Semaine 3 et 4

ALGEBRE LINEAIRE . RAPPELS

Ce chapitre se contente de rappeller le cours de Sup

1 Espace vectoriel sur un corps K

1.1 Vocabulaire
1.2 Structure d’espace vectoriel
De…nition 1 On appelle espace vectoriel sur K ou K espace vectoriel tout en-
semble E muni:

d’une loi de composition interne notée + telle que (E; +) soit un groupe
abélien
d’une loi de composition externe notée . dé…nie sur K E dans E jouissant
des propriétés suivantes:

– distributivité par rapport à la loi + sur E: 8 ; 2 K , 8x 2 E

( + ) :x = :x + :x
– distributivité par rapport à la loi + sur K : 8 2 K , 8x; y 2 E
:(x + y) = :x + :y
– associativité: 8 ; 2 K , 8x 2 E ( : ) :x = : ( :x)
– 8x 2 E 1K :x = x

Tout élément de K est dit scalaire et tout élémenr de E est dit vecteur.

Remark 2 On a:

:x = 0E , = 0K ou x = 0E
8 2 K; 8x 2 E ( ) :x = ( x) = ( x) régle des signes

Les exemples pullulent dans votre cours de Sup et ne manqueront pas dans
votre cours de spé.

De…nition 3 On dit qu’une partie non vide F d’un K espace vectoriel E est
un sous-espace vectoriel de E si

8 ; 2 K; 8x; y 2 F :x + :y 2 F:

Proposition 4 Dans un K espace vectoriel E l’intersection \i2I Fi d’une famille

non vide de sous espaces vectoriels (Fi )i2I est un sous espace vectoriel de E:

Comme pour les groupes on dé…nit l’espace vectoriel engendré par une partie
non vide.

1
De…nition 5 Si A = (vi )i2I est une partie non vide de E; l’intersection de
tous les sous espace vectoriels de E contenant A est un sous espace vectoriel de
E: C’est pour l’inclusion le plus petit sous espace vectoriel de E contenant A:
On le note Vect (A) et dit que c’est le sous espace vectoriel engendré par A:

Dans la section suivante nous allons pousser plus loi l’analogie avec les
groupes.

1.3 Familles génératrices, familles libres, bases

De…nition 6 Soit ( i )i2I une famille de scalaires d’un corps K. On dit que
c”est une famille presque nulle de scalaire ssi tous les scalaires i sont nuls sauf
un nombre …ni d’entre eux. Une famille …nie de scalaire est donc presque nulle.
On note l’espace des familles presque nulles d’éléments d’un ensemble X muni
d’une loi + ayant un élément neutre 0X indexés sur I : X (I) : On appelle aussi
support de (xi )i2I 2 X (I) l’ensemble fi 2 I ; xi 6= 0g noté sup p (xi )i2I et on a:
X X
xi = xi
i2I x2sup p(xi )i2I

De…nition 7 Soit (vi )i2I une famille de vecteurs d’un K espace vectoriel E:
On dit qu’un vecteur v de E est combinaison linéaire de la famille (vi )i2I s’il
existe une famille ( i )i2I 2 K(I) de scalaires du corps K telle que
X
v= i :vi :
i2I

Theorem 8 L’ensemble des combinaisons linéaires de la famille (vi )i2I est le

sous espace vectoriel engendré par A = (vi )i2I et on le note CL (vi )i2I :
Proof. Il est trés facile de véri…er CL (vi )i2I est un sev contenant (vi )i2I et
que tout sev de E contenant (vi )i2I contient CL (vi )i2I : Donc

CL (vi )i2I = Vect (vi )i2I :

De…nition 9 On dit que la famille (vi )i2I est une famille génératrice de E ssi
E = CL (vi )i2I :

De…nition 10 On dit que la famille (vi )i2I est une famille libre de E ou
linéairement indépendante dans E ssi toute combinaison linéaire nulle de la
famille (vi )i2I a ses coe¢ cients nuls. Cela signi…e que
X
8 ( i )i2I 2 K(I) i vi = 0E , 8i 2 I i = 0:
i2I

2
Proposition 11 La famille (vi )i2I est une famille libre de E; ssi
X X
8 ( i )i2I ; ( i )i2I 2 K(I) i vi = i vi , 8i 2 I i = i:
i2I i2I

En d’autres termes l’écriture d’un vecteur v de CL (vi )i2I en combinaison linéaire

des vi est unique.

Proof. Il su¢ t d’écrire

X X X
i vi = i vi , ( i i ) vi = 0E
i2I i2I i2I

De…nition 12 On dit que la famille (vi )i2I est une base de E ssi elle est libre
et génératrice où encore
X
8v 2 E 9! ( i )i2I 2 K (I) v = i vi
i2I

et dans ce cas i est dite coordonnée suivant vi ou i eme coordonnée de v:

( i )i2I est dite composante du vecteur v dans la base B = ( i )i2I :

On rappelle le théorème classiqe suivant:

Theorem 13 Les assertions suivantes sont équivalentes:

1) (vi )i2I est une base de E

2) (vi )i2I est famille génératrice minimale (ie toute sous famille stricte n’est plus génératrice)
3) (vi )i2I est une famille libre maximale (ie toute sur famille stricte n’est pas libre)

Voir la preuve dans votre cours de sup.

1.4 Espace vectoriel de dimension …nie

De…nition 14 Un K espace vectoriel E est dit de dimension …nie ssi il posséde
une famille génératrice …nie.

Theorem 15 Tout espace vectoriel de dimension …nie posséde une base. Toutes
les base d’un espace vectoriel de dimension …nie ont le même nombre d’éléments.
Proof. Nous avons besoin du lemme suivant dit lemme de l’échange

Lemma 16 Pour tout entier >0 une famille de n + 1 vecteurs qui sont combi-
naison linéaires de n vecteurs est liée.
Proof. On fait une récurrence sur n:

HRn : n+1 vecteurs v0 ; :::; vn combinaisons linéaires de n vecteurs e1 ; :::; en sont liés.

3
Il est aisé de véri…er HR1 : On suppose HRn 1: On a:

v0 = 1;0 e1+ :::: + n;0 en

v1 = 1;1 1 + :::: +
e n;1 en
..
.
vn = 1;n e1 + :::: + n;n en

Alors:

Premier cas: n;0 = ::: = n;n = 0:alors v0 ; :::; vn combinaisons linéaires de

n vecteurs e1 ; :::; en 1 .Alors par HRn 1 v0 ; :::; vn 1 sont liés. A fortiori
v0 ; :::; vn sont liés.
Second cas: L’un des scalaires précédents est non nuls par exemple n;0 et
1
en = n;0 fv0 1;0 e1 + :::: n 1;0 en 1 g

1
v1 = n;1 n;0 v0 + combinaison linéare de e1 ; :::; en 1
..
.
1
vn = n;n n;0 v0 + combinaison linéare de e1 ; :::; en 1

soit
1
v1 n;1 n;0 v0 = combinaison linéare de e1 ; :::; en 1
..
.
1
vn n;n n;0 v0 = combinaison linéare de e1 ; :::; en 1

et HRn 1 donne l’existence de 1 ; :::; n non tous nuls tels que

1 1
1 v1 n;1 n;0 v0 + :::: + n vn n;n n;0 v0 = 0E

Soit
1
n;0 ( 1 n;1 + :::: + n n;n ) v0 + 1 v1 + :::: + n vn = 0E

et v0 ; :::; vn sont liés.

Proof. Nous revenons à la preuve du théorème.

Soit (v1 ; :::; vm ) une famille génératrice de E et notons n une famille

de cardinal maximum extraite de (v1 ; :::; vm ) qui soit libre et quitte à
renuméroter les vi ; supposons qu’une famille de ce type soit formée par
(v1 ; ::; vn ) : Si k > n; alors (v1 ; ::; vn ; vk ) est lié et donc

1 v1 + ::::: + n vn + k vk =0

une relation de dépendance. Si k = 0, l’indépendance de (v1 ; ::; vn ) donne

1 = ::::: = vn = k = 0 et c’est absurde et donc k 6= 0 et donc

1 1
vk = 1 k v1 + ::::: + n k vn 2 CL (v1 ; ::; vn )

4
 et donc
(v1 ; :::; vm ) CL (v1 ; ::; vn )
et donc
E = CL (v1 ; :::; vm ) CL (v1 ; ::; vn ) E
et
CL (v1 ; ::; vn ) = E
et (v1 ; ::; vn ) est libre et génératrice et c’est donc une base.

Le fait que deux bases ont le même cardinal résulte de ce que l’on peut
appliquer le lemme de l’échange. D’abord une famille ayant plus de m + 1
vecteurs est liés. Donc toute base a moins de m éléments. Si Bp et Bq
sont des bases à p et q éléments et si p < q le lemme de l’échange dit qu’il
y a une famille de p + 1 éléments liés de Bq qui est liée et donc q p et
on permute les rôles des bases et on a: p = q:

Theorem 17 Si dans un K espace vectoriel de dimension …nie on a un sytéme

libre L et un systéme générateur G alors il existe une base B contenant L com-
plétée avec des éléments de G (ie L B L [ G ).

De…nition 18 Le cardinal commun à toutes les bases d’un K espace vectoriel

E de dimension …nie est dite dimension de E:

Theorem 19 Si E est un K espace vectoriel E de dimension …nie n et B

une famille de vecteurs de E à n éléments alors les assertions suivantes sont
équivalentes:
1) B est une base
2) B est libre
3) B est génératrice.

Remark 20 Dans un espace de dimension …nie n une famille libre a au plus n

éléments et une famille génératrice au moins n éléments.

Remark 21 Tous ces résultats établis en dimension …nie se généralisent aux

espaces de dimension in…nies.

Remark 22 En outre il est illusoire de croire que le programme de cette année

puisse se limiter à la dimension …nie car la pluspart des espaces de l’analyse sont
de dimension in…nie et nous serons souvent obligés d’avoir recours aux concepts
de familles in…nies, de combinaisons linéaires avec les familles presques nulles
de scalaires ect......

Exercise 23 Donner des exemples de bases, de familles libres, de familles généra-

trices puisées dans le cours de sup.

5
1.5 Sommes et sommes directes de sous espaces vectoriels
De…nition 24 Soit (Fi )i2I une famille de sous espaces d’un K espace vectoriel
E; on appelle somme des sous espaces vectoriels (Fi )i2I le sous espace dé…ni par:
( )
X
+i2I Fi = vi ; (vi )i2I 2 (Fi )i2I ; presque nulle :
i2I

Proposition 25 On a:

+i2I Fi = Vect ([i2I Fi ) :

Proof. Il est facile de véri…er que +i2I Fi est un sev de E contenant tous les
Fi et que tous les sev G de E contenant [i2I Fi stable pour la loi + contient
+i2I Fi :

De…nition 26 Soit (Fi )i2I une famille de sous espaces d’un K espace vectoriel
E; on dit que la somme des sous espaces vectoriels (Fi )i2I est directe ssi pour
tout v 2 +i2I Fi ; il existe une et une seule famille presque nulle (vi )i2I 2 (Fi )i2I
(cela signi…e que pour tout i 2 I alors vi 2 Fi ) telle que
X
v= vi :
i2I

Dans ce cas on la note: M

Fi :
i2I

Proposition 27 La somme +i2I Fi est directe ssi elle véri…e l’une des asser-
tions équivalentes suivantes
P
1) 8v 2 +i2I Fi ; 9! (vi )i2I 2 (Fi )i2I ; presque nulle telle que: v = i2I vi :
2) 8 (vi )i2IP
P 2 (Fi )i2I ; (wi )i2I 2 (Fi )i2I presque nulles telles que:
i2I vi = i2I wi ) 8i 2 I vi = wi P
3) 8 (vi )i2I 2 (Fi )i2I presque nulle telle que: i2I vi = 0E ) 8i 2 I vi = 0E

Si I = f1; 2; ::::; ng

5) F1 \F2 = f0E g ; (F1 + F2 )\F3 = f0E g ; ::::; (F1 + F2 + ::: + Fn 1 )\Fn = f0E g :

Proposition 28 Si Bi est une base du sevM Fi et si B = [i2I Bi et si la somme

+i2I Fi est directe alors B est une base de Fi :
i2I

De…nition 29 Une M base B construite comme dans la proposition précédente est

dite base adaptée de Fi :
i2I

6
De…nition 30 Si (Fi )i2I une famille de sous espaces d’un K espace vectoriel
E tels que M
E= Fi
i2I

on dit qu’ils sont supplémentaires dans E:

Exercise 31 A travers votre cours de sup donnez des exemples de supplémen-

taires, de base adaptée ect...

1.6 Sous espaces vectoriels de dimension …nie, supplémen-

taires
Proposition 32 Soit E un espace vectoriel de dimension …nie et F un sev.
Alors F est de dimension …nie et on a:

dim F dim E

et
dim F = dim E , F = E

Proposition 33 Si F1 ; :::; Fn sont des sev de E de dimensions …nies dont la

somme est directe, on a:
M M
dim F1 ::: Fn = dim F1 + ::: + dim Fn :

De…nition 34 Si F est un sev de E; on appelle supplémentaire de F dans E

tout sev tel que M
E=F G:

Proposition 35 Tout sev d’un espace vectoriel posséde au moins un supplé-

mentaire et les supplémentaires d’un sev F de E ont la même dimension:
dim E dim F:

Proposition 36 Si F et G sont des sev de E; on a:

dim (F + G) = dim F + dim G dim (F \ G) Formule de Grassmann

En particulier
dim (F + G) dim F + dim G
et si F1 ; :::; Fn sont des sev de E; on a:

dim (F1 + ::: + Fn ) dim F1 + ::: + dim Fn

et on a l’égalité ssi la somme F1 + ::: + Fn est directe.

7
2 Applications linéaires
2.1 Généralités
De…nition 37 Soient E et F deux K espaces vectoriels et f une application de
E dans F: On dit que c’est un morphisme d’espaces vectoriels ou une application
linéaire ssi
8x; y 2 E 8 2 K f (x + y) = f (x) + f (y)
Si en plus f est bijective on dit que c’est un isomorphime d’espaces vectoriels.
Si E = F on parle d’endomorphisme et d’automorphisme de E:
Proposition 38 L’ensemble L (E; F ) des applications linéaires de E dans F
est un K espace vectoriel. On note L (E) = L(E; E) et GL (E) l’ensemble des
automorphismes de E: Alors (L (E) ; +; :; ) est une K-algébre non commutative
et (GL (E) ; ) est un groupe
De…nition 39 Si f 2 L (E; F ) ; on appelle noyau (resp image) de f et on note
ker f et Im f = f fEg les ensembles
ker f = f 1 (f0F g) = fx 2 E; f fxg = 0F g
Im f = f (E) = ff (x) ; x 2 Eg :
Proposition 40 ker f (resp Im f ) sont des sev de E (resp F ) et f est injective,
ssi, ker f = f0E g et f est surjective, ssi, F = Im f: Plus précisément si E 0 (resp
F 0 ) est un sev de E (resp F ) alors f 1 (F 0 ) = fx; f fxg 2 F 0 g (resp f (E 0 ) =
ff fxg ; x 2 E 0 g) sont des sev de E (resp F ):
De…nition 41 On appelle projecteur de E un endomorphisme idempotent et
symétrie un endomorphisme involutif
Proposition 42 Soit p un projecteur et s une symétrie de E alors
M
E = Imp ker p et on dit que p est la projection de E sur Im p pralléle-
ment à ker p:
M M
E = ker (s IdE ) ker (s + IdE ) = Invs ker (s + IdE ) et on parle
de symétrie d’axe Inv (s) prallélement à ker (s + IdE ) :
La relation 2p = s + IdE lie le projecteur à la symétrie associé et on a:
Im p = Invs et ker p = ker (s IdE ) :

2.2 Isomorphisme entre les supplémentaires de ker f et

Im f
De…nition 43 Soient E et F deux K espaces vectoriels et f une application
de E dans F: Si E 0 (resp F 0 ) est un sev de E (resp F ) tels que f (E 0 ) F 0:
0 0
L’application f : E ! F dé…nie par:
8x0 2 E 0 f (x) = f (x)
est dite applicatiuon induite par f de E 0 dans F 0 :

8
Theorem 44 Si f 2 L (E; F ) ; alors f induit un isomorphisme entre tout sup-
plémentaire de ker f sur Im f . Ainsi les supplémentaires de ker f sont tous
isomorphes et sont donc de même dimension dite codimension de f:

2.3 Détermination d’une application linéaire

Il y a plusieurs maniéres de déterminer une applcation linéaire à partir de partie
de l’espace de départ.

Proposition 45 On considére deux K espaces vectoriels E et F et (Ei )i2I une

famille de sous espaces supplémentaires dans E et une famille (fi )i2I d’applications
linéaires fi : Ei ! F: Alors il existe une et une seule application linéaire
f : E ! F telle que

8i 2 I 8vi 2 Ei f (vi ) = fi (vi ) :

Proposition 46 On considére deux K espaces vectoriels E et F et (ei )i2I une

base de E et une famille de vecteurs (vi )i2I de vecteurs de F: Alors il existe une
et une seule application linéaire f : E ! F telle que

8i 2 I ; f (ei ) = vi :

Proposition 47 Si f : E ! F est une application linéaire, alors f est:

injective ssi l’image d’une base de E est libre dans F

surjective ssi l’image d’une base de E est génératrice dans F
bijective ssi l’image d’une base de E est une base de F:

2.4 Applications linéaires sur un espace de dimension …nie

2.4.1 Résultats de base
Proposition 48 On considére une application linéaire f : E ! F: Si E est de
dimension …nie il y a équivalence entre:

Les espaces vectoriels E et F sont isomorphes

L’espace F est de dimension …nie et dim E = dim F:
En particulier tout K espace de dimension p est isomorphe à Kp :

Proposition 49 Si les deux K espaces vectoriels E et F sont de dimension

…nie alors
dim L (E; F ) = dim E dim F

9
2.4.2 Rang
De…nition 50 Soit une famille de vecteurs (vi )i2I de vecteurs de E: On dit
qu’elle est de rang …ni ssi le sev CL (vi )i2I est de dimension …nie. Cette
dimension est par dé…nition celle de la famille (vi )i2I et on a:
rg (vi )i2I = dim CL (vi )i2I :
Remark 51 Le rang d’une famille de vecteurs est invariant
lorsqu’on ajoute à l’un d’entre eux un vecteur qui est CL des autres.
Lorsqu’on multiplie l’un des vecteurs par un scalaire non nul
lorsqu’on permute les vecteurs
Remark 52 Si f 2 L (E; F ) est injective alors
rg (vi )i2I = rg (f (vi ))i2I :
De…nition 53 Si f 2 L (E; F ) ; le rang de f est la dimension de Im f si
Im f est de dimension …nie. On constate que si (ei )i2I est génératrice et que
(f (ei ))i2I est de rang …ni alors le rang de f est le rang de (f (ei ))i2I :
Proposition 54 On considére trois application linéaires u : E1 ! E2 ; f :
E2 ! E3 et v : E3 ! E4 telles que u et v soient des isomorphismes alors
f u est de rang …ni ssi f est de rang …ni et rg (f u) = rg (f )
v f est de rang …ni ssi f est de rang …ni et rg (v f ) = rg (f ) :
Theorem 55 On considére une application linéaire f : E ! F:
si dim E est …nie, alors f est de rang …ni et on a:
rg (f ) = dim E dim ker f:

si dim F est …nie, alors f est de rang …ni et on a:

rg (f ) dim F
et il y a égalité ssi f est surjective.
Proposition 56 On considére une application linéaire f : E ! F avec dim E =
dim F < +1: Il y a équivalence entre:
f est bijective
f a un inverse à gauche fg : fg f = IdE
f est injective
f a un inverse à droite fd : f fd = IdF
f est surjective
1
Dans ce cas les inverses à droite et à gauche sont égales à f :

10
3 Formes linéaires et hyperplans
3.1 Formes linéaires et hyperplans en dimension quelconque
De…nition 57 On appelle forme linéaire sur un K espace vectoriel E toute
application linéaire de E dans K: L’ensemble des formes linéaires noté E est
dit espace dual de E:

Remark 58 Une forme linéaire non nulle est toujours surjective.

Remark 59 Si E est de dimension …nie n; alors E est de dimension n

De…nition 60 On appelle hyperplan de E tout sev de codimension 1: Cela sig-

ni…e que les supplémentaire d’un hyperplans sont des droites. En dimension
…nie ce sont les sev de dimension n 1 lorsque dim E = n:

Proposition 61 Soit H un hyperplan de E: Une droite vectoriel engendrée par

v 6= 0E est un supplémentaire de H ssi v n’appartient pas à H: Tout sev F tel
que H F E véri…e H = F ou E = F:

Proposition 62 Dans un K espace vectoriel E; on a les propriétés suivantes:

Le noyau d’une forme linéaire non nulle est un hyperplan de E:

Tout hyperplan de E est le noyau d’une forme linéaire non nulle
Pour que deux formes linéaires non nulles aient pour noyau le même hy-
perplan il faut et il su¢ t qu’elles soient proportionnelles.

Proof. Nous démontrons chaque point de la proposition

Si ' 2 E est non nulle, elle est de rang 1 et donc son noyau a pour
supplémentaire des droites et donc c’est un hyperplan.
Si H désigne l’hyperplan et si v 2
= H; on a:
M
E=H Kv

de sorte que

8x 2 E 9! (h (x) ; ' (x)) 2 H K x = h (x) + ' (x) v

Alors pour x; y de E et de K on a:

x + y = (h (x) + h (y)) + (' (x) + ' (y)) v

et donc comme h (x) + h (y) 2 H et ' (x) + ' (y) 2 K et qu’il y a

l’unicité de l’écriture

' (x + y) = ' (x) + ' (y) et h (x + y) = h (x) + h (y)

11
 et donc
' 2 E et h 2 L (E; H) et ' (v) = 1
et en…n
x 2 ker ' , ' (x) = 0 , x = h (x) , x 2 H
montre que
H = ker ':
Soit ' et deux formes linéaires non nulles proportionnelles:
9 2K = ':
Alors
x 2 ker ' , ' (x) = 0 , (x) = 0 , x 2 ker
et
ker ' = ker :
Inversement soit ' et deux formes linéaires non nulles de même noyau
H et v 2
= H ; on a: M
E=H Kv
et
8x 2 E 9! (h; ) 2 H K x=h+ v
et on a:
' (x) = ' (v)
et donc
' (x)
x=h+ v
' (v)
et
' (x) (v)
(x) = (v) = ' (x)
' (v) ' (v)
et donc
' (v) (v) ' = 0 où ' (v) (v) 6= 0
et les formes linéaires ' et sont proportionnelles.

3.2 Dual, bases duales et préduales, formules magiques

Soit E un K espace de dimension …nie n et B = (e1 ; :::; en ) une base de E:
Ainsi
8x 2 E 9! (x1 ; :::; xn ) 2 Kn x = x1 e1 + ::: + xn en :
On note pour i = 1; :::; n ei l’application i eme coordonnée dé…nie par
8x 2 E ei (x) = xi :
de sorte que
8x 2 E x = e1 (x) e1 + ::: + en (x) en :

12
Proposition 63 On considére un K espace vectoriel E de dimension …nie n
et soit B = (e1 ; :::; en ) une base de E; alors B = (e1 ; :::; en ) est une base E :

Proof. On a:

8x; y 2 E 8 2 K x + y = (e1 (x) + e1 (y)) e1 + ::::: + (en (x) + en (y)) en

et à cause de l’unicité des coordonnées dans une base on a:

8i = 1; ::::; n (ei (x) + ei (y)) = ei (x + y)

et donc
8i = 1; ::::; n ei 2 E :
Comme n est la dimensionde E ; il su¢ t de montrer que B est libre. Supposons
que
1 e1 + ::::: + n en = 0

et surtout observons que

ei (ej ) = i;j

et alors

8j = 1; ::::; n 0 = ( 1 e1 + ::::: + n en ) (ej ) = 1 1;j + ::::: + n n;j = j j;j = j

et B est libre. Donc B est une base E :

De…nition 64 La base B = (e1 ; :::; en ) est dite base duale de B:

Exercise 65 Donner des exemples de base duale.

On peut alors se poser la question inverse. Partant d’une base F de E ;

existe-t-il une base B de E telle que B = F ? Y-a-t-il unicité ou plusieurs
solutions à ce probléme.

Proposition 66 On considére un K espace vectoriel E de dimension …nie n

et soit F = ('1 ; :::; 'n ) une base de E ; alors il existe une et une seule base de
E notée B = (e1 ; :::; en ) telle que B = F est une base E :

Proof. Soit l’application dé…nie par

8x 2 E (x) = ('1 (x) ; :::; 'n (x)) :

Il est facile de montrer que 2 L (E; K n ) :Comme toute forme linéaire de E est
combinaison linéaire de '1 ; :::; 'n ; on constate que si x 2 ker alors, alors toute
forme linéaire de E est nulle en x: Nous avons alors besoin du lemme suivant:

Lemma 67 Un vecteur v de E est nulle ssi toute forme linéaire de E est nulle
en v

13
Proof. Il y a une implication évidente. Etudions l’autre. Supposons que v soit
non nulle, on compléte v en une base B = (e1 ; :::; en ) telle que v = e1 : Alors
B = (e1 ; :::; en ) fournit la forme linéaire e1 qui véri…e e1 (v) 6= 0 qui est donc
non nulle en v: Par contraposition on voit que si toute forme linéaire s’annule
en v; alors v = 0E :
Proof. En reprenant la preuve de la proposition à la lumiére du lemme on
voit que ker =f0E g et donc que est injective. Comme l’espace de départ et
d’arrivée de ont la même dimension, est bijective. Donc posons
1
ei = 0; :::; 0:1; 0; :::; 0
i

et = (e1 ; :::; en ) : C’est une base de E car image réciproque de la base canonnique
de Kn par un isomorphisme. Par construction on a:

8i; j = 1; :::; n 'i (ej ) = i;j = ei (ej )

et donc
8i = 1; :::; n 'i = ei
et
B =F
et on a l’unicité en prime.

De…nition 68 Si F = ('1 ; :::; 'n ) une base de E ; la base de E notée B = (e1 ; :::; en )
telle que B = F est dite base antéduale ou préduale de la base de E de F .

Remark 69 L’application B ! B est une bijection de l’ensembles des bases

de E sur l’ensemble des bases de E :

Proposition 70 Si B = (e1 ; :::; en ) est une base de E et si B = (e1 ; :::; en ) est

la base duale on a les formules "magiques suivantes"

8x 2 E x = e1 (x) e1 + ::: + en (x) en :

8' 2 E ' = ' (e1 ) e1 + ::: + ' (en ) en :
8i; j = 1; :::; n ei (ej ) = i;j

Proof. Seule la deuxiéme est à examiner. On a:

8j = 1; :::; n (' (e1 ) e1 + ::: + ' (en ) en ) (ej ) = ' (e1 ) 1;j +:::+' (en ) n;j = ' (ej ) jj= ' (ej )

et donc égalité de deux applications linéaires sur une base de leur ensemble de
départ et donc égalité patout et

' = ' (e1 ) e1 + ::: + ' (en ) en

Exercise 71 Donner des exemples.

14
3.3 Formes linéaires, hyperplans, sous-espaces vectoriels
en dimension …nie
L’idée de cette section est de déterminer un sev par le biais des équations. C’est
une maniére aussi d’interpréter un sev comme intersection d’hyperplans et de
savoir quel est le nombre minimum d’hyperplans qu’on peut faire intervenir.
C’est en quelque sorte en donner une vision à la fois géométrique et algorith-
mique.
Soit H un hyperplan d’un K-espace E de dimension …nie n rapporté à une
base B = (e1 ; :::; en ) :
Si H = ker ' avec ' = ' (e1 ) e1 + :::: + ' (en ) en et si x = x1 e1 + ::: + xn en ;
alors
x 2 H () u1 x1 + :::: + un xn = 0
où on pose:
ui = ' (ei )
et donc on obtient une équation de H: Si on a une autre équation

v1 x1 + :::: + vn xn = 0

et on a
8i = 1; :::; n vi = ui
car deux formes linéaires ont le même noyau si elles sont proportionnelles.
Si H est donné par une base (v1 ; :::; vn 1 ) ; alors

x 2 H , det (v1 ; :::; vn 1 ; x) = 0:

B

De…nition 72 Si (Hi )i2I est une famille d’hyperplans noyaux respectivement

d’une familles de formes linéaires non nulles ('i )i2I : On dit que le famille des
hyperplans (Hi )i2I est libre ssi la famille des formes libres ('i )i2I est libre.

Proposition 73 Soient un K espace vectoriel de dimension …nie n et un entier

p n:

L’intersection de p hyperplans indépendants est de codimension p:

Un sous espace de codimension p est intersection de p hyperplans indépen-
dants.

Proof. On démontre successivement les deux points.

Soient H1 ; :::; Hp les hyperplans indépendants et '1 ; :::; 'p les formes linéaires
indépendantes telles que Hi = ker 'i pour i = 1; :::; p: La famille '1 ; :::; 'p
est libre. On la compléte en une base ('1 ; :::; 'n ) et (e1 ; :::; en ) la préduale.
Alors
8x 2 E x = '1 (x) e1 + ::: + 'n (x) en

15
 et

x 2 H1 \ ::: \ Hp , '1 (x) = ::: = 'p (x) = 0 , x 2 CL (ep+1 ; :::; en )

et donc
H1 \ ::: \ Hp = CL (ep+1 ; :::; en )
et

dim (H1 \ ::: \ Hp ) = n p

co dim (H1 \ ::: \ Hp ) = p

Si F est de codimension p de base (ep+1 ; :::; en ) que l’on compléte en une

base (e1 ; :::; en ) : Alors

8x 2 E x = e1 (x) e1 + ::: + en (x) en

et
x 2 F , e1 (x) = ::: = ep (x) = 0 , x 2 ker e1 \ ::: \ ker ep

Proposition 74 Soit un K espace vectoriel de E de dimension …nie E et p

n: On désigne par '1 ; :::; 'p une famille de p formes linéaires indépendantes
sur E: Pour toute forme linéaire ' l’hyperplan ker ' contient ker '1 \::::\ker 'p
ssi ' 2 CL 1 ; :::; 'p :

Proof. Supposons que ' 2 CL 1 ; :::; 'p ; alors

'= 1 '1 + ::: + p 'p

et donc
x 2 ker '1 \ :::: \ ker 'p ) ' (x) = 0 ) x 2 ker ':
Réciproquement si ker '1 \ :::: \ ker 'p ker ': On compléte '1 ; :::; 'p en
une base de E notée F = ('1 ; :::; 'n ) et B = (e1 ; :::; en ) la préduale de F: La
formule magique donne

' = ' (e1 ) '1 + :::: + ' (en ) 'n

et de plus (ep+1 ; :::; en ) ker '1 \ :::: \ ker 'p et donc

' (eP +1 ) = :::: = ' (en ) = 0

et donc
' 2 CL '1 ; :::; 'p

16
Proposition 75 Soit un K-espace vectoriel de E de dimension …nie E et p n:
On désigne par '1 ; :::; 'p et 1 ; :::; p deux familles de p formes linéaires
indépendantes sur E: Il y a équivalence entre

1. ker '1 \ :::: \ ker 'p =ker 1 \ :::: \ ker p

2. CL '1 ; :::; 'p = CL 1 ; :::; p :

Proof. En permutant les rôles des familles il su¢ t de montrer les équivalences
de
1) ker '1 \ :::: \ ker 'p ker 1 \ :::: \ ker p
2) CL 1 ; :::; p CL '1 ; :::; 'p :
1 équivaut à ker '1 \ :::: \ ker 'p ker k pour k = 1; :::; p et donc équivaut à
k 2 CL '1 ; :::; 'p pour k = 1; :::; p et donc équivaut à 2.

Corollary 76 Les équations '1 (x) = 0; :::; 'p (x) = 0 et 1 (x) = 0; :::; p (x) =
0 dé…nissent le même sev de E ssi CL '1 ; :::; 'p = CL 1 ; :::; p :

17