Espaces vectoriels-résumé de cours
Dans tout ce chapitre lK désigne le corps ou .
1. Définitions et exemples de référence:
1.1 Définition et vocabulaire:
Def: Soit E un ensemble muni de deux lois
-une loi interne (x,y)∈E² ֏ x+y∈E
-une loi externe (λ,x)∈(lKxE) ֏ λ.x∈E
On dit que (E,+,.) est un lK-espace vectoriel (lK-E.V.) si et seulement si
• (E,+) est un groupe abélien
• La loi externe vérifie, ∀x,y∈E et λ,µ∈lK,
• 1.x=x
• λ.(x+y)=λ.x+λ.y
• (λ+µ).x=λ.x+µ.y
• λ(µ.x)=(λµ).x
Vocabulaire: Soit (E,+,.) un lK-E.V.
Les éléments de E sont appelé vecteurs et souvent noté x ou lieu de x. L'élément neutre est
alors noté 0 E .
Les éléments de lK sont appelés les scalaires et lK est le corps de base de E.
Deux vecteurs x et y sont colinéaires lorsqu' il existe λ∈ etl que y = λ x .
Etant donne ( x i )1≤i≤n une famille de vecteurs de E et (λi) 1≤i≤n une famille de lK, le vecteur
n
λ1 x1 +⋯ + λn xn = ∑
i =1
λ i x i est une combinaison linéaire des vecteurs ( x i )1≤i≤n
Proposition 15.1: Règles de calcul dans les lK-E.V.
∀ x ∈E, 0. x = 0 E
∀λ∈lK, λ. 0 E = 0 E
∀ x ∈E, ∀λ∈lK, λ. x = ⇔ λ=0 ou x = 0 E
∀ x ∈E, (-1). x =- x opposé de x pour la loi +
( )
∀ x, y ∈E², ∀(λ,µ)∈lK², λ.( x - y )=λ. x -λ. y et (λ-µ). x =λ. x -µ. x
1.2 Exemples de référence:
a) Les vecteurs du plan et de l'espace sont des -E.V.
b) lK est un lK-E.V.
c) est un -E.V. Remarque: Tout -E.V. est un -E.V.
d ) Applications de X dans E: Soit X un ensemble non vide et E un lK-E.V., on considère l'ensemble
des applications (ou fonctions) de X dans E noté F(X,E) ou EX.
X → E X → E
F(X,E) muni des lois f+g: et λ.f: est un lK-E.V.
t ֏ f( t ) + g( t ) t ֏ λf( t )
e) On a comme cas particulier du précédent et .
1.3 Espace vectoriel produit:
Proposition 15.2: Soit E et F deux lK-E.V., l'ensemble ExF = {(x,y), x∈E, y∈F} muni des lois:
∀x,x'∈E, ∀y,y'∈F, (x,y) + (x',y') = (x+x',y+y') et ∀x∈E, ∀y∈F, ∀λ∈lK, λ(x,y) = (λx,λy)
est un lK-espace vectoriel appelé espace vectoriel produit.
Remarque: C'est le cas de ² = x et 2 = x.
Extension: Par récurrence immédiate, si (Ei)1≤i≤n est une famille de lK-E.V. alors le produit
E1xE2x...xEn est encore un lK-E.V. C'est le cas de n=xx...x et de n
2. Sous-espace vectoriel:
2.1 Définition, caractérisations, exemples:
Def: Soit E un lK-E.V. et F une partie de E. F est un sous-espace vectoriel (S.E.V.) de E ssi
• F est non vide
• F est stable por la loi +
• F est stable par la loi .
Dans la pratique, on utilise les caractérisation suivantes:
F est un S.E.V. de E ⇔ 0 E ∈F et ∀(x,y)∈F², ∀(λ,µ)∈lK², (λ.x+µ.y)∈F
F stable par comb. linéaire
F est un S.E.V. de E ⇔ 0 E ∈F et ∀(x,y)∈F², ∀λ,∈lK, (λ.x+y)∈F
NB: si 0 E ∉F alors F n'est pas un S.E.V.
Exemples:
Soit E une lK-E.V., les parties { 0 E } et E sont des S.E.V. de E dits triviaux.
Considérons I un intervalle et E = F(I,).
Les ensembles suivants contiennent la fonction nulle sur I et sont stables par combinaison
linéaire donc sont des S.E.V. de E
B(I,) ensemble des fonctions bornées sur I
C0(I,) ensemble des fonctions continues sur I
D(I,) ensemble des dérivables sur I.
C∞(I,) ensemble des fonctions infiniment dérivable sur I.
Contre-exemple: les fonctions croissantes
Soit E=, l'espace vectoriel des suites réelles, contient:
Le S.E.V. des suites bornées
Le S.E.V. des suites convergentes
Le S.E.V. des suites réelles de limite nulle.
Méthode: Si F est un sous-espace vectoriel d'un lK-E.V. E, alors F muni des restrictions des lois +
et . est lui-même un l-E.V.. Dans les problèmes, pour montrer qu'un ensemble est un E.V. on
montrera de préférence qu'il est un S.E.V. d'un espace vectoriel de référence.
2.2 Intersection de sous-espaces:
Proposition 15.3: Soit E un lK-E.V.
Si F et G sont deux sous-espaces vectoriels de E alors F∩G est encore un sous-espace vectoriel
de E.
Extension: Par récurrence immédiate, si (Fi)1≤i≤n est une famille de SEV de E, leur intersection
n
∩F
i =1
i
est encore un sev de E.
Attention: cela est faux pour la réunion.
2.3 Sous-espace vectoriel engendré par une partie:
Def: Soit E un lK-E.V. et A une partie de E, l'intersection de tous les sous-espace vectoriels
contenant A est le plus petit sous-espace vectoriel contenant A. On l'appelle sous-espace
vectoriel engendré par A et on le note Vect(A).
Cas particuliers usuels
Soit E un lK-E.V. et A = { x 1 , x 2 ,⋯ x n } une partie finie de E.
Vect(A) est l'ensemble des combinaisons linéaires des éléments de A , c'est à dire:
n
Vect(A) = { ∑
λ i x i , (λ1,...,λn) ∈ lKn }
i =1
Si A={ u } alors Vect(A)={k u , k∈lK} est la droite vectorielle engendrée par u .
Si A={ u, v } avec u et v non colinéaires, alors Vect(A) = { λ u + µ v , (λ,µ)∈lK²} est le plan
vectoriel engendré par { u, v }.
2.4 Somme de deux sous-espaces:
Def: Soit F et G deux SEV d'un lK-EV E, on appelle somme de F et de G la partie de E définie par
F+G = { x+y,x∈F,y∈G }.
Proposition 15.4 : F + G est un SEV de E et plus précisément, F+G = vect(F∪G)
2.5 Sous-espaces supplémentaires
Def: Soit F et G deux S.E.V. d'un lK-E.V. E.
On dit que F et G sont supplémentaires lorsqu'on a les deux propriétés suivantes:
• F+G=E
• F∩G={0E}
Si c'est le cas, on note E = F ⊕ G et on dit que la somme est directe.
Proposition 15.5: Soit F et G deux SEV d'un lK-EV E.
F et G sont supplémentaires ssi tout élément de E s'écrit de manière unique comme somme d'un
élément de F et d'un élément de G
Ou encore: E=F⊕G ⇔ ∀x∈E, ∃!x1∈F, ∃!x2∈G, x = x1+x2
Exemples à connaître:
Soit E = F(,), P est l'ensemble des fonctions paires et I l'ensemble des fonctions impaires,
on a E = P ⊕ I.
= ⊕ i d'après l'unicité de l'écriture d'un complexe sous forme algébrique.
Attention: supplémentaire ne signifie pas complémentaire.
3. Translations, sous-espaces affines
Def: Soit E un lK-E.V. et a un vecteur de E.
E → E
On appelle translation de vecteur a l'application t :
a
x ֏ x + a
Propriété des translations
t = Id E
0
La composée de la translation de vecteur a et de la translation de vecteur b est la translation
de vecteur a + b
t est une bijection et t −1 = t
a a −a
Les translations munies de la loi ο forment un sous-groupe du groupe des permutations de E.
Def: Soit E un lK-EV, une partie A de E est un sous-espace affine lorsqu'il est l'image d'un sous-
espace vectoriel de F de E par une translation, c'est à dire: Il existe un S.E.V. F de E tel que,
A = t (F) = { a + u , u ∈F }
a
F est appelé la direction de E
Notation: A = a +F
Exemple: D = { (x,y)∈², y-2x=1 } = { (0,1) + k(1,2), k∈ } est la droite affine de ² passant par
(0,1) et dirigée par F = Vect(1,2)
Def: Soit A et A' deux sous-espace affines de direction F et F'. On dit que A et A' sont
parallèles lorsque F⊂F'
Proposition 15.6: Soit A et A' deux sous-espaces affines d'un lK-EV E, de direction respective F
et F', l'intersection A∩A' est soit vide, soit est un sous espace affine de direction F∩F'.
4. Applications linéaires
4.1 Def et exemples
Def: Soit E et F deux lK-espaces vectoriels et f une application de E dans F.
On dit que f est une application linéaire lorsqu'on on a:
∀(x,y)∈E², ∀(λ,µ)∈lK², f(λx+µy)=λf(x)+µf(y).
Remarque: Une application linéaire est un morphisme d'espaces vectoriels
Vocabulaire: Soit f:E-F une application linéaire
Si F = E alors f est un endomorphisme.
Si F = lK alors f est une forme linéaire sur E.
Si f est bijective alors f est un isomorphisme de plus f-1∈L(F,E)
Si f est bijective et si E = F alors f est un automorphisme.
Proposition 15.7: Soit f:E->F, linéaire.
f( 0 E )= 0 F
f(x+y)=f(x)+f(y)
f(-x)=-f(x)
f( λ x)=λf(x)
n n
f( ∑i =1
λ i xi ) = ∑λ
i =1
i
f( x i )
Sous réserve d'existence, la composée de deux applications linéaires est linéaire.
Exemples
f:(x,y)->2x-3y de ² dans
f:(x,y,z)->(3x-y,y+z,3z) de 3 dans 3 ϕ: f->f' de C1(,) dans C0(,).
b
f:(x,y,z)->y de 3 dans
IdE et x->0F
∫
ϕ: f-> f( t ) dt de C0([a,b],) dans
a
ϕ: f->f(x0) de dans Contre-exemples:
Translations de vecteur non nul
f:x->x² de dans
4.2 Ensembles d'applications linéaires
a) L(E,F)
On note L(E,F) l'ensemble des applications linéaires de E dans F.
L(E,F) muni des lois + et . usuelles est un lK-EV. en tant que S.E.V. de F(E,E').
Cas particulier: si F = lK, on note E* = L(E,lK), E* est l'espace dual de E.
b) L(E)
On note L(E) plutôt que L(E,E) l'ensemble des endomorphismes de E.
(L(E),+,ο) est un anneau non commutatif.
NB:Comme (L(E),+,.) est aussi un lK-E.V., on dit que L(E) est une lK-algèbre
c) GL(E)
On note GL(E) l'ensemble des automorphismes de E.
(GL(E),ο) est un sous-groupe du groupe des permutations de E appelé groupe linéaire.
4.3 Noyau, image:
Def: Soit f∈L(E,F)
Le noyau de f noté Kerf est la partie de E définie par Kerf = {x∈E, f(x)= 0 F } = f-1({ 0 F })
L'image de f notée Imf est la partie de F définie par Imf = {f(x), x∈E} = f(E)
Proposition 15.9: Propriétés immédiates
0 E ∈Kerf
f est injective si et seulement si Kerf = { 0 E }
f est surjective si et seulement si Imf = F
f est un isomorphisme si et seulement si Kerf = { 0 E } et Imf = F.
Proposition 15.10: Soit f∈L(E,F), Kerf est un SEV de E et Imf est un SEV de F.
4.4 Cas particuliers d'endomorphismes:
Dans paragraphe, E est un lK-espace vectoriel.
a) Homothéties
Def: Soit λ∈*, l'homothétie (vectorielle) de rapport λ est hλ:E->E définie par
∀ x ∈E, hλ( x )=λ x .
Propriétés des homotheties:
h1=IdE
La composée hλοhλ' est l'homothétie hλλ'.
hλ∈GL(E) et hλ-1=h1/λ.
Conséquence: Les homothéties vectorielles munies de la loi ο forment un sous-groupe commutatif
de GL(E).
b) Projections et projecteurs
Def: Soit F et G deux sous-espaces vectoriels supplémentaires de E. La projection (vectorielle)
E → E
sur F parallèlement à G est p:
x = x F + x G ֏ x F
Propriétés des projections: Soit E = F⊕G et p la projection sur F parallèlement à G.
p∈L(E)
pop=p
Kerp=G et Imp=F
F est l'ensemble des vecteurs invariants par p.
q = IdE-p est la projection sur G parallèlement à F.
Def: On appelle projecteur toute application f de L(E) vérifiant fof = f.
Proposition 15.11: Si f est un projecteur de E alors E = Kerf⊕Imf et f est la projection sur Imf
parallèlement à Kerf.
c) Symétries et involutions
Def: Soit F et G deux sous-espaces vectoriels supplémentaires de E. La symétrie (vectorielle)
E → E
par rapport à F parallèlement à G est s:
x = x F + x G ֏ x F − x G
Remarque: si p est la projection sur F parallèlement à G, on a s=2p-IdE
Propriétés des symétries: Soit E = F⊕G et s la symétrie par rapport à F parallèlement à G,
sos=IdE
s∈GL(E) et s-1=s
F=Ker(s-IdE) et G=Ker(s+IdE)
F est l'ensemble des vecteurs invariants par s et G={ x ∈E, s( x )=- x }
Def: On appelle involution toute application f de L(E) vérifiant fof=IdE
Proposition 15.12: Si f est une involution de E alors E=Ker(f-IdE) ⊕ Ker(f+IdE) et f est la
symétrie par rapport à Ker(f-IdE), parallèlement à Ker(f+IdE).
d) Affinités
Def: Soit k∈lK-{0,1} et F et G deux sous-espace supplémentaires de E. On appelle affinité de
base F, de direction G et de rapport k l'application f∈L(E) définie par
f( x ) = x si x ∈ F et f( x ) = kx si x ∈ G
Dans la pratique, ∀ x ∈ E, f( x ) = f( x F + x G ) = f( x F ) + f( x G ) = x F + k x G
Remarque: Les symétries sont des affinités de rapport –1.
Proposition 15.13: Soit E = F⊕G et f l'affinité de base F, de direction G et de rapport k
f∈GL(E) et f-1 est l'affinité de base F, de direction G et de rapport 1/k
F = Ker(f-IdE) et G=Ker(f-kIdE)
5. Familles de vecteurs
Dans ce paragraphe, on note E un lK espace vectoriel et F = e 1 , e 2 ,..., e n = e i une
1≤i≤n
famille de n vecteurs de E, n∈*. On appelle sous-famille de F toute famille extraite de F et sur-
famille de F toute famille dont F est une sous-famille.
5.1 Familles génératrices:
Def: F= ( e 1 , e 2 ,..., e n ) est une famille génératrice de E si et seulement si
E=Vect(F)=Vect ( e 1 , e 2 ,..., e n ) ou encore
n
∀ x ∈E, ∃(λ1,λ2,...,λn)∈lKn, x = λ 1 e 1 + λ 2 e 2 + ... + λ n e n = ∑
λ i ei
i =1
Vocabulaire: On dit aussi que F engendre E.
Remarques:
Si E admet une famille génératrice, celle-ci n'est pas unique.
On obtient un autre famille génératrice en permutant les éléments d'une famille génératrice.
Si F est une famille génératrice alors toute sur-famille de F est encore génératrice.
On ne peut pas enlever un vecteur d'une famille génératrice sans risquer de perdre le
caractère générateur sauf si il est une combinaison linéaire des autres
Proposition 15.14: Soit u:E->F une application linéaire.
Si F = ( e 1 , e 2 ,..., e n ) est une famille génératrice de E alors F '= ( u( e 1 ),u( e 2 ),...,u( e n ) ) est une
famille génératrice de Imu.
Remarque: u est surjective ssi Imu = F ssi F' = ( u( e 1 ),u( e 2 ),...,u( e n ) ) est une famille
génératrice de F.
5.2 Familles libres, familles liées:
Def: La famille F= ( e 1 , e 2 ,..., e n ) de E est libre ssi
n
∀(λ1, λ2,..., λn)∈lKn, λ 1 e 1 + λ 2 e 2 + ... + λ n e n = 0 ⇔ ∑
i =1
λ i e i = 0 ⇒ λ 1 = λ 2 = ... = λ n = 0 .
Une famille qui n'est pas libre est dite liée.
Proposition 15.15: La famille F = ( e 1 , e 2 ,..., e n ) de E est liée ssi un des vecteurs de F est une
combinaison linéaire des autres vecteurs de F.
Vocabulaire: Si F est libre alors on dit que les vecteurs e 1 , e 2 ,..., e n sont linéairement
indépendants et si F est liée, on dit que les vecteurs e 1 , e 2 ,..., e n sont linéairement dépendants.
Conséquences:
Toute famille contenant deux vecteurs colinéaires est liée.
Toute famille contenant 0 ou une répétition est liée.
Toute sous-famille d'une famille libre est encore libre.
Remarque: On ne peut pas rajouter un vecteur à une famille libre sans risquer de perdre la
liberté sauf si ce vecteur n'est pas combinaison linéaire des autres.
Proposition 15.16: Soit u:E->F une application linéaire et F = ( e 1 , e 2 ,..., e n ) est une famille libre
de E. Si u est injective alors F'=( u( e 1 ),u( e 2 ),...,( e n ) ) est une famille libre de F.
5.3 Bases:
Def: On dit que B = ( e 1 , e 2 ,..., e n ) est une base de E lorsque B est à la fois libre et génératrice.
( )
Exemple: B = ( e 1 , e 2 ,..., e n ) avec e i = 0,...,1,..., 0 est une base de lKn appelée base canonique.
Remarque: Si E admet une base B, il n'y a pas unicité de cette base, en particulier on a encore
une base en permutant les vecteurs de B.
Proposition 15.17: Soit B = ( e 1 , e 2 ,..., e n ) une famille de vecteur de E
B est une base si et seulement si tout vecteur x de E s'écrit de manière unique comme
n
combinaison linéaire des éléments de B: x = ∑
i =1
xi ei .
Vocabulaire: Les scalaires xi sont les coordonnées ou composantes de x dans B.
Corollaire: Soit F de base B1 et G de base B2 deux sous-espaces vectoriels de E.
B = (B1,B2) est une base de E si et seulement si E = F⊕G
5.4 Base et application linéaire:
Proposition 15.18: Soit E et F deux lK-espaces vectoriels, B = (ei)1≤i≤n une base de E et F = (ui)1≤i≤n
une famille de F.
Il existe une unique application linéaire u∈L(E,F) telle que ∀i∈1;n, u(ei) = ui
De plus,
F est libre si et seulement si u est injective,
F est génératrice si et seulement si u est surjective,
F est une base de F si et seulement si u est un isomorphisme.
Retenons que: Si E admet une base B, u∈L(E,F) est entièrement déterminée par la donnée des
images de la base B.
Applications:
Soit u et v∈L(E,F), et B une base de E, si u et v coïncident sur la base B alors u = v.
Supposons que E admettent une base B= e i et F une base B'= fk .
1≤i≤n 1 ≤k ≤ p
u∈L(E,F), est entièrement déterminée par la donnée des vecteurs u( e i ) or ces vecteurs
1 ≤ i≤ n
ont des coordonnées dans la base B' de F.
Pour résumer ces données on peut utiliser un tableau à n lignes et p colonnes dans lequel chaque
colonne contient les coordonnées des vecteurs u( e i ) dans la base B'.
1 ≤ i≤ n
Ce tableau s'appelle la matrice de u relativement au base B et B' qu'on note M(u,B,B')
ℝ 2 → ℝ 3
Exemple: Soit f : .
( x, y ) ֏ ( x + y,2 y, x − y )
On prend comme bases les bases canoniques de 2 et 3.
f(e1) = f((1,0)) = (1,0,1) = 1.f1 + 0.f2 + 1.f3
et f(e2) = f((0,1)) = (1,2,-1) = 1.f1 + 2.f2 + (-1).f3
f( e 1 ) f( e 2 )
1 1 f1
La matrice de f dans les bases canoniques est donc M(f,B,B') = 0 2 f2
1 −1 f3
