Académique Documents
Professionnel Documents
Culture Documents
Définition 1.1
Soit E un K -espace vectoriel .
E est dit de dimension finie si E admet une famille génératrice finie
Exemples 1.1
Définition 1.2
Un K -espace vectoriel E est dit de dimension infinie s’il n’est pas de dimension finie
Exercice 1.1
Prouver que :K[X] est un K -espace vectoriel est de dimension infinie
En déduire que RR est un R -espace vectoriel qui n’est pas de dimension finie
Définition 1.3
Soit E est K -espace vectoriel
Une partie B est dite base de E si elle est, à̀ la fois, libre et génératrice
Théorème 1.1
→
−
Soit E est K -espace vectoriel de dimension finie non réduit à { 0 }.
Soit G est une partie génératrice finie de E ona :
1. E possède une base
2. Si L une partie libre de E alors card(L) 6 card(G)
( c’est le Théorème d’échange)
3. Si B et B 0 sont deux bases de E, alors sont finies et card(B) =card(B 0 ).
Preuve: de (2) . Posons G = { x1 , x2 , ..., xp }
Il suffit de montrer que toute famille de cardinal p + 1 est liée.
Pour cela supposons ,par absurde, qu’il éxiste une famille libre
F = { u1 , u2 , .., up+1 } de p + 1 vecteurs qui est libre
Pp
On a u1 = λk,1 .xk les λk,1 ne sont pas tous nuls sinon F serait liée.
k=1
Quitte à réindexer les λk,1 on pourra supposer que λ1,1 6= 0
p
Donc x1 = λ−1 −1 P
1,1 .u1 − λ1,1 .( λk,1. xk )
k=2
donc G1 = { u1 , x2 , ..., xp } est génératrice
p
P
On recomence ;u2 est de la forme u2 = λ1,2 .u1 + λk,2 .xk .les λk,2 , k ≥ 2 ne
k=2
sont pas tous nuls sinon F serait liée
Quitte à réindexer on pourra supposer que λ2,2 6= 0
p
−λ−1 −1 −1 P
Donc x2 = 2,2 .λ1,2 u1 + λ2,2 .u2 − λ2,2 .( λk,1. xk ) donc G2 =
k=3
{ u1 , u2 , x3 , ..., xp } est génératrice
On montre par récurrence finie que Gp = { u1 , u2 , u3 , ..., up } est génératrice.
donc up+1 ∈Vect(ui )1≤i≤p
D’où F = { u1 , u2 , .., up+1 } est liée. Ce qui est absurde
1
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes
Exemples 1.2
1. La famille {1, i} est une base du R-espace vectoriel C. donc dim R (C) = 2
2. {1 − i, 1 + i} est une autre base du même espace vectoriel
3. La famille {1, X, X 2 , · · · , X n } est une base de Kn [X] donc dim
K (Kn [X]) = n + 1.
4. Soit n ∈ N∗ .
Si e1 = (1, 0, · · · , 0), e2 = (0, 1, 0, · · · , 0), · · · , en = (0, · · · , 0, 1)
alors Bc = ({e1 , · · · , en }) est une base de Kn dite base canonique de Kn en
particulier dim K (Kn ) = n.
5. Bc = (Ei,j )1≤j≤n est une base de Mm,n (K) dite base canonique Mm,n (K)
1≤i≤m
Exercice 1.2
Déterminer une base de F = (x, y, z) ∈ R3 /x + y − z = 0
Exercice 1.3
n ≥ 3.
Déterminer une base de G = { (P ∈ Kn [X]/P (1) = P 0 (1) = P (2) = 0 }
Proposition 1.2
2
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes
Exercice 1.5
Compléter lorsqu’il est possible la famille (X 2 − X, X 2 ) en une base de R4 [X]
Corollaire 1.1
Soit E un K -espace vectoriel de dimension finie
Tout K -sous-espace vectoriel F de E admet un supplémentaire
Remarque 1.1
L’ordre des éléments de la base ainsi qu celui des coordonnées est important
Exemples 1.3
1. Dans le R-e.v. C, le couple des coordonnés d’un complexe z dans la base {1, i}
est (Re(z), Im(z)).
2. Dans Kn , le n-uplet des coordonnées d’un vecteur X = (x1 , · · · , xn ) ∈ Kn
dans la base canonique est (x1 , · · · , xn ).
3. Dans Kn [X] le n + 1-uplet des coordonnées d’un polynôme
n
ak X k dans la base canonique {1, X, X 2 , · · · , X n } est
P
P =
k=0
(a0 , a1 , · · · , an ) c’est à dire le n + 1-uplet de ses coefficients.
Exercice 1.6
1. Montrer que (X − 1)k 0≤k≤n
est une base du K -espace vectoriel Kn [X]
2. Déterminer les coordonnées d’un polynôme P de Kn [X] dans cette base
Théorème 1.5
Si E et F deux K -espaces vectoriels K -isomorphes alors
E est de dimension finie ⇔ F est de dimension finie
Le cas échéant dimK (E) =dimK (F )
Proposition 1.4
3
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes
Preuve: Remarquer que E est isomorphe à Kn
ou considerer une application linéaire transforment une base de E en une base de F
Remarque 1.2
Théorème 2.1
Si E et F sont deux K -espaces vectoriels de dimension finies égales respectivement
à n et m alors E × F est un K -espace vectoriel de dimension finie égale à n + m
Corollaire 2.1
Si E1 , ...Ep sont des K -espaces vectoriels de dimension finies égales respectivement
à n1 , ..., np alors E1 × ... × Ep est un K -espace vectoriel de dimension finie égale à
n1 + n2 + ... + np
2. 2. Dimension du la somme de deux K -sous-espaces
vectoriels
Proposition 2.1
Théorème 2.2
Si E1 et E2 sont deux K -sous-espaces vectoriels d’un K -espace vectoriel de dimen-
sion finie E alors dimK (E1 + E2 ) =dimK E1 +dimK E2 −dimK (E1 ∩ E2 )
Preuve: Considérer un supplémentaire G de E1 ∩ E2 dans E1
Prouver que E1 + E2 = G ⊕ E2 puis conclure
Corollaire 2.2
Soient E1 et E2 sont deux K -sous-espaces vectoriels d’un K -espace vectoriel de
dimension finie E on a :
E1 ∩ E2 = ∅
E1 ⊕ E2 = E ⇔ ⇔
dimK E1 + dimK E2 = dimK E
E1 + E2 = E
dimK E1 + dimK E2 = dimK E
Exercice 2.1
On considère
E = u ∈ RN tel que un+3 − un+2 − un+1 + un = 0 puis
F = u ∈ RN tel que un+1 + un = 0
G = u ∈ RN tel que un+2 − 2un+1 + un = 0
1. Jusifier que f : RN −→ RN est R-linéaire
u 7−→ v/vn = un+1
2. Montrer que ker(f 3 − f 2 − f + Id) = ker(f + Id) ⊕ ker(f 2 − 2f + Id)
3. Déduire E = F ⊕ G = E et dimR (E) et une en donner une base
Exercice 2.2
Montrer que si
E = { P ∈ Kn [X]/P (1) = 0 } et F = { P ∈ Kn [X]/ P est constant }
alors E ⊕ F = Kn [X]
2. 3. Rang d’une famille de vecteurs
Définition 2.1
Soit E un K -espace vectoriel de dimension finie et F = (v41 , · · · , vp ) une famille
de vecteurs de E.
On appelle rang de F l’entier rg(F) =dim(Vect(F)).
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes
Propriété 2.1
Exemples 2.1
la famille est liée et une relation de liaison est v4 + 5v3 − 2v2 − 5v1 = 0
Et on peut conclure aussi que le rang de la famille est 3, car il est clair que les trois
premiers vecteurs sont linéairement indépendants (3 pivots)
Remarque 2.1
1 1 1 2
On aurait pu travailler sur la matrice A = 1 2 2 −1 de la famille des la base
1 −1 3 0
canonique Bc de M3,1 (R) via l’isomorhpisme de représentation dans Bc
2. 4. Rang d’une application linéaire
Définition 2.2
Soit f ∈ LK (E, F ) où E et F sont deux K -espaces vectoriels de dimensions finies
On appelle rang de f l’entier naturel dim(Im(f )) qu’ on note rg(f )
Théorème 2.3
Soit f ∈ LK (E, F ) où E et F sont deux K -espaces vectoriels de dimensions finies.
Si G est supplementaire de ker(f ) dans E c’est à dire G⊕ker(f ) = E alors
f : G −→ f (E) est isomorphisme
x 7−→ f (x)
Remarque 2.2
Exercice 2.4
E1 et E2 sont deux K -sous-espaces vectoriels d’un K -espace vectoriel de dimension
finie E
En considérant l’application linéaire ϕ : E1 × E2 −→ E1 + E2
(x, y) 7−→ x + y
retrouver le résultat dimK (E1 + E2 ) =dimK E1 +dimK E2 −dimK (E1 ∩ E2 )
Théorème 2.5
Soit f ∈ LK (E, F ) où E et F sont deux K -espaces vectoriels de dimensions finies.
On pose dimK (E) = n et dimK (F ) = m
1. f est injective ⇔ rg(f ) = n
2. f est surjective ⇔ rg(f ) = m
3. Si n = m
f est bijective ⇔ rg(f ) = n ⇔ f est injective ⇔ f est surjective
Preuve: Ind :Théorème du rang
Exercice 2.5
Soient a0 , a1 , ..., an ∈ K distincts deux à deux
1. Montrer que f : Kn [X] −→ Kn+1 est un iso-
P 7−→ (P (a0 ), P (a1 ), ..., P (an ))
morphisme de K -espaces vectoriels
2. Déterminer pour i ∈ [[0, n]] , Li = f −1 (ei ) où Bc = (e0 , ..., en ) est la base
canonique de Kn+1
3. Déterminer alors pour (y1 , ..., yn+1 ) ∈ Kn+1 , P = f −1 (y0 , ..., yn ).De
quoi s’agit-il ?
2. 5. Dimension de LK (E, F )
6
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes
Preuve:
Soient B = (e1 , e2 , ..., en ) et B0 = (f1 , f2 , ..., fm ) sont deux bases respectives
de E et F fixées
Montrons que la famille (ϕi,j ) 1≤i≤m de LK (E, F ) définie par ∀k ∈
1≤j≤n
fi si k = j
[[1, n]] , (ϕi,j ) (ek ) = = δj,k fi en est une base
0F si k 6= j
Notons d’abord que pour i, j fixés, comme ϕi,j est linèaire alors elle est
bien définie car connue sur une base d’apres la proposition précédente
. (ϕi,j )1≤i≤m est libre en effet
1≤j≤n
P P
λi,j ϕi,j = 0 ⇐⇒ ∀k ∈ [[1, n]] , λi,j ϕi,j (ek ) = 0F
1≤j≤n 1≤j≤n
1≤i≤m 1≤i≤m
P
⇐⇒ ∀k ∈ [[1, n]] , λi,j δj,k fi = 0F
1≤j≤n
1≤i≤m
m
P
⇐⇒ ∀k ∈ [[1, n]] , λi,k fi = 0F
i=1
⇐⇒ ∀k ∈ [[1, n]] , ∀i ∈ [[1, m]] , λi,k = 0
. (ϕi,j )1≤i≤m est génératrice en effet
1≤j≤n
!
m
P m
P Pn P
f (ek ) = λi,k fi = λi,j δj,k fi = λi,j ϕi,j (ek ) et ça ∀k ∈
i=1 i=1 j=1 1≤j≤n
1≤i≤m
[[1, n]]
P
par suite f = λi,j ϕi,j
1≤j≤n
1≤i≤m
Exercice 3.1
7
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes
Proposition 3.1
Proposition 3.2
8
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes
Preuve:
Pour x ∈ E si , X = [x]B1 et X 0 = [x]B2
On a X = P X 0 car P = M at(IdE , B2 , B1 )
y = f (x) , Y = [y]B10 et Y 0 = [x]B20 on a Y = QY 0 car Q = M at(IdF , B20 , B10 )
d’autre part Y = M X donc QY 0 = M P X 0 d’où Y 0 = Q−1 M P X 0
or Y 0 = M 0 X 0
d’où M 0 = Q−1 M P
vocabulaire :M et M 0 sont dites équivalentes
Définition 4.1
Soit E un K -espace vectoriel .
On appelle forme linéaire sur E toute applicaion K -linéaire de E à valeurs dans K
et on note E ∗ = LK (E, K)
Exemples 4.1
ϕ : Kn [X] −→ K ; ψ : C 0 ([0, 1], R) −→ R
P 7−→ P 0 (0) h 7−→ 01h(t)dt
Exercice 4.1
1. Montrer toute forme linéaire de Kn comme K -espace vectoriel est de la
forme
ϕ: Kn −→ K où (a1 , a2 , ..., an ) ∈ Kn fixé
n
P
(x1 , x2 , ..., xn ) 7−→ ai xi
k=1
2. Quelle est la matrice de ϕ relativement aux bases canoniques ?
Proposition 4.1
Soit E un K -espace vectoriel
Toute forme linéaire non nulle est surjective
9
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes
Exercice 4.2
Dans le R-espace vectoriel E = C 0 ([0, 1], R) ,on considère
D = { f ∈ E tel que f = cte } et H = { f ∈ E tel que f (0) = 0 }
1. Montrer que H ⊕ D = E
2. En déduire que H est un hyperplan de E
Proposition 4.2
Exemples 4.2
1. Dans C comme R espace vectoriel les hyperplans sont les R -sous-espace
vectoriel de dimension 1
2. Dans C comme C espace vectoriel le seul hyperplan est {0}
3. Dans R3 comme R espace vectoriel les hyperplans sont les R -sous-espace
vectoriel de dimension 2
4. Dans Kn [X] comme K espace vectoriel les hyperplans sont les K -sous-espace
vectoriel de dimension n
Exercice 4.3
Montrer que le noyau de la forme linéaire f : Kn [X] −→ K est un
P 7−→ P 0 (1)
hyperplan dont on déterminera une base
Proposition 4.3
Si E un K -espace vectoriel
ϕ1 et ϕ2 ∈ E ∗
kerϕ1 = kerϕ2 ⇔ ∃λ ∈ K \ {0} tel que ϕ1 = λϕ2
0
Preuve:
0
=⇒
Si ϕ1 = 0 alors ker(ϕ2 ) = E donc ϕ2 = 0 terminé
Sinon H=ker(ϕ1 ) est hyperplan alors a ∈ E \ {0E } tel que H ⊕ Ka = E
de E soit
ϕ1 (a)
On a ϕ2 (a) 6= 0 et ψ = ϕ1 − ϕ2 est nulle sur E
ϕ2 (a)
Conclure
0
⇐=0 évidente
Proposition 4.4
10
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes
Proposition 4.5
Exercice 4.5
Dans R3 comme R -espace vectoriel trouver la base duale de chacune des base sui-
vantes :
1. B1 = ((1, 0, 0), (0, 1, 0), (0, 0, 1))
2. B2 = ((1, 1, 1), (2, −1, 1), (0, 3, 2))
3. Déduisez d’après les calculs faits que : t [B2∗ ]B1∗ [B2 ]B1 = In
Exercice 4.6
Dans E comme K-espace vectoriel de dimension finie n ≥ 1
Soit (ϕ1 , ϕ2 , ..., ϕp ) ∈ (E ∗ )p
1. ψ : E −→ Kp
x 7−→ (ϕ1 (x), ϕ2 (x), ..., ϕp (x))
Monter que ψ est surjective ⇔ (ϕ1 , ϕ2 , ..., ϕp ) est libre
p
T
2. Quelle la dimension du Ker(ϕi ) quand (ϕ1 , ϕ2 , ..., ϕp ) est libre ?
i=1
3. Soit ϕ ∈ E ∗ .
p
T
Montrer que Ker(ϕi ) ⊂ker(ϕ) ⇔ ϕ ∈ V ectK ((ϕi ))1≤i≤p ?
i=1
p
T
Quelle est la dimension du Ker(ϕi ) ?
i=1
4. Montrer que tout sous-espace vectoriel de E de dimension q est l’intersection
du n − q hyperplans indépendants
Que dire d’une droite de E ? d’un plan de E ?
5. Quelle est la dimension de l’ensemble des solutions S d’un système linéaire
AX = 0 quand A ∈ Mm,n (X) en fonction du rang du A ?
11 d’un système linéaire
6. Quelle est la dimension l’ensemble des solutions S 0 d’un
AX = b quand A ∈ Mm,n (X) en fonction du rang de A ?
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes
Proposition 4.6
Proposition 4.7
Corollaire 4.1
La dimension de l’ensemble des solutions S d’un système linéaire AX = 0 quand
A ∈ Mm,n (K) est n − rang(A)
12