0% ont trouvé ce document utile (0 vote)

33 vues29 pages

Chap 1

Transféré par

Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.

Formats disponibles

Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

0% ont trouvé ce document utile (0 vote)

33 vues29 pages

Chap 1

Transféré par

fatimsarahdesiree

Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.

Formats disponibles

Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Chapitre 1 (révisions)

ALGÈBRE LINÉAIRE & GÉOMÉTRIE

AFFINE ÉLÉMENTAIRES

1 Structures algébriques 2
1.1 Notion de K-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Autres structures algébriques usuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5 Une pincée de géométrie affine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

2 Projecteurs et symétries 12
2.1 Somme de deux sous-espaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2 Somme directe de deux sous-espaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.3 Sous-espaces supplémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.4 Projecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.5 Symétries . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

3 Familles libres, familles génératrices, bases et dimension 16

3.1 Familles de vecteurs et combinaisons linéaires . . . . . . . . . . . . . . . . . . . . . . 16
3.2 Familles libres, familles génératrices et bases . . . . . . . . . . . . . . . . . . . . . . . 16
3.3 Lien avec les applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.4 Dimension d’un espace vectoriel de dimension finie . . . . . . . . . . . . . . . . . . . 20

4 Représentations matricielles 22
4.1 Représentations matricielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.2 Interprétation géométrique canonique des matrices . . . . . . . . . . . . . . . . . . . . 23
4.3 Changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.4 Matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
4.5 Trace d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

5 Rang 25
5.1 Rang d’une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.2 Rang d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
5.3 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27

6 Stabilité et notation par blocs 28

6.1 Sous-espaces stables par un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . 28
6.2 Représentation matricielle de la stabilité . . . . . . . . . . . . . . . . . . . . . . . . . 29
6.3 Matrices par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

Dans tout le chapitre, K désigne le corps R des réels ou celui C des complexes.

1. Structures algébriques

1.1 Notion de K-espace vectoriel

Définition 1.1 On appelle K-espace vectoriel tout triplet (E, +, ·) formé d’un ensemble E, d’une
loi de composition interne + sur E et d’une loi externe · : K × E −→ E à domaine d’opérateurs K
tel que :
• (E, +) est un groupe abélien :
➢ la loi + est associative : pour tous x, y, z ∈ E, (x + y) + z = x + (y + z) ;
➢ la loi + est commutative : pour tous x, y ∈ E, x + y = y + x ;
➢ il existe un (unique) élément de E, noté 0 (éventuellement 0E ) et appelé élément nul (ou
vecteur nul) de E tel que, pour tout x ∈ E, x + 0 = x ;
➢ pour tout x ∈ E, il existe un (unique) élément de E, noté −x et appelé opposé de x, tel que
x + (−x) = 0 ;
• pour tous λ ∈ K et x, y ∈ E, λ(x + y) = λx + λy ;
• pour tous λ, µ ∈ K et x ∈ E, (λ + µ)x = λx + µx ;
• pour tous λ, µ ∈ K et x ∈ E, λ(µx) = (λµ)x ;
• pour tout x ∈ E, 1K x = x.

Remarque 1.2 Souvent, on utilise seulement la lettre E pour désigner un espace vectoriel (E, +, ·) et
on omet la mention de · dans les calculs, comme cela a été fait dans la définition précédente : on note
λx plutôt que λ · x pour λ ∈ K et x ∈ E.

Exemple 1.3 L’ensemble Kn est muni d’une structure de K-espace vectoriel pour les lois

(xi )ni=1 , (yi )ni=1 7−→ (xi + yi )ni=1

λ, (xi )ni=1 7−→ (λxi )ni=1 .

Plus généralement, si E1 , . . . , En sont des K-espaces vectoriels, alors les formules précédentes mu-
nissent le produit cartésien E = E1 × · · · × En d’une structure de K-espace vectoriel appelée espace
vectoriel produit des Ei , 1 6 i 6 n.

Exemple 1.4 Soient X un ensemble non vide et E un K-espace vectoriel.

On munit l’ensemble des applications de X dans E, noté EX ou F (X, E), d’une addition et d’un
produit externe :
• la somme f + g de deux éléments f, g de EX est définie par f + g : x ∈ X 7−→ f (x) + g(x) ∈ E ;
• le produit λf d’un élément f de EX par un scalaire λ ∈ K est défini par λf : x ∈ X 7−→ λf (x) ∈ E.
Muni de ces lois, EX est un K-espace vectoriel.
En particulier, l’ensemble KN des suites à valeurs dans K et celui KI des fonctions définies sur un
intervalle I de R et à valeurs dans K sont naturellement des K-espaces vectoriels.

Exemple 1.5 L’ensemble K[X] des polynômes à une indéterminée à coefficients dans K est un K-
espace vectoriel pour les lois usuelles.

Proposition 1.6 Soient E un K-espace vectoriel, λ ∈ K et x ∈ E.

On a :
λx = 0 ⇐⇒ λ = 0 ou x = 0 .

Démonstration. D’après les axiomes définissant la structure vectorielle, on a d’abord 0x = (0 + 0)x =

0x + 0x d’où 0x = 0 par addition de −(0x) aux deux membres ; sur le même principe, λ0 = 0.
Réciproquement, si λx = 0 et si λ 6= 0, alors λ est inversible dans K et 0 = λ−1 (λx) = (λ−1 λ)x =
1x = x.
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 3

1.2 Sous-espaces vectoriels

Définition 1.7 Soit E un K-espace vectoriel.
On appelle sous-espace vectoriel de E toute partie F de E telle que :
• F est stable par l’addition de E : pour tous x, y ∈ F, x + y ∈ F ;
• F est stable par le produit externe : pour tous λ ∈ K et x ∈ F, λx ∈ F ;
• F est muni d’une structure de K-espace vectoriel pour les lois induites par celles de E.

Théorème 1.8 Soient E un K-espace vectoriel et F une partie de E.

L’ensemble F est un sous-espace vectoriel de E si, et seulement si, les conditions suivantes sont
réalisées :
• F est non vide ;
• F est stable par combinaisons linéaires : pour tous λ ∈ K et x, y ∈ F, λx + y ∈ F.
Démonstration. Voir cours de première année.

Remarque 1.9 On peut remplacer, dans la caractérisation précédente, la condition F 6= ∅ par 0 ∈ F.

Ainsi, étant donné un sous-espace vectoriel F de E, son complémentaire E \ F n’est jamais un sous-
espace vectoriel de E !

Exemples 1.10 • L’ensemble des suites bornées à termes dans K, l’ensemble des suites convergentes
à termes dans K sont deux sous-espaces vectoriels de KN .
• L’ensemble C (I, K) des fonctions continues sur un intervalle I donné de R et à valeurs dans K est
un sous-espace vectoriel de KI .

Exemple 1.11 Pour n ∈ N donné, l’ensemble Kn [X] des polynômes de degré inférieur ou égal à n est
un sous-espace vectoriel de K[X]. L’ensemble des polynômes de degré égal à n n’en est pas un !

Lemme 1.12 Soient ETun K-espace vectoriel et (Fi )i∈I une famille de sous-espaces vectoriels de E.
Leur intersection F = i∈I Fi est un sous-espace vectoriel de E.
Démonstration. On applique le théorème de caractérisation des sous-espaces vectoriels.
Le vecteur nul appartient à chaque sous-espace vectoriel Fi , i ∈ I, donc à leur intersection F.
Soient λ ∈ K et x, y ∈ F. Pour i ∈ I donné quelconque, x et y sont deux éléments du sous-espace
vectoriel Fi donc λx + y ∈ Fi . On a donc λx + y ∈ F et F est un sous-espace vectoriel de E.

Proposition-Définition 1.13 Soient E un K-espace vectoriel et A une partie de E.

Parmi les sous-espaces vectoriels de E contenant A, il en est un, et un seul, qui est inclus dans tous
les autres ; on l’appelle le sous-espace vectoriel de E engendré par A et on le note Vect A.
Démonstration. On peut déjà noter que l’ensemble F des sous-espaces vectoriels de E contenant A
est non vide : il contient le sous-espace E. L’intersection
\
F0 = F.
F∈F

est alors un sous-espace vectoriel de E d’après le lemme précédent qui contient bien sûr A. En outre,
si F est un sous-espace vectoriel de E contenant A, alors il contient F0 par construction.
Ainsi F0 est le plus petit sous-espace vectoriel de E contenant A (pour l’inclusion).

Proposition-Définition 1.14 Soient E un K-espace vectoriel et A une partie de E.

Le sous-espace vectoriel de E engendré par A est l’ensemble des combinaisons linéaires d’éléments
de A : n o
P
r
Vect A = x ∈ E : ∃r > 0, ∃(λi )ri=1 ∈ Kr , ∃(ai )ri=1 ∈ Ar , x = λi xi .
i=1

Démonstration. Il s’agit de vérifier que l’ensemble F1 des combinaisons linéaires d’éléments de A (i.e.
le second membre de la formule précédente) est le plus petit sous-espace vectoriel de E contenant A.
4 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

• F1 est un sous-espace vectoriel de E contenant A : naturellement F1 contient A, puis on applique le

critère de caractérisation des sous-espaces vectoriels. On a Ptout d’abord 0 ∈ F
P 1 : il suffit de prendre
r = 0. Puis, si on se donne λ ∈ K et deux éléments x = ri=1 λi xi et y = sj=1 µj yj de F1 , avec
r, s > 0, λi , µj ∈ K, xi , yj ∈ A, 1 6 i 6 r, 1 6 j 6 s, alors
P
r+s
λx + y = ν k z k ∈ F1
k=1

pour νk = λλk , zk = xk si 1 6 k 6 r et νk = µk−r , zk = yk−r si r + 1 6 k 6 r + s.

• F1 est le plus petit tel sous-espace vectoriel de E : si F est un sous-espace vectoriel de E contenant
A, alors il contient nécessairement les combinaisons linéaires d’éléments de A, i.e. il contient F1 .

Exemple 1.15 Dans un K-espace vectoriel E, le sous-espace vectoriel engendré par un vecteur x 6= 0
est l’ensemble des vecteurs de la forme λx, λ ∈ K, appelé droite vectorielle dirigée par x et noté
Vect(x) = Kx.

1.3 Applications linéaires

Définition 1.16 Soient E et F deux K-espaces vectoriels.
On appelle application linéaire de E dans F toute application f : E −→ F telle que :
• pour tous x, y ∈ E, f (x + y) = f (x) + f (y) ;
• pour tous λ ∈ K, x ∈ E, f (λx) = λf (x).

Définition 1.17 Soient E, F deux K-espaces vectoriels.

• On appelle endomorphisme de E toute application linéaire de E dans lui-même.
• On appelle isomorphisme de E sur F toute application linéaire bijective de E sur F. On dit que
les espaces vectoriels E et F sont isomorphes s’il existe un isomorphisme de l’un sur l’autre.
• On appelle automorphisme de E tout isomorphisme de E sur lui-même.

Proposition 1.18 Soient E et F deux K-espaces vectoriels et f : E −→ F une application.

L’application f est linéaire si, et seulement si,
∀λ ∈ K, ∀(x, y) ∈ E2 , f (λx + y) = λf (x) + f (y).

Démonstration. C’est évident.

´1
Exemples 1.19 • L’application f 7−→ 0
f (t) dt est une application linéaire de C ([0, 1], K) dans K.
• Étant donnés un K-espace vectoriel E et un scalaire λ ∈ K, l’application λ idE : E −→ E, x 7−→ λx
est un endomorphisme de E appelé homothétie de E de rapport λ.
• L’application P 7−→ P′ est un endomorphisme de K[X].
• L’application P(X) 7−→ P(X + 1) est un automorphisme de K[X].

Proposition-Définition 1.20 Soient E, F deux K-espaces vectoriels et f : E −→ F une applica-

tion linéaire.
(i) l’image réciproque par f d’un sous-espace vectoriel de F est un sous-espace vectoriel de E. C’est
en particulier le cas du noyau Ker f = f −1 ({0}) = {x ∈ E : f (x) = 0} de f .
(ii) l’image par f d’un sous-espace vectoriel de E est un sous-espace vectoriel de F. C’est en particulier
le cas de l’image Im f = f (E) = {y ∈ F : ∃x ∈ E, y = f (x)} de f .
Démonstration. On admet un instant (jusqu’au théorème suivant) que f (0) = 0 puisque f est linéaire.
(i) Soit F1 un sous-espace vectoriel de F. Son image réciproque E1 = f −1 (F1 ) contient le vecteur
nul car f (0) = 0 appartient au sous-espace F1 et, si λ ∈ K, x, y ∈ E1 , alors f (x), f (y) ∈ F1 donc
f (λx + y) = λf (x) + f (y) appartient au sous-espace F1 si bien que λx + y ∈ E1 .
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 5

(ii) Soit E1 un sous-espace vectoriel de E. Son image directe F1 = f (E1 ) contient le vecteur nul car
f (0) = 0 et 0 appartient au sous-espace E1 . Puis, si λ ∈ K, x, y ∈ F1 , alors il existe x′ , y ′ ∈ E1
tels que x = f (x′ ), y = f (y ′ ) ; on a alors λx + y = λf (x′ ) + f (y ′ ) = f (λx′ + y ′ ) ∈ F1 car λx′ + y ′
appartient au sous-espace E1 .

Théorème 1.21 Soient E, F deux K-espaces vectoriels et f : E −→ F une application linéaire.

(i) On a f (0) = 0. De plus, f est injective si, et seulement si :

∀x ∈ E, f (x) = 0 =⇒ x = 0 .

Autrement dit, f est injective si, et seulement si, son noyau est réduit au vecteur nul : Ker f = {0} ;
(ii) f est surjective si, et seulement si, son image est égale à F : Im f = F.
Démonstration. (i) On a tout d’abord f (0) = f (0 + 0) = f (0) + f (0) d’où f (0) = 0 par simplification
par f (0). Si f est injective, il s’ensuit aussitôt que Ker f = {0}. Réciproquement, si Ker f = {0}
et si x, y ∈ E sont tels que f (x) = f (y), alors par linéarité f (x − y) = 0, i.e. x − y ∈ Ker f = {0},
ce qui entraı̂ne x = y et établit l’injectivité de f .
(ii) est immédiat.

Théorème 1.22 Soient E et F deux K-espaces vectoriels.

L’ensemble L(E, F) des applications linéaires de E dans F est un K-espace vectoriel pour les lois +
et · définies dans l’exemple 1.4.
Démonstration. On vérifie que L(E, F) est un sous-espace vectoriel de FE : il suffit pour cela d’obser-
ver que la fonction nulle est linéaire et qu’une combinaison linéaire de fonctions linéaires est encore
linéaire.

Proposition 1.23 Soient E, F, G trois K-espaces vectoriels et f : E −→ F, g : F −→ G deux

applications linéaires.
La composée g ◦ f : E −→ G est linéaire.
Démonstration. C’est immédiat.

1.4 Autres structures algébriques usuelles

(a) Groupes
Définition 1.24 On appelle groupe tout couple (G, ⋆) formé d’un ensemble G et d’une loi de
composition interne ⋆ sur G vérifiant les propriétés suivantes :
• la loi ⋆ est associative : pour tous x, y, z ∈ G : (x ⋆ y) ⋆ z = x ⋆ (y ⋆ z) ;
• il existe un élément neutre e ∈ G (nécessairement unique) : pour tout x ∈ G, x ⋆ e = e ⋆ x = x ;
• tout élément x ∈ G admet un symétrique x′ ∈ G (nécessairement unique) : x ⋆ x′ = x′ ⋆ x = e.
Lorsque la loi ⋆ est commutative : pour tous x, y ∈ G, x ⋆ y = y ⋆ x, on parle de groupe commutatif
ou abélien.

Remarque 1.25 En général, pour désigner un groupe abstrait (G, ⋆), on utilise seulement le symbole
G et l’on adopte la notation additive (loi +, neutre 0, symétrique ou opposé de x noté −x) ou
multiplicative (loi ×, neutre 1, symétrique ou inverse de x noté x−1 ). Par défaut, on utilise la notation
multiplicative, alors que la notation additive est réservée aux groupes abéliens.

Exemples 1.26 • (Z, +), (Q, +), (R, +) et (C, +) sont des groupes abéliens.
• Il en est de même de (Q∗ , ×), (R∗ , ×) et (C∗ , ×), ainsi que de (Q∗+ , ×) et (R∗+ , ×).
• Pour n ∈ N∗ donné, l’ensemble Gln (K) des matrices carrées d’ordre n à coefficients dans K qui
sont inversibles est un groupe pour la multiplication des matrices.
6 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

Proposition-Définition 1.27 Soit E un ensemble non vide.

On appelle permutation de E toute bijection de E sur E.
Les permutations de E forment un groupe pour la composition, appelé groupe symétrique de E
et noté S(E) ou S(E).
Démonstration. C’est une simple reformulation de propriétés bien connues : la composée de deux
bijections est une bijection, l’identité de E est élément neutre et toute bijection admet une réciproque,
qui est elle-même bijective.

Définition 1.28 Soient G un groupe et H une partie de G.

On dit que H est un sous-groupe de G si les deux conditions suivantes sont satisfaites :
• H est stable par la loi de G : pour tous x, x′ ∈ H, xx′ ∈ H ;
• H est un groupe pour la loi induite par celle de G.

Théorème 1.29 Soient G un groupe et H une partie de G.

L’ensemble H est un sous-groupe de G si, et seulement si,
• 1 ∈ H;
• H est stable par produit : pour tous x, x′ ∈ H, xx′ ∈ H ;
• H est stable par passage à l’inverse : pour tout x ∈ H, x−1 ∈ H.
Démonstration. Voir cours de première année.

Exemples 1.30 • (Z, +) est un sous-groupe de (Q, +), qui est lui-même un sous-groupe de (R, +),
qui est lui-même un sous-groupe de (C, +).
• (Q∗ , ×) est un sous-groupe de (R∗ , ×), qui est lui-même un sous-groupe de (C∗ , ×).
• Les similitudes du plan affine euclidien P forment un sous-groupe S (P) de S(P) ; les isométries
de P forment un sous-groupe I (P) de S (P).
Les similitudes directes du plan affine euclidien P forment un sous-groupe S + (P) de S (P) ; les
isométries directes de P forment un sous-groupe I + (P) de S + (P).

Théorème 1.31 Soit E un K-espace vectoriel.

Les automorphismes de E forment un groupe pour la loi ◦ appelé groupe linéaire de E et noté
Gl(E).
Démonstration. Il suffit de démontrer que Gl(E) est un sous-groupe de S(E), et pour cela d’appliquer
le théorème de caractérisation des sous-groupes. Tout d’abord, l’application identité (l’élément neutre
de S(E)) est bien sûr un isomorphisme de E. D’après un résultat précédent, la composée de deux
automorphismes de E est un automorphisme de E. Enfin, il reste à voir que la bijection réciproque
f −1 d’un automorphisme f de E est un automorphisme de E ; sa linéarité résulte de celle de f : pour
λ ∈ K et x, y ∈ E et x′ = f −1 (x), y ′ = f −1 (y),

f −1 (λx + y) = f −1 λf (x′ ) + f (y ′ ) = f −1 f (λx′ + y ′ ) = λx′ + y ′ = λf −1 (x) + f −1 (y).

Exemple 1.32 Si E est un espace vectoriel euclidien, les automorphismes orthogonaux de E forment
un sous-groupe de Gl(E) : le groupe orthogonal de E, noté O(E).

Définition 1.33 Soient G et G′ deux groupes.

On appelle morphisme de groupes de G dans G′ toute application f : G −→ G′ telle que :

∀(x, y) ∈ G2 , f (xy) = f (x)f (y).

On définit les notions d’endomorphisme, isomorphisme et automorphisme de groupes ainsi que de

groupes isomorphes.
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 7

Remarque 1.34 Pour une liste des propriétés élémentaires des morphismes de groupes (entre autres :
l’image de l’élément neutre est l’élément neutre, l’image de l’inverse est l’inverse de l’image, l’image
(réciproque) d’un sous-groupe est un sous-groupe, noyau et image d’un morphisme, caractérisation
de l’injectivité d’un morphisme par la trivialité de son noyau), on renvoie au cours de première année.

Exemples 1.35 • exp et ln sont deux isomorphismes de groupes réciproques l’un de l’autre. Ainsi,
les groupes (R, +) et (R∗+ , ×) sont isomorphes.
• L’application τ qui, à tout a ∈ C, associe la translation τa du plan euclidien P de vecteur d’affixe
a, d’écriture complexe z 7−→ z + a, est un isomorphisme du groupe (C, +) sur le groupe T (P), ◦
des translations de P : pour tous a, b ∈ C, τa ◦ τb = τa+b .
• En revanche, l’application qui, à (a, b) ∈ C∗ × C, associe la similitude directe sa,b de P d’écriture
complexe z 7−→ az + b est une bijection du groupe C∗ × C – muni de la loi produit (direct) :
(a, b)(a′ , b′ ) = (aa′ , b + b′ ) – sur le groupe S + (P), ◦ des similitudes directes de P, mais ce n’est
pas un morphisme et donc pas un isomorphisme de groupes : pour tous (a, b), (a′ , b′ ) ∈ C∗ × C et
z ∈ C,
(sa,b ◦ sa′ ,b′ )(z) = a(a′ z + b′ ) + b = (aa′ )z + (ab′ + b) = saa′ ,ab′ +b (z)
de sorte que sa,b ◦ sa′ ,b′ = saa′ ,ab′ +b est en général distinct de saa′ ,b+b′ .

(b) Anneaux et corps

Définition 1.36 On appelle anneau tout triplet (A, +, ×) constitué d’un ensemble A et de deux
lois de composition interne sur A, une loi + appelée addition (et notée additivement) et une loi ×
appelée multiplication (et notée multiplicativement), soumises aux conditions suivantes :
• (A, +) est un groupe abélien dont l’élément neutre est noté 0 ;
• × est une loi de composition interne associative pour laquelle A possède un élément neutre noté 1 ;
• la multiplication × est distributive par rapport à l’addition + : pour tous a, b, c ∈ A,

(a + b) × c = (a × c) + (b × c) et a × (b + c) = (a × b) + (a × c).

Si la loi × est commutative, on dit que l’anneau (A, +, ×) est commutatif.

Exemple 1.37 • Z, Q, R, C sont des anneaux commutatifs pour les lois usuelles.
• Mn (R), Mn (C) sont des anneaux pour les lois matricielles usuelles. Ils ne sont pas commutatifs
lorsque n > 2.

Remarque 1.38 Un anneau (A, +, ×) est souvent noté plus simplement A. De plus, la mention de ×
est fréquemment omise dans les calculs : le produit de deux éléments a et b est alors noté ab.

Proposition 1.39 Soit A un anneau.

On a les propriétés suivantes :
(i) pour tout a ∈ A, a × 0 = 0 × a = 0 : l’élément nul 0 est absorbant ;
(ii) pour tous (a, b) ∈ A2 et n ∈ Z, n(ab) = (na)b = a(nb) et, en particulier, −(ab) = (−a)b = a(−b) ;
(iii) pour tout (a, b) ∈ A2 , (−a)(−b) = ab et, en particulier, (−1)2 = 1 ;
(iv) pour toutes familles finies (ai )i∈I et (bj )j∈J d’éléments de A,
P P P
ai bj = ai b j .
i∈I j∈J (i,j)∈I×J

Démonstration. Il s’agit de conséquences faciles des propriétés définissant un anneau, en particulier

de la distributivité de × sur +. Les détails sont laissés au lecteur, qui pourra au besoin se référer à
son cours de première année.
8 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

Proposition 1.40 (Formule du binôme de Newton) Soient A un anneau et a, b ∈ A.

Si a et b commutent, alors

n
Pn n k n−k
∀n ∈ N, (a + b) = a b .
k=0 k

Démonstration. On propose deux méthodes.

• La première démonstration se fait par récurrence sur n ∈ N. Le résultat est trivial pour n = 0 et
n = 1. Si le résultat est acquis au rang n, alors
P
n+1 n
n n k n−k
(a + b) = (a + b)(a + b) = (a + b) a b
k=0 k

Pn n k n−k
Pn n
= aa b + bak bn−k
k=0 k k=0 k

Pn n k+1 n−k P n n k (n+1)−k
= a b + a b
k=0 k k=0 k

par distributivité et compte-tenu de ce que a et b commutent. En réindiçant la somme de gauche

puis en isolant les termes d’indices k = 0 et k = n + 1, il vient :

P
n+1 n Pn
(a + b) n+1
= ak bn−(k−1) + ak b(n+1)−k
k=1 k − 1 k=0

n+1
Pn n k (n+1)−k
Pn n k (n+1)−k
=a + a b + a b + bn+1
k=1 k − 1 k
k=1
Pn n n
= an+1 + + ak b(n+1)−k + bn+1
k=1 k−1 k

P n + 1 k (n+1)−k
n+1
= a b
k=0 k
d’après la relation de Pascal, d’où le résultat.
• Outre la démonstration classique par récurrence, il existe une démonstration combinatoire de la
formule du binôme de Newton que voici.
Soit n ∈ N. Si l’on développe le produit (a + b)n en utilisant la distributivité de A, on obtient,
puisque a et b commutent, une somme de termes de la forme ak bn−k , 0 6 k 6 n, ce dernier
apparaissant autant de fois que l’on aura pu choisir k parenthèses – celles dans lesquelles on aura
n n
« choisi » a – parmi les n qui forment le produit (a + b) , soit k , d’où le résultat.

Proposition 1.41 Soient A un anneau et a, b ∈ A.

Si a et b commutent, alors
P
n P
∀n ∈ N, an+1 − bn+1 = (a − b) ak bn−k = (a − b) ai b j .
k=0 i+j=n

Démonstration. Il suffit de développer le produit du membre de droite : pour n ∈ N, le fait que a et

b commutent permet d’écrire
P
n P
n P
n P
n+1 P
n
(a − b) ak bn−k = ak+1 bn−k − ak bn+1−k = ak bn+1−k − ak bn+1−k = an+1 − bn+1 .
k=0 k=0 k=0 k=1 k=0

Définition 1.42 Soit A un anneau.

On dit que A est intègre si A est non nul et si

2
∀(a, b) ∈ A , ab = 0 =⇒ a = 0 ou b = 0 .
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 9

Exemple 1.43 Z, Q, R et C sont intègres. Ce n’est pas le cas de Mn (R) dès que n > 2.

Définition 1.44 Soit A un anneau.

On appelle sous-anneau de A toute partie B de A telle que :
• B contient 1 ;
• B est stable par addition : pour tous x, y ∈ B, x + y ∈ B ;
• B est stable par multiplication : pour tous x, y ∈ B, xy ∈ B ;
• l’ensemble B, muni des lois induites par celles de A, est un anneau.

Théorème 1.45 Soient A un anneau et B une partie de A.

L’ensemble B est un sous-anneau de A si, et seulement si, les conditions suivantes sont satisfaites :
• B contient 1 ;
• B est un sous-groupe de A pour l’addition : pour tous x, y ∈ B, x − y ∈ B ;
• B est stable par produit : pour tous x, y ∈ B, xy ∈ B.
Démonstration. Voir cours de première année.

Exemples 1.46 • Z est un sous-anneau de Q, qui est lui-même un sous-anneau de R, qui est lui-même
un sous-anneau de C.
• Mn (R) est un sous-anneau de Mn (C).

Définition 1.47 On appelle corps tout anneau K non nul et commutatif dans lequel tout élément
non nul est inversible.

Exemples 1.48 Q, R, C sont des corps. L’ensemble K(X) des fractions rationnelles à coefficients dans
K et en l’indéterminée X a une structure de corps pour les lois usuelles.

Proposition 1.49 Soient K un corps, a ∈ K \ {1} et n ∈ N.

On a :
Pn 1 − an+1
ak = .
k=0 1−a

Démonstration. C’est une conséquence immédiate de la proposition 1.41 puisque 1 et a commutent

et que a − 1 6= 0 est inversible dans K.

Définition 1.50 Soit K un corps.

On appelle sous-corps de K toute partie L de K satisfaisant les propriétés suivantes :
• L contient 1 ;
• L est stable par addition : pour tous x, y ∈ L, x + y ∈ L ;
• L est stable par multiplication : pour tous x, y ∈ L, xy ∈ L ;
• L, muni des lois induites par celles de K, est un corps.

Théorème 1.51 Soient K un corps et L une partie de K.

L’ensemble L est un sous-corps de K si, et seulement si, les propriétés suivantes sont satisfaites :
• L contient 1 ;
• L est un sous-groupe de K pour l’addition : pour tous x, y ∈ L, x − y ∈ L ;
• L \ {0} est un sous-groupe de K \ {0} pour la multiplication : pour tous x, y ∈ L \ {0}, xy −1 ∈ L.

Exemples 1.52 Q est un sous-corps de R, qui est lui-même un sous-corps de C.

(c) K-algèbres
Définition 1.53 On appelle K-algèbre tout quadruplet (A, +, ×, ·) formé d’un ensemble A, de
deux lois de composition interne + et × sur A et d’une loi externe · : K × A −→ A à domaine
d’opérateurs K tel que :
10 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

• (A, +, ×) est un anneau ;

• (A, +, ·) est un K-espace vectoriel ;
• pour tous λ ∈ K et x, y ∈ A, λ(xy) = (λx)y = x(λy).
La K-algèbre A est dite commutative lorsque la loi × est commutative.

Exemples 1.54 • L’ensemble KN des suites à coefficients dans K est une K-algèbre commutative en
prenant pour produit interne le produit usuel

(xn )n∈N , (yn )n∈N 7−→ (xn yn )n∈N

en plus de l’addition et du produit par un scalaire déjà définis.

• L’ensemble KI des applications de I dans K est une algèbre commutative lorsqu’il est muni, en
plus de sa structure vectorielle usuelle, du produit usuel des applications de I dans K.

Exemples 1.55 • L’ensemble K[X] est une K-algèbre commutative pour les lois usuelles +, × et ·.
• L’ensemble Mn (K) est une K-algèbre pour les lois matricielles usuelles, non commutative si n > 2.

Théorème 1.56 Soit E un K-espace vectoriel.

L’ensemble L(E) des endomorphismes de E est une K-algèbre pour les lois + et · de l’exemple 1.4 et
la loi ◦.
Démonstration. L(E) est déjà un K-espace vectoriel d’après le théorème 1.22. La composition est
bien une loi de composition interne sur L(E) d’après la proposition 1.23. Elle est associative, admet
l’identité idE pour élément neutre, est bien sûr distributive à droite sur +, et l’est aussi à gauche car
les applications considérées sont linéaires : pour tous f, g, h ∈ L(E), f ◦ (g + h) = f ◦ g + f ◦ h car f
est linéaire. Enfin, toujours par linéarité, on a pour tous λ ∈ K et f, g ∈ L(E), λ(f ◦ g) = (λf ) ◦ g =
f ◦ (λg). Toutes les hypothèses de la définition 1.53 sont donc satisfaites.

Remarque 1.57 Pour un K-espace vectoriel E, Gl(E) est le groupe des inversibles de l’anneau L(E).

1.5 Une pincée de géométrie affine

Dans cette section, on se donne un K-espace vectoriel E. Pour les démonstrations, on renvoie au
cours de première année.
La structure d’espace vectoriel de E permet de faire de la géométrie dans E, comme l’a montré le cours
de première année et comme on le verra dans la suite de ce cours et dans les chapitres suivants : les
sous-espaces vectoriels sont des ensembles géométriques (droites, plans, ...), les applications linéaires
sont des transformations géométriques (homothéties, projections, symétries et, lorsqu’on ajoute une
structure préhilbertienne réelle, rotations, symétries orthogonales, ...). Ce point de vue géométrique
est d’ailleurs très fécond pour développer une solide intuition en algèbre linéaire. Il est toutefois un
peu limité si l’on veut faire de la géométrie classique car il fait jouer un rôle particulier au vecteur
nul : tous les sous-espaces vectoriels contiennent le vecteur nul et toute application linéaire envoie
le vecteur nul sur lui-même. On parle donc de géométrie vectorielle et parfois de droites vectorielles,
de plans vectoriels et de transformations vectorielles. D’ailleurs, les éléments de E ont jusqu’ici été
considérés comme ... des vecteurs !
Dans cette section, on va montrer comment lever cette restriction et introduire des ensembles géo-
métriques (droites, plans, ...) ne contenant pas forcément l’origine ainsi que des transformations
géométriques (translations, homothéties, projections, symétries, ...) ne fixant pas forcément l’origine.
Bref, on va poser les bases de la géométrie affine.
Dans cette optique, les éléments de E sont traditionnellement considérés comme des points et l’on
#—
associe, à tout couple (a, b) de points de E, le vecteur ab = b − a, lui aussi élément de E. Il y a donc
deux points de vue sur les éléments de E, que l’on est amené à distinguer par les notations utilisées :
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 11

les points sont généralement notés par des lettres majuscules (A, B, ...) – en particulier, le point O
correspond au vecteur 0 – et les vecteurs par des lettres minuscules surmontées d’une flèche (~u, ~v , ...).
Avec ces conventions, on a pour tous points A, B, C et tout vecteur ~u :
# — # —
(i) A = B ⇐⇒ AB = 0 ; (iii) B = A + ~u ⇐⇒ AB = ~u ;
# — # — # — # — # —
(ii) AB = −BA ; (iv) relation de Chasles : AB + BC = AC.

Définition 1.58 Soit ~u un vecteur de E.

On appelle translation de vecteur ~u, et on note t~u , l’application de E dans E définie par M 7−→ M+~u.

Remarques 1.59 • La composée de deux translations est une translation ; plus précisément, pour
deux vecteurs ~u et ~v , on a t~u ◦ t~v = t~u+~v = t~v ◦ t~u .
• Une translation t~u est bijective, de réciproque t−~u .
• Une translation t~u n’est par linéaire, à moins que ~ u = 0.

Définition 1.60 On appelle sous-espace affine de E tout partie F de E pour laquelle il existe
un point Ω de E et un sous-espace vectoriel F de E tels que :

F = Ω + F = {Ω + ~u}~u∈F .

Dans ces conditions, on dit que F est le sous-espace affine de E passant par Ω et dirigé par F.

Remarques 1.61 • Les sous-espaces affines de E sont donc les translatés des sous-espaces vectoriels
de E : le sous-espace affine passant par un point Ω de E et dirigé par un sous-espace vectoriel F
# —
de E est l’image de F par la translation de vecteur OΩ.
• Inversement, les sous-espaces vectoriels de E sont les sous-espaces affines de E contenant le point O.
• Soient Ω un point de E, F un sous-espace vectoriel de E et F le sous-espace affine de E passant
par Ω et dirigé par F. On a bien sûr Ω ∈ F . Réciproquement, pour tout point A de F , on montre
que F = A + F. Ainsi, le sous-espace vectoriel
# —
F = ~u ∈ E : ∃(A, B) ∈ F 2 , ~u = AB

de E est uniquement déterminé par F ; il est appelé la direction du sous-espace affine F .

Exemples 1.62 • On appelle droite affine de E tout sous-espace affine de E dirigé par une droite
vectorielle, i.e. toute partie D de E de la forme D = A + K~u = {A + λ~u}λ∈K pour un point A de
E et un vecteur ~u non nul donnés.
• L’ensemble P = {(x, y, z) ∈ R3 : x+y+z = 1} est un sous-espace affine de R3 : c’est le sous-espace
affine passant par le point (1, 0, 0) et dirigé par le plan vectoriel d’équation x + y + z = 0.

Proposition-Définition 1.63 Soient E et F deux K-espaces vectoriels.

On appelle application affine de E dans F toute application f : E −→ F pour laquelle existe une
application linéaire ϕ : E −→ F telle que :
# — # —
∀(M, N) ∈ E2 , f (M)f (N) = ϕ(MN). (1.1)

Une telle application linéaire ϕ est alors unique ; elle est notée f~ et appelée partie linéaire de f .

Remarques 1.64 • Noter que la condition (1.1) peut encore s’écrire :

# —
∃Ω ∈ E, ∀N ∈ E, f (N) = f (Ω) + f~(ΩN). (1.2)

En effet, si (1.1) est satisfaite, alors (1.2) aussi par spécialisation en M = Ω choisi quelconque.
Réciproquement, on récupère (1.1) en appliquant (1.2) à M puis à N et en soustrayant membre à
membre les deux relations obtenues.
12 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

• Un peu abusivement, une application affine f est donc simplement la somme d’une constante et
d’une application linéaire, la partie linéaire de f .
# —
Exemples 1.65 • Pour un vecteur ~u, la translation t~u : M 7−→ M + ~u = (O + ~u) + OM est une
application affine de partie linéaire idE .
# —
• Pour un point Ω de E et un réel k > 0, l’application M 7−→ Ω + k ΩM est affine ; c’est l’homothétie
de centre Ω et de rapport k. Sa partie linéaire est l’homothétie vectorielle k idE : x 7−→ kx.

2. Projecteurs et symétries

2.1 Somme de deux sous-espaces

Soient F1 et F2 des sous-espaces vectoriels d’un K-espace vectoriel E.

Définition 2.1 On appelle somme des sous-espaces F1 et F2 et on note F1 + F2 l’ensemble

F1 + F2 = {x ∈ E : ∃(x1 , x2 ) ∈ F1 × F2 : x = x1 + x2 } = {x1 + x2 }(x1 ,x2 )∈F1 ×F2 .

Proposition 2.2 L’application ϕ : F1 × F2 −→ E, (x1 , x2 ) 7−→ x1 + x2 est linéaire. Son image est
F1 + F2 , qui est donc un sous-espace vectoriel de E.
Démonstration. Vérification immédiate.

Proposition 2.3 La somme F1 + F2 est le sous-espace vectoriel de E engendré par F1 ∪ F2 , i.e. le

plus petit sous-espace vectoriel de E contenant F1 et F2 .
Démonstration. On a déjà vu que F1 + F2 est un sous-espace vectoriel de E et il contient bien sûr
F1 ∪ F2 . Puisque tout sous-espace vectoriel de E contenant F1 et F2 contient aussi F1 + F2 , ce dernier
est bien le sous-espace vectoriel de E engendré par F1 ∪ F2 .

2.2 Somme directe de deux sous-espaces

On conserve les notations du paragraphe précédent.

Définition 2.4 On dit que les sous-espaces F1 et F2 sont en somme directe, et on note alors
F1 ⊕ F2 la somme F1 + F2 , si l’application linéaire ϕ : F1 × F2 −→ E, (x1 , x2 ) 7−→ x1 + x2 est injective,
i.e. induit un isomorphisme de F1 × F2 sur F1 + F2 .

Remarque 2.5 L’usage de la notation F1 ⊕ F2 suppose implicitement que F1 et F2 sont en somme

directe. On dit aussi que la somme F1 + F2 est directe.

Proposition 2.6 Les assertions suivantes sont équivalentes :

(i) la somme F1 + F2 est directe ;
(ii) pour tout x ∈ F1 + F2 , il existe un unique couple (x1 , x2 ) ∈ F1 × F2 tel que x = x1 + x2 ;
(iii) pour tout (x1 , x2 ) ∈ F1 × F2 , on a x1 + x2 = 0 ⇐⇒ x1 = x2 = 0 ;
(iv) F1 ∩ F2 = {0}.
Démonstration. • L’équivalence de (i) et (ii) est claire et celle de (i) et (iii) résulte de la linéarité de
ϕ ((iii) exprimant la nullité de Ker ϕ).
• (ii) implique (iv) : pour x ∈ F1 ∩ F2 donné, on peut décomposer x ∈ F1 + F2 sous la forme
x = x + 0 = 0 + x de sorte que, si (ii) est satisfait, on a nécessairement x = 0 ce qui conduit à
F1 ∩ F2 = {0}.
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 13

• (iv) implique (i) : si (x1 , x2 ) ∈ F1 × F2 appartient au noyau de ϕ, i.e. vérifie x1 + x2 = 0, alors

x1 = −x2 ∈ F1 ∩ F2 de sorte que, si (iv) est satisfait alors x1 = x2 = 0 ; l’application linéaire ϕ est
donc injective et la somme F1 + F2 est directe.

2.3 Sous-espaces supplémentaires

F1 et F2 désignent toujours deux sous-espaces vectoriels d’un K-espace vectoriel E.

Définition 2.7 On dit que les sous-espaces F1 et F2 sont supplémentaires dans E lorsque leur
somme est directe et égale à E : F1 ⊕ F2 = E.

Proposition 2.8 Les assertions suivantes sont équivalentes :

(i) les sous-espaces F1 et F2 sont supplémentaires ;
(ii) l’application ϕ : F1 × F2 −→ E, (x1 , x2 ) 7−→ x1 + x2 est un isomorphisme de F1 × F2 sur E ;
(iii) pour tout x ∈ E, il existe un unique couple (x1 , x2 ) ∈ F1 × F2 tel que x = x1 + x2 ;
(iv) F1 + F2 = E et F1 ∩ F2 = {0}.
Démonstration. C’est immédiat après les résultats du paragraphe précédent.

Remarque 2.9 Dans R2 , dès que deux vecteurs u et v ne sont pas colinéaires, ils engendrent des
sous-espaces vectoriels Ru et Rv de R2 supplémentaires. Il n’y a donc pas unicité du supplémentaire.
On verra plus tard qu’il y a toujours existence en dimension finie.

Exercice 2.10 • Pour P ∈ K[X] polynôme de degré n > 1 donné, montrer que les sous-espaces
Kn−1 [X] et PK[X] sont supplémentaires dans K[X].
• Pour n ∈ N∗ , montrer que les sous-espaces Sn (K) et An (K) des matrices respectivement symé-
triques et antisymétriques de Mn (K) sont supplémentaires dans Mn (K).

Théorème 2.11 Soient E et F deux K-espaces vectoriels et E1 , E2 deux sous-espaces supplémen-

taires de E.
Une application linéaire de E dans F est caractérisée par ses restrictions à E1 et E2 . Plus préci-
sément, l’application f 7−→ (f |E1 , f |E2 ) est bijective (c’est même un isomorphisme) de L(E, F) sur
L(E1 , F) × L(E2 , F).
Démonstration. On peut d’abord remarquer que si f : E −→ F est linéaire, ses restrictions aux
sous-espaces E1 et E2 le sont aussi.
Soient f1 ∈ L(E1 , F) et f2 ∈ L(E2 , F). On va montrer l’existence d’une unique f ∈ L(E, F) telle que
f |E1 = f1 et f |E2 = f2 . On raisonne pour cela par analyse-synthèse.
• Si f : E −→ F linéaire est une telle fonction alors pour x ∈ E donné, se décomposant sous la
forme x = x1 + x2 avec (x1 , x2 ) ∈ E1 × E2 selon la somme E = E1 + E2 , on a nécessairement
f (x) = f1 (x1 ) + f2 (x2 ). Ceci règle le problème de l’unicité.
• Réciproquement, l’application fe : E1 × E2 −→ F, (x1 , x2 ) 7−→ f1 (x1 ) + f2 (x2 ) est clairement
linéaire ce qui assure, en notant ϕ l’isomorphisme de E1 × E2 sur E donné par les sous-espaces
supplémentaires E1 et E2 , la linéarité de l’application f = fe ◦ ϕ−1 . Par construction, la restriction
de f à E1 est bien f1 et celle de f à E2 est bien f2 , de sorte que l’application linéaire f ainsi définie
convient.
ϕ ϕ
E1 × E2 E = E1 ⊕ E2 (x1 , x2 ) x = x1 + x2
fe ϕ−1 f fe ϕ−1 f

F f (x) = f1 (x1 ) + f2 (x2 )

14 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

2.4 Projecteurs
Dans cette section, F et G désignent deux sous-espaces vectoriels supplémentaires d’un K-espace
vectoriel E donné.

Définition 2.12 On appelle projection sur F parallèlement à G l’unique endomorphisme de E

dont la restriction à F est F −→ E, x 7−→ x et la restriction à G est G −→ E, x 7−→ 0.

Remarque 2.13 Cette définition est correcte car, puisque F et G sont supplémentaires dans E, l’ap-
plication L(E) −→ L(F, E) × L(G, E), f 7−→ (f |F , f |G ) est bijective.
L’image par cette projection d’un vecteur x ∈ E se décomposant sous la forme x = y + z avec
(y, z) ∈ F × G est donc p(x) = y.
G G G

x
z z

b
F b
F b
F
0 y = p(y) 0 = p(z) 0 y = p(x)

Proposition 2.14 Soit p la projection sur F parallèlement à G. On a :

(i) Im p = Ker(p − idE ) = F ;
(ii) Ker p = G ;
(iii) p ◦ p = p.
Démonstration. (i) La relation Im p = F est immédiate. Pour montrer que Ker(p − idE ) = F, il suffit
de remarquer que pour un élément x ∈ E donné, se décomposant sous la forme x = y + z avec
(y, z) ∈ F × G, la relation p(x) = x équivaut à z = 0 et donc encore à x = y ∈ F.
(ii) Pour x ∈ E donné se décomposant sous la forme x = y + z pour (y, z) ∈ F × G, on a x ∈ Ker p
si, et seulement si, y = 0 c’est-à-dire x = z ∈ G.
(iii) On vérifie immédiatement que les deux applications linéaires p ◦ p et p coı̈ncident sur les deux
sous-espaces supplémentaires F et G ; elles sont donc égales.

Remarque 2.15 Si p est la projection sur F parallèlement à G, alors q = idE −p est la projection sur
G parallèlement à F. En effet, q est un endomorphisme de E dont la restriction à F est nulle et la
restriction à G est x 7−→ x.
On a les relations p + q = idE , q ◦ q = q et p ◦ q = q ◦ p = 0.
On dit que p et q sont les projections associées à la décomposition E = F ⊕ G : ils fournissent les
composantes p(x) et q(x) de tout vecteur x respectivement sur F et G.

Définition 2.16 On appelle projecteur de E tout endomorphisme p de E tel que p ◦ p = p.

Remarque 2.17 La projection sur F parallèlement à G est un projecteur de E. Réciproquement, on

dispose du résultat suivant.

Proposition 2.18 Soit p un projecteur de E.

(i) Les sous-espaces Ker p et Im p sont supplémentaires dans E ;
(ii) p est la projection sur Im p parallèlement à Ker p.
(iii) Ker(p − idE ) = Im p ;
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 15

Démonstration. (i) Un élément x ∈ (Im p) ∩ (Ker p) donné s’écrit x = p(x0 ) pour x0 ∈ E et vérifie
donc 0 = p(x) = p2 (x0 ) = p(x0 ) = x, ce qui montre d’abord que les sous-espaces Ker p et Im p
sont en somme directe. Puis, pour x ∈ E donné, on a x = p(x) + x − p(x) et l’on vérifie que
p(x) ∈ Im p et x − p(x) ∈ Ker p. D’où le résultat.
(ii) On vient de voir que la composante de x ∈ E sur Im p dans la décomposition E = (Im p)⊕(Ker p)
est p(x), de sorte que p est bien le projecteur sur Im p parallèlement à Ker p.
(iii) résulte alors de la proposition précédente.

2.5 Symétries
Dans cette section, F et G désignent deux sous-espaces vectoriels supplémentaires d’un K-espace
vectoriel E donné.

Définition 2.19 On appelle symétrie par rapport à F parallèlement à G l’unique endomorphisme

de E dont la restriction à F est F −→ E, x 7−→ x et la restriction à G est G −→ E, x 7−→ −x.

Remarque 2.20 Cette définition est correcte car, puisque F et G sont supplémentaires dans E, l’ap-
plication L(E) −→ L(F, E) × L(G, E), f 7−→ (f |F , f |G ) est bijective.
L’image par cette symétrie d’un vecteur x ∈ E se décomposant sous la forme x = y + z avec
(y, z) ∈ F × G est donc s(x) = y − z.
G G G

x
z z
0 0 0
b
F b
F b
F
y = s(y) y
s(z)
s(x)

Proposition 2.21 Soit s la symétrie par rapport à F parallèlement à G. On a :

(i) Ker(s − idE ) = F ;
(ii) Ker(s + idE ) = G ;
(iii) s ◦ s = idE .
Démonstration. (i) et (ii) sont immédiats après avoir décomposé un élément x ∈ E selon la somme
directe E = F ⊕ G.
(iii) est immédiat sur F et G, d’où le résultat.

Remarque 2.22 Soit p le projecteur sur F parallèlement à G, q le projecteur sur G parallèlement à F

et s la symétrie par rapport à F parallèlement à G.
On a les relations s = p − q = 2p − idE = idE −2q.

Définition 2.23 On appelle involution linéaire de E tout endomorphisme de E tel que s◦s = idE .

Remarque 2.24 La symétrie par rapport à F parallèlement à G est une involution linéaire de E.
Réciproquement, ...

Proposition 2.25 Soit s une involution linéaire de E.

(i) Les sous-espaces Ker(s − idE ) et Ker(s + idE ) sont supplémentaires dans E ;
(ii) s est la symétrie par rapport à Ker(s − idE ) parallèlement à Ker(s + idE ).
16 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

Démonstration. (i) Un élément x ∈ Ker(s − idE ) ∩ Ker(s + idE ) vérifie x = s(x) = −x d’où x = 0, ce
qui montre que les sous-espaces Ker(s − idE ) et Ker(s + idE ) sont en somme directe. Puis on peut
écrire, pour x ∈ E donné,
x + s(x) x − s(x)
x= +
2 2

avec x + s(x) /2 ∈ Ker(s − idE ) et x − s(x) /2 ∈ Ker(s + idE ). D’où le résultat.

(ii) Comme on vient de le voir,un élément x ∈ E donné s’écrit x = y + z avec y = x + s(x) /2 ∈
Ker(s − idE ) et z = x − s(x) /2 ∈ Ker(s + idE ). On a donc y − z = s(x) et s est bien la symétrie
par rapport à Ker(s − idE ) parallèlement à Ker(s + idE ).

Exemple 2.26 L’application T : A 7−→ t A est une involution linéaire de Mn (K). Puisque
Ker(T − idE ) est le sous-espace Sn (K) des matrices symétriques et Ker(T + idE ) celui An (K) des
matrices antisymétriques, on retrouve la décomposition Mn (K) = Sn (K) ⊕ An (K).

3. Familles libres, familles génératrices, bases et dimension

3.1 Familles de vecteurs et combinaisons linéaires

Soit E un K-espace vectoriel.

Définition 3.1 • On appelle famille d’éléments de E indexée par un ensemble I donné toute
application x : I −→ E. Pour i ∈ I, on note xi plutôt que x(i) et on désigne la famille x par (xi )i∈I .
• L’image d’une famille (xi )i∈I d’éléments de E est notée {xi }i∈I ; c’est une partie de E.
• Une famille (xi )i∈I est dite finie lorsque l’ensemble I est fini.

Définition 3.2 Soient (xi )i∈I une famille de E et J une partie de I.

On dit que (xj )j∈J est une sous-famille de (xi )i∈I et que (xi )i∈I est une sur-famille de (xj )j∈J .

Définition 3.3 Soit (λi )i∈I une famille de scalaires indexée par un ensemble I.
On dit que la famille (λi )i∈I est presque nulle si l’ensemble {i ∈ I : λi 6= 0} est fini.

Remarque 3.4 L’ensemble des familles presque nulles de scalaires indexées par un ensemble I est noté
K(I) . C’est un sous-espace vectoriel de KI .

Définition 3.5 Soit (xi )i∈I une famille d’éléments de E.

On appelle combinaison linéaire de cette famille tout P élément x ∈ E pour lequel il existe une
famille presque nulle (λi )i∈I de scalaires telle que x = i λi xi .
P
Remarques 3.6 • Dans la somme i λi xi qui apparaı̂t dans la définition précédente, seuls un nombre
fini de termes non triviaux interviennent puisque la famille (λi )i∈I est presque nulle, ce qui autorise
la sommation.
• Les combinaisons linéaires de la famille (xi )i∈I sont les combinaisons linéaires de la partie A =
{xi }i∈I de E. Elles forment donc un sous-espace vectoriel de E : le sous-espace vectoriel de E
engendré par A.

3.2 Familles libres, familles génératrices et bases

Soient E un K-espace vectoriel et x = (xi )i∈I une famille d’éléments de E.
À cette famille, on peut associer l’application linéaire
P
fx : K(I) −→ E, (λi )i∈I 7−→ λi xi .
i∈I
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 17

Définition 3.7 On dit que la famille x est :

• libre si fx est injective ;
• génératrice si fx est surjective ;
• une base de E si fx est bijective.

Proposition 3.8 La famille x est :

(i) libre si, et seulement si,
P
∀(λi )i∈I ∈ K(I) , λi xi = 0 =⇒ ∀i ∈ I, λi = 0 ;
i∈I

(ii) génératrice si, et seulement si, tout élément de E est combinaison linéaire de x i.e. si, et seulement
si, le sous-espace vectoriel engendré par {xi }i∈I est égal à E ;
P
(iii) une base si, et seulement si, tout élément y ∈ E s’écrit de façon unique sous la forme y = i λi xi
avec (λi )i∈I ∈ K(I) . On dit alors que les λi , i ∈ I, sont les coordonnées du vecteur y dans la base x.
Démonstration. Seul (i) n’est pas complètement évident. Comme fx est linéaire, on y exprime son
injectivité par la nullité de son noyau.

Exemples 3.9 • N’importe quel vecteur non nul d’une droite vectorielle en forme une base.
• Les vecteurs (1, 0, . . . , 0), (0, 1, 0, . . . , 0), . . . , (0, . . . , 0, 1) forment une base de Kn dite canonique.
• Les matrices Ei,j , 1 6 i 6 n, 1 6 j 6 p, dont tous les coefficients sont nuls sauf le (i, j)-ième qui
vaut 1, forment une base de Mn,p (K), dite canonique.
• La famille (1, X, X2 , . . . , Xn ) est une base de Kn [X], appelée base canonique de cet espace.
• La famille (Xn )n∈N est une base de K[X], appelée base canonique de cet espace.

Remarque 3.10 Comme une relation de liaison ne fait intervenir qu’une sous-famille finie de x, on
voit qu’une famille est libre si, et seulement si, chacune de ses sous-familles finies est libre.

Définition 3.11 On dit que la famille x est liée si elle n’est pas libre.

Remarque 3.12 Une famille est liée si, et seulement si, il en existe une sous-famille finie qui est liée.

Définition 3.13 Les vecteurs composant une partie A de E sont dits linéairement indépendants
(resp. linéairement dépendants) si la famille (a)a∈A est libre (resp. liée).

Proposition 3.14 Toute sous-famille d’une famille libre est libre. Toute sur-famille d’une famille
liée est liée. Toute sur-famille d’une famille génératrice est génératrice.
Démonstration. C’est évident !

Théorème 3.15 Soit (xi )i∈I une famille de vecteurs de E.

La famille (xi )i∈I est liée si, et seulement si, il existe i0 ∈ I tel que xi0 soit combinaison linéaire de la
famille (xi )i∈I\{i0 } .
P
Démonstration. • Si xi0 = i6=i0 λi xi pour une famille presque nulle (λi )i∈I\{i0 } de scalaires, alors
P
en posant λi0 = −1 on a la relation de liaison i λi xi = 0 avec (λi )i∈I famille presque nulle de
scalaires non tous nuls, de sorte que la famille (xi )i∈I est liée.
• Réciproquement, si la famille (xi )i∈I est liée, alors il existe une famille presque nulle (λi )i∈I de sca-
P P
laires non tous nuls telle que i λi xi = 0. Pour i0 ∈ I tel que λi0 6= 0, on a xi0 = i6=i0 (−λi /λi0 )xi
ce qui montre que xi0 est combinaison linéaire de la famille (xi )i∈I\{i0 } .

Remarque 3.16 Attention : l’énoncé précédent exprime que l’un des vecteurs d’une famille liée est
combinaison linéaire des autres, mais il n’en va pas de même de tous les vecteurs de la famille en
général.
18 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

Ainsi, étant donnés deux vecteurs x, y de E, les énoncés

(i) la famille (x, y) est liée ;
(ii) il existe λ ∈ K tel que y = λx (autrement dit, y est colinéaire à x)
ne sont pas équivalents ! On a bien sûr (ii) implique (i), mais la réciproque est fausse. Il suffit de
considérer le contre-exemple donné par x = 0 et un vecteur y 6= 0.
Le théorème précédent exprime seulement l’équivalence de (i) avec
(ii′ ) x est colinéaire à y ou y est colinéaire à x.
Il est toutefois un cas dans lequel on est assuré qu’un vecteur donné d’une famille liée est combinaison
linéaire des autres ; c’est l’objet du théorème suivant.

Théorème 3.17 Soient (xi )i∈I une famille liée de vecteurs de E et i0 ∈ I.

Si la famille (xi )i∈I\{i0 } est libre, alors xi0 est combinaison linéaire de la famille (xi )i∈I\{i0 } .
P
Démonstration. Si la famille (xi )i∈I\{i0 } est libre alors, dans une relation de liaison i λi xi = 0,
(λi )i∈I ∈ K(I) \ {0}, on a nécessairement λi0 6= 0, d’où le résultat.

Corollaire 3.18 Toute famille de polynômes non nuls et de degrés deux-à-deux distincts est libre.
Démonstration. D’après une remarque précédente, il suffit de démontrer ce résultat dans le cas d’une
famille finie. On raisonne par récurrence sur le nombre r > 1 de polynômes de la famille. Le résultat
est évidemment vrai pour r = 1 puisque le polynôme est supposé non nul. Si le résultat est acquis
pour les familles de r polynômes et si P1 , . . . , Pr+1 sont r + 1 polynômes vérifiant les hypothèses de
l’énoncé, que l’on peut supposer ordonnés par ordre de degré croissant (deg P1 < · · · < deg Pr+1 ),
alors la famille (P1 , . . . , Pr ) est libre et pour des raisons de degré, le polynôme Pr+1 n’appartient
pas au sous-espace engendré par P1 , . . . , Pr , de sorte que la famille (P1 , . . . , Pr+1 ) est libre d’après le
théorème précédent.

Proposition 3.19 Soient E et F deux K-espaces vectoriels rapportés respectivement à des bases
(εi )i∈I et (ej )j∈J .
Les vecteurs (εi , 0), i ∈ I, avec les vecteurs (0, ej ), j ∈ J, forment une base de E × F.
Démonstration. • La famille est libre : si (λi )i∈I et (µj )j∈J sont des familles presque nulles de scalaires
telles que
P P
λi (εi , 0) + µj (0, ej ) = 0,
i∈I j∈J

alors P P P
P
λi εi , µj e j = λi εi , 0 + 0, µj ej = 0,
i∈I j∈J i∈I j∈J
P P
ce qui implique i λi εi = 0 et j µj ej = 0. Puisque les familles (εi )i∈I et (ej )j∈J sont libres, on en
tire λi = 0 pour tout i ∈ I et µj = 0 pour tout j ∈ J.
• La famille est génératrice : pour (x, y) ∈ E × F, il existe des familles presque nulles (λi )i∈I et
P P
(µj )j∈J de scalaires telles que x = i λi εi et y = j µj ej car les familles (εi )i∈I et (ej )j∈J sont
respectivement génératrices de E et F. Dès lors,
P P P P
(x, y) = λi εi , µj e j = λi (εi , 0) + µj (0, ej ).
i∈I j∈J i∈I j∈J

Définition 3.20 Soient E un espace vectoriel et F un sous-espace affine de E de direction F.

• On appelle repère (affine) de F tout couple R = (Ω, e) formé d’un point Ω de F et d’une base
e de F.
# —
• Les coordonnées d’un point M ∈ F dans un tel repère R sont les coordonnées du vecteur ΩM ∈ F
dans la base e.
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 19

Exemple 3.21 Pour n ∈ N donné, l’ensemble des polynômes unitaires de degré n est un sous-espace
affine de Kn [X] : c’est le sous-espace affine passant par Xn et dirigé par Kn−1 [X]. Il peut être rapporté
au repère (Xn ; Xn−1 , Xn−2 , . . . , X, 1).

3.3 Lien avec les applications linéaires

Proposition 3.22 Soient E et F deux K-espaces vectoriels et f : E −→ F une application linéaire.
Si (xi )i∈I est une famille génératrice de E, alors f (xi ) i∈I est une famille génératrice de Im f .
Démonstration. Pour y ∈ Im f , il existe x ∈ E tel que y =P f (x). Si (xi )i∈I est génératrice deP
E, il existe
une famille presque nulle (λi )i∈I de scalaires telle que x = i λi xi et on a alors y = f (x) = i λi f (xi ),
d’où le résultat.

Proposition 3.23 Soient E et F deux K-espaces vectoriels, f : E −→ F une application linéaire et

(xi )i∈I une famille d’éléments de E.

(i) Si (xi )i∈I est une famille liée de E, alors f (xi ) i∈I est une famille liée de F.

(ii) Si f est injective et si (xi )i∈I est une famille libre de E, alors f (xi ) i∈I est une famille libre de F.
Démonstration. (i) Une relation de liaison pour (xi )i∈I donne, par application de f , une relation de
liaison pour f (xi ) i∈I avec les mêmes scalaires.
P P
(ii) Soit (λi )i∈I une famille presque nulle de scalaires
P telle que i λ i f (x i ) = 0. On a f i λ i x i =0
d’où, si f est injective, la relation de liaison i λi xi = 0. Si la famille (xi )i∈I est libre, on a donc
λi = 0 pour tout i ∈ I, d’où le résultat.

Théorème 3.24 Soient E et F deux K-espaces vectoriels. Soient e = (ei )i∈I une base de E et (xi )i∈I
une famille de vecteurs de F indexée par le même ensemble I.
(i) Il existe une application linéaire, et une seule, f : E −→ F telle que f (ei ) = xi pour tout i ∈ I.
(ii) f est injective si, et seulement si, la famille (xi )i∈I est libre.
(iii) f est surjective si, et seulement si, la famille (xi )i∈I est génératrice.
(iv) f est un isomorphisme si, et seulement si, la famille (xi )i∈I est une base de F.
Démonstration. (i) • Unicité.
P Soient x ∈ E et (λi )i∈I la famille (presque nulle) de ses coordonnées
sur la base e : x = i λi ei . On a nécessairement
P P P
f (x) = f λi e i = λi f (ei ) = λi xi ,
i i i

d’où l’unicité de f .
• Réciproquement, la formule précédente peut servir de définition pour f (x) puisque la décompo-
sition de x sur la base e est unique. On vérifie que l’application f ainsi définie est bien linéaire.
(ii) On a vu à la proposition précédente que si f est injective, alors (xi )i∈I est une famille libre de F.
Réciproquement,
P Psi x ∈ E est tel que f (x) = 0 alors, décomposant
si la famille (xi )i∈I est libre et
x = i λi ei sur la base e, il vient 0 = f (x) = i λi xi d’où λi = 0 pour tout i ∈ I, ce qui entraı̂ne
x = 0 et assure l’injectivité de f .
(iii) On a déjà vu que la condition
P est nécessaire. Réciproquement, si (xi )i∈I est génératrice alors tout
élément y ∈ F s’écrit y = i λi xi pour une Pfamille (λi )i∈I presque nulle de scalaires et apparaı̂t
donc comme l’image par f du vecteur x = i λi ei ∈ E.
(iv) est conséquence de (ii) et (iii).

Remarque 3.25 Le théorème précédent est fondamental ; il est à rapprocher du théorème 2.11. On
retiendra en particulier que deux applications linéaires sur E sont égales si, et seulement si, elles
prennent les mêmes valeurs sur les vecteurs d’une base de E.
20 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

Corollaire 3.26 Soient E un K-espace vectoriel et F, G deux sous-espaces vectoriels supplémen-

taires de E, rapportés respectivement à des bases ε = (εi )i∈I et e = (ej )j∈J .
La famille formée des vecteurs εi , i ∈ I, et des vecteurs ej , j ∈ J, est une base de E ; on dit qu’elle
est obtenue par concaténation des bases ε et e.
Démonstration. Les sous-espaces F et G étant supplémentaires dans E, l’application
ϕ : F × G −→ E, (y, z) 7−→ y + z réalise un isomorphisme de F × G sur E.
D’après la proposition 3.19, les vecteurs (εi , 0), i ∈ I, avec les vecteurs (0, ej ), j ∈ J, forment une
base du produit cartésien F × G. Leurs images εi , i ∈ I, et ej , j ∈ J, par l’isomorphisme ϕ forment
donc une base de E d’après le théorème précédent.

Remarque 3.27 Étant donnés deux sous-espaces vectoriels F et G supplémentaires d’un K-espace
vectoriel E, on appelle base adaptée à la somme directe E = F ⊕ G toute base de E obtenue par
concaténation d’une base de F et d’une base de G.

3.4 Dimension d’un espace vectoriel de dimension finie

La théorie de la dimension, développée en première année, est basée sur un certain nombre de résul-
tats ; certains sont rappelés ici mais tous sont admis.

Définition 3.28 On dit qu’un K-espace vectoriel est de dimension finie s’il admet une famille
génératrice finie ; dans le cas contraire, on dit qu’il est de dimension infinie.

Théorème 3.29 (de la base incomplète) Soient E un K-espace vectoriel de dimension finie et
(ei )i∈I une famille génératrice de E.
Si L est une partie de I telle que la sous-famille (ei )i∈L soit libre, alors il existe une partie J de I
contenant L telle que la famille (ei )i∈J soit une base de E.

Corollaire 3.30 Tout espace vectoriel de dimension finie admet une base.
Démonstration. Il suffit de considérer la famille génératrice (x)x∈E , sa sous-famille libre indexée par
l’ensemble vide et d’appliquer le théorème de la base incomplète.

Théorème 3.31 Soit E un K-espace vectoriel de dimension finie.

Toutes les bases de E sont finies et ont même cardinal.

Définition 3.32 Soit E un K-espace vectoriel de dimension finie.

On appelle dimension de E, et on note dim E, la valeur commune des cardinaux des bases de E.

Exemples 3.33 Au vu des exemples 3.9,

• Les droites vectorielles sont les espaces vectoriels de dimension 1.
• L’espace vectoriel Kn est de dimension n.
• L’espace vectoriel Kn [X] est de dimension n + 1.
• L’espace vectoriel Mn,p (K) est de dimension np.

Proposition 3.34 Soit E un K-espace vectoriel de dimension finie n.

(i) Toute famille libre de E est finie et a un cardinal inférieur ou égal à n avec égalité si, et seulement
si, c’est une base de E.
(ii) Toute famille génératrice finie de E a un cardinal supérieur ou égal à n avec égalité si, et seulement
si, c’est une base de E.
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 21

Proposition 3.35 (i) Soient E1 et E2 des K-espaces vectoriels de dimension finie.

L’espace produit E = E1 × E2 est de dimension finie, avec
dim E1 × E2 = dim E1 + dim E2 .
(ii) Soient E et F deux K-espaces vectoriels de dimension finie.
L’espace L(E, F) est de dimension finie, avec
dim L(E, F) = (dim E)(dim F).

Démonstration. (i) résulte de 3.19.

(ii) Si ε = (εj )m n
j=1 et e = (ei )i=1 sont respectivement des bases de E et F, alors (fi,j )16i6n,16j6m est
une base de L(E, F) où, pour tous i ∈ J1, nK et j ∈ J1, mK, fi,j est l’unique application linéaire de
E dans F telle que fi,j (εk ) = δj,k ei pour tout k ∈ J1, mK.

Théorème 3.36 Deux K-espaces vectoriels de dimension finie sont isomorphes si, et seulement si,
ils ont même dimension.
Démonstration. Soient E et F deux K-espaces vectoriels de dimension finie.
• Un isomorphisme de E sur F envoie une base de E sur une base de F ; les deux espaces E et F ont
donc même dimension s’ils sont isomorphes.
• Réciproquement, si E et F sont de même dimension n et si ε = (εi )n n
i=1 et e = (ei )i=1 en sont
respectivement des bases, alors l’unique application linéaire f de E dans F telle que f (εi ) = ei
pour tout i ∈ J1, nK est un isomorphisme de E sur F.

Remarques 3.37 • Ainsi la dimension permet de classifier les K-espaces vectoriels de dimension finie.
• Si E est un K-espace vectoriel de dimension finie n, chaque choix d’une base e = (ei )n i=1 de E
P
fournit un isomorphisme de Kn sur E : (xi )ni=1 7−→ i xi ei .
Le choix d’une base de E permet donc d’identifier E à Kn (cette identification n’étant pas canonique
puisqu’elle dépend du choix d’une base de E).

Proposition 3.38 Soient E un K-espace vectoriel de dimension finie et F un sous-espace vectoriel

de E.
(i) L’espace vectoriel F est de dimension finie ;
(ii) On a dim F 6 dim E avec égalité si, et seulement si, F = E.

Définition 3.39 Soit E un K-espace vectoriel de dimension finie.

On appelle dimension d’un sous-espace affine de E la dimension de sa direction.

Proposition 3.40 Soit E un K-espace vectoriel.

Si F et G sont des sous-espaces vectoriels de dimension finie de E, supplémentaires dans E, alors E
est de dimension finie avec :
dim E = dim F + dim G.
Démonstration. Si F et G sont des sous-espaces supplémentaires de dimension finie de E, alors leur
produit cartésien F × G est de dimension finie égale à dim F + dim G et comme il est isomorphe à
E = F ⊕ G, le tour est joué.

Théorème 3.41 Soient E un K-espace vectoriel de dimension finie et F un sous-espace de E.

Le sous-espace F admet un supplémentaire dans E et tout supplémentaire de F dans E est de dimen-
sion dim E − dim F.
Démonstration. Le sous-espace F, de dimension finie, admet une base (ei )pi=1 , que l’on peut compléter
en une base (ei )ni=1 de E d’après le théorème de la base incomplète. Le sous-espace de E engendré par
les vecteurs ei , i > p + 1, est alors un sous-espace supplémentaire de F dans E de dimension n − p
avec p = dim F, d’où le résultat.
22 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

4. Représentations matricielles

Pour les démonstrations de ce paragraphe, on renvoie au cours de première année.

4.1 Représentations matricielles

Définition 4.1 Soit E un K-espace vectoriel de dimension finie rapporté à une base e = (ei )ni=1 .
• On appelle matrice
représentative d’un vecteur x ∈ E dans la base e la matrice colonne
t
x1 · · · xn ∈ Mn,1 (K) dont les composantes sont les coordonnées de x dans la base e :
P
n
x= xi e i .
i=1

• On appelle matrice représentative d’un p-uplet (x1 , . . . , xp ) de vecteurs de E dans la base e la

matrice de Mn,p (K) dont la j-ième colonne est la matrice représentative du vecteur xj dans la base
e pour tout j ∈ J1, pK.

Définition 4.2 Soient E et F deux K-espaces vectoriels de dimension finie rapportés respectivement
à des bases u = (uj )pj=1 et v = (vi )ni=1 .
• On appelle matrice représentative d’une application linéaire f : E −→ F dans les bases u et v, et
on note Mat(f ; u, v), la matrice de Mn,p (K) représentative du p-uplet f (u1 ), . . . , f (up ) dans la
base v.
• On appelle matrice représentative d’un endomorphisme f de E dans la base u, et on note Mat(f ; u),
la matrice de Mn (K) représentative de l’application linéaire f dans les bases u et u.

Exemple 4.3 L’application linéaire C3 −→ C2 , (x, y, z) 7−→ (x − iy − 2z, 2ix + z) est représentée dans
les bases canoniques par la matrice

1 −i −2
∈ M2,3 (C).
2i 0 1

Proposition 4.4 Soient E et F deux K-espaces vectoriels de dimension finie rapportés respective-
ment à des bases u et v. Soit f : E −→ F une application linéaire.
La matrice A représentant f dans les bases u et v est caractérisée par la propriété suivante : pour
tous vecteurs x ∈ E et y ∈ F et leurs matrices représentatives X et Y dans les bases u et v, on a
y = f (x) ⇐⇒ Y = AX.

Proposition 4.5 Soient E, F et G trois K-espaces vectoriels de dimensions finies respectives p, n

et m rapportés respectivement à des bases u, v et w.
(i) Pour toutes applications linéaires f, g : E −→ F et tout λ ∈ K,
Mat(λf + g; u, v) = λ Mat(f ; u, v) + Mat(g; u, v).
(ii) L’application L(E, F) −→ Mn,p (K), f 7−→ Mat(f ; u, v) est un isomorphisme.
(iii) Pour deux applications linéaires f : E −→ F et g : F −→ G,
Mat(g ◦ f ; u, w) = Mat(g; v, w) × Mat(f ; u, v).

Exemple 4.6 L’endomorphisme de R3 [X] représenté dans la base canonique par la matrice
 
0 0 1 −1
−1 1 1 −1
 
 0 2 1 −2 ∈ M4 (R)
−1 2 1 −2
est la symétrie par rapport à Vect(X + X2 + X3 , 1 + X2 ) parallèlement à Vect(1 + X + X3 , X2 + X3 ).
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 23

4.2 Interprétation géométrique canonique des matrices

Dans la section précédente, on a associé une matrice à toute application linéaire E −→ F après avoir
fait le choix de bases de E et F.
Inversement, étant donnée une matrice A ∈ Mn,p (K), le choix de deux K-espaces vectoriels E et F de
dimensions respectives p et n et de bases u et v respectivement de E et F, permet d’associer à A une
application linéaire E −→ F représentée par A dans les bases u et v. Parmi toutes ces applications
linéaires représentées par A, il en est une que l’on qualifie de canonique.

Définition 4.7 Soit A ∈ Mn,p (K).

b l’application
On appelle application linéaire canoniquement associée à A, et on note parfois A,
linéaire de Mp,1 (K) dans Mn,1 (K) définie par X 7−→ AX.

Proposition 4.8 Soit A ∈ Mn,p (K).

L’application linéaire canoniquement associée à A est représentée, dans les bases canoniques de
Mp,1 (K) et Mn,1 (K), par la matrice A.
Démonstration. C’est une simple application de la proposition 4.4, compte-tenu de ce qu’un élément
de Mn,1 (K) est sa propre matrice représentative dans la base canonique de Mn,1 (K)...

Remarques 4.9 • Cette association justifie qu’on parle parfois abusivement du noyau ou de l’image
d’une matrice A ∈ Mn,p (K) ou qu’on évoque son injectivité, sa surjectivité, etc. Il s’agit en fait
des notions correspondantes pour l’application linéaire canoniquement associée à A.
• Les espaces Md,1 (K) et Kd étant canoniquement isomorphes, on considère parfois l’application
linéaire canoniquement associée à une matrice A ∈ Mn,p (K) comme application linéaire de Kp
dans Kn .

4.3 Changement de bases

Définition 4.10 Soient E un K-espace vectoriel de dimension finie n et e = (ei )ni=1 , e′ = (e′i )ni=1
deux bases de E.
On appelle matrice de passage de e à e′ la matrice de Mn (K) représentative du n-uplet (e′1 , . . . , e′n )
dans la base e.

Proposition 4.11 Soient E un K-espace vectoriel de dimension finie, e, e′ et e′′ trois bases de E, P
la matrice de passage de e à e′ et P′ la matrice de passage de e′ à e′′ .
(i) La matrice P est inversible ; son inverse est la matrice de passage de e′ à e.
(ii) Le produit PP′ est la matrice de passage de e à e′′ .

Proposition 4.12 Soient E un K-espace vectoriel de dimension finie n et e et e′ deux bases de E.

Soit P la matrice de passage de e à e′ .
Soient x ∈ E et X, X′ ∈ Mn,1 (K) les colonnes des coordonnées du vecteur x dans les bases e et e′ .
On a :
X = PX′ .

Proposition 4.13 Soient E, F deux K-espaces vectoriels de dimension finie, u, u′ deux bases de
E et v, v ′ deux bases de F. Soient f : E −→ F une application linéaire et A (resp. A′ ) la matrice
représentant f dans les bases u et v (resp. dans les bases u′ et v ′ ).
Si P et Q désignent respectivement les matrices de passage de u à u′ et de v à v ′ , alors

A′ = Q−1 AP.
24 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

Proposition 4.14 Soient E un K-espace vectoriel de dimension finie et u, u′ deux bases de E.

Soient f un endomorphisme de E et A (resp. A′ ) la matrice représentant f dans la base u (resp. u′ ).
Si P est la matrice de passage de la base u à la base u′ , alors

A′ = P−1 AP.

4.4 Matrices semblables

Définition 4.15 Deux matrices carrées A, B ∈ Mn (K) sont dites semblables s’il existe P ∈
Gln (K) telle que B = P−1 AP.

Remarque 4.16 D’après les formules de changement de base, deux matrices représentant un même
endomorphisme dans des bases différentes sont semblables.
Réciproquement, si deux matrices carrées A et B de Mn (K) sont semblables et si E est un K-espace
vectoriel de dimension n rapporté à une base e, alors il existe une base e′ de E et un endomorphisme
de E qui est représenté par la matrice A dans la base e et par la matrice B dans la base e′ .

4.5 Trace d’un endomorphisme

Définition 4.17 Soit A = (ai,j )16i,j6n ∈ Mn (K) une matrice carrée.
On appelle trace de A, et on note tr A, le scalaire
P
n
tr A = ai,i .
i=1

Proposition 4.18 L’application trace tr : Mn (K) −→ K est linéaire et vérifie :

∀(A, B) ∈ Mn (K)2 , tr(AB) = tr(BA).

Une matrice carrée et sa transposée ont même trace.

Démonstration. La linéarité est évidente. D’autre part, pour A = (ai,j ), B = (bi,j ) ∈ Mn (K),
n P
P n Pn P
n
tr(AB) = ai,j bj,i = bj,i ai,j = tr(BA).
i=1 j=1 j=1 i=1

Corollaire 4.19 Deux matrices semblables ont même trace.

Démonstration. Si A, B ∈ Mn (K) sont semblables, il existe P ∈ Gln (K) tel que B = P−1 AP et alors

tr B = tr(P−1 AP) = tr (AP)P−1 = tr A.

Définition 4.20 Soient E un K-espace vectoriel de dimension finie et f un endomorphisme de E.

On appelle trace de f , et on note tr f , la trace de sa matrice dans une base quelconque de E.

Remarque 4.21 La définition précédente est licite d’après le corollaire précédent, selon lequel deux
matrices représentant f dans des bases différentes, semblables d’après les formules de changement
de base, ont même trace ; ainsi la définition de tr f est indépendante du choix de la base intervenant
dans la définition.
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 25

Exemples 4.22 • Dans un espace euclidien orienté de dimension 2, la rotation d’angle θ ∈ R a pour
trace 2 cos θ.
• Dans un espace euclidien orienté de dimension 3, une rotation d’angle θ ∈ R a pour trace 1+2 cos θ.

Corollaire 4.23 Soit E un K-espace vectoriel de dimension finie.

L’application tr : L(E) −→ K est linéaire et vérifie :
∀(f, g) ∈ L(E)2 , tr(g ◦ f ) = tr(f ◦ g).

5. Rang

5.1 Rang d’une famille de vecteurs

Définition 5.1 Soient E un K-espace vectoriel de dimension finie et (xi )i∈I une famille d’éléments
de E.
On appelle rang de (xi )i∈I , et on note rg(xi )i∈I , la dimension du sous-espace vectoriel engendré par
l’ensemble {xi }i∈I .

Proposition 5.2 Soient E un K-espace vectoriel de dimension finie et (xi )i∈I une famille d’éléments
de E.
Le rang de la famille (xi )i∈I est le plus grand entier parmi les cardinaux des sous-familles libres de
(xi )i∈I .
Démonstration. On peut d’abord noter que le plus grand entier r parmi les cardinaux des sous-
familles libres de (xi )i∈I est bien défini : c’est le plus grand élément d’une partie non vide (puisque
contenant 0) et majorée (puisque E est de dimension finie) de N.
• Puis on a bien sûr rg(xi )i∈I > r : il existe une sous-famille libre (xj )j∈J0 de (xi )i∈I avec J0 de
cardinal r, et on a alors
r = dim Vect{xj }j∈J0 6 dim Vect{xi }i∈I = rg(xi )i∈I .

• Réciproquement, la famille (xi )i∈I engendre le sous-espace vectoriel F = Vect{xi }i∈I de dimension
finie ; on peut donc en extraire une base d’après le théorème de la base incomplète : il existe une
partie J1 de I telle que la sous-famille (xj )j∈J1 soit une base de F. On a alors r > #J1 = dim F =
rg(xi )i∈I , ce qui achève la démonstration.

Corollaire 5.3 Soit E un K-espace vectoriel de dimension finie.

Un n-uplet (x1 , . . . , xn ) de vecteurs de E est libre si, et seulement si, son rang est égal à n.

Corollaire 5.4 Soient E, F deux K-espaces vectoriels, f : E −→ F une application linéaire et

(xi )i∈I une famille
d’éléments de E.
On a rg f (xi ) i∈I 6 rg(xi )i∈I .
Démonstration. Une application linéaire transforme famille liée en famille liée, d’où le résultat vu la
proposition précédente.

5.2 Rang d’une application linéaire

Définition 5.5 Soient E, F deux K-espaces vectoriels et f : E −→ F une application linéaire.
On dit que f est de rang fini si le sous-espace Im f est de dimension finie. On appelle alors rang de
f , et on note rg f , la dimension du sous-espace Im f .

Remarque 5.6 Avec les mêmes notations,si (ei )i∈I est une base de E, alors f (ei ) i∈I est une famille
génératrice de Im f , d’où rg f = rg f (ei ) i∈I .
26 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

Proposition 5.7 Le rang d’un projecteur d’un K-espace vectoriel de dimension finie est égal à sa
trace.
Démonstration. Soit p la projection sur F parallèlement à G. Puisque Im p = F, on a rg p = dim F.
Dans une base adaptée à la décomposition E = F ⊕ G, la matrice de p s’écrit par blocs

Ir 0
M=
0 0

avec r = dim F, d’où tr p = tr M = r = dim F = rg p.

Proposition 5.8 Soient E, F deux K-espaces vectoriels de dimensions finies respectives p et n et

f : E −→ F une application linéaire de rang r.
Il existe des bases u de E et v de F dans lesquelles l’application linéaire f est représentée par la
matrice Jr = (αi,j ) ∈ Mn,p (K) de coefficient générique

1 si i = j 6 r
αi,j = , 1 6 i 6 n, 1 6 j 6 p,
0 dans tous les autres cas

que l’on peut dessiner par blocs sous la forme :

Ir 0r,p−r
Jr = ∈ Mn,p (K). (5.1)
0n−r,r 0n−r,p−r

Démonstration. Soient s = p−dim(Ker f ) et (us+1 , . . . , up ) une base de Ker f , que l’on peut compléter
en une base u = (u1 , . . . , us , us+1 , . . . , up ) de E.
Les vecteurs v1 = f (uP 1 ), . . . , vs = f (us ) sontP linéairement indépendants dans F : en effet, pour
λ1 , . . . , λs ∈ K tels que j λj f (uj ) = 0, on a j λj uj ∈ (Ker f ) ∩ Vect(u1 , . . . , us ) = {0} ; puisque la
famille u est libre, il s’ensuit λ1 = . . . = λs = 0.
Dès lors, la famille libre (v1 , . . . , vs ) peut être complétée en une base v = (v1 , . . . , vs , vs+1 , . . . , vn ) de
F. Par construction, l’application linéaire f est représentée dans les bases u et v par la matrice Js .
Il ne reste plus à remarquer que r = s. Or les vecteurs f (u1 ) = v1 , . . . , f (us ) = vs , f (us+1 ) =
0, . . . , f (up ) = 0 engendrent un sous-espace de F de dimension s puisque la famille (v1 , . . . , vs ) est
libre, de sorte que rg f = s, d’où le résultat.

Théorème 5.9 (du rang) Soient E et F deux K-espaces vectoriels et f : E −→ F une application
linéaire.
(i) Si E est de dimension finie, alors f est de rang fini

rg f = dim E − dim Ker f 6 dim E.

On a rg f = dim E si, et seulement si, f est injectif.

(ii) Si F est de dimension finie, alors f est de rang fini rg f 6 dim F. On a rg f = dim F si, et
seulement si, f est surjectif.
Démonstration. Ce théorème a été démontré en même temps que la proposition précédente. Il appa-
raı̂tra également, dans le chapitre suivant, comme une conséquence immédiate du théorème noyau-
image.

Proposition 5.10 Soient E, F, G des K-espaces vectoriels de dimension finie et f : E −→ F,

g : F −→ G deux applications linéaires.
Si f est bijectif, alors rg(g ◦ f ) = rg g. Si g est bijectif, alors rg(g ◦ f ) = rg f .

Démonstration. Il suffit de revenir à la définition Im(g ◦ f ) = g f (E) .
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 27

Théorème 5.11 Soient E, F deux K-espaces vectoriels de dimension finie tels que dim E = dim F.
Pour une application linéaire f : E −→ F, on a équivalence entre :
(i) f est injectif ;
(ii) f est surjectif ;
(iii) f est bijectif ;
(iv) il existe g ∈ L(F, E) tel que g ◦ f = idE ;
(v) il existe h ∈ L(F, E) tel que f ◦ h = idF .
Démonstration. L’équivalence entre (i), (ii) et (iii) est une compilation des résultats précédents. De
plus, (iii) implique (iv) et (v), (iv) implique (i) et (v) implique (ii), ce qui boucle la boucle.

Théorème 5.12 (Formule de Grassman) Soient E un K-espace vectoriel et F, G deux sous-

espaces vectoriels de dimension finie de E.
Le sous-espace F + G est un sous-espace vectoriel de dimension finie de E, et

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

Démonstration. Soit l’application linéaire ϕ : F × G −→ E, (x, y) 7−→ x + y. Le noyau de ϕ est

isomorphe à F ∩ G et son image est F + G. Comme F et G sont de dimension finie, il en va de même
de F × G et le théorème du rang s’applique, fournissant la relation attendue.

Corollaire 5.13 Soient E un K-espace vectoriel de dimension finie et F, G deux sous-espaces

vectoriels de E.
Les assertions suivantes sont équivalentes :
(i) Les sous-espaces F et G sont supplémentaires dans E ;
(ii) la somme F + G est directe et dim E = dim F + dim G ;
(iii) E = F + G et dim E = dim F + dim G.
Démonstration. On sait déjà que (i) implique (ii) et (iii). Les implications réciproques découlent
immédiatement de la formule de Grassman.

5.3 Rang d’une matrice

Dans cette section, n et p désignent deux entiers naturels non nuls.

Définition 5.14 Soit A ∈ Mn,p (K).

On appelle rang de A, et on note rg A, le rang de la famille des vecteurs colonnes de A dans Mn,1 (K).

Méthode 5.15 Le pivot de Gauss fournit une méthode effective de calcul du rang d’une matrice par
opérations élémentaires sur les lignes et les colonnes. Voir le cours de première année pour les détails.

Proposition 5.16 Une application linéaire entre deux K-espaces vectoriels de dimension finie a
même rang que chacune des matrices qui la représentent.
En particulier, une matrice A ∈ Mn,p (K) a même rang que l’application linéaire qui lui est canoni-
quement associée.

Les résultats de la section précédente prennent alors la forme suivante en termes matriciels.

Proposition 5.17 Soient A ∈ Mn,p (K).

(i) rg A 6 min(n, p) ;
(ii) Pour P ∈ Glp (K), rg(AP) = rg A ;
(iii) Pour Q ∈ Gln (K), rg(QA) = rg A.
28 – Algèbre linéaire & géométrie affine élémentaires Année 2010/2011

Théorème 5.18 Pour une matrice carrée A ∈ Mn (K), on a équivalence entre :

(i) ∀X ∈ Mn,1 (K), AX = 0 =⇒ X = 0 ;
(ii) ∀Y ∈ Mn,1 (K), ∃X ∈ Mn,1 (K), Y = AX ;
(iii) ∀Y ∈ Mn,1 (K), ∃!X ∈ Mn,1 (K), Y = AX ;
(iv) rg A = n ;
(v) A est inversible : il existe B ∈ Mn (K) tel que AB = BA = In ;
(vi) A est inversible à gauche : il existe B ∈ Mn (K) tel que BA = In ;
(vii) A est inversible à droite : il existe B ∈ Mn (K) tel que AB = In .

Proposition 5.19 Soient A ∈ Mn,p (R) et r ∈ J0, min(n, p)K.

La matrice A est de rang r si, et seulement si, il existe des matrices U ∈ Glp (K) et V ∈ Gln (K)
telles que A = VJr U où Jr est la matrice définie par (5.1).
Démonstration. • D’après la proposition 5.17, pour deux matrices U ∈ Glp (K) et V ∈ Gln (K), la
matrice VJr U a même rang que Jr , c’est-à-dire r.
• Réciproquement, si A est de rang r, il existe d’après la proposition 5.8 des bases u de Mp,1 (K)
et v de Mn,1 (K) dans lesquelles l’application linéaire canoniquement associée à la matrice A est
représentée par la matrice Jr . Si U ∈ Glp (K) représente la matrice de passage de la base canonique
de Mp,1 (K) à la base u et V ∈ Gln (K) la matrice de passage de la base canonique de Mn,1 (K) à
la base v, on a donc Jr = V−1 AU, soit A = VJr U−1 .

Corollaire 5.20 Une matrice et sa transposée ont même rang.

(n,p)
Démonstration. Pour plus de précision, on note ici Jr la matrice de Mn,p (K) donnée par blocs
sous la forme (5.1).
Si r désigne le rang de A, il existe d’après la proposition précédente deux matrices U ∈ Glp (K) et
(n,p) (n,p)
V ∈ Gln (K) telles que A = VJr U. On a alors t A = t Ut Jr t V, où t U, t V sont inversibles et
t (n,p) (p,n)
Jr = Jr ; cela suffit à assurer, d’après la proposition 5.19, que la matrice t A est de rang r.

6. Stabilité et notation par blocs

Dans ce paragraphe, on se donne un K-espace vectoriel E, un endomorphisme f de E et un sous-espace

vectoriel F de E.

6.1 Sous-espaces stables par un endomorphisme

On peut toujours considérer la restriction de f à F, définie par :

f |F : F −→ E, x 7−→ f (x),

qui est une application linéaire de F dans E.

Proposition-Définition 6.1 On dit que le sous-espace vectoriel F est stable par f si f (F) ⊂ F,
i.e. si, pour tout x ∈ F, f (x) ∈ F.
Dans ces conditions, on appelle endomorphisme induit par f sur F l’application définie par :

fF : F −→ F, x 7−→ f (x).

C’est un endomorphisme de F.

Remarques 6.2 • On ne peut définir l’endomorphisme fF que si F est stable par f . Dans ce cas, il
s’agit de la restriction f |F de f dont on a modifié l’espace d’arrivée pour en faire un endomorphisme.
• Une étude plus systématique de la notion de sous-espace stable avec de nombreux exemples sera
menée dans le chapitre Réduction des endomorphismes et des matrices carrées.
PC – Lycée Chrestien de Troyes Algèbre linéaire & géométrie affine élémentaires – 29

Exemple 6.3 Dans le cas d’un projecteur p,

• le sous-espace F = Im p est stable et l’endomorphisme induit pF est l’identité idF ;
• le sous-espace G = Ker p est stable et l’endomorphisme induit pG est l’endomorphisme nul.

6.2 Représentation matricielle de la stabilité

Proposition 6.4 On suppose l’espace vectoriel E de dimension finie n et on note p la dimension
de F. Soit e = (ei )ni=1 une base de E obtenue par complétion d’une base e′ = (ei )pi=1 de F.
Le sous-espace F est stable par f si, et seulement si, f est représenté dans la base e par une matrice
de la forme :
A C
∈ Mn (K)
0 B
avec A ∈ Mp (K), B ∈ Mn−p (K) et C ∈ Mp,n−p (K).
Dans ce cas, A est la matrice représentant l’endomorphisme fF induit par f sur F dans la base e′ .
Démonstration. Puisque (ej )pj=1 est une base de F, l’endomorphisme f stabilise F si, et seulement
si, f (ej ) ∈ F pour tout j ∈ J1, pK. Ceci signifie que les n − p derniers coefficients des p premières
colonnes de la matrice représentant f dans la base e sont nuls, d’où le résultat. L’interprétation de
A est alors immédiate.

6.3 Matrices par blocs

La représentation des matrices par blocs consiste, comme on l’a déjà fait deux fois dans ce chapitre,
à écrire les coefficients d’une matrice en les regroupant par blocs rectangulaires : étant données des
matrices Ai,j , 1 6 i 6 s, 1 6 j 6 t, de tailles respectives ni × pj , le tableau :
 
A1,1 · · · A1,t
 .. .. 
 . .  (6.1)
As,1 · · · As,t

représente la matrice à n1 + · · · + ns lignes et p1 + · · · + pt colonnes obtenue en remplaçant dans (6.1)

chaque matrice Ai,j , 1 6 i 6 s, 1 6 j 6 t, par le tableau de ses coefficients.
Noter qu’une matrice peut admettre une représentation carrée par blocs sans être elle-même carrée.
On admet que pour des matrices A, A′ , B, B′ , C, C′ , D, D′ , on a la formule :
′ ′
A B A B′ AA + BC′ AB′ + BD′
× =
C D C′ D′ CA′ + DC′ CB′ + DD′

dès que les nombres de colonnes de A et de B sont respectivement égaux aux nombres de lignes de
A′ et C′ (bref, dès que la formule a un sens). On aurait un énoncé similaire avec davantage de blocs.

Remarque 6.5 Il convient de faire attention à l’ordre des produits intérieurs puisque le produit ma-
triciel n’est pas commutatif !

Vous aimerez peut-être aussi

Chap1+chap2 24 25
Pas encore d'évaluation
Chap1+chap2 24 25
44 pages
Cours (IA)
Pas encore d'évaluation
Cours (IA)
78 pages
Famille génératrice en algèbre linéaire
Pas encore d'évaluation
Famille génératrice en algèbre linéaire
30 pages
Cours (MIP)
Pas encore d'évaluation
Cours (MIP)
115 pages
Espaces vectoriels et applications linéaires
Pas encore d'évaluation
Espaces vectoriels et applications linéaires
22 pages
Cours PCSI: Espaces Vectoriels
Pas encore d'évaluation
Cours PCSI: Espaces Vectoriels
7 pages
Espaces Vectoriels en Algèbre Linéaire
Pas encore d'évaluation
Espaces Vectoriels en Algèbre Linéaire
22 pages
Espace Vectoriel Application Lineaire
100% (1)
Espace Vectoriel Application Lineaire
19 pages
SLIA2203 CR 65d601808315f-1
Pas encore d'évaluation
SLIA2203 CR 65d601808315f-1
21 pages
Cours EV
Pas encore d'évaluation
Cours EV
11 pages
Espaces Vectoriels
Pas encore d'évaluation
Espaces Vectoriels
15 pages
Cours Ev1
Pas encore d'évaluation
Cours Ev1
5 pages
Introduction aux espaces vectoriels
Pas encore d'évaluation
Introduction aux espaces vectoriels
28 pages
Espaces Vectoriels
Pas encore d'évaluation
Espaces Vectoriels
16 pages
Algèbre Linéaire - D. Israël
Pas encore d'évaluation
Algèbre Linéaire - D. Israël
126 pages
Cours Alg
Pas encore d'évaluation
Cours Alg
40 pages
Algèbre 2. UT 2022
Pas encore d'évaluation
Algèbre 2. UT 2022
25 pages
Alge 3 Chapitre 1
Pas encore d'évaluation
Alge 3 Chapitre 1
15 pages
Chap 4 Espaces Vectoriels
Pas encore d'évaluation
Chap 4 Espaces Vectoriels
20 pages
Notes Math2alg
Pas encore d'évaluation
Notes Math2alg
58 pages
Chapitre 2 Espaces Vectoriels
Pas encore d'évaluation
Chapitre 2 Espaces Vectoriels
9 pages
Ist Maths Generales l2
100% (1)
Ist Maths Generales l2
57 pages
Algèbre Linéaire pour Étudiants
Pas encore d'évaluation
Algèbre Linéaire pour Étudiants
36 pages
Algèbre Linéaire pour Math Sup
Pas encore d'évaluation
Algèbre Linéaire pour Math Sup
5 pages
Chapitre4 Cours
Pas encore d'évaluation
Chapitre4 Cours
8 pages
Polynômes et Algèbre Linéaire L2
Pas encore d'évaluation
Polynômes et Algèbre Linéaire L2
93 pages
13 Alglin Theorie Générale
Pas encore d'évaluation
13 Alglin Theorie Générale
15 pages
Poly Algebre Lineaire 1A
Pas encore d'évaluation
Poly Algebre Lineaire 1A
64 pages
Espace Vectoriel
100% (1)
Espace Vectoriel
10 pages
Espaces Vectoriels Cours
Pas encore d'évaluation
Espaces Vectoriels Cours
14 pages
Algébre
Pas encore d'évaluation
Algébre
34 pages
Algèbe2 Chapi 1
Pas encore d'évaluation
Algèbe2 Chapi 1
14 pages
Cours Algèbre 2 MIP (1) - 250501 - 102212
Pas encore d'évaluation
Cours Algèbre 2 MIP (1) - 250501 - 102212
47 pages
aLG2 Livre-1
Pas encore d'évaluation
aLG2 Livre-1
71 pages
Espace Vecto
Pas encore d'évaluation
Espace Vecto
34 pages
Resumé Cours Algèbre Linéaire
Pas encore d'évaluation
Resumé Cours Algèbre Linéaire
4 pages
Algèbre Linéaire
Pas encore d'évaluation
Algèbre Linéaire
70 pages
Cours - AlgèbreLinéaire - Et BilinéaireL2.Maths. Act - Iua.25
Pas encore d'évaluation
Cours - AlgèbreLinéaire - Et BilinéaireL2.Maths. Act - Iua.25
93 pages
Cours S22
Pas encore d'évaluation
Cours S22
21 pages
Algèbre Linéaire pour Étudiants Math Sup
100% (1)
Algèbre Linéaire pour Étudiants Math Sup
7 pages
Introduction à l'Algèbre Linéaire
Pas encore d'évaluation
Introduction à l'Algèbre Linéaire
33 pages
Cours Espaces Vectoriels
Pas encore d'évaluation
Cours Espaces Vectoriels
14 pages
Introduction aux Espaces Vectoriels
Pas encore d'évaluation
Introduction aux Espaces Vectoriels
14 pages
Espace Vectoriel
Pas encore d'évaluation
Espace Vectoriel
20 pages
Cours Algebre2
Pas encore d'évaluation
Cours Algebre2
43 pages
Enonces 23 Ev
Pas encore d'évaluation
Enonces 23 Ev
21 pages
Resume03 Sup Algebre Lineaire Fiche
Pas encore d'évaluation
Resume03 Sup Algebre Lineaire Fiche
7 pages
Chapitre1 CEV 2019-2020 221117 002117
Pas encore d'évaluation
Chapitre1 CEV 2019-2020 221117 002117
17 pages
13 Espace Vectoriel
Pas encore d'évaluation
13 Espace Vectoriel
13 pages
Cours 18
Pas encore d'évaluation
Cours 18
14 pages
Cours AlgèbreLinéaire L2 Ufrmi 25
Pas encore d'évaluation
Cours AlgèbreLinéaire L2 Ufrmi 25
61 pages
Chapitre 1
Pas encore d'évaluation
Chapitre 1
27 pages
Chapitre 1 - Espace Vectoriel
Pas encore d'évaluation
Chapitre 1 - Espace Vectoriel
19 pages
M Co Esp JMF PDF
Pas encore d'évaluation
M Co Esp JMF PDF
26 pages
Espaces Vectoriels
Pas encore d'évaluation
Espaces Vectoriels
10 pages
Calcul Trigonometrique Resume de Cours 1
100% (4)
Calcul Trigonometrique Resume de Cours 1
1 page
Chapitre 3 - Fonctions Usuelles (Partie 3)
Pas encore d'évaluation
Chapitre 3 - Fonctions Usuelles (Partie 3)
5 pages
Klubprepa Extrait 4808
Pas encore d'évaluation
Klubprepa Extrait 4808
2 pages
Résumé 6 Logarithme 2 BIOF 24
Pas encore d'évaluation
Résumé 6 Logarithme 2 BIOF 24
3 pages
Corrige Asie J2 24 Mars 2023 DV
Pas encore d'évaluation
Corrige Asie J2 24 Mars 2023 DV
7 pages
Épreuve Spécialité Maths Bac Asie 2021
Pas encore d'évaluation
Épreuve Spécialité Maths Bac Asie 2021
7 pages
Bac Blanc Maths Série S 2004
Pas encore d'évaluation
Bac Blanc Maths Série S 2004
5 pages
Bac Malien Mathématiques 2002
Pas encore d'évaluation
Bac Malien Mathématiques 2002
3 pages
Exercices de Maths: Relations et Dénombrement
Pas encore d'évaluation
Exercices de Maths: Relations et Dénombrement
2 pages
21 Dev2 Math 4 Stmoiseabobo
Pas encore d'évaluation
21 Dev2 Math 4 Stmoiseabobo
2 pages
DL 04 Taylor
Pas encore d'évaluation
DL 04 Taylor
7 pages
Bac Blanc2
Pas encore d'évaluation
Bac Blanc2
3 pages
Correction série d'exercices mathématiques
Pas encore d'évaluation
Correction série d'exercices mathématiques
9 pages
Fonction Complexe
Pas encore d'évaluation
Fonction Complexe
3 pages
TD Etk3 2025
Pas encore d'évaluation
TD Etk3 2025
5 pages
Continuité
Pas encore d'évaluation
Continuité
3 pages
Épreuve de Maths Seconde C - Janv 2024
Pas encore d'évaluation
Épreuve de Maths Seconde C - Janv 2024
2 pages
CC1 2019 20
Pas encore d'évaluation
CC1 2019 20
1 page
Math S1S3 B01 2020
Pas encore d'évaluation
Math S1S3 B01 2020
2 pages
Corrigé Maths: Nombres Complexes & Arithmétique
Pas encore d'évaluation
Corrigé Maths: Nombres Complexes & Arithmétique
5 pages
Formes Linéaires et Dualité en Maths
Pas encore d'évaluation
Formes Linéaires et Dualité en Maths
5 pages
DS 2 Maths
Pas encore d'évaluation
DS 2 Maths
2 pages
Examen Mathématiques L2: Séries & Intégrales
Pas encore d'évaluation
Examen Mathématiques L2: Séries & Intégrales
5 pages
Chapitre 5
Pas encore d'évaluation
Chapitre 5
14 pages
3 Complexes 2 Corrections 2025
Pas encore d'évaluation
3 Complexes 2 Corrections 2025
7 pages
Devoir 2 Tle D
Pas encore d'évaluation
Devoir 2 Tle D
2 pages
4S01.4 Multiplier Plusieurs Nombres Relatifs
Pas encore d'évaluation
4S01.4 Multiplier Plusieurs Nombres Relatifs
2 pages
Matlab - TP8 - Polynômes, Fractions Rationnelles
Pas encore d'évaluation
Matlab - TP8 - Polynômes, Fractions Rationnelles
8 pages
Composition Tle A
Pas encore d'évaluation
Composition Tle A
2 pages
Correction Algèbre 2 SMP-SMC
Pas encore d'évaluation
Correction Algèbre 2 SMP-SMC
4 pages