Chapitre 16

Espaces vectoriels de dimension finie

Dans tout le chapitre, K désigne R ou C. Preuve de 3.

E étant de dimension finie, il existe G une famille génératrice finie de E . On applique le théorème fondamental
avec L = ∅ : il existe une base B de E (et ∅ ⊂ B ⊂ G ).

I. Théorie de la dimension GRADUATION-CAP Théorème 4 (théorème de la base incomplète).

K
Soit E un -ev de dimension finie. Soit L une famille libre finie de E . Alors il existe une base
1. Dimension d’un K-espace vectoriel B de E contenant L , c’est-à-dire que l’on peut compléter L en une base de E .

BOOK-READER Définition 1 (dimension finie).

K
Soit E un -ev. On dit que E est de dimension finie si E admet une famille génératrice finie. Preuve de 4.
Dans le cas contraire, on dit que E est de dimension infinie.
E étant de dimension finie, il existe G une famille génératrice finie de E . Alors la famille (G , L ) est génératrice
et finie. Elle contient L , donc d’après le théorème fondamental il existe B une base de E (qui est une famille
finie puisqu’incluse dans une famille finie) telle que L ⊂ B ⊂ (G , L ).
On énonce le théorème fondamental suivant :
GRADUATION-CAP Théorème 5 (théorème d’extraction de base).
GRADUATION-CAP Théorème 2 (théorème fondamental 1). K
Soit E un -ev de dimension finie. Soit G une famille génératrice finie de E . Alors il existe une
K
Soit E un -ev de dimension finie. Soient L une famille libre de vecteurs de E et G une famille base B de E contenue dans G , c’est-à-dire que l’on peut extraire une base de E de G .
génératrice finie de vecteurs de E telle que L ⊂ G (en particulier, L est finie).
Alors il existe B une base de E telle que L ⊂ B ⊂ G .

Preuve de 5.
Preuve de 2. On applique le théorème avec L = ∅, c’est la même preuve que pour établir l’existence d’une base en dimen-
(? voir notes ?) sion finie.

GRADUATION-CAP Théorème 3 (existence de base en dimension finie). Remarque.

C’est ce que l’on a déjà fait en pratique dans le chapitre sur les espaces vectoriels : ayant
Tout K-ev de dimension finie admet (au moins) une base. obtenu une famille génératrice (non libre) d’un espace vectoriel, on réduit cette famille en
une base de E .

On énonce le deuxième théorème fondamental :

1/10
Chapitre 16 : Espaces vectoriels de dimension finie I. Théorie de la dimension

GRADUATION-CAP Théorème 6 (théorème fondamental 2). — L’ensemble des solutions d’une équation différentielle linéaire homogène d’ordre 1 à coef-
ficients continus sur un intervalle I est un sous-espace vectoriel de dimension 1 de F (I , ). K
K
Soit E un -ev de dimension finie. On suppose que E admet une famille génératrice à p élé- — L’ensemble des solutions d’une équation différentielle linéaire homogène d’ordre 2 à coef-
ments (avec p ∈ ). N ficients constants est un sous-espace vectoriel de dimension 2 de F ( , ). RK
Alors toute famille de vecteurs de E contenant au moins p + 1 éléments est liée. — L’ensemble des suites récurrentes numériques vérifiant une relation du type u n+2 = au n+1 +
De façon équivalente, toute famille libre de E contient au plus p éléments (en particulier toute K
bu n où a, b ∈ et b 6= 0, est un sous-espace vectoriel de dimension 2 de N . K
famille libre de E est finie). Dans chaque cas, on a exhibé une famille génératrice, et cette famille est libre (soit car constituée
d’un seul vecteur qui est non nul, soit car constituée de deux vecteurs non colinéaires).

Preuve de 6. 2. Propriétés des familles libres ou génératrices en dimension finie

(? voir notes ?)

Remarque. GRADUATION-CAP Proposition 11 (cardinaux des familles libres et des familles génératrices).
En particulier, si L est une famille libre et G est une famille génératrice de E , alors
Card(L ) É Card(G )
K
Soit E un -ev de dimension finie n ∈ . N
— Si L est une famille libre de E , alors Card(L ) É n avec égalité si et seulement si L est
une base de E .
GRADUATION-CAP Théorème 7 (théorème de la dimension). — Si G est une famille génératrice de E , alors Card(G ) Ê n avec égalité si et seulement si G
est une base de E .
Soit E un K-ev de dimension finie. Alors toutes les bases de E sont finies et ont le même car-
dinal.

Preuve de 11.
Preuve de 7. (? voir notes ?)
(? voir notes ?) On en déduit la proposition suivante :

BOOK-READER Définition 8 (dimension).

GRADUATION-CAP Proposition 12 (caractérisation des bases en dimension n ).
K
Soit E un -ev de dimension finie. On appelle dimension de E , notée dim(E ), le cardinal de
K N
Soit E un -ev de dimension finie n ∈ . Soit (v i )1Éi Én une famille de n vecteurs de E . Alors les
n’importe quelle base de E .
assertions suivantes sont équivalentes :
(i ) (v i )1Éi Én est une base de E .
(i i ) (v i )1Éi Én est une famille libre de E .
Remarque.
La définition a un sens d’après le corollaire précédent. (i i i ) (v i )1Éi Én est une famille génératrice de E .

Exemple 9.
Ayant déjà déterminé des bases (canoniques) des espaces de référence, on a : Preuve de 12.
• dim K n
= n . En particulier dim K = 1. • On suppose que (v i ) est une base de E , alors (v i ) est libre. Ainsi (i ) =⇒ (i i ).
K K K
• dim Mn,p ( ) = np , en particulier dim Mn,1 ( ) = n et dim M1,p ( ) = p .
• On suppose que (v i ) est libre. Étant par ailleurs de cardinal n = dim(E ), d’après la proposition 11, c’est une
• dim Kn [X ] = n + 1. base de E , donc en particulier une famille génératrice. Ainsi (i i ) =⇒ (i i i ).
• Par ailleurs on a le résultat important suivant : dim(E ) = 0 ⇐⇒ E = {0E } • On suppose que (v i ) est génératrice. Étant par ailleurs de cardinal n = dim(E ), d’après la proposition 11, c’est
En effet, si E = {0E }, une base est ∅ qui contient 0 éléments, donc dim(E ) = 0. Réciproquement, si une base de E . Ainsi (i i i ) =⇒ (i ).
dim(E ) = 0, alors une base de E est de cardinal 0, c’est donc ∅ et alors E = Vect(∅) = {0E }.

Exemple 13.
Exemple 10. (? voir notes ?)
On a rencontré d’autres cas importants d’espaces vectoriels de dimension finie :

2/10
Chapitre 16 : Espaces vectoriels de dimension finie I. Théorie de la dimension

Bilan des méthodes à suivre pour montrer qu’une famille est une base d’un espace vectoriel : 4. Rang d’une famille de vecteurs
Pour montrer qu’une famille F est une base d’un espace vectoriel F , on peut :
• Si on sait déjà qu’elle est génératrice de F (c’est le cas quand on a montré lors d’une question
précédente que F = Vect(F ), ce que l’on a beaucoup fait dans le chapitre espaces vectoriels), BOOK-READER Définition 16 (rang d’une famille de vecteurs de E ).
alors il suffit de montrer qu’elle est libre.
C’est ce que l’on faisait dans le chapitre espaces vectoriels.
Soit E un K-ev. Soit (v i )1Éi Ép une famille de vecteurs de E . Le rang de la famille (v i )1Éi Ép , noté
rg(v i )1Éi Ép est défini par :
• Si on sait déjà qu’elle est génératrice de F ET si on connaît la dimension de F , alors il suffit
¡ ¢
rg(v i )1Éi Ép = dim Vect(v i )1Éi Ép
de montrer que dim(F ) = Card(F ).
C’est plus simple, mais on ne connaît pas toujours la dimension de F !
• Si on connaît la dimension de F ET si dim(F ) = Card(F ), alors il suffit de montrer que la famille
est libre. Remarque.
C’est pratique quand on ne sait pas au préalable que F est génératrice de F , mais cela né- — Cette définition a un sens puisque Vect(v i )1Éi Ép est un espace vectoriel engendré par
cessite encore de connaître la dimension de F . une famille finie de vecteurs, donc c’est un espace vectoriel de dimension finie.
Cela reste néanmoins en pratique la méthode la plus rapide. — On peut étendre cette définition à F une famille quelconque de vecteurs de E telle
que Vect(F ) soit de dimension finie (cette hypothèse devient nécessaire si F n’est pas
• Si l’énoncé demande en plus de donner les coordonnées de plusieurs vecteurs dans F , alors
finie).
il peut être préférable de montrer que tout vecteur de F s’écrit de manière unique comme
combinaison linéaire des vecteurs de F (méthode déjà introduite dans le chapitre espaces
vectoriels).
GRADUATION-CAP Proposition 17 (rang des familles libres).
On évitera tout de même au maximum cette méthode, qui est de loin la plus calculatoire.
Avec les notations de la définition, on a :

rg(v i )1Éi Ép É p avec égalité si et seulement si (v i )1Éi Ép est libre

Preuve de 17.
3. Sous-espaces vectoriels d’un K-ev de dimension finie (? voir notes ?)

Exemple 18.
(? voir notes ?)
a) Dimension d’un sous-espace vectoriel

GRADUATION-CAP Proposition 14 (dimension d’un sev).

5. Sommes directes : aspects dimensionnels

K
Soit E un -espace vectoriel de dimension finie. Soit F un sous-espace vectoriel de E , alors F
est un espace vectoriel de dimension finie et dim F É dim E avec égalité si et seulement si F = E . GRADUATION-CAP Proposition 19 (dimension d’une somme directe).

K
Soit E un -espace vectoriel de dimension finie. Soient F et G deux sous-espaces vectoriels
de E . On suppose que F et G sont en somme directe.
Alors dim(F +G) = dim(F ) + dim(G).
Preuve de 14.
(? voir notes ?)

Exemple 15. Preuve de 19.

(? voir notes ?) (? voir notes ?)

3/10
Chapitre 16 : Espaces vectoriels de dimension finie I. Théorie de la dimension

GRADUATION-CAP Proposition-définition 20 (base adaptée à une somme directe). GRADUATION-CAP Proposition 24 (caractérisation des supplémentaires par la dimension).

K
Soit E un -espace vectoriel de dimension finie. Soient F et G deux sous-espaces vectoriels K
Soit E un -espace vectoriel de dimension finie égale à n . Soient F et G deux sous-espaces
de E . On note BF une base de F , BG une base de G et B = (BF , BG ) la famille obtenue par vectoriels de E . Alors F ⊕ G = E (i.e. F et G sont supplémentaires) si et seulement si F ∩ G = {0}
concaténation des bases de F et de G . et dim(F ) + dim(G) = n .
Alors
F et G sont en somme directe ⇐⇒ B est une base de F +G
Le cas échéant, on dit que B est une base adaptée à la somme directe F +G . Preuve de 24.
(? voir notes ?)

GRADUATION-CAP Proposition 25 (résumé des caractérisations des supplémentaires).

Preuve de 20.
(? voir notes ?) K
Soit E un -espace vectoriel de dimension finie. Soient F et G deux sous-espaces vectoriels
de E . Alors F et G sont supplémentaires si et seulement si DEUX des TROIS conditions sont
GRADUATION-CAP Théorème 21 (existence de supplémentaire en dimension finie). vérifiées :
(i ) F ∩G = {0}
K
Soit E un -espace vectoriel de dimension finie. Soit F un sous-espace vectoriel de E . Alors F
(i i ) F +G = E
admet (au moins) un supplémentaire dans E .
(i i i ) dim(F ) + dim(G) = dim(E )

Preuve de 21. Preuve de 25.

(? voir notes ?) (? voir notes ?)

La démonstration précédente donne directement la proposition-définition suivante :

? Exercice 26 (supplémentaires et division euclidienne).

GRADUATION-CAP Proposition-définition 22 (base adaptée à un sous-espace). N K

Soient n, p ∈ ∗ avec p < n . Dans E = n [X ], on considère©P un polynôme de degré p . Soient
K K K K
les sous-espaces vectoriels F = p−1 [X ] et G = P n−p [X ] = S ∈ n [X ] ¯ ∃Q ∈ n−p [X ], S = QP .
¯ ª

K
Soit E un -espace vectoriel de dimension finie. Soit F un sous-espace vectoriel de E . Montrer que F et G sont supplémentaires.
On note BF une base de F et B une base de E contenant BF .
On dit que B est une base adaptée au sous-espace vectoriel F .

Solution de 26.
(? voir notes ?)

GRADUATION-CAP Proposition 23 (dimension d’un supplémentaire). 6. Dimension d’une somme de deux sous-espaces vectoriels
K
Soit E un -espace vectoriel de dimension finie. Soit F un sous-espace vectoriel de E . Soit S
un supplémentaire de F dans E . GRADUATION-CAP Théorème 27 (formule de Grassmann).
Alors dim(S) = dim(E ) − dim(F ).
K
Soit E un -espace vectoriel. Soient F et G deux sous-espaces vectoriels de E de dimensions
finies. Alors F +G est un sous-espace vectoriel de E de dimension finie et

dim(F +G) = dim(F ) + dim(G) − dim(F ∩G)

Remarque.
Tous les supplémentaires de F dans E ont donc la même dimension.

Preuve de 23. Preuve de 27.

(? voir notes ?) (? voir notes ?)

4/10
Chapitre 16 : Espaces vectoriels de dimension finie II. Applications linéaires et dimension

II. Applications linéaires et dimension GRADUATION-CAP Proposition 32 (corollaire 1 : le rang diminue par composition).

K
Soient E , F,G des -espaces vectoriels, soient u ∈ L (E , F ) et v ∈ L (F,G).
On suppose que u et v sont de rang fini. Alors v ◦ u est de rang fini et : rg(v ◦ u) É min(rg u, rg v).
1. Application linéaire de rang fini

BOOK-READER Définition 28 (application linéaire de rang fini).

Preuve de 32.
K
Soient E et F deux -espaces vectoriels. Soit f ∈ L (E , F ). Les deux inégalités de la proposition précédentes sont vraies, donc v ◦u est de rang fini et rg(v ◦u) É min(rg u, rg v)
On dit que f est de rang fini si Im( f ) est un espace vectoriel de dimension finie. (on prend la meilleure des deux majorations).
On définit alors le rang de f , noté rg( f ), par rg( f ) = dim(Im f ).
GRADUATION-CAP Proposition 33 (corollaire 2 : le rang est invariant par composition par un isomorphisme).

Remarque.
K
Soient E , F,G des -espaces vectoriels, soient u ∈ L (E , F ) et v ∈ L (F,G).
— On suppose que v est un isomorphisme et u de rang fini. Alors rg(v ◦ u) = rg(u).
— Si F est de dimension finie, alors f est de rang fini car Im( f ) est un sous-espace vec- — On suppose que u est un isomorphisme et v de rang fini. Alors rg(v ◦ u) = rg(v).
toriel de F qui est de dimension finie.
En particulier, rg( f ) É dim F .
— Si E est de dimension N
finie p ∈ ¢ , notons B = (e 1 , . . . , e p ) une base de E .
Alors Im f = Vect f (e 1 ), . . . , f (e p ) donc Im f est de dimension finie inférieure ou égale à
¡
Preuve de 33.
p , autrement dit, f est de rang fini et rg( f ) É dim E . (? voir notes ?)
Par ailleurs ¡ ¢ ¡ ¢
rg( f ) = dim Vect f (e 1 ), . . . , f (e p ) = rg f (e 1 ), . . . , f (e p )
? Exercice 34.
— Toutes les applications linéaires ne sont pas de rang fini. Par exemple : IdK[X ] est une
K
application linéaire dont l’image est [X ] qui n’est pas un espace-vectoriel de dimen- K
Soient E , F des -espaces vectoriels, soient u, v ∈ L (E , F ). On suppose que u et v sont de rang
sion finie, donc IdK[X ] n’est pas de rang fini. fini.
Démonter que u + v est de rang fini et que ¯rg(u) − rg(v)¯ É rg(u + v) É rg(u) + rg(v).
¯ ¯

On a ainsi démontré un résultat à retenir :

GRADUATION-CAP Proposition 29. Solution de 34.

K
Soient E et F deux -espaces vectoriels de dimension finie. Soit f ∈ L (E , F ).
(? voir notes ?)
Alors f est de rang fini et rg f É min(dim E , dim F ).

2. Détermination d’une application linéaire lorsque E est de dimension finie

Exemple 30.
(? voir notes ?) GRADUATION-CAP Théorème 35 (théorème fondamental 3 : caractérisation d’une application linéaire).

K
Soient E et F deux -ev. On suppose que E est de dimension finie. Soit B = (e i )1Éi Ép une base
GRADUATION-CAP Proposition 31. de E (où p = dim E ). Soit (v i )1Éi Ép une famille d’éléments de F .
K-espaces vectoriels, soient u ∈ L (E , F ) et v ∈ L (F,G). Alors il existe une unique application linéaire u ∈ L (E , F ) telle que pour tout i ∈ 1, p ,
†
Soient E , F,G des
u(e i ) = v i .
1. Si v est de rang fini, alors v ◦ u est de rang fini et rg(v ◦ u) É rg(v). E −→ F
p p
2. Si u est de rang fini, alors v ◦ u est de rang fini et rg(v ◦ u) É rg(u). Il s’agit de l’application : u : X
αi e i αi v i
X
7−→
i =1 i =1
En d’autres termes u est caractérisée par l’image des éléments d’une base de E .

Preuve de 31.
(? voir notes ?)

5/10
Chapitre 16 : Espaces vectoriels de dimension finie II. Applications linéaires et dimension

Preuve de 35. 3. Injection, surjection, bijection

(? voir notes ?)

Remarque. GRADUATION-CAP Théorème 38 (caractérisation de l’injectivité, la surjectivité, la bijectivité).

Une conséquence essentielle à retenir du théorème fondamental 3 : si u ∈ L (E , F ) s’annule
sur une base (i.e. u(e i ) = 0F pour tout i ∈ 1, p ), alors u est l’application linéaire nulle.
† K
Soient E et F deux -espaces vectoriels. On suppose que† E est de dimension finie. Soit B =
(e i )1Éi Ép une base de E . Soit u ∈ L (E , F ). Pour tout i ∈ 1, p , on note v i = u(e i ).
Alors :
GRADUATION-CAP Proposition 36 (corollaire : application linéaire définie sur une somme directe).
• u est injective si et seulement si (v i )1Éi Ép est une famille libre.
K
Soient E et F deux -espaces vectoriels. On suppose que E est de dimension finie et E = E 1 ⊕E 2 , • u est surjective si et seulement si (v i )1Éi Ép est une famille génératrice de F .
où E 1 et E 2 sont des sous-espaces vectoriels de E . • u est isomorphisme si et seulement si (v i )1Éi Ép est une base de F .
Soient u 1 ∈ L (E 1 , F ) et u 2 ∈ L (E 2 , F ).
Alors il existe une unique application u ∈ L (E , F ) telle que u |E 1 = u 1 et u |E 2 = u 2 .

Remarque.
Une des significations de ce théorème est la suivante : une application linéaire de E dans F
est un isomorphisme si et seulement si l’image d’une base de E est une base de F . C’est un
résultat important à retenir.

Preuve de 38.
(? voir notes ?)
Remarque.
On rappelle que BOOK-READER Définition 39 (espaces isomorphes).
E 1 −→ F E 2 −→ F
u |E 1 :
x 7−→ u(x)
et u |E 2 :
x 7−→ u(x) K
Soient E et F deux -espaces vectoriels.
On dit que E et F sont isomorphes s’il existe un isomorphisme f de E dans F .

Preuve de 36.
(? voir notes ?)
GRADUATION-CAP Proposition 40.
? Exercice 37.
K
Soient E et F deux -espaces vectoriels de dimension finie. Alors E et F sont isomorphes si et
K
Soit E un -espace vectoriel de dimension finie tel que E = E 1 ⊕ E 2 . seulement si dim(E ) = dim(F ).
On considère les applications linéaires

E 1 −→ E E 2 −→ E
u1 : et u2 :
x 7−→ x x 7−→ −x Preuve de 40.
(? voir notes ?)
Caractériser l’application u ∈ L (E ) telle que u |E 1 = u 1 et u |E 2 = u 2 .
Remarque.
N
Soit n ∈ ∗ . Un espace vectoriel E est de dimension n si et seulement si il est isomorphe à
K
Mn,1 ( ), si et seulement si il est isomorphe à n . K
On énonce, mais on démontrera dans un chapitre ultérieur, un résultat important.

GRADUATION-CAP Théorème 41 (dimension de L (E , F )).

Solution de 37. K
Soient E et F deux -espaces vectoriels de dimension finie.
Alors L (E , F ) est de dimension finie et dim L (E , F ) = dim E × dim F .
(? voir notes ?)

6/10
Chapitre 16 : Espaces vectoriels de dimension finie II. Applications linéaires et dimension

? Exercice 44.
Remarque.
Kn+1 des éléments deux-à-deux
Soient a0 , . . . , an ∈ distincts.
On note p = dim E et n = dim F . On note (e j )1É j Ép une base de E et ( f i )1Éi Én une base de F
On considère l’application ϕ :
Kn [X ] −→ K n+1
.
La démonstration consiste essentiellement à démontrer que l’application P
¡
7−→
¢
P (a i ) 0Éi Én

L (E , F ) −→ Mn,p ( ) K 1. Démontrer que ϕ est un isomorphisme.

ϕ: u 7−→ (a i , j ) 1Éi Én 2. En déduire que pour tout (n + 1)-uplet (bi )0Éi Én d’éléments de K, il existe un unique po-
1É j Ép
K
lynôme P ∈ n [X ] tel que :
où (ai , j ) 1Éi Én est définie par : ∀ i ∈ ‚0, nƒ , P (a i ) = b i

K
1É j Ép
3. Soit (e i )1Éi Én+1 la base canonique de n+1 .
n
Pour tout i ∈ ‚1, n + 1ƒ, expliciter le polynôme ϕ−1 (e i ). On le note L i −1 .
† X
∀ j ∈ 1, p , ∃ ! (a i , j )1Éi Én , u(e j ) = ai , j f i
i =1 K
4. En déduire une base de n [X ] constituée de polynômes de degré n , puis déterminer la
est un isomorphisme. K
décomposition d’un polynôme P ∈ n [X ] dans la base (L i )0Éi Én .
K
Ainsi L (E , F ) et Mn,p ( ) sont isomorphes, donc de même dimension np .
5. Calculer
n
X
Li .
i =0

GRADUATION-CAP Théorème 42.

K
Soient E et F deux -espaces vectoriels de dimension finie. Soit f ∈ L (E , F ).
On suppose que dim(E ) = dim(F ). Alors : Solution de 44.
(? voir notes ?)
f injective ⇐⇒ f surjectivre ⇐⇒ f bijective
GRADUATION-CAP Théorème 45 (caractérisation des automorphismes).

Soit E un K-espace vectoriel de dimension finie. Soit u ∈ L (E ).

1. On suppose qu’il existe v ∈ L (E ) tel que u ◦ v = idE . Alors u est un automorphisme et
u −1 = v .
2. On suppose qu’il existe v ∈ L (E ) tel que v ◦ u = idE . Alors v est un automorphisme et
u −1 = v .

Remarque.
Le théorème signifie qu’en dimension finie, un endomorphisme inversible à droite OU à
gauche est un automorphisme.
Jusqu’à présent on avait démontré qu’un endomorphisme inversible à droite ET à gauche
est un automorphisme, c’est donc une amélioration substantielle du résultat précédent.

Preuve de 45.
Preuve de 42. (? voir notes ?)
(? voir notes ?)
? Exercice 46.
BOMB Attention.
K
Soit E un -espace vectoriel de dimension finie et u ∈ L (E ).
L’hypothèse dim E = dim F est essentielle ! On suppose que : u 3 + u 2 + u + idE = 0.
Démontrer que u est un automorphisme et exprimer u −1 en fonction de u .
Exemple 43.
(? voir notes ?)

7/10
Chapitre 16 : Espaces vectoriels de dimension finie II. Applications linéaires et dimension

Solution de 46. 5. Formes linéaires et hyperplans

On calcule : u ◦ (−u 2 − u − idE ) = idE , donc u est un automorphisme et u −1 = −u 2 − u − idE .

BOOK-READER Définition 51 (forme linéaire).

BOMB Attention.
L’hypothèse E de dimension finie est essentielle.
K
Soit E un -espace vectoriel. On appelle forme linéaire de E toute application linéaire de E
dans .K
K
On note E ∗ l’espace vectoriel L (E , ) des formes linéaires de E .
Exemple 47.
(? voir notes ?)
Exemple 52.
(? voir notes ?)

Remarque.
De façon générale, si f est une forme linéaire de E , soit c’est la forme linéaire nulle (l’appli-
4. Théorème du rang K
cation qui à tout vecteur associe 0), soit son image est , c’est alors une application linéaire
de rang 1. Elle est surjective.

BOOK-READER Définition 53 (hyperplan).

GRADUATION-CAP Théorème 48 (théorème du rang, version géométrique).

K
Soient E et F deux -espaces vectoriels. On suppose E de dimension finie. Soit u ∈ L (E , F ).
K
Soit E un -espace vectoriel.
Le noyau d’une forme linéaire de E non nulle est appelé un hyperplan de E .
Soit S un supplémentaire de Ker(u) dans E , c’est-à-dire Ker(u) ⊕ S = E .
Alors u induit un isomorphisme de S dans Im(u), c’est-à-dire que l’application

S −→ Im u
ũ : Exemple 54.
x 7−→ u(x)
(? voir notes ?)
est un isomorphisme.
GRADUATION-CAP Théorème 55 (caractérisation des hyperplans en dimension finie).

K N
Soit E un -espace vectoriel de dimension finie n ∈ ∗ . Soit H un sous-espace vectoriel de E .
Alors H est un hyperplan si et seulement si dim(H ) = n − 1.
Preuve de 48.
(? voir notes ?)
Preuve de 55.
GRADUATION-CAP Théorème 49 (théorème, ou formule du rang).
(? voir notes ?)
Soient E et F deux K-espaces vectoriels. On suppose E de dimension finie. Soit u ∈ L (E , F ). Remarque.
Alors :
dim(E ) = dim(Ker u) + rg(u) N
Les hyperplans d’un espace vectoriel E de dimension finie n ∈ ∗ sont exactement les sup-
plémentaires des droites vectorielles de E :
— si H est un hyperplan il admet un supplémentaire de dimension 1, donc c’est le sup-
plémentaire d’une droite vectorielle ;
— si H est un supplémentaire d’une droite vectorielle, alors c’est un espace vectoriel de
Preuve de 49. dimension n − 1, donc un hyperplan.
(? voir notes ?)

Exemple 50. Exemple 56.

(? voir notes ?) 1. Dans le plan R2, les hyperplans sont les droites vectorielles.
8/10
Chapitre 16 : Espaces vectoriels de dimension finie II. Applications linéaires et dimension

2. Dans l’espace R3, les hyperplans sont les plans vectoriels. On peut interpréter géométriquement un système linéaire.
• L’ensemble des solutions d’un système linéaire homogène de n équations et p inconnues à coef-
K
ficients dans est l’intersection de n hyperplans de p . K
GRADUATION-CAP Proposition 57 (supplémentaires d’un hyperplan). En effet, chaque ligne du système est l’équation d’un hyperplan de p . K
Par définition, une solution du système appartient à chacun des n hyperplans ainsi définis.
K
Soit E un -espace vectoriel de dimension finie. Soit H un hyperplan de E .
• L’ensemble des solutions d’un système linéaire de n équations et p inconnues à coefficients dans
Alors pour toute droite vectorielle D non contenue dans H , H ⊕ D = E .
K, s’il admet une solution particulière, est l’ensemble des éléments de Kp qui sont somme de
cette solution particulière et d’un élément de l’ensemble des solutions de l’équation homogène.
On retrouve ainsi l’interprétation géométrique donnée en début d’année à propos des solutions des
Remarque. «petits» systèmes.

1. De façon équivalente, si x 0 ∈ E \ H , alors E = H ⊕ Vect(x 0 ). ? Exercice 60.

En effet, si x 0 ∈ E \ H , D = Vect(x 0 ) est une droite vectorielle qui n’est pas contenue dans
H (sinon x 0 est aussi dans H ).
K
Soit E un -espace vectoriel de dimension finie. Soient ϕ1 , ϕ2 deux formes linéaires non nulles
de E . Montrer que :
Réciproquement, si D est une droite non contenue dans H , alors il existe x 0 ∈ D , x 0 6= 0, Ker ϕ1 = Ker ϕ2 ⇐⇒ ∃ λ ∈ K∗, ϕ1 = λϕ2
tel que D = Vect(x 0 ) (définition d’une droite vectorielle). Alors x 0 ∈ E \H (sinon Vect(x 0 ) =
D est inclus dans H ).
2. Si H est un hyperplan, une droite D non contenue dans H existe toujours. En effet,
Solution de 60.
H 6= E , sinon H est le noyau d’une forme linéaire nulle, donc il existe x 0 ∈ E \ H , puis
D = Vect(x 0 ) est une droite non contenue dans H . (? voir notes ?)

Preuve de 57.
(? voir notes ?)

Exemple 58.
(? voir notes ?)

BOOK-READER Définition 59 (équation d’un hyperplan).

K N
Soit E un -espace vectoriel de dimension finie p ∈ ∗ . Soit H un hyperplan de E et ϕ une
forme linéaire non nulle telle que H = Ker ϕ. Soit B = (e i )1Éi Ép une base de E . Pour tout i ∈ 1, p ,
†

on note ai = ϕ(e i ).
L’équation de H dans la base B est
p
X
ai xi = 0
i =1

Remarque.
p
En effet, un vecteur x ∈ E s’écrit dans la base B : x = xi e i .
X
i =1
Ainsi :
p p p
x ∈ H ⇐⇒ ϕ(x) = 0 ⇐⇒ ϕ x i ϕ(e i ) = 0 ⇐⇒
¡X ¢ X X
x i e i = 0 ⇐⇒ ai xi = 0
i =1 i =1 i =1

9/10
Chapitre 16 : Espaces vectoriels de dimension finie II. Applications linéaires et dimension

Méthodes essentielles à connaître à l’issue du chapitre

• Montrer qu’une famille est une base d’un espace vectoriel de dimension finie en utilisant la
liberté ou le caractère générateur et un argument de cardinal.
• Montrer que deux sous-espaces vectoriels sont égaux en utilisant une inclusion et un argu-
ment de dimension.
• Montrer que deux espaces sont supplémentaires en utilisant un argument de dimension et
en déterminant leur intersection ou leur somme.
• Montrer qu’une application linéaire est bijective en étudiant l’image d’une base.
• Montrer qu’une application linéaire entre deux espaces de même dimension est un isomor-
phisme à l’aide d’un argument de dimension et de l’injectivité ou la surjectivité.
• Utiliser la formule du rang pour étudier le noyau ou l’image, connaissant la dimension de
l’image ou du noyau.
• Démontrer qu’un espace vectoriel est un hyperplan en montrant que c’est le noyau d’une
forme linéaire non nulle.

10/10