Chapitre 12

E SPACES VECTORIELS
(1) G ÉNÉRALITÉS

Mohamed TARQI

Table des matières

1 Structures d’espaces vectoriels et d’algèbres 1
1.1 Structure d’espace vectoriel sur un corps commutatif . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 Règles de calcul dans un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Espace vectoriel produit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Structure d’algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Sous-espaces vectoriels d’un espace vectoriel 5

2.1 sous-espaces vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Sous-espaces supplémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.1 Somme de deux sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.2 Sous-espaces supplémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3 Applications linéaires 8
3.1 Définition. Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Premières propriétés des applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.3 Projections et symétries vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

• • • • • • • • ••

1 Structures d’espaces vectoriels et d’algèbres

1.1 Structure d’espace vectoriel sur un corps commutatif
1.1.1 Définitions et propriétés
Définition 1.1 Étant donné un ensemble E et un ensemble Ω. On appelle loi de composition externe entre élé-
ments de E et éléments de Ω, toute application f de Ω × E dans E :

(α, x) 7−→ f (α, x)

f (α, x) est le composé de α et de x. On le note α.x

Soit E un ensemble non vide muni

1) d’une loi interne notée +.
2) d’une loi externe notée ·
Nous notons (E, +, ·) l’ensemble muni de ces deux lois.

1
 E SPACES VECTORIELS
C HAPITRE 12 (1) G ÉNÉRALITÉS

Définition 1.2 On dit que (E, +, ·) est un espace vectoriel sur un corps commutatif K ou K-espace vectoriel si et
seulement si les propriétés suivantes sont vérifiées :
1. (E, +) est un groupe commutatif.
2. ∀x ∈ E, 1 · x = x
3. ∀x ∈ E, ∀α, β ∈ K on a : α(β · x) = (αβ) · x
4. L’opération externe est distributive par rapport à l’addition dans K et par rapport à l’opération interne de E.
Les éléments de E sont appelés des vecteurs, on note parfois le vecteur x par ~x, 0E et 0K représentent pro-
visoirement les éléments zéros de E et K, les axiomes de la structure d’espace vectoriel sur K s’écrivent
donc :
1. ∀x, y, z ∈ E on a : (x + y) + z = x + (y + z)
2. ∀x, y ∈ E on a : x + y = y + x
3. Il existe 0E ∈ E tel que ∀x ∈ E on a : x + 0E = 0E + x = x.
4. ∀x ∈ E, ∃x0 ∈ E : x + x0 = x0 + x = 0E (x0 = −x)
5. ∀x ∈ E, 1K · x = x
6. ∀x ∈ E, ∀α, β ∈ K on a : α(β · x) = (αβ) · x
7. ∀x ∈ E, ∀α, β ∈ K on a : (α + β) · x = α · x + β · x
8. ∀x, y ∈ E, ∀α ∈ K on a : α · (x + y) = α · x + α · y

Exemples :
→
− →
−
1. Soit E l’ensemble des vecteurs du plan et K = R. E muni des opérations →
−
x +→
−
y et α−
→
x (α ∈ R)
est un espace vectoriel.
2. (K, +, .) est un espace vectoriel sur lui-même .
3. K[X] et Kn [X] (n ∈ N∗ ) sont des K-espaces vectoriels.

Exemple fondamental : Soit A une partie non vide de R. Notons E = F (A, R) l’ensemble des applica-
tions de A à valeurs dans R.
Soient f et g des éléments de E. Rappelons que la somme f + g est par définition l’application qui à tout
élément x de A associé le nombre réel f (x) + g(x). Nous savons que, muni de l’addition, E vérifie :
· ∀f, g, h ∈ E on a : (f + g) + h = f + (g + h)
· ∀f, g ∈ E on a : f + g = g + f
· ∀f ∈ E on a : f + 0E = 0E + f (0E la fonction nulle)
· ∀f ∈ E on a : f + (−f ) = (−f ) + f = 0E
D’autre part, on peut définir une application de R × E dans E de la manière suivante : pour tout nombre
réel α et pour tout élément de E, on note αf l’application qui à tout élément x de A associé le nombre
réel αf (x). Il s’agit d’une loi de composition externe. On a les propriétés suivantes :
· ∀f ∈ E on a : 1.f = f
· ∀f, ∈ E , ∀α, β ∈ R on a : α(β.f ) = (αβ).f
· ∀f ∈ E, ∀α, β ∈ R on a : (α + β).f = α.f. + β.f
· ∀f, g ∈ E, ∀α ∈ R on a : α.(f + g) = α.f + α.g
L’ensemble E, muni de l’addition et de la multiplication externe est un espace vectoriel, cette espace
prend le nom d’espace vectoriel des fonctions numériques.

Cas particulier : Lorsque A est l’ensemble N des entiers naturels, les applications de N dans R ne sont
autres que les suites de nombres réels. L’ensemble E prend alors le nom d’espace vectoriel des suites de
nombres réels.

Cours de Mathématiques MPSI 2 / 12 Rédigé par: [Link]

 E SPACES VECTORIELS
C HAPITRE 12 (1) G ÉNÉRALITÉS

Exercice : Soit E l’ensemble définie par :

E = {f : R −→ R, / f (x) = (ax + b)e3x , (a, b) ∈ R2 }

Montrer que (E, +, ·) est un espace vectoriel sur R.

1.1.2 Règles de calcul dans un espace vectoriel

Proposition 1.1 Soit E un K-espace vectoriel.
1. ∀x ∈ E, 0K .x = 0E et ∀α ∈ K, α.0E = 0E
2. ∀x ∈ E, ∀α ∈ K, α.x = 0 ⇐⇒ α = 0K ou x = 0E
3. ∀x ∈ E, ∀α ∈ K, (−α).x = α.(−x) = −(α.x)

Démonstration :
1. ∀x ∈ E, on a :
0K .x + αx = (0K + α)x = αx
donc
0K .x = α.x − α.x = 0E
de même
α.0E + α.x = α.(0E + x) = α.x
d’où
α.0E = 0E
2. Soit x ∈ E et α ∈ K tel que α.x = 0E
Si α 6= 0,
α−1 (α.x) = α−1 α.x = α−1 .0E = 0E
or
α−1 α.x = x
d’où
x = 0E
3. Si α ∈ K et x ∈ E on a :

α.x + (−α.x) = [α + (−α)].x = 0K .x = 0E

de même
α.x + α.(−x) = α.[x + (−x)] = α.0E = 0E
donc :
(−α).x = α.(−x) = −(α.x).
u
t

Remarque : D’après ce résultat il n’y aurait aucun inconvénient à désigner 0E , l’élément zéro de E, et
le zéro de K par même symbole 0.

Proposition 1.2 ∀(α, β) ∈ K2 et ∀(x, y) ∈ E 2 on a :

1. (α − β).x = α.x − β.x
2. α.(x − y) = α.x − α.y

Cours de Mathématiques MPSI 3 / 12 Rédigé par: [Link]

 E SPACES VECTORIELS
C HAPITRE 12 (1) G ÉNÉRALITÉS

1.2 Espace vectoriel produit

Soit deux espaces vectoriels E et F sur le même corps commutatif, considérons le groupe produit des
groupes (E, +) et (F, +), l’addition sur E × F est définie par :

(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 )

On vérifiera que la multiplication externe définie par l’égalité :

α(x, y) = (αx, αy)

munit le groupe produit E × F d’une structure d’espace vectoriel sur K.

Définition 1.3 L’espace vectoriel ainsi définie s’appelle espace vectoriel produit E × F .

Généralisation : Étant donné n espaces vectoriels E1 , E2 , ..., En sur le même corps commutatif K, les
égalités suivantes :

(x1 , x2 , ..., xn ) + (y1 , y2 , ..., yn ) = (x1 + y1 , x2 + y2 , ..., xn + yn )

α(x1 , x2 , ..., xn ) = (αx1 , αx2 , ..., αxn )

définissent l’espace vectoriel E1 × E2 ×, ..., ×En .

Exemple : Si K est corps commutatif, alors on peut définir l’espace vectoriel Kn , l’addition et la multi-
plication externe sont définis par :
∀x = (x1 , x2 , ..., xn ), y = (y1 , y2 , ..., yn ) ∈ Kn et α ∈ K,

x + y = (x1 , x2 , ..., xn ) + (y1 , y2 , ..., yn ) = (x1 + y1 , x2 + y2 , ..., xn + yn )

αx = α(x1 , x2 , ..., xn ) = (αx1 , αx2 , ..., αxn )

1.3 Structure d’algèbre

Définition 1.4 On appelle algèbre ou K-algèbre tout ensemble A muni d’une loi interne notée (+), d’une loi
externe notée (.) et d’une troisième loi interne notée (∗) telles que :
1. (A, +.) est un K-espace vectoriel.
2. (∗) est distributive par rapport à l’addition ;
3. ∀α ∈ K, ∀(x, y) ∈ A2 , α(x ∗ y) = (αx) ∗ y = x ∗ (αy).

Une K-algèbre est dite :

• associative si, et seulement si, (∗) est associative ;
• commutative si, et seulement si, (∗) est commutative ;
• unitaire ( ou unifère ) si, et seulement si, A admet un élément neutre pour (∗).

Exemples :
1. Tout corps commutatif K est une K-algèbre associative, commutative, unitaire, en prenant pour
troisième loi loi de multiplication.
2. Soit l’espace vectoriel (RA , +, .) des applications numériques, on définit une troisième loi par :
∀x ∈ A, ∀f, g ∈ RA , (f g)(x) = f (x)g(x)
RA est une R-algèbre associative, commutative, unitaire, le neutre pour la troisième loi étant l’ap-
plication constante égale à 1.

Cours de Mathématiques MPSI 4 / 12 Rédigé par: [Link]

 E SPACES VECTORIELS
C HAPITRE 12 (1) G ÉNÉRALITÉS

2 Sous-espaces vectoriels d’un espace vectoriel

2.1 sous-espaces vectoriel
Définition 2.1 Soit E un K-espace vectoriel et F ⊂ E, F 6= ∅. On dit que F est un sous-espace vectoriel de E si
et seulement si F est stable par l’addition et la multiplication externe et a une structure d’espace vectoriel sur K.

Théorème 2.1 Soit E un K-espace vectoriel. Une partie F, non vide, de E est un sous-espace
vectoriel de E si et seulement si ∀x, y ∈ F, ∀α, β ∈ K α.x + β.y ∈ F .

Exemples :
1. Pour tout espace vectoriel E, {0E } et E sont des sous-espaces vectoriels de E. Tout sous-espace
vectoriel différent de E et {0E } est appelé sous-espace vectoriel propre de E.
2. Soit F = {f ∈ F (I, R) : f (0) = 0}. F est un sous-espace vectoriel de F (I, R), en effet :

∀α, β ∈ R ∀f, g ∈ F (αf + βg)(0) = α.f (0) + β.g(0) = 0

3. L’ensemble des suites qui convergent vers 0 est un sous-espace vectoriel de l’espace vectoriel des
suites numériques.
4. ∀n ∈ N∗ , Kn [X] est un sous-espace vectoriel de K[X].

Exemples : Dans E = F (R, R) espaces vectoriels sur R, les ensembles suivants sont des sous-espaces
vectoriels de E.
1. Ensemble des fonctions paires.
2. Ensemble des fonctions impaires.
3. Ensemble des fonctions continues.
4. Ensemble des fonctions k fois dérivables.

Remarque :
1. Un sous-espace vectoriel de E n’est jamais vide : il contient toujours 0.
2. Pour montrer qu’un ensemble F est un espace vectoriel, il suffit de montrer qu’il est un sous-espace
d’un espace vectoriel bien connu, par exemple pour montrer que l’ensemble

S = {(un )n≥0 ∈ CN /un+2 = aun+1 + bun }

est un espace vectoriel il suffit de montrer qu’il est un sous-espace vectoriel de CN .

Théorème 2.2 Si E1 , E2 , ..., Em sont des sous-espaces vectoriels d’un K-espace vectoriel E alors
Tn
Ei est sous-espace vectoriel de E.
i=1

i=n
Démonstration : Soit (x, y) ∈ F × F = Ei et (λ, µ) ∈ K2
T
i=1
alors ∀i = 1, 2, ..., n (x, y) ∈ Ei2 , et puisque Ei est un sous-espace vectoriel, alors λx + µy ∈ Ei d’où
i=n
Ei . u
T
λx + µy ∈ t
i=1

Définition 2.2 Soit m (m ∈ N∗ ) éléments x1 , x2 , ..., xm d’un espace vectoriel et m nombres α1 , α2 , ..., αm .
L’élément α1 x1 + α2 x2 + ... + αm xm de E est appelé combinaison linéaire des éléments x1 , x2 , ..., xm de E ;
α1 , α2 , ..., αm sont les coef f icients respectifs de x1 , x2 , ..., xm dans cette combinaison linéaire.

Cours de Mathématiques MPSI 5 / 12 Rédigé par: [Link]

 E SPACES VECTORIELS
C HAPITRE 12 (1) G ÉNÉRALITÉS

Théorème et définition 2.1 Étant donné des éléments x1 , x2 , ..., xm d’un K-espace vectoriel. L’en-
semble de toutes les combinaisons linéaires de x1 , x2 , ..., xm est un sous-espace vectoriel de E
appelé sous-espace vectoriel engendré par la partie {x1 , x2 , ..., xm } ou par la famille {x1 , x2 , ..., xm },
on le note V ect({x1 , x2 , ..., xm }).

Démonstration : Soit x, y ∈ V ect({x1 , x2 , ..., xm }) et α, β ∈ K, alors il existe des scalaires λ1 , λ2 , ..., λm ,

µ1 , µ2 , ..., µm tels que :
m m
λi xi et y =
P P
x= µ i xi
i=1 i=1
donc
m
u
P
αx + βy = (αλi + βµi )xi ∈ V ect({x1 , x2 , ..., xm }). t
i=1

Exemples :
1. Soit E un K-espace vectoriel et x un vecteur de E, non nul.
V ect(x) = {λx / λ ∈ K}.
C’est la droite vectoriele engendrée par x.
2. Dans l’espace vectoriel R3
Soit a = (1, −2, 3), b = (0, 3, −1)
V ect{a, b} = {λa + µb / (λ, µ) ∈ R2 } = {(λ, −2λ + 3µ, 3λ − µ) / (λ, µ) ∈ R2 }
3. Dans l’espace vectoriel F (I, R), le sous-espace vectoriel engendré par x −→ e−2x et x −→ e3x est
l’ensemble {x −→ ae−2x + be3x : (a, b) ∈ R2 }
4. On a :
C = {x + iy / (x, y) ∈ R2 }
= V ect({1, i})
donc C est considéré comme un espace vectoriel engendré par 1 et i.
5. Kn [X] = V ect({1, X, X 2 , ..., X n })
6. Kn = V ect({e1 , e2 , ..., en }) avec e1 = (1, 0, ..., 0), e2 = (0, 1, ..., 0), ..., en = (0, 0, ..., 1)

Définition 2.3 Soit E un K-espace vectoriel. Une famille {a1 , a2 , ..., am } de E est appelée f amille gnratice de
E si et seulement si le sous-espace vectoriel engendré par {a1 , a2 , ..., am } est l’espace vectoriel lui-même.

Remarque : On a vu que l’ensemble F des combinaisons linéaires de a1 , a2 , ..., am est un sous-espace

vectoriel de E ; et on a F ⊂ E. Donc pour démontrer que F = E, il suffit de démontrer que E ⊂ F c’est
à dire que tout élément de E est une combinaison linéaire de a1 , a2 , ..., am .

Exemple : Kn = V ect({e1 , e2 , ..., en }) avec e1 = (1, 0, ..., 0), e2 = (0, 1, ..., 0), ..., en = (0, 0, ..., 1), donc
{e1 , e2 , ..., en } est une famille génératrice de Kn

2.2 Sous-espaces supplémentaires

2.2.1 Somme de deux sous-espaces vectoriels
Définition 2.4 Soient F et G deux sous-espaces vectoriels d’un K-espace vectoriel E. On appelle la somme de F
et G, l’ensemble F + G = {x + y / x ∈ F et y ∈ G}

Théorème 2.3 La somme de deux sous-espaces vectoriels F et G est un sous-espace vectoriel.

Cours de Mathématiques MPSI 6 / 12 Rédigé par: [Link]

 E SPACES VECTORIELS
C HAPITRE 12 (1) G ÉNÉRALITÉS

Démonstration : Soient F et G deux sous-espaces de E. ∀(α, β) ∈ K2 , ∀(x, y) ∈ F × G on a :

αx + βy = x0 + y 0 avec (x0 , y 0 ) ∈ F × G

donc αx + βy ∈ F + G et un par conséquent F + G est un sous-espace vectoriel de E. u

t

2.2.2 Sous-espaces supplémentaires

Définition 2.5 Soient F et G deux sous-espaces vectoriels d’un K-espace vectoriel E. F + G est dite somme
directe si F ∩ G = {0E }.

Théorème 2.4 Deux sous-espaces vectoriels F et G sont en somme directe si et seulement si

tout x ∈ F + G s’écrit d’une manière unique sous la forme x = f + g avec f ∈ F et g ∈ G.

Démonstration : Supposons que x = f + g = f 0 + g0 avec f, f 0 ∈ F et g, g 0 ∈ G, donc 0 = (f − f 0 ) +

(g − g 0 ) donc
f 0 − f = g 0 − g ∈ F ∩ G = {0E } =⇒ f = f 0 et g = g 0 ,
d’où l’unicité de l’écriture
x = f + g.
Réciproquement, soit x ∈ F ∩ G
alors
x=0+x=x+0
et par unicité x = 0, donc
F ∩ G = {0E }
u
t

Corollaire 2.1 F et G sont en somme directe si et seulement si ∀f ∈ F, ∀g ∈ G

(f + g = 0E =⇒ f = g = 0E )

Définition 2.6 Soient F et G deux sous-espaces vectoriels d’un k-espace vectoriel E. F et G sont dits supplimen-
taires si ils sont en somme directe et F + G = E. On note F ⊕ G = E

Remarque :

F +G=E
F ⊕ G = E ⇐⇒
F ∩ G = {0E }

Exercice : Soit E = F (I, R), avec I un intervalle symétrique par rapport à 0, l’espace vectoriel des
fonction numériques. Montrer que E est somme directe des sous-espaces vectoriels des fonctions pairs
et des fonctions impaires.

Cours de Mathématiques MPSI 7 / 12 Rédigé par: [Link]

 E SPACES VECTORIELS
C HAPITRE 12 (1) G ÉNÉRALITÉS

3 Applications linéaires
3.1 Définition. Exemples
Définition 3.1 Étant donnés deux espaces vectoriels E et F sur K. On appelle application linéaire de E dans F
toute application f de E dans F vérifiant :
(1) ∀x ∈ E, ∀y ∈ E f (x + y) = f (x) + f (y)
(2) ∀x ∈ E, ∀λ ∈ K f (λx) = λf (x)
Si E = F on dit que f est un endomorphisme de l’espace vectoriel E. Si l’application linéaire f : E −→ F est
bijective, c’est un isomorphisme de E sur F , si de plus E = F , on dit que f est un automorphisme de E.

Notations : L’ensemble des applications linéaires de E dans F sera noté par L (E, F ), l’ensemble est
des endomorphismes de E est noté L (E) au lieu de L (E, E), enfin on note G L (E) l’ensemble des
automorphismes de E

Remarque : f : E −→ F est une application linéaire si, et seulement si, ∀x ∈ E, ∀y ∈ E ∀λ, µ ∈ K

f (λx + µy) = λf (x) + µf (y).

Exemples :
1. On considére R comme espace vectoriel sur lui même, soit f l’application,a ∈ R :

f: R −
7 → R
x −7 → ax
f est une application linéaire, d’une manière générale, soit E un K-espace vectoriel et λ ∈ K,
l’application :
hλ : E 7−→ E
x 7−→ λx
est linéaire, appelée homothétie de rapport λ.
2. Si E = E1 × E2 les applications pr1 et pr2 définies par :
pr1 (x1 , x2 ) = x1 et pr2 (x1 , x2 ) = x2
sont des applications linéaires de E1 × E2 respectivement dans E1 et dans E2 .
3. Soit E = R2 , F = R3 , soit f l’application définie de E dans F par :

∀x, y ∈ R2 , f (x, y) = (2x − y, −x + 3y, 2x − 3y)

f est une application linéaire, en effet : ∀α, β ∈ R, ∀(x, y) ∈ R2 , ∀(x0 , y 0 ) ∈ R2

f (α(x, y) + β(x0 , y 0 )) = f (αx + βx0 , αy + βy 0 )

= (2(αx + βx0 ) − αy + βy 0 , −αx − βx0 + 3(αy + βy 0 ),
2(αx + βx0 ) − 3(αy + βy 0 ))
= α(2x − y, −x + 3y, 2x − 3y) + β(2x0 − y 0 , −x0 + 3y 0 , 2x0 − 3y 0 )
= αf (x, y) + βf (x0 , y 0 )

4. L’application Γ de k[X] dans k[X] définie par Γ(P ) = P 0 est linéaire.

Définition 3.2 On appelle forme linéaire sur un K-espace vectoriel E toute application linéaire de E dans K
considéré comme espace vectoriel.

Cours de Mathématiques MPSI 8 / 12 Rédigé par: [Link]

 E SPACES VECTORIELS
C HAPITRE 12 (1) G ÉNÉRALITÉS

Exemple : L’application Φ de l’espace vectoriel des fonctions intégrales au sens de Riemann sur le
Rb
segment [a, b] dans R définie par Φ(f ) = f (t)dt est une forme linéaire.
a

3.2 Premières propriétés des applications linéaires

Théorème 3.1 Pour toute application linéaire f de E dans F .
1. f (0E ) = 0F et pour tout x de E on a f (−x) = −f (x).
2. Si A est sous-espace vectoriel de E, f (A) est un sous-espace vectoriel de F .
3. Si B est sous-espace vectoriel de F , f −1 (B) est un sous-espace vectoriel de E.

Démonstration :
1. ∀x ∈ E,
f (x) = f (0E + x)
= f (0E ) + f (x)
on en déduit que f (0E ) = 0F .
2. ∀x ∈ E,

f (0E ) = f (x − x)
= f (x) + f (−x)
= 0F
donc f (−x) est l’opposé de f (x) dans F , c’est à dire f (−x) = −f (x).
3. Soit A un sous-espace vectoriel de E, x0 et y 0 des éléments de f (A), il existe alors x et y de A tels
que x0 = f (x) et y 0 = f (y), d’où pour tout α ∈ K :
f (x − y) = f (x) − f (y) = x0 − y 0 et f (αx) = αf (x) = αx0
donc x0 − y 0 et αx0 appartiennent à f (A) qui est donc un sous-espace vectoriel de F .
4. Soit B un sous-espace vectoriel de F , x et y deux éléments de f −1 (B), f (x) et f (y) appartiennent à
B, d’où pour tout α ∈ K.
f (x) − f (y) = f (x − y) et αf (x) = f (αx)
appartiennent à B, donc x − y et αx appartiennent à f −1 (B) qui est donc un sous-espace vectoriel
de E.
u
t

Définition 3.3 On appelle noyau d’une application linéaire f de E dans F l’ensemble {x ∈ E /f (x) = 0} et
image de f l’ensemble {f (x) / x ∈ E}. Et on note :
ker f = {x ∈ E f (x) = 0F } Imf = {f (x)/x ∈ E}

Exercice : Soit f l’application linéaire de R2 dans R3 , définie par :

f (x, y) = (2x − y, x + y, 3x − 4y)
Déterminer ker f et Imf.
Proposition 3.1 Soit f une application linéaire de E dans F . ker f est un sous-espace vectoriel de
E et Imf est un sous-espace vectoriel de F.

Cours de Mathématiques MPSI 9 / 12 Rédigé par: [Link]

 E SPACES VECTORIELS
C HAPITRE 12 (1) G ÉNÉRALITÉS

Démonstration : · ∀α, β ∈ K, ∀x, y ∈ ker f , on a : f (αx + βy) = αf (x) + βf (y) = 0F

· Soit y, y 0 ∈ Imf et α, β ∈ K, alors ∃x, x0 ∈ E tels que : f (x) = y et f (x0 ) = y 0
αy + βy 0 = αf (x) + βf (x0 ) = f (αx + βx0 )
donc αy + βy 0 ∈ Imf . u
t

Théorème 3.2 Pour toute application linéaire f de E dans F les proptiétés suivantes sont équiva-
lentes :
1. L’application f est injective.
2. ker f = {0E }.

Démonstration : (1) =⇒ (2) Soit x ∈ ker f, f (x) = 0F = f (0E ) et puisque f est injective, alors x = 0E .
(2) =⇒ (1) Soit x et y de E tels que f (x) = f (y)
alors
f (x − y) = 0F ⇐⇒ x − y ∈ ker f
donc si ker f = {0E }, x − y = 0E et par suite x = y. u
t

Proposition 3.2 Soient E et F deux espaces vectoriels sur un corps commutatif K. Si f et g de

L (E, F ) et α, β des scalaires, alors αf + βg appartient à L (E, F ). Autrement dit L (E, F ) est un
espace vectoriel.

Soient trois k-espaces vectoriels E, F, G. Considérons l’application h = g ◦ f composée des applications

linéaires g et f , avec f ∈ L (E, F ) et g ∈ L (F, G)
f g
E −→ F −→ G
h=g◦f
−→

∀α, β ∈ k, ∀(x, y) ∈ E 2 on a :
h(αx + βy) = g[f (αx + βy)]
= g[αf (x) + βf (y)]
= αg[f (x)] + βg[f (y)]
= αg ◦ f (x) + βg ◦ f (y)
= αh(x) + βh(y)
Théorème 3.3 L’application composée de deux applications linéaires est une application linéaire.

Corollaire 3.1 (L (E), +, ., ◦) est une K-algèbre associative et unitaire.

Démonstration : En effet,
• (L (E), +, .) est un espace vectoriel.
• (◦) est distributive par rapport à l’addition.
• ∀α ∈ K, ∀f, g ∈ L (E)
α(g ◦ f ) = (αg) ◦ f = g ◦ (αf )
• ∀f, g, h ∈ L (E),
f ◦ (g ◦ h) = (f ◦ g) ◦ h

• ∀f ∈ L (E),
f ◦ idE = idE ◦ f = f
u
t

Cours de Mathématiques MPSI 10 / 12 Rédigé par: [Link]

 E SPACES VECTORIELS
C HAPITRE 12 (1) G ÉNÉRALITÉS

w u=v+w

Définition 3.4 Soient F et G deux sous-espaces

vectoriels supplémentaires de E : E = F ⊕ G, Pour
tout vecteur u de E il existe un unique v ∈ F et un
unique w ∈ G tels que u = v + w.
o

v F
1. L’application p : u −→ v est la projection sur
F , parallèlement à G.
s(u) = v − w
2. L’application s : u −→ v − w est la symétrie −w
par rapport à F , parallèlement à G.
F IGURE 1 – La symétrie par rapport à F , paral-
lèlement à G.

Remarque : Dans l’algèbre (L (E), +, ., ◦), si f ◦ g = g ◦ f , on la formule de binôme

n
X
n
(f + g) = {nk f n−k ◦ g k
k=0

en particulier ∀f ∈ L (E)
n
X
n
(IdE + f ) = {nk f k
k=0

Proposition 3.3 Soit f un isomorphisme de E dans F , alors la bijection réciproque f −1 est un

isomorphisme de F dans E.

Corollaire 3.2 Soit E un espace vectoriel, alors (G L (E), ◦) est un groupe, en général ce groupe
n’est pas commutatif.

Remarque : (G L (E), ◦) n’est autre que le groupe des éléments inversibles de l’anneau (L (E), +, ◦).

3.3 Projections et symétries vectorielles

Proposition 3.4
1. p est un endomorphisme de E, et il vérifie p ◦ p = p
2. s est un automorphisme de E et s ◦ s = id. Ainsi s est involutif.

Démonstration : Pour tout vecteur u de E il existe un unique v ∈ F et un unique w ∈ G tels que

u=v+w
donc

p ◦ p(v + w) = p(v) = p(v + w)

et

s ◦ s(v + w) = s(v − w) = v − (−w) = v + w = u = id(u).

s est bijective car elle est injective et surjective puisque s2 = id. u

t

Cours de Mathématiques MPSI 11 / 12 Rédigé par: [Link]

 E SPACES VECTORIELS
C HAPITRE 12 (1) G ÉNÉRALITÉS

Remarque : On a la relation suivante entre p et s : s = 2p − idE .

Définition 3.5 Soit E un K-espace vectoriel. On appelle projecteur de E tout endomorphisme p de E vérifiant
p ◦ p = p.

• • • • • • • • ••

Cours de Mathématiques MPSI 12 / 12 Rédigé par: [Link]