Année Universitaire 2020-2021
Université Cadi Ayyad Responsable: Lakhel El Hassan
Ecole Nationale des Sciences Appliquées
Safi
Résumé de cours : Chapitre 4 Semestre 1: Espaces vectoriels
Dans toute la suite K = R ou C.
Définition 0.1. On appelle espace vectoriel sur K ou K-espace vectoriel, un ensemble E muni de:
(1) Loi de composition interne + appelée addition telle que (E, +) est un groupe commutatif.
(2) Loi de composition externe, ça sera une multiplication de
K×E −→ E
(α, x) −→ αx
vérifiant:
a. ∀ λ, µ ∈ K, ∀x ∈ E : (λ + µ)x = λx + µx.
b. ∀λ ∈ K, ∀x, y ∈ E : λ(x + y) = λx + λy
c. ∀ λ, µ ∈ K, ∀x ∈ E : λ(µx) = (λµ)x.
d. ∀x ∈ E : 1K x = x
1. Famille de vecteurs
(1) UnePcombinaison linéaire de la famille finie de vecteurs (x1 , . . . , xn ) de E est un vecteur s’écrivant
x= n i=1 λi xi où les λi sont des scalaires (des éléments de K )
(2) Une famille finie de vecteurs (x1 , . . . , xn ) de E est libre si, pour tout choix de (α1 , . . . , αn ) ∈ Kn
n
X
αi xi = 0 =⇒ ∀i ∈ {1, . . . , n}, αi = 0.
i=1
(3) Une famille (xi )i∈I est génératrice de E si tout vecteur de E est combinaison linéaire des (xi )i∈I .
(4)
(5)
Définition 1.1. On appelle sous-espace vectoriel de E, toute partie F de E vérifiant les conditions suivantes:
(1) 0E ∈ F ,
(2) pour tout x ∈ F et tout y ∈ F , x + y ∈ F,
(3) pour tout x ∈ F et pour tout λ ∈ K, λx ∈ F .
Théorème 1.1 (Intersection de deux sous-espaces). Soient F, G deux sous-espaces vectoriels d’un K-espace vectoriel
E. L’intersection F ∩ G est un sous-espace vectoriel de E.
Définition 1.2. (Définition de la somme de deux sous-espaces) Soient F et G deux sous-espaces vectoriels
d’un K-espace vectoriel E. L’ensemble de tous les éléments u + v, où u est un élément de F et v un élément de G,
est appelé somme des sous-espaces vectoriels F et G. Cette somme est notée F + G. On a donc
F + G = u + v | u ∈ F, v ∈ G .
Proposition 1.1. Soient F et G deux sous-espaces vectoriels du K-espace vectoriel E.
(1) F + G est un sous-espace vectoriel de E.
(2) F + G est le plus petit sous-espace vectoriel contenant à la fois F et G.
1.1. Sous-espace engendré par une partie.
Définition 1.3. Soit A une partie non vide de E. On note V ect(A) l’ensemble des vecteurs u ∈ E pouvant s’écrire
u = λ1 a1 + λ2 a2 + · · · + λn an
avec n ∈ N∗ , a1 , . . . , an ∈ A et λ1 , . . . , λn ∈ K.
∗
V ect(A) = {u ∈ E | ∃n ∈ N , ∃a1 , . . . , an ∈ A, ∃λ1 , . . . , λn ∈ K, u = λ1 a1 + λ2 a2 + · · · + λn an }.
Proposition 1.2. V ect(A) est un sous-espace vectoriel.
1
2
1.2. Sous-espaces vectoriels supplémentaires.
Théorème 1.2. Soit F et G deux sous-espaces vectoriels d’un même K-espace vectoriel E. Les propriétés suivantes
sont équivalentes:
i) tout vecteur x ∈ E s’ecrit de manière unique, x = y + z, avec x ∈ F et z ∈ G,
ii) E = F + G et F ∩ G = {0}.
Définition 1.4. Deux sous-espaces vectoriels d’un K-e.v. E vérifiant les conditions équivalentes i) et ii) du théorème
1.2 sont dits supplémentaires dans E.
On dit également que E est somme directe de F et G et on écrit:
E = F ⊕ G.
2
Exemple 1.1. Soit E = R , e1 = (1, 0), e2 = (0, 1) et a = (1, 1).
F = {αe1 ; α ∈ R} = vect(e1 ),
G = {αe2 ; α ∈ R} = vect(e2 ),
H = {αa; α ∈ R} = vect(a),
on a
R2 = F ⊕ G = F ⊕ H.
Remarque 1.1. F ⊕ G = F ⊕ H n’implique pas que G = H!
Définition 1.5. (Généralisation) On dit que le K-espace vectoriel E est P somme directe des s.e.v. F1 , , ..., Fn si
tout vecteur x ∈ E s’écrit de manière unique: x = x1 + x2 + ... + xn = n i=1 xi avec xi ∈ Fi , 1 ≤ i ≤ n. On écrit
alors:
E = F1 ⊕ F2 ⊕ ... ⊕ Fn = ⊕ni=1 Fi .
Proposition 1.3. Soient E un K-espace vectoriel, n ∈ N∗ , et n sous-espaces vectoriels F1 ,...,Fn . Alors, on a
l’équivalence:
Pn
E = i=1 Fi
n
E = ⊕i=1 Fi ⇐⇒ et
Pn
( i=1 xi = 0, xi ∈ Fi 1 ≤ i ≤ n) =⇒ (x1 = ... = xn = 0).
2. Applications linéaires
Définition 2.1. Soit E et F deux K-espaces vectoriels et soit f une application de E dans F . On dit que f est une
application linéaire de E dans F si ∀x, y ∈ E, ∀λ ∈ K:
f (x + λy) = f (x) + λf (y).
Définition 2.2. Soit E et F deux K-espaces vectoriels et soit f une application linéaire de E dans F .
• Si E = F , f s’appelle un endomorphisme de E.
• Si E = K, f s’appelle une forme linéaire sur E.
• Si f est une bijection de E sur F, f s’appelle un isomorphisme de E sur F .
Un isomorphisme de E sur E s’appelle aussi automorphisme de E.
Proposition 2.1. Si f est un isomorphisme de E sur F , l’application réciproque f −1 est un isomorphisme de F sur
E, appelé isomorphisme réciproque de f .
Définition 2.3. Deux K-espaces vectoriels sont dits isomorphes, s’il existe un isomorphisme de l’un dans l’autre;
on écrit E ' F.
2.1. Image et noyau d’une application linéaire.
Théorème 2.1. Soit E et F deux K−espaces vectoriels et soit f une application linéaire de E dans F .
(1) L’image par f d’un sous-espace vectoriel de E est un sous-espace vectoriel de F .
(2) L’image réciproque par f d’un sous-espace de F est un sous-espace vectoriel de E.
Preuve:
3
(1) Soit E 0 un sous-espace vectoriel de E et soit
f (E 0 ) = {y ∈ F/∃x ∈ E 0 tel que y = f (x)}.
On a: 0 ∈ E 0 et 0 = f (0) ∈ f (E 0 ). Si y, y 0 ∈ f (E 0 ) et λ ∈ K, il existe x, x0 ∈ E 0 tels que y = f (x) et
y 0 = f (x0 ) et puisque E 0 est sous-espace vectriel de E, donc x + λx0 ∈ E 0 .
Alors y + λy 0 = f (x) + λf (x0 ) = f (x + λx0 ) ∈ f (E 0 ).
(2) Soit F 0 un sous-espace vectoriel de F et soit:
f −1 (F 0 ) = {x ∈ E/f (x) ∈ F 0 }
0 −1
On a f (0) = 0 ∈ F et donc 0 ∈ f (F 0 ). Si x, x0 ∈ f −1 (F 0 ) et λ ∈ K, on a f (x + λx0 ) = f (x) + λf (x0 ) ∈ F 0
et donc x + λx0 ∈ f −1 (F 0 ).
Définition 2.4. Soit E et F deux K−espaces vectoriels et soit f une application linéaire de E dans F .
(1) Le sous-espace vectoriel f (E) de F est appelé l’image de f et noté
Im(f ) = f (x); x ∈ E .
(2) Le sous-espace vectoriel
Ker(f ) = f −1 ({0}) = x ∈ E; f (x) = 0 .
est appelé le noyau de f
3. Méthodes : Espaces vectoriels
Démontrer qu’une partie est/n’est pas un sous-espace vectoriel
(1) Pour démontrer que F est un sous-espace vectoriel de E, on applique la caractérisation des sous-espaces
vectoriels, c’est-à-dire qu’on vérifie que 0E ∈ F et
x+y ∈F
λx ∈ F
(2) si on veut démontrer que F n’est pas un sous-espace vectoriel de E, il faut trouver un contre-exemple. Le
plus souvent
• on montre que 0E ∈ /F
• ou bien on trouve x, y ∈ F tel que x + y ∈ /F
• ou bien on trouve x ∈ F et λ ∈ K tels que λx ∈ /F
Démontrer qu’une famille est libre Pour démontrer qu’une famille (x1 , . . . , xn ) est libre, on écrit une relation de liaison
Xn
αi xi = 0
i=1
et on essaie de démontrer que tous les αi sont nuls.
Démontrer qu’une application linéaire est injective: Pour démontrer qu’une application linéaire est injective, on
montre que son noyau est réduit à {0}.
