PCSI Espaces vectoriels

Plan 2.2 Famille Libre . . . . . . . . . . . . . . 8

2.3 Base d ’ un espace vectoriel . . . . . 11
1 Espace vectoriel - sous espace vecto-
riel 1 3 Somme de sous-espaces vectoriels 12
1.1 Notion d’espace vectoriel . . . . . . . 1 3.1 Somme de deux s.e.v . . . . . . . . . 12
1.2 Exemples de références . . . . . . . . 2 3.1.1 définition et propriétés . . . 12
1.3 Sous - espaces vectoriel . . . . . . . . 3 3.1.2 Somme directe - sous es-
paces supplémentaires . . . . 13
1.4 Combinaison linéaire - Sous-espace
vectoriel engendre par une partie . . 5 3.2 Somme de plusieurs s.e.v . . . . . . 15
3.2.1 définition et propriétés . . . 15
2 Famille : Libre - génératrice - Base 7
3.2.2 Somme directe de plusiers
2.1 Famille génératrice . . . . . . . . . . 7 sous espaces vectoriels . . . . 16

∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗

Dans tout ce chapitre K désigne R ou C.

1 Espace vectoriel - sous espace vectoriel

1.1 Notion d’espace vectoriel

Définition 1.1. On appelle Espace vectoriel sur K, ou K− espace vectoriel ,tout triplet (E, +, .) où E est un
ensemble non vide, + est une loi de composition interne sur E et . est une une loi de composition externe
sur E à base dans K c.à. d une application

K×E → E
(λ, x) 7→ λ.x

telles que
(1) (E, +) est un groupe commutative
(2) pour tout x, y ∈ E et pour tout α, β ∈ K
(i) α(x + y) = α x + α y
(ii) (α + β)x = α x + β y
(iii) α(β x) = (αβ)x
(2) pour tout x ∈ E; 1K x = x

Vocabulaire :

Soit (E, +, .) un K− espace vectoriel (en abrégé : K.e.v ).

— Les éléments de E sont appelés vecteurs.
— Les éléments de K sont appelés scalaires.
— L’élément neutre de l’addition + de E est noté 0E ’ ou tout simplement 0, et appelé vecteur nul.
— L’inverse d’un élément x de E pour l’addition se note − x : x + (− x) = 0E .
— La multiplication par un scalaire λ.x est souvent notée avec absence de loi : λ x.

page:1/ 17
PCSI Espaces vectoriels

Proposition 1.1 (Règles de calculs). Soit (E, +, .) un K− espace vectoriel.

1. ∀ x ∈ E; 0K .x = 0E .
2. ∀λ ∈ K; λ.0E = 0E .
3. ∀ x ∈ E; (−1K ).x = − x.
4. ∀ x ∈ E, ∀λ ∈ K; [λ.x = 0E ⇔ λ = 0K ou x = 0E ].
5. ∀ x ∈ E \{0E }, ∀λ, µ ∈ K; [λ.x = µ x ⇔ λ = µ].
6. ∀ x, y ∈ E, ∀λ ∈ K∗ ; [λ.x = λ y ⇔ x = y].

1.2 Exemples de références

Exemple 1.1 (L’espace vectoriel Kn ). Soit n ∈ N∗ , L’ensemble Kn est un K− e.v, pour les lois + et . définie
par : ½
n n x + y = (x1 + y1 , ..., xn + yn )
∀ x = (x1 , ..., xn ) ∈ K , ∀ y = (y1 , ..., yn ) ∈ K ∀λ ∈ K
λ x = (λ x1 , ..., λ xn )

Le vecteur nul Kn est 0K

n
= (0, ..., 0).

Exemple 1.2 (L’espace vectoriel produit). Plus généralement si E 1 , ..., E n sont des K− espaces vectoriels
et

n
Y
E= E i = {(x1 , ..., xn ) / ∀ i ∈ [[1, n]]] x i ∈ E i } .
i =1

le produit cartésien des E i ; alors E est un K− espace vectoriel pour les lois :

½
x + y = (x1 + y1 , ..., xn + yn )
∀ x = (x1 , ..., xn ) ∈ E, ∀ y = (y1 , ..., yn ) ∈ E ∀λ ∈ K
λ x = (λ x1 , ..., λ xn )

Le vecteur nul Kn est 0K

n
= (0E 1 , ..., 0E n ).
n
E i est noté E n .
Y
Remarque 1.1. Lorsque E 1 = ... = E n = E alors l’espace vectoriel
i =1

Exemple 1.3 (L’espace vectoriel KD ). Soit D une partie non vide de R. Alors l’ensemble K D des applications
de D à valeurs dans K est un K− e.v pour les lois :

½
( f + g)(x) = f (x) + g(x) (∀ x ∈ D)
∀ f ∈ KD , ∀ g ∈ KD ∀λ ∈ K
λ f (x) = λ f (x) (∀ x ∈ D)

Le vecteur nul de KD est la fonction nulle sur D : 0KD : D → K, x 7→ 0.

Exemple 1.4 (L’espace vectoriel des suites numériques KN ). l’ensemble K N des suites numériques à coef-
ficients dans K est un K− e.v pour les lois :

½
N N u + v = (u n + vn )
∀ u = (u n ) ∈ K , ∀v = (vn ) ∈ K ∀λ ∈ K
λ u = (λ u n )

Le vecteur nul de KN est la suite nulle : 0KN : (0)n∈N .

Exemple 1.5 (L’espace vectoriel E X ). Plus généralement , si X est un ensemble non vide et E est un K−
e. v alors lensemble E X des applications de X à valeurs dans E est un K− e.v pour les lois :

page:2/ 17
PCSI Espaces vectoriels

½
X X ( f + g)(x) = f (x) + g(x) (∀ x ∈ X )
∀ f ∈ E , ∀ g ∈ E ∀λ ∈ K
λ f (x) = λ f (x) (∀ x ∈ X )

Le vecteur nul de E X est la fonction nulle sur X : 0E X : X → E, x 7→ 0E .

Exemple 1.6 (Le K− e.v K[X ]). K[X ] est un K− e.v pour l’addition usuelle des polynômes et la multi-
plication : (λ, P) 7→ λP obtenue en multipliant le polynôme P par la constante λ .

Exemple 1.7 (Le K− e.v K(X )). K(X ) est un K− e.v pour l’addition usuelle des fractions rationnelles et
la multiplication : (λ, F) 7→ λF obtenue en multipliant la fraction F par la constante λ .

Commentaire :

Dans la suite, lorsqu on se réfère à l’un des exemples cités précédemment, on supposera que ses lois et son
vecteur nul sont connues, il faut donc les retenir ! !

1.3 Sous - espaces vectoriel

Définition 1.2 (s.e.v). Soit E un K-ev et F ⊂ E . On dit que F est un sous espace vectoriel ( sev ) de E si

 (i)
 F 6= ;
(ii) ∀ x, y ∈ F x+ y∈ F
∀λ ∈ K

(ii) ∀ x ∈ F , λ.x ∈ F


Remarque 1.2. • Si F est un sous espace vectoriel ( sev ) de E alors les lois + et. induisent des lois sur
F de sorte que (F, +, .) est un K− e.v . Ainsi un s.e.v est un e.v

• Dans la pratique , pour montrer qu’un ensemble est est espace vectoriel , il suffit de montrer que c’est
un s.e.v d’un espace vectoriel connue

Proposition 1.2 (Caractérisation). Soit E un K-ev et F ⊂ E

(
1) 0E ∈ F
F est un sev de E si et seulement si
2) ∀ x, y ∈ F ∀λ, µ ∈ K , λ.x + µ.y ∈ F

Exemple 1.8. 1. {0E } et E sont des s.e.v du K-ev E, on les appelles les sous espaces triviaux de E.
2. C(I, K) ,C (I, K), D n (I, K) et C ∞ (I, K) sont des s.e.v de K I
n

3. Kn [X ] est un s.e.v de (K[X ], +, .)

Exercice 1. Montrer que F i est un espace vectoriel dans les cas suivants
1. F1 = {(x, y, z) ∈ R3 ; x + y + 3z = 0} ;
2. F2 = {(x, y, z, t) ∈ R4 ; x = y = 2z = 4t} ;
3. F3 = {P ∈ R[X ]; P(0) = P(2)} ;
4. Pour A ∈ R[X ] non-nul fixé, F4 = {P ∈ R[X ]; A |P } ;
5. F5 , l’ensemble des solutions de l’équation différentielle y0 + a(x)y = 0, où a est une fonction continue
sur un intervalle I de R.
6. F6 = {(u n ) ∈ RN / ∀ n ∈ N, u n+2 = u n+1 − nu n }.

page:3/ 17
PCSI Espaces vectoriels

Solution : 1. • (0, 0, 0) ∈ F1
• Soient X = (x, y, z) et X 0 = (x0 , y0 , z0 ) éléments de F1 et soit λ ∈ R. Alors, X + λ X 0 = (x + λ x0 , y + λ y0 , z + λ z0 ) est aussi
élément de F1 . En effet,

(x + λ x0 ) + (y + λ y0 ) + 3(z + λ z0 ) = (x + y + 3z) + λ(x0 + y0 + 3z0 ) = 0.

Ainsi F1 est s.e.v de R3 donc c’est un Re.v.

2. • (0, 0, 0) ∈ F2
• Soient X = (x, y, z) et X 0 = (x0 , y0 , z0 ) éléments de F2 et soit λ ∈ R. Alors, X + λ X 0 = (x + λ x0 , y + λ y0 , z + λ z0 ) est aussi
élément de F2 . En effet,
x + λ x0 = y + λ y0 = 2(z + λ z0 ) = 4(t + λ t0 ).
Ainsi F2 est s.e.v de R4 donc c’est un Re.v.
3. On va prouver que F3 est un sous-espace vectoriel de R[X ]. Pour cela,
• 0R[ X ] ∈ F3
• Soient P et Q deux éléments de F3 , et λ ∈ R. Alors (P + λQ)(0) = P(0) + λQ(0) = P(2) + λQ(2) = (P + λQ)(2) et donc
P + λQ ∈ F3
4. On va prouver que F4 est un sous-espace vectoriel de R[X ]. Pour cela,
• 0R[ X ] ∈ F4
• Soient P et Q deux éléments de F4 , et λ ∈ R. on a A |P et A |Q donc A |(P + λQ) par suite (P + λQ) ∈ F3
5. Remarquons d’abord que F5 est une partie de C 1 (I, R) est que la fonction nulle est bien solution de l’équation différen-
tielle. Soient y1 , y2 deux solutions et λ ∈ R. Posons y = y1 + λ y2 . Alors

y0 + a(x)y = (y10 + a(x)y1 ) + λ(y20 + a(x)y2 ) = 0

ce qui prouve que y ∈ F5 . Ainsi, F5 est un sous-espace vectoriel de C 1 (I, R) .

6. Remarquons d’abord que F6 est une partie de RN est que la suite nulle est dans F6 . Soient u = (u n ), v = (vn ) deux suites
de F6 et λ ∈ R. Posons w = u + λv = (u n + λvn ). Alors

∀ n ∈ N, wn+2 = u n+2 + λvn+2 = u n+1 − nu n + λ(vn+1 − nvn ) = (u n+1 + λvn+1 ) − n(u n + λvn ) = wn+1 − nwn

ce qui prouve que w ∈ F6 . Ainsi, F6 est un sous-espace vectoriel de RN .

Exercice 2. justifier que les ensembles suivants ne sont pas des sous-espaces vectoriels
1. E 1 = {(x, y, z) ∈ R3 ; x + y + 3z = 2} ;
2. E 2 = {P ∈ R[X ]; P 0 (0) = 2} ;
3. E 3 = {(x, y, z) ∈ R3 ; x ≤ y} ;
4. E 4 = {(x, y) ∈ R2 ; x y = 0} ;
5. E 5 = {(x, y) ∈ R2 ; y = x2 } ;

Solution : 1. E 1 n’est pas un sous-espace vectoriel de R3 car (0, 0, 0) n’est pas élément de E 1 .
2. E 2 n’est pas un espace vectoriel car le polynôme nul n’est pas élément de E 2 .
3. E 3 n’est pas un espace vectoriel car (−1, 1) ∈ E 3 mais −(−1, 1) = (1, −1) ∉ E 3 .
4. E 4 n’est pas un sous-espace vectoriel de R2 car il n’est pas stable par addition. En effet, X = (1, 0) et Y = (0, 1) sont tout
les deux éléments de E 4 , mais X + Y = (1, 1) n’est pas élément de E 4 .
5. Les éléments (1, 1) et (−1, 1) sont éléments de E 5 . Si on effectue leur somme, on trouve (0, 2) qui n’est pas élément de E 5 :
E 5 n’est pas un sous-espace vectoriel de R2 . Plus généralement, un sous-espace vectoriel de R2 est une droite passant par
(0, 0), ou R2 lui-même, ou encore le singleton {(0, 0)}.. E 5 est une parabole et n’est donc pas un sous-espace vectoriel.

Exercice 3. Soit E un espace vectoriel et soient F et G deux sous-espaces vectoriels de E. Montrer que
F ∪ G est encore un sous-espace vectoriel de E si et seulement si F ⊂ G ou G ⊂ F

Solution : • Si F ⊂ G, F ∪ G = G est un sous-espace vectoriel ce qui prouve une implication.

• Réciproquement, supposons que F ∪ G est un sous-espace vectoriel de E et que F n’est pas inclus dans G et G n’est pas inclus
dans F. Prenons x dans F \G et y dans G \F. Alors, puisque F ∪ G est un sous-espace vectoriel, il est stable par addition et donc
x + y ∈ F ∪ G. Mais, si x + y est dans F, alors y = (x + y) − x ∈ F (car F est un sev) ce qui n’est pas le cas. De même, si x + y est dans
G, alors x = (x + y) − y ∈ G ce qui est impossible. On obtient donc une contradiction et l’autre implication.

page:4/ 17
PCSI Espaces vectoriels

F
Remarque 1.3. Si F est un sous-espace vectoriel de E alors C E n’est pas s.e.v puisqu’il ne contient pas
0E

Théorème 1.1. Soient E un K− espace vectoriel et (F i ) i∈ I une famille de sous espaces vectoriels de E.
Alors
\
F i est sous espace vectoriel de E
i∈ I

\
Preuve : Posons F = F i alors
i∈ I
• 0 ∈ F puisque pour tout i ∈ I, F i est s.e.v donc contient 0.
• Soit x, y ∈ F et λ ∈ K, alors x + λ y ∈ F car pour tout i ∈ I, x, y ∈ F i et F i s.e.v donc x + λ y ∈ F i
On rappel que :
\
x∈ Fi ⇔ ∀ i ∈ I; x ∈ F i
i∈ I

1.4 Combinaison linéaire - Sous-espace vectoriel engendre par une partie

Définition 1.3. Soit E un espace vectoriel et soient (u 1 , ..., u n ) une famille finie d’éléments de E. On ap-
pelle combinaison linéaire des vecteurs u 1 , ..., u n tout vecteur x de E qui est de la forme
n
où (λ1 , ..., λn ) ∈ Kn
X
x= λi u i
i =1

L’ensemble des combinaisons linéaires des vecteurs u 1 , ..., u n est noté Vect(u 1 , u 2 . . . , u n ) :
n ¯ n o
x ∈ E ¯ ∃ (λ1 , λ2 , . . . , λn ) ∈ K n , x =
X
Vect(u 1 , u 2 . . . , u n ) = λi u i
¯
i =1
n
nX ¯ o
= λ i u i ¯ (λ1 , λ2 , . . . , λn ) ∈ K n
¯
i =1

Exemple 1.9. 1. Dans R2 Vect((1, 0), (0, 1)) = R2 .

2. si u ∈ E , Vect(u) = {λ u/λ ∈ K} = K.u et on a

v ∈ Vect(u) ⇐⇒ ∃λ ∈ K, v = λ u

Proposition 1.3. Soit (x1 , x2 . . . , xn ) une famille d’ un K−e.v [Link]

1. Vect(x1 , x2 . . . , xn ) est un sous-espace vectoriel de E
2. Si F est un sous-espace vectoriel de E tel que x1 , x2 . . . , xn sont dans F alors

Vect(x1 , x2 . . . , xn ) ⊂ F

Ainsi Vect(x1 , x2 . . . , xn ) le plus petit sous espace vectoriel de E contenant les vecteurs x1 , x2 . . . , xn .
On l’appelle le sous espace vectoriel de E engendré par la famille (x1 , x2 . . . , xn ).

page:5/ 17
PCSI Espaces vectoriels

Définition 1.4. Soit A une partie d’un K−e.v E. L’intersection de tous les s.e.v de E contenant A est un
s.e .v de E . On l’appelle sous-espace vectoriel de E engendré par A et on le note Vect(A). Ainsi
\
Vect(A) = F
F sev; A ⊂F

Remarque 1.4. On montre que

n
x ∈ Vect(A) ⇔ ∃ n ∈ N∗ , ∃a 1 , ..., a n ∈ A, ∃λ1 , ..., λn ∈ K,
X
x= λi xi
i =1

Exemple 1.10. 1. R[X ] = Vect((X k )k∈N ) puisque tout polynôme est combinaison linéaire de (1, X , ..., X n )
pour un certain n ∈ N
2. Vect(;) = {0}
Remarque 1.5. Une façon de montrer que F est s.e.v est de montrer que F = Vect(A) où A est une partie
de A.
Exemple 1.11. Soit F = {(x, y, z) ∈ R3 ¯ z = x + y}.
¯

u = (x, y, z) ∈ F ⇔ z = x+ y
⇔ u = (x, y, x + y)
⇔ u = x(1, 0, 1) + y(0, 1, 1)

Ainsi F = { x(1, 0, 1) + y(0, 1, 1)¯ x, y ∈ R = Vect((1, 0, 1), (0, 1, 1)) donc F est le sous espace vectoriel de R3 en-
¯

gendre par les vecteurs u 1 = (1, 0, 1) et u 2 = (0, 1, 1).

Exercice 4. Soit F = {(x, y, z, t) ∈ R4 ¯ x + y = 0}. Posons u = (1, −1, 0, 0) et v = (0, 0, 1, 2, ) . Montrer que
¯

Vect(u, v) ⊂ F

Solution : Il suffit de remarquer que u et v appartiennent à F et que F est sous espace vectoriel pour conclure que Vect(u, v) ⊂
F.

Exercice 5. Dans E = R3 , soient u1 = (1, 1, 3), u2 = (1, −1, −1), v1 = (1, 0, 1) et v2 = (2, −1, 0). Montrer que
vect(u 1 , u 2 ) = vect(v1 , v2 ).,

Solution : Pour montrer que vect(u1 , u2 ) ⊂ vect(v1 , v2 ), il suffit de montrer que u1 et u2 sont tous deux combinaison linéaire
de v1 et v2 . L’équation u 1 = xv1 + yv2 est équivalente à

 1 = x + 2y
1 = −y
3 = x


dont la solution est donnée par x = 3 et y = −1. L’équation u 2 = xv1 + yv2 est équivalente à

 1 = x + 2y
−1 = −y
−1 = x


dont la solution est donnée par x = −1 et y = 1. Donc, vect(u 1 , u 2 ) ⊂ vect(v1 , v2 ). Réciproquement, pour prouver que vect(v1 , v2 ) ⊂
vect(u 1 , u 2 ), il suffit de prouver que v1 et v2 sont combinaison linéaire de u 1 et u 2 . L’équation v1 = xu 1 + yu 2 est équivalente à

 1 = x+ y
0 = x− y
1 = 3x − y.


On résoud ce système en faisant L 1 + L 2 qui donne x = 1/2, on obtient ensuite y = 1/2 et on vérifie que cela fonctionne dans la
dernière équation. De même, on peut prouver que v2 est combinaison linéaire de u 1 et u 2 .

page:6/ 17
PCSI Espaces vectoriels

Exercice 6. Soit E un K ev et u, v ∈ E. Montrer que

Vect(u, v) = Vect(u + v, u − v)

Solution : • D’une part u + v ∈ Vect(u, v) et u − v ∈ Vect(u, v) donc on a l’inclusion

Vect(u + v, u − v) ⊂ Vect(u, v)

1 1
• D’autre part on a u = [(u + v) + (u − v)] ∈ Vect(u + v, u − v) et v= [(u + v) − (u − v)] ∈ Vect(u + v, u − v) donc
2 2
on a l’inclusion
Vect(u, v) ⊂ Vect(u + v, u − v)

Proposition 1.4. Soient E un K-e.v , (u 1 , u 2 , . . . . . . , u n ) une famille de E, x ∈ E et (λ1 , ..., λn ) ∈ Kn . Alors

1.
n
X
Vect(u 1 , ...., u n ) = Vect(u 1 , ...., u i−1 , u i + λ j u j , u i+1 , ..., u n )
j =1, j 6= i

2.
x ∈ Vect(u 1 , u 2 , . . . . . . , u n ) ⇐⇒ Vect(u 1 , u 2 , . . . . . . , u n ) = Vect(u 1 , u 2 , . . . . . . , u n , x)

Exemple 1.12. 1. Vect(X , 2X + X 2 , X 2 ) = Vect(X , X 2 )

2. Vect(1 + 2X + X 2 , X , X 2 ) = Vect(1, X , X 2 )

3. Dans C(R, R) soient f 1 : x 7−→ sin(x + 1) , f 2 : x 7−→ sin(x) , f 3 : x 7−→ cos(x). puisque f 1 est
combinaison linéaire de f 3 et f 2 , alors

Vect( f 1 , f 2 , f 3 ) = Vect( f 2 , f 3 )

2 Famille : Libre - génératrice - Base

2.1 Famille génératrice

Définition 2.1. Soit E un K-ev

1. Une famille (u 1 , u 2 , . . . . . . , u n ) de E est dite génératrice de E si et seulement si
E = V ect(u 1 , u 2 , . . . . . . , u n )
n
ie : ∀ x ∈ E ,∃λ1 , λ2 , . . . . . . , λn ∈ K tq x =
X
λk u k
k=1

2. Plus généralement, une famille (u i ) i∈ I de E est dite génératrice de E si et seulement si

E = V ect(u i ) i∈ I

i ieme position
z}|{
Exemple 2.1. 1. (e 1 , ..., e n ) où e i = (0, ..., 0, 1 , 0, ..., 0) est une famille génératrice de Kn . En
n
effet : Si x = (x1 , ..., xn ) ∈ Kn alors x = x i e i se qui assure l’inclusion Kn ⊂ Vect(e 1 , ..., e n ) , l’autre
X
i =1
inclusion étant évidente donc
Kn = Vect(e 1 , ..., e n )

page:7/ 17
PCSI Espaces vectoriels

2. La famille (1, X , ..., X n ) est une famille génératrice de Kn [X ]. en effet tout élément P de Kn [X ] s’
écrit comme combinaison linéaire de (1, X , ..., X n ) .
3. pour tout a ∈ K fixé , La famille (1, X − a, ..., (X − a)n ) est une famille génératrice de Kn [X ]. En effet
la formule de Taylor pour un polynôme assure que
n P ( k) (a)
∀P ∈ Kn [X ]; (X − a)k
X
P=
k=0 k!

4. pour tout a ∈ K fixé , La famille (X − a)n )n∈N est une famille génératrice de K[X ].
¡ ¢

nX
−1
Proposition 2.1. 1. Si (u 1 , u 2 , . . . . . . , u n ) est génératrice de E et u n = u i alors (u 1 , u 2 , . . . . . . , u n−1 )
i =1
est aussi génératrice de E.

2. Si (u 1 , u 2 , . . . . . . , u n ) est génératrice de E et u n = 0 alors (u 1 , u 2 , . . . . . . , u n−1 ) est aussi génératrice

de E
3. Toute sur-famille d’une famille génératrice est génératrice .

Remarque 2.1. En d’autres termes

— Si on retranche d’une famille génératrice les vecteurs nuls et les vecteurs qui sont combinaison
linéaire des autres on obtient une famille génératrice.
— Si on ajoute à une famille génératrice une autre famille de vecteurs , on obtient une famille généra-
trice.
Exercice 7. Trouver un système générateur des sous-espaces vectoriels suivants de R3 :
1. F = {(x, y, z) ∈ R3 ; x + 2y − z = 0} ;
2. G = {(x, y, z) ∈ R3 ; x − y + z = 0 et 2x − y − z = 0}.

Solution : 1. On a
u = (x, y, z) ∈ F ⇐⇒ x = −2y + z ⇐⇒ u = (−2y + z, y, z) ⇐⇒ u = yu 1 + zu 2
avec u 1 = (−2, 1, 0) et u 2 = (1, 0, 1), on a donc F = vect(u 1 , u 2 ). Cette solution n’est (bien sûr !) pas unique.
2. On a ½ ½
x− y+ z = 0 x− y+ z = 0
(x, y, z) ∈ G ⇐⇒ ⇐⇒
2x − y − z
= 0 y − 3z = 0

 x = 2z
⇐⇒ y = 3z
z=z


On a donc G = vect(u), avec u = (2, 3, 1).

2.2 Famille Libre

Définition 2.2. Soit E un K-ev et u 1 , u 2 , . . . . . . , u n ∈ E

1. On dit que la famille (u 1 , u 2 , . . . . . . , u n ) est libre si et seulement si pour tout λ1 , λ2 , . . . . . . , λn ∈ K

λ1 u 1 + λ2 u 2 + . . . . . . + λn u n = 0 =⇒ λ1 = λ2 = . . . . . . = λn = 0

2. Une famille qui n’est pas libre est dite liée.

page:8/ 17
PCSI Espaces vectoriels

Remarque 2.2. Pour montrer que la famille (u 1 , u 2 , . . . . . . , u n ) est libre :

— On considère une famille de scalaires λ1 , λ2 , . . . . . . , λn ∈ K
— On suppose que λ1 u 1 + λ2 u 2 + . . . . . . + λn u n = 0
— On montre que λ1 = λ2 = . . . . . . = λn = 0
Remarque 2.3. La famille (u 1 , u 2 , . . . . . . , u n ) est liée si et seulement si il existe λ1 , λ2 , . . . . . . , λn ∈ K non
tous nuls tels que λ1 u 1 + λ2 u 2 + . . . . . . + λn u n = 0. Cette dernière relation s’appelle alors une relation de
liaison de la famille (u 1 , u 2 , . . . . . . , u n ) .
Exemples 2.1. 1. (1, i) est libre et génératrice dans C muni de sa structure de R-espace vectoriel . C’en
est donc une base
2. (sin, cos) sont libres dans C(R, R) puisque ∀ x ∈ R, λ sin(x) + µ cos(x) = 0 =⇒ λ = µ = 0 en considérant
π
x = 0 et x = .
2
3. Pour a ∈ K, la famille 1, X − a, (X − a)2 , . . . , (X − a)n est libre alors dans K n [X ]
¡ ¢

4. (1, 1), (0, 1), (0, 1) est génératrice de R2 puisque ∀ (x, y) ∈ R2 , (x, y) = x(1, 0) + y(0, 1) + 0 · (1, 1). Par
¡ ¢

contre, elle n’est pas libre puisque (1, 1) = (0, 1) + (0, 1)

5. Soit a 1 < · · · < a n des réels et soit f i : x 7→ | x − a i | pour i ∈ [[1, n]].
La famille f 1 , . . . , f n est libre dans C 0 (R)
¡ ¢
n
En effet, soit λ1 , . . . λn ∈ R, tels que
X
λk f i = 0 c ’est - à - dire
k=1

n
∀ x ∈ R,
X
λk | x − a k | = 0 (1)
k=1

nX
−1
On a alors ∀ x > a n−1 , λk (x − a k ) = −λn | x − a n |
k=1
Mais le terme de gauche est dérivable en a n mais pas la fonction f n . Donc λn = 0.
On termine par récurrence.

Définition 2.3. Une famille infinie (u i ) i∈ I de E est libre si et seulement si toute sous famille finie (u i ) i∈ I
est libre .
C.à. D : pour tout J finie ⊂ I la famille finie (u i ) i∈ J est libre .

Exemple 2.2. La famille (X k )k∈N est libre dans K[X ].

Exercice 8. Pour a ∈ R, on pose f a : a 7→ e ax
1. Soient a 1 < a 2 < ... < a n des nombres réels . Montrer que ( f a1 , ..., f a n ) est libre dans C(R, R)
2. En déduire que la famille ( f a )a∈R est libre dans C(R, R)

Solution : 1. Considérons une relation de liaison λ1 e a1 x +· · ·+ λ p e a p x . On factorise par le terme dominant, c’est-à-dire e a p x .
On obtient
e a p x (λ p + λ p−1 e(a p−1 −a p ) x + · · · + λ1 e(a1 −a p ) x ) = 0, ∀ x ∈ R.

On simplifie par e a p x , qui ne s’annule jamais, et on fait tendre x vers +∞. Puisque e(a j −a p ) x tend vers 0 pour j < p, le
membre de gauche converge vers λ p qui vaut donc 0. On répète le procédé en factorisant ensuite par e a p−1 x pour prouver que
λ p−1 = 0, et on obtient successivement que λ p , λ p−1 , . . . et finalement λ1 sont nuls (on peut aussi effectuer une récurrence).
2. On vient de montrer que toute sous famille finie de ( f a )a∈R est libre donc elle est libre.

Proposition 2.2. Toute sous famille d’une famille libre est libre

page:9/ 17
PCSI Espaces vectoriels

Remarques 2.1. 1. Une famille qui contient 0 est liée

2. Une famille qui contient un vecteur qui est combinaison linéaire des autres est liée
3. Une famille qui contient deux vecteurs identiques est liée
4. la famille (a) est libre si et seulement si a 6= 0 .
5. (u 1 , u 2 , . . . . . . , u n ) est libre alors u i 6= 0E ∀ i et u i 6= u j ∀ i 6= j

Proposition 2.3. Soit E un K-ev et (u 1 , u 2 , . . . . . . , u n ) une famille libre

1. x ∈ vect(u 1 , u 2 , . . . . . . , u n ) =⇒ (u 1 , u 2 , . . . . . . , u n , x) est liée.

2. x ∉ vect(u 1 , u 2 , . . . . . . , u n ) =⇒ (u 1 , u 2 , . . . . . . , u n , x) est libre.
3. Pour tout (λ1 , ..., λn ) ∈ Kn et (µ1 , ..., µn ) ∈ Kn on a
n
X n
X
λi u i = µ i u i ⇔ ∀ i = 1, ..., n λ i = µ i
i =1 i =1

Exercice 9. Pour tout n ∈ N on pose , f n (x) = cos(nx)

1. Montrer que pour tout n ∈ N la famille ( f 0 , ..., f n ) est libre (pourra procéder par récurrence )
2. En déduire que la famille ( f n )n∈N est libre.

Solution : 1. On va démontrer par récurrence sur N pour N = 0 (cos(0.x) = 1) n ’est pas la fonction nulle donc libre . Suppo-
sons le résultat vrai au rang N − 1, et prouvons-le au rang N en écrivant une relation de liaison :

λ0 f 0 + · · · + λ N f N = 0.

i.e λ0 + λ1 cos(x) + · · · + λ N cos(N x) = 0 ∀ x ∈ R.

On dérive deux fois et on trouve
λ1 cos(x) + · · · + N 2 λ N cos(N x) = 0.
2
En retranchant N fois la première équation à la deuxième, on trouve

− N 2 λ0 + (1 − N 2 )λ1 cos(x) + · · · + (N − 12 − N 2 )λ N −1 cos(N − 1x) = 0.

Par hypothèse de récurrence, on a ( j 2 − N 2 )λ j = 0 pour tout j = 0, . . . , N − 1, soit finalement λ j = 0 . De retour à l’équation

initiale, on retrouve aussi λ N = 0, ce qui prouve bien que la famille est libre.
2. Soit (n 1 , ..., n p ) une famille finie d’entiers deux à deux distincts.
posons N = max(n 1 , ..., n p ), alors la famille ( f n1 , ..., f n p ) est une sous famille de la famille ( f 0 , ..., f N ).
D’après 1) la famille ( f 0 , ..., f N ) est libre donc ( f n1 , ..., f n p ) est libre comme sous famille d’une famille libre.

Exercice 10. (Polynômes échelonnés en degré :)

Soit (P1 , . . . , P n ) une famille de polynômes de C[X ] non nuls, à degrés échelonnés, c’est-à-dire

deg(P1 ) < deg(P2 ) < · · · < deg(P n )

Montrer que (P1 , . . . , P n ) est une famille libre.

Solution : Considérons une relation λ1 P1 + · · · + λn P n = 0. Si λn 6= 0, le membre de gauche de l’inégalité est un polynôme de

degré deg(la n P n ) 6= −∞. Ce ne peut pas être le polynôme nul. Donc λn = 0. En itérant le raisonnement, on trouve successivement
λn−1 = · · · = λ1 = 0.

Remarque 2.4. À retenir :

1. Toute famille de polynômes non nuls échelonnés en degré est libre
2. Toute famille de polynômes non nuls dont les degrés sont deux à deux distincts est libre.

page:10/ 17
PCSI Espaces vectoriels

2.3 Base d ’ un espace vectoriel

Définition 2.4. Soit E un K− e.v .

On appelle base de E toute famille de E qui est libre et génératrice

Remarque 2.5. Soit E un K-e.v et (u 1 , u 2 , . . . . . . , u n ) une famille de E Alors

½
(u 1 , u 2 , . . . . . . , u n ) l ibre
(u 1 , u 2 , . . . . . . , u n ) est une base de E ⇔
(u 1 , u 2 , . . . . . . , u n ) génératrice

Proposition 2.4. Soit E un K-e.v et (u 1 , u 2 , . . . . . . , u n ) une famille de E. Si F = Vect(u 1 , u 2 , . . . . . . , u n ) Alors

(u 1 , u 2 , . . . . . . , u n ) est une base de E ⇔ (u 1 , u 2 , . . . . . . , u n ) libre

i ieme position
z}|{
Exemples 2.2. 1. (e 1 , ..., e n ) où e i = (0, ..., 0, 1 , 0, ..., 0) est une Base de Kn ,on l’appelle base ca-
nonique de Kn .
2. La famille (1, X , ..., X n ) est une base de Kn [X ], on l’appelle base canonique de Kn [X ].
3. pour tout a ∈ K fixé , La famille (1, X − a, ..., (X − a)n ) base de Kn [X ].
4. pour tout a ∈ K fixé , La famille (X − a)n )n∈N est une base de K[X ].
¡ ¢

5. La famille (cos, sin) est une base de l’e.v vect(cos, sin).

Théorème - Définition 2.1 (coordonnées dans une base). Soit E un K-ev et B = (u 1 , u 2 , . . . . . . , u n ) une
famille de E

B est une base de E si et seulement si

n
∀ x ∈ E; ∃!(x1 , x2 , . . . . . . , xn ) ∈ Kn ;
X
x= xk u k
k=1
 
x1

 . 

On note [x]B =  .  ,on l’appelle les coordonnées de x dans la base B
 
 
 . 
xn

Exemples 2.3. 1. Si u = (x1 , ..., xn ) ∈ Kn et B la base canonique de Kn alors

 
x1

 . 

[x]B =  .
 

 
 . 
xn

2. Soit a 0 , a 1 , . . . , a n ∈ K, deux à deux distincts. Pour i ∈ [[0, n]], Soit L i le i eme polynôme de Lagrange
définie par :
(X − a 0 ) · · · (X − a i−1 )(X − a i+1 ) · · · (X − a n ) n (X − a )
Y j
Li = =
(a i − a 0 ) · · · (a i − a i−1 )(a i − a i+1 ) · · · (a i − a n ) j=0 (a i − a j )
j 6= i

page:11/ 17
PCSI Espaces vectoriels

Alors B = (L 0 , . . . L n ) est une base de Kn [X ] et pour tout P ∈ Kn [X ] .

 
P(a 0 )

 . 

[P]B =  .
 

 
 . 
P(a n )

En effet :
n
• Soient λ1 , . . . λn ∈ K, tels que
X
λ i L i = 0.
i =0
n
X
On a ∀ x ∈ K, λ i L i ( x) = 0. Notamment pour x = a j ( j ∈ [[1, n]]), il vient λ j = 0 puisque L i (a j ) = δ i, j .
i =0
La famille est donc libre
• D’après un DL traité en classe on sait que pour tout P ∈ Kn [ X ]
n
X
P= P (a i )L i
i =0

D’où le résultat.

3 Somme de sous-espaces vectoriels

3.1 Somme de deux s.e.v

3.1.1 définition et propriétés

Définition 3.1. Soient E 1 , E 2 deux sous-espaces vectoriels d’un K-espace vectoriel E.

On appelle somme des espaces vectoriels E 1 , E 2 l’ensemble noté E 1 + E 2 et défini par :
© ¯
E 1 + E 2 = x1 + x2 ¯ (x1 , x2 ) ∈ E 1 × E 2 }

Remarque 3.1.
u ∈ E1 + E2 ⇔ ∃(x1 , x2 ) ∈ E 1 × E 2 ; u = x1 + x2
l’existence n’est pas forcement unique !

Proposition 3.1. Soient E 1 , E 2 des sous-espaces vectoriels d’un K-espace vectoriel E. Alors
(i) E 1 + E 2 est un sous-espace vectoriel de E.
(ii) E 1 ⊂ E 1 + E 2 et E 2 ⊂ E 1 + E 2
(iii) E 1 + E 2 est le plus petit sous espace vectoriel de E qui contient E 1 ∪ E 2 . Cà.d :

E 1 + E 2 = Vect (E 1 ∪ E 2 )

Preuve : (i) Montrons que E 1 + E 2 est un sous-espace vectoriel de E :

• 0E = 0E + 0E ∈ E 1 + E 2
|{z} |{z}
∈E 1 ∈E 2
• Soient u, v ∈ E 1 + E 2 et λ ∈ K. Il existe (x1 , x2 ) ∈ E 1 × E 2 et (y1 , y2 ) ∈ E 1 × E 2 tels que
½
u = x1 + x2
v = y1 + y2

page:12/ 17
PCSI Espaces vectoriels

par suite
u + λv = x1 + x2 + λ(y1 + y2 ) = (x1 + λ y1 ) + (x2 + λ y2 )
| {z } | {z }
∈E 1 ∈E 2
donc u + λv ∈ E 1 + E 2 et E 1 + E 2 est un s.e.v de E
(ii) Si x ∈ E 1 alors x = x + 0 ∈ E 1 + E 2 .
(iii) Soit G un s.e.v de E qui contient E 1 ∪ E 2 , alors

∀(x1 , x2 ) ∈ E 1 × E 2 ; x1 + x2 ∈ G

ceci assure que E 1 + E 2 ⊂ G par suite E 1 + E 2 est le plus petit sous espace vectoriel de E qui contient E 1 ∪ E 2

Exemple 3.1. Soit (e 1 , 22 , e 3 ) la base canonique de R3 . Posons F = Vect(e 1 , e 2 ) et G = Vect(e 2 , e 3 ) alors

F + G = R3

en effet :

• F + G ⊂ R3 est claire

• pour l’autre inclusion soit u = (x, y, z) ∈ R3 on a

1 1
u = xe 1 + ye 2 + ze 3 = (xe 1 + ye 2 ) + ( ye 2 + ze 3 ) ∈ F + G
| 2
{z } |2 {z }
∈F ∈G

On remarque qu’ on a aussi

u = (xe 1 + ye 2 ) + (ze 3 ) = (xe 1 ) + (ye 2 + ze 3 )
| {z } | {z } | {z } | {z }
∈F ∈G ∈F ∈G
ce qui montre que dans ce cas la décomposition de u en somme de deux vecteurs de F × G n’est pas unique
dans ce cas.

3.1.2 Somme directe - sous espaces supplémentaires

Définition 3.2. On dit que Deux sous-espaces E 1 , E 2 , sont en somme directe, (ou encore que la somme
E 1 + E 2 est directe) si
E1 ∩ E 2 = {0E }
dans ce cas la somme E 1 + E 2 est notee E 1 ⊕ E 2

Remarque 3.2. E 1 ⊕ E 2 n’ est autre que E 1 + E 2 et ⊕ ne sert qu’à distinguer les sommes directes de celles
qui ne le sont pas .

Proposition 3.2 ( caractérisation d ’une somme directe ). Soit E un K− e.v et E 1 , E 2 deux s.e.v de E. Il y
équivalence entre
1. E 1 + E 2 est une somme directe.
2. Pour tout u ∈ E 1 + E 2 il existe un unique (x1 , x2 ) ∈ E 1 × E 2 t.q u = x1 + x2 .
On dit que u se décompose de manière unique en somme de d’un vecteur de E 1 et d’un vecteur de E 2
½
E1 × E2× → E1 + E2
3. L’application est bijective
(x1 , x2 ) 7→ x1 + x2
4. ∀ x ∈ E 1 , ∀ y ∈ E 2 [x + y = 0 ⇒ x = y = 0]

page:13/ 17
PCSI Espaces vectoriels

Preuve : • 1 ⇒ 2 : Supposons la somme directe. Soit u ∈ E 1 + E 2 s’écrivant de deux manières

u = x1 + x2 = y1 + y2

où (x1 , x2 ) et (y1 , y2 ) sont éléments de E 1 × E 2 .

Il vient alors
(x1 − y1 ) = (x2 − y2 ).
Or (x1 − y1 ) ∈ E 1 et (x2 − y2 ) ∈ E 1 donc
(x1 − y1 ), (x2 − y2 ) ∈ E 1 ∩ E 2 = {0}

il vient , x1 = y1 et , x2 = y2 . D’où l’unicité de la décomposition.

• 2 ⇒ 3 : Claire d’après la caractérisation d’une application bijective par l’existence et l’ unicité de l’ antécédent de tout élément
de l’ensemble d’ arrivé.
• 3 ⇒ 4 : Notons Ψ l’application de 2.

x+ y=0 ⇔ Ψ(x, y) = 0 = Ψ(0, 0) | ⇔

{z }(x, y) = (0, 0)
Ψ inj

• 4 ⇒ 1 : Soit x ∈ E 1 ∩ E 2 on a x + (− x) = 0 et x ∈ E 1 et − x ∈ E 2 donc x = 0 par suite E 1 ∩ E 2 = {0} et la somme E 1 + E 2 est une

somme directe.

Exemple 3.2. 1. Dans l’exemple 3.1 la somme de F et G n’est pas directe puisque e 2 ∈ F ∩ G
2. Dans R3 soit F = {(x, y, z) ∈ R3 ¯ x + y + z = 0} et G = Vect((1, 1, 1)) alors la somme F + G est directe.
¯

En effet : Soit u ∈ F ∩ G . De u ∈ G on déduit que u = λ(1, 1, 1) = (λ, λ, λ) et de u ∈ F on déduit que

3λ = λ + λ + λ = 0 donc λ = 0 par suite u = 0 et F ∩ G = {0}.

Définition 3.3. Soit E un K− e.v et E 1 , E 2 deux s.e.v de E. On dit que E 1 et E 2 supplémentaires dans E
si
E = E1 ⊕ E2

Proposition 3.3.
½
E 1 ∩ E 2 = {0}
E = E1 ⊕ E2 ⇔
E = E1 + E2
½
E 1 ∩ E 2 = {0}
⇔
∀ u ∈ E ∃(x, y) ∈ E 1 × E 2 ; u = x + y
⇔ ∀ u ∈ E ∃ !(x, y) ∈ E 1 × E 2 ; u = x + y

Exercice 11. Soit P ∈ K[X ] de degré n + 1. Notons PK[X ] l’ensemble des polynômes multiples de P.
¯ ¯
PK[X ] = { A ∈ K[X ]¯ P | A } = {PQ ¯ Q ∈ K[X ]}

Montrer que
K[X ] = PK[X ] ⊕ K n [X ].

Solution : Ceci est une conséquence immédiate du théorème de division euclidienne puisque :
∀ A ∈ K[X ], ∃ !(Q, R) ∈ K[X ]2 | A = PQ + R et deg R < deg P.

Exercice 12. Soit E = F (R, R) l’espace vectoriel des fonctions de R dans R. On note F le sous-espace
vectoriel des fonctions paires (ie f (− x) = f (x) pour tout x ∈ R) et G le sous-espace vectoriel des fonctions
impaires (ie f (− x) = − f (x) pour tout x ∈ R). Montrer que F et G sont supplémentaires.

page:14/ 17
PCSI Espaces vectoriels

Solution : Remarquons d’abord que F ∩ G = {0}. En effet, si f est élément de F ∩ G, alors, pour tout x ∈ R, on a à la fois
f (− x) = f (x) et f (− x) = − f (x), d’où f (x) = − f (x) ce qui entraîne f (x) = 0.
D’autre part, tout élément h de E se décompose sous la forme h = f + g, avec f dans F et g dans G. Pour cela, on utilise un
raisonnement par analyse-synthèse :

• Partie Analyse ( cette partie peut être considéré comme une recherche "au brouillon")
Admettons que h = f + g avec f ∈ F et g ∈ G. Alors, pour tout ¡x ∈ R, on a h(x)
¢ = f (x) + g(x)
¡ et h(− x) ¢= f (− x) + g(− x) = f (x) − g(x).
Des deux équations précédentes, on tire facilement que f (x) = h(x) + h(− x) /2 et g(x) = h(x) − h(− x) /2.

• Partie synthèse
¡ ¢ ¡ ¢
On pose f (x) = h(x) + h(− x) /2 et g(x) = h(x) − h(− x) /2. Alors on vérifie facilement que :
— h= f +g; ¡ ¢ ¡ ¢
— f est paire : en effet f (− x) = h(− x) + h(−(− x)) = h(x) + h(− x) = f (x) ;
— g est impaire (même raisonnement).
Ainsi, on a bien F + G = E.
Remarquons que la partie ’analyse’ du raisonnement montre aussi l’unicité de la décomposition, et redémontre donc que la somme
est directe.

Exercice 13. Soit E l’espace vectoriel des fonctions de R dans R. Soit a ∈ R. On désigne par F le sous-
espace des fonctions constantes et par G a le sous-espace des fonctions qui s’annulent en a. Montrer que F
et G a sont supplémentaires dans E.

Solution : On remarque d’abord que F ∩G a = {0} (une fonction constante qui s’annule en un point est forcément identiquement
nulle). Ensuite, prenons h ∈ E, on doit prouver que h se décompose sous la forme h = g + C, où C est une constante et g(a) = 0.
Admettons que ce soit le cas. Alors, nécessairement, h(a) = C et g(x) = h(x) − C = h(x) − h(a). On pose donc C = f (a) et g(x) =
h(x) − h(a). Clairement, h = g + C et g(a) = 0 ce qui prouve que g ∈ G a .

3.2 Somme de plusieurs s.e.v

3.2.1 définition et propriétés

Définition 3.4. Soient E 1 , E 2 , . . . , E n des sous-espaces vectoriels d’un K-espace vectoriel E.

On appelle somme des espaces vectoriels E 1 , E 2 , . . . , E n l’ ensemble
© ¯ ª
E 1 + E 2 + · · · + E n = x1 + x2 + · · · + xn ¯ (x1 , x2 , . . . , xn ) ∈ E 1 × E 2 × · · · × E n
n
X
On le note également Ei.
k=1

Proposition 3.4. Soient E 1 , E 2 , . . . , E n des sous-espaces vectoriels d’un K-espace vectoriel E. Alors
Xn
• E i est un sous-espace vectoriel de E.
k=1
Xn n
[
• E i est le plus petit sous espace vectoriel de E qui contient E i . Ainsi
k=1 i =1
à !
n
X n
[
E i = Vect Ei
i =1 i =1

Attention 3.1. On rappelle que l’union d’espaces vectoriels n’est pas à priori un espace vectoriel .

page:15/ 17
PCSI Espaces vectoriels

Proposition 3.5 (associativité et commutativité). Soient E 1 , E 2 , . . . , E n des sous-espaces vectoriels d’un

K-espaces vectoriel E. On a pour 1 ≤ p < n :
n
X p
X n
X
Ei = Ei + Ei (associativité)
i =1 i =1 i = p+1

et
n
X n
X p
X
Ei = Ei + Ei (Commutativité)
i =1 i = p+1 i =1

Exemples 3.1. 1. R3 = Vect(1, 0, 0) + Vect(0, 1, 0) + Vect(0, 0, 1)

En effet ∀ (x, y, z) ∈ R3 , (x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)
| {z } | {z } | {z }
∈Vect(1,0,0) ∈Vect(0,1,0) ∈Vect(0,0,1)

2. R2 = Vect(1, 0) + Vect(0, 1) + Vect(1, 1)

En effet ∀ (x, y) ∈ R2 , (x, y) = x(1, 0) + y(0, 1) + 0(1, 1)
| {z } | {z } | {z }
∈Vect(1,0) ∈Vect(0,1) ∈Vect(1,1)
Remarquons qu’on a aussi la décomposition (x, y) = − y(1, 0) − x(0, 1) + (x + y)(1, 1)
| {z } | {z } | {z }
∈Vect(1,0) ∈Vect(0,1) ∈Vect(1,1)

3.2.2 Somme directe de plusiers sous espaces vectoriels

Définition 3.5. On dit que les sous-espaces E 1 , E 2 , . . . , E n sont en somme directe, (ou encore que la somme
Xp
E i est directe) si pour tout (x1 , x2 , . . . , xn ) ∈ E 1 × E 2 × · · · × E n
i =1

x1 + x2 + . . . + xn = 0 =⇒ x1 = x2 = . . . = xn = 0

la somme est alors notée

n
X n
M
E i = E1 ⊕ E2 ⊕ · · · ⊕ E n = Ei
i =1 i =1

p
X p
X
Proposition 3.6. La somme E i est directe si et seulement si tout vecteur x de E i se décompose de
i =1 i =1
manière unique comme somme d’éléments de E 1 , E 2 , . . . , E n c ’est - à - dire
p
X
∀x ∈ E i , ∃ ! (x1 , x2 , . . . , xn ) ∈ E 1 × E 2 × · · · × E n , x = x1 + x2 + . . . + xn .
i =1

p
X
Preuve : Supposons la somme directe. Soit x ∈ E i s’écrivant de deux manières
i =1

x = x1 + x2 + . . . + xn = y1 + y2 + . . . + yn

où (x1 , x2 , . . . , xn ) et (y1 , y2 , . . . , yn ) sont éléments de E 1 × E 2 × · · · × E n .

page:16/ 17
PCSI Espaces vectoriels

Il vient alors
(x1 − y1 ) + (x2 − y2 ) − · · · − (xn − yn ) = 0.
Or ∀ i ∈ [[1, n]] , x i − yi ∈ E i puisque les E i sont des espaces vectoriels .
Par hypothèse il vient ∀ i ∈ [[1, n]] , x i − yi = 0. D’où l’unicité de la décomposition.

Réciproquement Soit (x1 , x2 , . . . , xn ) ∈ E 1 × E 2 × · · · × E n tel que x1 + x2 + . . . + xn = 0 = 0 + 0 + . . . + [Link] ∀ i ∈ [[1, n]] , 0 ∈ E i ,

l’unicité de la décomposition donne alors x1 = x2 = . . . = xn = 0

p
X
Remarque 3.3. E i est directe si et seulement si l’application
i =1

n
X
ϕ : E1 × E2 × · · · × E n −→ Ei
i =1
(x1 , x2 , . . . , xn ) 7−→ x1 + x2 + · · · + x n

est bijective.

Exemples 3.2. la somme Vect(1, 0) + Vect(0, 1) + Vect(1, 1) n’est pas directe puisqu’on a pas unicité de la
décomposition
∀ (x, y) ∈ R2 , (x, y) = x(1, 0) + y(0, 1) + 0(1, 1) = − y(1, 0) − x(0, 1) + (x + y)(1, 1)
| {z } | {z } | {z } | {z } | {z } | {z }
∈Vect(1,0) ∈Vect(0,1) ∈Vect(1,1) ∈Vect(1,0) ∈Vect(0,1) ∈Vect(1,1)
n
M
Exercice 14. Montrer que β = (e 1 , e 2 , . . . , e n ) est une base de E si et seulement si E = Vect(e i ).
i =1

Solution : β est une base de E, si et seulement si tout vecteur x de E se décompose de manière unique sous la forme
n
X
x= λi e i .
i =1 | {z }
∈Vect( e i )

n ³ ´
Vect X i ou R3 = Vect(1, 0, 0) ⊕ Vect(0, 1, 0) ⊕ Vect(0, 0, 1).
M
Par exemple, K n [X ] =
i =0

p
X
Proposition 3.7. Si la somme E i est directe alors pour tout i 6= j
i =1

E i ∩ E j = {0}

Attention 3.2. La réciproque est fausse pour p ≥ 3 mais elle est vraie pour p = 2

Exemple 3.3. Considérons l’exemple R2 = Vect(1, 0) + Vect(0, 1) + Vect(1, 1). La somme n’est pas directe mais

Vect(1, 0) ∩ Vect(0, 1) = Vect(1, 0) ∩ Vect(1, 1) = Vect(0, 1) ∩ Vect(1, 1) = {0}

page:17/ 17
 Dimension finie

Plan 2 Sous-espaces vectoriels en dimension

finie 6
1 Espace vectoriel de dimension finie- 2.1 Dimension d’ un sous espace vectoriel 6
Dimension 1
2.2 Somme de s.e.v et en dimension finie 7
1.1 Notion de la dimension finie . . . . . 1
2.3 Somme de plusieurs en
1.2 Dimension d’un espace de dimen-
dimension finie . . . . . . . . . . . . 10
sion finie . . . . . . . . . . . . . . . . . 3
1.3 Dimension d’un produit d’espaces
de dimension finie . . . . . . . . . . 6 3 Rang d’une famille de vecteurs 11

∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗

Dans tout ce chapitre :

• K désigne R ou C.
• E un K−espace vectoriel
• On aura besoin de quelques résultats élémentaires sur les ensembles finis
1. Un ensemble X est fini s’il est vide ou contient un nombre fini d’éléments qu ’on appelle cardinale
de X et qu’on note Card(X ). Par convention Card(;) = 0.
2. Si X est fini et Y ⊂ X alors Y est fini et Card(Y ) ≤ Card(X ).
3. Si X est fini et Y ⊂ X tq et Card(Y ) = Card(X ) alors X = Y .
4. Si X et Y sont finis alors X ∪ Y est finie et on a

Card(X ∪ Y ) = Card(X ) + Card(Y ) − Card(X ∩ Y )

5. Si A une partie non vide de N alors :

A est finie ⇔ A majorée .

⇔ A admet un plus grand élément.

1 Espace vectoriel de dimension finie- Dimension

1.1 Notion de la dimension finie

Définition 1.1. On dit que E est de dimension finie s’il admet une famille génératrice finie. Sinon on dit
qu’ il est de dimension infinie.

Remarque 1.1. E est de dimension finie si et seulement si il existe une famille finie G = (u 1 , ...., u n ) de
E telle que
n
∀ x ∈ E, ∃(λ1 , ..., λn ) ∈ Kn ;
X
x= λk u k
k=1

Exemples 1.1. — Kn est de dimension finie puisque sa base canonique est finie .
— Kn [X ] est de dimension finie puis que sa (1, X , ..., X n ) est finie .
— C est un R−espace vectoriel de dimension finie puis qu’il admet (1, i) comme base.

page:1/ 11
 Dimension finie

Théorème 1.1. Soit E un K− espace vectoriel de dimension finie et G une famille génératrice finie de
E. Si L est une famille libre telle que L ⊂ G alors il existe B base de E telle que

L ⊂B⊂G

Preuve : Remarquons d’abord que toute partie liber L contenue dans G est fini et vérifie Card(L) ≤ Card(G )
Posons
A = Card(L) ¯ L libre et L ⊂ G .
© ¯ ª

Alors A est une partie non vide de N (car contient Card(L )) et majorée par Card(G )), donc A admet un plus grand éléments .
Soit maintenant B une partie libre telle que B ⊂ G et Card(B ) = max(A), on va montrer dans la suite que B est une base de E :
• B est déjà libre.
• Pour montrer que B est génératrice on vas montrer par l’absurde que G ⊂ Vect(B ). En effet si G n’est pas contenue dans
Vect(B ) alors il existe g ∈ G tel que g ∉ Vect(B ) or

g ∉ Vect(B ) ⇔ B ∪ { g} est libre

Ainsi B ∪ { g} est une parie libre contenue dans G et de cardinal Card(B ) + 1 ce qui contredit le fait que Card(B ) = max(A). En
conclusion on a G ⊂ Vect(B ) par suite E = Vect(G ) ⊂ Vect(B ) ce qui assure que B est génératrice de E et termine la démonstration.

Remarque 1.2. Le théorème précédent donne, comme conséquences , deux théorèmes hyper-importants
à savoir le théorème de la base incomplète et le théorème de la base extraite suivants :

Théorème 1.2 (Théorème de la base incomplète). Soit E un K− espace vectoriel de dimension finie .

Toute famille libre de E peut être complétée en une base de E

En d’autres termes : si (u 1 , ..., u p ) est une famille libre de E il existe des vecteurs v1 , ..., v q dans E tels
que la famille (u 1 , ..., u p , v1 , ..., v q ) soit base de E

Preuve : Soit G une famille génératrice finie de E et L est une famille libre . La famille G 0 = G ∪ L est encore une famille
génératrice finie de E qui contient L donc d’après le théorème 1.2 précédent, E admet une base finie B telle que L ⊂ B .

Théorème 1.3 (Théorème de la base extraite ). Soit E un K− espace vectoriel de dimension finie .

De toute famille génératrice de E on peut extraire une base de E

En d’autres termes : si (u 1 , ..., u p ) est une famille génératrice de E il existe des vecteurs J ⊂ [[1, p]] tel
que la famille (u i ) i∈ J soit base de E

Preuve : Soit G une famille génératrice finie de E et u un vecteur non nul de G donc L = (u)est une famille libre contenue
dans G , donc d’après le théorème 1.2 précédent, E admet une base finie B telle que L ⊂ B ⊂ G .
N.B : Si G = {0} alors E = {0} on prend par convention ; comme base de E.

Proposition 1.1 (Existence d’une base). Tout espace vectoriel de dimension finie non nul admet une
base finie

Preuve : Il suffit de compléter un vecteur non nul en une base finie par le théorème de la base incomplète

Théorème 1.4. Si G = (u 1 , ..., u n ) est une famille génératrice à n éléments de E, alors toute famille de
n + 1 éléments de E est liée.

page:2/ 11
 Dimension finie

Preuve : Par récurrence sur n

• Si n = 1 et x,y∈ Vect(u 1 )alors x=α u 1 et y = λ u 1 par suite λ x − α y = 0 et (x, y) liée.
• Supposons le résultat vrai à l’ordre n − 1
• Supposons E = Vect(u 1 , ..., u n ) et considérons F = (v1 , ..., vn , vn+1 ) une famille à n + 1 éléments dans E, on va montrer dans la
suite de F est liée.
Puisque E = Vect(u 1 , ..., u n ) on peut écrire chaque V j , j = 1, ..., n + 1 sous la forme v j = a j + λ j u n où a j ∈ Vect(u 1 , ..., u n−1 ) et
λj ∈ K
— Si ∀ j = 1, ..., n + 1; λ j = 0 alors F est une famille famille à n + 1 éléments dans Vect(u 1 , ..., u n−1 ) donc liée d’après
l’hypothèse de récurrence.
— Si les λ j ne sont pas tous nuls, on suppose pour simplifier que λn+1 6= 0. De vn+1 = a n+1 + λn+1 u n on tire
1
un = (vn+1 − a n+1 )
λn+1
En remplacent u n par cette dernière expression dans v j = a j + λ j u n pour j = 1, ..., n on a :

λj
∀ j = 1, ..., n v j = a j + (vn+1 − a n+1 )
λn+1
ce qui donne
λj λj
∀ j = 1, ..., n v j − vn+1 = a j − a n+1 ∈ Vect(u 1 , ..., u n−1 )
λn+1 λn+1
λj
Ainsi la famille (v j − vn+1 ) j =1,...,n est est une famille famille à n éléments dans Vect(u 1 , ..., u n−1 ) donc liée d’après
λn+1
lhypothèse de récurrence, par suite il existe α1 , ...αn ∈ K non tous nuls tq
n
X λj n
X X n α λ
j j
α j (v j − vn+1 ) = αjvj − vn+1 = 0
j =1 λn+1 j =1 j =1 λ n+1
ce qui montre que F = (v1 , ..., vn , vn+1 ) est liée et termine la démonstration.

Corollaire 1.1. Si G = (u 1 , ..., u n ) est une famille génératrice à n éléments de E. Alors toute famille libre
de E est de cardinale ≤ n

1.2 Dimension d’un espace de dimension finie

Théorème - Définition 1.1. Soit E un espace vectoriel de dimension finie . Alors

• Toutes les bases de E ont même nombre d’éléments.
• Le nombre d’éléments commun à toutes les bases de E s’appelle la dimension de E et noté dimK (E) ou
tout simplement dim(E)
• Si E = {0E }, on pose par convention dim(E) = 0

Preuve : Soient B, B0 deux bases de E

Du fait que B libre et B0 génératrice on déduit par 1.4 et son corollaire que Card(B) ≤ Card(B0 ), Par symétrie on a Card(B0 ) ≤
Card(B) donc Card(B) = Card(B0 )

Remarque 1.3. La dimension d’un espace vectoriel est tout simplement le cardinale d’une base (n’importe
laquelle)

Exemples 1.2. 1. dim Kn = n puisque sa base canonique contient n éléments.

2. dim Kn [X ] = n + 1 puisque sa base canonique contient n + 1 éléments.
3. dimC C = 1
4. dimR C = 2 puisque (1, i) est base de C en tant de R−espace vectoriel .

Notation 1.1. L’écriture dim E < +∞ veut dire que E est de dimension finie dans la cas contraire on
écrit dim E = +∞.

page:3/ 11
 Dimension finie

Proposition 1.2. Si dim E = n ∈ alors

1. Toute famille libre est de cardinal ≤ n
2. Toute famille génératrice est de cardinal ≥ n
3. Toute base est de cardinal n

Remarques 1.1. — Une base est la famille libre qui contient le plus grand nombre déléments et la
famille génératrice qui contient le plus petit nombre déléments , on dit qu’ une base est libre
maximale et génératrice minimale.
— Si E contient une famille libre infinie alors E est de dimension infinie.
Exemples 1.3. K[X ], K(X ), K I , K N , Cn (I, K), C∞ (I, K) sont des espace vectoriel de dimension
+∞.
Exercice 1. Determiner une base et la dimension de F dans les cas suivants :
1. F = {(a, b, c, d) ∈ R4 ; b − 2c + d = 0}
2. F = {(a, b, c, d) ∈ R4 ; a = d et b = 2c}.
3. F = {(u n ) ∈ RN ; / ∀ n ∈ N; u n+1 = 3u n }
4. F = {(u n ) ∈ RN ; / ∀ n ∈ N; u n+2 = 3u n+1 − u n }

Solution : 1. Il faut d’abord en trouver un système générateur. On a

u = (a, b, c, d) ∈ ⇐⇒ b − 2c + d = 0 ⇐⇒ u = (a, 2c − d, c, d) = a(1, 0, 0, 0) + c(0, 2, 1, 0) + d(0, −1, 0, 1)

La famille constituée par les vecteurs (1, 0, 0, 0), (0, 2, 1, 0) et (0, −1, 0, 1) est donc une famille génératrice de F. On
vérifie aisément qu’elle est libre. C’est donc une base de F par suite dim F = 3.
2. u = (a, b, c, d) ∈ F ⇐⇒ a = d et b = 2c ⇐⇒ u = (a, 2c, c, a) = a(1, 0, 0, 1) + c(0, 2, 1, 0)
La famille constituée par les vecteurs (1, 0, 0, 1) et (0, 2, 1, 0) est une famille génératrice de F. Comme ces deux vec-
teurs ne sont pas colinéaires, la famille est libre, et donc il s’agit d’une base de F par suite dim F = 2 .

3. Remarquer que dans ce cas les élément de F sont les suites géométrique de raison 3 donc

u = (u n ) ∈ F ⇐⇒ ∀ n ∈ N; /u n+1 = 3u n ⇐⇒ ∀ n ∈ N; u n = u 0 3n ⇐⇒ u = u 0 .(3n )

donc F = Vect(w) où w = (3n ) et comme w n’est pas la suite nulle, elle constitue une famille libre donc base de F par
suite dim F = 1
4. Remarquer que dans ce cas les élément de F sont les suites récurrentes linéaire d’ordre 2 tell que

∀ n ∈ N; u n+2 = 3u n+1 − 2u n

d’équation caractéristique z2 − 3z + 2 = 0 qui a pour solutions 1 et 2 donc

u = (u n ) ∈ F ⇐⇒ ∃α, β ∈ R; ∀ n ∈ N; u n = α + β2n

donc F = Vect(u, w) où w = (2n ) et u = (1) est la suite constante par 1, et comme (u, w) est libre elle constitue une base
de F par suite dim F = 2

Théorème 1.5. Soit E une K−espace vectoriel de dimension finie tel que dim E = n et soit
F = (u 1 , .., u n ) une faille de E tell que Card(F ) = dim E = n . alors

F libre ⇔ F génératrice ⇔ F Base

(i) (ii) (iii)

Preuve : (i) ⇒ (ii) : Supposons F libre, si F n’est pas génératrice alors il existe x ∈ E tel que x 6∈ Vect(F ) par suite
F ∪ { x} est une famille libre à n + 1 éléments , ceci étant impossible puisque dim E = n donc toute famille à n + 1
éléments est liée , d’où F est génératrice.

page:4/ 11
 Dimension finie

(ii) ⇒ (iii) : Supposons F est génératrice , si F n’est pas libre alors l’un des u i est combinaison linéaire des autres ,
supposons pour simplifier que ce vecteur est u n donc (u 1 , ..., u n−1 ) est génératrice à n − 1 éléments , absurde donc F
libre donc base de E
(iii) ⇒ (i) : Évident : Toute base est par définition libre.

Remarque 1.4. lorsque Card(F ) = dim E = n, pour montrer que F est une base de E, il suffit de
montrer que qu ’il est libre ou génératrice
Exemple 1.1. Soit a 0 , a 1 , . . . , a n ∈ K, deux à deux distincts. Pour i ∈ [[0, n]], on note L i le i ieme poly-
nôme de Lagrange
(X − a 0 ) · · · (X − a i−1 )(X − a i+1 ) · · · (X − a n ) n (X − a )
Y j
Li = =
(a i − a 0 ) · · · (a i − a i−1 )(a i − a i+1 ) · · · (a i − a n ) j=0 (a i − a j )
j 6= i

Alors (L 0 , . . . L n ) est une base de K n [X ].

n
En effet : soient λ1 , . . . λn ∈ K, tels que
X
λ i L i = 0.
i =0
n
X
donc ∀ x ∈ K, λ i L i (x) = 0. Notamment pour x = a j ( j ∈ [[1, n]]), on a λ j = 0 puisque L i (a j ) = δ i, j .
i =0
La famille est donc libre et comme Card{L 0 , . . . , L n } = n + 1 = dim K n [X ], on en déduit le résultat.

Exercice 2. On considère dans R3 les vecteurs

v1 = (1, −1, 1), v2 = (2, −2, 2), v3 = (2, −1, 2).

1. Peut-on trouver un vecteur w tel que (v1 , v2 , w) soit base de R3 ? Si oui, construisez-en un.
2. Même question en remplaçant v2 par v3 .

Solution : 1. On a v2 = 2v1 . La famille (v1 , v2 ) est donc liée. Quel que soit le vecteur w, la famille (v1 , v2 , w) restera
liée, puisqu’on aura toujours 2v1 − v2 + 0w = 0, combinaison linéaire dont qui n’a pas tous ses coefficients nuls.
2. A contrario, la famille (v1 , v3 ) est libre. Pour w = (1, 0, 0), il est facile de voir que la famille (v1 , v3 , w) est libre. En
effet, si av1 + bv2 + cv3 = 0, on a
 
 a + 2b + c = 0  a + 2b + c = 0
a − b = 0 ⇐⇒ a−b = 0
a + 2b = 0 3b 0
 
=

d’où on tire a = b = c = 0 et la famille est libre à trois éléments donc base de R3 . Le guide pour être sûr que l’on peut
réaliser cela est le théorème de la base incomplète, qui nous dit qu’on peut compléter la famille libre à deux vecteurs
(v1 , v3 ) pour en faire une base (à trois vecteurs) de R3 . De plus, on peut choisir le vecteur qui complète dans n’importe
quel système générateur de R3 . Le plus naturel est bien entendu la base canonique.

Exercice 3. Les systèmes suivants forment-ils des bases de R3 ?

S 1 = {(1, −1, 0), (2, −1, 2)};
S 2 = {(1, −1, 0), (2, −1, 2), (1, 0, a)} avec a réel (on discutera suivant la valeur de a) ;
S 3 = {(1, 0, 0), (a, b, 0), (c, d, e)} avec a, b, c, d, e réels (on discutera suivant leur valeur) ;
S 4 = {(1, 1, 3), (3, 4, 5), (−2, 5, 7), (8, −1, 9)}.

Solution : S1 est une famille à deux éléments dans un espace de dimension 3. Ce n’est pas une base de R3 . De même,
S 4 qui comporte quatre éléments ne peut pas être une base de R3 . Pour S 2 et S 3 , il suffit de savoir si ce sont des familles
libres ou non. Résolvons d’abord l’équation

 λ1 + 2λ2 + λ3 = 0


λ1 (1, −1, 0) + λ2 (2, −1, 2) + λ3 (1, 0, a) = 0 ⇐⇒ −λ1 − λ2 = 0

2λ2 + aλ3 = 0.


Ce système est successivement équivalent à

 λ1 + 2λ2 + λ3 = 0  λ1 + 2λ2 + λ3
 
= 0
λ2 + λ3 = 0 (L2) + (L1) → (L2) ⇐⇒ λ2 + λ3 = 0
2λ2 + aλ3 = 0 (a − 2)λ3 0
 
=

page:5/ 11
 Dimension finie

Si a 6= 2, on obtient λ3 = 0 et en remontant les calculs λ1 = λ2 = 0. La famille est donc libre. Si a = 2, alors le choix
λ3 = 1, λ2 = −1 et λ1 = 1 donne une solution au système. La famille n’est alors pas libre. On conclut que S 2 est une base
si et seulement si a 6= 2.
Etudions maintenant S 3 , en résolvant l’équation

λ1 (1, 0, 0) + λ2 (a, b, 0) + λ3 (c, d, e) = 0

qui est équivalente au système

 λ1 + aλ2 + cλ3

= 0
bλ2 + d λ3 = 0
eλ3 0.

=
Si e 6= 0, on obtient λ3 = 0. Si de plus b 6= 0, on obtient λ2 = 0 puis λ1 = 0 : la famille est libre. D’autre part, si b = 0, le
deuxième vecteur est proportionnel au premier et la famille est liée. Enfin, si e = 0, toute combinaison linéaire des trois
vecteurs est telle que la troisième coordonnée est nulle : la famille n’est pas génératrice. Ainsi, (S 3 ) est une base si et
seulement si e 6= 0 et b 6= 0.

1.3 Dimension d’un produit d’espaces de dimension finie

Soient E 1 , . . . , E n des espace vectoriels sur K . On pose
n
Y
E= E i = {(x1 , ..., xn ) / ∀ i ∈ [[1, n]] x i ∈ E i } .
i =1

pour u = (x1 , . . . , xn ) ∈ E, v = (y1 , . . . , yn ) ∈ E et λ ∈ K on définit u + v et λv par :

u + v = (x1 + y1 , . . . , xn + yn )
λv = (λ y1 , . . . , λ yn )to

n
E i est un espace vectoriels sur K
Y
Théorème 1.6. E =
i =1
Si de plus chaque E i est de dimension finie alors E est aussi de dimension finie et on :a
n
X
dim E = dim E i
i =1

Remarque 1.5. Si (e 1 , . . . , e n ) est une base de E 1 et ( f 1 , . . . , f p ) est une base de E 2 alors ,

¡ ¢
(e 1 , 0), . . . , (e n , 0), (0, f 1 ), . . . , (0, f p )

est une base E × E 2

n
E i est noté E n . Si E est de
Y
Remarque 1.6. Lorsque E 1 = ... = E n = E alors l’espace vectoriel
i =1
dimension finie alors dim E n = n dim E.
En particulier si E = K on retrouve, dim K n = n.

2 Sous-espaces vectoriels en dimension finie

2.1 Dimension d’ un sous espace vectoriel

Théorème 2.1. Soit E un espace vectoriel de dimension finie . Soient F sous espace vectoriel de
E. Alors
1. F est dimension finie .
2. dim F ≤ dim E.
3. dim F = dim E ⇔ F=E

page:6/ 11
 Dimension finie

Preuve : 1. Si F = {0} alors F est dimension finie . Si non toute famille libre de F est libre dans E donc elle est
finie et de cardinal ≤ dim E. Soit F une faille libre de E de cardinal maximal, si F n’est pas génératrice de F alors
∃ x ∈ F \ Vect(F ) par suite F ∪{ x} est encore libre dans F ce qui contredit la maximalité de F . Ainsi F est génératrice
donc base de F et comme F est finie F est de dimension finie
2. Une base de F de F est une famille libre de E donc dim F = Card(F ) ≤ dim E.
3. Soit une base de F de F. Si dim F = dim E alors F est libre dans E et Card(F ) = dim E donc base de E aussi. par
suite E = F.
La réciproque est évidente.

Corollaire 2.1. Soit E un espace vectoriel de dimension finie . Soient F,G deux sous espaces
vectoriels de E
1. F ⊂ G ⇒ dim F ≤ dimG.
2. Si F ⊂ G alors [ dim F = dimG ⇔ F = G ].

Exercice 4. Soient F,G les sous-espaces vectoriels de R4 suivants :

F = {(x, y, z, t) ∈ R4 | x + y + z = 0 et 2x + y + z − t = 0},
G = vect{(1, −2, 1, 1), (1, 2, −3, 1), (5, −3, −2, 5)} ⊂ R4 .
1. Calculer la dimension de F.
2. Montrer que G ⊂ F et conclure que G = F.

Solution : 1. On va déterminer une base de F. Pour cela, on écrit que

½
x+ y+ z = 0
(x, y, z, t) ∈ F ⇐⇒
2x + y + z − t = 0
½
x+ y+ z = 0
⇐⇒
x−t = 0
x x

 =


y = −x − z
⇐⇒

 z = z

t = x

On en déduit qu’une base de F est donnée par les vecteurs u 1 = (1, −1, 0, 1) et u 2 = (0, −1, 1, 0).
2. On commence par vérifier que les vecteurs qui engendrent G, à savoir (1, −2, 1, 1), (1, 2, −3, 1) et (5, −3, −2, 5) sont
éléments de F, ce qui est très facile en utilisant l’équation de F. Ceci prouve alors que G ⊂ F. Pour prouver que
G = F, il suffit de prouver que dim F = dimG. Mais F a pour dimension 2, et G est de dimension supérieure ou égale
à 2 car les deux vecteurs (1, −2, 1, 1) et (1, 2, −3, 1) ne sont pas colinéaires. Comme G ⊂ F, on sait que la dimension de
G est inférieure ou égale à la dimension de F. On trouve finalement que dim F = dimG = 2, et puisque G ⊂ F, ceci
entraine F = G.

2.2 Somme de s.e.v et en dimension finie

Proposition 2.1. Soit ( f 1 , ..., f p , g 1 , ..., g q ) une famille libre de E Posons F = Vect( f 1 , ..., f p ) et
F = Vect(g 1 , ..., g q ) Alors F ∩ G = {0} .

ie : La somme F + G est directe.

p n p q
Preuve : Soit x ∈ F ∩ G donc α1 , ...αn ∈ K ; x =
X X X X
αi f i = λ i g i , ceci implique que αi f i − λ i g i = 0 et puisque
i =1 i = p+1 i =1 i =1
| {z } | {z }
x∈ F x∈G
( f 1 , ..., f p , g 1 , ..., g q ) est libre , on déduit que α i = 0 pour tout i ∈ [[1, p]] par suite x = 0 et F ∩ G = {0}.

page:7/ 11
 Dimension finie

Proposition 2.2. Soient E un K−espace vectoriel de dimension finie, F et G deux

sous-espace vectoriel de E tels que F ∩ G = {0} .

Si ( f 1 , ..., f p ) est une base de F et (g 1 , ..., g q ) est une base de G alors

( f 1 , ..., f p , g 1 , ..., g q ) est une base de F ⊕ G.

Preuve : Posons B = ( f 1 , ..., f p , g 1 , ..., g q )

• B libre : Soient α1 , ...α p , λ1 , ...λ q ∈ K tels que
p
X q
X
αi f i + λi g i = 0
i =1 i =1

donc
p
X n
X
αi f i = − λi g i
i =1 i = p+1
| {z } | {z }
x∈ F x∈G
p
X n
X
par suite les vecteurs α i f i et λ i g i sont dans F ∩ G = {0} donc sont tout les deux nuls et comme ( f 1 , ..., f p ) et
i =1 i = p+1
(g 1 , ..., g q ) sont libres on déduit que α1 = ... = α p = λ1 = ... = λ q = 0.
• B génératrice : Soit u = x + y ∈ F + G avec x ∈ F et y ∈ G puisque ( f 1 , ..., f p ) est une base de F et (g 1 , ..., g q ) est une
p q
base de G il existe α1 , ...α p , λ1 , ...λ q ∈ K tels que x =
X X
α i f i et y = λ i g i . Par conséquence :
i =1 i =1
p
X q
X
u= αi f i + λ i g i ∈ Vect(B)
i =1 i =1

Proposition 2.3. En dimension finie, tout sous-espace vectoriel de F, admet un supplémentaire.

Preuve : Si F = E, il suffit de poser G = {0}, et inversement G = E si F = {0}.

Sinon, soit (e 1 , . . . e p ) une base de F. C’est notamment une famille libre de E. D’après le théorème de la base incomplète,
il existe n − p vecteurs notés (e p+1 , . . . e n ) tels que (e 1 , . . . e n ) soit une base de E.
Posons G = Vect(e p+1 , . . . e n ). Montrons que G est un supplémentaire de F
• d’après 2.1 F ∩ G = {0}
• Soit x ∈ E , puisque (e 1 , . . . e n ) est une base de E, il existe α1 , ...αn ∈ K tels que
n
X p
X n
X
x= αi e i = αi e i + αi e i ∈ F + G
i =1 i =1 i = p+1
| {z } | {z }
x∈ F x∈G

Proposition 2.4. Soient E un K−espace vectoriel de dimension finie, F et G deux

sous-espace vectoriel de E .
1. Si F ∩ G = 0 alors
dim F ⊕ G = dim F + dimG

2. Si G est un supplémentairement de F dans E alors

N otation
dimG = dim E − dim F
z}|{
= codim F

page:8/ 11
 Dimension finie

Théorème 2.2 (Formule de Grassmann ). Soient E un K−espace vectoriel de dimension finie, F et

G deux sous-espace vectoriel de E alors :

dim F + G = dim F + dimG − dim F ∩ G

Preuve : • Si F ∩ G = {0} alors dim F + G = dim F + dimG d’après 2.4.

• Si F ∩ G 6= {0} considérons H un supplémentairement de F ∩ G dans F : F = F ∩ G ⊕ H et montrons que F + G = H ⊕ G.
— Soit x ∈ H ∩ G alors x ∈ H ⊂ F et x ∈ G donc x ∈ H ∩ F ∩ G = {0} par suite x = 0 et H ∩ G = {0}
— Soit u ∈ F + G donc u = f + g avec f ∈ F et g ∈ G on a F = F ∩ G ⊕ H donc f = h + g0 avec h ∈ H et g0 ∈ F ∩ G par suite
h + (g + g0 ) D’où F + G = H ⊕ G.
u = |{z}
| {z }
∈H ∈G
D’après 2.4 on a
dim F + G = dim H + dimG = (dim F − dim F ∩ G) + dimG

Remarque 2.1. Une base de F + G peut construite de la façon suivante .

— On prend une base de base B0 = (e 1 , ..., e r ) de F ∩ G
— On la complète en une base B1 = (e 1 , ..., e r , f 1 , ..., f p )de F
— On complète B0 en une base B2 = (e 1 , ..., e r , g 1 , ..., g q )de G
et on obtient :
B = (e 1 , ..., e r , f 1 , ..., f p , g 1 , ..., g q ) est une base de de F + G

Proposition 2.5. Soient E de dimension finie et F,G deux sous-espaces vectoriels de E.

½ ½
F ∩ G = {0} F +G = E
(i) : E = F ⊕ G ⇐⇒ (ii) : ⇐⇒ (iii) : .
dim E = dim F + dimG dim E = dim F + dimG

Exemples 2.1. 1. F = Vect((1, 0, 0)) et G = Vect((0, −1, 1), (0, 1, 1)). On vérifie que la famille ((1, 0, 0), (0, −1, 1), (0,
est libre donc F ∩ G = {0} et dim F + dimG = 3. D’où F ⊕ G = R3 .
2. K4 [X ] = Vect(1 + X , X 3 ) ⊕ Vect(1 + X 2 , X 4 − X , 1).
En effet, la relation

λ1 (1 + X ) + λ2 X 3 + λ3 (1 + X 2 ) + λ4 (X 4 − X ) + λ5 = 0

entraîne λ1 = λ2 = λ3 = λ4 = λ5 = 0 (en regardant les termes dominants.) La somme est donc

directe.
De plus dim K 4 [X ] = dim Vect(1 + X , X 3 ) + dim Vect(1 + X 2 , X 4 − X , 1)

Exercice 5. Soient F,G les sous-espaces vectoriels de R4 suivants :

F = {(x, y, z, t) ∈ R4 | x + y + z = 0 et 2x + y + z − t = 0},
G = vect{(1, 0, 0, 0), (0, 0, 0, 1), } ⊂ R4 .
1. Calculer la dimension de F.
2. Montrer que G un supplémentaire de F.

Solution : 1. comme précédemment, on montre qu’une base de F est donnée par les vecteurs u1 = (1, −1, 0, 1) et
u 2 = (0, −1, 1, 0) donc dim F = 2.
2. Il est claire que dim F + dimG = 4 = dim R4 il suffit de montrer que F ∩ G = {0}. Soit u ∈ F ∩ G le fait que u ∈ G montre
que u = (a, 0, 0, b) avec a, b ∈ R en remplaçant dans les équations de F on obtient a = 0 et b = 0 ce qui assure que
F ∩ G = {0}.

page:9/ 11
 Dimension finie

2.3 Somme de plusieurs en dimension finie

q
M
Théorème 2.3. Soit E de dimension finie admettant une décomposition E = Ei.
i =1
Si pour tout i de [[1, q]], β i désigne une base de E i , alors la réunion β des β i est une base de E.
M q
Elle est dite base adaptée a la décomposition E = Ei.
i =1

Preuve : En remarquant, par associativité, que

q
M qM
−1
E= Ei = Ei ⊕ Eq
i =1 i =1
on a, par une simple récurrence :
q
X q
X
dim E = dim E i = Card β i = Card β
i =1 i =1
Ici Les β i sont deux à deux disjointes puisque ∀ i 6= j; Vect(β i ) ∩ Vect(β j ) = {0}.
Ils suffit alors de montrer que β est génératrice.
Or, pour x ∈ E, il existe (x1 , x2 , . . . , xn ) ∈ E 1 × E 2 ×· · ·× E n tel que x = x1 + x2 +· · · +, xn . De plus ∀ i ∈ [[1, n]] , x i ∈ E i = Vect(β i ),
d’où par sommation x ∈ Vect(β).

Définition 2.1. Soit E de dimension finie et F un de E. On dit qu’une base de E est adaptée à F si
ses premiers éléments forment une base de F

Proposition 2.6. Si les sous-espaces vectoriels E 1 , ..., E r sont de dimensions finies alors la somme
Xp
E i est de dimension finie et on a
i =1
à !
n
X n
X
dim Ei ≤ dim E i (1)
i =1 i =1

avec égalité si et seulement si la somme est directe ; c ’est - à - dire :

à !
n
X Xn Xn
dim Ei = dim E i ⇔ la somme E i est directe (2)
i =1 i =1 i =1

à !
n
X n
X
Remarque 2.2. 1. Si la somme n’est pas directe, dim Ei < dim E i .
i =1 i =1
2. On rappelle à ce propos la formule de Grassmann

dim(F + G) = dim F + dimG − dim F ∩ G

Corollaire 2.2. Soient E de dimension finie et E 1 , E 2 , . . . , E q des sous-espaces vectoriels .

n n
 
X X
dim E = dim E dim E = dim E i
 
i
 
n 
 

i =1 i =1
M
E= E i ⇐⇒ Xn ⇐⇒ X n
i =1 E i est directe E= Ei

 


 

i =1 i =1

page:10/ 11
 Dimension finie

3 Rang d’une famille de vecteurs

Définition 3.1. On appelle rang de n vecteurs (e 1 , e 2 , . . . , e n ) l’entier positif défini par

rg(e 1 , e 2 , . . . , e n ) = dim Vect(e 1 , e 2 , . . . , e n )

Proposition 3.1. Soit (e 1 , e 2 , . . . , e q ) des vecteurs de E

1. rg(e 1 , e 2 , . . . , e q ) ≤ dim E.
2. rg(e 1 , e 2 , . . . , e q ) ≤ q
3. rg(e 1 , e 2 , . . . , e q ) = q si et seulement si (e 1 , e 2 , . . . , e q ) est libre.
Notamment, rg(e 1 , e 2 , . . . , e q ) < q si et seulement si la famille est liée.
4. rg(e 1 , e 2 , . . . , e q ) = dim E si et seulement si (e 1 , e 2 , . . . , e q ) est génératrice de E
qX
−1
5. Si e q est nul ou combinaison linéaire des autres : e q = λ i e i alors
i =1

rg(e 1 , e 2 , . . . , e q ) = rg(e 1 , e 2 , . . . , e q−1 )

qX
−1
6. rg(e 1 , e 2 , . . . , e q ) = rg(e 1 , e 2 , . . . , e q−1 , e q + λi e i ) λi ∈ K
i =1
7. ∀α ∈ K∗ ; rg(e 1 , e 2 , . . . , e q ) = rg(α e 1 , e 2 , . . . , e q )

Preuve : 1. Vect(e 1 , e 2 , . . . , e q ) ⊂ E donc dim Vect(e 1 , e 2 , . . . , e q ) ≤ dim E

¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢
2. e 1 , e 2 , . . . , e q est génératrice de Vect e 1 , e 2 , . . . , e q donc Card e 1 , e 2 , . . . , e q ≥ dim e 1 , e 2 , . . . , e q
¡ ¢ ¡ ¢
3. • Si rg(e 1 , e 2 , . . . , e q ) = q alors e 1 , e 2 , . . . , e q est une famille génératrice de F = Vect e 1 , e 2 , . . . , e q qui à dim F élé-
ments. C’est donc une base de F. Elle est donc libre
¡ ¢ ¡ ¢
Si e 1 , e 2 , . . . , e q est libre,© comme elleª est génératrice de F (par définition de Vect e 1 , e 2 , . . . , e q ) c’est donc une base
de F. D’où dim F = Card e 1 , e 2 , . . . , e q = q
¡ ¢ ¡ ¢
4. • Si r g(e 1 , e 2 , . . . , e q ) = dim E alors comme de plus F = Vect e 1 , e 2 , . . . , e q ⊂ E, on a F = E. e 1 , e 2 , . . . , e q est donc
une famille génératrice de E.
¡ ¢ ¡ ¢
• Si e 1 , e 2 , . . . , e q une famille génératrice de E, on a E = Vect e 1 , e 2 , . . . , e q = F d’où dim E = dim F = rg(e 1 , e 2 , . . . , e q ).
5. Découle de Vect(e 1 , e 2 , . . . , e q ) = Vect(e 1 , e 2 , . . . , e q−1 )
qX
−1
6. Découle Vect(e 1 , e 2 , . . . , e q ) = Vect(e 1 , e 2 , . . . , e q−1 , e q + λi e i )
i =1
7. ∀α ∈ K∗ ; Vect(e 1 , e 2 , . . . , e q ) = Vect(α e 1 , e 2 , . . . , e q )

¡ ¢
Exemple 3.1. (e 1 , e 2 , e 3 ) = (1, 2, 3), (2, 3, 4), (3, 5, 7) .
rg(e 1 , e 2 , e 3 ) = rg(e 1 , e 2 ) = 2 puisque e 3 = e 1 + e 2 et que (e 1 , e 2 ) est libre.
¡ ¢
Remarque 3.1. Par le théorème de la base incomplète , rg e 1 , e 2 , . . . , e q est le cardinale de la plus
¡ ¢
sous famille libre de e 1 , e 2 , . . . , e q

Exercice 6. Soient F et G deux famille finie de E

1. Montrer que F ⊂ G ⇒ rg(F ) ≤ rg(G )
2. Montrer que max(rg(F ), rg(G )) ≤ rg(F ∪ G ) ≤ rg(F ) + rg(G )

Solution : 1. Si F ⊂ G alors Vect(F ) ⊂ Vect(G ) donc par passage au dimensions on a rg(F ) ≤ rg(G )
2. • De F ⊂ F ∪ G on déduit rg(F ) ≤ rg(F ∪ G ) de même rg(G ) ≤ rg(F ∪ G ) ce qui donne la première égalité.
• En remarquant que Vect(F ∪ G ) ⊂ Vect(F ) + Vect(G ) on obtient
rg(F ∪ G ) ≤ dim (Vect(F ) + Vect(G )) ≤ dim (Vect(F )) + dim (Vect(G )) = rg(F ) + rg(G )

page:11/ 11
PCSI Applications linéaires

Plan 4.2 Applications linéaires et les famille

Libres . . . . . . . . . . . . . . . . . . 12
1 Généralité sur les applications li- 4.3 Applications linéaires et les bases . 13
néaire 1 4.4 Application linéaire entre espaces
1.1 Définitions et caractérisation . . . . 1 de même dimension . . . . . . . . . . 14

1.2 L’espace vectoriel L (E, F) - Compo-

5 Applications linéaires et somme de
sition . . . . . . . . . . . . . . . . . . . 3
sous-espaces vectoriels 15
1.3 Isomorphismes . . . . . . . . . . . . 3
5.1 Une caractérisation des sommes di-
rectes . . . . . . . . . . . . . . . . . . . 15
2 Endomorphismes d’un espace vectoriel 4
5.2 Projections - projeteurs . . . . . . . 16
2.1 Définitions et exemples . . . . . . . . 4
5.3 Symétries . . . . . . . . . . . . . . . . 18
2.2 Opérations dans L(E) . . . . . . . . 4 5.4 Détermination d’une application linéaire par
2.3 Automorphisme - Groupe linéaire . 6 sa restriction au sous espaces sup-
plémentaires . . . . . . . . . . . . . . 20
2.4 Polynômes d’un endomorphisme . . . 7
5.5 Théorème du rang . . . . . . . . . . . 21

3 Noyau et Image d’une application li-

6 Rang d’une application linéaire 21
néaire 8

7 Formes linéaires - Hyperplans 22

4 Applications linéaires en dimension
finie 11 7.1 Formes Linéaires . . . . . . . . . . . 22

4.1 Applications linéaires et famille gé- 7.2 Hyperplans . . . . . . . . . . . . . . . 23

nératrice . . . . . . . . . . . . . . . . 11 7.3 Équation d’un hyperplan . . . . . . . 24

∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗

Dans tout ce chapitre :

• K = R ou C .
• E, F et G des K−espaces vectoriels

1 Généralité sur les applications linéaire

1.1 Définitions et caractérisation

Définition 1.1. Soit f : E −→ F une application

de f ½
z }| { ∀ x, y ∈ E f (x + y) = f (x) + f (y)
f est une application linéaire ⇐⇒
∀ x ∈ E ∀λ ∈ K f (λ x) = λ f (x)

On note alors L(E, F) l’ensemble des applications linéaires de E dans F

page:1/ 25
 Applications linéaires

Proposition 1.1. Soit f : E −→ F une application . f est une application linéaire si et seulement si

∀ (λ, µ) ∈ K 2 , ∀ (x, y) ∈ E 2 , f (λ x + µ y) = λ f (x) + µ f (y)

V OCABULAIRE : Soit f ∈ L (E, F) . On dit que f est un :

• Isomorphisme si f est bijective.

• Endomorphisme de E si E = F . On note ∈ L (E) = L (E, E) des endomorphismes de E

• Automorphisme de E si E = F et f bijective. L’ensemble des automorphismes est appelé groupe

linéaire de E et est noté GL(E)

• Forme linéaire sur E si F = K .On note E ∗ = L (E, K) l’ensemble des Forme linéaire sur E
½
E → F
Exemples 1.1. 1. θ : est une application linéaire appelée application linéaire nulle .
x 7→ 0F
R2 R
½
→
2. f : est une forme linéaire sur R2 .
(x, y) 7→ x + 2y
En effet : Soit u = (x, y) et v = (a, b) dans R2 et λ ∈ R.

f (u + λV ) = f ((x + λa, y + λ b)) = x + λa + 2(y + λ b) = x + 2y +λ (a + 2b) = f (u) + λ f (v)

| {z } | {z }
f ( u) f ( v)

donc f est une application linéaire, et puisque f est à valeurs dans R, il s’agit d’une forme linéaire
R[X ] → R[X ]
½
3. ϕ : est un endomorphisme, car ϕ est de R[X ] dans lui même et :
P 7→ P0

∀P,Q ∈ R[X ], ∀λ ∈ R, (P + λQ)0 = P 0 + λQ 0

4. Soit (F l’ensemble des suites convergente à valeurs dans K, alors F est un K−espace vectoriel et
F → K
lim : est une forme linéaire sur F .
(xn ) 7→ lim xn
n→+∞

 C([a, b], K) → K


est une forme linéaire sur C([a, b], K).

Z b
5. I :
 f 7→ f
a

Proposition 1.2. Soit f ∈ L(E, F) alors :

1. f (0E ) = 0F
2. Pour tout n ∈ N∗ ; pour tout u 1 , ..., u n ∈ E et pour tout λ1 , ..., λn ∈ K on a
n
X n
X
f( λk u k ) = λk f (u k )
k=0 k=0

Preuve : 1. f (0E ) = f (0E + 0E ) = f (0E ) + f (0E ) donc f (0E ) = 0F

2. Par récurrence sur n.

page:2/ 25
PCSI Applications linéaires

1.2 L’espace vectoriel L (E, F ) - Composition

Proposition 1.3. Soit f , g ∈ L (E, F). Alors

1. f + g ∈ L (E, F)
2. ∀λ ∈ K, λ f ∈ L (E, F)

Preuve : 1. f + g ∈ L (E, F) car :

∀ x, y ∈ E ∀λ ∈ K, ( f + g)(x + λ y) = f (x + λ y) + g(x + λ y) = f (x) + λ f (y) + g(x) + λ g(y) = ( f + g)(x) + λ( f + g)(y).

2. De même.

Corollaire 1.1. L (E, F) est un K−espace vectoriel

Proposition 1.4 (Composition). Si f ∈ L (E, F) et g ∈ L (F,G). Alors g ◦ f ∈ L (E,G).

c’est à dire :

g lin go f
E −→ f linF −→ G =⇒ E −→ G est linéaire

Preuve :
∀ x, y ∈ E ∀λ ∈ K, g ◦ f (x + λ y) = g ( f (x + λ y)) = g ( f (x) + λ f (y)) = g ◦ f (x) + λ g ◦ f (y).

1.3 Isomorphismes

Définition 1.2. 1. Un isomorphisme de E dans F est une application linéaire f ∈ L (E, F) qui est
bijective. c’est à dire
f isomorphisme de E dans F ⇔ f : E −→F est linéaire bijective
2. On dit que E et F sont isomorphe s’il existe un isomorphisme de de E dans F.

Attention 1.1. Deux espaces quelconques ne sont pas forcement isomorphes.

Proposition 1.5. Si f ∈ L (E, F) est un isomorphisme alors f −1 ∈ L (F, E).

Preuve :
∀ x, y ∈ F ∀λ ∈ K f ( f −1 (x) + λ f −1 (y)) = f ( f −1 (x)) + λ f ( f −1 (y)) = x + λ y
−1 −1 −1
donc f (x) + λ f (y) = f (x + λ y).

page:3/ 25
 Applications linéaires

2 Endomorphismes d’un espace vectoriel

2.1 Définitions et exemples

Définition 2.1. 1. Un endomorphisme de E est une application linéaire de E dans lui même on note
f ∈ L (E).
c’est à dire
f endomorphisme de E ⇔ f : E −→E est linéaire
2. Un automorphisme de E est un endomorphisme de E qui est bijective.

f automorphisme de E ⇔ f : E −→E est linéaire bijective

Notation 2.1. • On note ∈ L (E) = L (E, E) des endomorphismes de E

• L’ensemble des automorphismes est appelé groupe linéaire de E et est noté GL(E)

Exemples 2.1. les applications suivantes sont des endomorphismes.

1) ϕ: C ∞ (R) −→ C ∞ (R) 2) ψ: C ∞ (R) −→ C ∞Z(R)

x
f 7−→ f0 f 7−→ (x 7→ f)
0

et on a
∀ f ∈ C ∞ (R); ϕ oψ( f ) = f et ψ oϕ( f ) = f − f (0)

½
E → E
Définition 2.2. 1. L’application I d E : est un endomorphisme de E appelé identité de
x 7 → x
E.
½
E → E
2. L’application λ.I d E : est un endomorphisme de E appelé homothétie de rapport λ.
x 7 → λx

2.2 Opérations dans L(E )

Corollaire 2.1. 1. L (E, F) est un K−espace vectoriel

2. ∀ f , g ∈ L (E), f ◦ g ∈ L (E) et g ◦ f ∈ L (E)

Remarque 2.1. La composition o définie une loi de composition interne sur L (E.)

page:4/ 25
 Applications linéaires

Proposition 2.1 (Régles de calcul dans L (E)). Soit f , g, h ∈ L (E) , α, β ∈ K. Alors

1. Bilinéarité :
— ho(α f + β g) = α ho f + β hog
— (α f + β g)oh = α f oh + β goh
2. Associativité : f o(goh) = ( f og)oh)
3. Élément neutre : f oI d E = I d E o f = f
4. Les seuls éléments inversibles dans L (E) pour o sont les automorphismes de E. et si f est un
automorphismes alors l’inverse de f pour o est sa bijection réciproque f −1

Attention 2.1. — En générale

f ◦ g 6= g ◦ f
— Si f ◦ g = g ◦ f on dit que f et g commutent entre eux.
— Souvent, on note f g au lieux de f og

Définition 2.3. Soit f ∈ L (E) et n ∈ N. On definit f n par



 f of ...... of si n ∈ N∗

 | {z }
déf
fn = n f ois



 Id
E si n = 0

Proposition 2.2. Soit f , g ∈ L (E) et n, p ∈ N.

1. ( f n ) p = f (np) .

2. f n ◦ f p = f ( n+ p ) .

page:5/ 25
 Applications linéaires

Proposition 2.3. Soit f , g ∈ L (E) et n ∈ N. Si f o g = g of alors :

1. ( f og)n = f n og n .
2. Formule de binôme de Newton

n n
( f + g)n = C nk f k og n−k = C nk f n−k og k
X X
k=0 k=0
∗
3. Factorisation : Si n ∈ N

nX
−1
f n − g n = ( f − g) o( f n−1 + f n−2 og + . . . . . . + g n−1 ) = ( f − g) f k g(n−1−k)
k=0

En particulier :

nX
−1
I d E − g n = ( I d E − g) o( I d E + g + . . . . . . + g n−1 ) = ( f − I d E ) gk
k=0

Attention 2.2. Les résultats de la proposition précédente sont fausses si f og 6= go f .

Notamment ( f og)n 6= f n og n , mais en cas de besoin on peut utiliser la relation suivante, valable pour tout
f , g ∈ L (E) et tout n ∈ N∗ :
(f o g)n = f o(go f )n−1 og

Exemples 2.2. On a en particulier pour n = 2 Lorsque f g = g f

( f + g)2 = f 2 + 2 f g + g2 (1)

( f − g)2 = f 2 − 2 f g + g2 (2)
f 2 − g2 = ( f − g)( f + g) (3)

si f g 6= g f (1) et (2)deviennent
( f + g)2 = f 2 + f g + g f + g2 (4)
( f − g)2 = f 2 − f g − g f + g2 (5)

2.3 Automorphisme - Groupe linéaire

On rappel que si f ∈ L (E) alors

f ∈ GL(E) ⇔ f bijective
⇔ ∃ g ∈ L (E); f og = go f = I d E

On a alors g = f −1 .

Proposition 2.4. Soit f , g ∈ GL(E)

1. I d E ∈ GL(E)
2. f −1 ∈ GL(E)
3. f og ∈ GL(E)

page:6/ 25
 Applications linéaires

Corollaire 2.2. (GL(E), o) est un groupe (Ce qui jstifie la nomination " Groupe lineaire ")

2.4 Polynômes d’un endomorphisme

E un K−espace vectoriel

m
a k X k un polynôme.
X
Définition 2.4. f ∈ L(E) endomorphisme de E et P =
k=0

• On définit P( f ) par
m
ak f k ∈ L (E)
X
P( f ) =
k=0

• On dit que P est un polynôme annulateur de f si P( f ) = 0L (E )

Proposition 2.5. Soient f , g ∈ L(E). Alors pour tous P,Q ∈ K[X ] et λ ∈ K on a

(P + λQ)( f ) = P( f ) + λQ( f )

(PQ)( f ) = P( f )Q( f )
f og = go f ⇒ P( f )oQ(g) = Q(g)oP( f )
En particulier f et P( f ) commutent.

Exemple 2.1. Si P = 3 + 2X − 5X 2 + X 4 et f ∈ L (E) alors

P( f ) = 3I d E + 2 f − 5 f 2 + f 4

Attention au terme constant : 3 = 3X 0 −→ 3 f 0 = 3I d E

Exercice 1. Soient f , g ∈ L (E).

1. Développer ( id − f 2 ) o( id + f 2 ).
2. Montrer que si f 4 = 0 alors id − f est bijective .

Solution : 1. Puisque (1 − X 2 )(1 + X 2 ) = 1 − X 4 , en composant avec f , on a (I d − f 2 )o(I d + f 2 ) = I d − f 4

2. Supposons que f 4 = 0 alors (I d − f 2 )o(I d + f 2 ) = I d et puisque (I d − f 2 ) et (I d + f 2 ) commutent alors (I d − f 2 ) est un
automorphisme et (I d − f 2 )−1 = (I d + f 2 ).

Exercice 2. Montrer que Si f m = 0 pour m ≥ 1 alors id − f est bijective

Solution : on a
fm =0 ⇒ Id − f m = Id
mX
−1
⇒ (I d − f ) f k = Id
k=0
mX
−1 mX
−1
et puisque (I d − f ) et f k commutent on déduit que (I d − f ) est bijective et (I d − f )−1 = fk
k=0 k=0

Exercice 3. Soit f ∈ L (E) on suppose que f 2 − 3 f + 2I d = 0.

page:7/ 25
 Applications linéaires

1. Justifier que ( f − I d)( f − 2I d) = 0.

2. Déterminer f n pour tout n ∈ N.
3. Montrer que f est un automorphisme.
4. Déterminer f −n pour tout n ∈ N.

Solution : 1. On a X 2 − 3X + 2 = (X − 1)(X − 2) donc ( f − I d)( f − 2I d) = f 2 − 3 f + 2I d = 0.

2. On effectue la division euclidienne de X n sur (X − 1)(X + 2) :

X n = (X − 1)(X + 2)Q + aX + b a, b ∈ K

On remplace successivement par 1 et 2 et on obtient le système

½
a+b =1
2a + b = 2n

qui donne a = 2n − 1 et b = 2 − 2n . Ainsi

X n = (X − 1)(X + 2)Q + (2n − 1)X + (2 − 2n )

En composant avec f on obtiant :

f n = ( f − I d)( f − 2I d) Q( f ) + (2n − 1) f + (2 − 2n )I d = (2n − 1) f + (2 − 2n )I d

| {z }
=0

3. De f 2 − 3 f + 2I d = 0, en faisant passer 2I d de l’autre cote de égalité et en divisant par -2, on déduit que
1 2
(f −3f ) = Id
2
En factorisant par f
1
· ¸
fo ( f − 3I d) = I d
2
1
· ¸
et comme f et ( f − 3I d) commutent, on déduit que f est bijective et que
2
1
f −1 = ( f − 3I d)
2

4. En composant f 2 − 3 f + 2I d = 0 avec f −2 et par bilinéarité de la composition on a

I d − 3 f −1 + 2 f −2 = 0.
1
en posant g = f −1 et en remarquant que 1 − 3X + 2X 2 = (X − 1)(X − ), on peut refaire la démarche de 2- et déterminer
2
f −n = g n .

3 Noyau et Image d’une application linéaire

E et F deux K−espaces vectoriels .

Théorème 3.1 (Image directe et réciproque d’un sous-espace vectoriel . ). Soit f ∈ L (E, F).
1. A sev de E =⇒ f (A) est un sev de F

2. B sev de F =⇒ f −1 (B) est un sev de E

Preuve : 1. Soit A sev de E

• 0E ∈ A et 0F = f (0E ) donc 0F ∈ f (A)
• Soient y1 , y2 ∈ f (A) et λ ∈ K. posons y1 = f (x1 ), et y2 = f (x2 ) avec x1 , x2 ∈ A. Alors

y1 + λ y2 = f (x1 ) + λ f (x2 ) = f (x1 + λ x2 ) ∈ f (A)

| {z }
∈A

page:8/ 25
 Applications linéaires

2. Soit B sev de F
• 0F ∈ B et 0F = f (0E ) donc 0E ∈ f −1 (B)
• Soient x1 , x2 ∈ f −1 (B) et λ ∈ K. posons y1 = f (x1 ) ∈ B, et y2 = f (x2 ) ∈ B.

f (x1 + λ x2 ) = f (x1 ) + λ f (x2 ) = y1 + λ y2 ∈ B

Donc
x1 + λ x2 ∈ f −1 (B)

Définition 3.1. Soit f : E −→ F une application linéaire

1) On appelle image de f ,l’ensemble noté et définie par :

déf
I m( f ) = { f ( x)/ x ∈ E } = f (E )

2) On appelle Le noyau de f ,l’ensemble noté et définie par :

déf
K er ( f ) = { x ∈ E / f ( x) = 0 F }

Corollaire 3.1. Soit f ∈ L (E, F)

1. I m f est un sous-espace vectoriel de F.
2. K er f est un sous-espace vectoriel de E.

Remarque 3.1. On a les équivalences :

y ∈ I m f ⇐⇒ ∃ x ∈ E, f ( x) = y

x ∈ K er f ⇐⇒ f ( x) = 0F
Z 1 Z b
Exemple 3.1. H = { f ∈ C 0 ([a; b], R)/ f (t)dt = 0} est le noyau de l’application lineaire f 7→ f (t)dt
0 a
donc c’est un s.e.v de C 0 ([a; b], R)

Exercice 4. Soit f l’application linéaire définie par

f : R3 −→ R2
(x, y, z) 7−→ (x + y − z, 2y − 4z)

1. Déterminer le noyau de f .
2. Soit (e 1 , e 2 , e 3 ) la base canonique de R3 . Montrer que ( f (e 1 ), f (e 2 )) est libre puis en déduire l’image de
l’application linéaire f

Solution : 1. Soitu = (x, y, z) ∈ R3

½ ½
x+ y− z = 0 x = −z
u ∈ ker( f ) ⇔ f (u) = (0, 0) ⇔ (x + y − z, 2y − 4z) = (0, 0) ⇔ ⇔ ⇔ u = z(−1, 2, 1)
y = 2z y = 2z

Ainsi ker( f ) = Vect((−1, 2, 1)).

page:9/ 25
 Applications linéaires

2. f (e 1 ) = (1, 0) et f (e 2 ) = (1, 2) on vérifie aisément que( f (e 1 ), f (e 2 )) est libre. D’autre par f (e 1 ), f (e 2 ) sont dans Im( f ) donc
Vect( f (e 1 ), f (e 2 )) ⊂ Im( f )par passage aux dimensions, puisque I m( f ) est un sous espace vectoriel de R2 on a :

2 = dim Vect( f (e 1 ), f (e 2 )) ≤ dim Im( f ) ≤ dim R2 = 2

donc Im( f ) = R2 et f surjective.

Théorème 3.2. Soit f ∈ L (E, F)

1. f est injective ⇐⇒ ker ( f ) = {0E }

2. f est serjective ⇐⇒ I m( f ) = F

Preuve : 1. • supposons que f injective et montrer que ker( f ) = {0E } . Soit x ∈ ker( f ) donc f (x) = 0F = f (0E ) et puisque f
injective on a x = 0E . Ainsi ker( f ) = {0E }.
• Supposons ker( f ) = {0E } et montrer que f injective . Soient u, v ∈ E tels que f (u) = f (v). f étant linéaire donc

f (u − v) = f (u) − f (v) = 0

par suite u − v ∈ ker( f ) = {0E } ce qui preuve que u = v et donc f injective.

2. f surjective ⇔ f (E) = F ⇔ Im( f ) = F

Exemples 3.1. Étudier l’injectivité et la surjectivité des applications linéaires suivantes :

R2 R2
½
−→
1) f :
(x, y) 7−→ (x + y, x − y)
R[X ] R[X ]
½
−→
2) f :
P 7−→ P0

Solution : 1. • soit u = (x, y) ∈ R2

½ ½ ½
x+ y=0 x=0 x+ y=0
u ∈ ker f ⇔ ⇔ ⇔ u = (0, 0)
x− y=0 y=0 x− y=0

Ainsi ker f = {(0, 0)} et f est injective

• Soit (e 1 , e 2 ) la base canonique de R2 ona f (e 1 ) = (1, 1) et f (e 2 ) = (1, −1), on vérifie que ( f (e 1 ), f (e 2 )) est libre donc base de
R2 par suite
R2 = Vect(( f (e 1 ), f (e 2 ))) ⊂ Im( f ) ⊂ R2
Par suite R2 = R2 et f est surjective.
2. K er f = R0 [X ]; I m f = R[X ] donc f est surjective et non injective.

Exercice 5. Montrer que f : R[X ] → R[X ], P 7→ P − X P 0 est une application linéaire. Déterminer son
noyau et son image

Solution : • Soient P,Q ∈ R[X ] et λ ∈ R. Alors

f (λP + Q) = (λP + Q) − X (λP + Q)0
= λ P + Q − X (λ P 0 + Q 0 )
= λ(P − X P 0 ) + Q − X Q 0 = f (P) + λ f (Q).

Ainsi, f est bien une application linéaire.

n
• P est dans ker( f ) si et seulement si P − X P 0 = 0. Ecrivons P(X ) = a k X k . Alors on a :
X

k=0
n
P − X P0 = (a k − ka k )X k + a 0 .
X

k=1

page:10/ 25
 Applications linéaires

On en déduit que la suite (a k ) vérifie a 0 = 0 and a k (1 − k) = 0 pour k allant de 1 à n. Ainsi, a k = 0 pour k 6= 1, la valeur de a 1 étant
quelconque. On en déduit que ker( f ) = vect(X ).
m n
• Soit Q ∈ R[X ]. Si Q = b k X k est élément de Im( f ), il existe P = a k X k tel que Q = P 0 − X P soit, d’après le calcul précédent,
X X

k=0 k=0
b k = a k (1 − k).
m
On en déduit b 1 = 0 et donc Q ∈ F = vect(X k ; k 6= 0). Réciproquement, soit Q = b k X k un élément de F, c’est-à-dire un polynôme
X

k=0
sans terme en X . Alors, si on pose a k = (1 − k)−1 b k , k 6= 0, et a 1 = 0, le calcul précédent montre que P 0 − X P = Q et donc Q ∈ Im( f ).
Ainsi, Im( f ) = F.

Proposition 3.1 (Deux inclusionsà retenir). Soient f ∈ L (E, F) et g ∈ L (F,G). Alors

ker( f ) ⊂ ker(go f ) Im(g o f ) ⊂ Im(g)

4 Applications linéaires en dimension finie

Dans cette section E, F deux K−espaces vectoriels

4.1 Applications linéaires et famille génératrice

Proposition 4.1. Soit f ∈ L (E, F).

(u 1 , ..., u n ) est génératrice de E ⇒ ( f (u 1 ), ..., f (u n )) est génératrice de Im( f )

Preuve : Supposons que (u1 , ..., u n ) est une famille génératrice de E

• ( f (u 1 ), ..., f (u n )) est une famille de Im( f ) qui est un sous-espace vectoriel , donc Vect( f (u 1 ), ..., f (u n )) ⊂ Im( f )
X n
• Soit y ∈ Im( f ), il exite x ∈ E tel que f (x) = y, or (u 1 , ..., u n ) est une génératrice de E donc x = λ i u i donc, par linéarité de f ,
i =1
on a
n
X
y = f (x) = λ i f (u i ) ∈ Vect( f (u 1 ), ..., f (u n ))
i =1
ce qui assure l’autre inclusion

Exercice 6. Soit E = R3 [X ] l’espace vectoriel des polynômes à coefficients réels de degré inférieur ou égal
à 3. On définit u l’application de E dans lui-même par

u(P) = P + (1 − X )P 0 .

1. Montrer que u est un endomorphisme de E.

2. Déterminer une base de Im(u).
3. Déterminer une base de ker(u).
4. Montrer que ker(u) et Im(u) sont deux sous-espaces vectoriels supplémentaires de E.

Solution : 1. Remarquons d’abord que si P ∈ E, u(P) est bien un polynôme de degré inférieur ou égal à 3, et donc u envoie
bien E dans E. Pour montrer qu’il s’agit d’un endomorphisme, on doit prouver que u est linéaire. Mais, si P,Q ∈ E et λ ∈ R,
on a :
u(P + λQ) = (P + λQ) + (1 − X )(P + λQ)0
= P + λQ + (1 − X )(P 0 + λQ 0 )
= P + (1 − X )P 0 + λ(Q + (1 − X )Q 0 )
= u(P) + λ u(Q).

page:11/ 25
 Applications linéaires

u est donc bien linéaire.

2. Puisque (1, X , X 2 , X 3 ) est une base de E, on sait que u(1), u(X ), u(X 2 ), u(X 3 ) est une famille génératrice de Im(u). On va
pouvoir en extraire une base. On a :

u(1) = 1, u(X ) = 1, u(X 2 ) = − X 2 + 2X , u(X 3 ) = −2X 3 + 3X 2 .

On en déduit que (u(1), u(X 2 ), u(X 3 )) est une famille libre (ce sont des polynômes de degrés différents) et que u(X ) s’écrit
comme combinaison linéaire de ceux-ci (on a même u(X ) = u(1)). Ainsi, ceci prouve que (u(1), u(X 2 ), u(X 3 )) est une base de
Im(u).
3. Ecrivons P(X ) = aX 3 + bX 2 + cX + d, et calculons u(P) :

u(P) = −2aX 3 + (3a − 2b)X 2 + 2bX + c + d.

Ainsi, on obtient
−2a 0 a 0
 
 =  =
 
3a − 2b

= 0 
b = 0
u(P) = 0 ⇐⇒ ⇐⇒

 2b = 0  c
 = c
 
c+d = 0 d = −c
Ainsi, P ∈ ker(u) ⇐⇒ ∃ c ∈ R, P = c(X − 1). Une base de ker(u) est donné par le polynôme X − 1.
4. La réunion des bases de Im(u) et ker(u) trouvées précédemment est (1, − X 2 + 2X , −2X 3 + 3X 2 , X − 1). Ces polynômes sont
tous de degrés différents. Ils forment une base de E. Ceci prouve que Im(u) et ker(u) sont supplémentaires.

Corollaire 4.1. Soit f ∈ L (E, F). il y a équivalence entre :

1. f est surjective
2. l’image de toute famille génératrice de E est une famille génératrice de F

Corollaire 4.2. Si f ∈ L (E, F) est surjective et dim E < ∞. Alors F est de dimension finie et

dim F ≤ dim E

Remarque 4.1. Si dim F > dim E Alors il ne peut y avoir une application linéaire surjective de E dans F.

4.2 Applications linéaires et les famille Libres

Attention 4.1. l’image par une application linéaire d’une famille libre n’est forcement une famille libre

Proposition 4.2. Soit f ∈ L (E, F). il y a équivalence entre :

1. f est injective
2. l’image de toute famille libre de E est une famille libre de F

Corollaire 4.3. Si f ∈ L (E, F) est injective et dim F < ∞. Alors E est de dimension finie et

dim E ≤ dim F

Remarque 4.2. Si dim F < dim E Alors il ne peut y avoir une application linéaire injective de E dans F.

page:12/ 25
 Applications linéaires

4.3 Applications linéaires et les bases

Proposition 4.3. Soit f ∈ L (E, F). il y a équivalence entre :

1. f est bijjective
2. l’image de toute base de E est une base de F
3. l’image de UNE base de E est une base de F

Corollaire 4.4. Si f ∈ L (E, F) est bijective et dim E < ∞. Alors F est de dimension finie et

dim E = dim F

Remarque 4.3. Si dim F 6= dim E Alors il ne peut y avoir une application linéaire bijective de E dans F.
½ 3
R → R3
Exemple 4.1. Soit f : . Alors f est une application linéaire qui transforme
(x, y, z) 7→ (x + y, y + z, z + x)
la base canonique de R3 en la famille ((1, 0, 1), (1, 1, 0), (0, 1, 1)) qui constitue une base de R3 . Donc f est un
automorphisme

Théorème 4.1. Si dim E = n et que (e 1 , . . . , e n ) est une base de E. Alors pour tout (y1 , . . . , yn ) dans F n il
existe une unique application linéaire f ∈ L (E, F) telle que

∀ i ∈ [[1, n]] f (e i ) = yi
n
X
De plus f est déterminée pour tout x = x i e i par
i =1

n
X
f (x) = x i yi
i =1

Remarque 4.4. Pour construire une application linéaire , il suffit de donner ses valeurs sur une base.
Exemple 4.2. Soit E un espace de dim E = 2n, F et G deux sous-espaces vectoriels supplémentaires de E
tels que dim F = dimG = n. Construire un automorphisme f de E qui vérifie f (F) = G et f (G) = F

Solution : Soit (u1 , ..., u n ) une base de F et (v1 , ..., vn ) une base de G. Puisque F et G sont supplémentaires dans E alors
(u 1 , ..., u n , v1 , ..., vn ) est une base de E
On considère f l’endomorphisme de E définie par

∀ i ∈ [[1, n]] , f (u i ) = v i et f (v i ) = u i

Alors f est un automorphisme de E, car il trans forme une base de E en une base de E . de plus

f (F) = Vect(( f (u 1 ), ..., f (u n ))) = Vect((v1 , ..., vn )) = G

f (G) = Vect(( f (v1 ), ..., f (vn ))) = Vect((u 1 , ..., u n )) = F

Proposition 4.4. Soient E et F deux espaces vectoriels de dimension finie . Alors

E et F sont isomorphes ⇐⇒ dim E = dim F.

page:13/ 25
 Applications linéaires

Preuve : • Si f est un isomorphisme de E dans F, et (u1 , ..., u n ) une base de E alors ( f (u1 ), ..., f u(n )) est une base de F donc
dim E = dim F.
• Supposons que dim E = dim F. Soit (u 1 , ..., u n ) une base de E et (v1 , ..., vn ) une base de F.
On considère l’application linéaire f ∈ L (E, F) définie par

∀ i ∈ [[1, n]] ; f (u i ) = v i

Alors f est un isomorphisme puisqu’elle transforme une base de E en une base de F.

Remarque 4.5. Tous les espaces vectoriels de dimension finie égale à n sont isomorphes à Kn

Théorème 4.2. Soient E et F deux K−espaces vectoriels de dimensions finies .

Alors L (E, F) est de dimension finie et on a

dim L (E, F) = dim E. dim F

Preuve : Soit B = (e 1 , . . . , e n ) une base de E avec n = dim E. Soit

L (E, F) Fn
½
−→
Ψ:
u 7−→ (u(e 1 ), ..., u(e 1 ))

Alors Ψ est linéaire et vérifie, d’après le théorème 4.1 :

∀(y1 , ..., yn ) ∈ F n ∃!u ∈ L (E, F); ∀ i ∈ [[1, n]] u(e i ) = yi

c’est à dire

∀(y1 , ..., yn ) ∈ F n ∃!u ∈ L (E, F); Ψ(u) = (u(e 1 ), ..., u(e n )) = (y1 , ..., yn )

Ce qui veut dire que Ψ est bijective. Ainsi L (E, F) et F n sont isomorphe donc

dim L (E, F) = F n = n dim F = dim E. dim F

4.4 Application linéaire entre espaces de même dimension

Théorème 4.3. Soient E et F deux espaces vectoriels de dimension finie tel que dim E = dim F.
Soit f ∈ L(E, F). Alors :

(i) : f est injective. ⇔ (ii) : f est surjective. ⇔ (iii) : f est bijective.

Preuve : Posons dim E = dim F = n

• (i) ⇔ (iii) :
Soit (e 1 , . . . , e n ) une base de E, si f est injective alors ( f (e 1 ), . . . , f (e n )) est une famille libre de F et comme elle est de cardinale n
c’est une base de F. Ainsi f transforme une base de E en une base de F,donc bijective . La réciproque est évidente
• (ii) ⇔ (iii) :
Soit (e 1 , . . . , e n ) une base de E, si f est surjective alors ( f (e 1 ), . . . , f (e n )) est une famille génératrice de F et comme elle est de
cardinale n c’est une base de F. Ainsi f transforme une base de E en une base de F,donc bijective . La réciproque est évidente

Remarque 4.6. Lorsque dim E = dim F. Pour montrer que f ∈ L(E, F) est un isomorphisme il suffit de
montrer que f est injective . Notamment ceci est valable lorsque f est un endomorphisme d’ espace vectoriel de
dimension finie .

page:14/ 25
 Applications linéaires

Exemple 4.3. Soit f : R2 → R2 ; (x, y) 7→ (x + y, x)alors f est un automorphisme .

En effet : ½
x+ y=0
(x, y) ∈ ker f ⇔ ⇔ (x, y) = (0, 0)
x=0
Ainsi f est injective et comme c’est un endomorphisme d’espace vectoriel de dimension finie alors f est
un automorphisme .

Proposition 4.5. Soient E un espace vectoriel de dimension finie n et soit f ∈ L (E) .Les les proposi-
tions suivantes sont équivalentes
1. f est bijective
2. g ∈ L (E) tel que go f = I d E .
3. g ∈ L (E) tel que f og = I d E .
Lorsque l’une des l’une des deux dernières propriétés est vérifiée alors f −1 = g

Preuve : • 1 ⇔ 2 : Si go f = I d E alors f est injective et puisque c’est un endomorphisme d’espace vectoriel de dimension finie ,
f est bijective et en composant avec f −1 on a f −1 = g. La réciproque est évidente

• 1 ⇔ 3: Si f og = I d E alors f est surjective et puisque c’est un endomorphisme d’espace vectoriel de dimension finie ,
f est bijective et en composant avec f −1 on a f −1 = g. La réciproque est évidente

Remarque 4.7. Le résultat précédent est faux en dimension infinie. (voir l’exemple 2.1)

5 Applications linéaires et somme de sous-espaces vectoriels

E un K−espace vectoriel

5.1 Une caractérisation des sommes directes

Proposition 5.1. Soi E 1 et E 2 deux sous-espaces vectoriels de E. On considère l’application

ϕ : E1 × E2 −→ E
(x1 , x2 ) 7−→ x1 + x2

Alors
1. ϕ est linéaire
2. Imϕ = E 1 + E 2
3. E 1 + E 2 est une somme directe si et seulement si ϕ est injective
4. E = E 1 + E 2 si et seulement si ϕ est surjective
5. E 1 et E 2 sont supplémentaires si et seulement si ϕ est un isomorphisme.

page:15/ 25
 Applications linéaires

5.2 Projections - projeteurs

Définition 5.1. Soit E un K-ev et F,G deux sev supplémentaires dans E , E = F ⊕ G Ainsi

∀ x ∈ E, ∃!(xF , xG ) ∈ F × G tq x = xF + xG

On appelle projection vectorielle sur F parallèlement à G ,l’application

P FG : E −→ E
x = xF + xG 7−→ xF

Remarque 5.1. Si E = F ⊕ G alors

∀x ∈ E x = P FG (x) + PGF (x)

Ainsi
I d E = P FG + PGF

page:16/ 25
 Applications linéaires

Interprétation géométrique :
Si F est un plan vectoriel de R3 et G une droite vectorielle supplémentaire à F

page:17/ 25
 Applications linéaires

Proposition 5.2 ( P ROPRIÉTÉ D ’ UNE PROJECTION :). Soit p une projection sur F parallèlement à G.
Alors
1. p est un endomorphisme (p ∈ L (E))
2. ∀ x ∈ E; p(x) = 0 ⇔ x ∈ G ainsi ker p = G .
3. Imp = F.
4. pop = p.
5. ∀ x ∈ E; p(x) = x ⇔ x ∈ F

Définition 5.2. On appelle projeteur de E tout endomorphisme (p ∈ L (E)) vérifiant pop = p

Proposition 5.3. Soit (p ∈ L (E)) projeteur de E C.A.D : pop = [Link]

1. ker(Id − p) = Im p
2. ker p ⊕ Im p = E
3. p est la projection sur Imp parallèlement à ker(p).

n
M
Définition 5.3. On suppose E = E i , pour i ∈ [[1, n]] on définit l’application linéaire
i =1

Pi : E −→ E
Xn
x= xk 7−→ xi
k=1

n
M
La famille (P1 , . . . , P n ) s’appelle la famille des projecteurs associée à la décomposition E = Ei
i =1

5.3 Symétries

Définition 5.4. Soit E un K-ev et F,G deux sev supplémentaires dans E , E = F ⊕ G Ainsi

∀ x ∈ E, ∃!(xF , xG ) ∈ F × G tq x = xF + xG

On appelle symétrie vectorielle par rapport à F parallèlement à G ,l’application

S FG : E −→ E
x = xF + xG 7−→ xF − xG

Remarque 5.2. Si E = F ⊕ G alors

∀x ∈ E S FG (x) = P FG (x) − PGF (x)
Ainsi
1
SFG = P FG − PGF et PFG = (I d E + S FG )
2

page:18/ 25
 Applications linéaires

Interprétation géométrique :
Dans le cas où F est un plan vectoriel de R3 et G une droite vectorielle supplémentaire à F

P1 = P FG P2 = PGF S = S FG

page:19/ 25
 Applications linéaires

Proposition 5.4 ( P ROPRIÉTÉ D ’ UNE SYMÉTRIE :). Soit S la symétrie par rapport à F parallèlement à
G. Alors
1. S est un endomorphisme (S ∈ L (E))
2. SoS = Id.
3. S est bijective (donc un automorphisme de E)
4. ∀ x ∈ E; S(x) = x ⇔ x ∈ F ainsi F = ker(S − I d)
5. ∀ x ∈ E; S(x) = − x ⇔ x ∈ G ainsi G = ker(S + I d)

Définition 5.5. On appelle symétrie de E tout endomorphisme (S ∈ L (E)) vérifiant SoS = Id

Proposition 5.5. Soit (S ∈ L (E)) symétrie de E C.A.D : SoS = [Link]

1. ker(S − I d ) ⊕ ker(S + I d ) = E
2. S est la symétrie par rapport à ker(S − I d) parallèlement à ker(S + I d).

5.4 Détermination d’une application linéaire par sa restriction au sous espaces sup-
plémentaires

E et F des espaces vectoriels et E 1 , ..., E k des sous-espaces vectoriels de E

Théorème 5.1. On suppose E = E i ⊕ E 2 et Soit u 1 ∈ L (E 1 , F) et u 2 ∈ L (E 2 , F) alors

∃ ! u ∈ L(E, F) tel que ∀ i ∈ [[1, 2]] , u |E i = u i .

De plus si x = x1 + x2 avec x1 ∈ E 1 et x2 ∈ E 2 alors :

u(x) = u 1 (x1 ) + u 2 (x2 ).

Remarque 5.3. Autrement dit, Pour définir une application linéaire sur tout E il suffit de la définir sur
chaque E i

Exemple 5.1. Soit f ∈ L (E) non nul et non injective, on suppose que E de dimension finie . Construire
un endomorphisme non nul g de E tel que

∀x ∈ E f og(x) = 0

Solution : f non nul et non injective donc ker f est un sous espace stricte de E. Soit G un supplémentairement de ker f dans
E, et soit g ∈ L(E) définit par :

∀ x ∈ G, g(x) = 0 ∀ x ∈ ker f , g(x) = x (ceci détermine entièrement g)

alors g 6= 0 et
∀x ∈ E f og(x) = 0
En effet

∀ x ∈ G, f og(x) = f (0) = 0 ∀ x ∈ ker f , f og(x) = f (x) = 0

page:20/ 25
 Applications linéaires

n
M
Théorème 5.2 (Généralisation). On suppose E = E i et Si pur tout i ∈ [[1, n]] ; u i ∈ L(E i , F) alors
i =1

∃ ! u ∈ L(E, F) tel que ∀ i ∈ [[1, n]] , u |E i = u i .

De plus si x = x1 + x2 + · · · + xn avec x i ∈ E i alors :

u(x) = u 1 (x1 ) + u 2 (x2 ) + · · · + u n (xn ).

5.5 Théorème du rang

E et F des espaces vectoriels

Théorème 5.3. Soit u ∈ L(E, F) et G u supplémentairement de ker u dans E alors u induit un isomor-
phisme de G sur Imu.

½
G −→ Imu
Preuve : Soit φ :
x 7−→ u(x)

• φ est linéaire(évident).
• φ est injective : x ∈ ker φ ⇔ x ∈ G et u(x) = 0 ⇔ x ∈ G ∩ ker u = {0} ⇔ x = 0
• φ est surjective : Si y ∈ Imu il existe x ∈ E tq u(x) = y or E = ker u ⊕ G donc x = a + b tq a ∈ ker u et b ∈ G.
Par suite y = u(a + b) = u(a) + u(b) = u(b) = φ(b)

Le théorème suivant est fondamental :

Théorème 5.4 (théorème du rang). Si E de dimension finie et f ∈ L(E, F)

dim E = dim(ker f ) + dim(Im f )

6 Rang d’une application linéaire

Définition 6.1. Soit f ∈ L(E, F), Lorsque Im f de dimension finie. On appelle rang de f , l’entier

rg f = dim (Im f ) .

Remarques 6.1. 1. Si β = (e 1 , . . . , e n ) est une base de E alors

rg f = dim Vect{ f (e 1 ), . . . , f (e n )}

2. Le theoreme du randg devient :Si E de dimension finie et f ∈ L(E, F)

dim E = dim(ker f ) + rg f

page:21/ 25
 Applications linéaires

Proposition 6.1. Soit f ∈ L(E, F) où E et F sont de dimensions finies

1. f = 0si et seulement si rg f = 0
¡ ¢
2. rg f ≤ min dim E, dim F
3. f surjective si et seulement si rg f = dim F
4. f injective si et seulement si rg f = dim E

Proposition 6.2. Soit f ∈ L(E, F) et soit deux isomorphismes h : H → E et g : F → G.

¡ ¢ ¡ ¢ ¡ ¢ ¡ ¢
rg f ◦ h = rg f et rg g ◦ f = rg f

“Le rang est invariant par composition avec un isomorphisme".

Preuve : — h(H) = E donc f h(H) = f ◦ h(H) = f (E) d’où l’égalité des dimensions.
¡ ¢
¡ ¢
— Comme g est un isomorphisme de F vers G, alors f (E) est un sous-espace vectoriel de F et on a dim g f (E) = dim f (E) d’où
rg g ◦ f = dim g ◦ f (E) = dim f (E) = rg f .

Remarque 6.1. En fait, on a d’une façon plus générale

rg( f ◦ g) ≤ min(rg f , rg g)
¡ ¢
car Im f ◦ g ⊂ Im f et que dim f (Img) ≤ dim Img par exemple avec le théorème du rang (ou puisque si
¡ ¢
(g 1 , g 2 , . . . , g n ) est une base de Img alors f (g 1 ), f (g 2 ), . . . , f (g n ) est génératrice de Im f |Im g ou de Im f ◦ g ).

7 Formes linéaires - Hyperplans

7.1 Formes Linéaires

Définition 7.1. Soit E un K-espace vectoriel .

1. Une formes linéaire sur E est une application linéaire de E dans K
2. On appelle espace dual associé E l’espace vectoriel E ∗ = L(E, K). C’est l’ensemble des formes li-
néaires sur E.

Remarque 7.1. On rappelle qu’en dimension finie dim E = dim E ∗

Proposition 7.1. Une forme linéaire non nulle sur E est toujours surjective

Remarque 7.2. En particulier si ϕ ∈ E ∗ est une forme linéaire non nulle sur E alors

∃ u ∈ E \{0}; ϕ(u) = 1

page:22/ 25
PCSI Applications linéaires

Théorème 7.1. Soient f et g deux formes linéaire sur un un K-espace vectoriel E telles que :

ker(g) ⊂ ker( f )

Alors il existe α ∈ K tel que : f = α.g

Preuve : • Si g est nulle alors E = ker(g) ⊂ ker( f ) par suite f nulle.

• Si g est non nulle, on procède par analyse synthèse :

Analyse : Si α existe alors nécessairement α = f (u) où u ∈ E tel que g(u) = 1 et on remarquons que g(x) est un scalaire
f = α.g deviens pour tout x ∈ E; f (x − g(x)u) = 0.
Synthèse : Soit alors u ∈ E tel que g(u) = 1 et posons α = f (u) ; on a pour tout x ∈ E :

g(x − g(x)u) = g(x) − g(x)g(u) = g(x) − g(x) = 0

Donc x − g(x)u ∈ ker g ⊂ ker f Par suite f (x − g(x)u) = 0 qui deviens par linéarité f (x) = f (u)g(x) = α.g(x)

7.2 Hyperplans

E un K -espace vectoriel

Définition 7.2. On appelle hyperplan de E, tout sous-espace vectoriel H qui est supplémentaire d’une
droite vectorielle. En d’autre termes :

H hyperplan ⇔ ∃ u ∈ E \{0}; E = H ⊕ Vect(u)

Proposition 7.2. Si dim E = n et Hsous-espace vectoriel de E alors

H hyperplan de E ⇔ dim H = n − 1

Exemples 7.1. 1. En dimension 3, les hyperplans sont les plans vectoriels, d’où le nom en dimension
quelconque.
2. En dimension 2, les hyperplans sont les droites vectorielles.

Proposition 7.3. Soit H est un hyperplan de E . Alors

1.
∀ u ∈ E \ H, H ⊕ K.u = E

2. Si F est un sous espace vectoriel contenant H alors ou bien H = F ou bien F = E ( un hyperplan est
un sous espace maximal pour l ’inclusion )

Proposition 7.4. Soit H un sous-espace vectoriel de E. Les propositions sont équivalentes :

1. H est un hyperplan de E.
2. il existe une forme linéaire ϕ non nulle tel que H = ker ϕ

page:23/ 25
 Applications linéaires

Preuve : 1 =⇒ 2 : Supposons que H est un hyperplan de E, il existe un vecteur non nul u de E tel que E = H ⊕ Vect(u). Soit
l’application
f: E = H ⊕ Vect(u) → K
x = h + λu 7−→ λ
Alors f est une forme linéaire sur E, non nulle (puisque f (u) = 1) telle que ker( f ) = H
2 =⇒ 1 : Supposons qu’il existe une forme linéaire ϕ non nulle tel que H = ker ϕ. Soit u ∈ E \{0} tel que ϕ(u) = 1 . Montrons
que E = ker ϕ ⊕ K.u

x = λ u /λ ∈ K x = λ u /λ ∈ K
½ ½
• x ∈ ker ϕ ∩ K.u ⇔ ⇔ ⇔ x=0
ϕ(x) = 0 λ=0
donc ker ϕ ∩ K.u = {0}

• Pour x ∈ E posons x1 = x − ϕ(x)u et x2 = ϕ(x)u Alors x = x1 + x2 et x2 ∈ K.u et x1 ∈ ker ϕ car ϕ(x1 ) = ϕ(x) − ϕ(x)ϕ(u) = 0
Donc E = ker ϕ + K.u

Exemples 7.2. 1. L’ensemble H des polynômes s’annulant en a ∈ K est un hyperplan de K[X ].

Il suffit de considérer ϕ(P) = P(a)
2. (x1 , x2 , . . . , xn ) ∈ K n | a 1 x1 + a 2 x2 + · · · + a n xn = 0 est un hyperplan de Kn .
© ª

7.3 Équation d’un hyperplan

Proposition 7.5. On suppose dim E = n < +∞. Si l’on note (x1 , x2 , . . . , xn ) les coordonnées d’un vecteur x
de E relativement à une base β, alors H est un hyperplan de E si et seulement si il existe (a 1 , a 2 , . . . , a n ) ∈
Kn \{0} tel que :
n
X
x ∈ H ⇐⇒ a i xi = 0
i =1

Cette relation est appelée équation de l’hyperplan H relativement à β.

Preuve : Soit β = (e 1 , ..., e n ) et φ la forme linéaire non nulle de E telle que H = ker φ.
Posons a i = φ(e i ) poir i = 1, ..., n Alors les a i ne sont pas tous nuls (si non φ est nulle ) et on a
n
X n
X
x= x i e i ∈ H ⇐⇒ φ(x) = 0 ⇐⇒ a i xi = 0
i =1 i =1

n
X
Remarque 7.3. Si H est un hyperplan d’équation a i x i = 0 alors H est le noyau de la forme linéaire
i =1

f: E → K
n
X n
X
x= xi e i 7−→ a i xi
i =1 i =1

Exemples 7.3. 1. On retrouve qu’une droite vectorielle du plan admet une équation du type ax + b y = 0
2. On retrouve qu’un plan vectoriel de l’espace admet une équation du type ax + b y + cz = 0
3. P ∈ R2 [X ] | P(a) = 0 est un hyperplan de R2 [X ] d’équation x + a y + a2 z = 0 dans la base canonique
© ª

(1, X , X 2 ).

Proposition 7.6. Deux équations linéaires définissent le même hyperplan si et seulement si elles sont
proportionnelles

page:24/ 25
 Applications linéaires

Preuve : Si (a1 , a2 . . . , a n ) = λ(b1 , b2 . . . , b n ) où λ 6= 0, alors

n
X n
X
a i x i = 0 ⇐⇒ b i xi = 0
i =1 i =1

donc les équation représente bien le même hyperplan (on divise par λ).
n n
b i x i = 0 deux équations de H et f , g ∈ E ∗ \{0} où (a 1 . . . a n ) est une matrice de
X X
Réciproquement : Soient a i x i = 0 et
i =1 i =1
f et (b 1 . . . b n ) est une matrice de g. alors ker f = ker g = H et d’ après le théorème 7.1 on a f = λ g donc les équations sont
proportionnelles

page:25/ 25
PCSI dimension finie

Exercice 1. Déterminer une base et la dimension de F dans les cas suivants :

1. F = {(a, b, c, d) ∈ R4 ; b − 2c + d = 0}
2. F = {(a, b, c, d) ∈ R4 ; a = d et b = 2c}.
3. F = {(u n ) ∈ RN ; / ∀ n ∈ N; u n+1 = 3u n }
4. F = {(u n ) ∈ RN ; / ∀ n ∈ N; u n+2 = 3u n+1 − u n }

Solution : 1. Il faut d’abord en trouver un système générateur. On a

u = (a, b, c, d) ∈ ⇐⇒ b − 2c + d = 0 ⇐⇒ u = (a, 2c − d, c, d) = a(1, 0, 0, 0) + c(0, 2, 1, 0) + d(0, −1, 0, 1)

La famille constituée par les vecteurs (1, 0, 0, 0), (0, 2, 1, 0) et (0, −1, 0, 1) est donc une famille génératrice de F. On vérifie
aisément qu’elle est libre. C’est donc une base de F par suite dim F = 3.
2. u = (a, b, c, d) ∈ F ⇐⇒ a = d et b = 2c ⇐⇒ u = (a, 2c, c, a) = a(1, 0, 0, 1) + c(0, 2, 1, 0)
La famille constituée par les vecteurs (1, 0, 0, 1) et (0, 2, 1, 0) est une famille génératrice de F. Comme ces deux vecteurs
ne sont pas colinéaires, la famille est libre, et donc il s’agit d’une base de F par suite dim F = 2 .

3. Remarquer que dans ce cas les élément de F sont les suites géométrique de raison 3 donc

u = (u n ) ∈ F ⇐⇒ ∀ n ∈ N; /u n+1 = 3u n ⇐⇒ ∀ n ∈ N; u n = u 0 3n ⇐⇒ u = u 0 .(3n )

donc F = Vect(w) où w = (3n ) et comme w n’est pas la suite nulle, elle constitue une famille libre donc base de F par suite
dim F = 1
4. Remarquer que dans ce cas les élément de F sont les suites récurrentes linéaire d’ordre 2 tell que

∀ n ∈ N; u n+2 = 3u n+1 − 2u n

d’équation caractéristique z2 − 3z + 2 = 0 qui a pour solutions 1 et 2 donc

u = (u n ) ∈ F ⇐⇒ ∃α, β ∈ R; ∀ n ∈ N; u n = α + β2n

donc F = Vect(u, w) où w = (2n ) et u = (1) est la suite constante par 1, et comme (u, w) est libre elle constitue une base de
F par suite dim F = 2

Exercice 2. On considère dans R3 les vecteurs

v1 = (1, −1, 1), v2 = (2, −2, 2), v3 = (2, −1, 2).

1. Peut-on trouver un vecteur w tel que (v1 , v2 , w) soit libre ? Si oui, construisez-en un.
2. Même question en remplaçant v2 par v3 .

Solution : 1. On a v2 = 2v1 . La famille (v1 , v2 ) est donc liée. Quel que soit le vecteur w, la famille (v1 , v2 , w) restera liée,
puisqu’on aura toujours 2v1 − v2 + 0w = 0, combinaison linéaire dont qui n’a pas tous ses coefficients nuls.
2. A contrario, la famille (v1 , v3 ) est libre. Pour w = (1, 0, 0), il est facile de voir que la famille (v1 , v3 , w) est libre. En effet, si
av1 + bv2 + cv3 = 0, on a
 
 a + 2b + c = 0  a + 2b + c = 0
a − b = 0 ⇐⇒ a−b = 0
a + 2b = 0 3b = 0
 

d’où on tire a = b = c = 0 et la famille est libre. Le guide pour être sûr que l’on peut réaliser cela est le théorème de la
base incomplète, qui nous dit qu’on peut compléter la famille libre à deux vecteurs (v1 , v3 ) pour en faire une base (à trois
vecteurs) de R3 . De plus, on peut choisir le vecteur qui complète dans n’importe quel système générateur de R3 . Le plus
naturel est bien entendu la base canonique.

Exercice 3. Soient F et G deux sous-espaces vectoriels de R5 de dimension 3. Montrer que F ∩ G 6= {0}

Solution : Si c’était le cas, alors F et G seraient en somme directe, et on aurait

dim(F ⊕ G) = dim(F) + dim(G) = 3 + 3 = 6.
5
Or, F ⊕ G est un sous-espace vectoriel de R , il est de dimension au plus 5. C’est donc impossible !

page:1/ 3
PCSI dimension finie

Exercice 4. Les systèmes suivants forment-ils des bases de R3 ?

S 1 = {(1, −1, 0), (2, −1, 2)};
S 2 = {(1, −1, 0), (2, −1, 2), (1, 0, a)} avec a réel (on discutera suivant la valeur de a) ;
S 3 = {(1, 0, 0), (a, b, 0), (c, d, e)} avec a, b, c, d, e réels (on discutera suivant leur valeur) ;
S 4 = {(1, 1, 3), (3, 4, 5), (−2, 5, 7), (8, −1, 9)}.

Solution : S1 est une famille à deux éléments dans un espace de dimension 3. Ce n’est pas une base de R3 . De même, S4 qui
comporte quatre éléments ne peut pas être une base de R3 . Pour S 2 et S 3 , il suffit de savoir si ce sont des familles libres ou non.
Résolvons d’abord l’équation

 λ1 + 2λ2 + λ3 = 0


λ1 (1, −1, 0) + λ2 (2, −1, 2) + λ3 (1, 0, a) = 0 ⇐⇒ −λ1 − λ2 = 0

2λ2 + aλ3 = 0.


Ce système est successivement équivalent à

 λ1 + 2λ2 + λ3 =  λ1 + 2λ2 + λ3
 
0 = 0
λ2 + λ3 = 0 (L2) + (L1) → (L2) ⇐⇒ λ2 + λ3 = 0
2λ2 + aλ3 = 0 (a − 2)λ3 0
 
=
Si a 6= 2, on obtient λ3 = 0 et en remontant les calculs λ1 = λ2 = 0. La famille est donc libre. Si a = 2, alors le choix λ3 = 1, λ2 = −1
et λ1 = 1 donne une solution au système. La famille n’est alors pas libre. On conclut que S 2 est une base si et seulement si a 6= 2.
Etudions maintenant S 3 , en résolvant l’équation

λ1 (1, 0, 0) + λ2 (a, b, 0) + λ3 (c, d, e) = 0

qui est équivalente au système

 λ1 + aλ2 + cλ3

= 0
bλ2 + d λ3 = 0
eλ3 0.

=
Si e 6= 0, on obtient λ3 = 0. Si de plus b 6= 0, on obtient λ2 = 0 puis λ1 = 0 : la famille est libre. D’autre part, si b = 0, le deuxième
vecteur est proportionnel au premier et la famille est liée. Enfin, si e = 0, toute combinaison linéaire des trois vecteurs est telle
que la troisième coordonnée est nulle : la famille n’est pas génératrice. Ainsi, (S 3 ) est une base si et seulement si e 6= 0 et b 6= 0.

Exercice 5. Soient F,G les sous-espaces vectoriels de R4 suivants :

F = {(x, y, z, t) ∈ R4 | x + y + z = 0 et 2x + y + z − t = 0},
G = vect{(1, −2, 1, 1), (1, 2, −3, 1), (5, −3, −2, 5)} ⊂ R4 .
1. Calculer la dimension de F.
2. Montrer que G ⊂ F et conclure que G = F.

Solution : 1. On va déterminer une base de F. Pour cela, on écrit que

½
x+ y+ z = 0
(x, y, z, t) ∈ F ⇐⇒
2x + y + z − t = 0
½
x+ y+ z = 0
⇐⇒
x−t = 0
x = x




y = −x − z
⇐⇒

 z = z

t = x
On en déduit qu’une base de F est donnée par les vecteurs u 1 = (1, −1, 0, 1) et u 2 = (0, −1, 1, 0).
2. On commence par vérifier que les vecteurs qui engendrent G, à savoir (1, −2, 1, 1), (1, 2, −3, 1) et (5, −3, −2, 5) sont éléments
de F, ce qui est très facile en utilisant l’équation de F. Ceci prouve alors que G ⊂ F. Pour prouver que G = F, il suffit
de prouver que dim F = dimG. Mais F a pour dimension 2, et G est de dimension supérieure ou égale à 2 car les deux
vecteurs (1, −2, 1, 1) et (1, 2, −3, 1) ne sont pas colinéaires. Comme G ⊂ F, on sait que la dimension de G est inférieure ou
égale à la dimension de F. On trouve finalement que dim F = dimG = 2, et puisque G ⊂ F, ceci entraine F = G.

Exercice 6. Soient F,G les sous-espaces vectoriels de R4 suivants :

F = {(x, y, z, t) ∈ R4 | x + y + z = 0 et 2x + y + z − t = 0},
G = vect{(1, 0, 0, 0), (0, 0, 0, 1), } ⊂ R4 .

page:2/ 3
 dimension finie

1. Calculer la dimension de F.
2. Montrer que G un supplémentaire de F.

Solution : 1. comme précédemment, on montre qu’une base de F est donnée par les vecteurs u 1 = (1, −1, 0, 1) et u 2 =
(0, −1, 1, 0) donc dim F = 2.
2. Il est claire que dim F + dimG = 4 = dim R4 il suffit de montrer que F ∩ G = {0}. Soit u ∈ F ∩ G le fait que u ∈ G montre que
u = (a, 0, 0, b) avec a, b ∈ R en remplaçant dans les équations de F on obtient a = 0 et b = 0 ce qui assure que F ∩ G = {0}.

Exercice 7. Montrer que

K4 [X ] = Vect(1 + X , X 3 ) ⊕ Vect(1 + X 2 , X 4 − X , 1).

Solution : La famille (1 , 1 + X , 1 + X 2 , X 3 , X 4 − X ) est libre ( Car échelonnée en degré ) et de cardinal 5 = dim K4 [X ] donc
constitue une base K4 [X ] par suite
K4 [X ] = Vect(1, X , X 3 ) ⊕ Vect(1 + X 2 , X 4 − X , 1).

Exercice 8. Soit E un espace vectoriel de dimension finie n. Soit H un sous espace vectoriel de E de
dimension dim H = n − 1. Montrer que pour tout u ∈ E \ H on a

E = H ⊕ Vect(u).

Solution : remarquons d’abord que u 6= 0 car 0 ∈ H et u ∉ H.

Posons D = Vect(u). Puisque dim D + dim H = n il suffit de montrer que D ∩ H = {0}. Pour cela soit x ∈ D ∩ H donc x ∈ D et x ∈ H.
1
Or x ∈ D donne x = λ u et si λ 6= 0 alors u = x ∈ H ce qui n’est pas possible donc λ = 0 et x = 0 et finalement F ∩ G = {0}
λ

page:3/ 3
PCSI espace vectoriel

Exercice 1. Parmi les ensembles suivants, lesquels sont, ou ne sont pas, des sous-espaces vectoriels ?
1. E 1 = {(x, y, z) ∈ R3 ; x + y + 3z = 0} ;
2. E 2 = {(x, y, z) ∈ R3 ; x + y + 3z = 2} ;
3. E 3 = {(x, y, z, t) ∈ R4 ; x = y = 2z = 4t} ;
4. E 4 = {(x, y) ∈ R2 ; x y = 0} ;
5. E 5 = {(x, y) ∈ R2 ; y = x2 } ;
6. E 6 = {(x, y, z) ∈ R3 ; 2x + 3y − 5z = 0} ∩ {(x, y, z) ∈ R3 ; x − y + z = 0} ;
7. E 7 = {(x, y, z) ∈ R3 ; 2x + 3y − 5z = 0} ∪ {(x, y, z) ∈ R3 ; x − y + z = 0}.

Solution : 1. Soient X = (x, y, z) et X 0 = (x0 , y0 , z0 ) éléments de E 1 . Alors, X + X 0 = (x + x0 , y + y0 , z + z0 ) est aussi élément

de E 1 . En effet,
(x + x0 ) + (y + y0 ) + 3(z + z0 ) = (x + y + 3z) + (x0 + y0 + 3z0 ) = 0.
De même, pour tout λ ∈ R, on a λ X = (λ x, λ y, λ z) est élément de E 1 puisque

λ x + λ y + 3λ z = λ(x + y + 3z) = 0.

E 1 est donc un sous-espace vectoriel de R3 .

→
−
2. E 2 n’est pas un sous-espace vectoriel de R3 car 0 = (0, 0, 0) n’est pas élément de E 2 .
3. Soient X = (x, y, z, t) et X 0 = (x0 , y0 , z0 , t0 ) deux éléments de E 3 . Alors X + X 0 = (x + x0 , y + y0 , z + z0 , t + t0 ) est aussi élément
de E 3 . En effet,
x + x0 = y + y0 = 2z + 2z0 = 2(z + z0 ) = 4t + 4t0 = 4(t + t0 ).
De même, on prouve que pour tout λ ∈ R, λ X est élément de E 3 . E 3 est donc un sous-espace vectoriel de R4 .
4. E 4 n’est pas un sous-espace vectoriel de R2 car il n’est pas stable par addition. En effet, X = (1, 0) et Y = (0, 1) sont tout
les deux éléments de E 4 , mais X + Y = (1, 1) n’est pas élément de E 4 .
5. Les éléments (1, 1) et (−1, 1) sont éléments de E 5 . Si on effectue leur somme, on trouve (0, 2) qui n’est pas élément de E 5 :
E 5 n’est pas un sous-espace vectoriel de R2 . Plus généralement, un sous-espace vectoriel de R2 est une droite passant par
(0, 0), ou R2 lui-même, ou encore le singleton {(0, 0)}.. E 5 est une parabole et n’est donc pas un sous-espace vectoriel.
6. Posons F = {(x, y, z) ∈ R3 ; 2x + 3y − 5z = 0} et G = {(x, y, z) ∈ R3 ; x − y + z = 0}. Comme à la première question, on montre que
F et G sont deux sous-espaces vectoriels de R3 . Leur intersection F ∩ G est donc un sous-espace vectoriel de R3 .
7. Cette fois, aucun théorème du cours ne dit qu’une réunion de deux sous-espaces vectoriels reste un sous-espace vectoriel.
Ici, prenons (5, 0, 2) ∈ F ⊂ F ∪ G et (1, 1, 0) ∈ G ⊂ F ∪ G. Alors (5, 0, 2) + (1, 1, 0) = (6, 1, 2) ∉ G car 6 − 1 + 2 = 5 6= 0. Ainsi,
F ∪ G n’est pas stable par addition et n’est donc pas un sous-espace vectoriel de R3 . Plus généralement, on prouve qu’une
réunion de deux sous-espaces vectoriels est un sous-espace vectoriel si et seulement si l’un des deux est inclus dans
l’autre.

Exercice 2. Trouver unee base des sous-espaces vectoriels suivants de R3 :

1. F = {(x, y, z) ∈ R3 ; x + 2y − z = 0} ;
2. G = {(x, y, z) ∈ R3 ; x − y + z = 0 et 2x − y − z = 0}.

Solution : 1. On a
u = (x, y, z) ∈ F ⇐⇒ x = −2y + z ⇐⇒ u = (−2y + z, y, z) ⇐⇒ u = yu 1 + zu 2
avec u 1 = (−2, 1, 0) et u 2 = (1, 0, 1), on a donc F = vect(u 1 , u 2 ). De plus on verifie que cette famille est libre donc constitue
une base de F
2. On a ½ ½
x− y+ z = 0 x− y+ z = 0
(x, y, z) ∈ G ⇐⇒ ⇐⇒
2x − y − z
= 0 y − 3z = 0

 x = 2z
⇐⇒ y = 3z
z=z


On a donc G = vect(u), avec u = (2, 3, 1) . De plus u 6= 0 donc (u) est une base de G

Exercice 3. Soit E un K ev et u, v ∈ E. Montrer que

Vect(u, v) = Vect(u + v, u − v)

page:1/ 2
PCSI espace vectoriel

Solution : • D’une part u + v ∈ Vect(u, v) et u − v ∈ Vect(u, v) donc on a l’inclusion

Vect(u + v, u − v) ⊂ Vect(u, v)

1 1
• D’autre part on a u = [(u + v) + (u − v)] ∈ Vect(u + v, u − v) et v= [(u + v) − (u − v)] ∈ Vect(u + v, u − v) donc
2 2
on a l’inclusion
Vect(u, v) ⊂ Vect(u + v, u − v)

Exercice 4. Soit A ∈ R[X ] un polynôme de degré d ≥ 1 et F = {P ∈ R[X ]; A divise P }.

1. Montrer que F est un sous-espace vectoriel de R[X ]
2. Montrer que R[X ] = F ⊕ Rd −1 [X ]

Solution : 1. Remarquons que F = { AQ; Q ∈ R[X ]}, ce qui permet facilement de prouver que F est un sous-espace vecto-
riel de R[X ].
2. Soit B ∈ R[X ]. D’après la division euclidienne, il s’écrit de façon unique sous la B = AQ + R, où Q ∈ R[X ] et R ∈ Rd −1 [X ],
où d est le degré de d, c’est-à-dire de façon unique comme la somme d’un élément de F et d’un élément de Rd −1 [X ]. Ceci
signifie exactement que F et Rd −1 [X ] sont des sous-espaces vectoriels supplémentaires de R[X ].

Exercice 5. Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E tels que F + G = E. Soit
F 0 un supplémentaire de F ∩ G dans F. Montrer que F 0 ⊕ G = E.,

Solution : Prouvons d’abord que F 0 et G sont en somme directe, c’est-à-dire que F 0 ∩ G = {0}. Prenons x ∈ G ∩ F 0 . Alors, puisque
F ∩ G et F 0 sont en somme directe, et que x ∈ F ∩ G (x est dans G et dans F 0 ⊂ F), on en déduit x = 0. D’autre part, il faut montrer
que F 0 + G = E. Soit z ∈ E. On sait que z = f + g, avec f ∈ F et g ∈ G (car F + G = E). D’autre part, on peut décomposer f en g0 + f 0 ,
avec g0 ∈ F ∩ G et f 0 ∈ F 0 . Ainsi, on obtient
z = g0 + f 0 + g = f 0 + (g + g0 )
avec f 0 ∈ F 0 et g + g0 ∈ G : F 0 + G = E ce qui achève la preuve que F 0 et G sont supplémentaires.

Exercice 6. Soit a ∈ R. On désigne par F le sous-espace des fonctions constantes et par G a le sous-e

Solution : On remarque d’abord que F ∩G a = {0} (une fonction constante qui s’annule en un point est forcément identiquement
nulle). Ensuite, prenons h ∈ E, on doit prouver que h se décompose sous la forme h = g + C, où C est une constante et g(a) = 0.
Admettons que ce soit le cas. Alors, nécessairement, h(a) = C et g(x) = h(x) − C = h(x) − h(a). On pose donc C = f (a) et g(x) =
h(x) − h(a). Clairement, h = g + C et g(a) = 0 ce qui prouve que g ∈ G a .

Exercice 7. Soit a0 , a1 , . . . , a n ∈ K, deux à deux distincts. Pour i ∈ [[0, n]], Soit L i le i eme polynôme de
Lagrange définie par :
(X − a 0 ) · · · (X − a i−1 )(X − a i+1 ) · · · (X − a n ) n (X − a )
Y j
Li = =
(a i − a 0 ) · · · (a i − a i−1 )(a i − a i+1 ) · · · (a i − a n ) j=0 (a i − a j )
j 6= i

Montrer que B = (L 0 , . . . L n ) est une base de Kn [X ] et determiner les coordonees d’un polynome P ∈ Kn [X ]
dans cette base .
n
Solution : • Soient λ1 , . . . λn ∈ K, tels que
X
λ i L i = 0.
i =0
n
X
On a ∀ x ∈ K, λ i L i (x) = 0. Notamment pour x = a j ( j ∈ [[1, n]]), il vient λ j = 0 puisque L i (a j ) = δ i, j .
i =0
La famille est donc libre
• D’après un DL traité en classe on sait que pour tout P ∈ Kn [X ]
n
X
P= P(a i )L i
i =0

D’où le résultat.

page:2/ 2
PCSI espace vectoriel

Exercice 8. Pour tout n ∈ N on pose , f n (x) = cos(nx)

1. Montrer que pour tout n ∈ N la famille ( f 0 , ..., f n ) est libre (pourra procéder par récurrence )
2. En déduire que la famille ( f n )n∈N est libre.

Solution : 1. On va démontrer par récurrence sur N pour N = 0 (cos(0.x) = 1) n ’est pas la fonction nulle donc libre .
Supposons le résultat vrai au rang N − 1, et prouvons-le au rang N en écrivant une relation de liaison :

λ0 f 0 + · · · + λ N f N = 0.

i.e λ0 + λ1 cos(x) + · · · + λ N cos(N x) = 0 ∀ x ∈ R.

On dérive deux fois et on trouve
λ1 cos(x) + · · · + N 2 λ N cos(N x) = 0.
En retranchant N 2 fois la première équation à la deuxième, on trouve

− N 2 λ0 + (1 − N 2 )λ1 cos(x) + · · · + (N − 12 − N 2 )λ N −1 cos(N − 1x) = 0.

Par hypothèse de récurrence, on a ( j 2 − N 2 )λ j = 0 pour tout j = 0, . . . , N − 1, soit finalement λ j = 0 . De retour à l’équation

initiale, on retrouve aussi λ N = 0, ce qui prouve bien que la famille est libre.
2. Soit (n 1 , ..., n p ) une famille finie d’entiers deux à deux distincts.
posons N = max(n 1 , ..., n p ), alors la famille ( f n1 , ..., f n p ) est une sous famille de la famille ( f 0 , ..., f N ).
D’après 1) la famille ( f 0 , ..., f N ) est libre donc ( f n1 , ..., f n p ) est libre comme sous famille d’une famille libre.

Exercice 9. (Polynômes échelonnés en degré :)

Soit (P1 , . . . , P n ) une famille de polynômes de C[X ] non nuls, à degrés échelonnés, c’est-à-dire

deg(P1 ) < deg(P2 ) < · · · < deg(P n )

Montrer que (P1 , . . . , P n ) est une famille libre.

Solution : Considérons une relation λ1 P1 + · · · + λn P n = 0. Si λn 6= 0, le membre de gauche de l’inégalité est un polynôme de

degré deg(la n P n ) 6= −∞. Ce ne peut pas être le polynôme nul. Donc λn = 0. En itérant le raisonnement, on trouve successivement
λn−1 = · · · = λ1 = 0.

Remarque 0.1. À retenir :

1. Toute famille de polynômes non nuls échelonnés en degré est libre
2. Toute famille de polynômes non nuls dont les degrés sont deux à deux distincts est libre.

page:3/ 2
 Applications linéaires

1 Étude pratique

Exercice 1. On considère l’application linéaire f de R3 dans R4 définie par

f ( x, y, z) = ( x + z, y − x, z + y, x + y + 2 z).

1. Calculer les images par f des vecteurs de la base canonique ( e 1 , e 2 , e 3 ) de R3 . En déduire une base de Im( f ).
2. Déterminer une base de ker( f ).
3. L’application f est-elle injective ? surjective ?

Solution : 1. Utilisant la définition de f , on a :

f (e1) = (1, −1, 0, 1)

f (e2) = (0, 1, 1, 1)
f (e3) = (1, 0, 1, 2)

On sait que la famille ( f ( e 1 ), f ( e 2 ), f ( e 3 )) est une famille génératrice de Im( f ). Or, f ( e 3 ) = f ( e 1 ) + f ( e 2 ) et donc f ( e 3 ) est combinaison
linéaire de ( f ( e 1 ), f ( e 2 )). Ainsi, la famille ( f ( e 1 ), f ( e 2 )) est déjà génératrice de Im( f ). De plus, elle est libre car les deux vecteurs sont
non-nuls et ne sont pas proportionnels. On en déduit que ( f ( e 1 ), f ( e 2 )) est une base de Im( f ).
2. On a :  

 x+z = 0 
 x+z = 0
−x + y = 0 y+ z = 0
 
( x, y, z) ∈ ker( f ) ⇐⇒ ⇐⇒

 y+ z = 0  y+ z
 = 0
x + y + 2z 0 y+ z 0
 
= =

 x = −z
⇐⇒ y = −z
z = z


On en déduit que le vecteur (−1, −1, 1) engendre ker( f ). Comme il est non-nul, c’est une base de ker( f ). En particulier, on trouve que
ker( f ) est de dimension 1, ce que l’on peut aussi obtenir en utilisant le théorème du rang.
3. f n’est pas injective, car son noyau n’est pas réduit à {0}. f n’est pas surjective, car son image n’est pas R3 tout entier. En effet, la
dimension de Im( f ) est 2, et non 3.

Exercice 2. Montrer que f : R[ X ] → R[ X ], P 7→ P − X P 0 est une application linéaire. Déterminer son noyau et son
image

Solution : Soient P,Q ∈ R[ X ] et λ ∈ R. Alors

f (λP + Q ) = (λP + Q ) − X (λP + Q )0

= λ P + Q − X (λ P 0 + Q 0 )
= λ(P − X P 0 ) + Q − X Q 0 = f (P ) + λ f (Q ).
n
Ainsi, f est bien une application linéaire. De plus P est dans ker( f ) si et seulement si P − X P 0 = 0. Ecrivons P ( X ) = a k X k . Alors on a :
X

k=0
n
P − X P0 = (a k − ka k ) X k + a 0 .
X

k=1

On en déduit que la suite (a k ) vérifie a 0 = 0 and a k (1 − k) = 0 pour k allant de 1 à n. Ainsi, a k = 0 pour k 6= 1, la valeur de a 1 étant quelconque.
On en déduit que ker( f ) = vect( X ).
m n
D’autre part, soit Q ∈ R[ X ]. Si Q = b k X k est élément de Im( f ), il existe P = a k X k tel que Q = P 0 − X P soit, d’après le calcul précédent,
X X

k=0 k=0

b k = a k (1 − k).
m
On en déduit b 1 = 0 et donc Q ∈ F = vect( X k ; k 6= 0). Réciproquement, soit Q = b k X k un élément de F , c’est-à-dire un polynôme sans terme en
X

k=0
X . Alors, si on pose a k = (1 − k)−1 b k , k 6= 0, et a 1 = 0, le calcul précédent montre que P 0 − X P = Q et donc Q ∈ Im( f ). Ainsi, Im( f ) = F .

Exercice 3. Soit E = R3 . On note B = {E 1 , E 2 , E 3 } la base canonique de E et u l’endomorphisme de R3 défini par la

donnée des images des vecteurs de la base :

u(E 1 ) = −2E 1 + 2E 3 , u(E 2 ) = 3E 2 , u(E 3 ) = −4E 1 + 4E 3 .

1. Écrire u(( x, y, z)) en fonction de x, y et z .

2. Déterminer une base de ker u.
u est-il injectif ? u peut-il être surjectif ?

page:1/ 5
 Applications linéaires

3. Determiner rg( u)
4. Déterminer une base de Im u.
M
5. Montrer que E = ker u Im u.

Solution : 1. On commence par calculer u( x, y, z). On a

u( x, y, z) = u( xE 1 + yE 2 + zE 3 ) = xu(E 1 ) + yu(E 2 ) + zu(E 3 ) = (−2 x − 4 z)E 1 + 3 yE 2 + (2 x + 4 z)E 3 = (−2 x − 4 z, 3 y, 2 x + 4 z)

2. On a
 
 −2 x − 4 z = 0  x = −2 z
( x, y, z) ∈ ker( u) ⇐⇒ 3y = 0 ⇐⇒ y = 0
2x + 4z = 0 z = z
 

On a donc ker( u) = vect(−2, 0, 1) et le vecteur (−2, 0, 1) est une base de ker( u). ker( u) n’est pas réduit à {0}, et donc l’endomorphisme u
n’est pas injectif. Comme u est un endomorphisme de l’espace vectoriel de dimension finie R3 , il n’est pas non plus surjectif, car on a alors

u injectif ⇐⇒ u surjectif ⇐⇒ u bijectif.

3. On sait, d’après le théorème du rang, que Im( u) est de dimension 2.

4. On sait aussi que u(E 1 ), u(E 2 ), u(E 3¡) est une famille
¡ ¢
génératrice de Im u. Il suffit donc d’en extraire une famille libre à deux éléments.
Mais on vérifie immédiatement que u(E 1 ), u(E 2 ) est une telle famille. C’est donc une base de Im( u) qui est de rang 2.
¢

3
¡ ker( u) et d’une base de ¢Im( u) est une base de R . Autrement dit, avec les calculs réalisés
5. Il suffit de montrer que la réunion d’une base de
précédemment, il suffit de voir que la famille (−2, 0, 1), (−2, 0, 2), (0, 3, 0) est une famille libre. C’est très facile et laissé au lecteur...

Exercice 4. Soit E = Rn [ X ] et soit f l’application définie sur E par f (P ) = P ( X + 1) + P ( X − 1) − 2P ( X ).

1. Vérifier que f est un endomorphisme de E .
2. Quel est le degré de f ( X p ) ?
3. Déterminer ker( f )
4. Déterminer Im( f ).
5. Soit Q un polynôme de Im f . Démontrer qu’il existe un unique polynôme P tel que f (P ) = Q et P (0) = P 0 (0) = 0.

Solution : 1. f est clairement une application linéaire. Puisque deg(P ( X + 1) + P ( X − 1) − 2P ( X )) ≤ deg(P ( X )), elle est bien à image dans
E.
2. On a
p
à !
p ¡
f (X p ) = 1 + (−1)k X p−k − 2 X p .
X ¢
k=0 k
Le coefficient devant X p est nul (il vaut 1+1-2), celui devant X p−1 aussi, et celui devant X p−2 vaut p( p − 1). Ainsi, si p ≥ 2, le degré de
f ( X p ) est p − 2. Sinon, f ( X p ) est le polynôme nul. On en déduit, par linéarité, que f (P ) est de degré deg(P ) − 2 si deg(P ) ≥ 2, et est le
polynôme nul sinon.
3. D’après ce qui précède , ker( f ) = R1 [ X ].
4. Par le théorème du rang, dim(Im( f )) = p + 1 − 2 = p − 1. De plus, on a vu que R p−1 [ X ] ⊂ Im( f ). C’est donc que Im( f ) = R p−1 [ X ].
5. Soit G = {P ∈ R p [ X ]; P (0) = P 0 (0) = 0}. Alors G est un sous-espace vectoriel de R p [ X ]. On vérifie facilement que, pour P ( X ) = a p X p +· · ·+a 0 ,
P ∈ G ⇐⇒ a 0 = a 1 = 0, et donc une base de G est ( X 2 , X 3 , . . . , X p ). Ainsi, G est de dimension p − 1. Notons g : G → Im( f ), P 7→ f (P ). g est
injective, car G ∩ ker( f ) = {0}. De plus, dim(G ) = dim(Im( f )). Ainsi, g est une bijection de G sur Im( f ). Ceci prouve le résultat.

Exercice 5. Montrer qu’il existe un unique endomorphisme f de R4 qui vérifie les conditions :
C 1 : f ( e 1 ) = e 1 − e 2 + e 3 et f (2 e 1 + 3 e 4 ) = e 2 .
C 2 : ker( f ) = {( x, y, z, t) ∈ R4 , x + 2 y + z = 0 et x + 3 y − t = 0}.
où ( e 1 , e 2 , e 3 , e 4 ) désigne la base canonique de R4 .

Solution : Un endomorphisme est uniquement défini par l’image d’une base. Il suffit donc de calculer quelles doivent être les valeurs de
f ( e 1 ), f ( e 2 ), f ( e 3 ), f ( e 4 ). On sait déjà que :
— f (e1) = e1 − e2 + e3.
1
— f (3 e 4 ) = e 2 − 2 f ( e 1 ), soit f ( e 4 ) = (−2 e 1 + 3 e 2 − 2 e 3 ).
3
Reste à définir f ( e 2 ) et f ( e 3 ). Pour cela, on va chercher une base de F = {( x, y, z, t) ∈ R4 , x + 2 y + z = 0 et x + 3 y − t = 0}. On a aisément :


 x = x
y = y

( x, y, z, t) ∈ F ⇐⇒

 z = −x − 2 y
t = x + 3y


page:2/ 5
 Applications linéaires

On en déduit que {(1, 0, −1, 1), (0, 1, −2, 3)} est une base de F . Puisqu’on veut que F = ker( f ), on doit donc avoir
1 1
f ( e 1 ) − f ( e 3 ) + f ( e 4 ) = 0 =⇒ f ( e 3 ) = e1 + e3
3 3
et
f ( e 2 − 2 e 3 + 3 e 4 ) = 0 =⇒ f ( e 2 ) = 2 f ( e 1 ) − f ( e 4 ).
Donc l’endomorphisme f , s’il existe, est unique. Réciproquement, soit f l’endomorphisme défini par les formules précédentes. Alors le premier
point est vérifié, et puisque l’image d’une base de F est envoyée par f sur 0, on sait que F ⊂ ker( f ). Pour démontrer l’égalité, il suffit, puisque
dim(F ) = 2, de prouver que dim(ker( f )) ≤ 2. Par le théorème du rang, il suffit de prouver que dim(Im( f )) ≥ 2. Mais f ( e 1 ) et f ( e 4 ) sont deux vecteurs
indépendants de Im( f ). Et donc dim(Im( f )) ≥ 2, ce qui prouve le résultat.

Exercice 6. ( Les polynômes de LAGRANGE autrement.)

n
Soit ( x1 , x2 , . . . , xn ) une famille de n scalaires deux à deux distincts de K, on pose R =
Y
( X − x i ).
i =1
On considère l’application
Kn−1 [ X ] → Kn
½
u:
P 7→ (P ( x1 ), P ( x2 ), . . . , P ( xn ))
1. Montrer que u est linéaire.
2. Montrer que u est un isomorphisme de Kn−1 [ X ] sur Kn .
3. Soit B = { e 1 , e 2 , . . . , e n } la base canonique de Kn , on pose L i = u−1 ( e i ) pour tout i ∈ [|1, n|].
(a) Vérifier que B 0 = {L 1 , L 2 , . . . , L n } est une base de Kn−1 [ X ].
(b) Donner l’expression de L i pour tout i ∈ [|1, n|].
(c) Montrer que pour tout ( y1 , y2 , . . . , yn ) ∈ Kn , il existe un unique polynôme P de Kn−1 [ X ] tel que P ( x i ) = yi
pour tout i ∈ [|1, n|].
P s’appelle le polynôme interpolateur de ( y1 , y2 , . . . , yn ).
(d) Montrer que si Q ∈ K[ X ] tel que Q ( x i ) = yi pour tout i ∈ [|1, n|], alors il existe S ∈ K[ X ] tel que Q = P + RS .

Solution : 1. Soit P,Q ∈ Kn−1 [ X ] et λ ∈ K alors

u(P + λQ ) = ((P + λQ )( x1 ), (P + λQ )( x2 ), . . . , (P + λQ )( xn )) = (P ( x1 ), P ( x2 ), . . . , P ( xn )) + λ(Q ( x1 ),Q ( x2 ), . . . ,Q ( xn )) = u(P ) + λ u(Q )

2. Puisque dim Kn−1 [ X ] = dim Kn = n, il suffit de montrer que u est injective . Or

P ∈ ker u ⇒ (P ( x1 ), P ( x2 ), . . . , P ( xn )) = (0, . . . , 0)
⇒ ∀ i = 1, . . . , n; P (xi ) = 0
⇒ P =0 (car deg P ≤ n − 1 et P admet n racines)

Ainsi ker u = {0} et u est injective.

3. (a) u−1 est un isomorphisme de Kn dans Kn−1 [ X ] donc transforme toute bsae de Kn en une base de Kn−1 [ X ] .
Ainsi B 0 = {L 1 , L 2 , . . . , L n } est une base de Kn−1 [ X ].
(b) On a L i = u−1 ( e i ) donc u(L i ) = (L i ( x1 ), L i ( x2 ), . . . , L i ( xn )) = e i = (0, . . . , 0, 1, 0, . . . , 0) donc
½
0 si i 6= j
∀ j = 1..., n L i (x j ) = δi j =
1 si i = j
n
Y 1
Des racines de L i on déduit que L i = λ ( X − xk ), en tenant compte de L i ( x i ) = 1 on déduit que λ = n
ce qui donne
k=1,k6= i
Q
( x i − xk )
k=1,k6= i

n
Q
( X − xk )
k=1,k6= i n
Y X − xk
Li = n
=
k=1,k6= i x i − x k
Q
( x i − xk )
k=1,k6= i

(c) Tout élément ( y1 , y2 , . . . , yn ) de Kn admet un unique antécédent P dans Kn−1 [ X ] par u.

Attention 1.1. L’ unicité de P est basée sur la condition deg P ≤ n − 1.
(d) Soit Q ∈ K[ X ] tel que Q ( x i ) = yi ; La division euclidienne de Q sur P (polynôme de la question précédente) s’écrit Q = RS + B avec
S ∈ K[ X ] et B ∈ Kn−1 [ X ] . En composant avec x i , puisque R ( x i ) = 0 on a

∀ i = 1, ..., n B ( x i ) = Q ( x i ) = yi

Par unicité de P on conclut que B = P.

page:3/ 5
 Applications linéaires

2 Étude Théorique

Exercice 7. Soient E, F,G trois K-espaces vectoriels, et soient f ∈ L (E, F ) et g ∈ L (F,G ). Démontrer que
g ◦ f = 0 ⇐⇒ Im f ⊂ ker g.

Solution : Supposons d’abord que g ◦ f = 0, et prenons y ∈ Im f . Alors il existe x ∈ E tel que y = f ( x). Mais alors, g( y) = g ◦ f ( x) = 0, et donc
y ∈ ker g.
Reciproquement, supposons que Im f ⊂ ker g. Alors, pour tout x ∈ E , f ( x) ∈ Im f ⊂ ker g, et donc g( f ( x)) = 0, prouvant que g ◦ f = 0.

Exercice 8. Soit E un espace vectoriel et f ∈ L (E ) tel que, pour tout x ∈ E , la famille ( x, f ( x)) est liée. Montrer
que f est une homothétie

Solution : L’hypothèse nous dit, que pour tout x non-nul, il existe un scalaire λ x tel que f ( x) = λ x x. On doit prouver qu’il existe un scalaire λ
tel que λ x = λ pour tout x de E , ou encore que λ x = λ y quels que soient x et y non-nuls.

• Si la famille ( x, y) est liée, c’est clair, car y = µ x et µλ y x = λ y y = f ( y) = µ f ( x) = µλ x x et on peut simplifier par µ x 6= 0. Si x = y = 0 on choi-
sit λ0 comme on veut.

• Si la famille ( x, f ( x)) est libre, calculons f ( x + y). D’une part,

f ( x + y) = λ x+ y ( x + y) = λ x+ y x + λ x+ y y,

d’autre part,
f ( x + y) = f ( x) + f ( y) = λ x x + λ y y.
Puisque la famille ( x, y) est libre, toute décomposition d’un vecteur à l’aide de combinaison linéaire de ces vecteurs est unique.
• On obtient donc λ x = λ y = λ x+ y , ce qui est le résultat voulu.

Exercice 9. Soit f ∈ L (E ) et soient α, β deux réels distincts.

1. Démontrer que E = Im( f − α I d E ) + Im( f − β I d E ).
On suppose de plus que
( f − α I d E ) ◦ ( f − β I d E ) = 0.
2. Démontrer que f est inversible, et calculer f −1 .
3. Démontrer que E = ker( f − α I d E ) ⊕ ker( f − β I d E ).
4. Exprimer en fonction de f le projecteur p sur ker( f − α I d E ) parallèlement à ker( f − β I d E ).

Solution : 1. On remarque que

(β − α) I d E = ( f − α I d E ) − ( f − β I d E ).
Autrement dit, si x ∈ E , on a x = y + z avec
1
y = ( f − α I d E )( y1 ) et y1 = x
β−α
et
1
z = ( f − β I d E )( z1 ) et z1 = x.
α−β
2. La relation s’écrit encore
f 2 − (α + β) f + αβ I d E = 0
soit
1
f◦ ( f − (α + β) I d E ) = I d E
−αβ
et
1
( f − (α + β) I d E ) circ f = I d E
−αβ
1
ce qui prouve que f est inversible, d’inverse ( f − (α + β) I d E ).
−αβ
3. On commence par prouver que les espaces vectoriels sont en somme directe. En effet, si x ∈ ker( f − α I d E ) ∩ ker( f − β I d E ), alors

f ( x) = α x et f ( x) = β x

ce qui prouve que (β − α) x = 0 =⇒ x = 0. D’autre part, la relation implique que Im( f − β I d E ) ⊂ ker( f − α I d E ). Mais dans cette relation,
tout commute et on a aussi
( f − βI dE ) ◦ ( f − αI dE ) = 0
et donc Im( f − α I d E ) ⊂ ker( f − β I d E ). Il suffit maintenant d’appliquer le résultat de la première question pour conclure. En effet, si
x = y + z avec y ∈ Im( f − α I d E ) et z ∈ Im( f − β I d E ), alors x = y + z avec y ∈ ker( f − β I d E ) et z ∈ Im( f − α I d E ).

page:4/ 5
 Applications linéaires

4. On utilise à nouveau le résultat de la question 1. En effet, avec les mêmes notations que ci-dessus, on a p( x) = z et donc
1
µ ¶
p ( x) = ( f − β I d E ) x .
α−β

Exercice 10. Soit E un R-espace vectoriel. Soient p et q deux projecteurs de E .

1. Montrer que p + q est un projecteur si et seulement si p ◦ q = q ◦ p = 0.
2. Montrer que, dans ce cas, on a Im( p + q) = Im( p) ⊕ Im( q)
3. Montrer que ker( p + q) = ker p ∩ ker q.

Solution : 1. La condition est suffisante. En effet, si p ◦ q = q ◦ p = 0, alors

( p + q)2 = p2 + p ◦ q + q ◦ p + q2 = p + q
et donc p + q est un projecteur.
Réciproquement, si p + q est un projecteur, alors le calcul précédent donne
p ◦ q + q ◦ p = 0.
On a alors :
p ◦ q = p2 ◦ q = p ◦ ( p ◦ q) = − p ◦ ( q ◦ p) = −( p ◦ q) ◦ p = ( q ◦ p) ◦ p = q ◦ p.
On obtient donc 2 p ◦ q = 0, ce qui entraîne p ◦ q = 0 et par suite q ◦ p = 0.
2. Prouvons d’abord que Im( p) et Im( q) sont en somme directe. En effet, si x ∈ Im( p) ∩ Im( q), alors x = p( x) et x = q( x) d’où x = p( x) = p( q( x)) =
0.
D’autre part, il est clair que Im( p + q) ⊂ Im( p) + Im( q). Réciproquement, soit z = p( x) + q( y) ∈ Im( p) + Im( q). Alors
p( z) = p2 ( x) + p ◦ q( y) = p( x) et q( z) = q ◦ p( x) + q2 ( y) = q( y).
Ainsi, z = ( p + q)( z) ∈ Im( p + q).

3. On a toujours ker( p) ∩ ker( q) ⊂ ker( p + q). Réciproquement, si p( x) + q( x) = 0, alors puisque Im( p) et Im( q) sont en somme directe, on a
p( x) = 0 et q( x) = 0, d’où x ∈ ker( p) ∩ ker( q).

Exercice 11. ( ker f et Im f sont supplémentaires ?) : Soit f ∈ L(E )

1. Montrer que
ker f = ker f 2
½
E = ker f ⊕ Im f ⇔
Im f = Im f 2
2. On suppose ici E de dimension finie .
(a) Montrer que
ker f = ker f 2 ⇔ Im f = Im f 2
(b) Que devient l’équivalence de 1.

Solution : 1. ⇒
• On a toujours l’ inclusion ker f ⊂ ker f 2 , pour l’autre , soit x ∈ ker f 2 c’est à dire f ( f ( x)) = 0 donc f ( x) ∈ ker f or f ( x) ∈ Im f donc
f ( x) ∈ ker f ∩ Im f = {0} par suite x = 0.
• On a toujours l’ inclusion Im f 2 ⊂ Im f , pour l’autre , soit y ∈ Im f c’est à dire il existe x ∈ E tel que f ( x) = y donc or E = ker f ⊕ Im f
donc
∃(a, b) ∈ ker f × Im f : x = a+b
Posons b = f ( b0 ) alors
y = f ( x) = f (a + b) = f ( b) = f 2 ( b0 ) ∈ Im f 2

⇐
• Soit x ∈ ker f ∩ Im f donc x = f (a) avec a ∈ E et f 2 (a) = f ( x) = 0 par suite a ∈ ker f 2 = ker f et par conséquence x = f (a) = 0.
• Soit x ∈ [Link] veut montrer que x = a + b avec (a, b) ∈ ker f × Im f .On a f ( x) ∈ Im f = Im f 2 donc il existe y ∈ E tel que f ( x) = f 2 ( y) donc
f ( x − f ( y)) = 0. Posons a = x − f ( y) et b = f ( y) alors a ∈ ker f et b ∈ Im f et x = a + b.
2. (a) ⇒ supposons ker f = ker f 2 on sait que Im f 2 ⊂ Im f ,le theorem du rang applique à f et à f 2 donne
dim ker f + dim Im f = dim E = dim ker f 2 + dim Im f 2
|{z} |{z}
T heo rang de f T heo rang de f 2
2
En tenant compte de dim ker f = dim ker f on déduit que dim Im f = dim Im f par suite Im f 2 = Im f .
2

⇐ On fait de même.

(b) Dans le cas dim E < ∞

E = ker f ⊕ Im f ⇔ ker f = ker f 2 ⇔ Im f = Im f 2

Remarque 2.1. Cet exercice nous donne les conditions nécessaires et suffisantes pour que ker f et Im f soient supplémentaires . En dehors de
ces conditions ker f et Im f ne sont jamais supplémentaires .

page:5/ 5
 Teste Applications Linéaires
PCSI 2

Exercice 1

Soient f , g deux endomorphismes d’un K-espace vectoriel E de dimension finie .

On rappelle que que le rang d’un endomorphisme u est rg u = dim I mu.
1. Écrire la formule du rang d’un endomorphisme u.
2. Montrer que I mgo f ⊂ I mg. Que peut- on déduire sur rg g et rg( go f )
3. Montrer que ker go f = f −1 (ker g).
4. Montrer que Ker f ⊂ ker go f
5. En déduire que rg( go f ) ≤ rg f .
6. Soit v La restriction de g à I m f , identiquement équivalent

I m f −→ E
v
x 7−→ g( x )

a. Montrer que ker v = I m f ∩ ker g.

b. Montrer que rg( f ) = rg( go f ) + dim I m f ∩ ker g

Exercice 2
Rn [ X ] Rn [ X ]

−→
Soit Φ:
P −→ XP0
1. Montrer que e Φ est bien définie.
2. Montrer que Φ est un endomorphisme.
3. Déterminer ker Φ. L’ endomorphisme Φ est - il injective ?
4. Justifier sans calcul supplémentaire que Φ n’ est pas surjective .
5. Déterminer dim I mΦ.
6. Déterminer une base de I mΦ.
7. Montrer que Rn [ X ] = ker Φ ⊕ I mΦ
8. Déterminer Φ2 ( P) pour tout P ∈ Rn [ X ].
9. Montrer que ker Φ2 = ker Φ.
10. En déduire que I mΦ2 = I mΦ.
n
11. Soit (1, X, ..., X ) la base canonique de Rn [ X ] .
a. Calculer Φ( X k ) pour tout k ∈ [[1, n]] .
b. Montrer que pour tout m ∈ N; Φm ( X k ) = km X k pour tout k ∈ [[1, n]] .
c. Déterminer pour m ∈ N, ker Φm et I mΦm
n
d. Donner l’expression Φm ( P) lorsque P = ∑ ak X k
k =0

Page : 1 / 1
 Teste Applications Linéaires
PCSI 2

Exercice 1

Soient f , g deux endomorphismes d’un K-espace vectoriel E de dimension finie .

On rappelle que que le rang d’un endomorphisme u est rg u = dim I mu.
1. La formule du rang d’un endomorphisme u est

dim E = rg u + dim ker u

2.
• Montrons que I m( go f ) ⊂ I mg.
Si y ∈ I m( go f ) alors il existe x ∈ E tel que y = g( f ( x )) , en posant x 0 = f ( x ) on a y = g( x 0 ) ∈ I mg.
Ainsi I m( go f ) ⊂ I mg.
• On prenant les dimensions dans l’inclusion précédente on déduit que dim I m( go f ) ≤ dim I mg ce qui identiquement équivalent à

rg( go f ) ≤ rg g

3.
x ∈ ker go f ⇔ g( f ( x )) = 0 ⇔ f ( x ) ∈ ker g ⇔ x ∈ f −1 (ker g)

d’ où ker go f = f −1 (ker g).

4. Montrons Ker f ⊂ ker go f . Si x ∈ Ker f alors f ( x ) = 0 , comme g est lineaire on a

go f ( x ) = g( f ( x )) = g(0) = 0

donc x ∈ ker go f par suite Ker f ⊂ ker go f .

5. En passant à la dimension dans l’inclusion précédente on obtient

dim Ker f ≤ ker go f . (∗)

par le théorème du rang appliqué à f et go f on a

dim ker f = dim E − rg f et dim ker go f = dim E − rg( go f )

puis en remplaçant dans (∗) on obtient

rg( go f ) ≤ rg f .
6. Soit v La restriction de g à I m f , identiquement équivalent

I m f −→ E
v
x 7−→ g( x )
a.
x ∈ ker v ⇔ x ∈ I m f et v( x ) = 0 ⇔ x ∈ I m f et g( x ) = 0 ⇔ x ∈ I m f ∩ ker g.
D’où
ker v = I m f ∩ ker g
b. En appliquant le théorème du rang à v on obtient

dim I m f = dim I mv + dim ker v

or ker v = I m f ∩ ker g et I mv = g(I m f ) = go f ( E) = I mgo f ce qui donne

rg( f ) = rg( go f ) + dim I m f ∩ ker g

Exercice 2
Rn [ X ] Rn [ X ]

−→
Soit Φ:
P −→ XP0
1. Il s’agit dans cette question de s’assurer que si P ∈ Rn [ X ] alors Φ( P) ∈ Rn [ X ]; Or ceci est le cas puisque

∀ P ∈ Rn [ X ]; deg(Φ( P)) = deg( P)

Page : 1 / 2
 Applications Linéaires
PCSI 2

2. Pour tous P et Q dans Rn [ X ] et λ dans R on a

Φ( P + λQ) = X ( P + λQ)0 = XP0 + λXQ0 = Φ( P) + λΦ( Q)

ainsi Φ est une application linéaire de Rn [ X ] dans lui même donc c’est un endomorphisme.
3.
•
P ∈ ker Φ ⇔ Φ( P) = 0 ⇔ XP0 = 0 ⇔ P0 = 0 ⇔ P ∈ R
Ainsi ker Φ = R
• ker Φ = R 6= {0} donc l’ endomorphisme Φ n’ est pas injective .
4. Puisque Φ est est un endomorphisme de Rn [ X ] qui est de dimension finie on a

Φ injective ⇔ Φ surjective ⇔ Φ bijective

et puisque Φ n’ est pas injective alors Φ n’ est pas surjective .

5. Par la formule du rang dim I mΦ = dim Rn [ X ] − dim ker Φ = n + 1 − 1 = n.
n
6. Soit (1, X, ..., X ) la base canonique de Rn [ X ] . On sait que

I mΦ = Vect(Φ(1), Φ( X ), ..., Φ( X n )) = Vect(0, X, 2X 2 , ..., nX n ) = Vect( X, 2X 2 , ..., nX n )

et puisque la famille ( X, 2X 2 , ..., nX n ) est libre (car échelonnée en degré ) elle constitue une base de I mΦ.
7. Le polynôme constant (1) constitue une base de ker Φ et ( X, 2X 2 , ..., nX n ) est une base de I mΦ
et la réunion des deux bases : (1, X, 2X 2 , ..., nX n ) est une base de Rn [ X ] donc

Rn [ X ] = ker Φ ⊕ I mΦ
8. Pour tout P ∈ Rn [ X ] on a
Φ2 ( P) = Φ( XP0 ) = X ( XP0 )0 = X ( P0 + XP00 ) = XP0 + X 2 P00
9. Montrons que ker Φ2 = ker Φ.
• On a toujours l’inclusion ker Φ ⊂ ker Φ2 (voir exercice 1).
• Soit P ∈ ker Φ2 , donc 0 = Φ2 ( P) = Φ(Φ( P)) par suite Φ( P) ∈ ker Φ or on a clairement
Φ( P) ∈ I mΦ donc Φ( P) ∈ ker Φ ∩ I mΦ = {0} (car supplémentaires) ce qui montre que Φ( P) = 0 et assure l’autre inclusion.
10. On a toujours l’inclusion I mΦ2 ⊂ I mΦ. On appliquant le théorème du rang à Φ et Φ2 on a

dim I mΦ + dim ker Φ = dim Rn [ X ] = dim I mΦ2 + dim ker Φ2

or dim ker Φ2 = dim ker Φ donc dim I mΦ2 = dim I mΦ et vu l’inclusion précédente on conclut que I mΦ2 = I mΦ.
11. Soit (1, X, ..., X n ) la base canonique de Rn [ X ] .
a. Pour tout k ∈ [[1, n]] on a Φ( X k ) = kX k
b. Soit k ∈ [[1, n]] fixé. Par récurrence sur m on montre que

∀m ∈ N; Φm ( X k ) = km X k

c. Soit m ∈ N,
• I mΦm = Vect(Φm (1), Φ( X ), ..., Φm ( X n )) = Vect( X, 2m X 2 , ..., nm X n ) = Vect( X, X 2 , ..., X n ) = I mΦ
• Φm ( X k ) = 0 si et seulement si k = 0 donc ker Φm = R = ker Φ
n
d. Si P = ∑ ak X k alors
k =0
n n
Φm ( P) = ∑ ak Φm ( X k ) = ∑ km ak X k
k =0 k =0

Page : 2 / 2
PCSI 2 Espaces vectoriels 18 mars 2020

Exercice 1 Exercice 7
1. Montrer que les parties de F([a, b] , R) suivantes sont des sous-espaces vectoriels :
Dire si la famille U suivante est libre ou non, et si non donner une relation de liaison de
a) F = nf ∈ C 1 ([a, b] , R) | f 0 (a) = f 0 (b) o ces vecteurs :

Rb
b) G = f ∈ C 0 ([a, b] , R) | a f (t) dt = 0 1. U = (x, y) avec x = (1, 2) et y = (4, −3)
n R1 o 2. U = (x, y, z) avec x = (0, 1, 2) et y = (1, 2, −3) et z = (−1, 0, 7)
2. Soient F = f ∈ C([−1, 1] , C) | −1 f (t) dt = 0 3. U = (x, y, z) avec x = (1, −1, 2) et y = (2, −1, −3) et z = (−1, 1, 1)
et G = {f ∈ C([−1, 1] , C) | f constante}. 4. U = (x, y, z, t, f ) avec x = (2, 1, −1, 9) et y = (1, 2, 1, 5) et z = (1, −1, −2, 3)et
Montrer que F et G sont des sous-espaces vectoriels supplémentaires de t = (11, −1, −2, 13)et f = (1, −10, −20, 23)
C([−1, 1] , C). 5. U = (v1 − v2 , v2 − v3 , ..., vn−1 − vn , vn − v1 ) où (v1 , ...vn ) est une famille de vecteurs
de Kd
Exercice 2
6. U = (v1 + v2 , v2 + v3 , ..., vn−1 + vn , vn + v1 ) où (v1 , ...vn ) est une famille de vecteurs
Montrer que les ensembles suivant sont des sous espaces vectoriels , déterminer une base
de Kd et n paire
et un supplémentaires pour chacun d’entre eux
1. E1 = {(x, y, z) ∈ R3 ; x + y + 3z = 0} ; Exercice 8
Soient
2. E2 = {(x, y, z, t) ∈ R4 ; x = y = 2z = 4t} ; 
fn : R → R

gn : R → R
3. E3 = {(x, y, z) ∈ R3 ; 2x + 3y − 5z = 0} ∩ {(x, y, z) ∈ R3 ; x − y + z = 0} ; et
x 7→ Cos(nx) x 7→ Cosn (x)
4. E4 = {P ∈ R3 [X]; P (0) = P (2)}. Dans le R-ev RR Comparer vect((fn )n∈N ) et vect((gn )n∈N )
5. E5 = {P ∈ R4 [X] / P (0) = P 0 (0) = P (1) = 0}
Exercice 9
6. E6 = {u = (x1 , x2 , · · ·, xn ) ∈ Rn /x1 + xn = 0} Soient Eun K-ev et F, G, H, L des [Link] de E tels que : F + G et H + L soient directes.
Démontrer que :
Exercice 3 
F ⊕G⊂H ⊕L
Montrer que les ensembles suivant sont des sous espces vectoriels , déterminer une base ⇒ {F = H et G = L
F ⊂ H et G ⊂ L
pour chacun d’entre eux
1. E1 , l’ensemble des solutions de l’équation différentielle y 0 − a(x)y = 0, où a est Exercice 10
continue sur R . F, G deux s-ev d’un K-ev E avec F + G = E. Soit F 0 un supplémentaire de F ∩ G dans
F . Montrer que F 0 ⊕ G = E.
2. E2 , l’ensemble des solutions de l’équation différentielle y 00 + y 0 − y = 0.
3. E3 , l’ensemble des solutions de l’équation différentielle y 00 − 2y 0 + y = 0. Exercice 11
 Soient u,v,w trois vecteurs d’un K-ev E.
4. E4 = (un ) ∈ CN | ∀n ∈ N, un+2 = un+1 + un .
 1. Montrer que : vect(u, v) = vect(u, w) ⇔ ∃α, β, γ ∈ K; β.γ 6= 0tel que
5. E5 = (un ) ∈ CN | ∀n ∈ N, un+2 = 4un+1 − 4un .
α.u + β.υ + γ.ω = 0
Exercice 4
2. Soit F un S-ev de [Link] que :F + Kv = F + Kw,⇔,∃u ∈ F ,α, β ∈ K,α.β 6= 0
Soient F et G des sous-espaces vectoriels de E. Montrer que F ∩ G = F + G ⇔ F = G.
tel que u + α.v + β.w = 0
Exercice 5 Exercice 12
Soient E un Ke-v ,F, G deux s-e-v de(E, +, .) tels que E = F ∪ G Montrer que F = E ou 1. Soit
G=E
 
fa : R → R ga : R → R
, a ∈ R, et soit ,a ∈ R
x 7→ |x − a| x 7→ eax
Exercice 6
Soient F ,GetH des [Link] d’un K-ev E . Comparer :F ∩ (G + H) et (F ∩ H) + (F ∩ G) Montrer que les deux familles :(fa )a∈R , (ga )a∈R sont libres dans RR .

page :1/ 2
 Espaces vectoriels

2.   2. Déterminer une base de H

fn : R → R gn : R → R ∗
, n ∈ N et soit ,n ∈ N 3. Soit u = (1, 1, . . . , 1) . Montrer que vect(u) est un supplémentaire de H dans Rn
x 7→ Cos(nx) x 7→ Sin(nx)
Montrer que :(f0 , ..., fn , g1 , ..., gn ) est libre dans RR . Exercice 15
soit U = (u1 , . . . , un , un+1 )une famille de vecteurs d’un K−e.v [Link] que :
Exercice 13 1. si (u1 , . . . , un ) est libre et un+1 ∈
/ vect(u1 , . . . , un )alors U est libre
Soient Eun K-ev et F, G, H, L des [Link] de E tels que : F + G et H + L soient directes.
2. si U est génératrice et un+1 ∈ vect(u1 , . . . , un ) alors (u1 , . . . , un ) est génératrice
Démontrer que : 
F ⊕G=H ⊕L Exercice 16
⇒ {F = H et G = L
F ⊂ H et G ⊂ L Soit F = {P ∈ R4 [X] / P (0) = P 0 (0) = P (1) = 0}
Exercice 14 1. Montrer que F est un sous espace vectoriel de R4 [X]
Soit H = {u = (x1 , x2 , · · ·, xn ) ∈ Rn /x1 + xn = 0} 2. Déterminer une base de F
n
1. Montrer que H est un s.e.v de R . 3. Montrer que G = V ect(1, X, 1 + X + X 2 ) est un supplémentaire de F dans R4 [X]

page :2/ 2
 Série d’exercices Dimension finie
PCSI 2

Exercice 1

Vérifier que les familles suivantes sont libres de E puis les compléter en une base de E.

1. E = R4 ; B = ((1, 2, −1, 1); (1, 0, 1, 0))

2. E = Rn [ X ](n ≥ 3) ; B = ( X + 1, X 3 − X )

Exercice 2

Montrer que la famille B est une base de Kn [ X ] dans les cas suivants :
1. B = ( P, P0 , P00 , ..., P(n) ) où P un polynome de degré n
2. B = ( Pk )0≤k≤n où P0 = 1 et ∀ k ∈ N∗ , Pk = X ( X + 1)( X + 2)...( X + k − 1)
k n−k
3. B = ( Ek )0≤k≤n où Ek = X (1 + X )

Exercice 3

Soit n un entier supérieur où égal à 2. Soit Rn [ X ] l’espace vectoriel des polynômes à coefficients dans Rde degré inférieur ou égal à n.

1. Montrer que la famille B = ( 1, X − 1, ( X − 1)( X − 2), ..., ( X − 1)( X − 2)...( X − n) ) est une base de Rn [ X ].
2. Calculer les composantes deX 2 + 3X + 1 dans B.

Exercice 4

v1 = (1, 2, 0, 1) v2 = (1, 0, 2, 1) v3 = (2, 0, 4, 2)
On considère dans R4 :
w1 = (1, 2, 1, 0) w2 = (−1, 1, 1, 1) w3 = (2, −1, 0, 1) w4 = (2, 2, 2, 2).
1. Montrer que (v1 , v2 ) est libre et que (v1 , v2 , v3 ) est liée.
2. Montrer que (w1 , w2 , w3 ) est libre et que (w1 , w2 , w3 , w4 ) est liée.
3. Montrer que (v1 , v2 , w1 , w2 ) est libre.
4. Soit F le sous-espace vectoriel de R4 engendré par (v1 , v2 , v3 ).
a. Déterminer une base de F.
b. Donner un supplémentaire de F.
5. Soit G le sous-espace vectoriel engendré par (w1 , w2 , w3 , w4 ). Déterminer une base de G.
6. a. A l’aide des bases trouvées en 4. et 5. construire un système générateur de F + G.
b. En déduire que F + G = R4 .
7. a. Montrer que v1 + v2 est dans F ∩ G.
b. Calculer la dimension de F ∩ G.
c. Donner une base de F ∩ G.
8. F et G sont-ils supplémentaires ?

Exercice 5

On considère la partie F de R4 définie par : F = {( x, y, z, t) ∈ R4 ; x + y = 0 et x + z = 0}.

1. Donner une base de F.
2. Compléter la base trouvée en une base de R4 .
3. On pose u1 = (1, 1, 1, 1), u2 = (1, 2, 3, 4) et u3 = (−1, 0, −1, 0). La famille (u1 , u2 , u3 ) est-elle libre ?
4. On pose G l’espace vectoriel engendré par les vecteurs u1 , u2 et u3 . Quelle est la dimension de G ?
5. Donner une base de F ∩ G.
6. En déduire que F + G = R4 .
7. Est-ce qu’un vecteur de R4 s’écrit de façon unique comme somme d’un vecteur de F et d’un vecteur de G ?

Exercice 6
4
n sont supplémentaires Dans l’espace R : o
Montrer que les sous espaces vectoriels suivants
4
F = Vect((1, 0, 1, 0), (1, 0, 0, 1)) et G = ( x, y, z, t) ∈ R / x + y + z = 0 et x − z = 0

Page : 1 / 2
 Série d’exercices Dimension finie
PCSI 2

Exercice 7

Soit E = {( xn )n /∀n ∈ N : xn+3 − xn+2 − xn+1 + xn = 0}

E1 = {( xn )n /∀n ∈ N : xn+1 + xn = 0}
E2 = {( xn )n /∀n ∈ N : xn+2 − 2xn+1 + xn = 0}
Montrer que E1 et E2 sont des s-e-v supplémentaires dans E.

Exercice 8

DansKn [ X ] ,soit la famille B = ( P0 , P1 , ..., Pn ) une famille à n+1 polynômes telle que :
∀k ∈ [| 0, n |], deg( Pk ) = k.
Montrer que B est une base deKn [ X ].

Exercice 9

Déterminer le rang de la famille F du C-espace C4 et éventuellement les relations entre les vecteurs de F :
       
1 −i 0 1−i
  i   0   −1   1 + i  
F =  1 + i  ;  2 − i  ;  1  ; 
       
2 
−i 1+i 2+i −1 − i

quel est le rang de F dans le R−espace C4 ?

Exercice 10

Soit E un Cespace vectoriel de dimension n. Montrer que E considéré comme un R espace vectoriel est de dimension 2n.

Exercice 11

Soient E un K e-v de dimension finie ,F, G deux s-e-v de E de même dimensions .

Montrer qu’il existe un s-e-v H de E supplémentaire à F et à G. (Indication : Faire une récurrence sur dim( E) − dim( F )).

Page : 2 / 2