I Applications linéaires 1/12

Table des matières D’autres plus géométriques : les projection (orthogonales ou non) et symétries, les
rotations du plan et de l’espace.
I Applications linéaires 1
I.1 Propriétés générales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
I.2 Equations linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
I.1.3 Proposition
I.3 Applications linéaires et dimension . . . . . . . . . . . . . . . . . . . . . . . 2 1. L(E, F ) est un K-espace vectoriel.
II Bases en dimension quelconques 3 2. Quand elle existe, la composée de deux applications linéaire est linéaire.
II.1 Familles libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 3. Quand elle existe, la bijection réciproque d’une application linéaire est linéaire.
II.2 Familles génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
II.3 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

III Sous-espaces 5 I.1.4 Définition

III.1 Supplémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 Soit f ∈ L(E, F ). Son noyau est ker(f ) = f −1 ({0}) = {x ∈ E| f (x) = 0} et son image
III.2 Hyperplans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 est Im(f ) = f (E) = {y ∈ F | ∃x ∈ E y = f (x)}.
III.3 Sommes directes d’espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . 8
III.4 Projecteurs, symétries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9 I.1.5 Rappel
III.5 Projection et espaces en somme directe . . . . . . . . . . . . . . . . . . . . . 9
Quand f est donnée par une matrice ou par son expression en fonction des coordonnées,
IV Matrices 10 ker(f ) est l’ensemble des solutions du système homogène. Im(f ) est l’espace engendré par
IV.1 Matrice d’une application linéaires . . . . . . . . . . . . . . . . . . . . . . . 10 les colonnes de cette matrice.
IV.2 Matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
IV.3 Espaces stables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Dans ce chapitre K désigne R ou C. I.1.6 Proposition
Soient f ∈ L(E, F ), G un sous-espace de E et H un sous-espace de F .
Alors f (G) et f −1 (H) sont des sous-espaces de F et E respectivement. En parti-
I Applications linéaires culier ker(f ) est un sous-espace de E et Im(f ) est un sous-espace de F .

I.1 Propriétés générales

I.1.1 Définition Preuve.
Soient E, F deux K-espaces vectoriels et f : E → F . On dit que f est linéaire ssi — Montrons que f (G) est un sous espace de F .
Soient donc x, y ∈ f (G), λ, µ ∈ K. Montrons que λx + µy ∈ f (G).
∀α, β ∈ K∀x, y ∈ E f (αx + βy) = αf (x) + βf (y)
Or x, y ∈ f (G) donc on peut poser u, v ∈ G tels que x = f (u) et y = f (v).
On a alors f (0E ) = 0F . Alors, par linéarité, λx + µy = f (λu + µG) ∈ f (G) car λu + µv ∈ G (c’est un
Si F = K on dit que f est une forme linéaire. L’ensemble des applications linéaires espace vectoriel).
de E dans F est noté L(E, F ). — Montrons que f −1 (H) est un sous-espace de E. Soient x, y ∈ f −1 (H) et
λ, µ ∈ K. Alors f (λx + µy) = λ f (x) +µ f (y) ∈ H car H est un sous-espace
I.1.2 Exemple Rb
|{z} |{z}
∈H ∈H
Quelques exemples important (avec des notations évidentes) : f 7→ f 0 , f 7→ f, (un )n 7→
a de F donc λx + µy ∈ f −1 (H)
(un+1 )n , P 7→ P (X + 1)

Chap 3 : Compléments sur les espaces vectoriels

2/12 I Applications linéaires

I.1.7 Rappels 2. b ∈ Im(f ). Si on note x0 un antécédent de b (une solution de l’équation que l’on
qualifie de particulière), alors l’ensemble des solutions est x0 + ker(f ) (qui est un
Soit f ∈ L(E, F ).
espace affine).
1. f est injective ssi ker(f ) = {0E }.
Dans le deuxième cas, pour x ∈ E on a en effet f (x) = b ⇐⇒ f (x) = f (x0 ) ⇐⇒
2. f est surjective ssi Im(f ) = F (valable même si f n’est pas linéaire). f (x − x0 ) = 0F ⇐⇒ x − x0 ∈ ker(f ) ⇐⇒ x ∈ x0 + ker(f ).
3. Si E = Vect(e1 , . . . , en ) alors Im(f ) = Vect(f (e1 ), . . . , f (en )).
I.2.6 Exercice
Soient u, v ∈ R3 . Résoudre x ∧ u = v d’inconnue x ∈ R3 .
I.1.8 Opérations et endomorphismes
Si u et v ne sont pas orthogonaux, l’équation n’a pas de solution. Si u = 0 et v 6= 0 il
Soient f, g ∈ L(E) On note f k = f ◦ f ◦ · · · ◦ f (k fois), f 0 = IdE . Le théorème du n’y a pas de solution non plus.
binôme de Newton s’applique à f et g dans le cas où f ◦ g = g ◦ f . Si v = 0 et u 6= 0, l’ensemble des solution est Vect(u).
Supposons u, v 6= 0 et orthogonaux. Notons w = u ∧ v. Alors w ∧ u est colinéaire à v
I.2 Equations linéaires et non nul, donc il existe λ ∈ R∗ tel que λ.(w ∧ u) = v ie. (λw) ∧ u = v et on a trouvé une
solution particulière.
I.2.1 Définition
L’ensemble des solutions est alors λw + Vect(u).
Soit E un espace vectoriel et a ∈ E.

E → E
1. ta est appelée translation de vecteur a. Cette application n’est
x 7→ a + x I.3 Applications linéaires et dimension
pas linéaire mais est appelée application affine.
2. Soit F un sous-espace de E. L’ensemble ta (F ) = a + F = {a + x| x ∈ F } est un
sous-espace affine de direction F . I.3.1 Proposition
Soit f ∈ L(E, F ).
I.2.2 Exemple Soit H un supplémentaire de ker(f ) dans E. fH : H → Im(f ) est un isomor-
1. Ceci est une généralisation des droites du plan et de l’espace définies par A+Vect(~u), phisme.
ou des plans dans l’espace de la forme A + Vect(~u, ~v ). Rappeler les conditions sur
les vecteurs intervenant ici pour parler de droite ou de plan.
2. L’ensemble des solutions de y 00 +ω 2 y = K (K un réel fixé) est K
ω 2 +Vect(cos(ω.), sin(ω.)).
Preuve. 
I.2.3 Exercice H → Im f
On a f|H : et H ⊕ ker(f ) = E. Il s’agit bien d’une application
Soit F = a + F un espace affine. Montrer que si b ∈ F alors F = b + F . x 7→ f (x)
linéaire de L(H, Im f ).
I.2.4 Exercice
— ker f|H = {x ∈ H| f (x) = 0} = H ∩ ker f = {0E } car H et ker f sont en
Montrer que (a + F ) ∩ (b + G) est soit vide soit un sous-espace affine de direction F ∩ G.
somme directe.

I.2.5 Equations linéaires — Soit y ∈ Im f . Alors il existe x ∈ E tel que f (x) = y. Or on peut écrire
x = xH + xK avec xH ∈ H et xK ∈ ker f . Ainsi f (x) = f (xH ) + f (xK ) =
Une équation de la forme f (x) = b où l’inconnue est x est dite linéaire ssi l’application f (xH ) + 0E et donc y = f (xH ) = f|H (xH ). Donc Im f|H = Im f .
f est linéaire.
Deux cas se présentent pour l’ensemble de ses solutions : Finalement f|H est bien un isomorphisme linéaire.
1. b ∈
/ Im(f ) et dans ce cas l’ensemble des solutions est ∅

Chap 3 : Compléments sur les espaces vectoriels

 II Bases en dimension quelconques 3/12

I.3.7 Remarque
I.3.2 Théorème
Soit f ∈ L(E, F ) et supposons E de dimension finie. Alors dim(E) = dim(ker(f )) + C’est le pendant du théorème qui énonce qu’une matrice est inversible ssi on trouve
rg(f ). un inverse à gauche ou un inverse à droite.

II Bases en dimension quelconques

I.3.3 Exemple
II.1 Familles libres
Si E est de dimension n et f ∈ L(E, K) est une forme linéaire non nulle, alors dim(ker(f )) =
n − 1. II.1.1 Rappel
n
I.3.4 Corollaire
P
Si E est un K-ev, une famille (u1 , . . . , un ) est dite libre ssi ∀λ1 , . . . , λn ∈ K λk uk =
Soit E, F des espaces de même dimension et f ∈ L(E, F ). k=1
0E ⇐⇒ ∀i ∈ J1, nK λi = 0K .
f est bijective ⇐⇒ f est injective ⇐⇒ f est surjective La seule manière d’obtenir le vecteur nul par combinaison linéaire des uk est la com-
binaison triviale.
Dans le cas où f est un endomorphisme, les dimensions de E et F sont évidemment égales
et ce résultat s’applique. II.1.2 Rappels de sup

I.3.5 Exemple Soit E un espace de dimension n.

Soient a0 , . . . an ∈ K des scalaires deux à deux distincts. — une famille qui contient le vecteur nul est liée.
n+1


 Kn [X] → K   — une famille libre possède au plus n vecteurs.
P (a0 )


L’application ϕ :  est injective (compter les racines d’un — une famille libre possédant n vecteurs est une base de E.
P 7→  ... 

— on ne modifie pas le caractère libre en effectuant une opération élémentaire sur les



P (an )

vecteurs d’une famille.
polynôme du noyau, seul le polynôme nul en possède autant) et donc bijective.
— une famille est libre ssi chacun de ses vecteurs n’est pas une combinaison linéaire
En conséquence, si on fixe y0 , . . . , yn ∈ K (quelconques cette fois), il existe un unique
des autres.
polynôme P ∈ Kn [X] tel que ∀i ∈ J0, nK P (ai ) = yi , ou encore par n + 1 points d’abscisses
2 à 2 distinctes il passe une unique courbe polynomiale de degré n ou moins.
Pour déterminer P , on calcule les Pi tels que ϕ(Pi ) = ei le ième vecteur de la base II.1.3 Familles infinies
canonique de Kn+1 . Un raisonnement rapide sur les racines (2 à 2 distinctes) de Pi montre On se place dans E = RR . Les familles suivantes sont des familles infinies.
Qn
que Pi = αi (X − aj ) et comme Pi (ai ) = 1 on trouve la valeur de αi . 1. (x 7→ sin(nx))n∈Z .
j=0
6=i 2. (x 7→ eax )a∈C .
n
P n
P n
P
Ensuite, la linéarité de ϕ montre que ϕ( yi Pi ) = yi ei et donc P = yi Pi . Il s’agit de se donner un ensemble d’élément repérés par un indice. Pour le deuxième
i=0 i=0 i=0 exemple, on a associé une fonction à chaque nombre complexe.
I.3.6 Corollaire II.1.4 Définition
Soit f ∈ L(E) où E est de dimension finie. Soit E un espace vectoriel de dimension quelconque et X un ensemble (quelconque lui
aussi). Soit (ui )i∈X une famille de vecteurs de E. Cette famille est dite libre ssi pour tout
f ∈ Gl(E) ⇐⇒ ∃g ∈ L(E) f ◦ g = IdE ⇐⇒ ∃g ∈ L(E) g ◦ f = IdE I ⊂ X ensemble fini, la famille (ui )i∈I est libre.

Chap 3 : Compléments sur les espaces vectoriels

4/12 II Bases en dimension quelconques

D’une manière équivalente, aucun des ui n’est une combinaison linéaire (finie, évi- — si F est génératrice de E alors p > n.
demment...) des autres uj . — on peut avoir p > n sans que F soit génératrice de E
II.1.5 Exemple — si p = n et que F est génératrice, alors F est une base de E.
Dans K[X], la famille (1, X, X 2 , . . . ) = (X i )i∈N est libre. Preuve : unicité des coefficients — si ep ∈ Vect(e1 , . . . , ep−1 ) alors Vect(e1 , . . . , ep−1 ) = Vect(e1 , . . . , ep )
d’un polynôme.
— on ne modifie pas l’espace engendré en faisant subir une opération élémentaire à la
II.1.6 Exemple famille F.
Dans RR , la famille (cos(n.))n∈N . est libre. Montrons par récurrence que (cos(n.))i∈J0,kK
est libre, sachant que le cas k = 0 est trivial. II.2.2 Exemple
Supposons que (cos(n.))n∈J0,kK est libre et soient λ0 , λ1 , . . . , λk+1 ∈ R. Supposons que Montrer que F = {(x, y, z, t) ∈ R4 | 2x + y − z + t = 0 et x − 3y + t = 0} est un espace
k+1 vectoriel et en donner une famille génératrice.
P
∀x ∈ R λn cos(nx) = 0 (1).
n=0 II.2.3 Définition-Proposition
k+1
Soit E un K-espace vectoriel et A ⊂ E. L’ensemble des sous-espaces de E qui contiennent
−n2 λn cos(nx) = 0 (2)
P
Soit x ∈ R. On dérive deux fois la relation précédente :
n=0 A possède un minimum pour l’inclusion. Cet espace est noté Vect(A) et est appelé espace
k vectoriel engendré par A.
Si on calcule (k +1)2 (1)+(2) on obtient λn ((k + 1)2 − n2 ) cos(nx) = 0 (les derniers
P
n=0
On peut le décrire comme l’ensemble des combinaisons linéaires (finies) d’éléments de
2 2
termes s’annulent). Par hypothèse de récurrence, λn ((k+1) −n ) = 0 pour tout n ∈ J0, kK A.
ie λn = 0. Preuve.
Finalement, en reprenant (1), λn+1 = 0 car cos((n + 1).) n’est pas la fonction nulle. Notons Ω = {F ⊂ S E| A ⊂ F et F est un sev de E}. Alors Ω 6= ∅ car E ∈ Ω.
II.1.7 Exemple Posons G = F l’intersection de tous les éléments de Ω. Clairement (par
F ∈Ω
Soit (Pk )k∈N une famille de polynômes à coefficients dans K telle que ∀k ∈ N deg(Pk ) = k.
construction), A ⊂ G.
Alors cette famille est libre.
n
P Alors 0E ∈ G car 0E est un élément de tout sous espace de E. Si λ, µ ∈
En effet, si λi Pi = 0 pour un entier n et des scalaires λ1 , . . . , λn alors le coefficient K et x, y ∈ G alors x et y sont élément de tout F ∈ Ω et donc λx + µy est élément
i=0
dominant de la somme est λn × le coefficient dominant de Pn . Donc λn = 0. de tout F ∈ Ω. Ainsi λx + µy ∈ G et G est bien un sous-espace de E.
Ceci constitue l’hérédité d’une récurrence qui est trivialement initialisée (un polynôme SI maintenant on considère F un sous espace de E qui contient A alors F ∈ Ω
de degré nul est un polynôme constant non nul donc constitue une famille libre à 1 et par construction G ⊂ F , ce qui prouve que G est bien le minimum de Ω pour
élément). l’inclusion.
Finalement, toute combinaison linéaire d’éléments de A est dans G par stabilité,
et l’ensemble des combinaisons d’éléments de A est un sev de E (cf cours de sup).
II.1.8 Proposition
II.2.4 Définition
Toute famille de polynômes tous non nuls et de degrés deux à deux distincts est libre.
Soit E un K-espace vectoriel, X un ensemble et (ei )i∈X une famille d’éléments de E. On
fit que (ei )i∈X est génératrice de E ssi pour tout u ∈ EPon peut trouver un ensemble fini
I ⊂ X et (λi )i∈I une famille de scalaires tels que u = λ i ei .
i∈I
Ainsi tout élément de E est une combinaison linéaire (la somme est finie) d’éléments
II.2 Familles génératrices de (ei )i∈X et on a E = Vect((ei )i∈X ).
II.2.1 Rappels de sup
II.2.5 Exemple
Soit E un espace de dimension n et F = (e1 , . . . , ep ) ∈ E p une famille. (X k )k∈N est une famille génératrice de K[X].

Chap 3 : Compléments sur les espaces vectoriels

 III Sous-espaces 5/12

II.2.6 Exemple
Soit (Pk )k∈N une famille de polynômes vérifiant ∀k ∈ N deg(Pk ) = k. Montrons que cette (ei )i∈X est une base ssi (ei )i∈X est libre et maximale (une famille qui la contient
famille est génératrice de K[X]. strictement n’est plus libre) ssi (ei )i∈X est génératrice de E et minimale (une sous
En effet, pour tout n ∈ N, (P0 , . . . , Pn ) est libre dans Kn [X] donc engendre Kn [X] famille stricte n’est plus génératrice de E)
qui est de dimension n + 1. Comme tout polynôme non nul possède un degré n, il est
combinaison linéaire des n + 1 premier Pk , ce qui prouve le caractère générateur.
Un exemple de telle base est la famille ((X − a)k )k∈N pour un a ∈ K fixé. Les coor-
P (k) (a) Preuve.
données d’un polynôme P sont alors les k! d’après le théorème de Taylor.
Si (ei )i∈X est une base alors elle est libre par définition. Montrons que dans ce cas
elle est maximale.
II.3 Bases Soit x ∈ E. Montrons que (ei )i∈X ∪{x} n’est pas libre. Or x est une combinaison
II.3.1 Rappels de sup des ei car (ei )i∈X est génératrice. Donc (ei )i∈X ∪ {x} n’est pas libre. Ainsi (ei )i∈X
est maximale (on ne peut pas lui ajouter ne serait-ce qu’un vecteur).
Soit E un K-ev de dimension n. Supposons maintenant que (ei )i∈X est libre et maximale. Montrons qu’elle est
1. les bases de E sont toutes de cardinal n. génératrice de E et minimale. Soit x ∈ E. Alors la famille (ei )i∈X ∪ {x} n’est pas
libre par hypothèse, donc x est une combinaison des (ei )i∈X (ce ne peut être un
2. De toute famille génératrice de E on peut extraire une base.
des ei qui est combinaison des autres ej ). Pour prouver la minimalité, retirons un
3. toute famille libre dans E peut être complétée en une base de E. vecteur ej de la famille. ej n’est pas combinaison linéaire des autres ei (la famille
II.3.2 Définition de départ est supposée libre...). Ainsi (ei )i∈X,i6=j n’engendre pas E.
Soit X un ensemble et E un K-ev. On dit que B = (ei )i∈X est une base de E ssi (ei )i∈X Finalement, supposons (ei )i∈X génératrice et minimale. Montrons que (ei )i∈X
est à la fois libre et génératrice de E. est une base. Il reste à montrer que (ei )i∈X est libre. Si elle ne l’était pas, on aurait
Dans ce cas, pour tout u ∈ E il existe un unique ensemble fini I ⊂ X etPune unique un ej combinaison des autres, que l’on pourrait retirer de la famille sans modifier
famille de scalaires (xi )i∈I (appelée coordonnées de u dans B) tels que u = xi ei . l’espace engendré et on aurait trouvé une sous-famille stricte et génératrice de E.
i∈I

III Sous-espaces
II.3.3 Proposition
B = (X k )k∈N est une base de K[X] appelée base canonique. III.1 Supplémentaires
III.1.1 Définition
Soient E un K-espace vectoriel et F, G deux sous-espaces. La somme de F et G est
F + G = {xF + xG | xF ∈ F et xG ∈ G}. C’est un espace vectoriel et on a même F + G =
Vect(F ∪ G).
II.3.4 Remarque
III.1.2 Exemple
De manière plus générale, si on choisit Pk ∈ K[X] de degré k pour tout k ∈ N alors
Dans R2 , la somme de deux droites vectorielles non confondues est R2 .
(Pk )k∈N est une base de K[X].
Dans R3 la somme d’un plan et d’une droite non contenue dans ce plan est R3 .

III.1.3 Famille génératrice

II.3.5 Proposition
Soit (ei )i∈X une famille de vecteurs de E. Si on dispose d’une famille (ui ) génératrice de F et d’une famille (vi ) génératrice de
G, alors la concaténation de ces familles engendre F + G.

Chap 3 : Compléments sur les espaces vectoriels

6/12 III Sous-espaces

   
III.1.4 Exemple 1 −1
Donner une base de P1 + P2 où P1 : x − y + 2z = 0 et P2 = Vect(1 ,  2 ).
0 1 III.1.10 Théorème (Théorème de )
Soit E un K-espace vectoriel, F, G deux sous-espaces de dimensions finies ; Alors
III.1.5 Définition F + G est de dimension finie et
Soient E un K-espace vectoriel et F, G deux sous-espaces. On dit que F et G sont sup-
plémentaires dans E et on note E = F ⊕ G ssi dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G)

∀x ∈ E∃(xF , xG ) ∈ F × G x = xF + xG
III.1.11 Corollaire
(
Avec ces notations, xF est le projeté de x sur F dans la direction G (ou parallèlement à F +G=E
G) et xG le projeté de x sur G dans la direction F . Dans un espace de dimension finie, on a E = F ⊕G ⇐⇒ ⇐⇒
dim(F ) + dim(G) = dim(E)
(
F ∩ G = {0E }
III.1.6 Caractérisation .
( dim(F ) + dim(G) = dim(E)
E =F +G
On a également E = F ⊕ G ⇐⇒ . III.1.12 Exercice
F ∩ G = {0E }
Caractériser (donner une ou des CNS sur) les espaces supplémentaires dans R2 et R3 .
III.1.7 Exemple
1. Mn (K) = Sn (K)⊕An (K) et la décomposition associée est A = 12 (A+ tA)+ 12 (A− tA). III.2 Hyperplans
Ainsi la projection d’une matrice A sur l’ensemble des matrices symétrique, dans la
t III.2.1 Définition
direction de l’ensemble des matrices anti-symétriques est A+2 A .
Soit E un espace vectoriel de dimension finie. Un sous-espace H de E est appelé hyperplan
2. Notons F = {f : R → R| f est paire} et G = {f : R → R| f est impaire}. Alors ssi H admet une droite comme supplémentaire.
RR = F ⊕ G, les projections d’une fonction f sur F et G étant respectivement
x 7→ f (x)+f
2
(−x)
et x 7→ f (x)−f
2
(−x)
.
III.2.2 Proposition
III.1.8 Lien avec les bases Les hyperplan de E de dimension n > 0 sont exactement les sous-espaces de dimen-
Dans le cas de la dimension finie, E = F ⊕ G ssi la concaténation d’une base de F et sion n − 1.
d’une base de G est une base de E. On dit que la base obtenue (par concaténation) est
adaptée à la somme F ⊕ G.
On a alors évidemment III.2.3 Exemple
Les droites du plan, les plans dans l’espace. Remarquer les équations cartésiennes similaires
dim(E) = dim(F ) + dim(G) dans ces cas.
Dans ce cadre, déterminer les projections se ramène au calcul de coordonnées dans une
III.2.4 Hyperplan et formes linéaires
base adaptée.
Soit H un hyperplan. Nous allons montrer que H est le noyau d’au moins une forme
III.1.9 Corollaire
linéaire f et que si H = ker(g) pour g ∈ L(E, K) alors f et g sont proportionnelles.
En dimension finie (ou pas, mais on ne l’a pas prouvé), tout sous-espace possède au moins
Soit Ku une droite supplémentaire de H dans E (ie.u ∈ / H). Pour x ∈ E on peut
un supplémentaire.
E → K
alors écrire x = xH + λx u de manière unique. On pose f : . On prouve très
x 7→ λx

Chap 3 : Compléments sur les espaces vectoriels

 III Sous-espaces 7/12

facilement (voir les projecteurs) que f est une forme linéaire non nulle car f (u) = 1. De III.2.7 Exercice
plus, pour x ∈ E, f (x) = 0 ⇐⇒ λx = 0 ⇐⇒ x ∈ H. Ainsi H = ker(f ). Montrer que {P ∈ Kn [X]| P (1) = 0} est un hyperplan de Kn [X].
Supposons maintenant que g ∈ L(E, K) vérifie ker(g) = H. Alors g est une forme
linéaire non nulle (sinon son noyau est E) et on a avec les notations précédentes, g(x) = III.2.8 Intersection d’hyperplans
g(xH ) + λx g(u) = λx g(u) = g(u)f (x). Ainsi g = g(u) ×f .
|{z} Soient H1 , . . . Hp des hyperplans de E de dimension n > p et B une base de E.
∈K
Exo : on peut en fait décrire g de la même manière que f (g : x →
7 µx ). Avec quel(s) L’intersection H1 ∩H2 ∩· · ·∩Hp est l’ensemble des solutions d’un système S à n inconnues
vecteur(s) ? (les coordonnées dans B) et p équations. Le rang de S est au maximum p donc l’ensemble
des solutions (notre intersection) est de dimension au moins n − p.
Quel est le cas d’égalité pour les dimensions ?
III.2.5 Théorème
Soit E un K-espace vectoriel de dimension finie n > 0 et B = (ei )i∈J1,nK une base de
E. III.2.9 Théorème
 
a1 Soit E de dimension n > 0 et p 6 n.
 .. 
Pour un hyperplan H il existe  .  ∈ Kn non nul tel qu’une équation de H dans 1. l’intersection de p hyperplans de E est de dimension au moins n − p.
an 2. réciproquement, tout sous-espace de dimension p est l’intersection de n − p hy-
la
 base B soit a1 x 1 + a2 x 2 + · · · + an xn = 0 ce qui signifie que x ∈ E de coordonnées perplans (et possède donc un système d’équation à n−p équations et n inconnues
x1 dans une base fixée de E).
 .. 
 .  (dans B) appartient à H ssi a1 x1 + a2 x2 + · · · + an xn = 0.
xn
Toutes les autres équations de H sont proportionnelles à celle-ci.
Preuve.
Il nous reste à prouver le deuxième point.
Soit F un sous-espace de E de dimension p. Notons (e1 , . . . ,
ep ) une base de F
Preuve. x1
n
Posons f ∈ L(E, K) telle que H = ker(f ). Alors x =
P
xi ei ∈ H ⇐⇒ f (x) = et complétons cette base en B = (e1 , . . . , en ). Soit x ∈ E et   ses coordonnées
i=1 xn
0 ⇐⇒ f (e1 )x1 + f (e2 )x2 + · · · + f (en )xn = 0. En notant ai = f (ei ) il ne reste qu’à dans B. Alors x ∈ F ⇐⇒ xp+1 = 0 et . . . et xn = 0.
vérifier que ces scalaires sont non tous nuls. S’ils l’étaient, f serait l’application Si on note Hi : xi = 0 pour i ∈ Jp + 1, nK des hyperplans décrits par leurs
nulle car son image est engendrée par (f (e1 ), . . . , f (en )). n
T
on a bien trouvé une équation (à coefficients non tous nuls) de H dans la base équations dans B, alors F = Hi . On obtient bien n − p hyperplans ie. n − p
i=p+1
B. Toutes les autres équations de H sont de la forme g(x) = 0 où g est une forme équations.
n
P
linéaire, donc sont proportionnelles (l’application x 7→ βi xi est linéaire pour
i=1 III.2.10 Exemple
toute famille (βi )i∈J1,nK par composition). On savait qu’une droite dans l’espace est décrite par un système de deux équations, c’est
à dire comme l’intersection de deux plans.
III.2.6 Remarque  
III.2.11 Exercice 1
On retrouve le fait pour les plans de R3 et les droites de R2 d’avoir des équations Trouver un système d’équation de la droite D = Vect −1.
“simples”. Dans quelle base se place-t-on dans ces cas ? 2

Chap 3 : Compléments sur les espaces vectoriels

8/12 III Sous-espaces

p p p
III.3 Sommes directes d’espaces vectoriels Si on a u =
P
ui =
P
u0i avec ∀i ∈ J1, pKui , u0i ∈ Fi alors
P
(ui − u0i ) =
i=1 i=1 i=1 |
III.3.1 Définition
{z }
∈Fi
Soit E un K-espace vectoriel et F1 . . . Fp des sous espaces de E. u − u = 0E et donc ui − u0i = 0E pour tout i ∈ J1, pK par hypothèse.
Pp
1. La somme des espaces (Fi )i∈J1,pK est Fi = {u1 + · · · + up | u1 ∈ F1 et u2 ∈ III.3.5 Exemple Ln
i=1 Montrer que si B = (ei )i∈J1,nK est une base de E alors E = Vect(ei ).
F2 et . . . et up ∈ Fp }. C’est le sous espace de E engendré par les Fi i=1
p
P Lp Trouver la propriété plus précise que “base” qui permet ce raisonnement.
2. On dit que la somme F = Fi est directe et on note F = Fi ssi tout vecteur
i=1 i=1 III.3.6 Définition-Proposition p
u ∈ F s’écrit de manière unique sous la forme u = u1 +· · ·+up avec ∀i ∈ J1, pKui ∈ Soient F1 , . . . , Fp des sous espaces de E, de dimension finie. Notons F =
P
Fi .
Fi . i=1
Lp
La somme et laPsomme L directe sont associatives, ce qui permet de justifier a posteriori F = Fi ssi la concaténation de bases des Fi est une base de F .
l’utilisation de et i=1
Une telle base de F est dite adaptée à la somme directe.

III.3.2 Remarque
III.3.7 Remarque
Le cas p = 2 est déjà connu. La somme F + G est directe ssi F et G sont supplémen-
1. Observer le ssi, et surtout la réciproque. Il est facile de décomposer un espace en
taires dans F + G.
somme si on en connaît une base. Par exemple R3 [X] = Vect(1) ⊕ Vect(X, X 2 ) ⊕
III.3.3 Exercice Vect(X 3 ).
Trouver 3 espaces D1 , D2 , D3 tels que R3 = D1 ⊕ D2 ⊕ D3 .  p
L

Pp
2. On obtient immédiatement dim Fi = dim(Fi ).
i=1 i=1

III.3.4 Théorème p
P III.3.8 5/2
Soient F1 , . . . , Fp des sous espaces de E. La somme Fi est directe ssi
i=1 Quels genre de sous-espaces sont forcément en somme directe ?
p
Q
∀(u1 , . . . , un ) ∈ Fi u1 + · · · + up = 0E ⇐⇒ u1 = u2 = · · · = up = 0E .
i=1 III.3.9 Une application
Ainsi il suffit de vérifier que le vecteur nul possède une unique écriture sous forme
de somme. Considérons la surface suivante, image d’une sphère par une application linéaire f
simple : On a ici 3 droites (2 à 2 orthogonales d’ailleurs) Da , Db et Dc telles que sur

Preuve.
Si on suppose la somme directe, alors le vecteur nul s’écrit de manière unique comme
0E = 0E + · · · + 0E .
|{z} |{z}
∈F1 ∈Fp
p
Q
Réciproquement, supposons que ∀(u1 , . . . , un ) ∈ Fi u1 + · · · + up = 0E ⇐⇒
i=1
p
P
u1 = u2 = · · · = up = 0E . Soit u ∈ Fi . Montrons que sa décomposition en
i=1
somme est unique. chaque droite l’application f est une homothétie de rapport a, b ou c.

Chap 3 : Compléments sur les espaces vectoriels

 III Sous-espaces 9/12

Comme Da ⊕ Db ⊕ Dc = R3 , dans une base de R3 adaptée à cette somme directe, la Cependant, f (x1 ) = f (x) − f 2 (x) = 0E et (f − Id)(x2 ) = f (x2 ) − x2 =
matrice de f est : f (x2 ) − x2 = f 2 (x) − f (x) = 0E car f 2 = f .
Conclusion : E = ker(f ) + ker(f − Id). Le fait que la somme est directe
III.4 Projecteurs, symétries provient directement de l’analyse (les seules valeurs possibles sont...) ou du
fait que si x ∈ ker(f ) ∩ ker(f − Id) alors f (x) = 0E et f (x) − x = 0E donc
III.4.1 Définition
x = 0E et on a bien ker(f ) ∩ ker(f − Id) = {0E }.
Soit E un K-ev. Soient également F, G deux sev supplémentaires. Tout x ∈ E s’écrit
donc de manière unique comme xF + xG avec xF ∈ F et xG ∈ G. L’application qui à — Par définition d’un projecteur, et d’après notre analyse, f est le projecteur
p : x 7→ xF est appelé projecteur sur F parallèlement à G (ou de direction G). sur ker(f − Id) = Im(f ) dans la direction ker(f ).
L’application qui à s : x 7→ xF − xG est appelé symétrie par rapport à F parallèlement  
à G (ou de direction G). III.4.4 Exemple 5 −2 1
1 
Soit la matrice A = 6
−2 2 2 Montrer que l’endomorphisme canoniquement as-
III.4.2 Rappels 1 2 5
socié à A est un projecteur dont on précisera les éléments caractéristiques.
1. On a les liens important entre ces applications : s = 2p − Id et p = s+Id
2 . Question 5/2 : au vu de la matrice A, que dire de plus de la projection ?
2. Si p et s désignent les projection et symétrie sur G et de direction F , on a p + p0 =
0 0

Id, p ◦ p0 = 0 = p0 ◦ p, s + s0 = 0, s ◦ s0 = s0 ◦ s = −Id..
III.4.5 Proposition
Soit E un K-ev
III.4.3 Proposition 1. Soit s la symétrie par rapport à F dans la direction G. Alors s ∈ GL(E) et
Soit E un K-ev s2 = IdE ie. s = s−1 . De plus F = ker(s − IdE ) = {x ∈ E| s(x) = x} et
1. Soit p le projecteur sur F de direction G. Alors p ∈ L(E), p2 = p, ker p = G et G = ker(s + Id) = {x ∈ E| s(x) = −x}.
Im p = F = ker(IdE − p). 2. Réciproquement, soit f ∈ L(E). Si f 2 = IdE alors f est la symétrie par rapport
2. Réciproquement si f ∈ L(E) vérifie f 2 = f alors f est le projecteur sur Im(f ) = à ker(f − IdE ) parallèlement à ker(f + IdE ) qui sont donc supplémentaires dans
ker(f − Id) dans la direction ker(f ) E.

III.4.6 Exemple
Preuve.
Dans E = RR l’application s qui à une fonction f associe s(f ) : x 7→ f (−x) est une
On prouve seulement le deuxième point.
symétrie. C’est la symétrie par rapport aux fonctions paire parallèlement aux fonctions
— On a d’abord (f − Id) ◦ f = 0 donc Im(f ) ⊂ ker(f − Id). L’autre inclusion impaires.
est évidente.
— Montrons maintenant que ker(f ) ⊕ ker(f − Id) = E. Soit x ∈ E. III.5 Projection et espaces en somme directe
— Analyse : Supposons que x = x1 + x2 avec x1 ∈ ker(f ) et x2 ∈
III.5.1 Définition p
ker(f − Id). L
Soient F1 , . . . Fp des sous-espaces de E vérifiant E = Fi . Pour x ∈ E, on pose x =
Alors f (x) = 0E + f (x2 ) = x2 . Ainsi x2 = f (x) et donc x1 = x − x2 = i=1
x − f (x). x1 + · · · + xp l’unique décomposition en somme telle que ∀i ∈ J1, pKxi ∈ Fi .
p
— Synthèse : Réciproquement, posons x1 = x − f (x) et x2 = f (x). Mon-
L
La projection de x sur Fj parallèlement à Fi est xj . Le projecteur associé est
trons que x = x1 + x2 (trivial) et que x1 ∈ ker(f ) et x2 ∈ ker(f − Id) i=1
i6=j
(moins trivial). pj : x 7→ xj .

Chap 3 : Compléments sur les espaces vectoriels

10/12 IV Matrices

III.5.2 Remarque IV.1.4 Base canonique

Si la somme directe des Fi n’est pas égale à l’espace E global, on peut se ramener à la On note Ek,l la matrice de taille n, p nulle partout sauf au coefficient d’indice k, l qui
p
P vaut 1. La famille des (Ek,l )k∈J1,nKl∈J1,pK est la base canonique de Mn,p (K).
définition en considérant plutôt F = Fi comme espace dans lequel on projette.
i=1 Dans le cas où n = p, Ek,l Er,s = δl,r Ek,s où δ est le symbole de Kronecker (qui vaut
1 si l = r et 0 sinon).

III.5.3 Proposition
Avec les notations de la définition précédente, ∀(k, l) ∈ J1, pK2 k 6= l ⇒ pk ◦ pl = 0 et IV.1.5 Théorème 
p L(E, F ) → Mn,p (K)
Avec les notations de la définition, est un isomor-
f 7 → MatBE ,BF (f )
P
pj = IdE .
j=1 phisme linéaire.

III.5.4 En pratique IV.1.6 Conséquences

Pour déterminer ces projections, on procède comme dans le cas d’espaces supplémen- 1. On obtient dim(L(E, F )) = dim(Mn,p (K)) = dim(E) × dim(F )
taires : 2. On peut ainsi calculer une base de L(E, F ) : les applications fk,l dont les matrices
1. calcul de coordonnées dans une base adaptée si possible, et on regroupe par espace. sont les Ek,l

2. analyse/synthèse s’il le faut.

IV.1.7 Produit matriciel et évaluation
Toujours avec les notations de la définition. Soient en plus x ∈ E et y ∈ F . On note
IV Matrices X = MatBE (x) et y = MatBF (y), A = MatBE ,BF (f ).

IV.1 Matrice d’une application linéaires y = f (x) ⇐⇒ Y = AX

IV.1.1 Définition Multiplier par A revient à calculer l’image par f (à condition que les bases soient les
Soient E, F deux K-ev de dimension finie de dimension respectives p et n. On note bonnes).
BE = (e1 , . . . , ep ) une base de E et BF = (u1 , . . . , un ) une base de F . Soit également
f ∈ L(E, F ). La matrice A de f dans BE et BF (noté MatBE ,BF (f )) est la matrice
MatBF (f (e1 ), . . . , f (ep )) ∈ Mn,p (K). IV.1.8 Théorème
C’est la matrice des coordonnées des f (ej ) dans u1 , . . . , un , écrites en colonnes. Soient E, F, G trois K-ev de dimensions respectives q, p, n et de bases BE ), BF , BG .
n
Si A = (ai,j )i∈J1,nKj∈J1,pK alors f (ej ) =
P
aij ui . Soient f ∈ L(E, F ) et g ∈ L(F, G).
i=1 On pose de plus Mf = MatBE ,BF (f ) ∈ Mp,q (K) et Mg = MatBF ,BG (g) ∈
Mn,p (K).
IV.1.2 Endomorphismes Alors C = MatBE ,BG (g ◦ f ) = Mg Mf ∈ Mn,q (K)
Pp
Dans le cas où E = F et BE = BF , on ne répète pas la base dans la notation. Rappel : si C = AB, ci,j = aik bkj .
k=1
IV.1.3 Exemple        
x 2x + y 1 −1
Trouver la matrice de 7→ dans la base (u, v) = , .
y x + 2y 1 1

Chap 3 : Compléments sur les espaces vectoriels

 IV Matrices 11/12

IV.1.9 Corollaire Preuve.

f est bijective ssi Mf est inversible et dans ce cas MatBF ,BE (f −1 ) = Mf−1 . Pour x ∈ E on pose X = MatB (X) et X 0 = MatB0 (x). On a alors X = P X 0 .
De plus M X = P M 0 X 0 (en posant M X = Y ∈ Kn on a bien Y = P Y 0 ) et ainsi
IV.1.10 Puissances M P X 0 = P M 0 X 0 ou encore P −1 M P X 0 = M 0 X 0 pour tout X 0 ∈ Kp (car on a pris
x quelconque)
Si f ∈ L(E) et B est une base de E, notons M = MatB (f ). Alors MatB (f k ) = M k Finalement M 0 = P −1 M P
pour tout k où cela à du sens (y compris négatif dans le cas où f est bijective)
IV.2.5 Remarque
IV.1.11 Rang
De manière plus générale, si on dispose d’une matrice de passage Q dans l’espace
Soit f ∈ L(E, F ) d’arrivée, on a M 0 = Q−1 M P .
1. rg(f ) = rg(Mat(f )), et ce quelques soient les bases choisies.
IV.2.6 Définition
2. f est injective ssi rg(f ) = dim(E). Soient A, B ∈ Mn (K). On dit que A est semblable à B ssi il existe P ∈ GLn (K) telle que
3. f est surjective ssi rg(f ) = dim(F ). A = P −1 BP .
A et B représentent un même endomorphisme dans deux bases différentes.
IV.2 Matrices semblables IV.2.7 Exercice
IV.2.1 Définition Soient A, B, C ∈ Mn (K). Montrer :
Soit E un K-ev de dimension finie et B, B 0 deux bases de E. On appelle matrice de passage — A est semblable à A.
de B à B 0 la matrice MatB (B 0 ) de B 0 dans B.
0
On exprime la nouvelle base B en fonction de l’ancienne base — A est semblable à B ssi B est semblable à A. (on dira A et B sont semblables)
— Si A et B sont semblables et B et C sont semblables alors A et C sont semblables.
IV.2.2 Remarque La relation “être semblable” est qualifiée de relation d’équivalence.
Une matrice de passage est toujours inversible et la matrice de passage de B 0 à B est
−1 IV.2.8 Remarque
P .
1. Deux matrices semblables ont le même rang.
2. La seule matrice semblable à In est elle même.
IV.2.3 Théorème
Soit E un K − ev de dimension n et B, B 0 deux bases de E. Soit également x ∈ E.
On pose P = MatB (B 0 ), X = MatB (x) et X 0 = MatB0 (x). Alors IV.3 Espaces stables
IV.3.1 Définition
X = P X0 Soit f ∈ L(E) et F un sous-espace de E. On dit que F est stable par f ssi f (F ) ⊂ F .
IV.3.2 Exemple
Soit f ∈ L(E) et λ ∈ K. Montrer que F = ker(f − λidE ) est stable par f .

IV.2.4 Théorème IV.3.3 Restriction

Soient E un K-ev B, B 0 deux bases de E. On note P la matrice de passage de B à B 0 . 
F → F
Soit f ∈ L(E). On pose M = MatB (f ) et M 0 = MatB0 (f ). Alors M 0 = P −1 M P Si F est stable par f alors on peut définir fF : la restriction de f à
x 7→ f (x)
F (le détail important ici est l’espace de départ qui est illégal si F n’est pas stable).
Alors fF ∈ L(F ).

Chap 3 : Compléments sur les espaces vectoriels

12/12 IV Matrices

       
IV.3.4 Exemple x −x + y + z 1 1
Considérons l’application f : y  7→  x − y + z . On pose u = −1 , v =  0  , w =
z x+y−z 0 −1
 
1
1, F = Vect(u, v) et G = Vect(w).
1
Montrer que F, G sont stables par f , calculer Mat(u,v) (fF ), Mat(v) (fG ) et Mat(u,v,w) (f ).

IV.3.5 Familles génératrices

Soit F = Vect(e1 , . . . , ep ). F est stable par f ssi ∀j ∈ J1, pKf (ej ) ∈ F . En effet f (F ) =
Vect(f (e1 ), . . . , f (ep )).

IV.3.6 Théorème
Soit F un sous-espace de E, BF une base de F que l’on complète en une base B de
E.  
A B
On pose A = MatBF (f ). F est stable par f ssi MatB (f ) = où 0, B, C
0 C
sont des matrices.

Preuve.
On note M = (mi,j ) = MatB (f ) ∈ Mn (K).
Supposons F stable par f et notons p = dim(F ), B = e1 , . . . , ep , ep+1 , . . . , en )
n
P
(les p premiers sont dans F ). Pour j ∈ J1, pK, on a f (ej ) = mij ei . Les derniers
i=1
p
P
termes de cette somme sont nuls car ej ∈ F , ainsi f (ej ) = mij ei . Ceci prouve
i=1
que les n - p dernières lignes de M sont nulles dans les p premières colonnes.
Réciproquement, si M est de la forme annoncée, alors f (ej ) n’a des coordonnées
que sur e1 , . . . , ep ie est dans F , et ce pour tout j ∈ J1, pK.

IV.3.7 Exercice
Dans le théorème précédent, on note p = dim(F ). Donner les tailles des matrices B et C.

Chap 3 : Compléments sur les espaces vectoriels