Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes

Espaces vectoriels de dimension finie

Dans toute la suite K désigne le corps R ou C.
I - Espaces vectoriels de dimension finie

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

Kn [X] est un K -espace vectoriel de dimension finie

Kn est un K -espace vectoriel de dimension finie

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

Théorème 1.2 Variante de théorème d’échange

Soit E est K -espace vectoriel de dimension finie.
Pour tout p ≥ 1 et G = { x1 , x2 , x3 , ..., xp } ;F = { u1 , u2 , u3 , ..., up+1 }
deux familles de vecteurs de E
Si F ⊂ Vect(G) alors F est liée

Preuve: Travaillez dans F =VectK (G)

Proposition 1.1

De toute famille G génératrice d’un K -espace vectoriel E de dimension finie on peut

extraire une base de E
Proposition et définition 1.1
→
−
Soit E un espace vectoriel de dimension finie non réduit à { 0 } .
Toute les bases B de E est de cardinal fini n ≥ 1
n est appellé la dimension de E et on note dim K (E) = n
→
−
On convient que si E = { 0 } alors dimK (E) = 0

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

en particulier dim K (Mm,n (K)) = mn.

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 }

Théorème 1.3 Pratique

Soit E un K -espace vectoriel de dimension finie n ≥ 1
Soit F = (e1 , e2 , ..., en ) une famille de E
F libre de E⇔ F génératrice de E ⇔ F base de E
Exercice 1.4
Montrer que F = (X k (X − 1)n−k )0≤k≤n est une base de Kn [X]
N.B :une famille libre de polynômes n’est pas nécessairement à degrés échelonnés !

Proposition 1.2

Soit E un K -espace vectoriel de dimension finie n ≥ 1

Si F un K -sous-espace vectoriel de E alors
1. F est de dimension finie et dimK (F ) ≤ dimK (E)
2. F = E ⇔ dimK (F ) = dimK (E)
Preuve:
On prendera , si F 6= {0E } ;une famille libre maximale de F pour base de F

2
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes

Théorème 1.4 de la base incomplète

Soit E un K -espace vectoriel de dimension finie n ≥ 2 Si
F = (e1 , e2 , ..., ep ) une famille libre de E et que p < n alors F
peut être compléteé en une base B = (e1 , e2 , ..., ep ; ep+1 , ..., en ) de E

Preuve: :Grâce au théorème d’échange ;F peut être compléteé en une base de

E en utlisant une famille génératrice de E ou une base de E

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

Proposition 1.3 Coordonnés d’un vecteur dans une

base E un espace vectoriel de dimension finie n ∈ N∗ , B =
(e1 , · · · , en ) une base de E . Alors, tout vecteur x de E s’écrit
d’une façon unique en une combinaison linéaire de B.
n
X
n
Autrement dit, ∃ ! (x1 , · · · , xn ) ∈ K tel que x = xk ek .
k=1
Dans ce cas (x1 , · · · , xn ) le n-uplet est des coordonnées de x dans
la base B  x 
x12
ie matriciellement X = M atB (x) = [x]B =  ..  ∈ Mn,1 (K)
.
xn

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

Si E et F deux K -espaces vectoriels de dimensions finies alors

E et F sont K -isomorphes ⇔ dimK (E) =dimK (F )

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

Tous les K -espaces vectoriels de dimension finie n sont égaux à un isomorphisme

près a Kn
II - Calcul des dimensions
2. 1. Dimension du l’espace vectoriel produit

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

Si E1 et E2 sont deux K -sous-espaces vectoriels supplémentaires d’un K -espace

vectoriel de dimension finie E
alors dimK E1 +dimK E2 =dimK E
Preuve: E est isomorphe à E1 × E2
ou encore travailler avec la réunion de deux bases de E1 et E2 qui est une base de E

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

Le rang d’une famille de vecteurs reste inchangé dans les si :

1. On permute les vecteurs de la famille.
2. On multiplie un vecteur par un scalaire non nul.
3. On ajoute à un vecteur une combinaison linéaire des autres vecteurs.

Exemples 2.1

La disposition suivante permet de rechercher une relation de liaison et en même

temps de déterminer le rang d’une famille.
On suppose les vecteurs sont donnés par leurs coordonnés dans une base et on
fait des combinaisons de façons à́ disposer d’un triangle de 0(une nouvelle famille
échelonnée).
Déterminons le rang et une relation de liaison eventuelle de la famille de vecteurs R3
suivants
 :
1 1 1 2
     
v1 = 1 ; v2 = 2 ; v3 = 2 ; v4 = −1
1 −1 3 0
v1 v2 v3 v4
1 1 1 2
       
1 2 2 −1
1 −1 3 0
v1 v 2 − v1 v3 − v1 v4 − 2v1
1 0 0 0
       
1 1 1 −3
1 −2 2 −2
v1 v2 − v1 v3 − v2 v4 + 3v3 − 5v1
1 0 0 0
       
1 1 0 0
1 −2 4 −8
v1 v2 − v1 v3 − v2 v4 + 5v3 − 2v2 − 5v1
1 0 0 0
       
1 1 0 0
1 −2 4 0

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)

Théorème 2.4 du rang

Soit f ∈ LK (E, F ) où E et F sont deux K -espaces vectoriels et
que E est de dimension finie.
dimK (ker(f ))+dimK (Im(f )) =dim KE ou encore
dimK ker(f )+rg(f ) =dim K E
5
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes

Remarque 2.2

L’espace vectoriel F n’est pas nécessairement de dimension finie dans le théorème du

du rang
Exercice 2.3
1. Montrer f : Kn [X] −→ Kn [X] est K -linéaire
P 7−→ P + (1 − X)P 0 , n ≥ 2
2. Vérifier que tout élément de ker(f ) est de degré ≤ 1 puis déterminer une
base de ker(f ).
On pourra aussi utiliser le théoréme de DES
3. Calculer rg(f ) puis donner une base de Im(f )
4. (J’anticipe...)Déterminer la matrice de f dans la base canonique Bc =
(1, X, .., X n ) puis dans la base B = (1, X − 1, .., (X − 1)n )

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 )

Proposition 2.2 (Pratique)

Soit B = (e1 , e2 , ..., en ) une base de E.f, g ∈ LK (E, F )
1. f = g ⇔ ∀i ∈ [[1, n]] , f (ei ) = g(ei )
2. Autrement dit :toute application linéaire f ∈ LK (E, F ) est
entièrement déterminée par la donnée des images des
vecteurs d’une base de E
Preuve: :En exercice
Proposition 2.3

Si E et F deux K -espaces vectoriels de dimensions finies n et m respecti-

vement alors LK (E, F ) est espace vectoriel de dimension finie et précisement
dim(LK (E, F )) = n.m

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

.Remarquons ,j’anticipe ,que [ϕi,j (B)]0B = Ei,j la matrice élémentaire de

taille (m, n)
III - Représentation analytique et matricielle d’une application
linéaire

Définition 3.1 Matrice d’une famille de vecteurs dans une

base Soit E un espace vectoriel et B = (e1 , ..., en ) une base fixée de E
 x1 
Pn x2
1. Pour x ∈ E, ∃!(x1 , ..., xn ) tel que x = xj ej . X =  .. 
j=1 .
xn
X s’appelle la matrice colonne representant x dans B
et on écrit X = M atB (x) = [x]B
2. Pour F = (u1 , ..., um ) une famille m vecteurs de E de cardinal .
Si ∀j ∈ [[1, m]] , Cj = M atB (uj ) = [uj ]B
La matrice M = [C1 C2 ...Cm ] qu’ on note M atB (F) s’ appelle la
matrice représentant F dans B

Exercice 3.1

E = R2 dont la base canonique est B. Soit B0 = ((1, 2), (2, 1))

1. Montrer que B0 est une base de R2
2. Donner P = M atB (B0 )
3. Donner Q = M atB0 (B)
4. Calculer P Q
5. Soit u = (x, y) ∈ R2 . X = [(x, y)]B et X 0 = [(x, y)]B0
Montrer que X = P X 0

7
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes

Définition 3.2 Matrice d’une application linéaire

Soit f ∈ LK (E, F ) où E et F sont deux K -espaces vectoriels de
dimensions finies.
B = (e1 , e2 , ..., en ) une base de E et B 0 = (f1 , f2 , ..., fm ) une base de
F fixées
1. Par définition M at(f, B, B 0 ) = M atB0 (f (B)) s’appelle la ma-
trice de f relativement aux bases B, B 0 de E et F respecti-
vement.
2. ∀x ∈ E, ∀y ∈ F si X = [x]B et Y = [y]0B alors
f (x) = y ⇔ Y = M X
n
Preuve: Pour
P
x ∈ E, ∃!(x1 , ..., xn ) tel que x = xj ej on pose X =
j=1
 x1 
x2 Pn
[x]B = M atB (x) =  ..  et y = f (x) = xj f (ej )
. j=1
xn
m
P
Pour j ∈ [[1, n]] , f (ej ) = ai,j fi
i=1
 a1,j 
a2,j
c’est à dire [f (ej )]0B =  ..  = M atB0 (f (ej )) = Cj
.
am,j
y = f (x) ⇔ Y = M atB0 (y)
⇔ [f (x)]0B
n
xj [f (ej )]0B
P
⇔
j=1
n
P
⇔ Y = xj Cj ⇔ [C1 C2 ...Cn ]X
j=1
⇔ Y = MX
cqfd

Définition 3.3 Matrice de passage Soit E est K -espace vecto-

riel de dimension finie
Si B et B0 sont deux bases de E alors
1. P = M atB (B0 ) s’appelle la matrice du passage du B et B dans E
qu ’on note PB→B0
2. Notez bien qu’ on a aussi PB→B0 = M at(IdE , B, B0 )

Proposition 3.1

Soient E et F sont deux K -espaces vectoriels de dimensions finies et

λ∈K
B = (e1 , e2 , ..., en ) une base de E
B0 = (f1 , f2 , ..., fm ) une base de F
1. ψ:LK (E, F ) −→ Mm,n (K) est un isomorphismes de
f 7−→ M = M at(f, B, B0 )
K -espaces vectoriels
2. On retrouve en particulier que dimK LK (E, F ) = mn et
3. ∀f, g ∈ LK (E, F ), M at(λf + g, B, B0 ) = λM at(f, B, B0 ) + M at(g, B, B0 )

Proposition 3.2

Soient E, F, G trois K -espaces vectoriels de dimensions finies

Si B = (e1 , e2 , ..., en ) une base de E
B0 = (f1 , f2 , ..., fm ) une base de F
B00 = (g1 , g2 , ..., gr ) une base de G alors
∀f ∈ LK (E, F ), ∀g ∈ LK (F, G) M at(g ◦ f, B, B00 ) = M at(g, B0 , B00 ).M at(f, B, B0 )

Proposition 3.3 Matrice d’une application linéaire et Chan-

gement de bases
Soit f ∈ LK (E, F ) où E et F sont deux K -espaces vectoriels de dimen-
sions finies
Soient B1 et B2 deux bases de E et B10 et B20 deux bases de F
Si M = M at(f, B1 , B10 ) et M 0 = M at(f, B2 , B20 )
P = [B2 ]B1 est la matrice du passage dans E de B1 à B2
Q = [B20 ]B10 est la matrice du passage dans F de B10 à B20
Alors M 0 = Q−1 M P

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

Corollaire 3.1 Matrice d’un endomorphisme dans une

base fixée
Soit f ∈ LK (E) où E est un K -espaces vectoriels de dimension
fini n ∈ N∗
Si B est une base de E
1. M = M atB (f ) = M atB (f (B)) s’appelle la matrice du f dans B
∀f, g ∈ LK (E), ∀λ ∈ K
2. M atB (λf + g) = λM atB (f ).M atB (g)
3. M atB (g ◦ f ) = M atB (g).M atB (f )
4. En particulier
— M atB (f 0 ) = In = (M atB (Id))0
— ∀k ∈ N, M atB (f k ) = (M atB (f ))k
— Ainsi ∀Q ∈ K[X], M atB (Q(f )) = Q(M atB (f ))

Corollaire 3.2 Matrice d’un endomorphisme et Chan-

gement de bases
Soit f ∈ LK (E) où E est K -espace vectoriel de dimension finie
Soient B et B 0 deux bases de E
Si M = M at(f, B) , M 0 = M at(f, B 0 ) et P = M atB (B 0 ) la matrice du
passage dans E de B à B 0 qu’on notée aussi PB→B0
alors
M 0 = P −1 M P
IV - Formes linéaires -Hyperplans

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

Définition 4.2 Hyperplans de E Soit E un K -espace

→
−
vectoriel non réduit à { 0 }.
on appelle hyperplan H de E tout sous-espace vectoriel de E
ayant un supplémentaire de dimension 1 c’est à dire il existe
→
−
a ∈ E \ { 0 } tel que H ⊕ Ka = E

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

Si E un K -espace vectoriel de dimension finie n ≥ 1

Les hyperplans de E les sous-espaces vectoriels de E de dimension n − 1

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

Théorème 4.1 Caractérisation des hyperplans Si E

un K -espace vectoriel de dimension finie n ≥ 1
1. Le noyau de toute forme linéaire non nulle de E est un
hyperplan de E
2. Tout hyperplan de E est le noyau d’une forme linéaire
non nulle de E
Exercice 4.4
Soit H un hyprplan d’unK -espace vectoriel E
Montrer que ∀b ∈ E \ H on a H ⊕ Kb = E

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

Soit E un K -espace vectoriel de dimension finie n ≥ 1

Si B = (e1 , e2 , ..., en ) une base fixée de E alors
L’application ψ : E ∗ −→ Kn est isomorphisme.
ϕ 7−→ (ϕ(e1 ), ϕ(e2 ), ..., ϕ(en ))

10
Abderrazak Chakor 1er février 2022 Espaces vectoriels de dimension finie Notes

Proposition 4.5

Soit E un K -espace vectoriel de dimension finie n ≥ 1 et B = (e1 , e2 , ..., en ) une

base fixée de E
La famille B ∗ = (e∗i )1≤i≤n définie par e∗i : E −→ K forme une
n
P
x= xk ek 7−→ xi
k=1
base de E ∗ dite la base des formes linéaires coordonnées relativement à
la base B = (e1 , e2 , ..., en ) de E ou la base duale du B dans E ∗
et on ∗
— ∀i ∈ [[1, n]] ; ∀j ∈[[1, n]] ; e i (ej ) = δi,j
∗
e1 (x)
 e∗2 (x) 
— ∀x ∈ E, [x]B =  .. 
.
 
∗
e
n (x) 
ϕ(e1 )
 ϕ(e2 ) 
— ∀ϕ ∈ E ∗ , [ϕ]B∗ =  .. 
.
 
ϕ(en )

Théorème et définition 4.1

Soit E un K -espace vectoriel de dimension finie n ≥ 1
Si L = (ϕ1 , ϕ2 , ..., ϕn ) une base fixée de E ∗ alors
Il existe une unique base B = (e1 , e2 , ..., en ) de E tel que ∀i ∈ [[1, n]] ; ∀j ∈
[[1, n]] ; ϕi (ej ) = δi,j
c’est à dire tel que ∀i ∈ [[1, n]] , ϕi = e∗i
(e1 , e2 , ..., en ) s’appelle la base antéduale de L dans E
Preuve: : L’unicité est évidente (non ?)
Pour l’existence :
Vérifier que ψ : E −→ Kn est isomorphisme
x 7−→ (ϕ1 (x), ϕ2 (x), ..., ϕn (x))
puis prendre e∗i = ψ −1 ((0, 0, .., 0, |{z}
1 , 0, .., 0))
iieme

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

Soit E un K-espace vectoriel de dimension finie n ≥ 1

Tout sous-espace vectoriel de E de dimension q est l’intersection du n−q hyperplans
indépendants

Proposition 4.7

Soit E cun K-espace vectoriel de dimension finie n ≥ 1

Soit (ϕ1 , ϕ2 , ..., ϕp ) ∈ (E ∗ )p du rang r ∈ [[0, min(p, n)]]
Si VectK (ϕ1 , ϕ2 , ..., ϕp ) = VectK (ϕσ(1) , ϕσ(2) , ..., ϕσ(r)) alors
Tp Tr p
T
Ker(ϕi = Ker(ϕσ(j) ) donc dimK Ker(ϕi ) = n − r
i=1 j=1 i=1

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