 1202 par le

n1a.thén1a.ticien italien Leonardo Pisano (Léonard de Pise), surnommé Fibonacci
(Filius Bona.cci : le fils de Bona.ccio ), dans son "Liber Abaci", un des tout premiers
traités cl 'aritlunétique publiés en Occident. Ce problè1ne, inspiré pa.r l'élevage des
lapins, s'énonçait con1n1e suit :

"Chaque mois, la femelle d'un couple de lapins donne naissance à un nouveau couple,
qui se reproduit au même rythme dès l'âge de deux mois. Si on commence un élevage
avec un couple de lapins nouveaux-nés, trouver le nombre Fn de couples présents
après n n1ois (les lapins sont bien entendu supposés immortels)".
Les no1nbres de Fibonacci apparaissent également en botanique : ils sont liés à
l'arrangement des feuilles autour de la tige de certaines plantes (pour plus de détails,
voir par exemple le livre de H.S.M.COXETER: Introduction to geometry, Wiley,
1961, chapitre 11).

Chapitre 8
Retour aux applications linéaires
8.1 Le rang d'une application linéaire
THEOREME 22. Soit V un espace vectoriel de dimension finie. Si A est

une application linéaire de V dans un espace vectoriel l;f/ sur le même corps
]{, alors
di rn Ker A + di rn lm A = di rn li
Dén1onstration.
Si lm A = {o}, alors Ker A = li et la propriété est in1médiate.
w
Si lm A =f {o}, soit { 1 , .•. , tor} une base de lm A. Donnons-nous des vecteurs
vï,. ~.,v-;. E li tels que A(Vi) = züi Vi= 1, ... , r.
Soit {uï, ... , û"k} une base de Ker .4. étant entendu que cet ensemble de ~-=vecteurs est
vide si Ker A = {o}. On va prouver que
est unebase de 11.
1. Si v est un vecteur quelconque de 11, on a A( v) E lm A., donc il existe des Xi E f{

tels que
T T T
A( v) =L X(tVi =L XiA( Vi) = A(L: Xivi)

i=l i=l i=l
T
c'est-à-dire A(v- L :l:ïz'i) =ii

i=l
T
donc v- L:xiVi E Ker A

i=l
Dès lors, il existe des Yi E ]{ tels que
90
CHAPITRE 8. RETOUR AUX APPLICATIONS LINÉAIRES 91
r k
v- LXiVi = LYiûj
i=I j=l
r k
ou encore v= LXiVi + LYiuj
i=I j=l
Ceci prouve que B est une partie génératrice de V.
2. Prouvons que B est une partie libre de V. Pour cela, considérons une combinaison
linéaire nulle des vecteurs de B :
En appliquant A aux deux membres de (*), on obtient

r k
L xiA( Vi) + L yi A( uj) = A( 0) = o
i=I j=I
Comme ttj E Ker A, il reste

r
LXiA(Vi) =0
i=l
ou encore
donc Xi = 0 Vi - 1, ... , r puisque les Wi sont linéairement indépendants. Ceci

ra.n1ène ( *) à.
k
""'L..t"' Y{l.lj_,. = o_,.
j=l
donc Yi = 0 Vi = 1, ... , ~t~ puisque les ûj sont linéairetnent indépendants. Co1nme

(*)implique Xi= 0 et Yi= 0 Vi,j, B est bien une partie libre de V.
•
DEFINITION. On appelle rang d'une application linéaire A la dimension de lm A:
j rang A= dim( lm A) 1
C'est une notion importante qu'il convient de mémoriser.
8.2 Critères d'isomorphisme

Le résulta.t qui suit a. de nombreuses applications. Il fournit notamment divers critères
simples permettant de vérifier si une application linéaire est un isomorphisme d'espaces
vectoriels.

THEOREME 23. Si V et Hl sont des espaces vectoriels de dimension finie

sur ]{ et si A est une a.ppUca.tion linéaire de V dans Hi, alors
( 1) A est injective{::} Ker A = {o}

(2) A est surjective{::} lm A= Hf
(3) A est un isomorphisme{::} Ker A= {o} et ImA =Tif/
(4) A est un isomorphisme {::} dim V = dim Hf et l{er A = {o}

(5) A est un isomorphisme {::} dim V = dim Hf et lm A = Hf
Dén1onstration.
(1) Si A est injective, il est clair que Ker A= {5}. Réciproquement, si l{er A= {o},
alors A( x) = A(Y) =* A( x- il) = o=* x- ilE Ker A =* x- il= o=* x = y et A est
donc injective.
(2) est immédiat.
(3) résulte de (1) et (2).
(4) Si ditn V= dim Hi et Ker A= {o}, on a
din1 lm A = diin V = dim Hi

par le théorème 22, donc lm A = Hl (car un sous-espace de Hl ayant la mê1ne
dimension que Hf est forcément égal à. Tif/) et A est un isomorphisme grâce à (3).
La. réciproque est Ïlnmédiate.
(5) est laissée comme exercice.
8.3 Applications linéaires et bases

Nous avons déjà. pu constater l'importance des bases dans un espace vectoriel. Celle-ci
sera encore confinnée par ce qui suit : nous allons n1ontrer que, pour se don~er une
application linéaire A de 11 dans Hf~ il suffit de décrire l'action de A sur une base de V.
THEOREME 24. Soient V~ Hl des espaces vectoriels sur f{.

Si { eï, ... , e-;} est une base de \/ et si h, ... ,/:
sont n vecteurs quelconques
(pas nécessairement distincts) de Hl, alors il existe une et une seule appli-
h
cation linéaire A. de 11 dans llf telle que A( ëi) = Vi = 1, ... , n.

CHAPITRE 8. RETOUR AUX APPLICATIONS LIJ\TÉAIRES 93
Dé1nonstration.
• Unicité de A. Tout vecteur x de V s'exprime d'une et une seule manière sous la.
forn1e
où XiE J(
(Théorèr11e 17 page 73). Dès lors
A(x) = A(l:xïëi) = l:xïA(ëi) = l:xïh

i i i
est univoquement détern1iné par les données.
• Existence de A. Si xE V s'écrit x= L Xïëi, posons A( x)= L xih· L'application

i
A :V ~ Hl a.insi définie est linéaire ca.r
A( x+ y) = A(l: xïëi + LYièi) = A(l:(xi + yi)ëi)

i i i
= L(Xi + Yï)h
~
= L:xih + LYih =A( x)+ A(ff)

et,.si À E ]{,
A( Àx) = A( À(L :riëi)) = A(L( Àxi)ëi) = L( Àxi).~ = À L xih

~ i i i
= ÀA(x)
•
Exemple : Perspective cavalière.
Un cube de E 3 en perspective cavalière.
La perspective cavalière (ou axionométrique) utilisée en dessin peut être considérée

comme une application linéaire A de l'espaceE~ sur le planE~ transformant trois vecteurs

e1 , e2 , e3 d'une base de E~ (qu'on choisit généralement orthonorn1ée) en tr:ois vecteurs

f 1, f 2, f 3 formant une partie génératrice de E;.
Grâ.ce au théorème 24, il existe une et une
seule application linéaire A de E~ sur E~ qui transforn1e ei en fi pour tout i = 1, 2, 3.
La réalisation d'un dessin selon une telle perspectives 'effectue de 1nanière mécanique
pour tout point x de E~ dont on connaît les coordonnées dans la base {eb e2, e3 } : le
point x = xe 1 + ye 2 + ze 3 de E~ a pour image le point A( x) = x1f1 + x2f2 + x3f3 de E;.
Un principe analogue permet de représenter l'espace E;
sur le plan il permet E; :
notamment de réaliser par ordinateur des films d'objets en mouvement dans E 4 • Voici
par exemple le dessin d'un hypercube de E 4 •
8.4 Le groupe linéaire

Soit V un espace vectoriel sur un corps ]{. On appelle pern1utation linéaire de V toute
application linéaire de 11 dans F qui est bijective, c'est-à-dire qui est une permutation
des vecteurs de 1/. Les pennuta.tions linéaires de V sont donc des auton1orphismes de la
structure d'espace vectoriel de 11. De ce fait, les pennutations linéaires de V constituent
un groupe qu'on appelle le groupe linéaire général et qu'on note
GL(V)
Lorsque V= ]{n, on pose GL(V) = GLn(I\) ou GL(n, 1\). Ces notations sont classiques
et doivent être n1émorisées.
Il arrive souvent qt~ 'on dispose d'une application linéaire de· V dans V et qu'on désire
vérifier si elle est une pennuta.tion.

CHAPITRE 8. RETOUR AUX APPLICATIONS LINÉAIRES 9.5
THEOREME 25. Soit V un espace vectoriel de dimension finie. Un

opérateur A sur V est une permutation linéaire de 11 dès qu'une des conditions
suivantes est remplie :
1. .4 est injectif
2. A est surjectif
:3. Ker A= {o}

4. ImA= V
Ces critères sont des conséquences immédiates du théorème 23.

Le résultat suivant a. d'innon1brables applications :
THEOREME 26. Soit V un espace vectoriel de din1ension finie n. Si

{eï, ... , e:} et {.,1;, ... , .K.,} sont des bases de V, il existe une et une seule
permuation linéaire A de V telle que A( ëi) =.~Vi= 1, ... , n.
Démonstration. Par le théorème 24, il existe une et une seule application linéaire A
de V dans 11 telle que A( ëi) = h
Vi= 1, ... , n. En outre, lm A= V puisque lm A est un
sous-espace de V contenant une base {.h, ... , /:} de 11. Dès lors, le théorème 2.5 montre
que A est une permutation linéaire.
•
8.5 Représentation linéaire des groupes
Nous abordons à présent un des outils les plus puissants de la théorie des groupes, un outil
fondamental en physique théorique. Seuls les premiers rudiments peuvent être présentés
dans ce cours.
Soit G un groupe et 11 un espace vectoriel sur un corps J{. On appelle représentation
linéaire de G dans V tout n1orphis1ne
p: G--+ GL(V)
c'est-à-dire tout application p de G dans le groupe linéaire général G L( V) telle que
p(gh) = p(g) 0 p(h) Vg,h E G
La dimension de V s'appelle le degré de la représentation de p.
Exemples.
1. Il arrive souvent qu'un groupe G soit défini comme un sous-groupe d'un groupe
linéaire CiL(V) (c'est le cas not.cu11n1ent des groupes orthogonaux et unitaires qui
seront introduits plus tard dans ce cours). Le groupe G est alors livré.· d'e1nblée
avec une représentation li néa.ire, n1ais la. théorie des représentations s'intéresse à
toutes les représentations linéaires de G.

2. La. représentation unité d'un groupe G applique tout g E G sur la permutation

identique dans GL 1 (I<).
3. Représentation régulière.
Soit G = {g1 , •.. , 9n} un groupe fini d'ordre n et soit J( un corps.
On considère 1'espace vectoriel V dont une base est constituée par les éléments de
G et dont les vecteurs sont les combinaisons linéaires fonnelles (à coefficients dans
I<) des élén1ents de G. Tout vecteur de V s'écrit donc
n
LXr9r avec Xr E f{
r=l
A tout gi E G, on associe la permutation linéaire p(gï) qui transforme tout élément

9r E G en 9i9r· Cette permutation linéaire de V existe et est unique, grâce au
théorèn1e 26. L'application p : G --t G L(11) ainsi définie est une représentation
linéaire car
P(9i9.i )(L, Xr9r) = L Xr( (9i9j )gr)
r r
= L Xr(9i(9i9r))
r
= p(gi)(L Xr(9j9r))
r
= p(gi)(p(gi)(LXr9r))
r
= (p(gï) 0 p(gj) )(L Xr9r)
r
ce qui n1o11tre que
P(9i9i) = p(gi) o p(gi)
Cette représentation est appelée la représentation régulière du groupe G; elle

est de degré n si G est d'ordre n. Elle joue un rôle fondamental dans la théorie :
elle fournit notamment ce qu'on appelle l'algèbre du groupe J{G, dont le groupe
additif est ll, + et dont la. multiplication est définie par
n n n
(L ~trg,.)(LYs9s) = L (XrYs)(9r9s)
r=l s=l r,s=l
On peut vérifier (exercice) que J\.' G est bien une algèbre associative au sens de 2.2.
4. Représentation pern1utante
Soit G un groupe de pern1uta.tions d'un ensemble fini n = {p1 , . . . , Pn} et soit I< un
corps.
On considère 1'espace vectoriel \1 dont une base est constituée par les points de n
et dont les vecteurs sont les combinaisons linéaires formelles (à coefficients dans f{)
des points den. Tout vecteur de V s'écrit donc
n
L ~"Cr]Jr avec Xr E f(
r=l

CI-IAPITRE 8. RETOUR AUX APPLICATIONS LINÉAIRES 97
A tout g E G, on associe la permutation linéaire p(g) qui transforme tout point

Pr E f2 en g(pr ). Cette permutation linéaire existe et est unique, grâce au théorème
26. L'application p: G--+ GL(V) ainsi définie est une représentation linéaire car
p(g 0 h)(LJ XrPr) = LXr((g 0 h)(Pr))

r r
= LXr(g(h(pr)))
r
= p(g)(Lxr(h{pr)))
r
= p(g )(p( h )(L XrPr))
r
= (p(g) o p(h))(LxrPr)
r
ce qui montre que

p(g 0 h) = p(g) 0 p( h) Vg,h E G
On dit que cette représentation est une représentation per1nutante du groupe
G; elle est de degré n si n est de cardinal n.
8.6 Exercices
1. Soit V un espace vectoriel de dimension finie n sur un corps]{ et soit A un opérateur
linéaire sur 11. Si le noyau de A coïncide avec l'image de A, alors n est pa.ir. Vrai
ou faux ?
2. Dans 1'espace vectoriel JR.3 , existe-t-il des opérateurs linéaires A, B, C, D tels que
(a.) Ker A :J ImA (inclusion stricte)

(b) Ker B C lm B (inclusion stricte)
(c) l{erC = IrnC
(d) IR? est la somme directe de Ker D et lm D
:3. Soit 1/l'espa.ce vectoriel réel des polynômes en X de degré :s; net soit D l'opérateur
linéaire sur V appliquant tout polynôme sur son polynôme dérivé. Déterminer le
noyau, l'in1age et le rang de D.
4. Existe-t-a une application linéaire A : IR? --+ IR? telle que
A(1, -1, 1) = (1, 0)

et A(1,1,1) =(0,1) ?
.s. Existe-t-il un opérateur linéaire A sur IR? transformant (1, -1) en (1, 0), (2, -1) en
(0, 1) et ( -:3, 2) en (1, 1)?
6. Décrire expliciten1ent un opérateur linéaire A : IR? --+ IR? a.ya.nt comme image le
sous-espace engendré par (1, 0, -1) et (1, 2, 2). Cette condition détermine-t-elle A
univoquen1ent ? Que peut-on dire elu noyau de A ?

7. Décrire explicitement une application linéaire A : lR4 ---; ffi? appliquant IR4 sur le
sous-espace de IR? engendré par (2, 1, 0) et (5, -1, 2). Que peut-on dire de Ker A?
8. Un 6tudiant a examiné un opérateur linéaire A sur IR? Il a montré que le noyau de

A est la. droite x= 0 et que A transforme (0, 1) en (2, -1). Au moment de recopier
son travail, il s'aperçoit qu'il a. égaré la feuille sur laquelle il avait noté la manière
dont A opère sur un vecteur quelconque (x, y) de IR?. Pouvez-vous l'aider?
9. Dessiner un octaèdre régulier en perspective cavalière.
10. Dans un espace vectoriel V, l'in1age d'une base (resp. partie libre, partie généra-
trice) par une pennuta.tion linéaire de li est une base (resp. partie libre, partie
génératrice). Vrai ou faux ?
11. Soit V un espace vectoriel de clin1ension finie n sur un corps J(. V est-il homogène
en
(a.) ses bases {eï, ... , e:} ?

' ( e-1 , ••• , en
(1) ) ses 1)ases or donnees .... ) ?.
(c) ses parties libres ?
. , , . ?
(d) ses part1es genera.tnces .
(e) ses vecteurs ?
(f) ses vecteurs non nuls ?
(g) ses sous-espaces de din1ension donnée d ?
12. Les opérateurs linéaires suivants sont-ils des permutations linéaires
A : IR? ---; IR3 : (x, y, z) ---; ( 2x + y, y + z, x + z)

B : 1R3 ---; IR? : (x, y, z) ---; ( 2x + y, y, x + y)?
1:3.· Soit \i un espace vectoriel sur un corps comtnuta.tif /\'. Toute hon1othétie
est-elle un élé1nent du groupe linéaire général GL(V) ?
14. Dans l'espace vectoriel IR..S, on considère les vecteurs
eï = (1,0,0) h (2, 0, -5)

e2 = (0,1,0) ,r; (v/3, --0",5)
e3 = (0,0,1) .h = (0,0, 7)
L'opérateur linéaire A qui tra.nsforn1e ëi en f Vi = 1, 2,:3
est-il une permutation
linéaire de IR3 ? Calculer A(x,y,z) pout tout (x,y,z) E IR3 . Quelles sont les
coordonnées
(a) du vecteur (-:3,2,4) dans la base {/t,};,/3 }?

(b) elu ·vecteur A( -:3, 2, 4) dans la. base { eï, e2, e3} ?

CHAPITRE 8. RETOUR AU.X: APPLICATIONS LINÉAIRES 99
( c) du vecteur A( -:3, 2, 4) dans la base {h, .(;,.fa} ?
15. L'application
A : IF~ --+ IF~ : (x, y) --+ (y, x + y)
est-elle une permutation linéaire de l'espace vectoriel IF~ ? Etudier son action sur
les 9 vecteurs de cet espace.
Même question pour 1'application
B : IF~ --+ IF~ : (x, y) --+ (x + 2y, 2x + y)

16. Con1bien l'espace vectoriel IF~ con1prend-il de bases ordonnées (eï, ... , e~) ?
17. Prouver que le groupe GLn(Wq) est d'ordre
q-2-
n(n-1) II (qt-1)
n
.
i=l
18. Le groupe GL2(IF 2) est d'ordre 6. Est-il isomorphe à 7l 6 ou à Sym(:3) ?
19. Le groupe GL 2 (1F 3 ) est d'ordre 48. Est-il isomorphe au groupe des automorphismes
du cube?
20. Quels sont les groupes finis G dont 1'algèbre de groupe ]{ G est cornmutative ?

Chapitre 9
Espaces affins
9.1 Origine de la géométrie affine

La géométrie affine émerge de l'étude des projections parallèles de l'espace sur un plan (ou
de figures spatiales sur un plan). Elle ren1onte à l'Antiquité, notamment avec le fameux
théorème de TH ALES obtenu par observation de 1'ombre au soleil.
L 'hi~toire de la géométrie est riche en utilisations diverses de projections parallèles :
pensons à. la géon1étrie analytique, à la cartographie, à. la perspective cavalière. Au 18ème
siècle, la révolution industrielle requiert des techniques graphiques précises afin de dresser
les plans de machines et de pièces dont le bon fonctionnement exige une grandeur rigueur
d'exécution. C'est ainsi que l\10NGE (1746-1818) fut conduit à créer la géométrie
descriptive, à l'occasion de calculs pour un travail de fortifications, à l'Ecole du Génie de
1V[ézières (1768). Nommé professeur, on lui ordonna de conserver le secret de sa méthode
au profit de ses élèves officiers; il y parvint pendant près de 30 ans.
100
CHAPITRE 9. ESPACES AFFINS 101
LA11BERT (1728-1777) figure également parmi les préc&ieurs de _la géométrie

affine. Il observa de manière explicite qu'une projection parallèle ne conserve pas certaines
propriétés, par exemple l'orthogonalité de deux droites. Les propriétés conservées par
toute projection parallèle seront appelées propriétés affines tandis que les autres seront
appelées propriétés 1nétriques.
Etudions brièvement la projection parallèle en nous limitant à des observations phy-
siques que nous essaierons cependant de formuler avec précision.
Soit 1r un plan de l'espace euclidien E 3 et~ une direction de droites non parallèles à
1r. La projection de E 3 sur 1r parallèlement à~ est l'application
a : E3 ~ 1r : x ~ a( x) = 1r n ~x
où !::..x est l'unique droite de ~ passant par x. Nous elirons que a est une projection
parallèle de E 3 sur 1r en notant que ct est effectivetnent une surjection.
Si D est une droite de E 3 , a:(D) est une droite de 1r sauf si D E .6., auquel cas a(D)
est un point. Si Pest un plan de E 3 , a(P) = 1r sauf si P est parallèle à. .6., auquel cas
a(P) est une droite de 1r.
En fixant un plan 1r 1 de E 3 qui n'est pas parallèle à. .6. ni à 1r, nous obtenons une
situation très intéressante. La restriction de a à 7r 1 est une bijection de 1r 1 sur 1r que nous
désignerons encore par a. La bijection a conserve une partie de la structure de 1r' : elle
applique toute droite de 7r 1 sur une droite de 1r, deux droites parallèles dans 1r 1 sur deux
droites para.llèles dans 1r, une translation ou vecteur libre dans 7r 1 sur une translation ou
vecteur libre dans 7f, un para.llélogran1me de 1r' sur un parallélogram1ne de 1r, une ellipse
de r.' sur une ellipse de 1r, etc ...
Pourtant, a: n'est pas un isomorphisme du plan euclidien 7r 1 sur le plan euclidien 1r: un
cercle de 1r 1 n'est pas appliqué sur un cercle de 1r mais sur une ellipse et il existe des droites
perpendiculaires dans 1r' qui ne sont pas appliquées sur des droites perpandiculaires dans
1r. Par conséquent, a n'est pas un isomorphisme pour la structure de plan euclidien, tout
en conservant une partie nota.ble de celle-ci. La partie de la structure du plan eucliden
qui est conservée par toute projection parallèle (bijective) de ce plan sur un autre est
la. structure affine de ce plan et le plan muni de cette structure est appelé plan affin.
De mên1e, les propriétés affines sont des propriétés conservées par toute projection
parallèle (bijective) et la. géon1étrie affine est l'étude de ces propriétés ou~ ce qui revient
au même, l'étude du plan affin.
Il faut bien admettre que la. méthode des projections parallèles a un gros défaut : pour
arriver à la. notion de plan affin, il faut plonger un plan euclidien dans un espace euclidien
à trois dimensions. On se voit mal étudier la. géométrie affine à 3 dimensions en plongeant
de même un E 3 dans un espace euclidien à. 4 dimensions.
Un progrès considérable fut a.ccon1pli dans cette voie par EULER(1707-1783)
Considérons encore un plan 7f de E 3 . Etant donné un autre plan 7t' 1 de E 3 , considérons
une projection parallèle a de r. sur 7f 1 et une projection parallèle f3 de 1r' sur 1r. Alors j3 o a
est une bijection de 1r sur r., c'est-à-dire une pern1utation des points de 7f, qui conserve la
structure affine de 1r et qu'on appelle une affinité de 1r. Si r. est n1uni d'un système de

coordonnées cartésiennes (x, y), on peut montrer que les affinités de 1r sont les applications
(x, y) ~ (x', y') où

x' = ax + by + ]J a, b, c, d, p, q E IR., ad- be =1 0
y'= ex+ dy+ q
Les affinités du plan 1r constituent un groupe de permutations qu'on appelle le groupe
affin ou groupe des affinités de 1r.
Dès lors on peut étudier la. géométrie du plan affin sans recourir à E 3 ni même à E 2 •
Partant de l'ensemble IR?, on y définit les affinités par (1) et la géométrie affine apparaît
alors comme l'étude des propriétés invariantes par le groupe affin. L'avantage de cette
méthode saute aux yeux : on peut immédiatement généraliser en dimension, le passage
de IR? à IRn ne présentant guère de difficultés.
R.en1a.rquons au passage que nous retrouvons ici le point de vue de KLEIN exprimé
clans son célèbre Progra.n11ne d'ERLANGEN (1872) selon lequel une géométrie est l'étude
des invariants d'un groupe de pern1uta.tions. Cette idée a. joué et joue encore un grand
rôle en géométrie.
La méthode des affinités développée par Euler présente encore certains inconvénients.
Elle est basée sur un systètne de coordonnées et nous avons déjà vu qu'il est préférable de
n'introduire des coordonnées que lorsque le besoin s'en fait sentir. D'autre part, il nous
paraît préférable, en 1ère candidature, d'introduire une structure affine et de voir ensuite
les affinités con1n1e permutations conservant cette structure, plutôt que d'adopter le point
de vue réciproque.
L'expérience des ma.théma.ticiens montre que la structure affine peut être dé-
terininée sur base des points, des droites, du parallélis1ne des droites et du
rapport de section. Examinons ce dernier avec plus de détails :
Soient a, b, c trois points d'une droite E 1 avec a =1 b.
a b c
· Il existe alors un et un seul nombre réel p tel que

---+ ---+
ac= pab
Ce no1nbre, qu'on appelle le rapport de section du triple (a, b, c) et qu'on note
p(a,b,c),
n'est autre que la. coordonnée de c dans le repère de E 1 dont a est l'origine et ble point
unité. Ainsi p(a,b,a) = 0, p(a,b,b) = 1 et p(a,b,rn) =~sim est le milieu de [a,b].
Re1narques.
1. On aurait pu définir de plusieurs autres n1anières - six au total - un nombre réel

--t --t ---+
associé à. trois points a, b, c, par exemple ab = pZiJ ou ab = p be. Ces divers

"rapports de section" sont bien sûr fonctions les uns des autres. Celui que nous avons
adopté n'est pas le plus classique, ce qui devrait inciter à. une certaine prudence le
lecteur qui aurait déjà étudié le rapport de section auparavant. Notre choix est
motivé par le fait qu'en lisant p( a, b, c), a apparaît comme origine, b comme le point
unité et c comme un point dont la. "distance" à l'origine est mesurée avec l'unité ab,
--?
c'est-à-dire at = pab, p( a, b, c) étant précisément le résultat de cette mesure.
2. On évitera. d'utiliser l'ancienne notation p = :~ qui était une source de confusion en
laissant entendre qu'il fallait, pour trouver p, calculer le rapport des longueurs de
deux vecteurs, alors que les longueurs n'ont rien à. faire dans la question.
Notons que la structure de droite euclidienne est co1nplétement déterminée par le
rapport de section, c'est-à-dire par la. donnée, pour tout triple de points (a, b, c)
avec a =A b, du nombre réel p( a, b, c). Autrement dit, la structure de droite affine
ne se distingue en rien de la. structure de droite euclidienne. En effet, la notion de
distance est déterminée sur E 1 par le rapport de section et par le choix d'une unité.
Fixons un point origine o et un point unité 1 sur E 1 • Pour tout point x, la distance
d(o,x) = jp(o, l,x)j. Et d(x,y)? Nous sommes tentés d'écrire d(x,y) = d(o,y- x).
Peut-on déterminer y - x grâ.ce au rapport de section et aux points fixés o, 1 ? Oui.
----o--------~o~;----------------------~0~--------~o~-----
0 Y- x x y
On a p( o, x, y) = p(y, y- x, o) et cette propriété détermine y- x univoquement.
Examinons à présent le rapport de section dans un plan euclidien E 2 ou un espace

euclidien E 3 . Toute droite d'un tel espace possède évidemment une structure de droite
euclidienne, et trois points alignés a, b, c ont donc un rapport de section. Les structures
euclidiennes de diverses droites ne sont toutefois pas indépendantes : la projection pa-
rallèle de trois points alignés a, b, c sur trois points alignés a', b', c' conserve leur rapport
de section. De n1a.nière un peH plus précise, on a. l'in1porta.nt théorèn1e de THALES
(7ème siècle a.v. J.C.) : si A, B, C sont des droites 2 à 2 parallèles avec A f:. B et si
a, a' E A; b, b' E B; c, c' E C avec .a, b, c alignés et a', b', c' a.lignés alors
p(a, b, c) = p(a', b', c')

CHAPITRE 9. ESPACES AFFIIVS 104
Une autre fonnulation du théorème de Thalès ·est que la projection parallèle d'une
droite D sur une droite D' est un isomorphisme pour la structure de droite euclidienne-
affine de D et D'.
9.2 Espace affin déduit d'un espace vectoriel

A tout espace vectoriel, nous allons associer un espace affin. Notre but est de transférer
les connaissances géométriques acquises dans IR? et IR? à une foule d'autres espaces tels
que les espaces IRn, les espaces finis, les espaces de fonctions, etc ...
Soit 11 un espace vectoriel sur un corps ](.
L'espace affin A(V) déduit de V est un ensemble structuré dont les éléments,
a.ppelés points, sont les éléments de V. La structure de A(V) est déterminée par les
notions de droite~ droites parallèles et rapport de section définies ci-dessous.
Une droite de A(V) est une classe latérale d'un sous-espace à. une dimension de V.
En passant, observons ici une nouvelle motivation de la notion de classe latérale, que
l'étudiant trouve parfois rébarbative.
Deux droites de A(F) sont dites parallèles si elles sont des classes latérales d'un
même sous-espace de 1/.
Trois points a. b, c d'une mên1e droite, avec a # b, ont un rapport de section p =
p(a,b,c) si
c-a= p(b- a)
Notons bien que si a, b, cne sont pas alignés, il n'existe pas de p E ]{tel que c-a= p(b-a).
c-a • p(b-a)

Une affinité de A(V) est une permutation des points de A( V) qui applique toute droite
sur une droite, deux droites parallèles sur deux droites parallèles et trois points ayant un
rapport de section p sur trois points a.ya.nt un rapport de section p. On définirait de même
une affinité entre deux espaces affins A( V) et A(l'') où v· et V' sont des espaces vectoriels
sur un n1ê1ne corps ]{.
Exen1ples.
(0, 1) (l,l)
(0,0) (1,0)
Le plan affi~ droites de 2 points. Observer les 3 directions de droites parallèles.

l.e plan affin A(IF~) : ses 9 points situés chacun sur 4 droites, ses 12 droites de 3 points,
ses 4 directions de droites parallèles, sa. cathédrale, son musée.
9.3 Translations
Bien que nous ayons décidé de reporter l'étude des affinités à plus tard, nous allons
développer ici celle des translations, qui est fondamentale en géométrie affine.
Un vecteur localisé d'un espace affin A(V) est un couple (a, b) de points de A(11).
Deux vecteurs localisés (a, b) et (c, d) de A(V) sont dits équipollents et on note
(a, b) i (c, d)
SI b-a== d- C
Cette définition est basée sur la structure de 1/ et non sur celle de A( V). Il s'agit pourtant
d'une notion affine car on peut prouver ce qui suit (exercice) :
• si a,b,c,d sont non alignés, (a, b) j ( c, d) si et seulement si la droite ab est parallèle

à la droite cd et la droite ac est parallèle à la droite bd.
• si a, b, c, d sont alignés, (a, b) j ( c, d) si et seulement si
p(a, c, b) == -p( c, a, d) lorsque a -:f. c

{ (a,h)==(c,d) lorsquea=c
On vérifie În1n1édia.ten1ei1t que i est une relation cl 'équivalence dans 1'ensemble des
vecteurs localisés de A.( 11) et on appelle vecteur libre de A( 11) toute classe d'équivalence
de cette relation. Si (a, b) est un vecteur localisé, le vecteur libre comprenant (a, b) sera
noté -)o
ab
-)o
Etant donné un vecteur libre ab et un point c E A(V), il existe un et un seul point

--jo ~
dE A(V) tel que ab== cd (on a. d ==b-a+ c).

Il en résulte que tout vecteur libre est aussi une pern1uta.t.ion des points de A(1l);
celle-ci est appelée translation.
Soit t une translation de A( V). I1 existe donc un et un seul point a tel que t == od.
Alors t applique tout point x E A(1/) sur le point
t(x) ==x+ a
---)- --jo A
car x t( x) == oa entra.1ne t(:r) - x == a - o == a.

A ' -)o
De n1en1e~ s1 t == pq, on a.
t(:r) ==x+ q- p

\fx E A(V).
Prouvons quelques propriétés fondamentales des translations :
THEOREME- 27. Toute translation de A( V) est une affinité de A( V).
Détnonstration. Soit t = ad une translation de A(V) avec a E V. Nous savons déjà

que t est une permutation des points de A(V) qui applique le point x sur le point x + a.
Soit D un sous-espace à 1 dimension de V et x+ D une droite de A('l). Alors
t(x + D) =(x+ D) +a= a+ (x+ D) =(a+ x)+ D
qui est bien une droite de A(V). En outre, celle-ci est parallèle à. x+ D, ce qui permet
de vérifier aisén1ent que t applique deux droites parallèles sur deux droites parallèles.
Si (p, q, r) sont des points alignés ayant un rapport de section p, (t(p), t(q), t(r)) sont
alignés (puisque t applique toute droite sur une droite) et le rapport de section de ce
dernier triple est p car
t( r) - t(p) = (r +a) - (p + a) =r - p = p( q - p) = p( (q +a) - (p +a))

= p(t(q)- t(p))
Il en résulte que t est une affinité.
•
THEOREME 28. Les translations de A(V) constituent un groupe de pennu-
ta.tions con1n1uta.tif stricten1ent transitif sur les point de A( V). En particulier,
---+ ---+ ---+ 1 --7

si t 1 =ab et t2 =be, alors t 2 ot 1 =ac et t} =ba.
Dé1nonstration. Pour tout point x E A(11), on a
(t 2 o ti)( x) = t 2 (t 1 (:r)) = t 2 (x +b-a)= (x+ b-a)+ (c- b)

=x+(c-a)
ce qui prouve que t2 o t 1 est la. transla.t]on aë. On n1ontre de 1nêrne (exercice) que
-1 __,.
t2 o t1 = t 1 o t 2 et que t 1 = ba.

La. pennuta.tion identique étant une translation de A(V), à savoir la. tr?Lnsla.tion pP
où p est un point quelconque de A(V), il résulte de ce qui précède que l'ensemble des
translations est un sous-groupe commutatif du groupe de toutes les affinités de A(V).
La. stricte transitivité du groupe des translations sur les points de A(V) résulte du
fait que, pour tout couple (p, q) de points de A(V), il existe une et une seule translation
envoyant ]J sur q, à savoir la translation pq.
•
COROLLAIRE. Tout espace affin A(V) est homogène en ses points.
Ceci signifie que tous les points de A(V) ont les mê1nes propriétés ou encore, de manière
plus précise, que le groupe des affinités de A(11) est transitif sur les points de A(V),
c'est-à-dire possède une et une seule orbite.
Il est peut-être bon de rappeler à cette occasion qu'un espace vectoriel 11 (non réduit
a.u seul vecteur nul) n'est jamais homogène en ses élén1ents.
Ren1arque.
Nous a.vons construit les espaces affins à. partir des espaces vectoriels. Il importe de savoir
que le chemin inverse peut être suivi et c'est du reste ce qu'on fait dans l'enseignement
1noyen. Ici, nous nous limiterons à. quelques observations.
A partir de A(V), on peut reconstruire li dès qu'on a choisi le point o, neutre du
groupe V,+. L'addition vectorielle se détermine grâ.ce aux translations : si a, bE V, a+ b
est l'in1a.ge de b par la translation appliquant o sur a.
b ..-------- a + b
La. Inttltjplica.tion sca.1aire se détennine grâ.ce aux droites et a.u rapport de section : si
a E V - o et /\ E J(, Àa est le point de la droite oa vérifiant p( o, a, Àa) = À.
Insistons sur le fait que le point o peut être choisi de manière arbitraire
dans A(V). Cela résulte du fait que A( V) est homogène en ses points. Si nous choisissons
co1nme origine un point o' différent de o, nous obtiendrons un espace vectoriel V' différent
de V, mais 11' sera. isomorphe à. 11 et de plus on aura. A(V) = A(V'). Comment V et V'
sont-ils reliés '? Essentiellen1ent par la. relation
----+ ----+
oa = 00 + o'a
1

qui pern1et de passer d'une structure à l'autre. Ainsi
a
a+ b = t~a(b)
a+ b = (to'a 0 too')(b)
a+ b =a+' (o' + b)
Le fait qu'on puisse changer d'origine, tout comme on peut changer de base dans un
espace vectoriel, permet de simplifier bien des questions, notamment en mécanique et en
géométrie différentielle. Retenons donc bien qu'un espace vectoriel apparaît co1nn1e
un espace affin centré, c'est-à-dire un espace affin concrétisé par un point.
Si A est un espace a.ffin et o un point de A, l'espace vectoriel obtenu à partir de A en
choisissant o comme origine sera tout naturellement noté A. 0 •
La discussion précédente conduit à la. définition cl 'une base affine. Dans un espace
affin A, un ensen1ble ordonné de points ( o, e1, e2 , ••• , en) est une base affine si et seule1nent.
si {e1 , e2 , ... , t:n} est une base de l'espace vectoriel A 0 • Ainsi sur une droite affine, une
base est constituée de deux points, dans un plan affin une base est constituée de 3 points
non alignés et da.ns un espace affin à 3 dimensions une base est constituée de 4 points
non coplanaires. Le choix d'une base affine correspond au choix d'un "systè1ne
d'axes" en physique (une origine, n axes par celle-ci et un point unité sur chaque axe).
9.4 Barycentres
Voici une illustration frappante des changements d'origine.
Partons d'un espace affin A déduit d'un espace vectoriel V. Nous considérons doréna-
vant les points de A comn1e des points 1nassiques, ce qui signifie que chaque point se
voit attribuer une n1asse qui n'est autre qu'un élément du corps J(. Notons bien qu'il
n'y a pa.s de restrictions sur la. masse (on n'exige pa.s par exemple qu'elle soit positive);
physique1nent diverses grandeurs peuvent donc être représentées de cette façon.
A un ensen1ble de points n1a.ssiques (pi, m1), (p2, n~2), ... , (Pn, rnn) où Pi E A et 1ni E
J(, rious a.lJons associer un barycentre ou centre de n1asse p et une tna.sse résultante
n
rn = L ·n·z·i· Diverses expériences physiques suggèrent de procéder comn1e suit : on fixe
i=l
un point o de A et on définit p pa.r
~
op= 1 "'"'---+
~(Lm.iOPï) (1)
Lmi i
Il faut donc supposer au départ queL 171-i =/:. O. La. nobon de barycentre a.insi définie sera.

a.ffine si elle ne dépend pas du choix du point o. Considérons donc un point o' -j:. o. A-t-on
encore
La réponse est oui, car
Dans un systè1ne de coordonnées d'origine o, il en résulte de (1) que les coordonnées Xj

du barycentre p sont données par
où Xij est la. j-èn1e coordonnée du point Pi·

On 1nontre sans difficulté que si p 1 , • •. , Pn sont fixés et si les masses mi varient libre-
ment (avec com1ne seule restriction L
1ni -j:. 0), le barycentre p décrit le sous-espace affin
i
engendré par les Pi· En particulier, le barycentre p de deux points p1,p2 décrit la. droite
p 1p 2 lorsqu'on fait varier les n1asses 1nb 1n 2 en gardant m 1 + m 2 -j:. O.
D'autre part, il est facile de lier le rapport de section de :3 points alignés à la notion
de barycentre : p( a, b, c) = p si et seulement si le point c est le centre de masse des points
(a, 1- p) et (b, p).
En fait, on peut élaborer une définition des espaces affins basée uniquement sur la
notion de barycentre. Cette définition a. l'avanta.ge de ne plus faire intervenir un espace
vectoriel mais seulement un corps de base /{. Nous ne l'expliciterons pas ici.
9.5 Propriétés des droites de A(V)

Les propriétés suivantes n'ont rien de surprenant. Elles sont néann1oins fondamentales :
THEOREME 29.
( 1) Toute paire de points de A( l') est contenue dans une et une seule
droite.
(2) Toute droite de A( 11) comprend au moins deux points, en fait exacte-
n1ent II<I points.

Dén1onstration.
(1) Soit {p,q} une paire de points de A(V). S'il existe une droite comprenant pet q,
celle-ci est de la forme p + D, où D est un sous-espace à 1 dimension de V. Il reste
à prouver qu'un tel D existe et est unique.
Comrne q =f:. p, q - p engendre dans V un sous-espace ]( ( q - p) de dimension 1. Il
est clair que
p+l<(q-p)={p+À(q-p)IÀEI<} (*)
con1prend p (obtenu pour À= 0) et q (obtenu pour À= 1). Ceci prouve l'existence
de D.
D'autre part, si p + D comprend q, on a q = p + d avec dE D. Comme d = q- p,
on en déduit que 1\(q- p) est contenu dans D, et par conséquent 1\(q- p) = D
puisque D est de dimension 1. Ceci prouve l'unicité de D.
(2) Résulte encore de ( *) puisque À prend II<I valeurs et qu'à chaque valeur de À corre-
spond un point de la. droite D.
•
Les propriétés énoncées dans le théorè1ne 29 se résun1ent en disant que l'espace affin
A(V) est un espace linéaire dont toutes les droites ont II<I points.
La droite c01nprenant p et q sera. notée pq.
9.6 Propriétés des sous-espaces affins de A(V)

Nous sommes tentés d'appeler sous-espace affin (ou simplement sous-espace) d'un
espace affin A(V) toute classe ]a.t.éra.le d'un sous-espace Hl de li.
Cette définition s'inspire bien entendu de celle des droites de A(V). Elles nous pennet
de transférer aux sous-espaces affins notre intuition des sous-espaces de \1 et des droites
de A(ll). Elle cornporte cependant un défaut : nous ne définissons pas les sous-espaces
de A(ll) en nous servant de la structure affine de A(V) définie précédemment; nous
utilisons encore l'espace vectoriel l1 dans cette définition. En fait, les sous-espaces de
A(11.) peuvent être entièren1ent décrits à partir de la seule structure de A(V), comme le
rnontrera le théorèrne 30.
D'autre part, on verra. dans le corollaire 2 que toute intersection de sous-espaces
affins est soit un sous-espace affin, soit la. partie vide. Ceci nous a.n1ène à penser que
la définition des sous-espaces adoptée au début n'est pa.s tout à. fait la bonne et qu'il
convient d 'adtnettre ]a. partie vide pa.rn1i les sous-espaces de A(V).
La discussion qui précède n1otive la. définition suivante :
Définition. On appelle sous-espace affin (ou simplement sous-espace) d'un espace

a.ffiri A(V) toute classe latérale d'un sous-espace de V, ainsi que la partie vide.

THEOREME 30. Une partieS d'un espace affin A(V) est un sous-espace si
et seulen1ent si les deux conditions suivantes sont retnplies :
(i) si a, b E S a·vec a f; b, la. droite ab est contenue dans 8.

--? --?
(ii) si ab= cd avec a, b, cE S, alors dE S
Dé1nonstration.
1. Soit S' une partie de A(V) vérifiant (i) et (ii). Si S est non vide, il faut montrer
que S est une classe latérale d'un sous-espace de V. Soit p un point de S et liV =
{x - p 1 ;1.~ E S'}. Il est clair que 8 = p + Hl et il reste donc à. prouver que W est un
sous-espace de V.
(a.) l1V, + est un sous-groupe de l',+. Pour le· vérifier, il suffit de montrer que la
différence de deux éléments quelconques de Hl est encore un élément de Hf.
Autrement dit, Vx, y E S, nous devons prouver que (y-p)-(x-p) =y-xE Hl.
Or il existe un point q E A(F) tel que xy = pq, d'où il résulte que q E S grâ.ce
à. (ii). Dès lors, y- :r = q- pet comme q- p E Hl, on a. bien y- x E Hl.
(b) V).. E /\, Vx E S', il faut n1ontrer que À(x- p) E Hi. Ceci est immédiat par
l.(a.) si x = p puisque Ào = o E Hl. Si ~r f; p, la. droite px contient le point
y= p+À(:r-p) et con1n1e S vérifie la. condition (i), on a. y E S', donc y-p E Hl,
c'est-à-dire À(x- p) E Hl.
2. Le fait que réciproquement tout sous-espace affin de A(V) vérifie ( i) et (ii) est laissé
con1me exercice.
•
COROLLAIRE 1. Une partie S d'un espace affin A(F) est un sous-espace
affin si et seulen1ent. si les deux conditions suivantes sont remplies:
(1) si a, b E S avec a f; b, la. droite ab est contenue dans S
(2) si D est une droite contenue dans S, toute parallèle à D passant par
un point de S est contenue dans S.
La. démonstration est laissée cotnine exercice (facile).

On pourrait se clen1a.nder s'il ne suffit pas qu'une partie S d'un espace affin A(V)
vérifie une seule des conditions ( 1) et. (2) ci-dessus pour que S' soit un sous-espace affin.
En ce qui concern~ la. condition (2L la réponse est négative : il existe beaucoup de parties
qui vérifient (2) et qui ne sont pas des sous-espaces affins (chercher des exemples à. titre
d'exercice). Pour la. con di ti on ( 1), la. réponse est encore négative n1ais ici les exceptions
sont plus rares; chacun pourra. néanmoins en trouver dans tout espace affin A(IF~) avec
n 2:: 2. Par contre, on peut dén1ontrer (exercice) qui si I< f; lF 2 , toute partie S de
A(V) vérifiant (1) est un sous-espace affin. Ceci semble indiquer que les droites de

A(V) pourraient alors détern1iner entièrement la structure de cet espace, mais il faut se
garder de tirer une telle conclusion de manière trop hâ.t]ve. En fait, cette conclusion est
valable pour autant que dim V ~ 2 (c'est-à-d]re que A.(V) possède plus d'une droite),
mais la. dén1onstration et l'explication de cette propriété dépassent le cadre de ce cours.
Malgré les nuances dans les affirmations qui précèdent, on peut conclure que les droites
jouent un rôle prépondérant dans la structure d'un espace affin.
COROLLAIRE 2. Toute intersection de sous-espaces affins de A(11) est un

sous-espace affin. Autrement dit, A(V) muni de ses sous-espaces affins est un
espace à fermeture.
Dén1onstration. Si {Si 1 i E J} est une famille de sous-espaces affins de A('!), leur

intersection n
si est un sous-espace affin : elle vérifie en effet les conditions (1) et (2) du
iE/
Corollaire 1 puisque celles-ci sont vérifiées dans tout Si.
•
Pour définir la notion de din1ension d'un sous-espace affin de A(V), nous partirons
encore de la. structure de V bien qu'il soit possible d'introduire cette notion en utilisant
seulement la. structure de A(V).
Définition. Dans un espace affin A(V), un sous-espace affin à d ditnensions sera.

une classe latérale d'un sous-espace à. d ditnensions de V. En particulier, si dim V = n,
on dira. que A(V) est un espace affin à n di1nensions. On complète cette définition
en décidant que la partie vide est de dÎlnension -1.
Ainsi les sous-espaces de dimension 0 sont les points (pardon! les singletons) de A(V)
et les sous-espaces de dimension 1 sont les droites de A( 11). Les sous-espaces de dimension
2 sont appelés plans de A(ll).
9. 7 Propriétés des plans de A(V)

Nous allons voir qu'un plan cl 'un espace affin A( V) resse1nble assez bien, par certains
a.spe.cts, au plan euclidien, ou plutôt au plan affin réel A(IR?).
Soit P un plan de A(V). Co1n1ne P est un sous-espace affin, toute paire de points de
Pest contenue dans une droite, elle-même contenue entièrement dans P, de sorte que P
est un espace linéaire. On a. en outre la. propriété suivante :
THEOREME 31. Soit P un plan d'un espace affin A(V). Si D est une
droite de Pet p un point de P-D, il existe da.ns P une et une seule droite D'
passant par p et disjointe de D. En outre, les droites D et D' sont parallèles,
c'est-à-dire sont des classes latérales d'un mê1ne sous-espace à. 1 din1ension de
v.

Dé1nonstration. Soit Hf le sous-espace à 2 dimensions de V tel que P = p + Hf et

soient a =1 b deux points de D. Il est clair que a-pet b- p sont deux éléments de liV,
linéairement indépendants sinon a, b, p seraient alignés et p serait sur D. Donc W est
engendré par a - p et b - p.
Soit x un point de P distinct de p. Alors,

x - p = Àt (a - p) + À2 ( b - p)
et la droite p:r est l'ensemble des points
p +.X( x- p) = p + (ÀÀt)(a- p) + (--\--\2)(b- p)
lorsque ,.\ parcourt ](. L'intersection de px et de D est constituée de ceux des points
précédents qui sont de la forme
a+ J.L(b- a)= p +(a- p) + ft((b- p)- (a- p)) = p + (1- J.L)(a- p) + p(b- p)
Un point appartenant à l'intersection des deux droites fournit donc des élé1nents À, J1 E ]{
tels que ÀÀ 1 = 1 - Il et ÀÀ2 = J.L, c'est-à.-clire
ÀÀt + ÀÀ2 = 1 ou encore À(À 1 + À2 ) = 1.
Si ,\ 1 + À2 =1 0 (rappelons que )q et /\ 2 sont détenninés par p, x, a, b), les droites px et D
ont un point cotnmun correspondant à.
Si ,\ 1 + À2 = 0, ces droites n'ont pas de point commun.

Par conséquent, pour que la. droite px soit disjointe de D, il faut et il suffit que
= À1 (a- p)- À1 (b- p) = ÀI{a- b)
x- p
c'est-à-dire que a: E p + ]{ (a - b). Il en résulte que p + ]{ (a - b) est l'unique droite de P

passant par p qui soit. disjointe de ab. D'autre part, ab et p + J((a- b) sont deux classes
latérales du sous-espace 1\(a.- b) car ab = b +.!{(a-b). Ces deux droites sont donc
parallèles dans A (V).
•
9.8 Parallélisme de sous-espaces affins

Diverses propriétés obtenues plus haut suggèrent la définition suivante :
Définition. Deux sous-espaces affins A, B de A(1l) seront dits strictement parallèles

s'il existe une translation appliquant A sur B ou, ce qui revient a.u n1ême, si A et B sont
des classes la.téra.les d'un n1ême sous-espace de V.
Pour que ces deux définitions soient équivalentes, il faut convenir, dans la deuxième,
que la partie vide est strictement parallèle à elle-même. L'équivalence résulte alors des
arguments suivants :
Si A = a + Hf et B = b + Hl (A et B sont parallèles selon la 2ème défini ti on), la.
~
translation t = ab applique A sur B car

t(A) =(a+ liV) +(b-a)= (b-a+ a)+ Hl= b +li{!= B
~
Si A. = a + Hl et si B est l'in1a.ge de A par une translation t = ab (A et B sont parallèles

selon la 1ère définition), on a
B = t(A) =(a+ lV)+ (b-a)= b + vV

THEOREME 32. La. relation de para.llélisrne strict est une relation
d'équivalence dans l'ensen1ble des sous-espaces affins de A.(V). De plus, si
A est un sous-espace non vide et p un point de A( V), il existe un et un seul
sous-espace st.rict.en1ent parallèle à. A passant par p
Ce résultat découle in1média.ten1ent de la. définition du parallélisrne strict et du fait que

les classes latérales d'un sous-espace de 11 forment une partition de A(ll).
•
Une classe d'équivalence de la. relation de pa.ra.llélisme strict sera. appelée une direction
de sous-espaces.
Deux sous-espaces affins strictement parallèles ont nécessairen1ent la même dimension.
Or, de mêrne qu'ons 'intéresse parfois clans E 3 au pa.ra.llélisn1e d'une droite et d'un plan, on
s'intéresse aussi dans les espaces affins A( V) a.u para.llélisrne (non strict) de sous-espaces
ayant des din1ensions différentes. La. définition qui suit s'inspire de cette idée :
Définition. Nous dirons qu'un sous-espace A est parallèle au sens large (ou
simplement parallèle) à. un sous-espace B d'un espace affin A(V), et nous écrirons
A Il B, s'il existe un sous-espace B' Ç B tel que A soit strictement parallèle à B'.
On observera. que deux sous-espaces strictement parallèles sont aussi parallèles au sens
large, ce cas particulier étant d'ailleurs le plus in1portant.
Proposition 1. Si A li B, alors din1 A ::; clin1 B. La. rela.tion Il est transitive

et réflexive~ elle n'est pa.s symétrique.

CHAPITR.E 9. ESPACES AFFINS 116
La démonstration est laissée comme exercice.

La relation Il permet de définir le parallélisme de deux directions de sous-espaces
grâce à la propriété suivante dont la démonstration est également laissée comme exercice :
Proposition 2. Si A1 et A 2 sont strictement parallèles, de même que B 1 et

B2, et si At Il Bt, alors A2 Il B2.
On dira. qu'une direction de sous-espace ~ est parallèle à une direction de sous-

espace r et on écrira ~ Il r' s'il existe un sous-espace A E ~ et un sous-espace B E r
tels que A Il B.
Proposition 3. Si ~ 1 et ~ 2 sont deux direction de droites d'un espace affin

A(\1) et si ~ 1 =j; ~ 2 , il existe une et une seule direction de plans 1r telle que
~I Il 7r et ~2 Il 7r •
Selon la. tra.di ti on affine, la. dén1onstra.tion est laissée co1n1ne exercice.
Pour ceux qui sont déjà. fa.n1ilia.risés a.vec les notions de point à l'infini et de droite à.
l'infini, nous ferons remarquer que la. proposition :3 revient à dire que toute paire de
points à l'infini est incluse dans une et une seule droite à l'infini.
9.9 Espaces affins et matroïdes

Considérons un espace affin A(\1) déduit d'un espace vectoriel li. On a. vu en 9.6 (Co-
rollaire 2) que A(V), 1nuni de ses sous-espaces affins, est un espace à fermeture. On va.
montrer qu'en fait. A(\1) est un n1a.troi"de.
LEMME. Soit L une partie de A( V) et p un point de L. Alors L est une

partie libre de A( ll) si et seule1nent si l'ensemble
Lp = {x - p 1 x E L et x =j; p}
est une partie libre de \1.
Dé1nonstration.
Si Lp n'est pas une partie 11 bre de V, il existe a E L (a =j; p) tel que a - p soit
co1nbina.ison linéaire de vecteurs 1: 1 - p, ... , Xn- pott Xi E L, Xi #pet Xi #a. Donc
n
a- p = L Ài( Xi - p)
i=l
ou encore n
a = p +L Ài (xi - p)
i=l
Par 9.6, <L- {a.}>= Hl+ p où Hl est le sous-espace vectoriel engendré par les vecteurs
x- p où ~?.: E L, ~r # p et x =j; a. Il en résulte que a est dans le sous-espace affin engendré
par L- {a}, donc queL n'est pa.s une partie libre de A( V).

Réciproquernent, si a EL est dans le sous-espace affin engendré par L- {a}, celui-ci

est de la forme Hl + p où W est le sous-espace vectoriel engendré par les vecteurs x - p
où x E L, x =f. pet x =f. a, et de ce fait Lp n'est pa.s une partie libre de V.
•
THEOREME 33. Tout espace affin A(V) est un matroïde finitaire de car-
actère fini et de dimension din1 V + 1.
Dé1nonstration.
Soit Lune partie libre de A(ll) et soit v E A(~1 )- <L>. On doit prouver queL U {v}
est une partie libre de A(V). Si L est vide, c'est évident. S'il existe un point p dans L,
alors
Lp = {x - p 1 x E L et x =f. p}
est une partie libre de V par le lemme ci-dessus et v- p tf:.<Lp> par 9.6, donc Lp U {v- p}
est une partie libre de 11 et, par le 1etnme~ L U {v} est une partie libre de A( V).
Le faü que le nlatro]'cle A(\/) soit finitaire et de caractère fini résulte, par le lernme,
du fait que le rna.troïcle V jouit de ces propriétés. De n1ême, la diinension de A('l) résulte
i1nmédiaternent cl u lemme.
•
9.10 Une autre définition des espaces affins
La définition adoptée pour les espaces A(V) a l'avantage d'être constructive: la structure
nouvelle est construite à. partir d'une structure connue, celle de V. Cette définition a
pourtant des défauts. D'abord V est non homogène et possède 1nême un point tout à
fait particulier~ l'origine ou neutre o. Par contre A(V) est homogène en ses points et la.
construction doit donc s'accornpa.gner d'un effort d'abstraction : il faut oublier que o est
spécial.
Nous alons donner une définition qui évite ce défaut mais qui a le désavantage d'être
plus abstraite que la. première. Cette définition fut mise au point par H. WEYL vers 1920.
Soit V un espace vectoriel sur un corps J{.
Un espace affin A relatif à l/ est un ensemble de points n1uni d'une application
a :A x A -+ V : (p, q) -+ pq
telle que
(2) Vp E A~ \lv E 11, i1 existe un et un seul point q E A tel que pq =v.

La théorie de ces espaces se développe fort aisément. On prouve d'abord que pP = o,

----+ ~ ~
pq = -qp, pq = p' q' implique pp' = qq'. On définit aisément une base affine de A et
l'introduction de coordonnées ne pose aucun problème. De même, les notions de droite,
parallélisme, sous-espace, rapport de section, isomorphisme se laissent facilement étudier.
La propriété la. plus importante est sans doute que tout espace affin A relatif à V
est ison1orphe à A(\1), de sorte qu'on n'obtient pas réellement une théorie plus générale
1na.is une théorie plus esthétique.
Signalons enfin qu'il est possible de caractériser les espaces affins en tant qu'espaces
linéaires dont tous les plans sont affins. C'est là un sujet de géométrie pure dont l'étude
est renvoyée à. plus tard.
9.11 Exercices
1. Parmi les notions suivantes, quelles sont celles qui sont affines, c'est-à-dire qui
résistent à. toute projection parallèle bijective d'un plan sur un plan ?
Carré, rectangle~ para.l1élogran1me, losange, trapèze, point, voisinage d'un point,
point d'accumulation d'une suite de points, longueurs égales, 1nilieu d'un segment,
angles égaux, bissectrice d'un angle, angle droit, angle aigu, angle obtus, médiatrice
d'un segment, n1édiane d'un triangle, centre de gravité d'un triangle, courbe, tan-
gente à une courbe, nonna.le à une courbe, point d'inflexion d'une courbe, cercle,
ellipse, parabole, hyperbole, conique, centre d'une ellipse, axes d'une ellipse, sommet
d'une parabole, asymptotes d'une hyperbole, foyers d'une ellipse.
2. Soit G le groupe des affinités du plan. Déterminer les orbites de G et des fixateurs
Go et Goa. d'un po]nt et de deux points. Introduire ainsi la. notion de droite. Montrer
que G est strictement transitif sur les triples de points non alignés.
:3. Etudier les dilatations du plan, c'est-à-dire les affinités appliquant toute droite sur
une droite parallèle (équations, propriétés).
4. Si a, b, c sont des points distincts d'une droite affine avec p( a, b, c) = p calculer les
rapports de section p( a, c, b), p( b, a, c), p( c, b, a), p( b, c, a), p( c, a, b) en fonction de p.
5. Définir une affinité de E 1 co1nme une permutation a de ses points telle que
p(a,b,c) = p(o(a),n(b),a-(c))
pour tout triple de points a, b. c avec a =/= b. l\1ontrer que les affinités de E 1 con-
stituent un groupe stricten1ent 2-transitif sur les points, c'est-à-dire qu'il existe une
affinité appliquant un couple de points distincts donnés sur un couple de points
distincts donnés. Si o est un point origine, 1 un point unité et si x est le rapport de
section p( o, 1, p) pour tout point p E E 1 , montrer qu'une affinité est une application
x --+ x' a.vec
x' = a x + b avec a, b E IR, a =/= 0

6. Dans les espaces affins A(I\ 3 ) indiqués ci-dessous, calculer le rapport de section des
triples de points (a, b, c), pour autant que ceux-ci soient alignés :
]{ a b c
IR (0,0,0) ( -6, -9, 15) (2, 3, -5)
IR (0,0,0) (2, 3, -5) (-6, -9, 15)
IR (3,2,6) (1, -J2, 0) ( 1 +v'2, 1' 3/2)
IR (1, -J2, 0) (:3, 2, 6) (1 +v'2, 1, 3/2)
lll (2,1,3) (1, 1, 1) ( -2, 0, -5)
IH (i,j,k) ('i + k,O, -1 + k) (i+j,j+k,k+i)
IFs (2,1,0) (1,0,2) (0, -1, -1)
IF.s (2,1,0) (1,0,2) (0,-1,-1)
7. Pour quelles valeurs de À E J{ les points (0, 1, À), (1, À, 0) et (À, 0, 1) de l'espace
affin A( 1{3 ) sont-ils alignés si (a.) ]{ = IR, (b) ]{ = <C, (c) ]{ = lF3 , ( d) ]{ = lF5 ?
8. Etudier l'espace affin A(IF~). Combien possède-t-il de points, de droites, de direc-

tions de droites, de plans, de directions de plans '?
-7
9. Dans un espace affin A(J\'n), on appelle con1posante d'un vecteur libre ab les
---7 -7
coordonnées du point p tel que op = ab. Que valent les cmnposa.ntes de ab si
a= (at,a2, ... ,an)

et b = (bl, b2, ... , bn)?
10. Calculer les con1posantes des vecteurs libres suivants dans les espaces affins A( ]{n)
indiqués :
-7 -7
(a.) ab + .s be - :3ëâ dans A(IR3 ) avec a= (2, 1, -J2), b = (0, O,J2), c = (3, !, 0)
(b) ixy + (:3- i)uv- .sf.ï} dans A(<C 3 ) avec ~r = (1 + 2i,O,-i), y= (3- 2i,i,i),
u = (o, o,J3), v= (1, 1, 1)
-7 -7 4
(c) ab+ cd dans A(IF2 ) avec a= (1,1,0,0), b = (1,0,0,1), c = (0,0,1,1), d =
(0,1,1,0).
1 L Soit 11 un espace vectoriel sur un corps ]{. Si a, b, b', c, c' sont des points de l'espace
affin A( V) et s'il existe un scalaire À E ]{ tel que
---1 ---7 ---1 -7

ah' = Àab et ac'= Àac
~ -7
prouver que b c = À be
12. Soit]{ un corps fini d'ordre q. Dans l'espace affin A(I<n), combien y a-t-il de points,
de droites, de directions de droites, de points sur une droite, de droites par un point,
de vecteurs loc.a.lisés, de vecteurs libres, de translations, de plans, de directions de
plans, de points dans un plan, de plans par un point ?

CHA-PITRE 9. ESPACES AFFINS 120
13. Dans l'espace affin A(J(n), prouver que la droite passant par deux points distincts
a= (a 1 , ••• ,an), b= (bh ... ,bn) est l'ensemble des points x= (x 1 , ••• ,xn) tels que
Xi = ai + t (bi - ai) (i = 1, ... , n)

où tE](
Montrer que ces équations, appelées équations para1nétriques de la droite ab,

peuvent encore s'écrire sous la forme
Xi= Àai + p.bi (i = 1, ... , n)

où À, Il E ]{ et À + Jt = 1
14. Soient a = ( 1, 0, -4, 2), b = (:3, -1, 5, -2), c = (J2, 0, 4, 1) trois points de l'espace
affin réel A(IR.4 ). Trouver des équations paramétriques de la droite parallèle à ab
---? ---?
passant par c. Quelles sont les coordonnées du point dE A(IR.4 ) tel que cd = 3ab ?
15~ Dans l'espace affin réel A(IR.5 ), on considère les points
a = (1, -2, 3, 0, 5) c = (4, 5, :3, 1, -11 )

b = (2, :3, -1, -1, -1) d = (:3, -2, 10, :3, -8)
Les droites ab et cd ont-elles un point commun ?
16. Etant donnés les points
o=(O,O,O) q=(O,l,O) s=(l,-1,3)

p= (1,0,0) r = (0,0,1)
dans l'espace affin A(1R3 ), écrire les équations paramétriques
(a) de la. droite op

(b) de la droite qr
( c) d'une droite quelconque s'appuyant à. la. fois sur op et sur qr
( d) de la droite passant pars et s'appuyant sur op et sur qr.
Quelles sont les coordonnées des points d'appui de cette dernière droite ?
17. Dén1ontrer le théorè1ne de THALES dans tout espace affin A(F) où V est un
espace vectoriel de dimension ~ 2 sur un corps ]( :
Si A, B, C sont des droites de .A(F) pa.ra.llèles deux à. deux avec A=/= B et si a, a' E A,
b, b' E B, c. c' E C avec a, b, c alignés et a', b', c' alignés, alors p(a, b, c) = p(a', b', c').

18. Dans tout espace affin A(V), n1ontrer que deux droites quelconques D, D', munies
de la. structure déterminée par le rapport de section, sont isomorphes (si dim V = 1,
la. structure de A(V) se réduit au rapport de section, de sorte que la structure
"naturelle" de droite affine de D et D' est bien celle décrite ci-dessus).
19. Et~.nt donnés deux points a et b d'un espace affin A(V) sur un corps!{, on dit qu'un
. ---7
point rn E A(1!) est le n1ilieu du bi point {a,~} si ani = mb. Prouver que, lorsque
]{ est de caractéristique :f. 2~ tout bipoint de A(V) possède un et un seul 1nilieu.
Q ue se pa.sse-t-1"l qua.ncl le corps liT.·' est de ca.ra.ctenst1que
, . . ?-- ?.
20. Dans l'espace affin A(IF~), quelles sont les coordonnées du milieu rn de {a, b} SI
a= (1,4,0,2,5) et b= (0,1,2,4,0)?
21. Etant donné$ quatre points a, b, c, d d'un espace affin A(V) sur un corps f{, on
---1- --7
dit que le quadruple (a, b, c, d) est un parallélogram1ne si ab = cd (il en résulte
im1nédia.ten1ent que (a, c, b, d) est aussi un parallélogram1ne ). Si les points a, b, c, d
ne sont pas alignés et si le corps J{ n'est pas de caractéristique 2, prouver que les
diagonales du pa.ra.llélogra.n11ne (a, b, c, d) se coupent en leur 1nilieu. Si J{ est de
caractéristique 2, prouver que les dia.gona.1es d'un parallélogram1ne sont toujours
parallèles.
22. Soient p, q, r, s quatre points quelconques d'un espace affin A( V) sur un corps]{ de
caractéristique :f. 2. IVIontrer que si a, b, c, d sont les milieux respectifs des bi points
{p, q}, {q, r}, {p, s}, {s, 1~}, le quadruple (a, b, c, d) est un parallélogramme.
23. Etant donnés, dans un espace affin A( \1) sur un corps ]{,six points a1?a2,a3,p 1 ,p2 ,p3
distincts deux à. deux avec p1 ,p2,p3 non alignés et a1 E P2P3, a2 E P3PI, a3 E P1P2,
prouver que
(a.) les droites a 1 p1 , a2p 2, a3p3 sont. concourantes ou parallèles si et seulement si

(théorème de CEVA)
(b) les points a 1 , a 2 , a 3 sont alignés si et seule1nent si
(théorème de MENELAUS)
..
Faut-il extger que le corps [\' soit comn1utatif ? Que se passe-t-il SI ]{ est de
caractéristique 2 ?
24. Dans un espace a.ffin A( V) sur un corps J( de caractéristique f= 2, les médianes d'un
triangles sont-elles toujours concourantes ?
25. Le groupe T, o des translations d'un espace affin A(l!) est-il isomorphe au groupe
V,+?
26. Si ]{ est de caractéristique 2 (resp. 3) et si li est un espace vectoriel sur ]{, montrer
que toute translation non identique de A(1l) est d'ordre 2 (resp.:3).
27. Soit o- la. pern1uta.tion des poi nt.s du plan affin .4( <V 2 ) appliquant tout point (x, y)
sur le point Ur, y). Prouver que 0' tra.nsfonne toute droite en une droite et deux

CHA.PITR.E 9. ESPACES AFFINS
droites parallèles en deux droites parallèles. Cependant, a n'est pas une affinité de
A(~ 2 ). Pourquoi ?
28. Soit S un sous-espace affin et p un point d'un espace affin A(V). Montrer que
--+ --+
l'ensemble des points x E A(ll) tels que px = ab avec a, b E S est le sous-espace
stricte1nent parallèle à S passant par p.
29. Soient A. et B deux sous-espaces d'un espace affin A.(V). Si A Ç B, il est clair que
A U B est un sous-espace de A(V). La réciproque est-elle vraie, autrement dit si
la. réunion de deux sous-espaces affins est encore un sous-espace affin, peut-on en
conclure que l'un des deux sous-espaces est inclus dans l'autre?
30. Construire une partition de l'espace affin A(~) en 4 droites gauches ( = non para-
llèles) deux à. deux.
31. Le problètne des écolières. Les :3h~ écolières d'un pensionnat partent chaque jour
en pron1enade~ disposées en À~ rangées de :3 éco]ières. Afin de favoriser les possi-
bilités cl 'a1nitié entre ses pensionnaires, la directrice désire que deux quelconques
des écolières se trouvent une et une seule fois dans la même rangée au cours des
diverses pro1nena.des. Quel est le non1bre n1a.ximu1n de promenades qu'elle peut
organiser en re1nplissant cette condition et com1nent doit-elle disposer les écolières
au cours de chacune des promenades ?
Montrer que, dans le cas particulier où 3k = 3n, on peut résoudre ce problème en
utilisant les espaces affins A(lF~). Ecrire une solution explicite du problème des 9
écolières à. l'aide du plan affin A(IF~).
Trouver une solution du probJèn1e des l.S écolières (djfficile ).
Le problèn1e général des :3A~ écolières, posé en 1850 par le révérend T.P.KIRK11AN,
n'a été résolu co1nplèten1ent qu'en 1968. On montre assez facilement qu'il n'a pas
de solution lorsque h-: est pair, et beaucoup plus difficile1nent qu'il en a une pour
toute valeur impaire de k.

Chapitre 10
Hyperplans
10.1 Définition
Parmi les sous-espaces d'un espace vectoriel V (ou d'un espace affin ou plus généralement
d'un n1atroïde), nous allons nous intéresser particulièrement aux sous-espaces propres
111axÎinaux ou hyperplans.
H est un hyperplan de V si H est un sous-espace de li, si H est distinct de li et s'il
n'existe aucun sous-espace liJ! (distinct de H et 11) tel que H C liJI C V.
Attirons in1médiatement l'attention du lecteur sur le fait qu'il peut être dangereux
d'oublier cette définition au profit d'une autre. En effet, si V est de din1ension finie n,
on verra que tout hyperplan de 11 est de din1ension n -1 et que réciproque1nent
tout sous-espace de diinension n - 1 de V est un hyperplan; ainsi, les hyperplans
de E; sont les plans passant pa.r o et ceux de E;
sont les droites passant par o. Le danger
que nous voulions signaler est que la. propriété précédente n'est plus tout à fait vraie si
li est de dimension infinie : dans ce ca.s, les hyperplans de V sont encore de dimension
din111 - 1 (du reste égale à din1 V), mais il ne suffit plus qu'un sous-espace ait cette
dimension pour qu'il soit un hyperplan. Retenons donc plutôt la définition donnée au
début :
un hyperplan de 11 est un sous-espace propre n1axin1al de V.
En dehors des considérations géon1étriques qui précèdent, 1'in1porta.nce des hyperplans

est due essentiellen1ent à. leur nen avec les équations linéaires hon1ogènes, comme on
va. le voir dans ce qui suit.
124
CHAPITRE 10. HY"PERPLAlvS 125
10.2 Hyperplans et formes linéaires
THEOREME 34. Soit F =]{net soit (at, a2, ... , an) un élément non nul de V.
Alors l'ensemble H des vecteurs (x 1 , x2, ... , Xn) de V tels que
n
LXiai = 0
i=l
est un hyperplan de V.
Dén1onstration
1. H est un sous-espace de V, com1ne on l'a déjà montré en 3.6, exemple (2), page 34.
2. H est un sous-espace propre de 11. En effet, l'un au moins des ai étant non nul, le
vecteur
(0, ... , 0, 1, 0, ... , 0)
dont toutes les coordonnées sont nulles sauf la ièn1e, n'est pas dans H.
cie
:3. H est n1a.ximal. Ils.uff1Prnontrer que pour tout vecteur ji= (p 1 , ••• ,pn) E 11- H,
H et p engendrent 11. Soit~-= ('lfi, ... ,~) un vecteur quelconque de V. Posons
L 1riai = a et L
]Ji ai = /3. Comn1e ji tf. H, on a j3 =j:. O. Alors
L('lïi - af3- 1Pi )ai = 0

t
donc le vecteur h = ~- a(3- 1 ji est dans H et v= h+ a/3- 1ji, ce qui prouve que
HU {p} est une partie génératrice de 11.
Retnarque. La démonstration ci-dessus ne fonctionne plus si on part de l'écriture

fan1ilière n
LaiXï=Ü
i=l
avec les coefficients ai à gauche des Xi, et on peut montrer facilement (en travaillant sur le
corps IH par exemple) que l'ensemble des vecteurs (x 1 , ... , Xn) vérifiant une telle équation
n'est pas toujours un hyperplan. En revanche, sur un corps co1nn1utatif ]{, les deux
écritures sont équivalentes et en pratique c'est surtout la. deuxième qu'on utilise.
COROLLAIRE. Cons]dérons un système de .s équat]ons linéaires homogènes à t

inconnues, à. coefficients dans un corps con1n1utatif f{ :
auxi + a12~r2 + ... + attXt = 0
l a21X1
as1X1
...
+
+
a22~~2
..
.
as2X2
Alors 1'ensemble Hl des vecteurs (x 1 ,

+ ... +
+ ·· · +
.•• ,
a2tXt
..
.
astXt
= 0
..
0
.
xt) solutions de ce système est un sous-

espace de f{t.

CHAPITRE 10. H1ÉPERPLANS 126
Dén1onstration. Il suffit d'observer que vV est l'intersection des s "hyperplans" de

J{t détern1inés par chacune des s équations du système.
•
En fa.it, l'ensemble des solutions de chacune de ces équations est un hyperplan si au
moins un des coefficients est non nul, ou l'espace J{t lui-même si tous les coefficients sont
nuls. Il est donc plus exact de dire que vV est l'intersection de n hyperplans avec n ::; s .
•
Re1narque. Ci-dessus, nous somn1es partis d'un système d'équations et nous avons
introduit ensuite un espace vectoriel. En pratique, le contraire se produit souvent : on
part d'un espace vectoriel f{t et on se donne ensuite un systèn1e d'équations. La portée
de cette nuance sera. éclaircie par un exemple. Le système d'équations
détermine un ensemble H12 de vecteurs (x 1 , x 2 ) dans IR? (1iV2 est une droite), un ensemble
vV3 de vecteurs (x 1 , x 2 , x3 ) dans IR? (x 3 est quelconque et H/3 est un plan), un ensemble
H/4 de vecteurs (1~ 1 ,a~ 2 ,~r 3 ,x 4 ) dans IR.4 (:1~ 3 , X4 sont quelconques et H14 est un hyperplan),
etc ...
Le sous-espace des solutions d'un système d'équations dépend donc non
seule1nent du systèn1e mais aussi de l'espace dans lequel celui-ci est étudié.
C'est un fait qui est souvent perdu de vue par les étudiants qui ont fait beaucoup de
géométrie analytique à 2 dimensions; pour eux, l'ensemble des points de IR3 vérifiant
l'équation x 1 = 0 est souvent une droite, alors que c'est un plan !
Anticipation. Le théorème qu'on vient de démontrer, selon lequel toute équation
linéaire homogène LXi
ai = 0 (où l'un au moins des ai est non nul) détermine un hy-
~
perp'lan, possède une réciproque qui sera établie plus tard dans la section consacrée aux
formes linéaires (n1ais on s'en servira déjà. en 10.4) :
· Si H est un hyperplan de l'espace vectoriel J{n, il existe un élément non
nul (at, ... , an) de J{n tel que H soit l'ense1nble des solutions (xl? ... , an) de
l'équation linéaire homogène
n
L:xiai = 0
i=l
En outre, si (b 1 , .•. ,bn) E f{n est tel que H soit l'ense1nble des solutions de
n
LXibi = 0,
i=I
alors il existe un scalaire À non nul tel que bi = aiÀ Vi= 1, ... , n. Bref, best un n1ultiple
à droite de a. Ceci nous conduira plus tard à distinguer des espaces vectoriels à droite
(où les scalaires s'écrivent à droite des vecteurs), par opposition aux espaces vectoriels (à.
gauche) étudiés jusqu'ici (où les scalaires s'écrivent à gauche).

CHAPITRE 10. H1'PERPLANS 127
10.3 Hyperplans et bases
THEOREME 35. Soit V un espace vectoriel de dhnension finie n. Alors
(1) pour toute base B de 11 et tout point bE B, le sous-espace <B- {b}> est
un hyperplan de V
(2) pour tout hyperplan H de 11, toute base B' de H et tout point x E V- H,
B' U {x} est une base de V
(3) un sous-espaceS de l'est un hyperplan de 11 si et seule1nent si dim S = n-1
(4) tout. sous-espace S de l' est 1'intersection des hyperplans de V qui le con-
tiennent.
Dén1onstration.
( 1) <B- { b} > est un sous-espace propre de V car B est une partie génératrice minimale
de V. En outre, <B- {b}> est maximal en vertu du théorème 14 (page 69) selon
lequel = l'couvre <B- {b}>.
(2) B' U {.1:} est une partie libre de V par le théorètne 10 (page 6:3) et c'est une partie
génératrice de 1/ elu fait que H est un hyperplan de V. Pa.r conséquent, B' U {x}
est une base de V.
(3) Si S est un hyperplan de 1/, alors dimS = n- 1 grâce à (2). Réciproquement, si

S est un sous-espace de 11 tel que di rn S = n - 1, considérons un point quelconque
x E V - S. Le sous-espace <SU {x}> couvre S par le théorème 14 et est de
dimension 2:: n. Dès lors, <SU {x}>= 11 et S est un hyperplan de V.
(4) Soit 1-{ l'ensemble des hyperplans de 11 qui contiennent S'et soit S'l'intersection de
ces hyperplans. S' est forcén1ent un sous-espace de V contenant S (même si 1i est
vide, c'est-à.-dire si S'= l..-). Il faut prouver que S'= S''.
Procédons pa.r induction suri= n-dimS. Pour i = 0, S =V et S =S'. Supposons
i > O. Alors il existe un point p E 11 - S. Distinguons deux cas :
I. Pour tout xE V-S, on a <SU{x}>=<SU{p}>. Dans ce cas, <SU{p}>= V

et S est un hyperplan de 11. De ce fait, 1-{ = { S} et le résultat est atteint.
II. Il existe un point x E 1i - S tel que <SU {x}>#< SU {p} >. Puisque
n-ditn( <S'U{~r. }>) = i-1, en appliquant l'hypothèse d'induction à <SU{x }>,
on voit qu'il existe un hyperplan H de 11 contenant <SU {x}> et ne contenant
pas p. Co1nn1e H E 1-t, il en résulte que p fi: S' et, comn1e ceci vaut pour tout
p E V - S', on a S = S''.

CHAPITRE 10. HlrPERPLANS 128
10.4 Hyperplans affins

Soit A(I\n) un espace affin de dimension finie n sur un corps J{. Etant donnés des éléments
a 1 , a 2 , ..• , an,b E f{, considérons l'équation linéaire non hon1ogène
(1) x1a1 + x2a2 + ... + Xnan = b
Soit H l'ensemble des solutions de (1), c'est à dire l'ensemble des points (xt, ... , xn) de
A( f{n) tels que LXi ai = b.
i
L'équation linéaire hon1ogène associée à (1) est
(2) X1a1 + X2a2 + ... + Xnan = 0
Soit S l'ense1nble des solutions de (2). Les parties H et S de A(I\n) sont liées comme
suit :
THEOREME 36.
• Si l'un des ai est non nul, alors H est un hyperplan affin de A(I<n) et plus
précisément une classe latéra.Ie de l'hyperplan vectoriel S de f{n (en particulier
H est parallèle à. S).
• ·si tous les ai sont nuls et b = 0, alors H = A(I<n).
• Si tous les ai sont nuls et b f= 0, alors H est vide.
Démonstration. Les deux dernières affirmations sont évidentes. Si 1'un des ai est
1
non nul, H est non vide : par exen1ple, a 1 =1= 0 implique que (ba: , 0, ... , 0) E H. Soit
(x 1 , ... , xn) = x une solution de (1). Alors, pour toute solution (Yb ... , Yn) = y de (2),
onax+yEHcar
L(Xi + Yi)ai = L(xiai + Yiai) = L Xiai + LYiai = b+ 0 = b
Donc la. classe lat.éra.le :r + S' est contenue dans !-!. I'/[ontrons que H est contenu dans
x+ S: si (x~~, .... x~~)= x' E JI, on a. :r'- xE S (autren1ent dit x' Ex+ S) car
:LC<- Xi)ai = I)x~ai- Xïai) = L x~ai- L Xiai = b- b = 0
i i i
•
On vient de voir qu'une équation ll.n.éait"e détermine un hyperplan affin
(sauf accident). En fait, tout hyperplan affin peut être déterminé par une équation linéaire,
grâce au résultat anticipé en 10.2 et à l'argument suivant :
THEOREME 37. Soit S un hyperplan de l'espace vectoriel f{n, ensemble des

solutions de réqua.tion L::riai =O. et soit p = (p 1 , ••• ,pn) un point de A(I<n).
z
Alors 1'hyperplan affin S + p est l'ensen1ble des solutions de 1'équation
LXi ai = L Pi ai
i i

CHAPITRE 10. I-11/PERPLANS 129
Dén1onstration. Il est clair que tout point de S +p vérifie l'équa.tiqn L Xïai =

i
LPiai. D'autre part, l'ensemble des solutions de cette équation est un hyperplan affin
2
en vertu elu théorè1ne 36 et plus précisén1ent la classe latérale de S contenant p.
•
COROLLAIRE. Considérons un système des équations linéaires non homogènes
à t inconnues, à coefficients dans un corps commutatif I< :
au x1 + a12X2 + ... + attXt

a 21 XI + a22X2 + ... + a2tXt
1as~;"l:I + as~;1:2 + ··· + as:Xt
qu'on peut écrire de manière plus compacte

t
(1) L aijXj =bi (i=1, ... ,s)
j=l
et le système homogène associé à ( 1) :

t
(2) L:aijXj = 0 (i=l, ... ,s)
j=1
Alors l'ense1nble S'des solutions du système (1) est un sous-espace affin de A(I<t).
Plus précisément, 8' est une classe latérale du sous-espace vectorielS de ]{t, ensem-
ble des solutions du système (2) (sauf si S'est vide).
Déri1onstration.
Par le théorèn1e :36, les solutions de chacune des équations du système (1) constituent
un sous-espace affin de A(I<t), donc. S' est une intersection de sous-espaces affins, c'est-
à-dire un sous-espace a.ffin.
Si S'est non vide, soit 7J E S'. Alors les raisonnements effectués dans la démonstration
du théorè1ne :36 n1ontrent que 8' = S +p.
10.5 Parallélisme et hyperplans affins
THEOREME 38. Soit H un hyperplan d'un espace affin A(V) et soit D une
droite de A (11). Si D n'est pas pa.ndlèle à. H, alors D n H est un point.

CHAPITRE 10. H-YPERPLANS
Dé1nonstration.
Nous donnerons celle-ci en dimension finie n.
On a vu que H est 1'ensemble des solutions ( x 1 , •• •, xn) d'une équation linéaire
n
LXiai = b
i=l
où l'un des ai est non nul. De même, D est l'ensemble des points (x 1 , ... , Xn) déterminés
par des équations paramétriques
(t E /{; i = 1, ... , n)
car D est une classe latérale p +Do d'une droite vectorielle Do = !{a, où a est un vecteur
non nul de 11.
L'intersection H nD est constituée des points (x 1 , ... , xn) tels que
n
L(Pi + tai)ai = b (1)
i=l
Or L aiai # 0 du fait que D n'est pas parallèle à H. Donc (1) possède une et une seule
i
solution t dans f{ et par conséquent D n fi est réduit à un point.
•
THEOREME 39. Si 1-I est un sous-espace propre d'une espace affin A(l/} tel que
toute droite non parallèle à. H coupe fi en un point, alors JI est un hyperplan de
A( 11).
Démonstration. On peut supposer, moyennant une translation, que H est un sous-

espace vectoriel (le cas où H est vide se règle facilement). Soit B une base de H. Si H
n'est pas un hyperplan, il existe a.u 1noins deux vecteurs p, q ~ H tels que BU {p, q}. soit
une partie libre de 11. Alors la droite pq n'est pas parallèle à. H et est disjointe de H
(pourquoi ?), ce qui contredit l'hypothèse. Par conséquent H est un hyperplan.
•
THEOREME 40. Soit H un hyperplan et S un sous-espace d'un espace affin
A(11).
(1) Si S n'est pas parallèle à H, alors H nS est un hyperplan de S.
(2) Si S' est parallèle à JI, alors H nS est vide ou S Ç H.

CI-IAPITRE 10. HJ.'PERPLANS 131
Dén1onstration.
(1) S contient au moins une droite sinon S serait parallèle à H. Pour la même raison,
S contient au moins une droite non parallèle à H et, par le théorème 38, celle-ci
coupe H. Donc H n S est non vide.
Soit p un point de Sn H. Si D est une droite de S, désignons par D' la parallèle à
D passant par p. La droite D'est dans S par le corollaire 1(2), page 112. Si D n'est
pa.s parallèle à Sn H, D' n'est pa.s dans Sn H, donc pas non plus dans H et de
ce fait, D n'est pas parallèle à H; par le théorème 38, D coupe H en un point qui
est forcément dans Sn 11. En résumé, dans S, toute droite non parallèle à Sn H
coupeS n H en un point. Par le théorème 39, Sn H est donc un hyperplan de S.
(2). Si H n S' n'est pas vide, soit p E H n S. Si S contient un point x # p, la droite

parallèle à. px passant par p est px elle-mên1e et elle est dans H puisque S est
parallèle à. H. Donc x E H et S Ç H.
10.6 Formulaire de géométrie analytique affine à 3

dimensions
Travaillons dans un espace affin à. 3 dimensions A(J( 3 ) sur un corps con11nutatif ]{.
Nous devons y posséder un ''contrôle'' sur les droites, les plans et leur para.llélistne.
I. Et~nt donnés deux point distincts a= (a 1 , a 2 , a3 ) et b = (b 1 , b2 , b3 ), "déterminer" la

droite ab.
Aspect cinématique : ab est l'ensemble des points x= (x 1 , x 2 , x 3 ) tels que
(1) (À E J(, i = 1, 2, :3)
Aspect statique : ab est l'intersection de 2 plans de A(J( 3 ). Il reste donc à.

trouver deux plans passant pa.r a et b. Il est ren1arquable que ceci puisse se faire
mécaniquement en partant de ( 1), cl 'où on peut tirer À de trois manières différentes,
obtenant ainsi
(2)
Ceci est une n1anière tra.ditionnel1e de représenter une droite de A(I< 3 ) à l'aide
d'un système d'équations linéaires. Elle est facile à. n1émoriser 1nais pour l'utiliser
correcten1ent, on devra toujours être conscient elu danger qu'elle présente et de son

CHAPITRE 10. H1'~PERPLAN8 1:32
contenu réel : ainsi (2) n'a pas de sens ·si bi- ai =O. Une forme plus correcte mais
difficile à mémoriser serait :
(b2- a2)xi - (bi - al)x2 + a2bi - a1b2 = 0

(3)
{
(b3 - a3)x2 - ( b2 - a2)x3 + a3b2 - a2b3 = 0
(bt- a1)x3 - (b3- a3)x1 + a1b3 - a3b1 = 0
L'ensen1ble des solutions de ce système est la droite ab (preuve comme exercice)

et deux de ces équations suffisent à. déterminer ab (on les écrit toutes les trois parce
que l'une d'elles peut être identiquement nulle, par exemple si bi ~ a 1 et b2 = a 2
auquel cas le système (3) est équivalent à x 1 =ar, x 2 = a 2 ).
IL Deux droites ab et cd déterminées comme en (1) par des points a, b, c, d seront para-
llèles si et seulement si b - a et d- c engendrent le même sous-espace à 1 dimension
de 1{ 3 , c'est-à.-dire si
pour un certain À E J(. Sous une forme plus traditionne1le~ utile mais dangereuse :
(4)
III. Etant donnés deux plans a, /3 d'équations
à. quelles conditions sont-ils parallèles '? Prouver co1nme exercice a Il f3 si et seule-

n1ent si (a 1, a2, a3) = À(/31, /32, /33) pour un certain À E ]{, ou encore (attention :
danger !)
(7)
De plus,
(8)
IV. Etant donnés deux plans non parallèles a et f3 d'équations (5) et (6), an f3 est une
droite (le prouver) déterminée sous forme statique par le système constitué de (5)
et (6). Comn1ent trouver deux points de cette droite afin d'en obtenir une vision
cinérna.tique? En résolvant le syst.èn1e des deux équations (5) et (6).

CHAPITR.E 10. H1/PERPLAN8
\1. Etant donnés un plan d'équation
(9) a1x1 + a2x2 + a3X3 + a4 = 0

et une droite D d'équations (attention : danger !)
(10)
prouver comme exercice que
10.7 Exercices
1. Soit 11 = IR[ ..Y] l'espace vectoriel des polynômes en X à coefficient réels. Les sous-
espaces ci-dessous sont-ils des hyperplans de 1/ ?
H/1 = {ao + a1)( 2 + az){ 4 + ... + an~yzn n E IN, ai E IR}
1
Ttllz = {a1 ){ + az~\ + ... + Cln ..'Kn n E INa, Cli E ill}

2
1
Hi~3 = { ao + az_\. 2 + a3.\" 3 + ... + an_-yn n. E IN, n #- 1, Cli E IR}

1
2. Un hyperplan H de A(IR.5 ) a pour équation

3xl- 5xz + 7x3- 9x 4 + xs- 10 = 0
Trouver une équation de l'hyperplan H' parallèle à H et passant par le point
(1, 0, 0, 0, 0).
:3. Si H est un hyperplan d'un espace affin A(V), tout plan de A(11) ayant un point
com1nun avec I-I coupe If en une droite ou est contenu dans H. Vrai ou faux ?
4~ Soit H un hyperplan d'un espace affin A( V). Prouver que tout sous-espace de A(V)
disjoint de fi est parallèle à. }] . Cette propriété caractérise-t-elle les hyperplans de
A( V), a.utre1nent dit si S est un sous-espace de A.( V) et si tout sous-espace disjoint
de S est parallèle à S, peut-on conclure que S est lin hyperplan ?
5. Dans l'espace affin réel A(IR3 ), trouver une équation du plan passant par le point
(2, :3, -1) et par la droite d'équations
2:r- y+ 1 = 0
{ :r+z=O
6. Pour quelles valeurs de À, Il E ffi. les plans de A(IR?) d'équations

Àx + 3y - 2z - 1 =0
et 2x - 5y - JLZ + 3 = 0
sont-ils parallèles ? I\1ême question pour les plans d'équations

À~: + JLY + 3z + 5 = 0
et p.x + 4z - 1 = 0

CHAPITRE 10. 1-IYPERPLANS 134
7. Pour quelles valeurs de À, f..l E ffi. les plans de A(lR3 ) d'équations
3x + 2y - z + 4 = 0
x- y- 2z +À= 0
6x - y + f..lZ - 3 = 0
ont-ils une droite commune ?
8. Dans l'espace affin A(IR4 ), soit P Ie plan d'équations
Trouver les équations d'un plan P'
(a) ayant une droite en commun avec P

(b) ayant un seul point cornmun avec P
(c) disjoint de P et parallèle à. P
( d) disjoint de P et non parallèle à. P.
9. Dans l'espace affin A(J(n) où f( est supposé cornrnutatif, on considère deux hyper-
plans H 1 , H 2 non parallèles d'équations
a1X1 + a2X2 + ... + anXn + an+l = 0

et brxr + b2x2 + ... + bnXn + bn+I = 0
Le faisceau d'hyperplans déterminé pa.r H 1 , H 2 est l'ensemble des hyperplans H

contenant 11r n 112.
Prouver que ce faisceau est constitué des hyperplans de A(J(n) d'équations
n n
À(L ai xi + an+I) + tt(L bi xi + bn+I) = 0
i=l i=l
où À, f..l E /{,avec (À, p) = (0, 0) et rnontrer que tout point de A(I<n) n'appartenant
pas à H 1 n 112 appartient à. un et un seul de ces hyperplans.
10. Pour quelle valeur de ft~ E IR le plan de A(1R3 ) cl 'équation 3x - ky + 12z + k = 0

appartient-il au faisceau détern1iné par les plans d'équations
2:r - y + :3:; +7= 0

et x + 4y - z+2 = 0
11. Etant donnés, dans l'espace a.ffin A(IR3 ), les points
a= (2,0,:3) b= (-5,-2,1) c= (-2,0,:3)

d=(-.5,-2,2) e=(7,1,0)

CHAPITRE 10. HYPERPLAl·lS
et les plans a, {J d'équations
2x + 3y + 5z + 1 = 0
et 4x - y - 7z - 5 =0 ,
étudier
(a) l'intersection de la droite ab avec le plan a

(b) l'intersection de la droite an {J avec le plan passant par a, b, c
( c) 1'intersection de la droite ac avec le plan passant par b, d, e.
12. Trouver une équation du plan de A(lll3 ) passant par le point (7, -1, 3) et parallèle
au plan d'équation x+ 5y- z + 10 =O.
13. Dans A(IR3 ), trouver des équations de la droite passant par le point (-3, .5, 10) et
parallèle à la. droite d'équations
.T. + 2y -
z - 1 =0
{ :3x + y + z + 4 =0
14. Trouver une équation du plan de A(lR3 ) passant par les points p - (5, -2, 4),
q = (1, -7, 3) et parallèle à la droite d'équations
x=O
{ y=O
1.5. Trouver une équation du plan de A(JR.3 ) passant par la droite d'équations
x+y-z-1=0
{ 2x-y+z+3=0
et parallèle à la. droite d'équations
5x + 2y- z = 0
{ x+y+l=O
16. Trouver une équation du'plan de A(1R.3 ) passant par le point (4,-1,0) et parallèle
aux droites d'équations
x+y=O J~-y=O
{ y-z=O et
{ y+z+l=O
17. Pour quelles valeurs de À E lR.les droites de A(ffi.?) d'équations

~r-1 _ y+2 _.::.
4 - 3 -3
:1~ - 7 - y - :3 1- z
et - , ---
2 .1\ 4
ont-elles un point comn1un ?

CHAPITRE 10. HYPERPLAJVS
18. Les droites de A(lR3 ) d'équations
x+1 1-z x-y+z=O

---y--- et
3 - - 2 { x- 5y- z +3= 0
sont-elles parallèles ?
19. La. droite de A(1R3 ) d'équations pa.ra1nétriques

x= 1- 4t
y= -2 + 3t
{
z = 5- 4t
est-elle parallèle au plan d'équation 3x- 4y + 6z + 1 = 0 ?

20. Pour quelle valeur de À E IR la droite de A(IR?) d'équations
:r-3_y+1_z-2
2 - :3 - À
est-elle parallèle a.u plan cl 'équation 6x - y+ :3z - 5 = 0 ?

21. Trouver une équation du plan de A(ffi.3 ) passant pa.r la. droite d'équations paramé-
triques
x= 1- 2t
y=2+t
{
z = -5t
et parallèle à. la. droite d'équations
x - 2y + z - :3 = 0
{ 2~~ - y - z + 1 = 0
22. Trouver des équations de la droite de A(IR3 ) passant par le point ( 1, -3, 2), para.llèle
au plan d'équation
:3x + y - 5z + 8 = 0
et s'appuyant sur la. droite d'équations
x-2=y+l=_:
4 2
23. Trouver des équations de la. droite de A(ffi.3 ) parallèle aux plans d'équations
9~: + 3y- 4z- 1 = 0

et 3~r - :3y + 12z + :3 = 0
et s'appuyant sur les droites d'équations

x-2 3-y z+1
----
4
= ----
2
= ----
3
~r+l JJ+5 3-z
et ----
:3
= ----
2
= ----
4

CHAPITRE 10. HYPERPLANS
24. Dans l'espace affin A(IR3 ), soit r. le plan d'équation
:3x- 7y + 2z- 11 = 0
et D la. cl roi te cl' équations
x+l y-5
--=--=z+IO
4 2
Trouver des équations de la projection de D sur r., parallèlernent à la droite passant
par (0, 0, 0) et (2, -3, 7).
25: Da.ns l'espace affin A(IR?), on considère les droites D 1 et D2 d'équations
D 1 { x+z=O
y-1=0
(a) Les cl roi tes D 1 et D 2 son t-elles parallèles ?

(b) Trouver des équations de la droite D pa.ssant par le point (1, 2, 3) et s'appuyant
à la. fois sur D 1 et D 2 • Existe-t-il des points de A(IR3 ) par où ne passe aucune
droite s'appuyant à. la. fois sur D1 et D2 '?
(c) Trouver des conditions nécessaires et suffisantes sur les coordonnées d'un point
1n pour que m. soit le rnilieu d'un couple de points dont l'origine est sur D1
et 1'extrémité sur D 2 • Décrire l'ensemble J1 des milieux de tous les couples
(PI, P2) où PI E D1 et P2 E D2.
26. Montrer que, quels que soient les nombres réels À et Jl, le sous-espace D>..JJ. de A(IR?)
d'équations
{~y-~=~
est une drojte. Soit .6. l'ense1nble des droite D>..t lorsque ). et Il parcourent lR.
1·
l\!Iontrer que ~ est une partition de A(ffi?), c'est-à-dire que tout point de A(IR?)
appartient à une et une seule droite de .6.. Peut-on en conclure que .6. est une
direction de cl roi tes '?

Chapitre 11
Systèmes d'équations linéaires
11.1 Systèmes linéaires homogènes
La théorie des hyperplans nous a donné une interprétation géométrique des systèmes
d'équations linéaires ho1nogènes. Reprenons plus en détail ce thème capital pour les
applications.
Considérons un espace vectoriel J{t sur un corps c.oininutatif J( et un systèn1e de .s
équations linéaires ho1nogènes à t inconnues, à coefficients dans ]( :
anXt + a12x2 + .. . + altxt = 0

(S)
l a21 Xt
.
..
as1X1
+
+
a22X2
.
..
as2X2
+ .. . +
+ ·· · +
a2tXt
..
.
astXt
=
= 0
0
..
.
L'ensemble Hl des solutions de (S), c'est-à-dire des vecteurs (xt, ... , xt) E J{t vérifiant
chac_une des équations de ( S), est un sous-espace de f{t.
Apprenons d'abord à. noter ( S) sous une forme plus compacte, indispensable en vue
de longs développen1ents théoriques. pa.r exemple en n1éca.nique et en physique mathén1a.-
tique:
t
(S) I:: ClijXj = Û (i=l, ... ,s)
j=l
(S) est détenniné pa.r un tableau rectangulaire
an
a21
..
.
a12
a22
..
.
. •.
. •.
ait
a2t
...
l
asl a22 Clst
qu'on note encore sous la forn1e plus compacte

CHAPITRE 11. s··ysTÈ~1ES D'ÉQUATIONS LINÉAIRES 139
et qu'on appelle n1.atrice du système (S'). Dans la suite du cours, on donnera une
définition plus précise de ce qu'est une matrice et on étudiera cette notion de façon plus
approfondie. Ici les matrices seront utilisées en tant que représentation économique (elle
dispensent d'écrire les xi) d'un systè1ne d'équations linéaires homogènes.
Résoudre le système d'équations (S) consiste à. "déterminer" le sous-espace Hl des
solutions de (S), ce qu'on réalise en décrivant de manière explicite une base de 11V.
Il s'agit là d'un problème capital en raison des applications innombrables qu'on en
fait dans toutes les sciences. On verra que sa solution peut être obtenue de manière
mécanique grâce à la 1néthode d'élin1ination de GAUSS, dont l'usage remonte en
fait à l'Antiquité.
En pratique, la résolution d'un système par la méthode de Gauss peut être laborieuse,
par exemple s'il s'agit d'un système de .5 équations à. .5 inconnues dont aucun coefficient
n'est nul. Cette n1éthode n'en est pas 1noins la plus rapide de celles qui peuvent s'appliquer
à n'importe quel systèn1e, et il est aisé de la. progra1nmer pour un ordinateur. Certains
ordinateurs peuvent résoudre un système de 100 équations à 100 inconnues en 10 secondes
et ce pour moins de 50 francs (d'après B.NOBLE: Applied Linear Algebra, Prentice Hall,
page 215). On hésiterait cependant à leur confier un système de 103 équations à 103
inconnues dont la plupart des coefficients seraient non nuls.
Certains s 'in1a.ginent qu'un mathématicien, voire même un physicien, ne doit plus être
capable de résoudre un systèn1e d'équations linéaires, puisque ce travail peut être exécuté
par une machine. Cette opinion dénote une ignorance profonde de ce qu'on peut demander
à un ordinateur. D'abord il est peu rentable pour un chercheur pressé par le temps de
confier la résolution d'un "petit" syst.è1ne à. un ordinateur car il devra attendre son tour·
parmi d'autres utilisateurs, alors qu'il est possible d'exécuter ce travail rapidement à la
main. ~1a.is le handicap suprême est qu'un chercheur rencontre fréquemment des systèmes
dont certains coefficients dépendent d'un paramètre et il n'est pas facile de faire résoudre
de tels systèmes par une machine.
11.2 Systèmes équivalents

Une idée fondan1entale, qui est à. la. base de toute résolut.ion d'un système d'équations~
consiste à ren1pla.cer celui-ci par un autre systèrne qui possède les mên1es solutions mais
qui est plus sin1ple d'un certain point de vue. La répétition de ce processus conduit
finalen1ent à un systè1ne tellement si1nple que ses solutions sont évidentes.
On dit que deux systèmes d'équations linéaires homogènes sont équivalents s'ils ont le
même sous-espace de solutions 1/V. La technique de résolution consistera donc à remplacer
le système donné ( S) pa.r une suite de systèmes équivalents dont le dernier sera dit réduit
parce qu'il fournira Ïinmédia.tement une base de lV.
Observons que S possède toujours ]a. solution triviale (0, 0, ... , O) : le vecteur nul est
toujours un élén1ent de H7 puisque ce dernier est un sous-espace de J(t. Il arrive souvent
qu'on se borne à. chercher si le systèn1e possède ou non une autre solution, ce qui revient
à voir si clim H7 f= 0 ou si clin1 Hl = O.
Si din1 Hl = d dans l'espace vectoriel I<t, on dit que la solution de (S) dépend de d

CHAPITRE 11. SYSTÈA1.ES D'ÉQUATIONS LINÉAIRES 140
paramètres indépendants ou encore qu'elle possède d degrés de liberté. D'autre

part, l'entier t - d est appelé le rang du système.
11.3 Systèmes réduits

Pour n1ontrer ce que nous entendons par un système réduit, nous allons donner trois
exemples de systè1nes à. étudier respectivement dans IR3 , lR5 (nous disons bien IR5 et non
lR4 ) et IR6 :
~
- 0
( 1) { Xt X2 X3 :
(2) { Xt X2 0
0
0
= 0
Pourquoi les qualifions-nous de réduits. ?

Il est évident que le système (1) possède uniquement la solution triviale (0, 0, 0); il est
donc de rang :3. Dans le systèn1e (2), il est clair que toute solution s'obtient en donnant
une valeur arbitraire à x 3 et une valeur arbitraire à x 5 , les solutions de (2) étant alors de
la forme
( -2x3, :lx3, x3, 0, x 5) = x3( -2, 3, 1, 0, 0) + x 5(0, 0, 0, 0, 1)
Comme les vecteurs ( -2, :3, 1, 0, 0) et (0, 0, 0, 0, 1) sont linéairement indépendants (exer-
cice), ils constituent une base de Hl et le système (2) est donc de rang 3. Enfin toute
solution de (:3) est de la. fonne
(xt,x2,2x6,-5x6,xs,~t6) = x 1 (1,0,0,0,0,0) + x2(0,1,0,0,0,0)
+ xs(O, 0, 0, 0, 1, 0) + x 6 (0, 0, 2, -5, 0, 1)
c'est-à-dire une combinaison linéaire de quatre vecteurs linéairement indépendants (ex-
ercice) qui fonnent une base de TiV, et le système (:3) est donc de rang 2.
Observons ces systè1nes de plus près. Nous constatons que le premier coefficient non
nul de chaque équation est égal à. 1, ce qui permet de calculer aisé1nent une des inconnues
en fonction des autres~ ceci joue un rôle non négigeable dans le fait que le système mérite
le qualificatif ''réduit". Da.ns tout systèn1e de la forn1e (.5'), nous appelerons coefficient
débutant de la. ièn1e équation le pre1nier coefficient non nul de cette équation; en d'autres
termes, 'ii = 1, ... , s, le coefficient débutant c( i) est éga.l à aii si aii =f 0 et si aik = 0 pour
tout k < j (c(i) n'est pas défini si l'équation est de la. fonne 0 = 0). Si c(i) = aij, nous
dirons que j est l'indice débutant de la. ième équation et nous écrirons d(i) = j (d(i)
n'est donc pas défini si l'équation est de la forme 0 = 0). Ainsi, dans le système (2), on a
c(1) = c(2) = c(:3) = 1, d(l) = 1, d(2) = 2, d(3) = 4; dans le système (3), on a d(1) = :3
et d(2) = 4. Enfin l'inconnue débutante de la ièn1e équation sera xi si d( i) = j.
En utilisant les notions que nous venons de définir, en observant les exemples donnés et
en se den1a.nda.nt pourquoi ils n1éritent d'être appelés réduits, on est conduit à. la définition
générale qui suit :
Nous dirons que (S) est un systèn1e réduit si les con di ti ons suivantes sont remplies :

CHAPITRE 11. S1''STÈ1\1ES D'ÉQUATIONS LINÉAIRES 141
( i) d( i) ;::: i Vi (autrement dit aii = 0 Vj < i)

(ii) c( i) = 1 Vi (chaque ligne débute par le coefficient 1)
(iii) i 1 < i 2 implique d( ii) < d( i2)
(la 2ème ligne débute "plus loin" que la 1ère ligne, etc ... )
(iv) d( i) =j i1nplique aki = 0 Vk i= i

(tout coefficient à. la. verticale d'un coefficient débutant est nul).
La. définition précédente sous-entend que d( i) est défini pour tout i, c'est-à-dire qu'il
n'y a. pa.s d'équation 0 = 0 dans un système réduit. D'autre part, il est facile de voir
qu'un système réduit ne peut pas comprendre plus d'équations que d'inconnues.
Un systè1ne (S) ayant seulement la propriété (i) est dit triangulaire. Dans la.
littérature, ce sont parfois ces derniers qu'on appelle réduits : ceci se justifie par le fait
qu'un systèn1e triangulaire se ren1place aisé1nent par un systèn1e équivalent réduit au sens
de notre définition.
Le tra.iten1ent des exen1ples ( 1), (2) et (:3) devrait suffire pour que chacun puisse en
pratique obtenir toute information souhaitée concernant Ml lorsqu 'on donne un système
réduit. Pour ceux qui préfèrent plus de certitude, nous achèverons ce paragraphe par Une
discussio:J! générale des systèmes réduits.
Soit ( S) un système réduit. Distinguons deux types d'inconnues : les inconnues
débutantes et les autres que nous appeletons para1nètres du système. Soit A le sous-
ensemble de {1, 2, ... , t} formé des indices j tels que Xj soit une inconnue débutante et soit
Ble co1nplé1nent de A dans l'ensen1ble {1, 2, ... , t}. On voit que A comprends éléments
et que B en con1prend t- s. Alors ]'ensemble Hl des solutions de (S) est constitué des
vecteurs
t
x= (x~, . .. , xt) = L Xïëi
i=l
tels que
Xi= - L aijXj \:Ji E A.
iEB
On a donc
x = L + L XiëiXïëi
iEA
iEB
= L(- L O.ïjXj)ëi + L Xjej
iEA jEB jEB
L Xj(ej- L aijëi)
iEB iEA
et Hf est engendré par les t - s vecteurs

Oll jE B
Ceux-ci sont linéairement indépendants car x= o

implique implique Xi = 0 Vi= 1, ... , t,
donc en particulier x.i = 0 pour tout j E B et il suffit alors de se reporter à la dernière
égalité ci-dessus.
En résumé:

CI-IAPITRE .11. SYSTÈ1\1ES D'ÉQUATIONS LINÉAIRES 142
THEOREME 41. Tout système réduit de s équations linéaires homogènes à t

inconnues a un ensemble de solutions qui est un sous-espace de dimension t - s de
J(t
11.4 Résolution de systèmes

R,evenons a.u problème fonda.n1enta.l qui consiste à. pa.sser d'un système quelconque à. un
systèn1e réduit équiva.lent au premier. Soit
t
(S) "L,aijXj = 0 (i=1, ... ,s)
j=l
un système d'équations linéaires homogènes à coefficients aij E ]{ et soit
la matrice de ce système. Désignons pa.r L 1 , ••• , Ls les premiers membres des s équa.tions
de (S). Chacun des Li s'identifie à. un vecteur (ai 1 , ••• ,ait) de J(t qu'on a.ppelle aussi la.
ièn1e ligne de la. n1a.trice [aij]·
Le résultat suivant est fonda.n1ental :
THEOREME 42.
(1) Tout système déduit de (S') en remplaçant un des Li par un multiple ÀLi
(où ).. E J( et À # 0) est équivalent à (S).
(2) Tout systèn1e déduit de (S') en remplaçant un des Li par Lï+ÀLj (où À E J(
et i # j) est équivalent à. (S).
La. démonstration est laissée comn1e exercice. Attirons l'attention sur le fait évident
(mais qu'on a. souvent tendance à oublier) qu'en (2) il n'est pas nécessaire de supposer
).. #o.
Le résultat suivant, dont la dé1nonstration expose la méthode d'élin1ination
de GAUSS, va. exploiter le théorème 42 pour remplacer progressivement (S) par un
système réduit équivalent :
THEOREME 43. Tout systèn1e d'équations linéaires hon1ogènes (S') est équivalent
à. un systèn1e triangulaire.
Dé1nonstration.
1ère étape. ~1ontrons que (S) est équivalent à. un système de la forme
auxt + a12X2 + + attXt - 0

a22x2 + + a2tXt - 0
(SI) a32X2 + + a3tXt 0
a..,2:t~2 + ... + ClstXt 0

CHAPITRE 11. S1ÏSTÈ!v!ES D'ÉQUATIO!'lS LINÉAJR.ES 143
En effet, si tous les coefficients O.it sont nuls, le systètne donné est de la forme (S1 ). Sinon
un des aii est =/:. 0, en n1odifia.nt l'ordre des équations de (S), on peut remplacer (S) par
un système équivalent (S') où a 11 =/:. O. Dès lors, (S') est équivalent au système (S")
obtenu en remplaçant la 2ème équation par
t t
an(L:: a2ixi)- a21(L:: aiixi) = 0
j=l j=l
c'est-à-dire pa.r une combinaison linéaire des deux premières équations de (S'), combinai-
son qui "élÏlnine" x 1 puisque le coefficient de x 1 sera. a 11 a.2 1 - a21an = O. L'équivalence
des systè1nes (S') et (S") résulte du théorème 42 qui permet de 1nultiplier la 2ème ligne
par "a 11 =/:. 0 et de modifier la. nouvelle ligne ainsi obtenue en y ajoutant un multiple
quelconque de la 1ère.
En répétant ce processus pour toutes les lignes après la 2ème, on obtient un système
de la forme (SI) équivalent à (S).
2èine étape. En appliquant la 1ère étape au "sous-système" de (SI) formé des s- 1
dernières équations, on voit que (51 ) est équivalent à. un système de la. forme
a11x1 + 0.]2:l:2 + 0.13X3 + + O.ttXt - 0

an;'t2 + a23X3 + + 0.2tXt 0
(52) 0.33X3 + + 0.3tXt 0
-
as3X3 + ... + O.stXt - 0
et en laissant tourner la n1achine s - 1 fois, on obtient le résultat annoncé.
•
COROLLAIRE. Tout systèn1e d'équations linéaires hon1ogènes triangulaire est
équivalent à. un systèn1e réduit.
Démonstration. (celle-ci sera. seulement esquissée). Tout système triangulaire vérifie

déjà la condition (i) des systèmes réduits. On le remplace par un système équivalent
vérifiant. les conditions (i) et (ii) en multipliant chaque équation par l'inverse de son
coefficient débutant (théorème 42 ( 1)). On passe ensuite à un système équivalent vérifiant
(i), (ii), (iii) en modifiant l'ordre des équations clans le système. Enfin on pa.sse à un
système équivalent vérifiant (i), (ii), (iii), (iv), donc réduit, en appliquant le théorème
42 (2) de n1a.nière à. ,, élin1iner" 1,inconnue débutante de chaque équation dans toutes les
autres équations.
•
Exe1nples.
(on suppose que J{t = ffi?)

CHAPITR.E 11. SYSTÈI\1ES D'ÉQUATIONS LJJ\TÉAIRES 144
+ 2x2 3x3 - 0 + 2x2 3x3 - 0
{
XI
{ Xt
1. 2xi + 5~r2 + 2x3 - 0 ----+ X2 + 8x3 - 0
:3xi X2 4x3 - 0 7x2 + 5x3 0
+ 2x2 - 3x3 - 0 XI - 0
----+
{ Xt
X2 + 8x3
6lx3
- 0
0
----+
{ X2
X3 -
0
0
+ 2x2 +
~
X3 - 0 2x2 X3 - 0
l
XI
2.
2xl + .sx2 + 2x3 - 0
----+
Xt X2 + 4x3 - 0
XI + 4x2 + 7x3 - 0 2x2 + 8x3 - 0
XI + :3x2 + :3x3 - 0 X2 + 4x3 - 0
XI + 2x2 X3 0
----+
~
l
{ Xt
X2 + 4x3
- 9x3
0
0
- 0
0
0
0
----+ { Xt + 2x2
X2 +
X3
4x3
-
-
0
0
X2 + 4x3 0
dont les solutions sont les vecteurs (9;r 3, -4x 3, x 3 ) = x3( -9, 4, 1) constituant le sous-
espace à. une diinension engendré pa.r (9,-4,1 ).
XI + ÀX2 + X3 - 0
3. (S)
{ Àxi
Xl
+
+
X2
X2
+
+
X3
Àx3
-
-
0
0
où À E IR
XI + ÀX2 + X3 - 0
----+ (SI)
{ (1- À2 )x2
(1 - À)x2
+
+
(1 - >.)x3
(À-1)x3 -
0
0
. Attirons encore une fois 1'attention sur le fa.it que, grâce au théorème 42 (2),
lorsqu'on ren1pla.ce la. 2èn1e équation du systèn1e (S') pa.r
(À~~~+ x2 + x3) -À( xl + Àx2 + x3) = 0,

il n'est pas nécéssa.ire de supposer À 'f O. En résolvant le système (S1 ) de manière
n1écanique par la méthode indiquée précéden11nent, on est conduit par contre à
considérer divers cas. Ainsi, si on veut éliminer x 2 dans la dernière équation de (SI)
en remplaçant celle-ci pa.r
on doit supposer À 'f -1. Alors Je système (SI) est équivalent à.
XI + À:r2 + X3 0
{
(1- /\ )x 2 2
+ (1 - À)x3 - 0
(À 2 + À2 - 2)x3 0
Àx2 + x3 - 0
(1- À)(1 + À)x2 + (1- À)x3 - 0
(À- l)(À + 2)x3 0

CHAPITRE 11. S"''lSTÈl\1ES D'ÉQUATIONS LINÉAIRES 14.5
Par conséquent, s1 .À f:. -1, 1, 2, le système (S') possède uniquement la solution

triviale (0, 0, 0).
• Si .À = 1, les solutions forment le plan x 1 + x 2 + x 3 = 0

• Si .À = -2, les solutions forment la droite ( x 3 , x 3 , x 3 ) = x 3 (1, 1, 1)
• Si .À = -1, le système n'admet qu:e la solution triviale.
Néa.n1noins, en appliquant la méthode trop systématiquement comme ci-dessus, on

complique parfois les choses : une fois le système (S') écrit sous la forme (5'1 ), il est plus
astucieux d'envisager deux cas : .À = 1 ou .À f:. 1 et, dans le second cas, de diviser les deux
équations par 1- .À (essayer en guise d'exercice).
Le lecteur aura sans doute observé que nous n 'a.vons guère utilisé les matrices jusqu'ici.
Lorsqu'on a résolu quelques systèn1es, on se rend 1nieux compte des services qu'elles
peuvent rendre.
Ainsi, la résolution de 1'exemple ( 1) ci-dessus se simplifie quelque peu dans l'écriture
1natricielle, pour donner
1
2 .s2 -32 ]
[ :3 -1 -4
---7
[ 1
0
2 -3 ]
1
0 -7
8
.s
---7
[ 1 2 -3 ]
0 1 8 ___,.
0 0 61
[~0 ~0 ~]
1
11.5 Systèmes d'équations linéaires non homogènes

Considérons un système d'équations linéaires non homogènes à coefficients dans un corps
commutatif f{ :
aüx1 + a12x2 + + altxt bl
. (5')
l a21X1
a.sl ~r1
ou, de 1na.nière plus condensée,

+
+
a22:r:2
a ..,2;1~2
+
+ ... +
+ a2tXt
ast ;c: t
-
-
b2
b.<;
t
(S) L aijXj =bi (i=1, ... ,s)
j=l
Le systèn1e ho1nogène associé à. (S') est le systèn1e

t
(S') L aij~t.i =0 (i=l, ... ,s)
j=l
On a vu en 10.4 que les solutions de (S') dans A( /{ 1·) constituent un sous-espace affin
H! et que, si Hl est vide, c'est une da.sse latérale du sous-espace Hl' des solutions de
(S'). Ceci revient à. dire qu'il suffit de déterminer 1'espace Tif!' des solutions de (S') et une
solution particulière de ( S) (cette idée se retrouve dans une foule de questions concernant
les équations différentielles linéaires).
Con11nent résoudre les systèn1e (S) '? Par "résoudre", on entend

CHAPITRE 11. S1 STÈ!vfES D'ÉQUATIONS LINÉAIRES
1
146
1. s'assurer si Hl est vide ou non
2. clans le cas où Hl est non vide, trouver une solution du système (S) et une base x
e~, ... , e: de Hl', ce qui permet un contrôle total de VV puisque ce dernier est alors
l'ense1nble des vecteurs
où Ài E ]{
Nous avons vu comment on peut déterminer une base de Hl' par la méthode d'élimina-
tion de GAUSS. La même méthode permet soit de construire une solution explicite du x
système (S), soit de vérifier que Hl est vide. En fait, on va. voir que tout le processus de
résolution peut se ramener à la résolution cl 'un systè1ne de .s équations linéaires homogènes
à t + 1 inconnues, à. savoir
+ + +
~
a12~D2 a1 t~rt b1xt+I 0
anx1
(S")
a21X1 + a22:r2 + + a2tXt b2Xt+I - 0
as1X1 + as2X2 + ... + astXt bsXt+l - 0
On dira que (S") est le systè1ne ho1nogène augmenté associé à (S').

Soit TiV" l'ensemble des solutions de (S"). Hl" est donc un sous-espace de l'espace
vectorielJ(t+I. Ayant déterminé Hl" par la méthode que nous connaissons, il suffit, pour
obtenir Hl, de considérer le sous-ensemble de Hl" fonné des vecteurs vérifiant Xt+l = 1.
Nous ne préciserons pa.s davantage cette idée (il faudrait le faire car l1V est contenu dans ]{t
et lV" dans j{t+I, m.ais dans la. pratique cela. ne pose aucun problèn1e). Trois exen1ples
vont confirn1er les affirmations qui précèdent :
1. I< =IR. A résoudre dans IR4 :
3x2 + 2x3 + .5x4 - -3
l
2xl
~l:l X2 + X3 + 2~r 4 - -1
3:rl + 2:r.z + 2~:3 + :r4 0
~rl + a:z 3x3 :r4 0
La. résolution du systèn1e hon1ogène augmenté conduit au système équivalent (le

détail des calculs n'est pas reproduit) :
+ +
~2x1
- 3x2 2x3 + 5x4 3xs 0
X2 X4 xs - 0
X3 + 2xs - 0
x4 + 7xs - 0
d'où on tire, en posant ~: 5 = 1:
L'ensemble Hl des solutions du système de départ se réduit donc au seul vecteur

(5, -6, 2, -7) de IR4 •

CHAPITRE 11. S1'8TÈ!v!ES D'ÉQUATIONS LINÉAIRES 147
Pour ceux qui estiment que la méthode proposée ci-dessus est trop lourde au point
de vue des notations, observons que tous les calculs peuvent se faire en supposant
consta1nrnent que x 5 = 1 (c'est-à.-dire en n'écrivant pas x.s). Notons aussi qu'on
peut 1nême se dispenser d'écrire les Xj et travailler, comme nous l'avons fait dans
un chapitre précédent, avec la matrice
[l
-3
~l
52
-1 21
2 12
1 -3 -1
2. ]{ . lR.. A résoudre dans IR3 :
{ ·) XJ
+ 2x2 .sx3 2
...,.T.J :3x2 + 4~~3 4
4xt + X2 6:c3 = 8
La résolution du système homogène augmenté conduit à
{ xr
+ 2x2 .sx3 2x4 - 0
X2 2x3 - 0
0 - 0
c'est-à-dire
x1 = X3 + 2x4
{ :1;2 = 2x 3
dont l'ensen1ble des solutions est forn1é des vecteurs
(x3 + 2x4, 2x3, x3, x4)

En se restreignant à ceux de ces vecteurs pour lesquels x 4 = 1, on voit que toute
solution du sytème initial est de la. fonne
(x3 + 2, 2x3, x3) = (2, 0, 0) + x3(l, 2, 1)

et l'ensen1ble des solutions de ce système est donc la. droite de A(IR3 ) pa.'3sant par
les points (2, 0, or
et (:3, 2, 1).
3. f{ = IR. A résoudre dans ffi? :
Ce système conduit à
2xt - 3x2 - X3 = 0
{ - X3 = 0
qui ne possède visiblernent aucune solution telle que 1: 3 = 1~ de sorte que le systèrne
initiai a. un ensernble de solutions vide.
L'étude des systèmes d'équa.tions linéaü·es ne se termine pa.s ici. Elle sera reprise dans
le chapitre suivant, en liaison avec une étude approfondie des matrices.

CHAPITR.E 11. SYSTÈlvlES D'ÉQUATIONS LINÉAIRES 148
11.6 Exercices
1. Dans l'espace vectoriel IR7, on donne le système d'équations linéaires homogènes
•)
xl - .... x2 0
{ X3
X4 + 3xs
0
0
Ce systè1ne est-il réduit ? Déterminer le sous-espace VV de ses solutions. Quelle est

la. ditnension de VV ? Quel est le ra.ng du système ?
2. R.ésoudre chacun des systè1nes suivants dans l'espace vectoriel indiqué :
(a.) clans IR? 2xl + x2 = 0

(b) dans ffi.3 2x1 + ;r2 = 0
ftx=t - :3x2 - 0
(c) clans IR? { ~XI + X2 0
(cl) dans lR3 {

(e) dans lR3
. . 3
(f) clans IR
2x3 0
3x3 - 0
(g) dans IR.3
X3 - 0
X3 = 0
(h) dans (C 3
(1 + i)x 1 + (2- i)x2 + X3 - 0
'lXI - 0
+ ;r2 ·+ :3x3 = 0
( i ) cl ans IF~ + :3;r2 + 4x3 0
+ :lr2 + x3 0
2xl + x2 + 3x3 - 0
(j) dans IF~ x1 + :3x2 + 4x3 0
4xl + :3x2 + X3 - 0
ïx2 + :3x3 + .5x4 0
(k) dans IR.4
4x 2 + 6x3 + 2x4 0
+ 6:r2 0
+ :):r2 + 0
2xt + 0
4
(1) da.ns ffi. 0
0

CHAPITRE 11. S1'STÈA1ES D'ÉQUATIONS LINÉAIRES 149
xl + 2x2 + - 0
l
X3 5x4
2xl 2x3 0
(1n) dans IR4
X2
X1 + X2 X3 + 3x4 0
2xl 2x3 + 2x4 - 0
xl + 2J~2 + X3 + ;(:4 0
4
2x2 + X3 + x4 0
(n) dans IR XJ + X3 x4 0
-2xl + X2 + X3 - 0
xl 2x2 2x4 - 0
(o) dans IR5 { 2x3 + X4 - Xs - 0
4x1 + 7x2 + X3 + X4 + Xs = 0
(p) clans IR 5
{ xl
XI
+
+
2x2
:l~2
+ X3 + ;(:4
+
+ x.s
= 0
0
2J:l 4:r 2 + X3 lO:r4 + 2x.s 0
(q) dans 1Il"5
l ~h:l
.Sx1
3x1
4xl
+
+
+
:3.T2
•)
.... x2
lll~2
5x2 +
7:7:3
3x3
6x3
2x3
+
24x4
l:3x4
2x4
+
+
+
llx.s
4xs
Xs
-
-
-
0
0
0
0
-3xl + 2x2 + X4 - 0
(r) dans IR5
-6x1 + 'ix2 + 4xs - 0
Xl X2 + X3 - 0
5x1 .5;T.2 - l~4 0
2xt + ll:r2 - 28xs - 0
:3. Un systèn1e d'équations linéaires homogènes a. toujours une solution non triviale
quand le nombre t d'inconnues est plus grand que le nombres d'équations. \frai ou
faux ?
4. Soit (S) un système des équations linéaires à t inconnues, à coefficients réels. Si (S)
a une solution non triviale dans Qj\ prouver qu'il a aussi une solution non triviale
dans IRt .
.5. R.ésoudre chacun des systèn1es suivants dans l'espace vectoriel f{t indiqué, en dis-
cutant d'après les valeurs des pa.ra.n1ètres À, fl~ 11 E f( :
2 { ÀXt + ~r2 0
(a) dans IR xl ~t:2 = 0
Xl + X2 = 0
{ ÀXt + X2 - 0
(b) dans IF~ xl X2 0
xl + X2 - 0
Àx1 + + X3 0
{
x2
3
( c) dans ffi. :rl + .,.\;r2 + ;7;3 = 0
:ri + .r2 + ÀJ~3 0

CHAPITRE 11. SYSTÈ!v!ES D'ÉQUATIONS LINÉAIRES 150
- 0
4
(cl) dans lR 0
- 0
( e) da.ns IR3
z - 0
(f) clans IR3 + z - 0
+ Àz 0
(.-\+3)y + z 0
(g) dans IR?
6y (.-\ + 4)z 0
(3.-\ + 8)y Àz 0
5y + z 0
Àx1 + J;2 + X3 + X4 0
(h) dans ffi.4
x1 + ,.\:r2 + X3 + X4 - 0
x1 + ~r 2 + Àx 3 + ~r 4 == 0
x1 + x2 + X3 + Àx4 0
Àx1 + p;r.~2 + vx3 0
(i) dans lR3
jlXI + l/X2 + ÀX3 0
l/X1 + ÀX2 + jlX3 0
X1 + X2 + X3 0
(j) dans IR.3
0
(k) dans lR4 0
0
6. Ecrire un système d'équations linéaires homogènes à. 5 inconnues dont l'ensemble

des solutions est le sous-espace Hl de lR5 engendré par les vecteurs (1, 0, -.5, :3, 1),
(2,4,-1,-1,0) et (1,8,4,-2,:3).
7. Dans l'espace vectoriel ffi.[ ..\"], les polynôn1es

7.\:" 4 + -~- 3 )(
2
+ 4~\" + 6
:3.\" 4 + ~\"~3 2X 2
+ 3X + 4
..Y4 + :3~\" 3 8..-Y 2 + 7X + 8
5X 4 ..\"
3
+ 2){ 2 X 3
sont-ils linéairement indépendants ?
8. Rappelons qu'une rn a.t ri ce n x n à. coefficients réels est appelée carré magique

n x n si la. somn1e des coefficients de chaque ligne, de chaque colonne et de chacune
des deux diagonales est nne constante S.
Prouver que

CHAPITRE 11. SYSTÈ~~1ES D'ÉQUATJ01\TS LIIVÉAIR.ES 1.51
( i) dans tout carré magique :3 x 3~ le nombre figurant dans la. case centrale est égal
à. S'/3, où S est la. constante du carré. Ce résultat peut-il se généraliser aux
carrés magiques n x n avec n. irnpa.ir ?
(ii) tout carré ma.gique 3 x 3 est de la. forme
a+b a-b-c a+c
a-b+c a a+b-c où a, b, cE IR
a-c a+b+c a-b
(iii) dans tout carré magique 4 x 4, la. somn1e des no1nbres figurant dans les 4 cases
centrales est égale à la. constante S du carré. Ce résultat peut-il se généraliser
aux carrés magiques n. x n. avec n pair ?
(iv) tout carré n1a.gique 4 x 4 est de la. fonne
c-e b+e+f a-f+g d-g
d+e+h a b c-e+h
oit a, b, c, d, e, j, g, h E IR
b-g+h c d a+g-h
a+g d-e-.f c+f -g b+ e
9. R.ésouclre chacun des systèmes suivants dans l'espace A(J{t) indiqué :
(a) clans A(IR?) { 2xl

:3:-rl
+ .sx2
Zx2
-8
26
(b) da.ns A(IR.3) { 2:rl

:3xl
+ 5x2 =
2x2 -
-8
26
( c) dans A(lR.3) { .5xl

l.Sx1
:3x2
9x2
+
+
7x3
8x3
-
-
12
10
~tl X.2 + X3 0
(cl) dans A(IR?)
{ 2xl
:ri
+
+
;1~2
2:r2
X3
2x3
-:3
-2

CHAPITRE 11. S1'8TÈ1,1ES D'ÉQUATIONS LIJ\TÉAIR.ES 1.52
(e) dans A(IR?)

l 2xl
XJ
-xl
2xl
+
+
~'l:2
:z:2
2x2
+ X3
X3
4x3
4x3
0
-:3
-3
-6
{ 2x1 + 3x2 + 4x3 - 1

(f) dans A(IF~) 3xi + 4x2 + 2x3 - 2
4xi + :3x2 + 4x3 - 0
XI + X2 X3 'l
(g) cla.ns A(~ ) 3
{ XI
-XI +
X2
X2
+
+
X3 -
X3 -
1
0
{ .5732x + 2134y + 21:34z - 7866
(h) dans A ( IR.3) 2134x + .5732y + 2134z 670
(i) dans A(IR.5 )

l 2134x
3xi
XJ
4;ri
6xi
+
ïx2
21:34y
+ 6x3
11x2 + 8x3
l.Sx2 + 11x3
22x2 + 16~'l:3
+ 5732z -
+
+
+
+ 6x4
2x4
3x4
4x4
11464
5xs
.Sxs -
7xs
lOxs
-7
-4
-6
-8
~·tl ~r2 + X3 .T4 + Xs 0
2~r1 ~r.2+ 3x3 - 7
(j) clans A (<It) Xt + 3x2 + 2xs 0
6x3 4x4 + 5xs - 2
3xt :3x2 + Xs - 0
+ + z
l~
y 4
(k) dans A(IR4 ) + 4

+ t -5
+ + =
t x 0
l
+ x + ]/ = -8
+ 7y + 3z + 5t 16
S;r + 4y + 6z + 2t -16
(1) dans A(lR4 ) T
:b.~ + 6y + 4z + 8t 16
5x + :3y + 7z + t - -16
j') x + yy ++ :3zz - 12 13
(In) clans A( <Q 3)
:3~ + ?.... y .sz -1
4x + y + z = '18
-7;c + :3y + t 4
l
4
2.T + y + 2z t - 1
(n) cla.ns A( IR4 )
-;'l: + 2y - :3.: + 4t - :3
-:3:r + :3y - + 2t 4
{ 4x
+ 6y - 7z - 5
(o) dans A(IR?) 2x + :3y 3z 2
Sx + 12y 13z - 9
-x + 5y 3z - 11
(p) dans A(IR.3 )
{ :3:r
2:r
1.5y
lOy +
9z
6z. -
:3:3
22

CHAPITRE 11. SYSTÈJ\1ES D'ÉQUATIO ..NS LI1\TÉA.IRES
x + 2y + 3z + 4t 14
(q) da.ns A(IR4 )
l 2x
3x
4x
X1
X1
+
+
+
+
+
:3y
4y
y
+
+
+
6x2
3x2
4z
z
2z
+
+
+
+
X3
X3
t
2t
3t
+
0
5x4
11
-5
X4
+ Xs - 4
-1
(r) dans A(IR5 ) 2xl + 6x2 + 3x3 + l6x4 + x5 - 9
- 2x1 + 5x2 + X3 6x4 + 2xs - 2
x1 4x2 + X3 + 9x4 xs - 2
:t1 + X2 + ~<:n - 1
XI + 2:r:2 + 2xn - 2
x1 + 2x2 + :3:rn - :3
X2 + X3 + + Xn-1 + Xn - Û:l
X1 + X3 + + Xn-1 + Xn - 0:2
(t) dans A(IR,n)

x1 + x2 + + Xn-1 + Xn 0:3
~r1 + J:2 + X3 + + Xn
~r1 + J~2 + X3 + + Xn-I
où a1 , a2, ... , an E IR.
10. Résoudre chacun des systèn1es suivants da.ns l'espace A(I<t) indiqué; en discutant
d'après les valeurs des paramètres À, f-l, v E I< :
xl - 2x2 - 1
(a) dans A(IR)
{ 2xl
;·rl
-
+
X2
X2
-
-
-1
À
:3:7~1 4:r 2 - 2
(b) dans A(IR?)
{ 4:·r 1
ÀX1
+
+
:r2
p,l~2
9
1
Àx + y + z = 1
(c) dans A(IR?)
{ x
:r
+ Ày
+ y
+ z - 1
+ Àz 1
Àx + y + z - 1
(cl) clans A (IF~)
{ ~r
;r
+ Ày
+ y
+ z - 1
+ Àz - 1
Àp:r + :y + Àz = 1
( e) cl a.n s A (IR3 )
{ p~r
p,J~
+ Ày
y +
- -
Àz -
p
1
ÀJ-lX + y + Àz 1
(f) da.ns A(JF~)
{ p:x:
f-lX
+ Ày
y + Àz
~
J-l
1

CHAPITRE 11. S1/STÈA1ES D'ÉQUATIONS LINÉAIRES 1.54
(g) dans A(ffi.2 ) + y = 1

{ À: + JlY = v
{ ).2x
Àx
+ P·Y - v
(h) dans A(IR?) + lt2y - vz
).3x + lt3y - v3
(i) dans A(IR?)

{: +
+
y
À
+
-
z
y
-
+
À
Il
+
-
Il
z
+
+
v
v
+ 1
l
X2 X3 Àx4
(j) clans A(ffi.4 )

-xl + X3 x4 4
XI X2 + x4 Il
-Àx1 + x2 X3 = v
+ À-p
l
~ri + ;:t2 ~r.3 x4
ft XI "\x2 - 0
(k) dans A(IR.4 ) -..\2
ÀX1 ÀX3 Àx4
X3 + x4 2..\
(:3- 2..\)x
+ (2- ..\)y + 3z À
(l) dans A(IR?)
{ (2- À)x +
x +
(2- ..\)y +
y +
3z
(2 + ..\)z
- 1
Il
(2..\ + :3)xl + (:3,\ + 1)x2 + Àx3 + (..\-1)x4 3
( n1) clans A ( ffi.4)
{ :3..\:t:l
:3..\xl
+
+
(2..\ + :3)x2
3Àx2
+
+
ÀX3 +
:3x3 +
(À- 1)x4 -
(..\-1)x4
1
1
Àx + Il Y vz - 2,\p
(n) dans A(ill?)
{ Àx
-..\x +
ltY
ltY
+
+
vz
vz
-
-
2..\p
2pv
x + y + z 0
(o) dans A(IR?)
{ Àx
Jll/;1~
+
+ VÀJj
JlY +
+ ÀJlZ
vz 0
0
:t + y + 0
(p) dans A( ffi. ) 3
{ (..\+Ji·):r
Àp:r +
+ {tt+ v )y
pl! Y +
+ (v+ ..\)z
J/ÀZ
"'
ÀJtV
..\+p+v
Àft;L~1 + x2 + ÀJlX3 + + Àpxs
l
x4 Il
( q) dans A(IR.5 )
Àx1 + X2 + Àx3 + x4 + Àxs 1
xl + :l~2 + x4 + Àxs - 1
Xl + x2 x4 + ftXs - 1
11. Si un systè1ne d'équations linéaires

t
L a.ij:r.i = hi . (i=l, ... ,s).
j=1
a. une solution unique, alors le système homogène associé

t
L aij~r.i = 0 (i=1, ... ,s)
j=l

CHAPITRE 11. SYSTÈ1V!ES D'ÉQUATIOlvS LINÉAIRES 1.55
n'a. que la solution triviale (pourquoi ?). l\1ontrer par un exemple que la réciproque
n'est pas vraie.
12. l\1inuit sonnait sur Londres. Le docteur Watson, plongé dans la lecture d'un vieux
livre d'algèbre, s'exclama soudain :
"Good Lord ! Ce système d'équations linéaires, dont la solution est unique, a une
curieuse propriété : ses coefficients
forment une progression arithmétique de raison non nulle''.

Sherlock Hohnes leva. la. tête, l'air intéressé :
"Dites-n1oi, Vva.tson, d'après l'épaisseur de la. couche de poussières qui recouvre votre
livre, j'en déduis que le systè1ne en question est à. coefficients réels et qu'il comporte
au n1oins deux équations".
A peine le docteur eut-il confirn1é ces hypothèses que le célèbre détective lui tendait
un papier sur lequel il venait de griffoner quelques chiffres.
"Décidétnent, Holmes, vous m'étonnerez toujours ! Co1nment diable avez-vous pu
résoudre ce système sans 1nên1e l'avoir vu et sans connaître le no1nbre d'équations
ni le non1bre d'inconnues ?''
"Elé1nentaire, mon cher \iVatson !"
Con1ment Sherlock Holn1es avait-il raisonné et quelle était la. solution du système ?
13. Un problè1ne égyptien du Papyrus Rhind (environ 2000 avant J.C)

"100 pains pour .5 personnes; %(de la part) des trois premières, c'est la part des deux
dernières. Quelle est la différence de part ?" (on suppose que la répartition se fait
en progression arithmétique, et il faut trouver la raison de cette progression sachant
que la son1me des deux plus petites parts est le septiè1ne de la somme des trois plus
grandes). D'après P.DEDRON et .J.TTAR.D : ''l\1a.thénlatiques et mathématiciens",
Magna.rd, 19.59.
14. Un problè1ne italien de TARTAGLIA (l6èn1e siècle)
"Trois joyeux compagnons qui avaient deniers en bourse, s'entrefirent quelques ques-
tions, et dist le pren1ier aux deux autres, si vous me donnez la 1noytié de voz ducas,
j'auray ensen1ble avec ceux que je peux avoir de présent 20 duca.s; le second dist aux
deux autres, si vous me donnez le tiers de voz ducas, j'auray ensemble avec ceux
que je peux avoir 20 ducas; mais dist le troisièn1e aux deux autres, donnez n1oy le
quart de ceux que vous a.vez, et avec ceux que fay, j'auray 20 ducas aussi bien que
vous : con1bien avait de du cas un chacun d'iceux?"
1.5. Un problèn1e de BACHET (17èn1e siècle)

"Trois ho1n1nes ont chacun certaine somme d'écus. Le premier donne des siens aux
deux autres autant qu'ils en ont chacun; en après le second en donne aux deux autres
autant qu'ils en ont chacun; finalernent le troisièn1e en donne aux deux autres autant
qu'ils en ont chacun; cela. fait, chacun se treuve 8 écus. On demande combien chacun
en avait du commencement" (extra,jt des "Problèmes plaisants et délectables qui se
font par les nombres", publié en 1612).

CHAPITRE 11. 8YSTÈlvfES D'ÉQUATI01VS LIJ\TÉAIRES 156
16. Un problèn1e d'EULER (l8èn1e siècle)

"Trois frères ont acheté une vigne pour 100 louis. Le cadet dit qu'il la payera, si
le second lui donne la n1oitié de son argent; le second s'offre à la payer, si l'aîné
lui donne le tiers de son argent; l'aîné ne demande pour la payer que le quart de
l'argent du cadet. Combien d'argent avait chacun d'eux ?"
17. Un problè1ne stupide (20èine siécle)

"Un père a 25 ans de plus que son fils. Dans 7 ans, il aura .5 fois 1'âge de son fils.
Que fait le père ?"

·chapitre 12
Espace dual
12.1 Formes linéaires
Considérons un espace vectoriel V = f{n, où ]{ est un corps, et une équation linéaire

ho1nogène
n
(1) L;TiCli =0
i=l
Le n-uple ( a 1 , ... , an) (ou, ce qui revient au même, le premier membre de (1)) détermine
une application a de V dans J{ définie par
n
a : V ~ f{ : ( X1, ... , Xn) ~ LXi ai
i=l
et les solutions de ( 1) représentent les éléments de V qui sont appliquées sur 0, éléments
qui constituent un hyperplan de 1/ ou V lui-même.
THEOREME 44. Si ~' = J(n et si a 1 , ..• , an E /\, l'application

n
a :V ---+ ]{ : ( X1, ... , Xn) ~ L Xïai
i=l
est une application linéaire.
Dé1nonstration.
(i) a ((x 1 , . . . , ~rn ) + (:ij 1- • . • ~ Yn ) ) = + 1 ~ . . . , .rn + Yn )

0' ( ;T 1 :CJ
L(xi + yi)ai
·t
= L(xiai + Yïai)
i
= :Lxiai + LYiai
i i
a( XI' ••• ' Xn) + a(yi' . .. 'Yn)
157
CI-IAPITR.E 12. ESPACE DUAL 1-58
(ii) a(À(~r 1 , ..• ,x.,J) = a(Àx1, ... ,À:r.n)

L(Àxi)ai
l
LÀ(xiai)
t
- ÀLxiai
·i
Àa( X1, . .. , Xn)
•
Ceci nous conduit à une généralisation qui est utilisable en dimension infinie et qui se
libère en n1ê1ne ten1ps des coordonnées :
Définition. On appelle for1ne linéaire f sur un espace vectoriel V (défini sur un
corps /{) toute application linéaire f de V dans f{, c'est-à.-dire toute fonction f : V ~ f{
avec
f(x +y) f(x) + f(v) V). E /{,V x, y E V.
J(Àx) Àf(x)
Au lieu de fonne linéaire, on parle parfois de fonctionnelle linéaire ou encore de
covecteur (pour une raison qui apparaîtra. bientôt : le covecteur f sera un vecteur de
l'espace dual V'" de V). La. valeur .fUr) d'une fon11e linéaire f sur un vecteur est x
souvent appelée produit intérieur de f et de x,
et est notée de manière plus symétrique
< f,x>.
12.2 Exemples de formes linéaires

n
1. a: f{n ~ f( : (x1, ... , Xn) ~ Ll:iai.
i=l
2. Soit V 1'espace vectoriel réel des fonctions continues sur un intervalle [a, b] à valeurs
dans IR. L'application
a: V-> IR: f--> l f(x) dx
est une forn1e linéaire sur 1/.
:3. Soit V 1'espace vectoriel des fonctions dérivables sur ffi. à valeurs clans IR et soit
X0 E IR. L'application
a : l/ ~ Til : f ~ f' (:ro)
appliquant .f sur sa. dérivée en ;t(, est une forn1e linéaire sur V.
4. Soit V l'espace vectoriel réel des fonctions continues sur IR a valeurs clans IR.
L'application
8: V~ IR: f ~ f(O)
est une fonne linéa.ii:e sur 1/ qu'on appelle fonction 8 de DIRAC. Celle-ci joue
un grand rôle en physique, nota.1nn1ent en n1éc.anique quantique (attention : 8 n'est
pas une fonction de IR dans ffi., n1a.is bien de 11 dans IR).

CHAPITRE 12. ESPACE DUAL 159
12.3 Le noyau d'une forme linéaire
THEOREME 45. Le noyau d'une forme linéaire f sur V est un hyperplan de V

ou V lui-n1ên1e.
Dén1onstration. On sait déjà par le théorème 4 page 53 que le noyau Ker f est un
sous-espace de 11. Supposons Ker f =1 11 et soit p E 11- J{er f. On a donc f(P) =f O.
Pour tout xE 11, le vecteur
est da.ns Ker f ca.r

JUï) = f(x) - f(x)(f(fJ) )- 1 .f(JJ)
= f( x) - J(x) = o
Donc, x = 1Ï + f(x)(f(P))- 1 p est dans le sous-espace engendré pa.r Ker f et j), ce qu1
prouve que Ker f est un hyperplan de V.
•
Définition. Une forme linéaire dont le noyau est un hyperplan est dite non dégé-
nérée; sinon, elle est elite dégénérée.
12.4 Formes linéaires et bases

Soit B une base de V. Toute forme linéaire f sur V est entièrement déterminée par les
valeurs qu'elle prend sur les éléments de B, c'est-à-dire par les J( ëi) = ai où B = {ëi 1
i E J}. En effet, quel que soit xE 11,
f(x) = !C'EJ xiëi) = 'Lxif(ëi) = 'Lxiai (1)

i i i
Observons que B peut être infinie; il y a. alors une infinité de tennes dans la somn1e (1)
x
car il y a. une infinité de coefficients ai, n1a.is pour un vecteur donné, il n'y a qu'un
non1bre fini de coordonnées Xi non nulles, ce qui ra.n1ène ( 1) à une somn1e finie.
En dilnension finie, nous voyons clone que toute forn1e linéaire sur f{n peut _s'écrire
J : f{n -r f{ : (xl, ... , Xn) -r LXi ai

t
Observons aussi que f est dégénérée si et seulement si tous les ai sont nuls.
.12.5 Les formes linéaires déterminées par un hyper-

plan
THEOREME 46. Soit V un espace vectoriel sur ]{, fi un hyperplan de V et p un

vecteur de V n'appartenant pa.s à. H. Alors, il existe une et une seule forme linéaire
f sur V telle que Ker f = H et f(fi) = 1.

Dén1onstration. Soit B' une base de JI. Alors B = B' U {z?} est forcément une base
de 11. La. fonction f : 11 ---? f{ qui applique tout vecteur x de V sur sa. coordonnée J.~p
par rapport au vecteur de base pest une forme linéaire et celle-ci possède clairement les
propriétés requises. Donc l'existence de f est assurée. Quant à. 1'unicité, elle résulte dti
fait qu'une fonne linéaire est déterminée par les valeurs qu'elle prend sur une base.
•
Ren1arques
1. Le théorèn1e qu'on vient d'établir achève la. preuve du résultat annoncé en 10.4,
selon lequel tout hyperplan affin possède une équation linéaire.
2. Si f est une forn1e linéaire de noyau JI et si j) + Il est un hyperplan affin parallèle

à H, alors f prend la mê1ne valeur sur tous les points de j) + H car
f(p + H) = f(p) + j(H) = f(p) + 0 = f(j"i)

Si nous imaginons une fonne linéaire sur li com1ne une distribution de température
sur 11, nous voyons donc que les isothermes sont des hyperplans parallèles et que
les variations de ten1péra.ture sont proportionnelles aux "distances" entre ces hyper-
plans.
3. Les propriétés qu'on vient d'établir expliquent que dans Eî une forme linéaire non
dégénérée (ou covecteur non nul) est parfois définie comme un couple de plans
parallèles dont l'un (le noyau de la. forme) passe par l'origine, l'autre étant l'ensemble
des points où .la. forme prend la. valeur 1.
12.6 Espace dual
Soit V un espace vectoriel sur un corps J(. L'ense1nble des fonnes linéaires sur V est
appelé l'espace dual de V et. est noté l/'". L'espace dual V* est n1uni d'une structure
naturelle d'espace vectoriel à droite sur !{, définie co1nme suit :
J+g :v I< : x ---? f( x) + g( x)

---?
Jk : v---? I<: x---? (f(x))k

Vx E 11, Vk E ](.
\f érifions que .f + g et .f ~t~ sont bien des fonnes linéaires :
L (.f + g)Ur +if) fUi+ if)+ g(5! +y)

J(x) + .f(if) + g(x) + g(if)
J( x) + g( x) + J(iJ) + g(iJ)
- (! + g)(x) + (.f + g)(iJ)
et

(f+g)(Àx) - J(Àx) + g(Àx)

- \f( x) + \f( x)
== À(f(x) + J(x))
== À( (f + g) (x))
2. (fk)(x + iJ) == (f(x + iJ))k
- (J (x) + J (iJ)) k
- (!(x) )k + (f(iJ) )k
- (fk )(x) + (fk)(iJ)
et fina.len1ent l'argument qui explique pourquoi f k et non kf :
(fk:)(Àx) == (.f(,\x))k == (Àf(x))k == À(f(x)l~)
== À( (fA~ )(x))
On peut vérifier pa.t.iemn1ent que
(1) 11*, + est un groupe con1n1utatif
(f + g)k = .fk + gk
f(k + k') == fk + fk' Vj,gE11*
(2)
(f k)k' == f( kl~') Vk,k' E J(
fl = f
ce qui se résun1e en disant que 1/"' est un espace vectoriel à droite sur ]{.
Lorsque /{ est com1n1.lta.tif, il n'y a pas de différence fondamentale entre espace vec-
toriel à. gauche et espace vectoriel à droite~ car si on décide d'écrire systématiquement l..~f
a.u lieu de fk, on voit que (1) et. (2) deviennent
(l') 11*, + est un groupe cornmuta.tif
(2') l~(f+g) kf + À~g
(k + k')f - kf + k'f
k'(kf) - ( k l~') f == (k' k) f (\loilà où joue la. commutativité de J{)
lf f
Par contre~ si/{ n'est pas co1nrnutatif, il y a. une réelle différence entre les deux notions.
Ren1arque. Si ]{ n'est pas con1n1uta.tif, le corps opposé /{* de ]{ est défini comn1e
l'ense1nble des élén1ents de]{, muni de l'addition de f{ et d'une multiplication* telle que
k * k' == k' 1..~ VI..-.., le' E ]{. On vérifie que ]{"' est un corps. En exa.n1ina.nt (1) et (2) ci-
dessus et en y re1npla.çant systén1a.tiquement fk par kf, on voit qu'un espace vectoriel
à droite sur /{ s'identifie à un espace vectoriel à gauche sur le corps opposé
]{*. Cette identification permet d'étendre de manière rapide et rigoureuse toute théorie
des espaces vectoriels à gauche à. celle des espaces vectoriels à droite.
12.7 Bases duales

Explorons V"' lorsque 11 est de din1ension finie n. Soit B == {e""i, .... , é~} une base de V.
Si fest une forn1e linéaire sur l/ et si .f(e"i) ==ai, on a. vu en 12.4 que
f: ~7 ~ f{: :Lxiii~ :Lxiai
i i

On est alors tenté de considérer les ai co1nn1e des coordonnées de f dans V*. Il faudrait
pour cela que la. donnée de la. base B dans V détern1ine une base B* dans V* et que,
dans celle-ci, les coordonnées de f soient les ai. Or, c'est exa.cte1nent ce qui se passe :
considérons en effet les applications
01\ i = 1, ... , n (ei applique tout vecteur de V sur sa ième coordonnée dans la base B).
On vérifie aisément que e'[ est une forme linéaire sur \l, donc un élément de V*, et que
\li,j = 1~ ... , n (Dij est le syn1bole de Kronecker qui vaut 1 lorsque i =jet 0 lorsque
i # j).
On va voir que B* = {ei~ ... , e~} est une base de V'", qu'on appelle la base duale
de B. \! érifions d'abord que les ei sont linéairement indépendants. Pour cela, supposons
qu'une combinaison linéaire des e'J soit égale au vecteur nul de V*, c'est-à-dire à la. fon11e
linéaire nulle 0 appliquant tout vecteur de \1 sur le scalaire 0 :
2:::: eiÀi = 0 =} (L eiÀï)(x) = O(x) VxE v

i
=} L( ei(x))Ài = o VxE v
i
=} L(ei,(ej))Ài = 0 Vj=l~---~n
i
=} L DijÀi = 0 Vj=l, ... ,n
i
=} Àj = 0 Vj=l, ... ,n
D'autre part, les e'[ forment une partie génératrice de \l*. En effet, soit f une fonne
linéaire quelconque sur \/ :
.f : 1/ -+ f{ : ( X1, ... , Xn) --+ 2: Xi ai

1.
Alors f = L e7. ai (les coefficients à droit.e !) car
(L e;ai)(i.) - (L eiad(L Xjej)

i j
L((eiai)('I: Xjej)).
J
L( ei(L :l~jej) )ai
j
L(L :l~jei.( ej) )ai
j
- 2::(2:::: x jbij )ai
i j
LXiO.i
z
.f(x)

CI-IAPITRE 12. ESPACE DUAL 163
et ceci V.i E V, de sorte que f = L eiai.

z
Donc B* = {e7, ... , e~} est une base de ~1 * et on a. di1n 11* = dim V.
Exen1ple. Les vecteurs eï = (1,1,0), e2 = (0,-1,1) et e3 = (2,0,1)
constituent une
base B de IR3 . Cotninent construire la base duale B* ? On calcule d'abord les coordonnées
d'un vecteur quelconque (x, y, z) de ffi.3 dans la base B. Posons
(x, y, z) + y· e2 + Z e3
){ eî
- CX, X, 0) + (0, -Y, :'V)+ (2Z, 0, Z)
d'où on tire
x -x+ 2y + 2z
{~ X+2Z
..x-}/'
Y+Z
et
{ z
y· -x+ y+ 2z
x-y-z
Dès lors
(x, y~ z) = (-x + 2y + 2z) éi + (-x + y + 2:::) e2 + (x - y - z) e3
Les élén1ents de B* sont les forn1es linéaires
eî: (x, y, z) ~ -x+ 2y + 2z
e2 : (x, y, z) ~ -x+ y+ 2z
e; : (x, y, z) ~ x - y- z
et on vérifie qu'on a. bien ei(ej) = bij Vi,j = 1, 2, 3.
12.8 Le bidual
L'espace dual V** de l'espace dual 1/*, appelé le bidual de V, intervient dans certaines
questions cl' Analyse, notamment da.ns la. résolution d'équations différentielles.
On va. voir que l' s'identifie de n1anière canonique à un sous-espace de V**.
Tout vecteur :ï! de V détermine en effet une application de V* clans ]{, que nous allons
noter .'r** et qui est définie par
x""" : F"' ~ f{ : f ~ :r"'"'(.f) = f(i)

On vérifie que ~r"'"' est une fon11e linéaire sur V*, c'est-à-dire un élén1ent de V** : en effetl
x**(!+ g) = (f + g)Ur.) =!(x)+ g(x) = x**(f) + x*'"(g)

et x**(fk) = (fk)Ui!) = (f(x))k = (x**(f))k
V.f, g E 11*, Vk E J(. L'application
est injective car :r"'* = y*"' i1nplique :~:**(.{) = y"""(f). c'est-à-dire .f(~~) == fCy) pour toute
forme linéaire f sur l/, et ceci ent.ra.îne ~=r = if (pourquoi ?) . On vérifie enfin (exercice)
que 1'application précédente est un ison1orphis1ne de V' sur un sous-espace de V**.

Lorsque V est de dimension finie, on a vu que dim 11* dim V. Par conséquent,
dim V** = di1n V* = dim V et 1'application
v --+ \l** : x --+ x**

est un ison1orphisme de V sur V**. On identifie souvent V et V** au moyen de cet
iso1norphisn1e canonique.
Lorsque V est de dimension infinie. on peut prouver que clim V < dim V*, c'est-à-dire
que V* est "plus grand" que V. Dans ce cas, V s'identifie à un sous-espace propre de V**.
12.9 Exercices
1. Si V est l'espace vectoriel réel des fonctions continues sur [a, b] à valeurs dans IR et
si .fo est un élé1nent de V~ 1'application
b
ü : ,/. --+ Til: .f --+
1
Q.
.fo(:t.:) .f( :r) dx
est-elle une forn1e linéaire sur 11 ? l\1ême question pour 1'application
j3 : 11 --+ IR : f --+ f (xo)

où x 0 est un point de l'intervalle [a, b]. Dans le cas où la réponse serait affirmative
pour l'une de ces applications, la. fonne linéaire qu'elle définit est-elle dégénérée ?
2. Soit f une forn1e linéaire sur rn?. Sa.cha.nt que f(7 ~ 4) = .5 et j(O, 2) = -1, calculer
.f( x, y) pour tout (x, y) E ffi? et déterminer le noyau de f. Cette forme linéaire
~ , ~ ?
~
est-e Il e cl egeneree .
Trouver les points de IR? où elle prend la valeur 1 et représenter graphiquement la.
situation.
3. Si f est une forme linéaire sur IR? telle que
/(1, -1, 0) = 1, f( -1, 0, 1) = 2, .f(O, 1, 0) = 0

que vaut. .f(:r.:,y,z)?
4. Etant donné les forn1eS linéa.ir('S f,g, h sur rre définies par
f (x' y' z) - ~r. + 2y - z
g(x,y,z) 2x- 8z
h(x,y,z) 2x+6y+z,
calculer :
(f + g)(x, y, z) -
(:3h)(x, y, z)
(6f-g-2h)(:r,y,z) -
{.f, g, h} est-il une base de l'espace dual IR?"' ?

CHAPITRE 12. ESPACE DUAL 16.5
5. Les vecteurs eï = (2, 0), e2 = (1, 1) forment une base B de IR2 . Soit B* = {ei, e;}
la. base duale. Calculer
eî(x,y) =
e2(x, y) =
Déten11iner le noya.u de chacune des formes linéaires ei' ete;, a.insi que l'ensemble des
points de IR? où elles prennent la. valeur 1, et représente1~ la. situation graphiquement.
6. Dans chacun des espaces vectoriels V à 3 dimensions décrits ci-dessous, on donne une
base B = {eï, e2, e3} et on den1a.nde de déterminer la base duale B* = {ei, e2, e;}
(ce q~i revient à calculer ei(v), e;(v) et ej(v) VvE 11):
(a.) V= IR? et B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

(b) v·= 1R3 et B = {(1, 2, -4), (0, 1, 1), (1, 0, 1)}
( c) \l = IF~ et B = {(1, 0, 0), ( 1, 1, 0 L(1, 1, 1)}
(d) \/={a+ b..X + c){ 2 a, b,c E IR.} et B = {1, (1- )(), (1- X) 2 }
1
7. Soit \1 un espace vectoriel de dimension finie n sur un corps co1nmutatif, B =

{ eï, ... , e~} une base de V et B* = {ei, ... , e~} sa ba.se duale da.ns \1*. Montrer
que
n
v= 2::: e7(v)ei VvE \1
i=l
et n
f =L f(ëi)ei v.r E \/*
i=l
8. On considère les formes linéaires ei, e2, e; sur IR? définies pa.r
ei(x,y,z) - 2x+y+z
e2 (x, y, z) - x- z
e3(a.~, y, z) - -x+ y+ 2z
Vérifier qu'elles forn1ent une base de l'espace dua.llR?* et trouver une base B de IR?
telle que B* = {eî, e;, e;}. Cette base B est-elle univoquement détern1inée ?
9. Soit V res pace vectoriel des fonctions f de IR dans IR telles que f(x) = ax 2 + bx + c
Otl a, b, cE IR. (fonctions polynôn1es de degré~ 2). On considère les formes linéaires
e 1* , e *2 , e3* sur T,.
~~ d'fi
e nw• par
ei{f) lf(x)dx
e2(.f) f(l)
e3 (.f) .f' (1)
Vf E \l. Trouver une ba.se 13 de V tcl1e que B"' = {e;', e;, e;}. Cette base B est-elle
univoquenH~nt dét.ern1iné~?

Chapitre 13
Convexité
13.1 Corps ordonnés

Dans le développement de la. théorie des espaces vectoriels et affins, nous avons jusqu'ici
trouvé l'inspiration clans la. structure de corps de IR et dans le rôle que joue celui-ci en
géométrie élén1enta.ire. l\1a.is 1R possède une structure beaucoup plus riche, notamment
une structure d'ordre. Celle-ci conduit à. une généralisation intéressante, à. savoir les corps
ordonnés, qui permet d'étudier la. convexité dans les espaces vectoriels et affins. Nous nous
lüniterons ici à. une simple esquisse elu sujet
On appelle corps ordonné tout corps f{ muni en outre d\1ne relation d'ordre total
:; telle que
(1) a :; b in1plique a+ c:; b + c
(2) a :; b et. 0 :; c itnplique ac :; be
quels que soient a, b, cE f{.
Exen1ples
1. IR et chacun de ses sous-corps, comme (Q, (Q( .f2)~ le corps A des nombres algébriques.
etc ... sont des corps ordonnés.
2. Le corps <C. des non1bres con1plexes. de mê1ne que les corps finis, ne peuvent être
érigés en corps ordonnés (exercice).
13.2 Espaces affins ordonnés
Soit A(V) un espace affin déduit d'un espace vectoriel V sur un corps ordonné J{. La.
structure d'ordre de J( détern1ine dans A(l') une notion d'intervalle : si a et b sont des
166
CHAPITRE 1.3. C01\TVEXITÉ 167
points distincts de A(11), l'intervalle fern1é [a, b] est l'ensen1ble des points p de A('l)
tels que
p = Àa + pb où 0 ::; ..\, f.1 E J( avec À + l" = 1
On vérifie que a et b appartiennent à. [a, b] et que [a, b] est inclus dans la droite ab. On
peut n1ontrer que toute affinité de A(V) transforme un intervalle fermé en un intervalle
fenné.
Une partie C de A(V) est dite convexe si, pour tout choix de a ;j:. b dans C, l'intervalle
[a, b] est inclus à C.
Il est clair que toute intersection de parties convexes est encore convexe, de sorte que
nous obtenons une nouvelle structure d'espace à fermeture sur A(F).
13.3 Demi-espaces
Tout hyperplan H d\1n espace a.ffin ordonné A(V) détern1ine deux demi-espaces fermés
s+ et Ji- tels que
(1) s+ U 1:1- = A(V)
(2) s+. n H- =H
(:3) si p E H+ - H et q E n- - H, alors [p, q] contient un et un seul point de H.
En di1nension finie, lorsque H est donné pa.r une équation linéaire
LXia·i- b = 0,
2
J-J+ (resp. H-) peut être défini con1n1e l'ensen1ble des points (x 1 , ...• Xn) tels que
L XiO.i- b~ 0 (res p. L ~ri ai ::; 0)

i t
Ainsi, l'ensen1ble des solutions d'un système d'inéquations linéaires est une intersection
de demi-espaces et est de ce fait un ensemble convexe. Nous ne ferons pas la théorie de ces
systèn1es (celle-ci est étudiée clans le cours de licence de .J .-P. BRANS) : elle fait l'objet de
ce qü'on appelle ]e progran1n1ation linéaire, un sujet aux n1ttltiples applications dans
la vie éconon1ique, prolongé lui-n1ême pa.r la recherche opérationelle. Un problèn1e
foncla.n1enta.l est de n1ax1n1iser (ou minimiser) une forn1e linéaire sur un ense1n~le convexe.
Enfin~ le sujet a. des prolongements théoriques in1portant.s en Ana.]yse, au travers des
fonctions convexes et des espaces vectoriels topologiques.

Syllabus 1

Transféré par

Informations du document

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

Syllabus 1

Transféré par

Droits d'auteur :

Formats disponibles

PRESSES UNIVERSITAIRES DE BRUXELLES

Algèbre linéaire et géométrie

Mathématique linéaire : espaces

Chaïm Perelman (1912-1984)

Les 10 principes et critères du FSC 6. Les fonctions écologiques et la diversité biologique de la

Le label FSC apposé sur des produits

FSC, le label du bois et du papier responsable

Cette page d’information n’est pas comptée dans le prix du syllabus.

Votre avis compte !

Francis BUEI\:ENHOUT et Jean DOYEN

Table des matières

3 Espaces vectoriels sur un corps 18

PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

Table des ma.tières 2

3.6 Exemples de sous-espaces 34

6 Espaces vectoriels et parties génératrices 56

PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

Table des ma.tiè1·es 3

7.3 L'existence de bases . . . . . . . 67

8 Retour aux applications linéaires 90

9 Espaces affins 100

PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

Table des matières 4

10.3 Hyperplans et bases . . . 127

11 Systèn1es d'équations linéaires 138

12 Espace dual 157

PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

siècle. La. généralisation en dimension 3, c'est-à-dire l'étude des quadriques, s'impose et

PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

technique, sans compter celle du formalisme. Le physicien se débrouille parfaitement dans

Ajouts effectués en 1994

PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

2.1 Le rôle des corps dans la théorie

(i) ]{,+est un groupe commutatif de neutre noté 0

Les élén1ents de ]{ sont souvent a.ppelés scalaires (en physique) ou non1bres.

Dans tout corps ]{,

possède une et une seu]e solution dans ]{, à. savoir :

PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

4. (a) <Q(VZ)={a+b/2]a,bE<Q} (comparezà<C=IR(i))

6. Si /{ est un corps commutatif, l'ensemble/{()() des fractions rationnelles ~~~~

7. Il existe un corps fini possédant q éléments si et seulement si q = pn est une puissan-

IFp='llp= {0,1,2, ... ,p-1}

l'addition et la. n1ultiplica.tion s'effectuent modulo p, ce qui revient à dire en pra-

est bien un corps (dans lequel on a. par exemple (1 + i) + 1 = i, i(1 + i) = i + i 2 =

PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

Le produit de deux quaternions repose sur les règles suivantes :

et sur l'adoption des propriétés habituelles telles que la distributivité, l'associativi-

Observons que le produit

ce qui montre que tout quaternion non nul q = a + bi + cj + dk possède un inverse

on peut procéder comme suit (attention à l'ordre des facteurs !)

(1 + 2i- j + k)- 1 (1 + 2i- j + k)x = (1 + 2i- j + k)- 1 (i- k)

PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

2. 7l(J2) ={a+ bJ21 a, bE 7l}

3. l'ensemble J{[.X] des polynômes en ){ à coefficients dans un corps /{

2.5 Corps ordonné

PUB Cours-Librairie, av. P. Héger 42, B-1000 Bruxelles / MATH-F-102_C

2. Pour quelles valeurs du no1nbre naturel n l'ensen1ble

~(vn) ={a+ bjn 1 a,b E ~}

(muni de l'addition et de la. multiplication usuelles) est-il un corps? Que se passe-t-il

3. Définir la notion d'automorphisme d'un corps.

est-elle un automorphisrne du corps IH des quaternions ?

5. Trouver un automorphisme non trivial (différent de la permutation identique) des