RAPPELS ET COMPLEMENTS D’ALGEBRE LINEAIRE

Dans ce cours, | est un corps commutatif (en général, | = R ou | = C);

E est un |-espace vectoriel, L (E) est l’ensemble des endomorphismes de E;
Mn (|) est l’ensemble des matrices carrées d’ordre n à coe¢ cients dans | et
Mm;n (|) est l’ensemble des matrices à coe¢ cients dans | de format (m; n)
c.à.d de m lignes et n colonnes.

Dans le présent chapitre, nous rappelons quelques notions sur les espaces
vectoriels et les applications linéaires étudiées en première année de licence, et
nous en donnons quelques compléments utiles à une bonne compréhension de ce
cours. Nous ne donnerons que les démonstrations des compléments, les résultats
rappelés étant supposés démontrés en première année.

1 Base - Dimension

1.1 Combinaison linéaire

Dé…nition 1.1: Soient u1 ; u2 ; :::; un des éléments de E: On appelle combinai-
son linéaire de u1 ; u2 ; :::; un tout vecteur w de E de la forme
X n
w= i ui = 1 u1 + 2 u2 + ::: + n un avec i 2 |; 81 i n:
i=1
Soit F = (ui )i2I une famille in…nie d’éléménts de E: On appelle combinai-
son linéaire d’éléments de F toute combinaison linéaire d’une partie …nie non
vide de F:

Sous espace vectoriel engendré

Proposition 1.1 et dé…nition: Soit F une famille non vide d’éléments de
E: L’ensemble des combinaisons linéaires d’éléments de F est un sous espace
vectoriel de E appelé le sous espace vectoriel de E engendré par F et noté
V ect(F) ou < F > :

1.1.1 Famille génératrice, famille libre

Dé…nitions 1.2
Soit F une partie non vide d’éléments de E:
Famille génératrice
F est dite une famille génératrice de E ou un système générateur de E si on a
E = V ect(F) c.à.d si tout vecteur de E est une combinaison linéaire d’éléments
de F:

1
 Famille libre
- Si F est …nie avec F = fu1 ; u2 ; :::; un g; F est dite libre si; 8 1 ; 2 ; :::; n 2
n
X !
|; i ui = 0 =) 1 = 2 = ::: = n = 0; c.à.d si une combinaison linéaire
i=1
nulle d’éléments de F s’obtient uniquement avec des coe¢ cients touts nuls;
- Si F est in…nie, F est dite libre si toute partie …nie de F est libre.

Proposition 1.2: Soit F une famille non vide d’éléments de E:

Si F est une famille génératrice de E; alors toute partie de E contenant F
est une famille génératrice de E;
Si F est une famille libre, alors toute sous famille non vide de F est une
famille libre.

Théorème 1.1: Soit F = fu1 ; u2 ; :::; un g (n 2); une famille de vecteurs

de E; on suppose que la famille fu1 ; u2 ; :::; un 1 g est libre.
Alors F est une famille libre si et seulement si un 2 = V ect(u1 ; u2 ; :::; un 1 ):

Preuve
(=: Supposons que un 2 V ect(u1 ; u2 ; :::; un 1 ); alors un est une combinaison
linéaire de u1 ; u2 ; :::; un 1 et alors F n’est pas une famille libre, d’où le résultat
par contraposition.
=): Supposons que un 2 = V ect(u1 ; u2 ; :::; un 1 ) et soient 1 ; 2 ; :::; n 2 |
Xn n
X1
tels que u
i i = 0 E (1): Si on avait n =
6 0; alors on aurait un = i
n
ui
i=1 i=1
ce qui contredit l’hypothèse un 2= V ect(u1 ; u2 ; :::; un 1 ); donc on a n = 0 d’où
nX1
(1) =) i ui = 0E ; mais comme par hypothèse la famille (u1 ; u2 ; :::; un 1 )
i=1
est libre, alors on a i = 0; pour 1 i n 1; En somme, on a montré que
Xn

i ui = 0E =) i = 0; 81 i n; donc F est une famille libre.

i=1
Exemple 1.1: Montrer qu’une famille F de polynômes non nuls de degrés
distincts est libre.
Soit fP1 ; P2 ; :::; Pn g une sous famille …nie de F rangée de sorte que deg P1 <
deg P2 < ::: < deg Pn : Montrons de proche en proche que 81 k n;
fP1 ; P2 ; :::; Pk g est une famille libre. Pour k = 1; P1 étant non nul, fP1 g est
libre. Soit 2 k n; supposons l’assertion veri…ée au rang k 1 c.à.d que
fP1 ; P2 ; :::; Pk 1 g est une famille libre Tous les polynômes P1 ; P2 ; :::; Pk 1 sont
de degré deg Pk 1 : Donc si on pose r = deg Pk 1 ; alors V ect(P1 ; P2 ; :::; Pk 1 )
|r [X]: Or on a deg Pk > r donc Pk 2 = |r [X]: d’où Pk 2
= V ect(P1 ; P2 ; :::; Pk 1 ):
Alors d’après le théorème 1, fP1 ; P2 ; :::; Pk g est une famille libre. Par suite la
famille fP1 ; P2 ; :::; Pn g est libre.d’où le résultat.

2
1.2 Base

Dé…nition 1.3: une base de E est une famille libre et génératrice de E:

Théorème 1.2: Soit B une famille d’éléments de E: Les conditions suiv-
antes sont équivalentes (les CSSE):
i) B est une base de E;
ii) B est une famille génératrice minimale de E; (c:a:d si on retire un élé-
ment de B; la famille n’est plus génératrice.)
iii) B est une famille libre maximale de E; (c.à.d si on ajoute un élément à
B; la famille n’est plus libre).
iv) Tout élément de E s’écrit de manière unique comme combinaison linéaire
d’éléméns de B:

Théorème 1.3: Tout espace vectoriel non nul admet une base.

Théorème 1.4: Toute famille libre non maximale de E peut être complétée
pour obtenir une base de E:
De toute famille génératrice non minimale de E on peut extraire une sous
famille qui est une base de E:

Base adaptée à un sous espace vectoriel

Dé…nition 1.4: On suppose E de dimension …nie n et soit F un sous espace

vectoriel non nul de E de dimension p < n: On appelle base de E adaptée
à F toute base de E de la forme B = (u1 ; u2 ; :::; up ; up+1 ; :::; un ); où F =
(u1 ; u2 ; :::; up ) est une base de F:

Théorème 1.5: Si E admet une base …nie (c.à.d comportant un nombre

…ni d’éléments) alors toutes les bases de E ont le même nombre d’éléments.

1.3 Dimension
Dé…nition 1.5: - Si E admet une base …nie, on appelle dimension de E le
nombre d’éléments d’une base quelconque de E; noté dim E:
- Si E est non nul et n’admet pas de base …ni, on dit que E est de dimension
in…nie et on écrit dim E = +1:
- Si E = f0g; alors on pose dim E = 0:

Théorème 1.6: On suppose dim E = n …nie et soit B une famille d’éléments

de E: Les CSSE:
i) B est une base de E;
ii) CardB = n et B est une famille libre de E;

3
 iii) CardB = n et B est une famille génératrice de E:

Proposition 1.3: E étant toujours supposé de dimension …nie, soit F un

sous espace vectoriel de E:Alors on a:
0 dim F dim E:
En outre on a: dim F = 0 () F = f0g; dim F = dim E () F = E:

1.4 Exemples de bases

1.4.1 Base canonique de |n
E = |n ; (n 2 N ):
La famille B = (e1 ; e2 ; :::; en ) telle que81 i n; ei = (0; :::; 0; 1; 0; :::0)
dont toutes les composantes sont nuls sauf la i-ème qui vaut 1; est une base de
E appelée la base canonique de |n :
n
X
On a 8x = (x1 ; x2 ; :::; xn ) 2 E; x = xi ei
i=1

Par conséquent, dim |n = n:

1.4.2 Base canonique de Mm;n (|)

E = Mm;n (|); l’ensemble des matrices m lignes n colonnes à coe¢ cients dans
|:
Cj
0 1
0 0
B .. .. C la matrice de
81 i m; 1 j n; soit Ei;j =
Li @ . 1 . A
0 0
E dont tout les coe¢ cients sont nuls sauf celui situé sur la i-ème et la j-ème
colonne qui vaut 1:
Alors B = (Ei;j )1 i m;1 j n est une base de E appelée la base canonique
de Mm;n (|): X
8A = (aij ) 2 E; on a A = aij Eij :
1 1 n
1 j m

On a donc dim Mm;n (|) = mn:

1.4.3 Base canonique de |n [X]

E = |n [X]; l’ensemble des polynômes de degré n à coe¢ cients dans |:
B = (P0 ; P1 ; :::; Pn ) = (1; X; :::; X n ) est une base de E appelée la base
canonique de |n [X]:

4
 8P = a0 + a1 X + ::: + an X n 2 E; on a P = a0 + a1 P1 + ::: + an Pn :

Par conséquent dim |n [X] = n + 1:

1.4.4 Base d’interpolation de Lagrange

Théorème 1.7 (d’interpolation de Lagrange): Soient a1 ; a2 ; :::; an+1 ;

n+1 éléménts distincts de |: Alors 8(b1 ; b2 ; :::; bn+1 ) 2 |n+1 ; il existe un unique
polynôme P de |n [X] tel que P (ak ) = bk ; pour 1 k n + 1.
Plus précisément, ce polynôme s’écrit:
n+1
X j6=i
Y X aj
P (X) = bi ai aj :
i=1 1 j n+1

Preuve
On cherche P 2 |n [X] tel que P (ak ) = bk ; pour 1 k n + 1: Posons donc
Xn
i
P = i X ; déterminer P revient à déterminer la suite ( 0 ; 1 ; :::; n ) :On a
i=0
n
X
i
P (ak ) = i ak ; alors l’égalité P (ak ) = bk ; pour 1 k n + 1 est équivalent
i=0
au système:
8
>
> 0+ + 2 a21 + ::: + n an1 = b1
1 a1
< 2 n
0+ 1 2 + 2 a2 + ::: + n a2 = b2
a
(S) qui est un système linéaire
>
> :::::::::::::::::::::::::::::::::::::
: 2
0 + 1 an+1 + 2 an+1 + ::: + n ann+1 = bn+1
0 1
1 a1 a21 an1
B 1 a2 a22 an2 C
B C
dont la matrice associée est A = B . . . . .. C : Le déter-
@ .. .. .. .. . A
1 an+1 a2n+1 ann+1
minant de cette matrice est le déterminant Y de Van der Monde de la suite
(a1 ; a2 ; :::; an+1 ); donc det A = (aj ai ) 6= 0 car les ai sont deux
1 i<j n+1
à deux distincts..D’où l’existence et l’unicité de la solution ( 0 ; 1 ; :::; n ) et
donc de P:
n+1
X j6=i
Y X aj
En…n, montrons que le polynôme P = bi ai aj véri…e les condi-
i=1 1 j n+1
j6=i
Y X aj
tions du théorème: P est de degré n car pour 1 i n + 1; ai aj est
1 j n+1
un polynôme de degré n; alors P (X) 2 |n [X]: Maintenant, pour 1 k n + 1;
n+1
X j6=i
Y j6=i
Y
ak aj ak aj
P (ak ) = bi ai aj : Pour i 6= k; le terme ai aj est nul car j
i=1 1 j n+1 1 j n+1

5
prend toutes les valeurs de 1; n + 1 à l’exeption de i; donc j prendra la valeur k
j6=i
Y ak aj
donc le produit ai aj comporte le facteur ak ak = 0: Pour i = k; le
1 j n+1
j6=i
Y j6Y
=k n+1
X j6=i
Y
ak aj ak aj ak aj
terme ai aj vaut ak aj = 1; par suite bi ai aj : =
1 j n+1 1 j n+1 i=1 1 j n+1
bk d’où le résultat.

Corollaire et dé…nition: Soient a1 ; a2 ; :::; an+1 ; n + 1 éléménts distincts

de |; la famille L = (L1 ; L2 ; :::; Ln+1 ) dé…nie pour 1 i n + 1 par
j6=i
Y X aj
Li = ai aj
1 j n+1
est une base de |n [X] appelée la base d’interpolation de Lagrange associée
à la suite (a1 ; a2 ; :::; an+1 ) :
En outre pour tout polynôme P de |n [X], on a:
n+1
X
P (X) = P (ai )Li :
i=1

Preuve
Montrons d’abord le second point du corollaire: Soit P 2 |n [X]; posons
pour 1 k n + 1; bk = P (ak ); alors P véri…e les conditions du théo
d’interpolation de Lagrange; d’après le second point de ce théorème, on a
n+1
X j6=i
Y n+1
X
X aj
P = bi ai aj = P (ai )Li : Ce résultat montre que tout élément
i=1 1 j n+1 i=1
de |n [X] est une combinaison linéaire de L1 ; L2 ; :::; Ln+1 ; donc L est une famille
génératrice de |n [X] et comme Card(L) = n + 1 = dim |n [X]; alors L est une
base de |n [X]:

Exemple 1.2: Déterminer la base d’interpolation de Lagrange associée à

la suite ( 1; 0; 1) et écrire Q = 2X 2 + 5X + 3 dans cette base.
En posant a1 = 1; a2 = 0; a3 = 1; on a L1 = ( 1X(X 1)
0)( 1 1) =
X(X 1)
2 ; on
trouve de même: L2 = (X + 1)(X 1); L3 = X(X+1)
2 :
Q = Q( 1)L1 + Q(0)L2 + Q(1)L3 = 3L2 + 10L3 :

1.5 Applications linéaires en dimension …nie

Dans ce paragraphe et le suivant, E et E 0 sont des espaces vectoriels de dimen-
sion …nie avec dim E = n et dim E 0 = m:

6
1.5.1 Noyau, image
Soit f : E ! E 0 linéaire. On a:
ker f = fx 2 E; f (x) = 0g est un sous espace vectoriel de E:
Im f = f (E) = fy 2 E 0 ; 9x 2 E=f (x) = yg est un sous espace vectoriel de
E0:

Proposition 1.4 : Soit f : E ! E 0 linéaire. Alors:

f injective () ker f = f0g
f surjective () Im f = E 0 :

Proposition 1.5 (détermination d’une application linéaire): Soit

B = (e1 ; e2 ; :::; en ) une base de E. Alors pour tout n-uplet (v1 ; v2 ; :::; vn )
d’éléments de E 0 ; il existe une unique application linéaire f : E ! E 0 telle que
f (ei ) = vi ; 81 i n:
Xn Xn
f est dé…nie par: 8x = xi ei 2 E; f (x) = x i vi
i=1 i=1

Proposition 1.6: Soit B = (e1 ; e2 ; :::; en ) une base de E et f : E ! E 0

linéaire. on pose B 0 = (f (e1 ) ; f (e2 ) ; :::; f (en )): Alors:
f est injective (resp surjective, resp bijective) si et seulement si B 0 est une
famille libre (resp génératrice, resp une base) de E 0 :

Preuve
0
- Supposons f injective et montrons que B ! est une famillen libre; soit 1 ; 2 ; :::; n 2
Xn n
X X
|; alors i f (ei ) = 0E 0 =) f i ei = 0E 0 =) i ei = 0E (car f
i=1 i=1 i=1
injectif =) ker f = f0E g) =) i = 0; 81 i n (car B est une base donc une
famille libre); donc B 0 est une famille libre.
Réciproquement, supposons que B 0 est une famille libre et montrons que f
est injective: Pour cela déterminons ker f ; soit v 2 ker f ; (v 2 E et B base ! de
Xn n
X
E) =) v = i ei avec 1 ; 2 ; :::; n 2 |; il s’ensuit f (v) = f i ei =
i=1 i=1
n
X
0
i f (ei ) = 0E 0 ; comme B est une famille libre, alors on a i = 0; 81 i n;
i=1
d’où v = 0E ; par suite on a ker f = f0E g d’où f est injective.
- Supposons f surjective et montrons que B 0 est une famille génératrice de
E : soit w 2 E 0 ; f surjective =) 9v 2 E tel que f (v) = w; comme B est une
0

Xn
base E; alors on a v = i ei avec 1 ; 2 ; :::; n 2 |; il s’ensuit w = f (v) =

n
! n
i=1
X X
f e
i i = i f (ei ); le derniier terme de cette suite d’égalités exprime
i=1 i=1
que w est une combinaison linéaire des f (ei ) donc B 0 est une famille génératrice
de E 0 :

7
 Réciproquement, supposons que B 0 est une famille génératrice de E 0 et mon-
trons que f est surjective: Soit w 2 E 0 ; B 0 famille génératrice
! de E 0 =)
Xn Xn
9 1 ; 2 ; :::; n 2 | tels que w = i f (ei ) = f i ei ; on a trouvé
i=1 i=1
n
X
v= i ei 2 E tel que f (v) = w; alors f est surjective.
i=1
- Le dernier point est une conséquense directe des deux premiers points

Corollaire 1: Deux espaces vectoriels isomorphes ont la même dimension.

Corollaire 2 On suppose dim E = dim E 0 et soit f : E ! E 0 linéaire.

Alors les CSSE:
i) f est injective.
ii) f est surjective;
iii) f est bijective

Théorème 1.8 (de la dimension):soit f : E ! E 0 linéaire.Alors:

dim (ker f ) + dim (Im f ) = dim E

1.5.2 Matrice d’une application linéaire

Matrice colonne de coordonnées (mcc)
Dé…nition1.6: Soit B = (e1 ; e2 ; :::; en ) une base de E:Tout
0 vecteur x de E
1
x1
n
X B x2 C
B C
s’écrit de manière unique x = xi ei : Alors la matrice B . C est appelée la
i=1
@ .. A
xn
matrice colonne de coordonnées (mcc) ou vecteur colonne de coordonnées (vcc)
de x dans la base B:

Matrice d’une application linéaire

Dé…nition 1.7 : Soient B = (e1 ; e2 ; :::; en ) une base de E, B 0 = (e01 ; e02 ; :::; e0m )
une base de E 0 . f : E ! E 0 linéaire. Alors la matrice de f relativement aux
bases B et B 0 est:

f (e1 ) f (e2 ) f (en )

0 1 e0
1
B C e02
matBB 0 (f ) = B
@
C . 2 Mm;n (|)
A .
.
e0m

8
 qui est la matrice de format (m; n) dont pour 1 j n; le vecteur colonne
Cj est la mcc de f (ej ) dans la base B 0 :

Proposition 1.7: Les considérations étant celles qui précèdent, on pose

A = matBB 0 (f ):
Alors 8x 2 E de mcc X dans B; f (x) a pour mcc AX dans B 0 :

R3 ! R4
Exemple 1.3 Soit f : avec :
8 0 v = (x; y; z; ) 7 ! v 0 = (x0 ; y 0 ; z 0 ; t0 )
>
> x =0 2x y 9z
<
y = 4y + z
(S) 0 :
>
> z = 5x y + 3z
:
t0 = 6z
Montrer que f est linéaire et déterminer sa matrice relativement aux bases
canoniques de R3 et R4 :
Les applications coordonées x0 (v); y 0 (v); z 0 (v) et t0 (v) sont des formes linéaires
car d’expression de la forme g(x; y; z) = ax + by + cz donc f est linéaire.
Soit B = (e1 ; e2 ; e3 ) et B 0 = (e01 ; e02 ; e03 ; e04 ) les base canoniques respectives
de R3 et R4 : Alors on a

f (e1 ) f (e2 ) f (e3 )

0 1 0
e1
B C e02
matBB 0 (f ) = B@
C 0 2 M4:3 (R) :
A e3
e04

On trouve: f (e1 ) = (2; 0; 5; 0); f (e2 ) = ( 1; 4; 1; 0); f (e3 ) = ( 9; 1; 3; 6):

d’où
0 1
2 1 9
B 0 4 1 C
matBB 0 (f ) = B @ 5
C:
1 3 A
0 0 6

On remarque que matBB 0 (f ) est égale à la matrice du système linéaire (S)

dé…nie par l’expression analytique de f: C’est ce qu’on obtient généralement
lorsqu’une application linéaire est dé…nie par une expression analytique rela-
tivement à des bases données.

Matrice d’un endomorphisme

Dé…nition 1.8:: soient B = (e1 ; e2 ; :::; en ) une base de E et f un endo-
morphisme de E: la matrice de f dans la base B est:

f (e1 ) f (e2 ) f (en )

9
 0 1 e
1
B C e2
matB (f ) = B
@
C . 2 Mn (|)
A .
.
en

qui est la matrice carrée d’ordre n dont pour 1 j n; le vecteur colonne

Cj est la mcc de f (ej ) dans la base B

Théorème 1.9 : soit h une base de E

L (E) ! Mn (|)
L’application : est un isomorphisme d’algèbres qui per-
f 7 ! math (f )
met d’assimiler L (E) à Mn (|) :

On a donc 8f; g 2 LE); 8 2 |; en posant A = math (f ) et B = math (g) ;:

math (f + g) = A + B; math ( f ) = A; math (f g) = AB

Corollaire 1: un endomorphisme de E est bijectif si et seulement si sa ma-
trice dans une base quelconque de E est une matrice inversible c.à.d de déter-
minant non nul.

Corollaire 2: L’ensemble des automorphisme de E muni de la composition

des applications est un groupe appelé le groupe linéaire de E et noté GL(E);
isomorphe au groupe multiplicatif GLn (|) des matrices carrées d’ordre n in-
versibles à coe¢ cients dans |:

endomorphisme canoniquement associé à une matrice

Dé…nition 1.9: Soit A 2 Mn (|) : L’endomorphisme fA canoniquement

associé à A est l’endomorphisme de |n dont la matrice dans la base canonique
de |n est égale à A:
Alors le noyau ker A et l’image Im A de A sont respectivement l’image et le
noyau de fA :

0 1
x1
B x2 C
B C
On a donc ker A = f(x1 ; x2 ; :::; xn ) 2 |n ; A B .. C = 0|n g:
@ . A
xn

Plus généralement, on dé…nit l’application linéaire canoniquement associée

à une matrice A 2 Mm;n (|) comme étant l’application linéaire fA : |n ! |m
dont la matrice relativement aux bases canoniques de |n et de |m est A:

10
1.6 Produit, somme, somme directe d’espaces vectoriels
1.6.1 Produit d’espaces vectoriels
Dé…nition 1.10 : Soient E1 ; E2 ; ...; Ep des |-espaces vectoriels. On dé…nit
p
Y
sur le produit cartésien Ei l’addition et la multiplication externe par: 8x =
i=0
p
Y
(x1 ; x2 ; :::xp ); y = (y1 ; y2 ; :::; yp ) 2 ; 8 2 |;
i=0

x + y = (x1 + y1 ; x2 + y2 ; :::; xp + yp ); x = ( x1 ; x2 ; :::; xp ) :

p
!
Y
Alors Ei ; +; est un |-espace vectoriel appelé espace vectoriel produit
i=0
de E1 ; E2 ; ...et Ep :

Théorème 1.10 : Soient E1 ; E2 ; ...,Ep des |-espaces vectoriels de dimen-

sion …nie. Alors on a:
p
! p
Y X
dim Ei = dim Ei
i=0 i=1

Projection canonique
Dé…nition 1.11: Soient E1 ; E2 ; ...,Ep des |-espaces vectoriels. Pour 1
k p; …xé, l’application:
Y p
Ei ! Ek
k : est une application linéaire surjective appelée la
i=0
(x1 ; x2 ; :::xp ) 7 ! xk
Yp
k-ième projection canonique de Ei sur Ek :
i=0

Proposition 1.7 Soit E1 ; E2 ; ...,Ep et G des |-espaces vectoriels et f :

p
Y
G ! Ei une application. Alors f est linéaire si et seulement si les appli-
i=0
cations k f; 1 k p; le sont.

1.6.2 Somme de sous espaces vectoriels

Soient E1 ; E2 ; ...,Ep des sous espaces vectoriels de E. On pose
Xp
Ei = E1 + E2 + ::: + Ep = fx1 + x2 + ::: + xp ; xk 2 Ek ; 81 k pg:
i=1

11
 p
X
Ei est un sous espace vectoriel de E contenant les Ek :
i=1

Théorème 1.11 (formule de Grassmann): Soient F; G deux sous espaces

vectoriels de E de dimensions …nies : Alors:

dim(F + G) = dim F + dim G dim(F \ G)

1.6.3 Somme directe de sous espaces vectoriels

Somme directe de deux sous espaces vectoriels
Dé…nition 1.12: Soient F; G deux sous espaces vectoriels de E: On dit que
la somme F + G est directe si F et G véri…ent l’une des conditions équivalentes
suivantes:
i) F \ G = f0g;
ii) 8(x; y) 2 F G; x + y = 0 =) x = y = 0

Remarque 1.1 : Si F et G sont de dimensions …nies, ces conditions sont

équivalentes à:
iii) dim(F + G) = dim F + dim G:

La somme F + G s’écrit alors F G:

Somme directe de p sous espaces vectoriels

Dé…nition 1.13: Soient E1 ; E2 ; ...,Ep des sous espaces vectoriels de E:
On dit que la somme E1 + E2 ; +::: + Ep est directe si
p
Y
8(x1 ; x2 ; :::xp ) 2 Ei ; x1 + x2 + ::: + xp = 0 =) xk = 0; 81 k p:
i=0
p
M
On note alors E1 + E2 + ::: + Ep = E1 E2 ::: Ep = Ei
i=1

Théorème 1.12: Soient E1 ; E2 ; ...,Ep des sous espaces vectoriels de E:

Xk
81 k p; on pose Fk = Ei = E1 + E2 ; +::: + Ek : Alors les CSSE.
i=1
i) la somme E1 + E2 + ::: + Ep est directe;
Y p X p
Ei ! Ei
ii) l’application linéaire : est injec-
i=0 i=1
(x1 ; x2 ; :::xp ) 7 ! x1 + x2 + ::: + xp
tive;
Yp Xp
Ei ! Ei
iii) l’application linéaire : est bijec-
i=0 i=1
(x1 ; x2 ; :::xp ) 7 ! x1 + x2 + ::: + xp
tive;

12
 iv) 82 k p; la somme Fk 1 + Ek est directe;
v) Pour toute partie fk1 ; k2 ; :::; kr g de f1; 2; :::; pg; si pour 1 j r; Bkj
[r
est une famille libre de Ekj ; alors Bkj est une famille libre.
j=1
Si E1 ; E2 ; ...,Ep sont de dimensions …nies, ces conditions sont équivalentes
à:
Xp p
X
vi) dim( Ei ) = dim Ei ;
i=1 i=1

Preuve
Pour simpli…er la preuve de ce théorème, nous ignorerons la condition de
dimension …nie pour l’équivalence du vi) avec les autres assertions, ce qui n’est
qu’une restriction mineure car en pratique pour les applications du théorème,
nous travaillerons toujours avec des espaces vectoiels de dimensions …nies.
p
Y
i) () 8(x1 ; x2 ; :::xp ) 2 Ei ; (x1 + x2 + ::: + xp = 0 =) xk = 0; 81 k p) ()
i=0
ker = f0g () est injective: on a donc i) () ii): On a aussi ii) () iii)
Xp
car est surjective: en e¤et par dé…nition, tout élément x 2 Ei s’écrit
i=1
x = x1 + x2 + ::: + xp ; avec xk 2 Ek ; 81 k p d’où x = (x1 ; x2 ; :::; xp ) :
Xp Yp
Maintenant iii) =) Ei et Ei sont isomorphes =)
p
! i=1
p
i=0! p p
X Y X X
dim Ei = dim Ei =) dim( Ei ) = dim Ei d’après théo
i=1 i=0 i=1 i=1
1.10: on a !
donc iii) =) vi);
! réciproquement d’après le théo 1.10, vi) =)
p
Y Xp
dim Ei = dim Ei ; Par suite, étant surjective comme on l’a mon-
i=0 i=1
tré dans iii) () iv); alors est bijective en vertu du corollaire 2 de la propo-
sition 1.6 d’où vi) =) iii) : on a donc vi) () iii): Montrons i) () v) :
supposons i) et soit fk1 ; k2 ; :::; kr g une partie de f1; 2; :::; pg; telle que pour
[r
1 j r; Bkj est une famille libre de Ekj ; et soit B = Bkj . Soit w
j=1
une combinaison linéaire nulle des éléments de B; par dé…nition de B; on peut
écrire w = v1 + v2 + ::: + vr = 0; où pour 1 j r; vj est une combinaison
linéaire des éléments de Bkj ; en particulier, vj 2 Ekj ; alors i) =) vj = 0;
mais comme Bkj est une famille libre de Ekj ; alors tous les coe¢ cients de
la combinaison linéaire nulle vj sont nuls; par suite, tous les coe¢ cients de
la combinaison linéaire nulle w sont nuls d’où B est une famille libre: donc
on a i =) v); réciproquement, v) implique que si pour 1 k p; Bk est
[p X p
une base de Ek ; alors B = Bk est une famille libre de Ei d’où on a
k=1 i=1

13
 Xp p
X Xp p
X
dim( Ei ) dim Ei et par suite dim( Ei ) = dim Ei car on a tou-
i=1 i=1 i=1 i=1
Xp p
X
jours dim( Ei ) dim Ei : on a donc v =) vi) et comme on a déjà montré
i=1 i=1
vi =) iii) =) i); on a v) =) i) : on a bien i) () v): Montrons iv) =) vi) :
v) =) E1 + E2 est directe d’où dim (E1 + E2 ) = dim E1 + dim E2 ; il implique
aussi que la somme (E1 + E2 ) + E3 est directe; d’où dim (E1 + E2 + E3 ) =
dim (E1 + E2 ) + dim E3 = dim E1 + dim E2 + dim E3 ; de proche en proche, on
X p p
X
obtient dim( Ei ) = dim Ei c.à.d vi): En…n, montrons i) =) iv) : i) im-
i=1 i=1
plique que si pour 1 k
p; xk 2 Ek sont tels que x1 + x2 + ::: + xk = 0;
k
X1
alors on a x1 = x2 = ::: = xk = 0; ce qui exprime que la somme Ei + Ek est
i=1
directe c.à.d que la somme Fk 1 + Ek est directe d’où iv):

Dé…nition 1.14: E est dite somme directe de ses sous espaces vectoriels
E1 ; E2 ; ...,Ep si on a E = E1 E2 ::: Ep

Corollaire: Soient E1 ; E2 ; ...,Ep des sous espaces vectoriels non nuls de

E: Les CSSE:
i) E = E1 E2 ::: Ep ;
Xp
ii) E = E1 + E2 + ::: + Ep et dim E = dim Ei ;
i=1
iii) Tout élément de E s’écrit de manière unique sous la forme: x = x1 +
x2 + ::: + xp ; avec xk 2 Ek ; 81 k p;
p
[
iv) Pour toute base Bk de Ek ; avec 1 k p; Bk est une base de E:
k=1
p
[
v) Il existe une base Bk de Ek ; avec 1 k p; telle que Bk est une base
k=1
de E:

Preuve
i) () ii) découle directement de l’équivalence de i) et vi) du théo précé-
dent. i) () iii) découle directement de l’équivalence de i) et iii) du théo
précédent. ii) =) iv) découle directement de ii) =) v) du théorème précé-
dent. Maintenant comme tout espace vectoriel non nul admet une base, iv)
implique trivialement v); en…n, v) implique d’une part que tout élément de
[p
E s’écrit comme combinaison linéaire d’éléments de Bk , donc d’éléments
k=1

14
de E1 ; E2 ; :::; Ep d’où E = E1 + E2 + ::: + Ep ; iv) implique d’autre part que
X p
dim E = dim Ei ; on a donc v) =) ii) et ceci achève la preuve.
i=1
Base adaptée à une somme directe
Dé…nition 1.15: On suppose que E = E1 E2 ::: Ep : Une base de E
adaptée à la somme directe E = E1 E2 ::: Ep est une base de E de la
forme B = (B1 ; B2 ; :::; Bp ); où pour 1 k p; Bk est une base de Ek

Supplémentaire d’un sous espace vectoriel

Dé…nition.1.16: Deux sous espace vectoriels F et G de E sont dits sup-
plémentaires ou que G est un supplémentaire de F dans E (et vice-versa) si on
a E = F G:

Théorème 1.13: Tout sous espace vectoriel de E admet au moins un sup-

plémentaire.

Hyperplan
Dé…nition 1.17: Un hyperplan de E est le supplémentaire d’une droite de
E:

Remarque 1.1: Si E est de dimension …nie, alors un sous espace vectoriel

H de E est un hyperplan si et seulement si dim H = dim E 1:

Sous espace vectoriel stable - somme directe d’endomorphisme

Dans cette sous section, u est un endomorphisme de E:

Sous espace vectoriel stable

Dé…nition 1.18: Un sous espace vectoriel F de E est dit stable par u si
u(F ) F:

Endomorphisme induit
Dé…nition 1.19: Soit F un sous espace vectoriel de E stable par u: Alors
F !F
l’application uF : qui est la restriction et la corestriction de u à
x 7 ! u(x)
F est un endomorphisme de F appelé l’endomorphime de F induit par u:
Base adaptée à un sous espace vectoriel
Dé…nition: Soit F un sous espace vectoriel de E de dimension p < n: Une
base de E adaptée à F est une base (e;1 ; e2 ; :::ep ; ep+1 ; :::; en ) de E telle que
(e1 ; e2 ; :::; ep ) est une base de F:

Somme directe d’endomorphismes

On suppose E = E1 E2 ::: Ep et que 81 k p; Ek est stable par u:
on note uk = uEk l’endomorphisme de Ek induit par u:

15
 Comme E = E1 E2 ::: Ep ; alors 8x 2 E; x s’écrit de manière unique
x = x1 + x2 + ::: + xp ; avec xk 2 Ek ; 81 k p; alors on a:
u(x) = u(x1 + x2 + ::: + xp ) = u(x1 ) + u(x2 ) + ::: + u(xp ) = u1 (x1 ) + u2 (x2 ) +
::: + up (xp ):
Mp
On dit alors que u est somme directe des uk et on écrit u = ui
i=1

1.7 Endomorphismes particuliers

1.7.1 Endomorphisme nilpotent

Dé…nitions 1.20 : Un endomorphisme u de E est dit nilpotent s’il existe un
entier p > 0 tel que up = 0:
Si r est le plus petit entier non nul tel que ur = 0; alors on dit que u est
nilpotent d’ordre r:
De même une matrice A 2 Mn (|) est dit nilpotente s’il existe un entier
p > 0 tel que Ap = 0:
Si r est le plus petit entier non nul tel que Ar = 0; alors on dit que A est
nilpotente d’ordre r:

Il est clair qu’un endomorphisme de E est nilpotent si et seulement si sa

matrice dans une base quelconque de E est une matrice nilpotente, auquel cas
les deux ont le même ordre de nilpotence.

1.7.2 Projecteur
Dé…nition 1.21 : Un projecteur de E est un endomorphisme p de E tel que
p p = p:

Théorème 18: Soit p un projecteur de E: Alors on a:

1) Im p = Inv(p) = fx 2 E; p(x) = xg
2) E = Im p ker p

Preuve
1): y 2 Im p =) 9x 2 E tel que p(x) = y =) p[p(x)] = p(y) =) p p(x) =
p(y) =) p(x) = p(y) (car p p = p) =) y = p(y) =) y 2 Inv(p); donc on a
Im p Inv(p); réciproquement, soit y 2 Inv(p); alors y = p(y) d’où y 2 Im p;
donc Inv(p) Im p; en somme on a Im p = Inv(p):
2): 8x 2 E; on a x = p(x) + (x p(x)); on a p(x) 2 Im p et x p(x) 2 ker p
car p (x p(x)) = p(x) p [p (x)] = p(x) p(x) = 0; donc on a E = Im p + ker p;
En outre on a Im p \ ker p = f0g car x 2 Im p \ ker p =) p(x) = x et p(x) = 0
d’où x = 0 : on a bien E = Im p ker p:

16
 Eléments caractéristique d’un projecteur
Dé…nition 1.22 : Avec les considérations du théorème, p est appelé le
projecteur sur Im p de direction ker p:
Im p appelé la base de p; et ker p appelé la direction de p;sont les éléments
caractéristiques de p:

1.7.3 Symétrie ou involution

Dé…nition 1.23 : Une symétrie ou une involution de E est un endomorphisme
s de E tel que s s = IdE :

Théorème 19: Soit s une involution de E: On pose:

Inv(s) = ker(IdE s) = fx 2 E; s(x) = xg; l’ensemble des vecteurs de E
invariants par s:
D(s) = ker(IdE + s) = fx 2 E; s(x) = xg: Alors on a:
E = Inv(s) D(s):

Preuve
Inv(s) et D(s) sont des noyaux d’endomorphismes de E donc ce sont des sous
espaces vectoriels de E: Maintenant, 8x 2 E; on a x = 21 (x+s(x))+ 12 (x s(x));
on a s 21 (x + s(x)) = 12 (s(x) + s [s(x)]) = 21 (s(x) + s s(x)) = 21 (s(x) + x) (car
s s = s), d’où 12 (x+s(x)) 2 Inv(s); on montre de même que 12 (x s(x)) 2 D(s);
on a donc E = Inv(s) + D(s); en outre on a E = Inv(s) \ D(s) = f0g car
x 2 Inv(s) \ D(s) =) s(x) = x et s(x) = x; d’où x = x puis x = 0 : en
somme, on a E = Inv(s) D(s):

Eléments caractéristiques d’une involution

Dé…nition 1.24 : Avec les considérations du théorème, s est appelée la
symétrie par rapport à Inv(s) de direction D(s):
Inv(s) et D(s) sont les éléments caractéristiques de s:

Exemple 1.4: Soit f l’endomorphisme de R3 dont la matrice dans la base

canonique de R3 est
0 1
1 2 1
A = 21 @ 1 0 1 A:
1 2 1
Déterminer la nature de f et donner ses éléments caractéristiques.
On a: 0 1 0 1 0 1
1 2 1 1 2 1 1 0 0
A2 = 12 @ 1 0 1 A 21 @ 1 0 1 A = @ 0 1 0 A = I3 ;
1 2 1 1 2 1 0 0 1
donc f of = IdR3 par suite f est une involution.Alors ses éléments caractéris-
tiques sont:

17
 l’ensemble des invariants Inv(f ) = ker(f IdR3 ) et sa direcrtion D(f ) =
ker(f + IdR3 )
!
Inv(f
8 ) = fv = (x; y; z) 2 R3 =(A I3 ):v = 0 g solution du système:
< x 2y z = 0
x 2y z = 0
:
x 2y z = 0
Inv(f ) est le plan vectoriel d’équation: x + 2y + z = 0:
On trouve de même D(f ) = R! v avec !v = (1:1:1):

2 Exercices du chapitre 1

Exercice 1
Soit E un espace vectoriel ; on note iE l’identité sur E: un endomorphisme
u de E est un projecteur si u u = u:
1: Montrer que si u est un projecteur alors iE u est un projecteur. véri…er
aussi que Im u = fx 2 E; u(x) = xg et que E = ker u Im u:
Un endomorphisme u de E est appelé involutif si u u = iE :
2: Montrer que si u est involutif alors u est bijectif et
E = Im(iE + u) Im( iE u):
Soit E = F G et soit x 2 E qui s’écrit de la façon unique x = f + g;
f 2 F; g 2 G: soit u : E • x 7 ! f g 2 E:
3: Montrer que u est involutif, F = fu 2 E j u(x) = xg de direction
G = fu 2 E j u(x) = xg:
4: Montrer que si u est un projecteur, 2u iE est involutif et que tout
endomorphisme involutif peut se mettre sous cette forme.
Exercice 2
Soient P = f(x; y; z) 2 R3 ; 2x + y z = 0g et D = f(x; y; z) 2 R3 ;
2x 2y + z = 0; x y z = 0g: On désigne par " la base canonique de R3 :
1: Donner une base fe1 ; e2 g de P et fe3 g de D: Montrer que R3 = P D
puis que "0 = fe1 ; e2 ; e3 g est une base de R3 :
2: Soit p la projection de R3 sur P parallèlement à D:
Déterminer mat"0 (p) puis A = mat" (p):
Véri…er que A2 = A:
3:Soit s la symétrie de R3 par rapport à P parallèlement à D:
Déterminer mat"0 (s) puis B = mat" (s):
Véri…er que B 2 = I; AB = A et BA = A:
Exercice 3
E est un R-espace vectoriel, F et G deux sous-espaces supplémentaires de
E : E = F G: 8u 2 E; On pose s(u) = uF uG où u = uF + uG est la
décomposition (unique) obtenue grace à E = F G: s est la symétrie par
rapport à F de direction G:
1: Montrer que s 2 L(E); que u 2 F () s(u) = u; u 2 G () s(u) = u;
donner ker(s) et calculer s2 :

18
 2: Réciproquement si f 2 L(E); véri…e f 2 = idE : On pose p = f +id 2
E
:
calculer f (u) en fonction de p(u) et u: véri…er que p est un projecteur,
calculer son noyau et son image.
Montrer que f est la symétrie par rapport à F = fu 2 E j f (u) = ug de
direction G = fu 2 E j f (u) = ug:
Exercice 4
soient p et q deux projecteurs de E; espace vectoriel, tels que p q = q p
(p et q commutent). Montrer que p q et (p + q p q) sont des projecteurs
de E; et que :
Im(p q) = Im p \ Im q ;
Im(p + q p q) = Im p + Im q:
Exercice 5
!
soit E = K 3 ; F = f X = (x; y; z) tel que x + 2y + z = 0g et
!
G = vect( U = (1; 1; 1)):
1: Véri…er que F G = E:
!
soit s la symétrie de base F de direction G et X = (x; y; z):
!
déterminer s( X ):
Exercice 6
soient p et q deux projecteurs d’un C espace vectoriel E:
Montrer que (p + q projecteur) () (p q = q p = 0) () (Im(p) Ker(q)
et Im(q) Ker(p):
Dans le cas où p + q est un projecteur, déterminer ker(p + q) et Im(p + q):
Exercice 7 : un critère d’indépendance
Soit S = (! a 1 ; :::; !
a p ) une suite de p 2 vecteurs de K n :
Montrer que s’il existe k1 ; :::; kp 2 [[1; n]] deux à deux distincts tels que, pour
i = 1; :::; p; la kieme composante de ! a i (resp., pour j > i; de !a j ) est non
nulle (resp nulle), alors S
est libre.
Exercice 8
soient F; G; H trois sous espace vectoriel de E: Montrer que l’on a
F \ H + G \ H (F + G) \ H avec égalité si l’on a G H: Donner un
exemple montrant que l’on peut ne pas avoir égalité.
Exercice 9
Soit (Ei;j )1 i;j n la base canonique de Mn (K):
1: Montrer que l’on a, pour i; j; k; l 2 [[1; n]]; Ei;j Ek;l = kj Ei;l et
t
Ei;j = kj Ej;i :
2: Soient i0 ; j0 2 [[1; n]]: Pour M 2 Mn (K); on pose
f (M ) = M Ei0 ;j0 Ei0 ;j0 M: Montrer que f est linéaire et donner le rang de
f; une base de Im(f ) et une base de ker(f ):
Exercice 10
Soit : R3 [X] ! R4 [X] dé…nie, pour P 2 R3 [X]; par
(P ) = (2X + 1)P (X) (X 2 1)P 0 (X):
1: Montrer que est une application linéaire et donner sa matrice dans
les bases canoniques de R3 [X] et R4 [X]:
2: Trouver des bases de ker( ) et de Im( ):

19
Exercice 11
Soit S2 (K) l’espace vectoriel ensemble des matrices symétriques de
M2 (K) et : S2 (K) ! S2 (K) dé…niepar
a b a+c b
( )= :
b c b a+b+c
1: Montrer que est un endomorphisme de S2 (K) et donner sa matrice dans
les bases (canonique) de S2 (K):
2: Trouver une base de ker( ) et de Im( ):
Exercice 12
! !
1: Soient ! a = (1; 2; 3; 4); b = (2; 2; 2; 6); ! c = (0; 2; 4; 4); d = (1; 0; 1; 2);
! !
e = (2; 3; 0; 1) des vecteurs de E = R4 : On pose F = V ect(! a ; b ;!c ) et
! !
G = V ect( d ; e ): Trouver des dé…nitions par équations cartésiennes, les
dimensions et des bases adaptées pour F; G; F \ G; F + G; et E:
!
2: Même question pour E = R5 ; ! a = (15; 12; 18; 1; 18); b = (32; 7; 13; 6; 10);
! !
c = (19; 32; 20; 7; 6); d = ( 26; 34; 46; 6; 8); ! e = ( 10; 4; 2; 19; 2);
! ! !
f = (19; 5; 8; 8; 13); g = ( 20; 2; 6; 17; 4); h = (27; 3; 10; 3; 13), et
! ! ! !
F = V ect(! a ; b ;!c ; d ) et G = V ect(! e ; f ;!g ; h ) (il est conseillé d’utiliser
un logiciel de calcul par exemple Maple).
Exercice 13
Soient f 2 L(E; F ) et 2 L(E; G):
1: Montrer que l’on a:
ker(f ) ker(g f ); Im(g f ) Im(g) et rg(g f ) min(rg(f ); rg(g)):
2: Montrer que l’on a g f = 0: si et seulement si l’on a Im(f ) ker(g):
3: Supposons que l’on a g f = 0: Montrer que, si f 6= 0 (resp. g 6= 0), g
n’est pas injective (resp. f n’est pas injective).
4: Montrer que l’on a ker(f ) = ker(g f ) si et seulement si
Im(f ) \ ker(g) = f0g:
5: Montrer que l’on a Im(g) = Im(g f ) si et seulement si l’on a
Im(f ) + ker(g) = F:
6: Montrer que l’on a dim(Im(f ) \ ker(g)) = rg(f ) rg(g f ):
Exercice 14
Soit f 2 L(E):
1: Montrer que, pour k 2 N; on a ker(f k ) ker(f k+1 ) et
Im(f k+1 ) Im(f k ):
2: Montrer qu’il existe p 2 [[0; n]]; unique tel que :
i) si k 2 [[0; p[[; on a ker(f k ) 6= ker(f k+1 ) et Im(f k ) 6= Im(f k+1 );
ii) on a E = ker(f p ) Im(f p ) (si p = 0; on a aussi f est bijective),
iii) et si k p; on a ker(f k ) = ker(f p ) et Im(f k ) = Im(f p ).
3: Montrer que les conditions suivantes sont équivalentes:
i) ker(f ) = ker(f 2 ) ; ii) Im(f ) = Im(f 2 ) ; iii) E = ker(f ) + Im(f )
iv) E = ker(f ) Im(f ):
Exercice 15
Soient p; q 2 L(E) des projecteurs.
1: Soit f 2 L(E) tel que p + f = idE ; que peux-t-on dire de f ?

20
2: On suppose que l’on a p q = q p = 0E : Montrer que p + q
est un projecteur et que l’on a Im(p + q) = Im(p) Im(q) et
ker(p + q) = ker(p) \ Ker(q):
3: Soient F un autre espace vectoriel et f 2 L(E; F ): Montrer que l’on a
Im(f ) Im(p) si et seulement si l’on a f = p f:
4: Si 2 est inversible dans K; montrer que les trois conditions suivantes sont
équivalentes :
i) q p est un projecteur ; ii) 2p = p q + q p ;
iii) p q + q p et Im(p) Im(q):
Exercice 16
Soit 2 =n : La matrice carrée M = matB (! e (1) ; :::; !
e (n) ) est dite matrice
de la permutation dans la base B de E: Soit p l’ordre de dans =n :
1: Montrer que M est inversible et que l’on a M p = In :
2: Montrer que, si 2 K est tel que p 6= 1; M In est inversible et
calculer son inverse.
3: Soit An 2 Mn (K) à coe¢ cients nuls sauf ceux d’indices
(1; 1); :::; (n; n); (1; 2); :::; (n 1; n); (n; 1) tous égaux à 1: Montrer que :
i) si n est impair, An est inversible et calculer son inversible,
ii) si n est impair, An est de rang n 1 et n’est pas inversible.

21