Espaces vectoriels

K désigne un corps, par exemple R. — Soit A ∈ Mn,p (R). Soit AX = 0 un système d’équations linéaires ho-
mogènes à p variables. Alors l’ensemble des vecteurs solutions est
un sous-espace vectoriel de R p .
1. Espace vectoriel (début)
Un sous-espace vectoriel est lui-même un espace vectoriel.
Définition. Un K-espace vectoriel est un ensemble non vide E muni : Théorème. Soient E un K-espace vectoriel et F un sous-espace vectoriel de E.
— d’une loi de composition interne, c’est-à-dire d’une application de Alors F est lui-même un K-espace vectoriel pour les lois induites par E.
E × E dans E :
E×E → E Méthodologie. Pour répondre à une question du type « L’ensemble F est-il
(u, v) 7→ u + v un espace vectoriel ? », une façon efficace de procéder est de trouver un
espace vectoriel E qui contient F , puis prouver que F est un sous-espace
— d’une loi de composition externe, c’est-à-dire d’une application de
vectoriel de E.
K × E dans E :
K×E → E
(λ, u) 7→ λ · u 4. Sous-espace vectoriel (milieu)
qui vérifient les propriétés suivantes : Soit n ⩾ 1 un entier, soient v1 , v2 , . . . , vn , n vecteurs d’un espace vectoriel
1. u + v = v + u (pour tous u, v ∈ E) E. Tout vecteur de la forme
2. u + (v + w) = (u + v) + w (pour tous u, v, w ∈ E)
u = λ1 v1 + λ2 v2 + · · · + λn vn
3. Il existe un élément neutre 0 E ∈ E tel que u + 0 E = u (pour tout
u ∈ E) est appelé combinaison linéaire des vecteurs v1 , v2 , . . . , vn . Les scalaires
4. Tout u ∈ E admet un symétrique u′ tel que u + u′ = 0 E . Cet élément λ1 , λ2 , . . . , λn ∈ K sont appelés coefficients de la combinaison linéaire.
u′ est noté −u. Remarque : si n = 1, alors u = λ1 v1 et on dit que u est colinéaire à v1 .
5. 1 · u = u (pour tout u ∈ E) Théorème. Soient E un K-espace vectoriel et F une partie non vide de E. F
6. λ · (µ · u) = (λµ) · u (pour tous λ, µ ∈ K, u ∈ E) est un sous-espace vectoriel de E si et seulement si
7. λ · (u + v) = λ · u + λ · v (pour tous λ ∈ K, u, v ∈ E) λu + µv ∈ F pour tout u, v ∈ F et tout λ, µ ∈ K.
8. (λ + µ) · u = λ · u + µ · u (pour tous λ, µ ∈ K, u ∈ E)
Exemple fondamental : E = Rn est un K-espace vectoriel. Proposition (Intersection de deux sous-espaces). Soient F, G deux sous-
— Addition : (x 1 , . . . , x n ) + (x 1′ , . . . , x n′ ) = (x 1 + x 1′ , . . . , x n + x n′ ). espaces vectoriels d’un K-espace vectoriel E. L’intersection F ∩ G est un sous-
— Multiplication par un scalaire : λ · (x 1 , . . . , x n ) = (λx 1 , . . . , λx n ). espace vectoriel de E.
— L’élément neutre : vecteur nul (0, 0, . . . , 0). La réunion de deux sous-espaces vectoriels de E n’est pas en général un
— Le symétrique de (x 1 , . . . , x n ) est (−x 1 , . . . , −x n ), que l’on note sous-espace vectoriel de E.
−(x 1 , . . . , x n ).
5. Sous-espace vectoriel (fin)
2. Espace vectoriel (fin)
Définition (Somme de deux sous-espaces). Soient F et G deux sous-
Vocabulaire : espaces vectoriels d’un K-espace vectoriel E. L’ensemble de tous les élé-
— Un élément de E est un vecteur. ments u + v, où u est un élément de F et v un élément de G, est appelé
— Un élément de K est un scalaire. somme des sous-espaces vectoriels F et G. Cette somme est notée F + G.
— L’élément neutre 0 E s’appelle le vecteur nul. Il est unique. On a donc
— Pour chaque u ∈ E, son symétrique (ou opposé) −u est unique.

F + G = u + v | u ∈ F, v ∈ G .
Proposition. Soit E un espace vectoriel sur un corps K. Soient u ∈ E et λ ∈ K.
Alors on a : G
1. 0 · u = 0 E
2. λ · 0 E = 0 E F +G

3. (−1) · u = −u F
4. λ · u = 0 E ⇐⇒ λ = 0 ou u = 0 E
Exemple. L’espace vectoriel F (R, R) des fonctions de R dans R.
— Soient f et g deux éléments de F (R, R). La fonction f + g est définie Proposition.
par : ( f + g)(x) = f (x) + g(x) (pour tout x ∈ R).
1. F + G est un sous-espace vectoriel de E.
— Soit λ ∈ R. La fonction λ · f est définie par (λ · f )(x) = λ × f (x)
(pour tout x ∈ R). 2. F + G est le plus petit sous-espace vectoriel contenant à la fois F et G.
— L’élément neutre est la fonction nulle, définie par f (x) = 0 pour Définition (Somme directe de deux sous-espaces). Soient F et G deux
tout x ∈ R. sous-espaces vectoriels de E. F et G sont en somme directe dans E si :
— Le symétrique de f est − f définie (− f )(x) = − f (x) (pour tout — F ∩ G = {0 E },
x ∈ R). — F + G = E.
Autres exemples : On note alors F ⊕G = E et on dit que F et G sont des sous-espaces vectoriels
— L’ensemble S des suites réelles (un )n∈N est un R-espace vectoriel. supplémentaires dans E.
— L’ensemble Mn,p (R) des matrices à n lignes et p colonnes à coeffi-
cients dans R est un R-espace vectoriel. Proposition. F et G sont supplémentaires dans E si et seulement si tout élé-
— L’ensemble R[X ] des polynômes est un espace vectoriel. ment de E s’écrit d’une manière unique comme la somme d’un élément de F
et d’un élément de G.
Exemple. Dans le R-espace vectoriel F (R, R) des fonctions de R dans R, le
3. Sous-espace vectoriel (début)
sous-espace vectoriel des fonctions paires P et le sous-espace vectoriel des
Définition. Soit E un K-espace vectoriel. Une partie F de E est appelée un fonctions impaires I sont supplémentaires : P ⊕ I = F (R, R).
sous-espace vectoriel si : Théorème (Sous-espace engendré). Soit {v1 , . . . , vn } un ensemble fini de
— 0E ∈ F , vecteurs d’un K-espace vectoriel E. Alors :
— u + v ∈ F pour tous u, v ∈ F (F est stable pour l’addition), — L’ensemble des combinaisons linéaires des vecteurs {v1 , . . . , vn } est
— λ · u ∈ F pour tout λ ∈ K et tout u ∈ F (F est stable pour la multi- un sous-espace vectoriel de E, appelé sous-espace engendré par
plication par un scalaire). v1 , . . . , vn et noté Vect(v1 , . . . , vn ).
Exemples : Ainsi : u ∈ Vect(v1 , . . . , vn ) ⇐⇒ il existe λ1 , . . . , λn ∈
— L’ensemble des fonctions continues sur R est un sous-espace vecto- K tels que u = λ1 v1 + · · · + λn vn
riel de l’espace vectoriel des fonctions de R dans R. — C’est le plus petit sous-espace vectoriel de E contenant les vecteurs
— L’ensemble des suites réelles convergentes est un sous-espace vec- v1 , . . . , vn (si F est un sous-espace vectoriel de E contenant aussi les
toriel de l’espace vectoriel des suites réelles. vecteurs v1 , . . . , vn alors Vect(v1 , . . . , vn ) ⊂ F ).
1
6. Application linéaire (début) — Une projection est une application linéaire.
— Une projection p vérifie l’égalité p2 = p. Note 2

: p = p signifie
Définition. Soient E et F deux K-espaces vectoriels. Une application f de
p ◦ p = p, c’est-à-dire pour tout u ∈ E : p p(u) = p(u).
E dans F est une application linéaire si elle satisfait aux deux conditions
suivantes :
1. f (u + v) = f (u) + f (v), pour tous u, v ∈ E ; 8. Application linéaire (fin)
2. f (λ · u) = λ · f (u), pour tout u ∈ E et tout λ ∈ K. Image
L’application f est linéaire si et seulement si, pour tous u, v ∈ E et pour Rappels. Soient E et F deux ensembles et f une application de E dans F .
tous λ, µ ∈ K, Soit A ⊂ E. L’image directe deA par f est l’ensemble des images par f des
éléments de A, appelé f (A) = f (x) | x ∈ A . C’est un sous-ensemble de F .
f (λu + µv) = λ f (u) + µ f (v) Soit maintenant E et F des K-espaces vectoriels et f : E → F une applica-
tion linéaire.
Plus généralement, une application linéaire f préserve les combinaisons f (E) s’appelle l’image de l’application linéaire f et est noté Im f .
linéaires.
Proposition.
Exemple. Pour une matrice fixée A ∈ Mn,p (R), l’application f : R p −→ Rn
définie par f (X ) = AX est une application linéaire. 1. Im f est un sous-espace vectoriel de F .
Proposition. Si f est une application linéaire de E dans F , alors : 2. Plus généralement, si E ′ est un sous-espace vectoriel de E, alors f (E ′ )
— f (0 E ) = 0 F , est un sous-espace vectoriel de F .
— f (−u) = − f (u), pour tout u ∈ E. Par définition de l’image directe :
Vocabulaire : f est surjective si et seulement si Im f = F .
— L’ application identité, notée id E : f : E −→ E, f (u) = u pour tout Noyau
u ∈ E. Définition (Définition du noyau). Soient E et F deux K-espaces vectoriels
— Une application linéaire de E dans F est aussi appelée morphisme et f une application linéaire de E dans F . Le noyau de f , noté Ker( f ), est
ou homomorphisme d’espaces vectoriels. L’ensemble des applica- l’ensemble des éléments de E dont l’image est 0 F :
tions linéaires de E dans F est noté L (E, F ).
— Une application linéaire de E dans E est appelée endomorphisme 
Ker( f ) = x ∈ E | f (x) = 0 F
de E. L’ensemble des endomorphismes de E est noté L (E).

Autrement dit, le noyau est l’image réciproque du vecteur nul de l’espace

7. Application linéaire (milieu)
d’arrivée : Ker( f ) = f −1 {0 F }.
Symétrie centrale et homothétie. Proposition. Le noyau de f est un sous-espace vectoriel de E.
Soit E un K-espace vectoriel. s : E → E, s(u) = −u est linéaire et s’appelle
la symétrie centrale. Pour λ ∈ K, hλ : E → E, hλ (u) = λu est linéaire et Exemple. Un plan P d’équation (ax + b y + cz = 0), est un sous-espace
s’appelle l’homothétie de rapport λ. vectoriel de R3 . En effet c’est le noyau de l’application linéaire f : R3 → R
définie par f (x, y, z) = ax + b y + cz.
Théorème (Caractérisation des applications linéaires injectives).
u 
f injective ⇐⇒ Ker( f ) = 0 E
0
hλ (u) = λ · u En particulier, pour montrer que f est injective, il suffit de vérifier que :
s(u) = −u si f (x) = 0 F alors x = 0 E .
0 u
L’espace vectoriel L (E, F )
Proposition. L’ensemble des applications linéaires entre deux K-espaces vec-
Projection. toriels E et F , noté L (E, F ) est un K-espace vectoriel.
Soient E un K-espace vectoriel et F et G deux sous-espaces vectoriels sup- Composition et inverse d’applications linéaires
plémentaires dans E, c’est-à-dire E = F ⊕ G. Tout vecteur u de E s’écrit de Proposition (Composée de deux applications linéaires). Soient E, F, G trois
façon unique u = v + w avec v ∈ F et w ∈ G. La projection sur F parallèle- K-espaces vectoriels, f une application linéaire de E dans F et g une applica-
ment à G est l’application p : E → E définie par p(u) = v. tion linéaire de F dans G. Alors g ◦ f est une application linéaire de E dans
G G.
Soient E et F deux K-espaces vectoriels.
— Une application linéaire bijective de E sur F est appelée isomor-
w u phisme d’espaces vectoriels. Les deux espaces vectoriels E et F sont
alors dits isomorphes.
F — Un endomorphisme bijectif de E (c’est-à-dire une application li-
v = p(u)
néaire bijective de E dans E) est appelé automorphisme de E. L’en-
semble des automorphismes de E est noté G L(E).