Espaces vectoriels (et affines).

Chap. 04 : cours complet.

1. Espaces vectoriels rels ou complexes (Sup).

Dfinition 1.1 :
K-espace vectoriel
Dfinition 1.2 :
K-algbre
Thorme 1.1 :
exemples
Dfinition 1.3 :
combinaison linaire de vecteurs
Dfinition 1.4 :
sous-espace vectoriel dun espace vectoriel
Thorme 1.2 :
caractrisation dun sous-espace vectoriel
Thorme 1.3 et dfinition 1.5 : espace vectoriel produit
2. Combinaisons linaires et familles (Sup).
Dfinition 2.1 :
famille libre de vecteurs
Dfinition 2.2 :
famille lie de vecteurs
Thorme 2.1 :
caractrisation des familles lies
Thorme 2.2 :
cas o lun des vecteurs de la famille est nul
Dfinition 2.3 :
rang dune famille de vecteurs
Dfinition 2.4 :
sous-espace vectoriel engendr par une famille de vecteurs
Thorme 2.3 :
caractrisation dun sous-espace vectoriel engendr
Dfinition 2.5 :
base dun K-espace vectoriel
3. Espaces vectoriels de dimension finie (Sup).
Dfinition 3.1 :
espace vectoriel de dimension finie
Thorme 3.1 :
de lchange
Thorme 3.2 :
existence de bases dans un espace vectoriel de dimension finie
Dfinition 3.2 :
dimension dun K-espace vectoriel
Thorme 3.3 :
cardinal des familles libres ou gnratrices dans un espace vectoriel de dimension finie
Thorme 3.4 :
de la base incomplte
Thorme 3.5 :
dimension dun sous-espace vectoriel dans un espace vectoriel de dimension finie
Thorme 3.6 :
caractrisation du rang dune famille de vecteurs
Thorme 3.7 :
galit de sous-espaces vectoriels dans un espace vectoriel de dimension finie
4. Applications linaires (Sup).
Dfinition 4.1 :
application linaire entre K-espaces vectoriels, L(E,F)
Thorme 4.1 :
structure de K-espace vectoriel de L(E,F)
Dfinition 4.2 :
le groupe linaire dun espace vectoriel
Dfinition 4.3 :
morphisme, endomorphisme, isomorphisme, automorphisme
Dfinition 4.4 :
image et noyau dune application linaire
Thorme 4.2 :
image et noyau dun morphisme sont des sous-espaces vectoriels
Thorme 4.3 :
caractrisation de linjectivit et de la surjectivit
Thorme 4.4 :
caractrisation dune application linaire par son action sur une somme directe
Thorme 4.5 :
isomorphisme entre limage dun morphisme et un supplmentaire de son noyau
5. Applications linaires en dimension finie (Sup).
Thorme 5.1 :
famille gnratrice de limage dun morphisme en dimension finie
Thorme 5.2 :
caractrisation dune application linaire par les images des vecteurs dune base
Dfinition 5.1 :
rang dune application linaire en dimension finie
Thorme 5.3 :
du rang
Thorme 5.4 :
caractrisation des isomorphismes entre espaces de dimension finie
Thorme 5.5 :
conservation du rang par isomorphisme
Thorme 5.6 :
dimension de L(E,F)
6. Matrices (Sup).
Dfinition 6.1 et thorme 6.1 : les espaces vectoriels de matrices
Dfinition 6.2 :
produit de matrices
Thorme 6.2 :
structure de groupe et dalgbre pour Mn(K)
Dfinition 6.3 :
matrice transpose dune matrice
Dfinition 6.4 :
matrice symtrique, antisymtrique
Thorme 6.3 :
dimension et supplmentarit de Sn(K) et An(K)
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

-1-

Dfinition 6.5 :
Dfinition 6.6 :
Thorme 6.4 :

matrice dfinie par blocs

matrices triangulaires ou diagonales par blocs
somme et produit de matrices par blocs

7. Matrice des coordonnes dun vecteur dans une base, matrice de changement de base (Sup).
Dfinition 7.1 :
matrice des coordonnes dun vecteur dans une base
Dfinition 7.2 :
matrice de changement de base (matrice de passage)
Thorme 7.1 :
lien entre les coordonnes dun mme vecteur dans diffrentes bases
8. Matrice reprsentative dune application linaire dans des bases (Sup).
Dfinition 8.1 :
matrice reprsentative dune application linaire dans des bases
Thorme 8.1 :
isomorphisme entre Mn,p(K) et L(E,F)
Thorme 8.2 :
traduction matricielle du lien entre un vecteur et son image par un morphisme
Dfinition 8.2 :
application linaire ou endomorphisme canoniquement associ une matrice
Thorme 8.3 :
matrice dune compose
Thorme 8.4 :
liens entre les matrices de passage pour trois bases de lespace
Thorme 8.5 :
lien entre les matrices dun mme endomorphisme dans diffrentes bases
9. Somme de sous-espaces vectoriels, sommes directes, sous-espaces vectoriels supplmentaires.
Thorme 9.1 et dfinition 9.1 : somme de sous-espaces vectoriels
Thorme 9.2 :
autre dfinition dune somme de sous-espaces vectoriels
Dfinition 9.2 :
somme directe de deux ou de plusieurs sous-espaces vectoriels
Dfinition 9.3 :
sous-espaces supplmentaires
Thorme 9.3 :
existence dun supplmentaire en dimension finie
Thorme 9.4 :
des quatre dimensions ou formule de Grassmann
Dfinition 9.4 :
dcomposition en somme directe
Thorme 9.5 :
proprit rcursive des sommes directes
Thorme 9.6 :
dfinition quivalente dune dcomposition en somme directe
Thorme 9.7 :
caractrisation dune dcomposition en somme directe
Dfinition 9.5 :
base dun espace vectoriel adapte un sous-espace vectoriel, une somme directe
de sous-espaces vectoriels
10. Projecteurs.
Dfinition 10.1 :
Thorme 10.1 :
Thorme 10.2 :
Dfinition 10.2 :
Thorme 10.3 :

projecteurs associs deux sous-espaces vectoriels supplmentaires

proprits pour des projecteurs associs
caractrisation des sous-espaces vectoriels dfinissant un projecteur
famille de projecteurs associe une dcomposition en somme directe
gnralisation du thorme 10.1

11. Polynmes dinterpolation de Lagrange.

Dfinition 11.1 : polynmes de Lagrange
Thorme 11.1 : existence et unicit des bases de Lagrange
12. Trace dune matrice carre, dun endomorphisme.
Dfinition 12.1 et thorme 12.1 : trace dune matrice carre
Thorme 12.2 : proprits basiques de la trace des matrices
Thorme 12.3 et dfinition 12.2 : trace dun endomorphisme
Thorme 12.4 : trace dun projecteur
13. Dual dun espace vectoriel.
Dfinition 13.1 : dual dun espace
Thorme 13.1 : dimension du dual pour un espace de dimension finie
Dfinition 13.2 : hyperplan (en dimension finie)
Thorme 13.2 : noyau des formes linaires non nulles
Thorme 13.3 et dfinition 13.3 : base duale dune base en dimension finie
Thorme 13.4 et dfinition 13.4 : base prduale (ou ant-duale) dune base de E*
Thorme 13.5 : quations dun hyperplan
14. Structure affine canonique de
2 et
3.
Dfinition 14.1 (hors programme) : espace affine
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

-2-

Dfinition 14.2 : structure affine de
2 et
3

Thorme 14.1 : proprits lmentaires liant des vecteurs dans un espace affine
Dfinition 14.2 : repre affine ou cartsien
Dfinition 14.3 : coordonnes dun point dans un repre
Dfinition 14.4 : sous-espace affine
Thorme 14.2 : sous-espaces affines de
2 et
3
Dfinition 14.5 : sous-espaces affines parallles
Thorme 14.3 : reprsentation paramtrique de droites et de plans dans un repre de
2 ou de
3
Thorme 14.4 : quation dune droite dans un repre de
2 ou dun plan dans un repre de
3
Dfinition 14.6 : application affine
Thorme 14.5 : expression dune application affine dans un repre de
2 ou de
3
Thorme 14.6 : exemples dapplications affines
Thorme 14.7 et dfinition 14.7 : barycentre de n points pondrs
Thorme 14.8 : coordonnes du barycentre de n points dans un repre
Thorme 14.9 : associativit du barycentre

Chapitre 04 Espaces vectoriels (et affines) Cours complet.

-3-

Espaces vectoriels (et affines).

Chap. 04 : cours complet.

1. Espaces vectoriels rels ou complexes (Sup).

Dfinition 1.1 : K-espace vectoriel
Soit E un ensemble, K un corps (gal en gnral
ou ).
On dit que (E,+,.) est un K-espace vectoriel ou espace vectoriel sur K si et seulement si :
+ est une loi de composition interne sur E : (x,y) E2, x+y existe et : x+y E,
+ est associative : (x,y,z) E3, (x + y) + z = x + (y + z),
+ possde un lment neutre dans E, en gnral not 0 : x E, x + 0 = 0 + x = x,
tout lment de E admet un symtrique pour la loi + appel oppos de x :
x E, x E, (x = -x), tel que : x + x = x + x = 0,
ce qui fait alors de (E,+) un groupe,
+ est commutative : (x,y) E2, x + y = y + x,
ce qui rend le groupe (E,+) commutatif ou ablien,
la loi . ayant de plus les proprits suivantes :
cest une loi de composition externe sur E : x E, K, .x existe et : .x E,
(x,y) E2, K, .(x + y) = .x + .y,
x E, (,) K2, ( + ).x = .x + .x,
x E, (,) K2, (.).x = .(.x),
x E, 1.x = x.
Les lments de E sont appels vecteurs et ceux de K scalaires .
Dfinition 1.2 : K-algbre
Un ensemble (E,+,,.) est une K-algbre si et seulement si :
(E,+,.) est un K-espace vectoriel,
est distributive par rapport +,
(x,y) E, K, .(xy) = x(.y) = (.x)y.
Si la loi est associative, commutative ou unitaire, on dit de mme que lalgbre est associative,
commutative, unitaire.
Thorme 1.1 : exemples
Les ensembles suivants sont des
- ou -espaces vectoriels (suivant les cas), dits espaces vectoriels
de rfrence.
les ensembles de n-uplets de rels ou de complexes :
n et n,
les ensembles de fonctions dfinies sur I (ventuellement
), valeurs dans
,  ou un K-espace
vectoriel (E,+,.) : F(I,
), F(I,) et F(I,E),
les ensembles de polynmes coefficients rels ou complexes :
[X], [X],
n[X] et n[X],
les ensembles de suites relles ou complexes :
 et ,
les ensembles de matrices carres ou rectangles coefficients rels ou complexes : Mn(
), Mn(),
Mn,p(
), Mn,p().
Les ensembles suivants sont des K-algbres :
F(I,
), F(I,),

[X], [X],
Mn(
), Mn().
Dmonstration :
Une fois dfinies les lois dans ces ensembles, la dmonstration du fait que ce sont bien des K-espaces
vectoriels ou des K-algbres est immdiate.
On prcise donc les lois :
dans
n et n : (x1, , xn) Kn, (y1, , yn) Kn, K,
(x1, , xn) + (y1, , yn) = (x1 + y1, , xn + yn),
.(x1, , xn) = (.x1, , .xn).
dans F(I,
), F(I,) et F(I,E) : (f,g) F(I,
ou  ou E), K,
(f + g) est la fonction de I dans
,  ou E, telle que : x I, (f + g)(x) = f(x) + g(x),
.f est la fonction de I dans
,  ou E, telle que : x I, (.f)(x) = .f(x),
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

-4-

et pour F(I,K), (fg) est la fonction de I dans K, telle que : x I, (fg)(x) = f(x).g(x),
llment unit pour la loi tant alors la fonction 1 telle que : x I, 1(x) = 1.
Cest alors une K-algbre commutative (la loi est commutative).
dans K[X] ou Kn[X] : P = ap.Xp + + a0, Q = bq.Xq + + b0, K,
pour : N = max(p,q), P + Q = (aN + bN).XN + + (a0 + b0),
.P = (.ap).Xp + + (.a0),
et pour K[X], le produit est dfini par : (P.Q) =

p+ q

a i .b k i .X k ,

k =0 i =0

llment unit tant le polynme constant gal 1.

Cest alors une K-algbre commutative.
dans K : (an)n K, (bn)n K, K,
(an)n + (bn)n = (an + bn)n,
.(an)n = (.an)n.
dans Mn(
), Mn(), Mn,p(
), Mn,p() : (A,B) (Mn,p(K))2, K,

a 1,1 + b1,1 L a 1,n + b1,n

A+B=
M
M
,
a + b
L a n ,n + b n ,n
n ,1
n ,1
.a 1,1 L .a 1,n

.A = M
M ,
.a

n ,1 L .a n ,n
et pour Mn(K), le produit est dfini par : AB = C, avec : 1 i,j n, ci,j =

a
k =1

i ,k

.b k , j ,

llment unit tant la matrice In.

Cest alors une K-algbre commutative pour : n = 1, non commutative pour : n 2.
Dfinition 1.3 : combinaison linaire de vecteurs
Soit (E,+,.) un K-espace vectoriel.
Soit (xi)iI une famille (ventuellement infinie) de vecteurs de E.
Une combinaison linaire des vecteurs de cette famille est un vecteur de E qui scrit :

.x
iI

, o les i

sont des scalaires qui sont tous nuls, sauf au plus un nombre fini dentre eux.
En particulier, si (xi)1in est une famille finie de vecteurs de E, une combinaison linaire de ces vecteurs
n

est un vecteur de E qui scrit :

.x
i =1

, o les i sont n scalaires.

Dfinition 1.4 : sous-espace vectoriel dun espace vectoriel

Soit (E,+,.) un K-espace vectoriel, et F un sous-ensemble de E.
On dit que F est un sous-espace vectoriel de E si et seulement si (F,+,.) est un K-espace vectoriel (donc
pour les mmes lois que celles de E, ou plus prcisment pour les lois induites dans F par celles de E).

Thorme 1.2 : caractrisation dun sous-espace vectoriel

Soit (E,+,.) un K-espace vectoriel et F un ensemble.
F est un sous-espace vectoriel de E si et seulement si :
F est inclus dans E,
F est non vide,
F est stable par combinaison linaire : (x,y) F2, (,) K2, (.x + .y) F.
Dmonstration :
Si F est un sous-espace vectoriel de E, alors F est bien inclus dans E, il contient llment neutre pour
laddition (puisque (F,+) est un groupe), cest--dire le vecteur nul, et F est non vide. Enfin, les lois + et .
sont respectivement des lois de composition interne et externe, dont la stabilit de F par combinaison
linaire en dcoule.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

-5-

 Rciproquement, si F vrifie les conditions proposes, alors :

la loi + est interne dans F : (x,y) F2, pour : = = 1, 1.x + 1.y = x + y F,
la loi + tant associative et commutative dans E, elle le reste dans F,
F contient 0, puisque, tant non vide : x F, et : 1.x 1.x = 0 F,
tout lment de F a son symtrique dans F car : x F, 0.0 + (-1).x = -x F,
la loi . est une loi de composition externe dans F puisque : x F, K, 0.0 + .x = .x F,
les quatre dernires proprits tant vraies dans E, elles restent vraies dans F.
Thorme 1.3 et dfinition 1.5 : espace vectoriel produit
Soient (E+,.) et (F,+,.) deux K-espaces vectoriels (o lon note de la mme faon dans E et F les lois de
composition internes et externes).
Alors les lois + et . dfinies par :
((x,y), (x,y)) (EF)2, (x,y) + (x,y) = (x+x,y+y),
(x,y) EF, K, .(x,y) = (.x,.y),
font de EF un K-espace vectoriel, appel espace vectoriel produit de E et de F.
Dmonstration :
Avec les lois ainsi dfinies, on vrifie que les rsultats vrais dans E et dans F entranent les mmes pour
les nouvelles lois dans EF.
En particulier, llment nul dans EF est (0,0) et loppos dun lment (x,y) de EF est (-x,-y).
2. Combinaisons linaires et familles (Sup).
Dfinition 2.1 : famille libre de vecteurs
Soit (E,+,.) un K-espace vectoriel et (xi) une famille de vecteurs de E.
On dit que (xi) est une famille libre si et seulement si toute combinaison linaire nulle de ces vecteurs est
ncessairement coefficients nuls.
En particulier, si la famille (xi) est finie de la forme (xi)1in, la famille est libre si et seulement si :
(1, ..., n) Kn, (1.x1 + + n.xn = 0) (1 = = n = 0).
Dfinition 2.2 : famille lie de vecteurs
Soit (E,+,.) un K-espace vectoriel et (xi) une famille de vecteurs de E.
La famille (xi) est dite lie si et seulement si elle nest pas libre.
En particulier, si la famille (xi) est finie de la forme (xi)1in, la famille est lie si et seulement si :
(1, ..., n) Kn, (1, ..., n) (0, ,0), (1.x1 + + n.xn = 0).
Thorme 2.1 : caractrisation des familles lies
Soit (E,+,.) un K-espace vectoriel et (xi) une famille de vecteurs de E.
La famille est lie si et seulement si lun des vecteurs de cette famille (on ne sait pas a priori lequel) peut
scrire comme combinaison linaire des autres vecteurs de la famille.
Dmonstration :
Si la famille est lie, il existe une combinaison linaire faisant intervenir un nombre fini de vecteurs de
la famille, nulle et coefficients non tous nuls, soit : (1, , n) Kn, 1.x1 + + n.xn = 0.
Puisque lun des coefficient est non nul, on peut supposer que cest 1 et alors : x1 =

k=2

.x k , et on

a bien un des vecteurs de la famille scrivant comme combinaison linaire des autres.
Si maintenant, lun dentre eux scrit comme combinaison linaire des autres, par exemple :
x1 = 2.x2 + + n.xn, alors : 1.x1 2.x2 n.xn = 0.
On vient bien dobtenir une combinaison linaire des vecteurs de la famille, nulle et coefficients non
tous nuls ( cause du coefficient 1).
Thorme 2.2 : cas o lun des vecteurs de la famille est nul
Soit (E,+,.) un K-espace vectoriel et (xi) une famille de vecteurs de E.
Si la famille comporte le vecteur nul ou deux fois le mme vecteur, la famille est lie.
Dmonstration :
Si la famille comporte le vecteur nul : x1 = 0, par exemple, alors : 1.x1 = 0, soit une combinaison linaire
nulle coefficients non tous nuls de vecteurs de la famille : la famille est lie.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

-6-

 Si la famille comporte deux fois le mme vecteur, par exemple : x1 = xk, avec : k 1, alors on a
nouveau une combinaison linaire nulle coefficients non tous nuls de vecteurs de la famille avec :
1.x1 1.xk = 0.
Dfinition 2.3 : rang dune famille de vecteurs
Soit (E,+,.) un K-espace vectoriel et (xi) une famille de vecteurs de E.
On appelle rang de la famille, lorsquil existe, le plus grand nombre de vecteurs de la famille constituant
une famille libre de vecteurs de E, et on le note rg((xi)).
Le rang dune famille finie de n vecteurs existe donc toujours et est toujours infrieur ou gal n.
Dfinition 2.4 : sous-espace vectoriel engendr par une famille de vecteurs
Soit (E,+,.) un K-espace vectoriel et A une famille de vecteurs de E.
On appelle sous-espace vectoriel de E engendr par la famille A lensemble not Vect(A) des
combinaisons linaires de vecteurs de A, soit :
Vect(A) = {x E, (x1, , xp) Ap, (1, ,p) Kp, x = 1.x1 + + p.xp}.
En particulier, si : A = (xi)1in, on a : Vect(A) = {x E, (1, ,n) Kn, x = 1.x1 + + p.xp}.
Thorme 2.3 : caractrisation dun sous-espace vectoriel engendr
Soit (E,+,.) un K-espace vectoriel et A un sous-ensemble de E.
Vect(A) est le plus petit sous-espace vectoriel de E contenant A, cest--dire :
G, sous-espace vectoriel de E, (A G) (Vect(A) G).
Dmonstration :
Soit G un sous-espace vectoriel de E contenant A.
Alors G tant stable par combinaison linaire, il contient toute combinaison linaire de deux vecteurs qui
lui appartiennent (en particulier deux vecteurs quelconques de A) et par rcurrence toute combinaison
linaire dun nombre fini de vecteurs lui appartenant, ou appartenant A.
Donc G contient bien Vect(A).
Dfinition 2.5 : base dun K-espace vectoriel
Soit (E,+,.) un K-espace vectoriel et (xi) une famille de vecteurs de E.
On dit que (xi) est une base de E si et seulement si cest une famille libre et gnratrice de E.
3. Espaces vectoriels de dimension finie (Sup).
Dfinition 3.1 : espace vectoriel de dimension finie
Soit (E,+,.) un K-espace vectoriel.
On dit que E est de dimension finie sur K si et seulement si E admet une famille gnratrice finie.
Thorme 3.1 : de lchange
Soit (E,+,.) un K-espace vectoriel de dimension finie.
Soient : B = (e1, , ep), une famille libre dlments de E, et : B0 = (e1, , eq), une famille gnratrice
de E.
Alors : p q.
De plus, on peut changer p des vecteurs de la famille B0 avec les p vecteurs de la famille B pour
obtenir une nouvelle famille gnratrice de E.
Dmonstration :
On sait que e1 est combinaison linaire des vecteurs de B0, et les coefficients ne peuvent tre tous
nuls, sinon e1 serait nul et la famille B ne pourrait tre libre.
Quitte donc permuter les vecteurs de B0, on peut supposer que le coefficient 1,1 de e1 dans cette
combinaison : e1 = 1,1.e1 + q,1.eq, est non nul : 1,1 0.
Alors : e1 =

q
i,1
1
.e1
.e' i , et : E = Vect(e1, , eq) Vect(e1, e2, , eq) E,
1,1
i = 2 1,1

do lgalit des espaces vectoriels et le fait que la famille : B1 = (e1, e2, , eq) est gnratrice de E.
On itre maintenant le processus pour remplacer dautres vecteurs de B0 par dautres provenant de
B. Supposons pour cela quon a form une nouvelle famille Bk gnratrice de E en remplaant les k
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

-7-

premiers vecteurs de la famille B0 par e1, , ek (par exemple), avec : k p 1, k q 1.

Alors : ek+1 Vect(e1, , ek, ek+1, , eq), et : (1,k+1, , k,k+1, k+1,k+1, q,k+1) Kq, tel que :
ek+1 = 1,k+1.e1 + + k,k+1.ek + k+1,k+1.ek+1 + + q,k+1.eq.
Il nest pas possible davoir : k+1,k+1 = = q,k+1 = 0, sinon la famille (e1, , ek+1) et donc B serait lie.
Quitte l encore, permuter les vecteurs ek+1, , eq, on peut supposer que : k+1,k+1 0, et :
ek+1 =

1
k +1,k +1

i, k +1

i =1

k +1,k +1

.e k +1

.e i

i ,k +1

i=k + 2

.e' i .

1, k +1

On en dduit nouveau que : E = Vect(Bk) Vect(e1, , ek+1, ek+2, eq) E, et la nouvelle famille :
Bk+1 = (e1, , ek+1, ek+2, eq), est encore gnratrice de E.
Enfin, si : q < p, alors en prenant : k = q 1, dans la construction prcdente, on obtient que :
eq Vect(e1, , eq), puis que : Bq = (e1, , eq) est gnratrice de E.
On aurait alors en particulier : q+1 p, et : eq+1 Vect(e1, , eq), et la famille (e1, , eq+1), sous-famille
de la famille B, serait lie, et la famille B le serait aussi.
Donc on a bien : p q, et on a obtenu une nouvelle famille gnratrice de E en ayant chang p
vecteurs de la famille B0 par ceux de la famille B.
Thorme 3.2 : existence de bases dans un espace vectoriel de dimension finie
Soit (E,+,.) un K-espace vectoriel de dimension finie.
Alors E admet une base comportant un nombre fini de vecteurs, et toutes les bases de E comportent le
mme nombre fini de vecteurs.
Dmonstration :
Soit (e1, , ep) une famille gnratrice de E.
Soit la famille ne comporte que le vecteur nul, et alors : x E, x = 0.
Dans ce cas, et par convention, on a : E = Vect().
Soit la famille comporte au moins un vecteur non nul, et on considre alors lensemble des cardinaux
des sous-familles libres de cette famille (ei)1in.
Cet ensemble dentiers est non vide (puisquil y a une sous-famille libre comportant un seul vecteur) et
major par p : il contient donc un plus grand lment : n p.
Considrons maintenant une sous-famille libre B n lments parmi les (ei)1ip, et supposons pour
simplifier que cest (e1, , en).
Tout vecteur ek, avec : n < k p, (sil y en a) est combinaison linaire des vecteurs de B car :
(1, , n, k) Kn+1, non tous nuls tel que : 1.e1 + + n.en + k.ek = 0,
puisque la famille ne peut pas tre libre car comportant trop de vecteurs.
Mais k ne peut tre nul, sinon tous les coefficients seraient nuls (la famille B est libre), et on a donc :
n

ek =

i =1

.e i .

Puis tout vecteur de E tant combinaison linaire de la famille (e1, , ep), il est encore combinaison
linaire des vecteurs de B.
On vient donc de dmontrer que : x E, x Vect(B).
Mais on a aussi videmment : x Vect(B), x E, puisque E est stable par combinaison linaire.
On a donc tabli globalement que : E = Vect(B).
La famille B tant libre par construction, et maintenant gnratrice de E, cest une base de E.
Soient maintenant deux bases B et B de E comportant n et n vecteurs.
Puisque B est libre et B est gnratrice de E, on a : n n.
En changeant les rles de B et B, on a videmment : n n, et finalement : n = n.
Dfinition 3.2 : dimension dun K-espace vectoriel
Soit (E,+,.) un K-espace vectoriel.
Si E admet une base comportant un nombre fini de vecteurs, on appelle dimension de E le nombre de
vecteurs de cette base qui est donc le mme pour toutes les bases de E.
Thorme 3.3 : cardinal des familles libres ou gnratrices dans un espace vectoriel de dimension
finie
Soit (E,+,.) un K-espace vectoriel de dimension finie n et (xi)1ip une famille de vecteurs de E.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

-8-

Si la famille (xi)1ip est gnratrice de E, alors : p n.

Si la famille (xi)1ip est libre, alors : p n.
On a les quivalences :
((xi)1ip base de E) ((xi)1ip libre et : p = n) ((xi)1ip gnratrice de E et : p = n).
Dmonstration :
Soit B une base de E (comportant donc n lments).
Le thorme de lchange montre que si (xi)1ip est gnratrice de E, alors : p n, puisque B est libre.
De mme, si la famille (xi)1ip est libre, alors : p n, puisque cette fois, B est gnratrice de E.
Il est clair ensuite que :
((xi)1ip base de E) ((xi)1ip libre et : p = n), et :
((xi)1ip base de E) ((xi)1ip gnratrice de E et : p = n).
Rciproquement, si la famille (xi)1ip libre et : p = n, alors on peut obtenir partir de la famille gnratrice
B de E, une nouvelle famille gnratrice de E en remplaant p vecteurs de B par ceux de (xi)1ip.
Mais comme : p = n, cela signifie les remplacer tous, autrement dit la nouvelle famille obtenue, (soit la
famille (xi)1ip en fait) est gnratrice de E. Mais comme elle tait libre, cest en fait une base de E.
Si enfin, la famille (xi)1ip est suppose gnratrice de E, alors elle ne peut tre lie, sinon lun des
vecteurs, par exemple xn serait combinaison linaire des vecteurs x1, , xn-1 et la famille (x1, , xn-1)
serait gnratrice de E.
On aurait alors une famille gnratrice de E (n 1) lments et une famille libre (B) avec n lments,
ce qui est impossible.
La famille (xi)1ip est donc libre, et tant de plus gnratrice de E, cest une base de E.
Thorme 3.4 : de la base incomplte
Soit (E,+,.) un K-espace vectoriel de dimension finie n et : B = (e1, , en), une base de E.
Si (x1, , xp) est une famille libre de vecteurs de E, alors il est possible de complter la famille (x1, , xp)
laide de vecteurs de B en une nouvelle base de E.
Dmonstration :
Puisque (e1, , en) est une base de E, cest une famille gnratrice de E.
On sait donc par le thorme de lchange que : p n, et quil est possible dchanger p vecteurs de B
avec les p vecteurs de lautre famille pour former une nouvelle famille gnratrice de E.
Mais puisque cette famille gnratrice comporte n vecteurs, soit la dimension de E, cest une base de E,
et on la bien obtenue (autre faon de voir) en compltant (x1, xp) laide de vecteurs de B.
Thorme 3.5 : dimension dun sous-espace vectoriel dans un espace vectoriel de dimension finie
Soit (E,+,.) un K-espace vectoriel de dimension finie.
Tout sous-espace vectoriel de E est de dimension finie, infrieure celle de E.
Dmonstration :
Soit : F = {0}, et F est de dimension finie gale 0.
Sinon, considrons toutes les familles libres de vecteurs de F.
Toutes ces familles ont un cardinal (nombre dlments) infrieur : n = dim(E).
Soit alors p le nombre maximum dlments dune telle famille et : B = (e1, , ep), une telle famille.
Alors B est une base de F.
En effet : Vect(B) F, puisque B est constitue dlments de F, lui-mme stable par combinaison
linaire.
Puis : x F, la famille (e1, , ep, x) est lie (puisqutant forme de plus de p lments de F).
Donc : (1, p, p+1) Kp+1, (1, p, p+1) (0,,0), 1.e1 + + p.ep + p+1.x = 0,
et p+1 nest pas nul, sinon tous les coefficients seraient nuls, du fait de la libert de la famille B.
On en dduit que : x Vect(B), et : F Vect(B).
Finalement, B est gnratrice de F et cest une base de F, qui est donc de dimension : p n = dim(E).
Thorme 3.6 : caractrisation du rang dune famille de vecteurs
Soit (E,+,.) un K-espace vectoriel et (xi)1ip une famille finie de vecteurs de E.
Alors le rang de la famille (xi)1ip est gal la dimension du sous-espace vectoriel de E engendr par
cette famille.
Soit donc : rg(x1, , xp) = dim(Vect(x1, , xp)).
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

-9-

Dmonstration :
Le rang de la famille est le nombre dlments de la plus grande sous-famille libre extraite de (x1, , xp).
Notons k ce nombre et supposons (pour simplifier que (x1, , xk)) est la famille libre en question.
Alors : k+1 i p, la famille (x1, , xk, xi) est lie, et :
(1, , k, i) Kk+1, (1, , k, i) (0, , 0), 1.x1 + + k.xk + i.xi = 0
Mais i ne peut tre nul, sinon la libert de (x1, , xk) entranerait la nullit de tous les coefficients.
On en dduit que xi est combinaison linaire de la famille (x1, , xk).
On constate ensuite que : Vect(x1, , xk) Vect(x1, , xp),
et ce quon vient dtablir montre que toute combinaison linaire de (x1, xp) peut se rcrire en une
combinaison linaire de (x1, , xk), ce qui nous donne : Vect(x1, , xp) Vect(x1, , xk), do lgalit.
La famille (x1, , xk) tant libre et gnratrice de Vect(x1, , xp), elle en constitue une base et :
dim(Vect(x1, , xp)) = k = rg(x1, , xp).
Thorme 3.7 : galit de sous-espaces vectoriels dans un espace vectoriel de dimension finie
Soit (E,+,.) un K-espace vectoriel.
Soient F et G des sous-espaces vectoriels de dimension finie de E.
Alors : (F = G) (F G, et : dim(F) = dim(G)).
En particulier, si E est lui-mme de dimension finie, pour tout sous-espace vectoriel F de E, on a :
(E = F) (dim(F) = dim(E)).
Dmonstration :
Si : F = G, il est immdiat que : F G, et : dim(F) = dim(G).
Si rciproquement, F G, et : dim(F) = dim(G), soit : B = (e1, , ep), une base de F.
Alors : F = Vect(e1, , ep).
Mais B est aussi une famille dlments de G, libre, et comportant : p = dim(G), lments. Donc cest
une base de G et : G = Vect(e1, , ep) = F.
La deuxime quivalence vient du fait quon a toujours : F E.
4. Applications linaires (Sup).
Dfinition 4.1 : application linaire entre K-espaces vectoriels, L(E,F)
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels.
On dit que u est une application de E dans F est linaire si et seulement si :
(x,y) E2, (,) K2, u(.x + .y) = .u(x) + .u(y).
Lensemble des applications linaires de E dans F est not L(E,F), et on note : L(E,E) = L(E).
Thorme 4.1 : structure de K-espace vectoriel de L(E,F)
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels.
L(E,F) peut tre muni dune structure de K-espace vectoriel et L(E) dune structure de K-algbre.
Dmonstration :
Comme au dbut du chapitre, on prcise les lois utilises et la dmonstration du fait que lon a bien un
K-espace vectoriel ou une K-algbre, se prouve sans difficult particulire.
Pour cela, donc : (u,v) L(E,F), (,) K2,
(u+v) est lapplication linaire de E dans F dfinie par : x E, (u+v)(x) = u(x) + v(x),
(.u) est lapplication linaire de E dans F dfinie par : x E, (.u)(x) = .u(x),
et pour L(E), la deuxime application interne qui en fait une K-algbre est dfinie par :
(u,v) L(E)2, x E, (uov)(x) = u(v(x)),
llment unit tant lapplication identit (qui est bien linaire) de E dans E.
Cette algbre est en gnral non commutative.
Dfinition 4.2 : le groupe linaire dun espace vectoriel
Soit (E,+,.) un K-espace vectoriel.
Lensemble des automorphismes de E forme un groupe pour la composition des applications, appel
groupe linaire de E et not Gl(E).
Dfinition 4.3 : morphisme, endomorphisme, isomorphisme, automorphisme
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 10 -

Une application linaire de E dans F est appele morphisme ou homomorphisme de E dans F.

Un endomorphisme de E est une application linaire de E dans lui-mme.
Un isomorphisme de E dans F est une application linaire bijective de E dans F.
Un automorphisme de E est une application linaire bijective de E dans lui-mme.
Dfinition 4.4 : image et noyau dune application linaire
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels, et : u L(E,F).
On appelle image de u et noyau de u les ensembles :
Im(u) = {y F, x E, y = u(x)},
ker(u) = {x E, u(x) = 0}.
Thorme 4.2 : image et noyau dun morphisme sont des sous-espaces vectoriels
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels, et : u L(E,F).
Alors Im(u) est un sous-espace vectoriel de F et ker(u) un sous-espace vectoriel de E.
Dmonstration :
Im(u) est inclus dans F, il est non vide, car : 0 = u(0) Im(u).
Enfin : (y,y) (Im(u))2, (,) K2, (x,x) E2, y = u(x), y = u(x), et :
.y + .y = .u(x) + .u(x) = u(.x + .x) Im(u).
ker(u) est inclus dans E, il est non vide, car : u(0) = 0, et : 0 ker(u).
Enfin : (x,x) (ker(u))2, (,) K2, u(.x + .x) = .u(x) + .u(x) = 0, et : [.x + .x] ker(u).
Thorme 4.3 : caractrisation de linjectivit et de la surjectivit
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels et : u L(E,F).
Alors :
(u injective) (ker(u) = {0}).
(u surjective) (Im(u) = F).
Dmonstration :
Supposons u linaire et injective. Alors 0 a un seul antcdent par u qui est 0, et : ker(u) = {0}.
Si maintenant : ker(u) = {0}, alors :
(x,x) E2, (u(x) = u(x)) (u( x x) = 0) (x x ker(u)) (x x = 0, et : x = x) : u est injective.
Soit : u L(E,F).
Alors : u surjective, si et seulement si : ( y F, x E, y = u(x)), ou encore : ( y F, y Im(u)).
Donc cest bien quivalent : F Im(u).
Thorme 4.4 : caractrisation dune application linaire par son action sur une somme directe
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels.
n

Soient E1, , En, des sous-espaces vectoriels de E tels que : E = E i , et (ui)1in une famille telle que :
i =1

1 i n, ui L(Ei,F).
Alors il existe une unique application linaire : u L(E,F), telle que : 1 i n, u i = u

Ei

Dmonstration :
Supposons que u existe.
Alors, pour tout vecteur x se dcomposant en : x = x1 + xn, suivant la somme directe, on a :
u(x) = u(x1) + u(xn) = u1(x1) + + un(xn).
Rciproquement, montrons que u dfinie par la formule prcdente convient.
Cest bien une application de E dans E, puisque pour un x donn, la dcomposition est unique et u(x)
aussi.
Pour : x Ei, x = 0 + + 0 + x + 0 + + 0, sa dcomposition suivant la somme directe, alors :
u(x) = u1(0) + + ui-1(0) + ui(x) + ui+1(0) + + un(0) = ui(0),
et la restriction de u Ei est bien ui.
u est linaire, car :
x = x1 + + xn E, y = y1 + + yn E, (avec leur dcomposition), (,) K2,
(.x + .y) se dcompose en : (.x1 + .y1) + + (.xn + .yn), car cette dcomposition convient et elle
est unique, et : u(.x + .y) = u1(.x1 + .y1) + + un(.xn + .yn), par dfinition de u, do :
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 11 -

u(.x + .y) = .u1(x1) + .u1(y1) + + .un(xn) + .un(yn) = .u(x) + .u(y).

Thorme 4.5 : isomorphisme entre limage dun morphisme et un supplmentaire de son noyau
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels et : u L(E,F).
Soit E un supplmentaire de ker(u) dans E.
Alors u permet de dfinir un isomorphisme de E sur Im(u).
Dmonstration :
Soit u lapplication dfinie par : x E, u(x) = u(x) Im(u).
On a bien dfini une application linaire (cest immdiat) de E dans Im(u).
u est injective car :
x E, (x ker(u)) (u(x) = u(x) = 0) (x ker(u)). Donc : x (ker(u)E), et : x = 0.
u est surjective car :
y Im(u), x E, u(x) = y. Or x peut se dcomposer en : x = x + x0, avec : x E, x0 ker(u).
Donc : y = u(x) + u(x0) = u(x) = u(x), et : y Im(u).
Finalement : Im(u) Im(u), et lautre inclusion tant immdiate, u est bien surjective.
5. Applications linaires en dimension finie (Sup).
Thorme 5.1 : famille gnratrice de limage dun morphisme en dimension finie
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels, E de dimension finie et : u L(E,F).
Soit : B = (e1, , en), une famille gnratrice de E.
Alors (u(e1), , u(en)) est une famille gnratrice de Im(u).
En particulier, Im(u) est un sous-espace vectoriel de F de dimension finie, infrieure celle de E.
Dmonstration :
On a immdiatement :
x E, (x1, , xn) Kn, x = x1.e1 + + xn.en, et donc : u(x) = x1.u(e1) + + xn.u(en).
Donc : Im(u) Vect(u(e1), , u(en)).
Comme par ailleurs, il est clair que : 1 i n, u(ei) Im(u), comme sous-espace vectoriel de F donc
stable par combinaison linaire, on a aussi : Vect(u(e1), , u(en)) Im(u).
On en dduit bien lgalit et le fait que (u(e1), , u(en)) est bien gnratrice de Im(u).
Thorme 5.2 : caractrisation dune application linaire par les images des vecteurs dune base
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels, E de dimension finie n.
Soit : B = (e1, , en), une base de E, et (a1, , an) une famille de vecteurs de F.
Alors : ! u L(E,F), 1 i n, u(ei) = ai.
Autrement dit, une application linaire de E dans F est entirement dfinie par la donne des images
des vecteurs dune base de lespace de dpart E.
Dmonstration :
Pour tout vecteur x de E, on peut lcrire sous la forme : x = x1.e1 + + xn.en.
Dans ce cas, si une application u rpondant aux critres proposs existe, alors : u(x) = x1.a1 + + an.xn.
Donc si u existe, a ne peut tre que lapplication que lon vient de dcrire.
Rciproquement, soit u dfinie telle quau dessus.
Alors u est bien une application de E dans F, puisque la dcomposition dun vecteur x quelconque de E
tant unique, u(x) est dfini de faon unique et appartient bien F.
De plus, u est linaire.
En effet : (x,y) E2, (,) K2, x = x1.e1 + + xn.en, y = y1.e1 + + yn.en, et :
.x + .y = (.x1 + .y1).e1 + + (.xn + .yn).en, et par construction de u :
u(.x + .y) = (.x1 + .y1).a1 + + (.xn + .yn).an = .u(x) + .u(y).
Enfin, u rpond bien aux conditions :
1 i n, ei = 0.e1 + + 0.ei-1 + 1.ei + 0.ei+1 + + 0.en, et : u(ei) = 1.ai = ai.
Donc le u trouv convient et il est bien unique.
Dfinition 5.1 : rang dune application linaire en dimension finie
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels, E de dimension finie, et : u L(E,F).
On appelle rang de u la dimension de Im(u) : rg(u) = dim(Im(u)).

Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 12 -

Thorme 5.3 : du rang

Soient (E,+,.) et (F,+,.) des K-espaces vectoriels, E de dimension finie et : u L(E,F).
Alors : dim(Im(u)) + dim(ker(u)) = dim(E).
Dmonstration:
Puisque E est de dimension finie, Im(u) aussi.
Soit (a1, ..., ap) une base de Im(u), et (e1, ..., ep) une famille de vecteurs de E, antcdents des (ai).
Considrons galement une base (e1, ..., eq) de ker(u), et montrons que la runion (e1, ..., ep, e1, ..., eq)
forme une base de E.
Soit donc une combinaison linaire nulle de ces vecteurs : 1.e1 + + p.ep + 1.e1 + + q.eq = 0.
En prenant limage par u de cette combinaison linaire, cela donne : 1.a1 + + p.ap = 0,
mais comme la famille (a1, , ap) est libre, comme base de Im(u), on en dduit : 1 = = p = 0.
Puis : 1.e1 + + q.eq = 0, entrane galement : 1 = = q = 0, puisque la famille (e1, , eq),
comme base de ker(u), est libre.
Il est clair ensuite que : Vect(e1, ..., ep, e1, ..., eq) E.
Enfin, soit : x E.
Alors : u(x) Im(u), et : (1, , p) Kp, u(x) = 1.a1 + + p.ap = 1.u(e1) + + p.u(ep).
Donc : u(x 1.e1 p.ep) = 0, et : (1, , q) Kq, x 1.e1 p.ep = 1.e1 + + q.eq.
Finalement : x Vect(e1, ..., ep, e1, ..., eq), et la famille propose est bien gnratrice de E.
Cest bien une base de E, donc : dim(E) = p + q = dim(Im(u)) + dim(ker(u)).
Thorme 5.4 : caractrisation des isomorphismes entre espaces de dimension finie
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels de dimension finie, u L(E,F).
Il y a quivalence entre les propositions suivantes :
u est un isomorphisme de E sur F,
u est injective et : dim(E) = dim(F),
u est surjective et : dim(E) = dim(F).
En particulier, pour : u L(E), toujours avec E de dimension finie, on a les quivalences :
(u bijective) (u injective) (u surjective).
Dmonstration :
Cest une consquence presque immdiate du thorme du rang.
Si u est un isomorphisme de E sur F, alors u est injective et surjective, donc : Im(u) = F, ker(u) = {0}.
Donc : dim(E) = dim(Im(u)) + dim(ker(u)) = dim(F) + 0 = dim(F).
Rciproquement, si u est injective, avec : dim(E) = dim(F), alors : ker(u) = {0}, et :
dim(Im(u)) = dim(E) dim(ker(u)) = dim(F).
Or on a de plus : Im(u) F, donc : Im(u) = F, et u est surjective, donc constitue bien un isomorphisme de
E sur F.
De mme si u est surjective, avec : dim(E) = dim(F), alors : dim(ker(u)) = dim(E) dim(F) = 0.
Donc u est injective et constitue bien nouveau un isomorphisme de E sur F.
Le cas dapplications de E dans E, espace vectoriel de dimension finie, est un cas particulier.
Thorme 5.5 : conservation du rang par isomorphisme
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels de dimension finie, u un isomorphisme de E sur F.
Soit (x1, ,xn) une famille de vecteurs de E.
Alors : rg(x1, ,xn) = rg(u(x1), , u(xn)).
Dmonstration :
Soit : E = Vect(x1, , xn).
Alors : rg(x1, , xn) = dim(E).= p, et on peut considrer une base (e1, , ep) de E.
Montrons que (u(e1), , u(ep)) est une base de Vect(u(x1), , u(xn)).
On a : y Vect(u(e1), , u(ep)), (1, , p) Kp, y = 1.u(e1) + + p.u(ep) = u(1.e1 + + p.ep).
Or : (1.e1 + + p.ep) E, donc est combinaison linaire des (xi)1in, et son image est combinaison
linaire des (u(xi))1in. A ce titre, y appartient Vect(u(x1), , u(xn)).
Soit maintenant : y Vect(u(x1), , u(xn)).
Alors : (1, , n) Kn = 1.u(x1) + + n.u(xn) = u(1.x1 + + n.xn), et : (1.x1 + + n.xn) E.
Donc (1.x1 + + n.xn) est combinaison linaire des (ei)1ip et son image est dans Vect(u(e1), , u(ep)).
Finalement : Vect(u(x1), , u(xn)) = Vect(u(e1), , u(ep)).
La famille (u(e1), , u(ep)) est par ailleurs libre, puisque u est injective.
En effet, si on a : 1.u(e1) + + p.u(ep) = 0, alors : u(1.e1 + + p.ep) = 0, et : (1.e1 + + p.ep) = 0.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 13 -

Mais la famille (ei)1ip tant libre, tous les coefficients sont nuls.
Finalement, (u(e1), , u(ep)) est une base de Vect(u(x1), , u(xn)), et : dim(Vect(u(x1), , u(xn))) = p.
On a bien : rg(x1, ,xn) = rg(u(x1), , u(xn)).
Thorme 5.6 : dimension de L(E,F)
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels de dimension finie.
Alors L(E,F) est de dimension finie et : dim(L(E,F)) = dim(E).dim(F).
En particulier, toujours si E est de dimension finie, L(E) a pour dimension (dim(E))2.
Dmonstration :
Considrons une base : B = (e1, , en), de E et une base : B = (e1, , ep), de F.
Puis, soit la famille U des applications linaires (ui,j)1in,1jp dfinies par limage des vecteurs de B :
1 i n, 1 j p, 1 k n, ui,j(ek) = i,k.ej,
o i,k est le symbole de Kronnecker, valant 1 si : i = k, 0 sinon.
La famille U est une base de L(E,F).
Elle est libre.
En effet, si :

i, j .u i, j = 0 , alors : 1 k n,

1i n ,1 j p

i, j.u i, j (e k ) = 0 = k , j.e' j .

1i n ,1 j p

j=1

Comme la famille (e1, , ep) est libre, on en dduit que : 1 k n, 1 j p, k,j = 0.

Elle est gnratrice de L(E,F).
On a videmment : Vect(U) L(E,F), car ce sont bien des applications linaires de E dans F, et
L(E,F) est stable par combinaison linaire.
p

Puis : u L(E,F), 1 k n, u(ek) =

a
j=1

k,j

.e' j =

i, j
1i n ,1 j p

.u i , j (e k ) = a i , j .u i , j (e k ) .
1in ,1 j p

.u i , j sont deux applications linaires de E dans F qui associent aux vecteurs de la

base B les mmes images : elles sont donc gales, soit : u = a i , j .u i , j .

1i n ,1 j p

Donc u et

i, j
1i n ,1 j p

On vient donc de montrer que : L(E,F) Vect(U), et finalement : L(E,F) = Vect(U).

Puisque L(E,F) admet une famille gnratrice finie, cest un K-espace vectoriel de dimension finie, et
sa dimension vaut le nombre de vecteurs dans la famille U, soit : dim(L(E,F)) = n.p = dim(E).dim(F).
6. Matrices (Sup).
Dfinition 6.1 et thorme 6.1 : les espaces vectoriels de matrices
Lensemble Mn,p(K) des matrices n lignes et p colonnes coefficients dans K peut tre muni dune
structure de K-espace vectoriel de dimension n.p.
Dmonstration :
Les lois qui font de ces ensembles des K-espaces vectoriels ont t reprcises au dbut.
La structure de K-espace vectoriel sobtient alors sans difficult.
Pour la dimension de Mn,p(K), on utilise la famille (Ei,j)1in,1jp, dfinie par :
1 i n, 1 j p, 1 u n, 1 v p, Ei,ju,v = i,u.j,v,
autrement dit, la matrice Ei,j est constitue de 0, sauf le terme dindices i et j ( lintersection de la ime
ligne et de la jme colonne) qui seul vaut 1.
Cette famille est gnratrice de Mn,p(K), puisque :
A Mn,p(K), A =

a
i =1 j=1

i, j

.E i, j et : Mn,p(K) Vect((Ei,j)1in,1jp), puis : Mn,p(K) = Vect((Ei,j)1in,1jp).

n

Dautre part, la famille est libre, puisque si :

a
i =1 j=1

i, j

.E i , j = 0 , alors tous les coefficients (ai,j) sont nuls.

Cette famille est appele base canonique de Mn,p(K).

Donc Mn,p(K) est de dimension n.p.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 14 -

Dfinition 6.2 : produit de matrices

Pour : A Mn,p(K), B Mp,q(K), on dfinit la matrice produit : C Mn,q(K), de A par B, par :
p

1 i n, 1 j q, ci,j =

a
k =1

i ,k

.b k , j .

Thorme 6.2 : structure de groupe et dalgbre pour Mn(K)

Lensemble Mn(K) des matrices carres n lignes et n colonnes coefficients dans K peut tre muni
dune structure de K-algbre de dimension n2.
Lensemble des matrices carres inversibles de Mn(K) est un groupe pour la multiplication des matrices
not Gln(K), et appel groupe linaire dordre n.
Dmonstration :
L encore, on prcise la deuxime loi interne, multiplicative, comme on la fait dans le premier thorme
du chapitre, pour obtenir :
(A,B) (Mn(K))2, A.B = C, o : 1 i, j n, ci,j =

a
k =1

i ,k

.b k , j ,

et les proprits attendues se dmontrent sans problme. Lalgbre Mn(K) est associative, unitaire,
dlment unit la matrice In, et non commutative pour : n 2.
Dfinition 6.3 : matrice transpose dune matrice
Soit : A Mn,p(K).
On appelle transpose de A la matrice note : A = tA appartenant Mp,n(K), dfinie par :
1 i p, 1 j n, ai,j = aj,i,
et on a : A Mn,p(K), t(tA)) = A.
Dfinition 6.4 : matrice symtrique, antisymtrique
On dit quune matrice A de Mn(K) est :
symtrique si et seulement si : tA = A,
antisymtrique si et seulement si : tA = A.
Lensemble des matrices symtriques nn est not Sn(K) et celui des matrices antisymtriques An(K).
Thorme 6.3 : dimension et supplmentarit de Sn(K) et An(K)
La transposition est une application linaire de Mn,p(K) dans Mp,n(K).
Les ensembles Sn(K) et An(K) forment des sous-espaces vectoriels supplmentaires dans Mn(K) de
dimensions respectives

n.(n + 1)
n.(n 1)
et
.
2
2

Dmonstration :
Il est clair que : (A,B) (Mn,p(K))2, (,) K2, C = .A + .B, on a :
t
C = C, avec : 1 i p, 1 j n, ci,j = cj,i = .aj,i + .bj,i, et : tC = .tA + .tB.
Pour la supplmentarit, on peut travailler par analyse-synthse.
En effet, soit M une matrice de Mn(K).
Alors si on peut trouver : S Sn(K), et : A An(K), telles que : M = S + A, alors :
t

M = S A, et : S =

1
1
.(M + t M ) , et : A = .(M t M ) .
2
2

Rciproquement, lunique couple (S,A) trouv convient puisque :

t

S=

1 t
1
.( M + M ) = S, tA = .( t M M ) = A, et : S + A = M.
2
2

Donc pour toute matrice M de Mn(K), il existe un unique couple appartenant Sn(K)An(K), dont la
somme est gale M : les deux espaces sont bien supplmentaires dans Mn(K).
Pour leur dimension, on propose une base en disant, par exemple pour Sn(K), que :
S Sn(K), 1 i, j n, si,j = sj,i, et en reprenant la base canonique de Mn(K), on obtient :
n 1

S=

s
i =1

i ,i

.E i ,i + s i , j .(E i, j + E j,i ) .
i =1 j= i +1

Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 15 -

On obtient ainsi une famille gnratrice de Sn(K), dont on montre sans difficult quelle est libre.
Cest donc une base de Sn(K), qui comporte : n +

(n 1).n n.(n + 1)
=
, lments.
2
2

De mme, on montre que la famille ((Ei,j Ej,i))1in-1,i+1jn, constitue une base de A(K), qui est donc de
dimension :

(n 1).n
n.(n + 1)
(ou de dimension : n2
).
2
2

Dfinition 6.5 : matrice dfinie par blocs

On peut dfinir une matrice : M Mp+s,a+r(K), par blocs de la faon suivante :

A C
, o : A Mp,q(K), C Mp,r(K), B Ms,q(K), D Ms,r(K).
M =
B D
Dfinition 6.6 : matrices triangulaires ou diagonales par blocs
Une matrice : M Mp+s,a+r(K), crite par blocs sous la forme :

A C
, o : A Mp,q(K), C Mp,r(K), B Ms,q(K), D Ms,r(K),
M =
B D
est dite triangulaire par blocs si et seulement si on a : B = 0, et diagonale par blocs si : B = 0, et : C = 0.
Thorme 6.4 : somme et produit de matrices par blocs
Pour M et M des matrices de Mp+s,q+r(K), crites par blocs sous la forme :

A C
A ' C'
, M ' =
,
M =
B D
B' D'
o : (A,A) (Mp,q(K))2, (C,C) (Mp,r(K))2, (B,B) (Ms,q(K))2, (D,D) (Ms,r(K))2,

A + A ' C + C'
.
B + B' D + D'

on a : M + M =

De mme, pour M et M crites par blocs ayant des types compatibles, on a :

A.A'+ C.B' A.C'+ C.D'

.
B.A'+ D.B' B.C'+ D.D'

M.M =

Dmonstration :
Il suffit de constater que dans les sommes ou les produits proposs, les coefficients obtenus par les
deux formules concident.
7. Matrice des coordonnes dun vecteur dans une base, matrice de changement de base (Sup).
Dfinition 7.1 : matrice des coordonnes dun vecteur dans une base
Soit (E,+,.) un K-espace vectoriel de dimension finie n, muni dune base : B = (e1, , en).
n

Un vecteur x de E admet une unique dcomposition selon la base B de E de la forme : x =

x .e
i =1

x1

On dfinit la matrice colonne : X Mn,1(K), des coordonnes de x dans B, en posant : X = M .
x
n
Dfinition 7.2 : matrice de changement de base (matrice de passage)
Soit (E,+,.) un K-espace vectoriel de dimension finie n, muni de deux bases : B = (ei), et : B = (ei).
On a donc : 1 j n, ej =

p
i =1

i, j

.e i .

On appelle matrice de passage de B B la matrice : P Mn(K), ainsi obtenue.

La matrice P est donc construite en crivant en colonnes les coordonnes des vecteurs de B exprims
dans la base B.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 16 -

Thorme 7.1 : lien entre les coordonnes dun mme vecteur dans diffrentes bases
Soit (E,+,.) un K-espace vectoriel de dimension finie n, muni de deux bases : B = (ei), et : B = (ei), et
soit P la matrice de passage de B B.
Soit x un vecteur de E, X et X les matrices colonnes de ses coordonnes dans les bases B et B.
Alors : X = P.X.
Dmonstration :
Il suffit dexprimer les diffrentes critures dun vecteur donn :

x E, x = x i .e i = x ' j .e' j = x ' j . p i , j .e i = p i , j .x ' j .e i , et donc :

i =1
j=1
j=1
i =1
i =1 j=1

1 i n, xi =

p
j=1

i, j

.x ' j , ce qui globalement, scrit bien : X = P.X.

8. Matrice reprsentative dune application linaire dans des bases (Sup).

Dfinition 8.1 : matrice reprsentative dune application linaire dans des bases
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels de dimension finie p et n, munis de bases B et C.
Soit : u L(E,F).
Pour tout : 1 j p, et tout vecteur ej de B, on note : u(ej) =

a
i =1

i, j

.f i .

La matrice A ainsi obtenue est la matrice reprsentative de u dans les bases B et C.

Elle est donc construite en crivant en colonnes les coordonnes des images des vecteurs de la base
B exprimes dans la base C.
On la note parfois : A = mat(u,B,C).
Thorme 8.1 : isomorphisme entre Mn,p(K) et L(E,F)
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels de dimension finie p et n, munis de bases B et C.
Alors : (u,v) L(E,F)2, (,) K2, mat(.u+.v, B,C) = .mat(u,B,C) + .mat(v,B,C).
Lapplication de L(E,F) dans Mn,p(K) qui une application linaire u de E dans F, fait correspondre
mat(u,B,C), est un isomorphisme despaces vectoriels.
Dmonstration :
Soient u et v des lments de L(E,F), et des scalaires.
Notons : B = (b1, , bp), C = (c1, , cn), et : U = mat(u,B,C), V = mat(v,B,C).
Alors : 1 j p, (.u + .v)(bj) = .u(bj) + .v(bj) = .

i =1

i =1

u i, j .c i + . v i, j .c i =

(.u
i =1

i, j

+ .v i , j ).c i .

Il est alors clair, en crivant les matrices, que : mat(.u+.v,B,C) = .U + .V, ce que lon voulait.
Les espaces de dpart et darrive tant de mme dimension gale n.p, il suffit maintenant de
dmontrer que lapplication considre est injective.
Or si la matrice reprsentative de u dans les bases B et C est nulle, cest que tout vecteur de B a pour
image le vecteur nulle. Mais comme lapplication nulle a cette proprit, et quil ny a quune seule
application linaire de E dans F lavoir, cest que : u = 0.
Thorme 8.2 : traduction matricielle du lien entre un vecteur et son image par un morphisme
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels de dimension finie p et n, munis de bases B et C.
Soit : u L(E,F), de matrice reprsentative A dans les bases B et C.
Pour un vecteur x de E, on note X la matrice colonne de ses coordonnes dans la base B, et Y la
matrice colonne des coordonnes de son image : y = u(x), dans la base C.
Alors : Y = A.X.
Dmonstration :
Soit : B = (b1, , bp), et : C = (c1, , cn).
p

Alors : x E, x =

x j .b j , et : y = u(x) =
j=1

p
p
n
n
n

y
.
c
=
x
.
u
(
b
)
=
x
.
a
.
c
=
a i, j .x j .c i ,

i i
j
j
j i, j i
i =1
j=1
j=1
i =1
i =1 i =1

Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 17 -

ce qui correspond bien : Y = A.X.

Dfinition 8.2 : application linaire ou endomorphisme canoniquement associ une matrice
Soit : (n,p) *2, et : A Mn,p(K).
Lapplication linaire u de Kp dans Kn, telle que : mat(u,Bp,Bn) = A, o Bp et Bn dsignent les bases
canoniques respectives de Kp et Kn, est appele application linaire canoniquement associe A.
Dans le cas o : n = p, u est lendomorphisme canoniquement associ A.
Thorme 8.3 : matrice dune compose
Soient (E,+,.), (F,+,.), (G,+,.) des K-espaces vectoriels de dimension finie, munis de bases B, C et D.
Alors : (u,v) L(E,F)L(F,G), mat(vou,B,D) = mat(v,C,D).mat(u,B,C).
Dmonstration :
Notons : B = (b1, .., bq), C = (c1, , cp), et : D = (d1, , dn),
puis : U = mat(u,B,C), V = mat(v,C,D), et : W = mat(vou,B,D).
Alors : 1 k q,
p
n
n p
p
p

v i , j .u j,k .d i .
v(u(b
))
=
v
u
.
c
=
u
.
v
(
c
)
=
u
.
v
.
d
=
w
.
d
k

i,k
i
j
,
k
j
j
,
k
j
j
,
k
i
,
j
i

j=1
i =1
i =1 j=1
i =1
j=1
j=1

vou(bk) =

Donc : 1 i n, 1 k q, wi,k =

v
j=1

i, j

.u j,k , ce qui correspond bien au produit matriciel annonc.

Thorme 8.4 : liens entre les matrices de passage pour trois bases de lespace
Soit (E,+,.) un K-espace vectoriel de dimension finie n, muni de trois bases : B = (ei) 1in, B = (ei) 1in,
et : B = (ei)1in.
Alors la matrice de passage P de B B vrifie : PB,B = mat(idE,B,B).
De plus : PB,B = PB,B.PB.B.
Par ailleurs, les matrices P et P de passage de B B et de B B sont inverses lune de lautre.
Enfin, la relation : PB,B = PB,B.PB.B, peut se retrouver en utilisant le lien existant entre les
coordonnes dun mme vecteur de E dans les trois bases B, B et B.
Dmonstration :
Puisque : 1 j n, ej =

p
i =1

i, j

.e i = idE(ej), il est immdiat que : PB,B = mat(idE,B,B).

Puis : PB,B.PB.B = mat(idE, B,B).mat(idE,B,B) = mat(idE,B,B) = PB,B .

Par ailleurs, puisque : PB,B = mat(idE, B,B) = In, dune part, et dautre part : PB,B.PB,B = PB,B = In,
les matrices PB,B et PB,B sont bien inverses lune de lautre.
Enfin, si on note plus simplement : P = PB,B, P = PB.B, P = PB.B, X, X et X les matrices colonnes
de coordonnes dun vecteur x de E dans les bases B, B et B, alors :
X = P.X, X = P.X, do : X = P.P.X, et dautre part : X = P.X, soit finalement : P = P.P.
Thorme 8.5 : lien entre les matrices dun mme endomorphisme dans diffrentes bases
Soient (E,+,.) et (F,+,.) des K-espaces vectoriels de dimension finie p et n.
Soient B et B deux bases de E, C et C deux bases de F, P et Q les matrices de passages A de B
B dune part, et de C et C dautre part.
Soit : u L(E,F), avec : A = mat(u,B,C), A = mat(u,B,C).
Alors : A = Q-1.A.P.
En particulier, si : E = F, B = C, B = C, et : u L(E), on a : P = Q, et : A = P-1.A.P.
Dmonstration :
Il suffit dcrire : Q-1.A.P = mat(idE,C,C).mat(u,B,C).mat(idE,B,B) = mat(u,B,C) = A.
9. Somme de sous-espaces vectoriels, sommes directes, sous-espaces vectoriels supplmentaires.
Thorme 9.1 et dfinition 9.1 : somme de sous-espaces vectoriels
Soit (E,+,.) un K-espace vectoriel, (Ei)1in des sous-espaces vectoriels de E.
Lensemble des vecteurs de E, scrivant comme sommes de vecteurs des diffrents sous-espaces Ei,
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 18 -

soit donc :
E1 + + En = {x E, (x1, x2, , xn) E1E2En, x = x1 + x2 + + xn},
est un sous-espace vectoriel de E, appel somme des sous-espaces vectoriels E1, , En.
Dmonstration :
Il est clair que E1 + + En est inclus dans E, puisque constitu de vecteurs, sommes de vecteurs de E
qui est lui-mme stable par combinaison linaire.
De plus E1 + + En est non vide, puisque chaque Ei est non vide (ils contiennent tous le vecteur nul) et
donc : 0 + + 0 = 0, est encore lment de E.
Enfin : (x,y) (E1 + + En)2, (,) K2, ((x1, , xn), (y1, , yn)) (E1E2En)2, et :
.x + .y = (1.x1 +1.y1) + + (n.xn + n.yn) E1E2En, puisque ce sont des sous-espaces
vectoriels de E.
Thorme 9.2 : autre dfinition dune somme de sous-espaces vectoriels
Soit (E,+,.) un K-espace vectoriel, (Ei)1in des sous-espaces vectoriels de E.
Alors : E1 + + En = Vect(E1 En).
Cest donc en particulier le plus petit sous-espace vectoriel de E contenant tous les sous-espaces
vectoriels E1, , En.
Dmonstration :
Tout lment de E1 + + En est somme dlments des diffrents Ei, donc comme combinaison
linaire dlments de E1 En, cest un lment de Vect(E1 En).
Un lment de Vect(E1 En) est une combinaison linaire de vecteurs de E1, , En.
En regroupant dans cette combinaison linaire (impliquant un nombre fini de vecteurs) ceux qui
appartiennent E1, E2, et chaque Ei, on fait apparatre une somme de vecteurs, chacun appartenant
lun des Ei et ce titre, on obtient bien un lment de E1 + + En.
A ce titre, cest le plus petit sous-espace vectoriel de E contenant E1En, donc tous les Ei.
Dfinition 9.2 : somme directe de deux ou de plusieurs sous-espaces vectoriels
Soit (E,+,.) un K-espace vectoriel, F et G des sous-espaces vectoriels de E.
On dit que la somme (F + G) est directe, si et seulement si on a : F G = {0}.
Lorsque la somme de F et de G est directe, elle est note : F G.
Plus gnralement, soient E1, E2, ,En, des sous-espaces vectoriels de E.
On dit que la somme (E1 + + En) est directe si et seulement si lintersection de chaque Ei avec la
somme de tous les autres est rduite {0}, soit :
1 i n, Ei (E1 + + Ei-1 + Ei+1 + + En) = {0}.
Dans ce cas, nouveau, la somme de ces sous-espaces vectoriels se note : E1 En.
Dfinition 9.3 : sous-espaces supplmentaires
Soit (E,+,.) un K-espace vectoriel, F et G des sous-espaces vectoriels de E.
On dit que F et G sont supplmentaires dans E si et seulement si on a : E = F G.
Thorme 9.3 : existence dun supplmentaire en dimension finie
Soit (E,+,.) un K-espace vectoriel de dimension finie, F un sous-espace vectoriel de E.
Alors il existe un sous-espace vectoriel G de E, tel que : E = F G.
On dit alors que G est un sous-espace vectoriel de E supplmentaire de F dans E.
On a de plus, pour tout supplmentaire G de F dans E : dim(G) = dim(E) dim(F).
Dmonstration :
F tant lui-mme de dimension finie, il admet une base (e1, , ep) qui peut tre complte en une base
de E : B = (e1, , en).
Posons : G = Vect(ep+1, , en).
Alors : FG = {0}.
En effet : x FG,
x F, et : (x1, xp) Kp, x = x1.e1 + + xp.ep,
x G, et : (xp+1, , xn) Kn-p, x = xp+1.ep+1 + + xn.en,
et donc : x1.e1 + + xp.ep xp+1.ep+1 xn.en = 0.
Or puisque la famille B est une base de E, elle est libre et tous les coefficients sont nuls, do : x = 0.
Puis : F + G = E.
En effet : x E, (x1, xn) Kn, x = (x1.e1 + + xp.ep) + (xp+1.ep+1 + + xn.en), puisque B est
Chapitre 04 Espaces vectoriels (et affines) Cours complet.
- 19 -

gnratrice de E et le vecteur x se dcompose suivant F+G.

Donc : E F+G, et comme linclusion inverse est vidente, on a bien : E = F+G.
Enfin, si G est un supplmentaire quelconque de F, on a :
dim(G) = dim(E) + dim(FG) dim(F) = dim(E) dim(F).
Thorme 9.4 : des quatre dimensions ou formule de Grassmann
Soit (E,+,.) un K-espace vectoriel, F et G des sous-espaces vectoriels de dimension finie de E.
Alors (F + G) est de dimension finie ainsi que FG, et :
dim(F + G) + dim(FG) = dim(F) + dim(G).
Dmonstration :
Puisque F et G sont de dimension finie, ils admettent tous deux une famille gnratrice finie, et la
runion de ces deux familles fournit une famille gnratrice finie de F+G qui est donc de dimension finie.
Puis (FG) tant inclus dans un espace de dimension finie (F+G), il est lui-mme de dimension finie.
Soit (e1, ,ek) une base de (FG).
Comme (FG) est un sous-espace vectoriel de F et de G, on peut considrer un supplmentaire F de
(FG) dans F et une (ak+1, , ap) de ce supplmentaire dune part, et un supplmentaire G de (FG)
dans G, ainsi quune base (bk+1, , bq) de cet autre supplmentaire dautre part.
Montrons que (e1, , ek, ak+1, , ap, bk+1, ..., bq) est une base de F+G.
Cest une famille gnratrice de F+G, puisque ce sont tous bien des vecteurs de F+G et :
u (F+G), (x,y) FG, u = x+y, et : (1, p) Kp, (1, , q) Kq, tels que :
x = 1.e1 + + k.ek + k+1.ak+1 + + p.ap, puisque : F = (FG) F, et :
y = 1.e1 + + K.ek + k+1.bk+1 + + q.bq, puisque l aussi : G = (FG) G, do :
u = (1 + 1).e1 + + (k + k) .ek + k+1.ak+1 + + p.ap + k+1.bk+1 + + q.bq.
Cest une famille libre.
Soit en effet : 1.e1 + + k.ek + k+1.ak+1 + + p.ap + k+1.bk+1 + + q.bq = 0.
Alors : (1.e1 + + k.ek + k+1.ak+1 + + p.ap) = (k+1.bk+1 + + q.bq) (FG).
Donc ce vecteur appartient G car : (FG) G, et (FG) car : (FG) (FG).
Donc il est nul, et la famille (bk+1, , bq) tant libre, tous les coefficients correspondant sont nuls.
Puis : 1.e1 + + k.ek = (k+1.ak+1 + + p.ap), et l encore comme F et F sont supplmentaires, le
vecteur apparaissant dans cette galit est nul, et tous les coefficients sont nuls.
Cest donc une base de (F+G) et :
dim(F+G) = k + (p k) + (q k) = p + q k = dim(F) + dim(G) dim(FG).
Dfinition 9.4 : dcomposition dun espace vectoriel en somme directe
Soit (E,+,.) un K-espace vectoriel, E1, , En, des sous-espaces vectoriels de E.
On dit que E se dcompose en somme directe suivant les sous-espaces vectoriels E1, , En si et
seulement si : E = E1 En.
Thorme 9.5 : proprit rcursive des sommes directes
Soit (E,+,.) un K-espace vectoriel, E1, , En, des sous-espaces vectoriels de E.
Si la somme (E1 + + En) des n sous-espaces vectoriels est directe, alors la somme de (n 1)
quelconques parmi eux lest encore, et la somme dune sous-famille quelconque de parmi les n aussi.
Dmonstration :
Montrons que la somme (E1 + + En-1) est encore directe, et pour cela tudions : (E2 + En-1) E1.
Soit donc un lment : x E1, et : x (E2 + + En-1).
Alors : x = x1 E1, et : (x2, xn-1) E2En-1, x = x2 + + xn-1,
do : x = x2 + + xn-1 + 0 (E2 + + En), et : x E1 (E2 + + En), donc : x = 0.
On peut gnraliser ce rsultat lintersection dun quelconque des (n 1) avec la somme des (n 2)
autres, puis (n 1) quelconques parmi les n de dpart.
Enfin, par rcurrence descendante, toute sous-famille dune famille de sous-espaces vectoriels en
somme directe, est encore en somme directe.
Thorme 9.6 : dfinition quivalente dune dcomposition en somme directe
Soit (E,+,.) un K-espace vectoriel, E1, , En, des sous-espaces vectoriels de E.
Alors E se dcompose en somme directe suivant les sous-espaces vectoriels E1, , En si et seulement
si tout vecteur de E se dcompose de faon unique comme somme de vecteurs de E1, , En.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 20 -

Dmonstration :
Supposons que : E = E1 En.
Alors E tant la somme des sous-espaces vectoriels Ei, tout vecteur de E se dcompose suivant cette
somme, comme somme de vecteurs de E1, , En.
Supposons maintenant pour un vecteur x de E, deux telles dcompositions.
Alors : x = x1 + + xn = y1 + + yn, avec : (x1, , xn) E1En, (y1, , yn) E1En.
Donc : (x1 y1) + + (xn-1 yn-1) = yn xn En (E1 + + En-1), et donc est nul, et : xn = yn.
On termine par rcurrence descendante pour obtenir : xn = yn, xn-1 = yn-1, , x1 = y1, et la dcomposition
est unique.
Supposons maintenant que tout vecteur de E se dcompose de faon unique comme somme de
vecteurs de E1, , En.
On sait dj que : E = E1 + + En.
Montrons maintenant que la somme est directe, et pour cela, soit : x E1 (E2 + + En), par exemple.
Alors : x = x1 = x2 + + xn, avec : (x1, , xn) E1En, et : 0 = 0 + + 0 = x1 x2 xn.
Cela fournit deux dcompositions du vecteur nul suivant E1 + + En et : 0 = x1 = = xn, puis : x = 0.
La somme est bien directe.
Thorme 9.7 : caractrisation dune dcomposition en somme directe
Soit (E,+,.) un K-espace vectoriel de dimension finie, E1, , En, des sous-espaces vectoriels de E.
Alors les proprits suivantes sont quivalentes :
E = E1 En,
dim(E1 + + En) = dim(E1) + + dim(En), et : E = E1 + + En,
on obtient une base de E en runissant des bases choisies dans chaque Ei.
Dmonstration :
Montrons que : i) ii).
Si : E = E1 En, alors :
E = E1 + + En, et : dim (E1 + + En) = dim(E1 + + En-1) + dim(En) dim((E1 + + En-1) En).
Comme la dernire intersection est rduite {0}, sa dimension est nulle.
On continue ensuite par rcurrence descendante pour obtenir le rsultat voulu.
Montrons : ii) iii).
Soient B1, , Bn des bases des diffrents Ei, et : B = B1 Bn.
Puisque chaque base Bi est gnratrice de Ei, B est gnratrice de E, et : card(B) dim(E).
Comme de plus le nombre dlments de B est :
card(B) card(B1) + + card(Bn) = dim(E1) + + dim(En) = dim(E), on a : card(B) = dim(E).
Donc B est bien une base de E.
Montrons que : iii) i).
Soient donc B une base de E obtenue comme runion de base Bi des diffrents Ei.
B tant gnratrice de E, on en dduit que tout vecteur de E scrit comme combinaison linaire des
vecteurs de B, donc des Bi, donc, en regroupant les diffrents vecteurs appartenant chaque Ei,
comme somme de vecteurs des diffrents Ei.
Soit donc : E = E1 + + En (en fait, une simple inclusion, mais linverse est immdiate).
Puis soit par exemple : x E1 (E2 + + En).
Alors : (x1, x2, , xn) E1En, x = x1 = x2 + + xn.
En exprimant les diffrents vecteurs xi suivant les bases Bi, cela fournit, par diffrence une combinaison
linaire des vecteurs de B gale 0.
Mais B tant une famille libre, tous les coefficients de cette combinaison sont nuls, et : x = 0.
On en dduit que la somme est directe (en obtenant le mme rsultat pour les autres intersections).
Dfinition 9.5 : base dun espace vectoriel adapte un sous-espace vectoriel, une somme
directe de sous-espaces vectoriels
Soit (E,+,.) un K-espace vectoriel de dimension finie, F un sous-espace vectoriel de E.
On dit quune base B de E est adapte F, si elle est obtenue comme runion dune base de F et
dune base dun supplmentaire de F dans E.
On dit quune base de E est adapte une dcomposition de E en somme directe, si elle obtenue
comme runion de bases de chacun des sous-espaces vectoriels concerns par cette somme directe.

Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 21 -

10. Projecteurs.
Dfinition 10.1 : projecteurs associs deux sous-espaces vectoriels supplmentaires
Soit (E,+,.) un K-espace vectoriel, F et G des sous-espaces vectoriels supplmentaires de E.
Pour tout vecteur x de E, il existe un unique couple : (y,z) FG, tel que : x = y + z.
On appelle : p(x) = y, le projet de x sur F paralllement G et : q(x) = z, le projet de x sur G
paralllement F.
Les applications p et q de E dans E sont appels projecteurs associs la dcomposition : E = F G.
Thorme 10.1 : proprits pour des projecteurs associs
Soit (E,+,.) un K-espace vectoriel, F et G des sous-espaces vectoriels supplmentaires de E et p et q les
projecteurs associs la dcomposition : E = F G.
Alors :
p L(E), q L(E),
pop = p, qoq = q, poq = qop = 0, p + q = idE,
ker(p) = Im(q) = G, ker(q) = Im(p) = F.
Dmonstration :
Pour : (x,x) E2, (,) K2, on dcompose : x = y + z, x = y + z, suivant : E = F G,
et : .x + .x = (.y + .y) + (.z + .z), est une dcomposition de [.x + .x] suivant : E = F G.
Mais une telle dcomposition tant unique, cest LA dcomposition de [.x + .x] suivant : E = F G.
Puis : p(.x + .x) = .y + .y, par dcomposition, et : p(.x + .x) = .p(x) + .p(x).
Le rsultat est identique pour q.
Il est presque immdiat que : pop = p, puisque, avec les notations prcdentes, pour : x E,
p(x) = p(x) + 0, avec : p(x) F, 0 G, et : p(p(x)) = p(x), et : q(p(x)) = 0.
De mme pour q.
Puis : x = y + z = p(x) + q(x), et : idE = p + q, puisque cette galit est vrifie pour tout vecteur x de E.
x F, x = p(x), et donc : F Im(p). Mais vu la dfinition de p, on a aussi : Im(p) F, do lgalit.
Puis : x G, p(x) = 0, et : x ker(p). Mais on a galement : x ker(p), x = 0 + z, et : x G, do l
encore lgalit.
On a encore des rsultats identiques pour q.
Thorme 10.2 : caractrisation des sous-espaces vectoriels dfinissant un projecteur
Soit (E,+,.) un K-espace vectoriel, p L(E), tel que : pop = p.
Alors Im(p) et ker(p) sont supplmentaires dans E, et p est un projecteur de E sur Im(p) paralllement
ker(p).
Dmonstration :
Soit : x (ker(p)Im(p)).
Alors : y E, y = p(x). Mais de plus : p(x) = 0 = p(p(y)) = p(y) = x. Donc : x = 0.
Image et noyau de p sont en somme directe dans E.
Soit : x E. Alors : p(x) = p(p(x)), et : p(x p(x)) = 0, do : [x p(x)] = z ker(p).
Autrement dit : x = p(x) + z, ce qui fournit une dcomposition de x selon (Im(p) + ker(p)).
Finalement les deux espaces image et noyau de p sont bien supplmentaires dans E.
Soit enfin : x E, et sa dcomposition en : x = y + z, avec : y Im(p), z ker(p).
Alors : x E, y = p(x), et : p(x) = p(y) + p(z) = p(p(x)) + 0 = p(x) = y.
Donc p est bien la projection de E sur Im(p) paralllement ker(p).
Dfinition 10.2 : famille de projecteurs associe une dcomposition en somme directe
n

Soit (E,+,.) un K-espace vectoriel, E1, , En, des sous-espaces vectoriels de E tels que : E = E i .
i =1

On note pi le projecteur de E sur Ei paralllement la somme (E1 Ei-1 Ei+1 En).

La famille (pi)1in est dite associe la dcomposition.
Thorme 10.3 : gnralisation du thorme 10.1
n

Soit (E,+,.) un K-espace vectoriel, E1, , En, des sous-espaces vectoriels de E tels que : E = E i , et
i =1

soit (pi)1in la famille de projecteurs associe cette dcomposition.

Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 22 -

Alors on a :
1 i n, pi2 = pi,
1 i j n, pi o pj = 0,
p1 + ... + pn = idE.
Dmonstration :
Puisque les pi sont tous des projecteurs de E, on a videmment : 1 i n, pi2 = pi.
Soit maintenant x un vecteur quelconque de E, et : x = x1 + xn, sa dcomposition suivant la somme
directe.
Alors : 1 i j n, pj(x) = xj Ej.
Or : Ej Ei (E1 + + Ei-1 + Ei+1 + + En) Ei = {0}, et donc : pi(xj) = 0.
Soit bien : pi o pj = 0.
Enfin : (p1 + ... + pn)(x) = x1 + + xn = x, on a bien galement : p1 + ... + pn = idE.
11. Polynmes dinterpolation de Lagrange.
Dfinition 11.1 : polynmes de Lagrange
Soient : a0, a1, , an des scalaires rels ou complexes distincts deux deux.
On appelle polynmes de Lagrange associs la famille (ai)0in les polynmes (Li)0in dfinis par :
0 i n, Li(ai) = 1,
i j, Li(aj) = 0.
0 i n, d(L i) = n.
Thorme 11.1 : existence et unicit des bases de Lagrange
Soient : a0, a1, , an des scalaires rels ou complexes distincts deux deux.
Il existe une unique famille (Li)0in de polynmes vrifiant les conditions dinterpolation de Lagrange.
Ils forment une base de Kn[X], appele base de Lagrange de Kn[X] associe la famille (ai)0in.
De plus : 0 i n, Li =

(X a 0 )...(X a i1 )(. X a i+1 )...(X a n )

.
(a i a 0 )...(a i a i1 )(. a i a i+1 )...(a i a n )

Dmonstration :
Dmontrons que les conditions proposes donnent ces polynmes et quils forment une base de Kn[X].
Les polynmes doivent tre de degr n, et chacun admettre n racines distinctes.
Donc : 0 i n, Li = i.(X a0)(X ai-1).(X ai+1)(X an), puisquaprs factorisation, il reste en
facteur un polynme constant.
La valeur que doit prendre le polynme en ai donne alors la valeur de la constante, puis la forme finale
du polynme Li cherch.
Rciproquement, ces polynmes sont bien tous de degr n, chaque Li vaut 1 en ai et admet comme
racines toutes les autres valeurs.
Ils forment bien une base de Kn[X], puisquils sont dune part au nombre de (n+1) soit la dimension de
Kn[X], et dautre part, ils forment une famille libre.
En effet, si : 0.L0 + + n.Ln = 0,
alors en considrant les fonctions polynmes associes values en les diffrents ai, on obtient :
1 i n, i.1 = 0.
Enfin, si on veut les coordonnes dun polynme P de Kn[X] dans cette base, il suffit dcrire :
P = 0.L0 + + n.Ln, puis nouveau dvaluer cette galit en les ai, pour obtenir :
P = P(a0).L0 + + P(an).Ln.
12. Trace dune matrice carre, dun endomorphisme.
Dfinition 12.1 et thorme 12.1 : trace dune matrice carre
Soit : A = (aij) Mn(K).
On dfinit la trace de A comme la somme des lments diagonaux de A, soit : tr ( A ) =

a
i =1

i ,i

Lapplication tr est une forme linaire sur Mn(K).

Dmonstration :
Il est immdiat que tr est linaire de Mn(K) dans K, puisquelle est bien valeurs dans K, et dautre
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 23 -

part : (A,B) (Mn(K))2, (,) K2,

tr(.A + .B) =

i =1

i =1

i =1

(.a i,i + .b i,i ) = . a i,i + . b i,i = .tr(A) + .tr(B).

Thorme 12.2 : proprits basiques de la trace des matrices

A Mn(K), tr(tA) = tr(A).
(A,B) Mn(K), tr(A.B) = tr(B.A).
Plus gnralement, la trace dun produit fini de matrices carres est inchange par permutation circulaire
des matrices dans le produit.
Dmonstration :
Le premier rsultat est immdiat, puisque pour une matrice carre A, les matrices A et tA ont les mmes
lments diagonaux, donc mme trace.
Pour le deuxime point, on considre deux matrices A et B de Mn(K).
Soit : C = A.B.
Alors : 1 i n, ci,i =

a i,k .b k ,i , et : tr =
k =1

a
i =1 k =1

i ,k

.b k ,i =

i ,k

.b k ,i .

( i , k )N 2n

Le rsultat tant une formule symtrique en A et B, on a bien : tr(A.B) = tr(B.A).

Enfin, dans un produit de p matrices carres nn :
tr(A1Ap) = tr(A1.[A2Ap]) = tr([A2Ap].A1) = tr(A2Ap.A1),
que lon peut gnraliser par rcurrence une permutation circulaire quelconque de ces p matrices.
Thorme 12.3 et dfinition 12.2 : trace dun endomorphisme
Soit (E,+,.) un K-espace vectoriel de dimension finie et : u L(E).
Alors la trace de la matrice reprsentative de u dans une base de E est indpendante de cette base.
On note alors tr(u) la valeur commune de toutes ces traces, soit : tr(u) = tr(mat(u,B)), o B est une
base quelconque de E.
Dmonstration :
Soient B et B deux bases de E, P la matrice de passage de B B et A et A les matrices
reprsentatives de u dans ces deux bases.
Alors : A = P-1.A.P, et : tr(A) = tr(P-1.A.P) = tr(A.P.P-1) = tr(A).
Thorme 12.4 : trace dun projecteur
Soit (E,+,.) un K-espace vectoriel de dimension finie.
Si p est un projecteur de E alors : rg(p) = tr(p).
Dmonstration :
Puisque Im(p) et ker(p) sont supplmentaires dans E, considrons une base B obtenue en runissant
une base (e1, , ek) de Im(p) et une base (ek+1, en) de ker(p).

Ik
0 n k ,k

Alors la matrice de p dans cette base B est :

0 k ,n k
, et sa trace vaut : k = dim(Im(p)) = rg(p).
0 n k

13. Dual dun espace vectoriel.

Dfinition 13.1 : dual dun espace
Soit (E,+,.) un K-espace vectoriel.
On appelle dual de E lespace L(E,K), ensemble des formes linaires sur E et on le note E*.
Thorme 13.1 : dimension du dual
Soit (E,+,.) un K-espace vectoriel de dimension finie n.
Alors : dim(E*) = n = dim(E).
Dmonstration :
Puisque : E* = L(E,K), on a : dim(E*) = dim(L(E,K)) = dim(E).dim(K) = dim(E).1 = n = dim(E).
Dfinition 13.2 : hyperplan
Soit (E,+,.) un K-espace vectoriel.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 24 -

On dit quun sous-espace vectoriel H de E est un hyperplan de E si et seulement si H admet un

supplmentaire de dimension 1dans E.
Lorsque E est de dimension finie, cela signifie que H est de dimension (dim(E) 1).
Thorme 13.2 : noyau des formes linaires non nulles
Soit (E,+,.) un K-espace vectoriel de dimension finie n.
Soit : E*, 0, et : H = ker(). Alors H est un hyperplan de E.
De plus, si : E*, et sannule sur H, alors : K, = . .
Si enfin le noyau de est H, alors : 0.
Dmonstration :
Puisque est une application linaire de E dans K, on peut lui appliquer le thorme du rang.
Or est non nulle, donc : x E, (x) 0, et dim(Im()) 1.
Mais de plus : Im() K, et : dim(Im()) 1.
Finalement : dim(Im()) = 1, et : Im() = K,
avec de plus : dim(H) = dim(ker()) = dim(E) dim(Im()) = n 1.
Soit maintenant une autre forme linaire sannulant sur H.
Soit x0 un vecteur nappartenant pas H. Alors : E = H Vect(x0).
Puis : (x0) 0, sinon serait nulle sur E.
Enfin : x E, xH H, K, x = xH + .x0,
et : (x) = .(x0) = .
En posant : =

(x 0 )
( x 0 )
( x 0 )
.( x 0 ) =
.(.x 0 + x H ) =
.( x ) .
( x 0 )
( x 0 )
( x 0 )

(x 0 )
K, on a bien : = ..
( x 0 )

Si enfin, a pour noyau H, alors est non nulle, sinon sannulerait sur E tout entier.
Thorme 13.3 et dfinition 13.3 : base duale dune base en dimension finie
Soit (E,+,.) un K-espace vectoriel de dimension finie n et : B = (e1, ,en), une base de E.
Alors la famille de formes linaires : B* = (e1*, , en*), dfinies par :
1 i n, 1 j n, ei*(ej) = ij, o ij est le symbole de Kronnecker, qui vaut 1 si : i = j, et 0 si : i j,
est une base de E* appele base duale de la base B.
On appelle aussi ces formes linaires les formes coordonnes associes la base B.
En particulier, si : x E, x = x1.e1 + + xn.en, alors : 1 k n, ek*(x) = xk.
Dmonstration :
Les formes linaires ainsi dfinies sont correctement dfinies, puisquelles le sont par limage des
vecteurs dune base de E.
Cette famille est libre, car :
(1, , n) Kn, tel que : 1.e1* + n.en* = 0, alors : 1 k n, [1.e1* + n.en*](ek) = 0 = k.
Donc cest une famille libre de n lments de E* qui est de dimension n, et cest bien une base de E*.
Thorme 13.4 et dfinition 13.4 : base prduale (ou ant-duale) dune base de E*
Soit (E,+,.) un K-espace vectoriel de dimension n et : R = (1, , n), une base de E*.
Il existe une unique base C de E qui a pour duale la base C*.
Cette base C est appele base prduale de C*.
Dmonstration :
Soit B et B des bases de E, et B* et B* leurs bases duales respectives.
Soit maintenant P la matrice de passage dans E de B B et Q la matrice de passage de B* B*.
Alors : Q = tP-1.
En effet, en notant : B= (e1, , en), B = (e1, , en), on a :
1 i, j n, i,j = ei*(ej) =

n
n
n
q
.
e
*
p
.
e
=
q
.
p
=
q ' i,k .p k , j , avec : qi,k = qk,i.

k ,i k , j
k ,i k u , j u
k =1
i =1
u =1
i =1
n

On a donc montr que : tQ.P = In, soit bien : Q = tP-1.

Soient maintenant que deux bases B et B de E aient pour base duale la base R de E* donne, et
appelons P la matrice de passage de B B.
Alors la matrice de passage de B* B* est tP-1, mais puisque : B* = B* = R, elle vaut aussi : In.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 25 -

Donc : P = In, et : B = B, autrement dit, si une base rpond au problme pos, elle est unique.
Enfin, soit B0 une base de E, B0* sa base duale, Q la matrice de passage de B0* R et soit C la
base de E telle que la matrice tQ-1 soit la matrice de passage de B0 C.
Alors la matrice de passage de R C* est : P = Q-1.t(tQ-1)-1 = Q-1.Q = In, et : C* = R.
Thorme 13.5 : quations dun hyperplan
Soit (E,+,.) un K-espace vectoriel de dimension finie n muni dune base : B = (e1, ,en).
Soit H un hyperplan de E.
Pour un vecteur x de E, on note (x1, , xn) ses coordonnes dans la base B.
Alors : (a1,, ,an) Kn, (a1,, ,an) (0, , 0), tel que : (x H) (a1.x1 + + an.xn = 0).
La dernire galit est appele quation de H dans la base (e1, , en) .
De plus, si : b1.x1 + + bn.xn = 0, est une autre quation de H dans la base B, alors :
K*, 1 i n, bi = .ai.
Dmonstration :
Puisque H est un hyperplan de E, il existe une forme linaire non nulle dont H est le noyau.
Il suffit pour cela de considrer une base (e1, , en-1) de H, de la complter avec un vecteur en en une
base de E, de considrer la base duale de cette base (e1*, , en*) et la forme linaire en* a bien pour
noyau H.
Soit maintenant la base B propose.
Alors en* peut se dcomposer suivant la base duale (e1*, , en*) en : en* = a1.e1* + .. + an.en*, o les
coefficients (ai)1in sont des scalaires non tous nuls, puisque : en* 0.
Et on a : x E, x = x1.e1 + + xn.en, (x H) (en*(x) = 0) (a1.x1 + + an.xn = 0).
Soit enfin : b1.x1 + + bn.xn = 0, une autre quation de H dans la base B.
Cela signifie : x E, x = x1.e1 + + xn.en, (x H) (b1.x1 + + bn.xn = 0) ((x) = 0),
o est la forme linaire : = b1.e1* + + bn.en*.
Autrement dit : H = ker().
Mais deux formes linaires qui ont mme noyau sont proportionnelles entre elles et :
K*, 1 i n, bi = .ai.
Remarque : est non nul car et en* ont exactement le mme noyau H.
14. Structure affine canonique de
2 et
3.
Dfinition 14.1 (hors programme) : espace affine
Etant donn un K-espace vectoriel E, on appelle espace affine de direction E un ensemble A muni
dune loi de composition externe + ayant les proprits suivantes :
A A, (u,v) E2, (A + u) + v = A + (u + v),
A A, A + 0 = A,
(A,B) A2, u E, B = A + u, et le vecteur u est alors not : u = AB ,
u E, ( A A, A + u = A) (u = 0).
Les lments de A sont alors appels des points.
Dfinition 14.2 : structure affine de
2 et
3
On peut munir
2 et
3 dune structure affine, dite structure affine canonique, en utilisant comme
direction lespace vectoriel
2 ou
3 lui-mme, et comme loi externe la loi + dans ces espaces.
Les lments de
2 et
3 sont alors indiffremment des points ou des vecteurs.
En particulier : (A,B)
2 ou
3, AB = B A, o A et B gauche de lgalit sont considrs comme
des points, et droite comme des vecteurs (des couples ou des triplets de rels).
Thorme 14.1 : proprits lmentaires liant des vecteurs dans un espace affine
On a les proprits suivantes :
(A,B) (
2)2 ou (
3)2, B = A + AB ,
(A,B,C) (
2)3 ou (
3)3, AB + BC = AC (relation de Chasles),
(A,B) (
2)2 ou (
3)2, ( AB = 0) (A = B),
(A,B) (
2)2 ou (
3)2, BA = AB .
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 26 -

Dmonstration :
La dmonstration est faite dans
2 mais est identique dans
3.
Puisquun vecteur de
2 se dfinit comme la diffrence des deux points (couples) de
2 qui permettent
de le construire, les quatre relations proposes sont immdiates.
Dfinition 14.2 : repre affine ou cartsien
On appelle repre affine de
2 ou de
3, la donne dun point et dune base de
2 ou de
3.
On appelle repre affine canonique de
2 ou de
3 le repre dfini par 0 et la base canonique de
2 ou
de
3.
Dfinition 14.3 : coordonnes dun point dans un repre
Soit : R = (,B), un repre affine de
2 ou de
3.
Pour un point M de
2 ou de
3, on appelle coordonnes de M dans le repre R les coordonnes du
vecteur M dans la base B.
Dfinition 14.4 : sous-espace affine
On appelle sous-espace affine de
2 ou
3 un sous-ensemble F de
2 ou
3 dfini par un point A et un
sous-espace vectoriel F de
2 ou de
3 de la faon suivante :
M
2 ou
3, (M F) ( AM F).
F est appel la direction de F ou espace vectoriel sous-jacent F.
La dimension dun sous-espace affine est la dimension de son espace vectoriel directeur.
Thorme 14.2 : sous-espaces affines de
2 et
3
Un sous-espace affine de
2 est donc un point, une droite ou
2, et un sous-espace affine de
3 est un
point, une droite, un plan ou
3.
Dmonstration :
Puisquun sous-espace affine se dfinit en particulier laide dun sous-espace vectoriel de lespace
vectoriel sous-jacent, le rsultat est immdiat.
En effet, un sous-espace vectoriel de
2 est {0}, une droite vectorielle ou
2 tout entier, ce qui donne un
singleton (un point), une droite affine, ou
2 tout entier.
La dmarche est identique dans
3.
Dfinition 14.5 : sous-espaces affines parallles
Soient : F = (A,F), et : F = (A,F), deux sous-espaces affines de
2 ou
3.
Ces deux sous-espaces sont dits parallles si et seulement si : F F, ou : F F.
Thorme 14.3 : reprsentation paramtrique de droites et de plans dans un repre de
2 ou de
3
Soit R un repre de
2 ou de
3 : R = (,B).
Soit D une droite de
2 ou de
3 dfinie par un point A et un vecteur directeur u (ou deux points non
confondus), A de coordonnes (xA, yA, (zA)) dans R, et u de coordonnes (, , ()) dans B.

x = x A + t.

Alors : y = y A + t. , est appele reprsentation paramtrique de la droite D dans le repre R.

(z = z + t. )
A

De mme, soit P un plan de
3 dfini par un point A et une famille de deux vecteurs libres (ou trois
points non aligns), A de coordonnes (xA, yA, zA) dans R, et u, u de coordonnes (, , ) et (, , )
dans B.

x = x A + t. + t '.'

Alors : y = y A + t. + t '.' , est appele reprsentation paramtrique du plan P dans le repre R.

z = z + t. + t '. '
A

Dmonstration :
Une droite affine se dfinit avec un sous-espace vectoriel de dimension 1, donc de faon quivalente,
avec une base de cette droite vectorielle, donc un vecteur non nul de cette droite, ou encore enfin avec
deux points distincts.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.
- 27 -

Si alors on dispose dun vecteur u non nul (de coordonnes (,,) dans B) et dun point A (de
coordonnes (xA, yA, zB) dans R), alors :
( M
3, (M D(A,u)) (( AM , u) lis) ( t
, AM = t.u), la dernire quivalence tant
justifie par le fait que u est non nul.
Si maintenant on traduit cette dernire galit par des coordonnes dans R, on obtient le systme
annonc.
De mme, un plan affine se dfinit avec un sous-espace vectoriel de dimension 2, ou de faon
quivalente avec une base de ce plan vectoriel, soit deux vecteurs libres ou trois points non aligns.
On termine en crivant :
( M
3), (M P(A,u,v)) (( AM , u,u) lis) ( (t,t)
2, AM = t.u + t.u), cette dernire
quivalence tant cette fois justifie par le fait que (u,u) forme une famille libre.
Thorme 14.4 : quation dune droite dans un repre de
2 ou dun plan dans un repre de
3
Soit D une droite affine de
2, et R un repre de
2.
Pour un point M de
2, on note (x,y) ses coordonnes dans le repre R.
Alors : (a,b,c)
3, avec : (a,b) (0,0), tel que : (M D) (a.x + b.y = c).
Lexpression a.x + b.y = c est alors une quation de la droite D dans le repre R.
De mme, soit P un plan affine de
3, et R un repre de
3.
Pour un point M de
3, on note (x,y,z) ses coordonnes dans le repre R.
Alors : (a,b,c,d)
4, avec : (a,b,c) (0,0,0), tel que : (M P) (a.x + b.y + c.z = d).
Lexpression a.x + b.y + c.z = d est alors une quation du plan P dans le repre R.
Dmonstration :
On utilise ici une autre faon dexprimer le fait que deux vecteurs de
2 (ou trois vecteurs de
3) sont
lis, et plus prcisment :
( M
2, (M D(A,u)) (( AM , u) lis) (detB( AM , u) = 0).
Si on note comme prcdemment (,) les coordonnes de u dans B et (xA, yA) les coordonnes de A
dans R, on obtient alors : detB( AM , u) =

x xA
y yA

, et :

(detB( AM , u) = 0) (.x .y + (.yA .xA) = 0), ce qui donne bien le rsultat annonc, puisque on
remarque de plus que : (u 0) ((,-) (0,0)).
De mme, en traduisant par un dterminant 33 le fait que trois vecteurs dans
3 sont lis, on obtient
une quation cartsienne dun plan dans
3.
Dfinition 14.6 : application affine
Une application f entre deux espaces affines A et A de direction E et E est dite affine si et seulement
si lapplication dfinie par : (A,B) A2, ( AB ) = f (A)f (B) , est linaire de E dans E.
Thorme 14.5 : expression dune application affine dans un repre de
2 ou de
3
Soit f une application affine de
2 dans lui-mme (ou de
3 dans lui-mme), et soit : R = (,B), un
repre de
2 ou de
3.
Pour un point M de
2, on note X la matrice colonne de ses coordonnes dans le repre R, M son
image par f et X la matrice colonne des coordonnes de M dans le repre R.
Alors : X0 M2,1(
) ou M3,1(
), et : A M2(
) ou M3(
), tel que : X = X0 + A.X.
La matrice X0 est la matrice des coordonnes de : = f(), dans le repre R, et A est la matrice de
lapplication linaire associe f dans la base B.
Dmonstration :
La dmonstration est faite dans
2, mais elle est identique dans
3.
Si on travaille dans le repre R, alors : M
2, f ()f (M ) = ( M ), o correspond la partie
linaire de lapplication affine f, se traduit par : X X0 = A.(X 0), o X0 est la matrice des coordonnes
de : = f(), dans le repre R, et A la matrice de dans la base B, 0 tant la matrice des
coordonnes de dans R.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 28 -

Donc on obtient bien la forme annonce.

Thorme 14.6 : exemples dapplications affines
Soit f une application affine de
2 dans lui-mme (ou de
3 dans lui-mme) de partie linaire associe .
Si : = idE, f est une translation affine.
Si : = k.idE, avec : k
*, k 1, f est une homothtie affine de rapport k.
Si est un projecteur dfini laide de la dcomposition en somme directe : E = F G, f est un
projection affine sur un sous-espace affine de direction F paralllement G (ou de direction G).
Si est une symtrie dfinie laide de la dcomposition en somme directe : E = F G, f est une
symtrie affine par rapport un sous-espace affine de direction F paralllement G (ou de direction G).
Dmonstration :
Il ny a presque aucune dmonstration faire, puisque cet nonc dfinit presque ce quon entend par
homothtie affine , projection affine et symtrie affine .
Pour ce qui est du premier point, on constate que si : = idE, alors : (A,B)
2, AB = f (A)f (B) .
En utilisant la relation de Chasles, on a alors :
(A,B)
2, Af (A) = AB + Bf (B) + f (B)f (A) = AB f (A)f (B) + Bf (B) = AB AB + Bf (B) = Bf (B) .
Le vecteur Mf (M ) est donc constant lorsque M dcrit
2, ce qui justifie le fait que f soit une translation.
Thorme 14.7 et dfinition 14.7 : barycentre de n points pondrs
Soient n points (Ai)1in de
2 ou de
3, et n rels (i)1in, de somme non nulle.
Il existe un unique point G appel barycentre des n points pondrs (Ai, i)1in, (ou des points (Ai)1in
n

affects des coefficients (i)1in), tel que :

.GA
i =1

= 0.

En particulier, si G est le barycentre de deux points distincts, G est sur la droite dfinie par ces deux
points, et si cest le barycentre de trois points non aligns, il se trouve dans le plan dfini par ces trois
points.
Dmonstration :
La dmonstration est donne dans
2, mais elle est identique dans
3.
Il suffit dcrire, en utilisant la relation de Chasles et avec un point de
2 (par exemple lorigine dun
repre de
2) :
n
n

G
, ( i .GA i = 0 ) ( i .(G + A i ) = 0 ) ( i .G = ( i .A i ) ).
i =1
i =1
i =1
i =1
n

Et puisque la somme des coefficients est non nulle, on en dduit bien lexistence dun unique point G de

2 dfini par la relation : G =

. ( i .A i ) .

i =1

i =1

Si maintenant, G est le barycentre de deux points distincts A et B, en utilisant la place du point le

point A, G est dfini par : AG =

.AB , et G est bien sur la droite D(A, AB ).

+

De mme, si G est le barycentre des trois points non aligns A, B, C, et en utilisant nouveau A la
place de , G est dfini par : AG =

1
.(.AB + .AC) , et G est bien dans le plan P(A, AB , AC ).
++

Thorme 14.8 : coordonnes du barycentre de n points dans un repre

Soient n points pondrs (Ai, i)1in, de
2 ou de
3 avec : 1 + + n 0.
Alors dans un repre R de
2 et de
3, le barycentre G des points pondrs (Ai, i)1in, a pour
n
n
i .x i i .y i

coordonnes : (x,y,(z)) = i =1n

, i =1n

i
i

i =1
i =1

n
i .z i
, i =1n

i
i =1

, o les (x , y , (z )) sont les coordonnes des

i
i
i

Ai dans le repre R.
Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 29 -

Dmonstration :
Il suffit de traduire la relation obtenue la fin de la dmonstration du thorme prcdent et qui dfinit le
point G, pour constater que les coordonnes de G sont bien celles annonces.
On utilise videmment le fait que le point est lorigine du repre R.
Thorme 14.9 : associativit du barycentre
Soient n points (Ai)1in de
2 ou de
3, et n rels (i)1in, tels que :
n

i 0 , et : 1 p n 1,
i =1

i 0 ,
i =1

i = p +1

0.

Soit de plus G1 le barycentre des points (Ai)1ip affects des coefficients (i)1ip, et G2 le barycentre des
points (Ai)p+1in, affects des coefficients (i)p+1in.
Alors le barycentre des points (Ai)1in, affects des coefficients (i)1in est le mme que celui de G1 et G2
p

affects respectivement des coefficients

i et

i =1

i = p +1

Dmonstration :
p

Notons G le barycentre des n points, =

i , =
i =1

G est dfini par :

.GA
i =1

i = p +1

= 0.

Faisons alors intervenir le point G1 (comme le point dans la dmonstration du thorme 14.7) et
n

laide de la relation de Chasles, on obtient :

.(GG
i =1

+ G 1A i ) = 0 .

n
n

Or : i .G 1 A i = 0 , donc lgalit prcdente devient : i .GG 1 + i .G 1 A i = 0 .

i = p +1
i =1
i =1
p

Si maintenant, on introduit le point G2 dans la deuxime somme, on aboutit :

n
n
n

i .GG 1 + i .(G 1G 2 + G 2 A i ) = 0 = ( + ).GG 1 + i .G 1G 2 = ( + ).GG 1 + .G 1G 2 .

i = p +1
i = p +1
i =1

Et si enfin on transforme le dernier vecteur en introduisant le point G, on termine avec :

.GG 1 + .GG 2 = 0 ,
ce qui montre que bien que G est le barycentre de (G1,) et de (G2,).

Chapitre 04 Espaces vectoriels (et affines) Cours complet.

- 30 -