CHAPITRE 1.

DUALITÉ

A. BOUARICH

Table des matières

1. Les formes linéaires, espace dual E∗ 1
1.1. Définitions et exemples 1
1.2. Caractérisation des formes linéaires 3
2. Bases duales 5
2.1. Construction de la base duale 5
2.2. Hyperplans 7
2.3. Crochet de dualité et othogonalité dans E et E∗ 9
3. Bidual 13

Dans tout le chapitre, les espaces vectoriels considérés seront réels, c’est-à-dire ; le
corps des scalaires est le corps des nomres réels R. De même, dans la suite, l’espace
vectoriel réel Rm sera muni de sa base canonique B0 = {e1 , · · · , em } dont les éléments
sont définis par les expressions :
e1 = (1, 0, · · · , 0), e2 = (0, 1, 0, · · · , 0), ··· , em = (0, · · · , 0, 1) ∈ Rm
Dans ce cas, noter que tout vecteur v ∈ Rm se décompose de manière unique sous la
forme suivante :
∃(x1 , · · · , xm ) ∈ Rm , v = x1 e1 + x2 e2 + · · · + xm em
1. Les formes linéaires, espace dual E∗
1.1. Définitions et exemples.
Définition 1. Soit E un espace vectoriel réel. Toute application linéaire à valeur réelle,
f : E → R, s’appelle forme linéaire réelle sur E.
L’ensemble de toutes les formes linéaires réelles sur l’espace vectoriel réel E sera
désigné par E∗ , et il est appellé espace dual de E.
Rappelons qu’une application f ∈ E∗ si elle satisfait aux deux propriétés suivantes :
(1) ∀x, y ∈ E, f (x + y) = f (x) + f (y) ;
(2) ∀α ∈ R, ∀x ∈ E, f (αx) = αf (x).
Ainsi, grâce au principe linéarité, on déduit que l’espace dual d’un espace vectoriel
réel est lui même un espace vectoriel réel.
Exemple 1. On désigne par R[x] l’espace vectoriel des fonctions polynômiales à coef-
ficients réels. Soient a ∈ R et n ∈ N fixés. Pour toute fonction polynômiale P ∈ R[x]
on pose :
Fn (P ) = P (n) (a) ∈ R
où P (n) (x) désigne la fonction dérivée d’ordre n de P (x).
Vérifions alors que la fonction, Fn : R[x] → R, est une forme linéaire. En effet,
1
2 A. BOUARICH

— ∀P, Q ∈ R[x], Fn (P + Q) = (P + Q)(n) (a) = P (n) (a) + Q(n) (a) = Fn (P ) + Fn (Q).

— ∀α ∈ R, ∀P ∈ R[x], Fn (αP ) = (αP )(n) (a) = αP (n) (a) = αFn (P ).
Donc, pour tout entier n ∈ N la fonction Fn est une forme linéaire. C’est-à-dire,
Fn ∈ (R[x])∗ .
Exemple 2. On désigne par M(2, R) l’espace vectoriel des matrices carrées à coeffi-
cients réels de type (2, 2) (ie. 2-lignes et 2-colonnes). On vous rappelle que l’espace des
matrices M(2, R) est de dimension quatre sur R car ; par définition d’une matrice on
peut écrire : ∀A ∈ M(2, R) :
         
x y 1 0 0 1 0 0 0 0
∃x, y, z, t ∈ R, A = =x +y +z +t
z t 0 0 0 0 1 0 0 1
       
1 0 1 0 1 0 1 0
Ceci montre que la famille des matrices { , , , } engendre
0 0 0 0 0 0 0 0
l’espace vectoriel M(2, R). En effet, c’est une base  de M(2,
 R).
x y
Maintenant, pour toute matrice donnée, A = , posons tr(A) = x + t ; c’est
z t
la trace de A. Vérifions alors que la fonction trace, tr : M(2, R) → R, est une forme
linéaire.    ′ ′
x y x y
1) Soient A = et B = deux matrices réelles, donc leur somme est
z t z ′ t′
égale à :
 
x + x′ y + y ′
A+B = =⇒ tr(A + B) = (x + x′ ) + (t + t′ ) = tr(A) + tr(B)
z + z ′ t + t′
 
x y
2) De même, pour tout réel α et pour toute matrice A = ∈ M(2, R) le produit,
z t
   
x y αx αy
αA = α = =⇒ tr(αA) = αx + αt = αtr(A)
z t αz αt
La 
fonction trace,
∗ tr : M(2, R) → R, est donc une forme linéaire élément de l’espace
dual M(2, R) .

Exercice 1. On désigne par C([0, 1], R) l’ensemble de toutes les fonctions réelles conti-
nues sur [0, 1]. Vérifier que les applications suivantes sont des formes linénaires sur
C([0, 1], R) :
(1) ∀f ∈ C([0, 1], R), F (f ) = f (1) − f (0).
Z 1
(2) ∀f ∈ C([0, 1], R), G(f ) = f (t)dt.
0
Z 1/2 Z 1
(3) ∀f ∈ C([0, 1], R), H(f ) = f (t) cos(2πt)dt + a f (t) sin(2πt)dt où a ∈ R∗
0 1/2
est fixé.
Z 1
(4) ∀f ∈ C([0, 1], R), K(f ) = f (t) sin2 (nπt)dt avec n ∈ Z fixé.
0
Z 1
(5) ∀f ∈ C([0, 1], R), K(f ) = f (t)g(t)dt où g ∈ C([0, 1], R) est donnée.
0
 ALGÈBRE 5 : DUALITÉ 3

Dans le reste de ce paragraphe, on se propose d’interpréter le système des coordonnées

d’un vecteur relativement à une base donnée par les formes linéaires de l’espace vectoriel
réel de dimension finie.
Supposons alors que l’espace vectoriel réel E est de dimension m ≥ 1 ; donc on peut
le munir par une base B = {v1 , · · · , vm }. Dans ce cas, tout vecteur v ∈ E s’écrit de
manière unique comme combinaison linéaire de type :
v = x1 (v)v1 + · · · + xm (v)vm
où les scalaires x1 (v1 ), · · · , xm (v) ∈ R ne sont autre que les coordonnées du vecteur v
relativement à la base B fixée dans E. Partons de la dérnière combinaison linéaire et
appliquons les régles du calcul vectoriel à tout couple de vecteurs v et w ∈ E,
 
v + w = x1 (v)v1 + · · · + xm (v)vm
 
+ x1 (w)v1 + · · · + xm (w)vm
   
x1 (v + w)v1 + · · · + xm (v + w)vm = x1 (v) + x1 (w) v1 + · · · + xm (v) + xm (w) vm
Ainsi, puisque les vecteurs vi sont libres dans E on tire de la dernière ligne :
∀i = 1, · · · , m, xi (v + w) = xi (v) + xi (w)
De la même façon, étant donné un vecteur v ∈ E et un scalaire λ ∈ R on peut écrire,
 
λv = λ x1 (v)v1 + · · · + xm (v)vm
x1 (λv)v1 + · · · + xm (λvm ) = λx1 (v)v1 + · · · + λxm (v)vm
Finalement, en comparant les deux membres de la dérinière ligne on obtient,
∀i = 1, · · · , m, xi (λv) = λxi (v)
La proposition suivante résume le développement ci-dessus :
Proposition 1. Soit E un espace vectoriel réel muni par une base B = {v1 , · · · , vm }.
Alors, le système des coordonnées défini par la base B est constitué par des formes
linéaires réelles xi ∈ E∗ . De plus, les éléments du système de coordonnées associé à la
base B figurent dans l’expression de l’isomorphisme canonique entre l’espace vectoriel
réel E et Rm :
C : E −→ Rm
v −→ (x1 (v), · · · , xm (v))
1.2. Caractérisation des formes linéaires. Supposons que l’espace vectoriel réel E
est de dimension finie m = dim(E). Donc, E possède une base fromée par m-vecteurs
non nuls {v1 , v2 , · · · , vm }. Ceci, va nous permettre d’écrire tout vecteurs v ∈ E sous la
forme d’une combinaison linéaire de type :
∃(x1 , · · · , xm ) ∈ Rm , v = x1 v1 + x2 v2 + · · · + xm vm ∈ E
D’autre part, si on se donne une forme linéaire f ∈ E∗ on voit que pour tout vecteur
v = x1 v1 + x2 v2 + · · · + xm vm ∈ E on a :
f (v) = f (x1 v1 + x2 v2 + · · · + xm vm )
= x1 f (v1 ) + x2 f (v2 ) + · · · + xm f (vm )
= a1 x1 + a2 x2 + · · · + an xn
4 A. BOUARICH

où a = (a1 , · · · , am ) = (f (v1 ), · · · , f (vm )) ∈ Rm est un vecteur (matrice uni-ligne) réel

dit associé à la forme linéaire f (v) relativement à la base {v1 , v2 , · · · , vm }.
Observons que suite à ce qui précède, le fait de fixer une base {v1 , v2 , · · · , vm } dans
l’espace vectoriel E cela nous permet de définir une application naturelle de l’espace
dual E∗ dans l’espace vectoriel réel standard Rm donnée par l’expression,
M : E∗ −→ Rm
f −→ (f (v1 ), · · · , f (vm ))
Noter que l’application M est linéaire injective, donc elle réalise un ismorphisme
d’espaces vectoriels entre le dual E∗ et l’espace vectoriel Rm ; qui est lui même canoni-
quement isomorphe avec l’espace vectoriel réel donné au départ E.
Inversement, pour un vecteur fixé a = (a1 , · · · , am ) ∈ Rm considérons la fonction
fa : E −→ R
v = x1 v1 + · · · + xm vm −→ fa (v) := a1 x1 + · · · + am xm
Noter alors que fa : E → R est linéaire et vérifie les relations fa (vi ) = ai pour i =
1, · · · , m. Ainsi, comme l’image M(fa ) = (f (v1 ), · · · , f (vm )) = a on en déduit que
l’application inverse de l’application linéaire M : E∗ → Rm est donnée par l’expression
suivante,
M−1 : Rm −→ E∗
a = (a1 , · · · , am ) −→ fa
La proposition suivante rappelle et résume les idées qu’on vient de développer ci-
dessus pour les espaces vectoriels réels de dimension finie.
Théorème 1. Soit E un espace vectoriel réel de dimension finie. Alors, l’espace
vectoriel dual E∗ est canoniquement isomorphe avec E. Donc, sa dimension réelle
dim(E ∗ ) = dim(E).
Si, en plus, {v1 , . . . , vm } est une base donnée sur l’espace vectoriel réel E alors pour
toute forme linéaire f ∈ E ∗ il existe un unique vecteur a = (a1 , · · · , am ) ∈ Rm tel que,
∀v = x1 v1 + · · · + xm vm ∈ E, f (v) = a1 x1 + · · · + am xm où ai = f (vi )
Noter que le théorème 1 est très utile sur le plan pratique. Par exemple, pour étudier
l’indépendance d’une famille de formes linéaires {f1 , · · · , fk } ⊂ E ∗ avec dim(E) = m ;
il suffit alors de déterminer les vecteurs {a1 , · · · , ak } ⊂ Rm de sorte que fi = fai et
ainsi on voit que la famille de formes linéaires donnée {f1 , · · · , fk } ait le même rang
que la famille des vecteurs {a1 , · · · , ak }.
Exemple 3. Sur l’espace vectoriel réel R3 considérons la famille , F = {f1 , f2 } ⊂
(R3 )∗ , des formes linéaires définies par,
f1 (x, y, z) = 2x − 5y + z f2 (x, y, z) = −y + 3z
Noter que les fomres linéaires f1 et f2 : R3 → R sont associées aux vecteurs a1 =
(2, −5, 1) et a2 = (0, −1, 2) ∈ R3 respectivement. Les vecteurs a1 et a2 sont indépendants,
car si on suppose qu’il existe un éel α ∈ R∗ tel que
a1 = αa2 =⇒ (2, −5, 1) = α(0, −1, 2) = (0, −α, 2α) =⇒ 2=0 impossible
Ce qui est absurde. Donc, la famille des vecteurs {a1 , a2 } est libre ; et par suite la
famille des formes linéaires {f1 , f2 } est libre.
 ALGÈBRE 5 : DUALITÉ 5

Exercice 2. Étudier l’indépendance des familles de formes linéaires réelles suivantes

selon la valeur du paramètre a ∈ R :
(1) f1 = ax − y + az, f2 = x + ay + z, f3 = x + y − az où (x, y, z) ∈ R3 .
(2) g1 = x + ay, g2 = x + az, g3 = z + at, g4 = x + az où (x, y, z, t) ∈ R4 .
(3) h1 = x + ay + a2 z, h2 = a2 x + y + az, h3 = ax + a2 + z où (x, y, z) ∈ R3 .

2. Bases duales
2.1. Construction de la base duale. Soit E un espace vectoriel réel de dimension
m ≥ 1 dans lequel on fixe une base vectorielle B = {v1 , · · · , vm }. Ensuite, pour tout
indice i = 1, · · · , m on définit une forme linéaire notée, vi∗ : E → R, en prenant sur la
base B les valeurs suivantes :

∗ 1 si i = j
vi (vj ) =
0 si i 6= j
Noter que si on considère un vecteur v = x1 v1 + · · · xi vi + · · · + xm vm par linéarité
de vi∗ on obtient :
vi∗ (v) = x1 vi∗ (v1 ) + · · · + xi vi∗ (vi ) · · · + xm vi∗ (vm ) =⇒ vi∗ (v) = xi
Donc, les formes linéaires v1∗ , · · · , vm
∗
∈ E∗ coı̈ncident avec le système de coordonnées
associé à la base B = {v1 , · · · , vm } de l’espace vectoriel E. De même, observons que
si on prend une forme linéaire f ∈ E∗ on voit alors que pour tout vecteur v = x1 v1 +
· · · + xm vm ∈ E on peut écrire par linéarité,
f (v) = x1 f (v1 ) + · · · + xm f (vm )
= f (v1 )v1∗ (v) + · · · + f (vm )vm
∗
(v)
Ainsi, par ce qui précède on tire les deux remarques importantes :
(1) toute forme linéaire f ∈ E∗ s’écrit de manière unique comme combinaison linéaire
de type :
f = f (v1 )v1∗ + · · · + f (vm )vm
∗
∈ E∗
(2) la famille de formes linéaires B∗ = {v1∗ , · · · , vm ∗
} engendre l’espace vectoriel dual
∗ ∗ ∗ ∗
E . En effet, B = {v1 , · · · , vm } est libre ; car si on suppose qu’il existe des scalaires
α1 , · · · , αm ∈ R tels que
α1 v1∗ +· · ·+αm vm
∗
=0 =⇒ ∀i = 1, · · · , m, α1 v1∗ (vi )+· · ·+αm vm
∗
(vi ) = 0 =⇒ αi = 0
Définition 2. La famille de formes linéaires B∗ = {v1∗, · · · , vm
∗
} est une base de l’espace
∗
dual E , elle s’appelle base duale de la base B = {v1 , · · · , vm } donnée au départ sur
l’espace vectoriel E. De même, on dira que B est une base préduale de B∗ .
Rappelons que ci-dessus, nous avons construit un isomorphisme d’espaces vectoriels
réels défini par,
M : E∗ −→ Rm
f −→ (f (v1 ), · · · , f (vm ))
Actuellement, on voit que l’isomorphsme M envoie les formes linéaires éléments de
la base duale vi∗ ∈ B∗ sur les vecteurs
M(vi∗) = (vi∗ (v1 ), · · · , vi∗ (vm )) = ei
6 A. BOUARICH

éléments de la base canonique B0 de l’espace vectoriel standard Rm . Ceci explique que

la base duale B∗ = {v1∗ , · · · , vm
∗
} joue dans l’espace dual E∗ le même rôle que jouait la
base canonique B0 de le modède standard Rm de tous les espaces vectoriels réels à m
dimensions.
Exemple 4. On munit l’espace vectoriel R3 par sa base canonique B formée par les
vecteurs,
e1 = (1, 0, 0), e2 = (0, 1, 0) et e3 = (0, 0, 1)
Par définition des éléments de la base duale trouvée B∗ on pourra écrire tout vecteur
v = xe1 + ye2 + ze3 ∈ R3 sous la forme,
v = e∗1 (v)e1 + e∗2 (v)e2 + e∗3 (v)e3
Il faut noter que (e∗1 , e∗2 , e∗3 ) coı̈ncide avec le système des coordonnées de l’espace R3
lorsqu’il est muni par sa base canonique. Notons aussi que toute forme linéaire f ∈
(R3 )∗ on a l’expression,
f (xe1 + ye2 + ze3 ) = ax + by + cz
= ae∗1 (xe1 + ye2 + ze3 ) + be∗2 (xe1 + ye2 + ze3 ) + ce∗3 (xe1 + ye2 + ze3 )
Donc, la forme linéaire f = f (e1 )e∗1 + f (e2 )e∗2 + f (e3 )e∗3 .
Exemple 5. Comme ci-dessus, on munit l’espace vectoriel réel R3 par sa base cano-
nique {e1 , e2 , e3 }. Considèrons alors la famille des vecteurs non nuls :
v1 = (1, 1, 0), v2 = (1, −1, 2) et v3 = (0, 1, 1)
La famille {v1 , v2 , v3 } forme une base sur R3 ; car sa matrice associée (matrice de
passage),
 
  1 1 0
P := v1 |v2 |v3 = 1 −1 1
0 2 1
ayant un déterminant non nul :
1 1 0
−1 1 1 1
1 −1 1 = − = −3 − 1 = −4 6= 0
2 1 0 1
0 2 1
Dans l’espace dual (R3 )∗ , cherchons la base duale {v1∗ , v2∗ , v3∗}. Il s’agit donc de cher-
cher le système des coordonnées de R3 relativement à la nouvelle base {v1 , v2 , v3 }.
Prenons alors un vecteur non nul v = (x, y, z) ∈ R3 . Donc, relativement à la base
{v1 , v2 , v3 }, il existe des réels α, β et γ ∈ R qui dépendent de (x, y, z) et tels que :
v = αv1 + βv2 + γv3 ⇐⇒ v = (x, y, z) = (α + β, α − β + γ, 2β + γ)
Ainsi, en comparant les composantes entre elles on obtient le système des équations
suivantes,
         
 x = α+β x 1 1 0 α α x
y = α−β+γ ⇐⇒ y  = 1 −1 1 β  ⇐⇒ β  = P −1 y 
z = 2β + γ z 0 2 1 γ γ z

 ALGÈBRE 5 : DUALITÉ 7

Un calcul rapide, basé sur la résolution du système linéaire ou basé sur l’inversion
de la matrice de passage P , nous permet d’obtenir les expressions suivantes
1

 1  v ∗
(v) = (3x + y − z)
α = (3x + y − z) 1
  ∗   


4

 4 v1 (v) x
1
 
1 ∗
(x − y + z) ⇐⇒ v2 (v) = P ∗ −1  
y
β = (x − y + z) ⇐⇒  v2 (v) =  

4 4 v ∗
(v) z
 v3∗ (v) = 1 (−x + y + z) 3
 
γ = 21 (−x + y + z)
 

2
Enfin, une vérification immédiate confirme que {v1∗ , v2∗ , v2∗ } est la base de duale de
{v1 , v2 , v3 } :
  
 v1∗ (v1 ) = 1  v2∗ (v1 ) = 0  v3∗ (v1 ) = 0
∗ ∗
v (v2 ) = 0 , v (v2 ) = 1 , v ∗ (v2 ) = 0
 1∗  2∗  3∗
v1 (v3 ) = 0 v2 (v3 ) = 0 v3 (v3 ) = 1
Noter que le travail effectué dans cet exemple pour une base de l’espace vectoriel réel
R reste valable dans les espaces Rm muni de sa base canonique B0 = {e1 , e2 , · · · , em }.
3

Plus précisément, la méthode développée ici, nous apprend que pour chercher la base
duale d’une base quelconque B = {v1 , · · · , vm } donnée dans Rm il suffit qu’on considère
la matrice de passage P := (v1 |v2 | · · · |vm ), puis on calcule sa matrice inverse P −1 .
Ainsi, les coefficients de la i-ème ligne de la matrice inverse P −1 coı̈ncident avec les
coefficients de l’expression générale des formes linéaires vi∗ éléments de la base duale
B∗ = {v1∗ , · · · , vm
∗
}.
Exercice 3. Calculer la base duale des familles de vecteurs suivantes :
1) Dans E = R2 : B1 = {v1 = (5, 4), v2 = (2, 3)}, B2 = {w1 = (2, 1), w2 = (−3, 7)}.
2) Dans E = R3 : B3 = {u1 = (1, 1, 0), u2 = (0, 1, 1), u3 = (1, 0, 1)}.
3) Dans E = R3 : B4 = {r1 = (1, −1, 0), r2 = (0, 1, 2), r3 = (−1, 0, 1)}.
4) Dans E = R4 : B5 = {s1 = (1, 0, 1, 0), s2 = (0, 1, 0, 1), s3 = (0, 0, 1, 1), s4 =
(1, 1, 0, 1)}.
Exercice 4. Sur R3 on considère les trois formes linéaires définies par les expressions,
f1 = x + y − z, f2 = x − y + z, f3 = −x + y + z
1) Monter que la famille F = {f1 , f2 , f3 } forme une base du dual (R3 )∗ .
2) Trouver dans R3 une base dont la base duale coı̈ncide avec la base F .
3) Refaire 1) et 2) pour la famille des formes linéaires de R3 définies par,
g1 = x + 2y + z, g2 = x − y, g3 = y + 2z
4) Refaire 1) et 2) pour la famille des formes linéaires de R4 définies par,
h1 = x + t, h2 = y + t, h3 = x + z, h4 = y + z + t
2.2. Hyperplans.
Définition 3. Soit α ∈ R un réel. Pour toute forme linéaire non nulle, f : E → R, le
sous-ensemble
Hα (f ) := {x ∈ E ; f (x) = α}
s’appelle hyperplan de f dans E de niveau α ∈ R.
8 A. BOUARICH

Notons que puisque la forme linéaire f : E → R est supposée non nulle, elle est alors
surjective ; car f (E) est un sous-espace vectoriel non nul de R. Ceci montre que les
hyperplans Hα (f ) ne sont jamais vide dans E. En particuler, on déduit que l’hyperplan
H0 (f ) = Ker(f ) est un sous-espace vectoriel non nulle dans E.
Proposition 2. Si f : E → R est une forme linéaire non nulle, alors il existe un
vecteur non nul w ∈ E qui vérifie les deux conditions :
f (w) = 1 et E = H0 (f ) ⊕ Rw
Autrement dit, l’hyperplan de niveau nul de toute forme linéaire non nulle sur E est
un sous-espace vectoriel réel de co-dimension un dans E.
Démonstration. Puisque la forme linéaire f : E → R est non nulle, elle est donc
surjective. Par conséquent, il existe au moins un vecteur non nul w ∈ E tel que f (w) =
1. D’autre part, observons que si pour un vecteur v ∈ E on pose f (v) = λ ∈ R on
pourra alors écrire,
f (v) = λ×1 = λf (w) = f (λw) =⇒ v−λw ∈ Ker(f ) = H0 (f ) =⇒ v ∈ H0 (f )+Rw
Ceci démontre que l’espace vectoriel E ⊆ H0 (f ) + Rw ⊆ E , mais ; comme le vecteur
w 6∈ H0 (f ) on en déduit qu’on a la somme dirècte E = H0 (f ) ⊕ Rw. Donc, H0 (f ) est
de co-dimension un car son sous-espace supplémentaire Rw dans E est de dimension
un. 
La proposition précédente permet de décrire tous les hyperplans d’une forme linéaire
non nulle. Plus précisément, on a :
Corollaire 1. Soit f : E → R une forme linéaire non nulle. Alors, pour tout réel
α ∈ R∗ il existe un vecteur vα ∈ E vérifiant les deux conditions,
f (vα ) = α et Hα (f ) = {w + vα ; w ∈ H0 (f )} = H0 (f ) + {vα }
Autrement dit, tous les hyperplans de la forme linéaire non nulle f s’obtiennent à
partir de l’hyperplan H0 (f ) myennant une translation. Donc, tous les hyperplans de f
de niveaux différents sont parallèles eutre eux.
Démonstration. Par surjectivité de f : E → R il existe au moins un vecteur non nul
vα ∈ E tel que f (vα ) = α. Ainsi, si on prend un vecteur v ∈ Hα (f ) on aura,
f (v) = α = f (vα ) =⇒ w = v−vα ∈ Ker(f ) = H0 (f ) =⇒ v = w+vα où w ∈ H0 (f )
Donc, Hα (f ) = H0 (f ) + {vα }. 
Exemple 6. Considérons les deux hyperplans de R3 définis parà ©:
F = {(x, y, z) ∈ R3 |x − y − z = 0} et H = {(x, y, z) ∈ R3 |x − y − z = 1}
Noter que F est un hyperplan de niveau zéro associé à la forme linéaire f (x, y, z) =
x − y − z, donc c’est un sous-espace vectoriel réel de R3 . Noter que si −
→v = (x, y, z) ∈ F
on pourra écrire :
→
−v = (y + z, y, z) = (y, y, 0) + (z, 0, z) ⇐⇒ →
−
v = y · (1, 1, 0) + z(1, 0, 1)
Donc, les vecteurs −
→
v 1 = (1, 1, 0) et −
→
v 2 = (1, 0, 1) forment une base de F.
De même, H est un hyperplan associé à la forme linéaire f (x, y, z) = x − y − z et de
niveau un. Noter que le point v0 = (1, 0, 1) ∈ H. Donc, d’après le corollaire précédent
 ALGÈBRE 5 : DUALITÉ 9

H s’obtient à partir de l’hyperplan F par la translation de pas v0 : H = F + {v0 } (voir

la figure) :
z

H
b

b
v0
y
x

Figure 1. Deux hyperplans parallèles dans R3

Exercice 5. Soit H = {(x, y, z) ∈ R3 ; x + 2y − 3z = 0}, un hyperplan de R3 .

1) Donner une base {v1 , v2 } pour H dans R3 .
2) Montrer que le vecteur v3 = (1, 2, −3) complète la base trouvée en 2) en une base de
R3 .
3) En déduire que R3 = H ⊕ Rv3 .
Exercice 6. On désigne par DR3 la droite engendrée par le vecteur v1 = (0, 1, 1).
1) Compléter v1 en une base B = {v1 , v2 , v3 } de R3 .
2) Trouver la base duale B∗ = {v1∗ , v2∗ , v3∗ } de (R3 )∗ .
3) Montrer que l’intersection Ker(v2∗ ) ∩ Ker(v3∗ ) = D.
4) Conclure.
Exercice 7. On fixe un sous-espace vectoriel F ⊂ Rm de dimension p ∈ {1, · · · , m−1}
et que l’on suppose muni par une base {v1 , · · · , vp } ⊂ F. Donc, d’après le théorème de la
base incomplète, il existe des vecteurs w1 , · · · , wm−p ∈ E tel que B = {v1 , · · · , vp , w1 , · · · , wm−p }
soit une base de Rm .
1) En considérant la base duale B∗ = {v1∗ , · · · , vp∗ , wp+1
∗ ∗
, · · · , wm }, montrer que l’inter-
i=m−p
\
∗
section des hyperplans, Ker(wp+i ) = F.
i=1
2) Dans l’espace physique, R3 , intèrpréter géométriquement le résultat trouvé en 1).
2.3. Crochet de dualité et othogonalité dans E et E∗ .
Définition 4. Soit E un espace vectoriel, E∗ son espace dual. L’application suivante,
<, >: E × E∗ −→ R
(x, f ) −→ < x, f >:= f (x)
s’appelle crochet de dualité entre E et E∗ .
Noter que le crochet de dualité, <, >: E × E∗ −→ R, dépend linéairement de ses
deux variables x ∈ E et f ∈ E∗ ; car on a :
(1) ∀x, x′ ∈ E, ∀f ∈ E∗ , < x + x′ , f >= f (x + x′ ) =< x, f > + < x′ , f >.
(2) ∀x ∈ E, ∀f ∈ E∗ , ∀k ∈ R, < kx, f >= f (kx) = k < x, f >.
10 A. BOUARICH

(3) ∀x ∈ E, ∀f, g ∈ E∗ , < x, f + g >= (f + g)(x) =< x, f > + < x, g >.

∗
(4) ∀x ∈ E, ∀f ∈ E , ∀k ∈ R, < x, kf >= (kf )(x) = k < x, f >.
En plus de la bilinéarité, le crochet de dualité <, >: E × E∗ −→ R est dit non
dégénéré ; car elle vérifie les deux propriétés suivantes :
(1) ∀x ∈ E, ∀f ∈ E∗ , < x, f >= 0 =⇒ x = 0 ∈ E.
(2) ∀f ∈ E∗ , ∀x ∈ E, < x, f >= 0 =⇒ f = 0 ∈ E∗ .
Proposition 3. Soit E un espace vectoriel muni d’une base B = {v1 , · · · , vm }. Si on
munit l’espace dual E∗ par la base duale associée B∗ = {v1∗ , · · · , vm
∗
} alors pour tous
∗
v ∈ E et f ∈ E on a les expressions suivantes :
v =< v, v1∗ > v1 +· · · + < v, vm
∗
> vm et f =< v1 , f > v1∗ +· · · + < vm , f > vm
∗

En conséquence, le système des coordonnées associées à la base B nous fournit les

éléments la base duale B∗ .
Démonstration. 1) Soit v ∈ E. Donc, il existe des réels (x1 , · · · , xm ) ∈ Rm tels que
dans la base B on peut écrire, v = x1 v1 + · · · + xi vi + · · · + xm vm ∈ E. Ainsi, si on
applique la forme linéaire vi∗ ∈ B∗ on obtient grâce au crochet de linéarité,
< v, vi∗ > = vi∗ (v)
= vi∗ (x1 v1 + · · · + xi vi + · · · + xm vm )
= x1 vi∗ (v1 ) + · · · + xi vi∗ (vi ) + · · · + xm vi∗ (vm )
= xi
Ceci permet finalement de voir que le vecteur v =< v, v1∗ > v1 + · · · + < v, vm ∗
> vm .
∗
De la même façon, on vérifie qu’on a : ∀f =< v1 , f > v1∗ +· · · + < vm , f > vm ∈ E∗ . 
Exemple 7. En revenant à l’exemple précédent, on voit que pour tout vecteur v ∈ R3
on peut écrire,
v =< v, e∗1 > e1 + < v, e∗2 > e2 + < v, e∗3 > e3
De même, pour toute forme linéaire f (xe1 + ye2 + ze3 ) = ax + by + cz élément de
l’espace dual (R3 )∗ on obtient l’expression,
f =< e1 , f > e∗1 + < e2 , f > e∗2 + < e3 , f > e∗3
Exercice 8. Soient n ∈ N∗ et a ∈ R. Dans l’espace vectoriel réel, Rn [x], des fonctions
polynômiales de degré au plus égal à n. Pour tout entier k ∈ {0, 1, · · · , n} on pose
ek (x) = (x − a)k .
1) Démontrer que pour tout P ∈ Rn [x] on peut écrire,
k=n
X P (k) (a)
P (x) = ek (x)
k=0
k!
2) En déduire que la famille B = {e0 , e1 , · · · , en } est une base de Rn [x].
3) En utilisant la notion du crochet de dualité, trouver la base duale B∗ = {e∗0 , e∗1 , · · · , e∗n } ⊂
(Rn [x])∗ de la base des monômes B.
Définition 5. Soit E un espace vectoriel, et A ⊆ E une partie non vide. Le sous-
ensemble des formes linéaires défini par,
A⊥ := {f ∈ E∗ / < x, f >= f (x) = 0, ∀x ∈ A}
 ALGÈBRE 5 : DUALITÉ 11

s’appelle l’orthogonal de la partie A dans l’espace dual E∗ .

De même, pour une partie non vide B ⊆ E∗ on définit son orthogonal dans E par,
B ⊥ := {x ∈ E/ < x, f >= f (x) = 0, ∀f ∈ B}
Proposition 4. Soient E un espace vectoriel, et A ⊆ E et B ⊆ E∗ des parties non
vides. Alors, les affirmations suivantes sont vraies :
 ⊥
⊥
(1) A = Vect(A) ⊆ E∗ est un sous-espace vectoriel. réel.
 ⊥
(2) B ⊥ = Vect(B) ⊆ E est un sous-espace vectoriel réel.

Démonstration. 1) Soit A ⊆ E une partie non vide. Si deux formes linéaires f et

g ∈ A⊥ ⊆ E∗ on aura par définition de l’othogonalité :
 
∀x ∈ A, f (x) = g(x) = 0 =⇒ ∀a, b ∈ R, af + bg (x) = 0 =⇒ af + bg ∈ A⊥

Donc, A⊥ est un sous-espace vectoriel réel de l’espace dual E∗ . L’égalité A⊥ =

 ⊥
Vect(A) est évidente.
2) Se démontre comme 1). 
Proposition 5. Soit E est un sous-espace vectoriel réel de dimension finie. Alors, on
a les affirmations suivantes :
(1) Pour tout sous-espace vectoriel F ⊆ E on a, dim(F) + dim(F⊥ ) = dim(E).
(2) Pour tout sous-espace vectoriel G ⊆ E∗ on a, dim(G) + dim(G⊥ ) = dim(E).
Démonstration. D’abord, notons que pour les sous-espaces triviaux les formules pro-
posées sont triviales.
1) Soit F ⊂ E un sous-espace vectoriel non trivial. Dans F, fixons alors une base
{v1 , · · · , vp } qui se complète en une base B = {v1 , · · · , vp , w1, · · · , wm−p } de l’espace
E.
Noter que dans ces conditions, si on prend la base duale B∗ = {v1∗, · · · , vp∗ , w1∗, · · · , wm−p }
on pourra écrire pour tout f ∈ F⊥ ,
   
f = < v1 , f > v1∗ + · · · + < vp , f > vp∗ + < w1 , f > w1∗ + · · · + < wm−p , f > wm−p ∗

Ainsi, comme les vecteurs vi ∈ F on en déduit que les cochets < vi , f >= f (vi ) = 0.
Donc, la forme linéaire f a pour expression, f =< w1 , f > w1∗ + · · · + < wm−p , f >
∗
wm−p .
En effet, ceci démontre que l’espace orthogonal F⊥ est engendré par la famille libre
{w1∗ , · · · , wm−p
∗
}. Donc, la formule dim(F) + dim(F⊥ ) = dim(E) est vraie.
2) Se démontre de la même façon que 1). 
Exemple 8. Dans (R4 )∗ , cherchons le sous-espace vectoriel orthogonal de la famille
des vecteurs :
F1 = {v1 = (1, 1, 0, 0), v2 = (1, 0, −1, 1)}
Rappelons qu’une forme linéaire, f : R4 → R, a pour expression générale :
f (x, y, z, t) = ax + by + cz + dt
12 A. BOUARICH
 ⊥
Donc, pour que la forme linéaire f ∈ F1 il faut qu’on ait les deux contions
suivantes :
 
f (v1 ) = a+b = 0 b = −a
⇐⇒
f (v2 ) = a − c + d = 0 d = −a + c
Ainsi, par le dernier système on déduit que pour tout (x, y, z, t) ∈ R4 la forme linéaire
 ⊥
f ∈ F1 s’écrit sous la forme,
f (x, y, z, t) = ax − ay + cz + (−a + c)t = a(x − y − t) + c(z + t)
 ⊥
Par conséquent, le sous-espace vectoriel orthogonal F1 est engendré par les deux
formes linéaires
f1 (x, y, z, t) = x − y − t et
f2 (x, y, z, t) = z + t
⊥ 
Noter que nous avons : dim(Vect(F1 )) + dim( F1 ) = 2 + 2 = 4.

Exemple 9. Dans R3 , cherchons le sous-espace vectoriel orthogonal de la famille des

formes linéaires :
F2 = {f1 = 5x − y + 2z, f2 = −x + 5y + 2z}
 ⊥
Un vecteur (x, y, z) ∈ R appartient au sous-espace vectoriel orthogonal F2 si et
seulement, si on ait :
 
f1 (x, y, z) = 5x − y + 2z = 0 y = x
⇐⇒
f2 (x, y, z)) = −x + 5y + 2z = 0 z = −2x
 ⊥
Donc, le sous-espace vectoriel orthogonal F2 = R(1, 1, −2) ; est de dimension un.

Remarque 1. Le calcul développé dans l’exemple précédent on pent être interprété

avec le langage des systèmes linéaires homogèns. En effet, considérons un système
linéaire homogène qui a p-lignes et m-inconnues :
a11 x1 + · · · + a1m xm = 0


 a21 x1 + · · · + a2m xm = 0

.. ..


 . + · · · + . = 0
ap1 x1 + · · · + apm xm = 0
et posons S ⊆ Rm son sous-espace vectoriel des solutions.
Maintenant, observer que si on pose f1 (x) = a11 x1 + · · · + a1m xm , · · · , fp (x) =
ap1 x1 + · · · + apm xm on voit que l’espace des solutions du système linéaire donné n’est
autre que l’orthogonale de la famille des formes linéaires {f1 , · · · , fp }. C’est-à-dire, on
a:   ⊥
S = {f1 , · · · , fp } = {x ∈ Rm ; f1 (x) = · · · = fp (x) = 0}

Exercice 9. Trouver le sous-espace vectoriel réel orthogonal de la famille indiquée :

(1) F1 = {(1, 2, 1), (1, 1, 2), (2, 3, 3)} ⊂ R3 .
(2) F2 = {(1, 0, 1, −2), (0, 3, 2, 1)} ⊂ R4 .
 ALGÈBRE 5 : DUALITÉ 13

(3) F3 = {(1, 1, 2, 1), (1, −2, 3, 4), (0, 3, −1, −3)} ⊂ R4 .

Exercice 10. Trouver le sous-espace vectoriel réel orthogonal de la famille dess formes
linéaires indiquées :
 ∗
(1) F1 = {x + 2y + z, x + y + 2z, 2x + 3y + 3z} ⊂ R3 .
 ∗
(2) F2 = {x + z − 2t, 3y + 2z + t} ⊂ R4 .
 ∗
(3) F3 = {x + y + 2z + t, x − 2y + 3z + 4t, x + 3y − z − 3t} ⊂ R4 .

3. Bidual
Définition 6. Soit E un espace vectoriel réel. La bual de l’espace dual E ∗ s’appelle
espace bidual de E et se note E∗∗ := (E∗ )∗ . Donc, E∗∗ est un espace vectoriel réel.
Soit E un espace vectoriel réel. Pour out vecteur x ∈ E on définit une aplication sur
le dual E∗ à valeurs dans R en posant :
J(x) : E∗ −→ R
f −→ J(x)(f ) :=< x, f >= f (x)
Noter alors que J(x) est linéaire sur E∗ ; car pour tout couple de formes linéaires f
et g ∈ E∗ on a,
J(x)(f + g) = (f + g)(x) = f (x) + g(x) = J(x)(f ) + J(x)(g)
De même, pour tous α ∈ R et f ∈ E∗ on a,
J(x)(αf ) = (αf )(x) = αf (x) = αJ(x)(f )
Ceci démontre que pour tout vecteur x ∈ E la forme linéaire J(x) appartient au bidual
(E∗ )∗ = E ∗∗ . En effet, grâce à ce qui précède, on pourra définition une nous nouvelle
application linéaire sur E dans E∗∗ par l’expression,
J : E −→ E∗∗
x −→ J(x)
La linéarité de l’application de J se vérifie comme suit :
1) Pour tous x et y ∈ E la forme linéaire J(x + y) ∈ E∗∗ . Donc, pour tout f ∈ E∗ on
peut écrire,
J(x+y)(f ) = f (x+y) = f (x)+f (y) = J(x)(f )+J(y)(f ) =⇒ J(x+y) = J(x)+J(y)
2) Pour tous α ∈ R et x ∈ E on obtient une forme linéaire J(αx) ∈ E∗∗ . Donc, pour
tout f ∈ E∗ on peut écrire,
J(αx)(f ) = f (αx) = αf (x) = αJ(x)(f ) =⇒ J(αx) = αJ(x)
Théorème 2. Si l’espace vectoriel E est de diemsion finie, alors l’application linéaire
J : E −→ E∗∗ , définie ci-dessus, est bijective.
Démonstration. Puisque E est de dimension finie et l’application J est linéaire, donc
pour démontrer qu’elle est bijective il suffit qu’on vérifie qu’elle est injective. C’est-à-
dire, il suffit qu’on montre que l’équation,
∀x ∈ E, J(x) = 0 ∈ E∗∗ =⇒ x=0∈E
14 A. BOUARICH

Supposons alors qu’il existe un vecteur non nul v1 ∈ E \ {0} tel que J(v1 ) = 0. Ainsi,
sous cette condition, le singleton {v1 } est libre dans E ; donc d’après le théorème de
la base incomplète il existe des vecteurs non nuls v2 , · · · , vm de sorte que la famille
B = {v1 , v2 , · · · , vm } soit une base de E. Noter alors, si on prend l’élément v1∗ ∈ E∗
de la base duale de B on aura 0 = J(v1 )(v1∗ ) = v1∗ (v1 ) = 1. Ce qui est absurde. Donc,
l’application linéaire J : E → E∗∗ est injection, et donc elle est bijective. 
Exercice 11. Dans l’espace vectoriel réel des fonctions polynômiales, R[x], on fixe la
base canonique formée par les monômes : en (x) := xn , n ∈ N. On désigne alors par
e∗n : R[x] → R la forme linéaire définie par les expréssions :

∗ 1 si n = m
en (em ) =
0 si n 6= m
1) Pour P (x) = a0 + a1 x + · · · + an xn ∈ R[x] ; calculer la valeurs e∗m (P ), ∀m ∈ N.
2) Si {n1 < n2 < · · · < nm } ⊂ N désigne une famille d’entiers naturels ordonnés,
montrer alors que la famille des formes linéaires {e∗n1 , e∗n2 , · · · , e∗nm } est libres dans
 ∗
l’espace dual R[x] .
3) En déduire que la famille infinie de formes linéaires {e∗n , n ∈ N} est libre dans
∗
l’espace dual R[x] .
3) On désigne par f : R[x] → R la forme linéaire définie par :
∀n ∈ N, f (en ) = 1
n
i) Pour P (x) = a0 + a1 x + · · · + an x ∈ R[x] ; vérifier que la valeur f (P ) = P (1).
ii) Montrer qu’il n’existe aucune combinaison linéaire finie d’éléments de la famille
{e∗n , n ∈ N} qui soit égale à la forme linéaire f .
∗
iii) En  que la famille des formes linéaires {en , n ∈ N} n’engendre pas l’espace
 déduire
∗
dual R[x] .
Z 1
iv) Démontrer que l’application, P 7→ L(P ) = P (x)dx, est une forme linéaire sur
0
l’espace vectoriel réelR[x] mais n’appartient pas au sous-espace vectoriel réel engendré
∗
Vect({e∗n , n ∈ N}) ⊂ R[x] . Conclure.
4) Dans les reste de l’exercice, on se propose de décrire algébriquemeng le dual de
R[x]. Pour cela, considérons S = {u = (un )n∈N /un ∈ R, n ∈ N} l’espace vectoriel de
  ∗
toutes les suites de nombres réels. Et, pour toute forme linéaire f ∈ R[x] on pose,
un := f (en ), pour tout n ∈ N ; ceci nous donne une suite numérique u = (un )n∈N ∈ S.
i) Démontrer que l’application naturelle suivante est un isomorphisme d’espaces vecto-
riels réels :  ∗
Ψ : R[x] −→ S
f −→ (f (en ))n∈N
ii) On désigne par S0 ⊂ S le sous-espace vectoriel réel des suites numériques station-
naires sur zéro. C’est-à-dire, (un )n∈N ∈ S0 si et seulement, s’il existe un n0 ∈ N tel que
pour tout entier n ≥ n0 + 1 on ait un = 0. Démontrer alors les affirmations suivantes :
— L’espace vectoriel des fonctions polynômiales R[x] est isomorphe avec S0 .
— Le sous-espace vectoriel engendré Vect({e∗n , n ∈ N}) est isomorphe avec S0 .
 ALGÈBRE 5 : DUALITÉ 15

iii) Calculer l’image des formes linéaires suivantes de R[x] par l’application Ψ :
Z 1
(1) f1 (P ) = P (t)dt ;
0
Z 1
(2) f2 (P ) = tP (t)dt ;
0
(3) f2 (P ) = P (a), a ∈ R donné ;
P (n) (0)
(4) f3 (P ) = , n ∈ N fixé.
n!
 ∗
iv) Trouver l’expression de la forme linéaire f ∈ R[x] dont l’image par l’isomor-
phisme Ψ soit égale à la suite numérique indiquée :
(1) un = q n , q ∈ R fixé ;
(2) vn = n ;
(3) wn = 2n + 1 ;
(4) sn = (−1)n (n + 1).

Université Sultan Moulay Slimane, Faculté des Sciences et Téchniques, B.P. 523,
Beni Mellal, Maroc/Morocco.
Email address: a.bouarich3@ygmail.com or a.bouarich@usms.ma