Chapitre 1
Formes linéaires et dualité
1.1 Définition, espace dual
Définition 1.1 Une forme linéaire sur E est une application linéaire de
E dans K. L’ensemble des formes linéaires sur E, avec l’addition définie par
(` + m)(x) = `(x) + m(x) et la multiplication par les scalaires définie par
(λ `)(x) = λ `(x), est un espace vectoriel sur K, appelé l’ espace vectoriel
dual de E et noté E ∗ .
Exemples :
1. Une forme linéaire sur Kn est de la forme (x1 , . . . , xn ) 7→ a1 x1 + · · · +
an xn ; elle est déterminée par sa matrice (a1 a2 . . . an ) (matrice ligne).
R1
2. L’application f 7→ −1 f (t) dt est une forme linéaire sur le R-espace
vectoriel C([−1, 1], R) des fonctions continues de [−1, 1] à valeurs dans
R.
3. L’application qui a une matrice carrée A ∈ Mn (K) associe sa trace
(somme des coefficients diagonaux) est une forme linéaire.
Si x est un vecteur de E et ` une forme linéaire sur E, on utilise parfois
la notation h`, xi (crochet de dualité) pour désigner `(x). Les propriétés
du crochet de dualité sont
h`, x + yi = h`, xi + h`, yi
h`, λ xi = λ h`, xi
h` + m, xi = h`, xi + hm, xi
hλ`, xi = λ h`, xi
1
2 CHAPITRE 1. FORMES LINÉAIRES ET DUALITÉ
1.2 Hyperplans et formes linéaires
Définition 1.2 Un hyperplan vectoriel d’un espace vectoriel E est un
supplémentaire d’une droite vectorielle de E. Si E est de dimension finie
n, alors les hyperplans vectoriels de E sont exactement les sous-espaces de
dimension n − 1.
Rappel : Supplémentaire.
Définition 1.3 On dit qu’un espace vectoriel E est somme directe de ses sous-espaces F et G quand
tout élément x de E s’écrit de manière unique sous la forme x = y + z avec y ∈ F et z ∈ G, et on note
alors E = F ⊕ G.
Si F et G sont deux sous-espaces de E tels que E = F ⊕G, on dit que F et G sont supplémentaires
dans E.
Proposition 1.4 Soit E un espace de dimension finie. Soit F, G des sous-espaces de E, (f1 , . . . , fp ) une
base de F et (g1 , . . . , gq ) une base de G. Alors E = F ⊕ G si et seulement si (f1 , . . . , fp , g1 , . . . , gq ) est
une base de E.
Théorème 1.5 (de la base incomplète) Soit E un espace vectoriel de dimension n, G une partie
génératrice de E, (e1 , . . . , e` ) une famille libre de E. Alors on peut compléter cette famille libre en une
base (e1 , . . . , en ) de E en choisissant les vecteurs e`+1 , . . . , en dans G.
Proposition 1.6 Dans un espace de dimension finie, tout sous-espace admet un supplémentaire.
Proposition 1.7 Soit ` une forme linéaire non nulle sur E. Alors ker(`) est
un hyperplan vectoriel de E.
Pour tout hyperplan vectoriel H de E, il existe une forme linéaire non
nulle ` sur E telle que H = ker(`) ; cette forme linéaire est unique au produit
par un scalaire inversible près.
Exemples :
1. Un hyperplan de Kn est décrit par une équation a1 x1 + · · · + an xn = 0
avec au moins un des ai non nul.
R1
2. Le sous-espace de C([−1, 1], R) formé des f tels que −1 f (t) dt = 0. est
un hyperplan vectoriel.
3. Le sous-espace de Mn (K) formé des matrices de trace nulle est un hy-
perplan vectoriel.
1.3. BASE DUALE 3
1.3 Base duale
Ici E est supposé de dimension finie n.
Proposition 1.8 Soit E = (e1 , . . . , en ) une base de E. On note (e∗1 , . . . , e∗n )
les formes linéaires coordonnées dans la base E. Autrement dit, on a he∗i , ej i =
δi,j (de Kronecker). Alors E ∗ = (e∗1 , . . . , e∗n ) est une base de E ∗ .
En conséquence, on a dim(E ∗ ) = dim(E).
Définition 1.9 La base E ∗ de E ∗ est appelée base duale de la base E de
E.
P P
Si x ∈ E, alors x = ni=1 he∗i , xi ei . Si ` ∈ E ∗ , alors ` = ni=1 h`, ei i e∗i .
Exemples :
1. Soit A ∈ GLn (K). Les vecteurs colonnes de A forment une base de Kn
dont la base duale est donnée par les lignes de A−1 . Cet exemple est
important car il donne un moyen pratique de calcul d’une base duale
d’une base de Kn .
2. (Interpolation de Lagrange) Soit Rn [X] l’espace vectoriel des po-
lynômes réels de degré ≤ n. Soient a0 , . . . , an n + 1 nombres réels dis-
tincts. Alors les formes linéaires P 7→ P (ai ) pour i = 0, . . . , n forment
une base de (Rn [X])∗ , duale de la base (L0 , . . . , Ln ) où
Y X − aj
Li = .
j6=i
ai − aj
Si on se donne b0 , . . . , bn , il existe un unique P ∈PKn [X] vérifiant
P (ai ) = bi pour i = 0, . . . , n, qui est donné par P = ni=0 bi Li .
1.4 Bidual
Soit x ∈ E. Alors l’application
h·, xi : E ∗ −→ K
` 7−→ h`, xi
est une forme linéaire sur E ∗ , c.-à-d. un élément du bidual E ∗∗ de E.
Proposition 1.10 L’application E → E ∗∗ définie par x 7→ h·, xi est une
application linéaire injective.
Si E est de dimension finie, cette application est un isomorphisme.
4 CHAPITRE 1. FORMES LINÉAIRES ET DUALITÉ
L’injectivité de x 7→ h·, xi veut dire que x = y si et seulement si hx, `i =
hy, `i pour tout ` ∈ E ∗ (par définition du crochet de dualité, on a ` = m si
et seulement si h`, xi = hm, xi pour tout x ∈ E).
Si E est de dimension finie, on identifiera E avec son bidual au moyen de
l’isomorphisme x 7→ h·, xi ; cet isomorphisme est « canonique » dans le sens
qu’il ne dépend pas du choix d’une base de E. De cette manière, E et E ∗
jouent des rôles complètement symétriques. En particulier, toute base de E ∗
admet une base duale de E. On a aussi h`, xi = hx, `i, où le deuxième crochet
de dualité est sur E ∗ .
1.5 Orthogonalité
Définition 1.11 Soit A une partie de E, B une partie de E ∗ . On définit
A◦ = {` ∈ E ∗ | ∀x ∈ A h`, xi = 0} ,
B ◦ = {x ∈ E | ∀` ∈ B h`, xi = 0} .
On appelle A◦ (resp B ◦ ) l’orthogonal de A (resp. de B) pour la dualité (on
dit quelquefois aussi l’annulateur de A, par exemple dans le lire de Grifone).
Exemple : Si `1 , . . . `p sont des formes linéaires sur Kn , l’orthogonal de
{`1 , . . . `p } est le sous-espace des solutions du système linéaire homogène
`1 (x1 , . . . xn ) = 0
.. .
.
` (x , . . . x ) = 0
p 1 n
Proposition 1.12 Soit A, A1 , A2 des parties de E, B une partie de E ∗ .
Alors :
1. A◦ est un sous-espace vectoriel de E ∗ .
2. On a B ⊂ A◦ si et seulement si A ⊂ B ◦ .
3. Si A1 ⊂ A2 , alors A◦2 ⊂ A◦1 .
4. (Vect(A))◦ = A◦ .
Les mêmes propriétés sont vraies en échangeant les rôles de E et de E ∗ .
Proposition 1.13 On suppose E de dimension finie n. Soit F un sous-
espace vectoriel de E. Alors :
1. dim(F ◦ ) = n − dim(F ).
2. (F ◦ )◦ = F .
Les mêmes propriétés sont vraies pour un sous-espace de E ∗ .
