Vous êtes sur la page 1sur 34

Exo7

Espaces vectoriels
Vido
Vido
Vido
Vido
Vido
Vido
Vido
Vido

partie 1. Espace vectoriel (dbut)


partie 2. Espace vectoriel (fin)
partie 3. Sous-espace vectoriel (dbut)
partie 4. Sous-espace vectoriel (milieu)
partie 5. Sous-espace vectoriel (fin)
partie 6. Application linaire (dbut)
partie 7. Application linaire (milieu)
partie 8. Application linaire (fin)

La notion despace vectoriel est une structure fondamentale des mathmatiques modernes. Il
sagit de dgager les proprits communes que partagent des ensembles pourtant trs diffrents.
Par exemple, on peut additionner deux vecteurs du plan, et aussi multiplier un vecteur par un
rel (pour lagrandir ou le rtrcir). Mais on peut aussi additionner deux fonctions, ou multiplier
une fonction par un rel. Mme chose avec les polynmes, les matrices,... Le but est dobtenir des
thormes gnraux qui sappliqueront aussi bien aux vecteurs du plan, de lespace, aux espaces de
fonctions, aux polynmes, aux matrices,... La contrepartie de cette grande gnralit de situations
est que la notion despace vectoriel est difficile apprhender et vous demandera une quantit
consquente de travail ! Il est bon davoir dabord tudi le chapitre Lespace vectoriel Rn .

1. Espace vectoriel (dbut)


Dans ce chapitre, K dsigne un corps. Dans la plupart des exemples, ce sera le corps
des rels R.

1.1. Dfinition dun espace vectoriel


Un espace vectoriel est un ensemble form de vecteurs, de sorte que lon puisse additionner (et
soustraire) deux vecteurs u, v pour en former un troisime u + v (ou u v) et aussi afin que lon
puisse multiplier chaque vecteur u dun facteur pour obtenir un vecteur u. Voici la dfinition
formelle :
Dfinition 1
Un K-espace vectoriel est un ensemble non vide E muni :
dune loi de composition interne, cest--dire dune application de E E dans E :
EE
(u, v) 7

E
u+v

dune loi de composition externe, cest--dire dune application de K E dans E :


KE E
(, u) 7 u

2
qui vrifient les proprits suivantes :
1. u + v = v + u

(pour tous u, v E)

2. u + (v + w) = (u + v) + w

(pour tous u, v, w E)

3. Il existe un lment neutre 0E E tel que u + 0E = u

(pour tout u E)

4. Tout u E admet un symtrique u0 tel que u + u0 = 0E . Cet lment u0 est not u.


5. 1 u = u

(pour tout u E)

6. ( u) = () u

(pour tous , K, u E)

7. (u + v) = u + v

(pour tous K, u, v E)

8. ( + ) u = u + u

(pour tous , K, u E)

Nous reviendrons en dtail sur chacune de ces proprits juste aprs des exemples.

1.2. Premiers exemples


Exemple 1. Le R-espace vectoriel R2
Posons K = R et E = R2 . Un lment u E est donc un couple (x, y) avec x lment de R et y
lment de R. Ceci scrit

R2 = (x, y) | x R, y R .
Dfinition de la loi interne. Si (x, y) et (x0 , y0 ) sont deux lments de R2 , alors :
(x, y) + (x0 , y0 ) = (x + x0 , y + y0 ).
Dfinition de la loi externe. Si est un rel et (x, y) est un lment de R2 , alors :
(x, y) = ( x, y).

Llment neutre de la loi interne est le vecteur nul (0, 0). Le symtrique de (x, y) est ( x, y),
que lon note aussi (x, y).
u

u+v

Lexemple suivant gnralise le prcdent. Cest aussi le bon moment pour lire ou relire le chapitre
Lespace vectoriel Rn .

Exemple 2. Le R-espace vectoriel Rn


Soit n un entier suprieur ou gal 1. Posons K = R et E = Rn . Un lment u E est donc un
n-uplet (x1 , x2 , . . . , xn ) avec x1 , x2 , . . . , xn des lments de R.
Dfinition de la loi interne. Si (x1 , . . . , xn ) et (x10 , . . . , x0n ) sont deux lments de Rn , alors
:
(x1 , . . . , xn ) + (x10 , . . . , x0n ) = (x1 + x10 , . . . , xn + x0n ).
Dfinition de la loi externe. Si est un rel et (x1 , . . . , xn ) est un lment de Rn , alors :
(x1 , . . . , xn ) = ( x1 , . . . , xn ).

Llment neutre de la loi interne est le vecteur nul (0, 0, . . . , 0). Le symtrique de (x1 , . . . , xn )
est ( x1 , . . . , xn ), que lon note (x1 , . . . , xn ).
De manire analogue, on peut dfinir le C-espace vectoriel Cn , et plus gnralement le Kespace vectoriel Kn .
Exemple 3
Tout plan passant par lorigine dans R3 est un espace vectoriel (par rapport aux oprations
habituelles sur les vecteurs). Soient K = R et E = P un plan passant par lorigine. Le plan
admet une quation de la forme :
ax + b y + cz = 0
o a, b et c sont des rels non tous nuls.

Un lment u E est donc un triplet (not ici comme un vecteur colonne)


cz = 0. 0

Soient

x
y
z

et

x
y0
z0

x+ x0
y+ y0
z+ z0

y
z

tel que ax + b y +

deux lments de P . Autrement dit,

et
Alors

ax + b y + cz
ax0 + b y0 + cz0

= 0,
= 0.

est aussi dans P car on a bien :


a(x + x0 ) + b(y + y0 ) + c(z + z0 ) = 0.

0
Les autres proprits sont aussi faciles vrifier : par exemple llment neutre est 0 ; et
0
x
si y appartient P , alors ax + b y + cz = 0, que lon peut rcrire a( x) + b( y) + c( z) = 0 et
z
x
ainsi y appartient P .
z

4
Attention ! Un plan ne contenant
0 pas lorigine nest pas un espace vectoriel, car justement il
ne contient pas le vecteur nul 0 .
0

1.3. Terminologie et notations


Rassemblons les dfinitions dj vues.
On appelle les lments de E des vecteurs. Au lieu de K-espace vectoriel, on dit aussi espace
vectoriel sur K.
Les lments de K seront appels des scalaires.
L lment neutre 0E sappelle aussi le vecteur nul. Il ne doit pas tre confondu avec llment 0 de K. Lorsquil ny aura pas de risque de confusion, 0E sera aussi not 0.
Le symtrique u dun vecteur u E sappelle aussi loppos.
La loi de composition interne sur E (note usuellement +) est appele couramment laddition
et u + u0 est appele somme des vecteurs u et u0 .
La loi de composition externe sur E est appele couramment multiplication par un scalaire.
La multiplication du vecteur u par le scalaire sera souvent note simplement u, au lieu
de u.
Somme de n vecteurs. Il est possible de dfinir, par rcurrence, laddition de n vecteurs, n 2. La
structure despace vectoriel permet de dfinir laddition de deux vecteurs (et initialise le processus).
Si maintenant la somme de n 1 vecteurs est dfinie, alors la somme de n vecteurs v1 , v2 , . . . , vn
est dfinie par
v1 + v2 + + vn = (v1 + v2 + + vn1 ) + vn .
Lassociativit de la loi + nous permet de ne pas mettre de parenthses dans la somme v1 + v2 +
+ vn .
n
X
On notera v1 + v2 + + vn =
vi .
i =1

1.4. Mini-exercices
1. Vrifier les 8 axiomes qui font de R3 un R-espace vectoriel.
(

ax + b y + cz = 0
.
a x + b0 y + c0 z = 0

3. Justifier que les ensembles suivants ne sont pas des espaces vectoriels : (x, y) R2 | x y = 0

; (x, y) R2 | x = 1 ; (x, y) R2 | x 0 et y 0 ; (x, y) R2 | 1 x 1 et 1 y 1 .


3

2. Idem pour une droite D de R passant par lorigine dfinie par

4. Montrer par rcurrence que si les v i sont des lments dun K-espace vectoriel E, alors pour
tous i K : 1 v1 + 2 v2 + + n vn E.

2. Espace vectoriel (fin)


2.1. Dtail des axiomes de la dfinition
Revenons en dtail sur la dfinition dun espace vectoriel. Soit donc E un K-espace vectoriel. Les
lments de E seront appels des vecteurs. Les lments de K seront appels des scalaires.
Loi interne.
La loi de composition interne dans E, cest une application de E E dans E :
EE
(u, v) 7

E
u+v

Cest--dire qu partir de deux vecteurs u et v de E, on nous en fournit un troisime, qui sera not
u + v.
La loi de composition interne dans E et la somme dans K seront toutes les deux notes +, mais le
contexte permettra de dterminer aisment de quelle loi il sagit.
Loi externe.
La loi de composition externe, cest une application de K E dans E :
KE E
(, u) 7 u

Cest--dire qu partir dun scalaire K et dun vecteur u E, on nous fournit un autre vecteur,
qui sera not u.
Axiomes relatifs la loi interne.
1. Commutativit. Pour tous u, v E, u + v = v + u. On peut donc additionner des vecteurs dans
lordre que lon souhaite.
2. Associativit. Pour tous u, v, w E, on a u + (v + w) = (u + v) + w. Consquence : on peut
oublier les parenthses et noter sans ambigut u + v + w.
3. Il existe un lment neutre, cest--dire quil existe un lment de E, not 0E , vrifiant :
pour tout u E, u + 0E = u (et on a aussi 0E + u = u par commutativit). Cet lment 0E
sappelle aussi le vecteur nul.
4. Tout lment u de E admet un symtrique (ou oppos), cest--dire quil existe un lment
u0 de E tel que u + u0 = 0E (et on a aussi u0 + u = 0E par commutativit). Cet lment u0 de E
est not u.
Proposition 1
Sil existe un lment neutre 0E vrifiant laxiome (3) ci-dessus, alors il est unique.
Soit u un lment de E. Sil existe un lment symtrique u0 de E vrifiant laxiome
(4), alors il est unique.

Dmonstration
Soient 0E et 00E deux lments vrifiant la dfinition de llment neutre. On a alors, pour
tout lment u de E :

u + 0E = 0E + u = u

et

u + 00E = 00E + u = u

Alors, la premire proprit utilise avec u = 00E donne 00E + 0E = 0E + 00E = 00E .
La deuxime proprit utilise avec u = 0E donne 0E + 00E = 00E + 0E = 0E .
En comparant ces deux rsultats, il vient 0E = 00E .
Supposons quil existe deux symtriques de u nots u0 et u00 . On a :

u + u0 = u0 + u = 0E

et

u + u00 = u00 + u = 0E .

Calculons u0 + ( u + u00 ) de deux faons diffrentes, en utilisant lassociativit de la loi + et les


relations prcdentes.
u0 + ( u + u00 ) = u0 + 0E = u0
u0 + ( u + u00 ) = ( u0 + u) + u00 = 0E + u00 = u00
On en dduit u0 = u00 .

Remarque
Les tudiants connaissant la thorie des groupes reconnatront, dans les quatre premiers
axiomes ci-dessus, les axiomes caractrisant un groupe commutatif.

Axiomes relatifs la loi externe.


5. Soit 1 llment neutre de la multiplication de K. Pour tout lment u de E, on a
1 u = u.
6. Pour tous lments et de K et pour tout lment u de E, on a
( u) = ( ) u.

Axiomes liant les deux lois.


7. Distributivit par rapport laddition des vecteurs. Pour tout lment de K et pour tous
lments u et v de E, on a
(u + v) = u + v.
8. Distributivit par rapport laddition des scalaires. Pour tous et de K et pour tout
lment u de E, on a :
( + ) u = u + u.
La loi interne et la loi externe doivent donc satisfaire ces huit axiomes pour que (E, +, ) soit un
espace vectoriel sur K.

2.2. Exemples
Dans tous les exemples qui suivent, la vrification des axiomes se fait simplement et est laisse
au soin des tudiants. Seules seront indiques, dans chaque cas, les valeurs de llment neutre
de la loi interne et du symtrique dun lment.
Exemple 4. Lespace vectoriel des fonctions de R dans R
Lensemble des fonctions f : R R est not F (R, R). Nous le munissons dune structure de
R-espace vectoriel de la manire suivante.
Loi interne. Soient f et g deux lments de F (R, R). La fonction f + g est dfinie par :
x R

( f + g)(x) = f (x) + g(x)

(o le signe + dsigne la loi interne de F (R, R) dans le membre de gauche et laddition


dans R dans le membre de droite).
Loi externe. Si est un nombre rel et f une fonction de F (R, R), la fonction f est
dfinie par limage de tout rel x comme suit :
x R

( f )(x) = f (x).

(Nous dsignons par la loi externe de F (R, R) et par la multiplication dans R. Avec
lhabitude on oubliera les signes de multiplication : ( f )(x) = f (x).)
lment neutre. Llment neutre pour laddition est la fonction nulle, dfinie par :
x R

f (x) = 0.

7
On peut noter cette fonction 0F (R,R) .
Symtrique. Le symtrique de llment f de F (R, R) est lapplication g de R dans R
dfinie par :
x R g(x) = f (x).
Le symtrique de f est not f .
Exemple 5. Le R-espace vectoriel des suites relles
On note S lensemble des suites relles (u n )nN . Cet ensemble peut tre vu comme lensemble
des applications de N dans R ; autrement dit S = F (N, R).
Loi interne. Soient u = (u n )nN et v = (vn )nN deux suites appartenant S . La suite
u + v est la suite w = (wn )nN dont le terme gnral est dfini par
n N

wn = u n + vn

(o u n + vn dsigne la somme de u n et de vn dans R).


Loi externe. Si est un nombre rel et u = (u n )nN un lment de S , u est la suite
v = (vn )nN dfinie par
n N vn = u n
o dsigne la multiplication dans R.
lment neutre. Llment neutre de la loi interne est la suite dont tous les termes sont
nuls.
Symtrique. Le symtrique de la suite u = (u n )nN est la suite u0 = (u0n )nN dfinie par :
n N

u0n = u n .

Elle est note u.


Exemple 6. Les matrices
Lensemble M n,p (R) des matrices n lignes et p colonnes coefficients dans R est muni dune
structure de R-espace vectoriel. La loi interne est laddition de deux matrices. La loi externe
est la multiplication dune matrice par un scalaire. Llment neutre pour la loi interne est
la matrice nulle (tous les coefficients sont nuls). Le symtrique de la matrice A = (a i, j ) est
la matrice (a i, j ). De mme, lensemble M n,p (K) des matrices coefficients dans K est un
K-espace vectoriel.
Autres exemples :
1. Lespace vectoriel R[X ] des polynmes P(X ) = a n X n + + a 2 X 2 + a 1 X + a 0 . Laddition est
laddition de deux polynmes P(X ) + Q(X ), la multiplication par un scalaire R est P(X ).
Llment neutre est le polynme nul. Loppos de P(X ) est P(X ).
2. Lensemble des fonctions continues de R dans R ; lensemble des fonctions drivables de R
dans R,...
3. C est un R-espace vectoriel : addition z + z0 de deux nombres complexes, multiplication z
par un scalaire R. Llment neutre est le nombre complexe 0 et le symtrique du nombre
complexe z est z.

2.3. Rgles de calcul

Proposition 2
Soit E un espace vectoriel sur un corps K. Soient u E et K. Alors on a :
1. 0 u = 0E
2. 0E = 0E
3. (1) u = u
4. u = 0E = 0 ou u = 0E

Lopration qui (u, v) associe u + (v) sappelle la soustraction. Le vecteur u + (v) est not u v.
Les proprits suivantes sont satisfaites : (u v) = u v et ( )u = u u.
Dmonstration
Les dmonstrations des proprits sont des manipulations sur les axiomes dfinissant les espaces
vectoriels.
1. Le point de dpart de la dmonstration est lgalit dans K : 0 + 0 = 0.
Do, pour tout vecteur de E , lgalit (0 + 0) u = 0 u.
Donc, en utilisant la distributivit de la loi externe par rapport la loi interne et la dfinition de llment neutre, on obtient 0 u + 0 u = 0 u. On peut rajouter llment neutre
dans le terme de droite, pour obtenir : 0 u + 0 u = 0 u + 0E .
En ajoutant (0 u) de chaque ct de lgalit, on obtient : 0 u = 0E .
2. La preuve est semblable en partant de lgalit 0E + 0E = 0E .
3. Montrer (1) u = u signifie exactement que (1) u est le symtrique de u, cest--dire vrifie
u + (1) u = 0E . En effet :

u + (1) u = 1 u + (1) u = (1 + (1)) u = 0 u = 0E .


4. On sait dj que si = 0 ou u = 0E , alors les proprits prcdentes impliquent u = 0E .
Pour la rciproque, soient K un scalaire et u E un vecteur tels que u = 0E .
Supposons diffrent de 0. On doit alors montrer que u = 0E .
Comme 6= 0, alors est inversible pour le produit dans le corps K. Soit 1 son inverse.
En multipliant par 1 les deux membres de lgalit u = 0E , il vient : 1 ( u) = 1 0E .
Do en utilisant les proprits de la multiplication par un scalaire (1 ) u = 0E et donc
1 u = 0E .
Do u = 0E .

2.4. Mini-exercices
1. Justifier si les objets suivants sont des espaces vectoriels.
(a) Lensemble des fonctions relles sur [0, 1], continues, positives ou nulles, pour laddition et
le produit par un rel.
(b) Lensemble des fonctions relles sur R vrifiant lim x+ f (x) = 0 pour les mmes oprations.
(c) Lensemble des fonctions sur R telles que f (3) = 7.
(d) Lensemble R+ pour les oprations x y = x y et x = x ( R).
(e) Lensemble des points (x, y) de R2 vrifiant sin(x + y) = 0.
(f) Lensemble des vecteurs (x, y, z) de R3 orthogonaux au vecteur (1, 3, 2).
(g) Lensemble des fonctions de classe C 2 vrifiant f 00 + f = 0.

9
R1
(h) Lensemble des fonctions continues sur [0, 1] vrifiant 0 f (x) sin x dx = 0.

(i) Lensemble des matrices ac db M2 (R) vrifiant a + d = 0.

2. Prouver les proprits de la soustraction : (u v) = u v et ( ) u = u u.

3. Sous-espace vectoriel (dbut)


Il est vite fatiguant de vrifier les 8 axiomes qui font dun ensemble un espace vectoriel. Heureusement, il existe une manire rapide et efficace de prouver quun ensemble est un espace vectoriel
: grce la notion de sous-espace vectoriel.

3.1. Dfinition dun sous-espace vectoriel


Dfinition 2
Soit E un K-espace vectoriel. Une partie F de E est appele un sous-espace vectoriel si :
0E F,
u + v F pour tous u, v F,
u F pour tout K et tout u F.
Remarque
Expliquons chaque condition.
La premire condition signifie que le vecteur nul de E doit aussi tre dans F. En fait il
suffit mme de prouver que F est non vide.
La deuxime condition, cest dire que F est stable pour laddition : la somme u + v de
deux vecteurs u, v de F est bien sr un vecteur de E (car E est un espace vectoriel), mais
ici on exige que u + v soit un lment de F.
La troisime condition, cest dire que F est stable pour la multiplication par un scalaire.

Exemple 7. Exemples immdiats

1. Lensemble F = (x, y) R2 | x + y = 0 est un sous-espace vectoriel de R2 . En effet :

(a) (0, 0) F,
(b) si u = (x1 , y1 ) et v = (x2 , y2 ) appartiennent F, alors x1 + y1 = 0 et x2 + y2 = 0 donc
(x1 + x2 ) + (y1 + y2 ) = 0 et ainsi u + v = (x1 + x2 , y1 + y2 ) appartient F,
(c) si u = (x, y) F et R, alors x + y = 0 donc x + y = 0, do u F.
y

10
2. Lensemble des fonctions continues sur R est un sous-espace vectoriel de lespace vectoriel des fonctions de R dans R. Preuve : la fonction nulle est continue ; la somme de
deux fonctions continues est continue ; une constante fois une fonction continue est une
fonction continue.
3. Lensemble des suites relles convergentes est un sous-espace vectoriel de lespace vectoriel des suites relles.
Voici des sous-ensembles qui ne sont pas des sous-espaces vectoriels.
Exemple 8

1. Lensemble F1 = (x, y) R2 | x + y = 2 nest pas un sous-espace vectoriel de R2 . En effet


le vecteur nul (0, 0) nappartient pas F1 .

2. Lensemble F2 = (x, y) R2 | x = 0 ou y = 0 nest pas un sous-espace vectoriel de R2 .


En effet les vecteurs u = (1, 0) et v = (0, 1) appartiennent F2 , mais pas le vecteur
u + v = (1, 1).

3. Lensemble F3 = (x, y) R2 | x 0 et y 0 nest pas un sous-espace vectoriel de R2 . En


effet le vecteur u = (1, 1) appartient F3 mais, pour = 1, le vecteur u = (1, 1)
nappartient pas F3 .

F3

F2
0

F1

3.2. Un sous-espace vectoriel est un espace vectoriel


La notion de sous-espace vectoriel prend tout son intrt avec le thorme suivant : un sous-espace
vectoriel est lui-mme un espace vectoriel. Cest ce thorme qui va nous fournir plein dexemples
despaces vectoriels.
Thorme 1
Soient E un K-espace vectoriel et F un sous-espace vectoriel de E. Alors F est lui-mme un
K-espace vectoriel pour les lois induites par E.
Mthodologie. Pour rpondre une question du type Lensemble F est-il un espace vectoriel
? , une faon efficace de procder est de trouver un espace vectoriel E qui contient F, puis prouver
que F est un sous-espace vectoriel de E. Il y a seulement trois proprits vrifier au lieu de huit
!
Exemple 9
1. Est-ce que lensemble des fonctions paires (puis des fonctions impaires) forme un espace
vectoriel (sur R avec les lois usuelles sur les fonctions) ?
Notons P lensemble des fonctions paires et I lensemble des fonctions impaires. Ce
sont deux sous-ensembles de lespace vectoriel F (R, R) des fonctions.

11

P = f F (R, R) | x R, f ( x) = f (x)

I = f F (R, R) | x R, f ( x) = f (x)

P et I sont des sous-espaces vectoriels de F (R, R). Cest trs simple vrifier, par
exemple pour P :

(a) la fonction nulle est une fonction paire,


(b) si f , g P alors f + g P ,
(c) si f P et si R alors f P .
Par le thorme 1, P est un espace vectoriel (de mme pour I ).
2. Est-ce que lensemble S n des matrices symtriques de taille n est un espace vectoriel
(sur R avec les lois usuelles sur les matrices) ?
S n est un sous-ensemble de lespace vectoriel M n (R). Et cest mme un sous-espace
vectoriel. Il suffit en effet de vrifier que la matrice nulle est symtrique, que la somme
de deux matrices symtriques est encore symtrique et finalement que le produit dune
matrice symtrique par un scalaire est une matrice symtrique. Par le thorme 1, S n
est un espace vectoriel.
Dmonstration . Preuve du thorme 1
Soit F un sous-espace vectoriel dun espace vectoriel (E, +, ). La stabilit de F pour les deux lois
permet de munir cet ensemble dune loi de composition interne et dune loi de composition externe,
en restreignant F les oprations dfinies dans E . Les proprits de commutativit et dassociativit
de laddition, ainsi que les quatre axiomes relatifs la loi externe sont vrifis, car ils sont satisfaits
dans E donc en particulier dans F , qui est inclus dans E .
Lexistence dun lment neutre dcoule de la dfinition de sous-espace vectoriel. Il reste seulement
justifier que si u F , alors son symtrique u appartient F .
Fixons u F . Comme on a aussi u E et que E est un espace vectoriel alors il existe un lment de
E , not u, tel que u + ( u) = 0E . Comme u est lment de F , alors pour = 1, (1) u F . Et ainsi
u appartient F .

Un autre exemple despace vectoriel est donn par lensemble des solutions dun systme linaire
homogne. Soit A X = 0 un systme de n quations p inconnues :

a 11 . . . a 1 p
x1
0
.
. .
..
.
. = .
.
.
. .
a n1 . . . a np
xp
0
On a alors
Thorme 2
Soit A M n,p (R). Soit A X = 0 un systme dquations linaires homognes p variables.
Alors lensemble des vecteurs solutions est un sous-espace vectoriel de R p .
Dmonstration
Soit F lensemble des vecteurs X R p solutions de lquation A X = 0. Vrifions que F est un
sous-espace vectoriel de R p .
Le vecteur 0 est un lment de F .
F est stable par addition : si X et X 0 sont des vecteurs solutions, alors A X = 0 et A X 0 = 0,
donc A ( X + X 0 ) = A X + A X 0 = 0, et ainsi X + X 0 F .

12
F est stable par multiplication par un scalaire : si X est un vecteur solution, on a aussi
A ( X ) = ( A X ) = 0 = 0, ceci pour tout R. Donc X F .

Exemple 10
Considrons le systme

x
0
1 2 3

2 4 6 y = 0 .
z
0
3 6 9

Lensemble des solutions F R3 de ce systme est :

F = (x = 2s 3t, y = s, z = t) | s, t R .

Par le thorme 2, F est un sous-espace vectoriel de R3 . Donc par le thorme 1, F est un


espace vectoriel.
Une autre faon de voir les choses est dcrire que les lments de F sont ceux qui vrifient
lquation (x = 2y 3z). Autrement dit, F est dquation (x 2y + 3z = 0). Lensemble des
solutions F est donc un plan passant par lorigine. Nous avons dj vu que ceci est un espace
vectoriel.

3.3. Mini-exercices
Parmi les ensembles suivants, reconnatre ceux qui sont des sous-espaces vectoriels :

1. (x, y, z) R3 | x + y = 0

2. (x, y, z, t) R4 | x = t et y = z

3. (x, y, z) R3 | z = 1

4. (x, y) R2 | x2 + x y 0

5. (x, y) R2 | x2 + y2 1

6. f F (R, R) | f (0) = 1

7. f F (R, R) | f (1) = 0

8. f F (R, R) | f est croissante

9. (u n )nN | (u n ) tend vers 0

4. Sous-espace vectoriel (milieu)


4.1. Combinaisons linaires
Dfinition 3
Soit n 1 un entier, soient v1 , v2 , . . . , vn , n vecteurs dun espace vectoriel E. Tout vecteur de la
forme
u = 1 v1 + 2 v2 + + n vn
(o 1 , 2 , . . . , n sont des lments de K) est appel combinaison linaire des vecteurs
v1 , v2 , . . . , vn . Les scalaires 1 , 2 , . . . , n sont appels coefficients de la combinaison linaire.
Remarque : Si n = 1, alors u = 1 v1 et on dit que u est colinaire v1 .

13

Exemple 11
1. Dans le R-espace vectoriel R3 , (3, 3, 1) est combinaison linaire des vecteurs (1, 1, 0) et
(1, 1, 1) car on a lgalit
(3, 3, 1) = 2(1, 1, 0) + (1, 1, 1).
2. Dans le R-espace vectoriel R2 , le vecteur u = (2, 1) nest pas colinaire au vecteur v1 = (1, 1)
car sil ltait, il existerait un rel tel que u = v1 , ce qui quivaudrait lgalit
(2, 1) = (, ).
3. Soit E = F (R, R) lespace vectoriel des fonctions relles. Soient f 0 , f 1 , f 2 et f 3 les fonctions
dfinies par :
x R f 0 (x) = 1, f 1 (x) = x, f 2 (x) = x2 , f 3 (x) = x3 .
Alors la fonction f dfinie par
x R

f (x) = x3 2x2 7x 4

est combinaison linaire des fonctions f 0 , f 1 , f 2 , f 3 puisque lon a lgalit


f = f3 2 f2 7 f1 4 f0.

!
1 1 3
4. Dans M2,3 (R), on considre A =
. On peut crire A naturellement sous la
0 1 4
forme suivante dune combinaison linaire de matrices lmentaires (des zros partout,
sauf un 1) :

!
!

!
!

!
1 0 0
0 1 0
0 0 1
0 0 0
0 0 0
A=
+
+3

+4
.
0 0 0
0 0 0
0 0 0
0 1 0
0 0 1

Voici deux exemples plus compliqus.


Exemple 12
1
6
9
Soient u = 2 et v = 4 deux vecteurs de R3 . Montrons que w = 2 est combinaison linaire
1
7
2
de u et v. On cherche donc et tels que w = u + v :


9
1
6

6
+ 6


2 = 2 + 4 = 2 + 4 = 2 + 4 .
7
1
2

2
+ 2

On a donc

9 = + 6
2 = 2 + 4

7 = + 2.

Une solution de ce systme est ( = 3, = 2), ce qui implique que w est combinaison linaire
de u et v. On vrifie que lon a bien



9
1
6



2 = 3 2 + 2 4 .
7
1
2

14

Exemple 13
1
6
4
Soient u = 2 et v = 4 . Montrons que w = 1 nest pas une combinaison linaire de u et
8
1
2
v. Lgalit



4
1
6



1 = 2 + 4
8
1
2

quivaut au systme

4 = + 6
1 = 2 + 4

8 = + 2.

Or ce systme na aucune solution. Donc il nexiste pas , R tels que w = u + v.

4.2. Caractrisation dun sous-espace vectoriel


Thorme 3. Caractrisation dun sous-espace par la notion de combinaison
linaire
Soient E un K-espace vectoriel et F une partie non vide de E. F est un sous-espace vectoriel
de E si et seulement si
u + v F

pour tous u, v F

et tous , K.

Autrement dit si et seulement si toute combinaison linaire de deux lments de F appartient


F.
Dmonstration
Supposons que F soit un sous-espace vectoriel. Et soient u, v F , , K. Alors par la
dfinition de sous-espace vectoriel : u F et v F et ainsi u + v F .
Rciproquement, supposons que pour chaque u, v F , , K on a u + v F .
Comme F nest pas vide, soient u, v F . Posons = = 0. Alors u + v = 0E F .
Si u, v F , alors en posant = = 1 on obtient u + v F .
Si u F et K (et pour nimporte quel v, en posant = 0), alors u F .

4.3. Intersection de deux sous-espaces vectoriels


Proposition 3. Intersection de deux sous-espaces
Soient F,G deux sous-espaces vectoriels dun K-espace vectoriel E. Lintersection F G est
un sous-espace vectoriel de E.
On dmontrerait de mme que lintersection F1 F2 F3 F n dune famille quelconque de
sous-espaces vectoriels de E est un sous-espace vectoriel de E.
Dmonstration
Soient F et G deux sous-espaces vectoriels de E .
0E F , 0E G car F et G sont des sous-espaces vectoriels de E ; donc 0E F G .
Soient u et v deux vecteurs de F G . Comme F est un sous-espace vectoriel, alors u, v F
implique u + v F . De mme u, v G implique u + v G . Donc u + v F G .
Soient u F G et K. Comme F est un sous-espace vectoriel, alors u F implique u F .

15
De mme u G implique u G . Donc u F G .
Conclusion : F G est un sous-espace vectoriel de E .

Exemple 14
Soit D le sous-ensemble de R3 dfini par :

D = (x, y, z) R3 | x + 3y + z = 0 et x y + 2z = 0 .

Est-ce que D est sous-espace vectoriel de R3 ? Lensemble D est lintersection de F et G, les


sous-ensembles de R3 dfinis par :

F = (x, y, z) R3 | x + 3y + z = 0

G = (x, y, z) R3 | x y + 2z = 0
F

G
D

Ce sont deux plans passant par lorigine, donc des sous-espaces vectoriels de R3 . Ainsi D =
F G est un sous-espace vectoriel de R3 , cest une droite vectorielle.
Remarque
La runion de deux sous-espaces vectoriels de E nest pas en gnral un sous-espace vectoriel

de E. Prenons par exemple E = R2 . Considrons les sous-espaces vectoriels F = (x, y) | x = 0

et G = (x, y) | y = 0 . Alors F G nest pas un sous-espace vectoriel de R2 . Par exemple,


(0, 1) + (1, 0) = (1, 1) est la somme dun lment de F et dun lment de G, mais nest pas dans
F G.
F

(1, 1)
(0, 1)
G
0

(1, 0)

4.4. Mini-exercices
1. Peut-on trouver t R tel que les vecteurs

2
p
2
t

et

p
4 2
4pt
2 2

soient colinaires ?

16

2. Peut-on trouver t R tel que le vecteur

1
3t
t

soit une combinaison linaire de

1
3
2

et

1
1
1

5. Sous-espace vectoriel (fin)


5.1. Somme de deux sous-espaces vectoriels
Comme la runion de deux sous-espaces vectoriels F et G nest pas en gnral un sous-espace
vectoriel, il est utile de connatre les sous-espaces vectoriels qui contiennent la fois les deux
sous-espaces vectoriels F et G, et en particulier le plus petit dentre eux (au sens de linclusion).
Dfinition 4. Dfinition de la somme de deux sous-espaces
Soient F et G deux sous-espaces vectoriels dun K-espace vectoriel E. Lensemble de tous
les lments u + v, o u est un lment de F et v un lment de G, est appel somme des
sous-espaces vectoriels F et G. Cette somme est note F + G. On a donc

F + G = u + v | u F, v G .
G

F +G

Proposition 4
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 la fois F et G.

Dmonstration
1. Montrons que F + G est un sous-espace vectoriel.
0E F , 0E G , donc 0E = 0E + 0E F + G .
Soient w et w0 des lments de F + G . Comme w est dans F + G , il existe u dans F et v
dans G tels que w = u + v. Comme w0 est dans F + G , il existe u0 dans F et v0 dans G tels
que w0 = u0 + v0 . Alors w + w0 = ( u + v) + ( u0 + v0 ) = ( u + u0 ) + (v + v0 ) F + G , car u + u0 F et
v + v0 G .
Soit w un lment de F + G et K. Il existe u dans F et v dans G tels que w = u + v. Alors
w = ( u + v) = ( u) + (v) F + G , car u F et v G .
2. Lensemble F + G contient F et contient G : en effet tout lment u de F scrit u = u + 0
avec u appartenant F et 0 appartenant G (puisque G est un sous-espace vectoriel), donc
u appartient F + G . De mme pour un lment de G .
Si H est un sous-espace vectoriel contenant F et G , alors montrons que F + G H . Cest
clair : si u F alors en particulier u H (car F H ), de mme si v G alors v H . Comme
H est un sous-espace vectoriel, alors u + v H .

17

Exemple 15
Dterminons F + G dans le cas o F et G sont les sous-espaces vectoriels de R3 suivants :

F = (x, y, z) R3 | y = z = 0

G = (x, y, z) R3 | x = z = 0 .

et
z

F +G
F
G

0
y

Un lment w de F + G scrit w = u + v o u est un lment de F et v un lment de G. Comme


u F alors il existe x R tel que u = (x, 0, 0), et comme v G il existe y R tel que v = (0, y, 0).
Donc w = (x, y, 0). Rciproquement, un tel lment w = (x, y, 0) est la somme de (x, 0, 0) et de

(0, y, 0). Donc F + G = (x, y, z) R3 | z = 0 . On voit mme que, pour cet exemple, tout lment
de F + G scrit de faon unique comme la somme dun lment de F et dun lment de G.
Exemple 16
Soient F et G les deux sous-espaces vectoriels de R3 suivants :

F = (x, y, z) R3 | x = 0

et
z

G = (x, y, z) R3 | y = 0 .
G

Dans cet exemple, montrons que F + G = R3 . Par dfinition de F + G, tout lment de F + G est
dans R3 . Mais rciproquement, si w = (x, y, z) est un lment quelconque de R3 : w = (x, y, z) =
(0, y, z) + (x, 0, 0), avec (0, y, z) F et (x, 0, 0) G, donc w appartient F + G.
Remarquons que, dans cet exemple, un lment de R3 ne scrit pas forcment de faon unique
comme la somme dun lment de F et dun lment de G. Par exemple (1, 2, 3) = (0, 2, 3) +
(1, 0, 0) = (0, 2, 0) + (1, 0, 3).

5.2. Sous-espaces vectoriels supplmentaires

18

Dfinition 5. Dfinition de la somme directe de deux sous-espaces


Soient F et G deux sous-espaces vectoriels de E. F et G sont en somme directe dans E si
F G = {0E },
F + G = E.
On note alors F G = E.
Si F et G sont en somme directe, on dit que F et G sont des sous-espaces vectoriels supplmentaires dans E.
Proposition 5
F et G sont supplmentaires dans E si et seulement si tout lment de E scrit dune manire
unique comme la somme dun lment de F et dun lment de G.

Remarque
Dire quun lment w de E scrit dune manire unique comme la somme dun lment
de F et dun lment de G signifie que si w = u + v avec u F, v G et w = u0 + v0 avec
u0 F, v0 G alors u = u0 et v = v0 .
On dit aussi que F est un sous-espace supplmentaire de G (ou que G est un sousespace supplmentaire de F).
Il ny a pas unicit du supplmentaire dun sous-espace vectoriel donn (voir un exemple
ci-dessous).
Lexistence dun supplmentaire dun sous-espace vectoriel sera prouve dans le cadre
des espaces vectoriels de dimension finie.
Dmonstration
Supposons E = F G et montrons que tout lment u E se dcompose de manire unique.
Soient donc u = v + w et u = v0 + w0 avec v, v0 F et w, w0 G . On a alors v + w = v0 + w0 , donc
v v0 = w0 w. Comme F est un sous-espace vectoriel alors v v0 F , mais dautre part G est
aussi un sous-espace vectoriel donc w0 w G . Conclusion : v v0 = w0 w F G . Mais par
dfinition despaces supplmentaires F G = {0E }, donc v v0 = 0E et aussi w0 w = 0E . On en
dduit v = v0 et w = w0 , ce quil fallait dmontrer.
Supposons que tout u E se dcompose de manire unique et montrons E = F G .
Montrons F G = {0E }. Si u F G , il peut scrire des deux manires suivantes comme
somme dun lment de F et dun lment de G :

u = 0E + u

et

u = u + 0E .

Par lunicit de la dcomposition, u = 0E .


Montrons F + G = E . Il ny rien prouver, car par hypothse tout lment u se dcompose
en u = v + w, avec v F et w G .

Exemple 17

1. Soient F = (x, 0) R2 | x R et G = (0, y) R2 | y R .

Montrons que F G = R2 . La premire faon de le voir est que lon a clairement F G =


{(0, 0)} et que, comme (x, y) = (x, 0) + (0, y), alors F + G = R2 . Une autre faon de le voir est
dutiliser la proposition 5, car la dcomposition (x, y) = (x, 0) + (0, y) est unique.

19
y
G

G0

F
x

2. Gardons F et notons G 0 = (x, x) R2 | x R . Montrons que lon a aussi F G 0 = R2 :

(a) Montrons F G 0 = {(0, 0)}. Si (x, y) F G 0 alors dune part (x, y) F donc y = 0, et
aussi (x, y) G 0 donc x = y. Ainsi (x, y) = (0, 0).
(b) Montrons F + G 0 = R2 . Soit u = (x, y) R2 . Cherchons v F et w G 0 tels que u = v + w.
Comme v = (x1 , y1 ) F alors y1 = 0, et comme w = (x2 , y2 ) G 0 alors x2 = y2 . Il sagit
donc de trouver x1 et x2 tels que
(x, y) = (x1 , 0) + (x2 , x2 ).
Donc (x, y) = (x1 + x2 , x2 ). Ainsi x = x1 + x2 et y = x2 , do x1 = x y et x2 = y. On trouve
bien
(x, y) = (x y, 0) + (y, y),
qui prouve que tout lment de R2 est somme dun lment de F et dun lment de
G0.
3. De faon plus gnrale, deux droites distinctes du plan passant par lorigine forment
des sous-espaces supplmentaires.

Exemple 18
Est-ce que les sous-espaces vectoriels F et G de R3 dfinis par

F = (x, y, z) R3 | x y z = 0

et

G = (x, y, z) R3 | y = z = 0

sont supplmentaires dans R3 ?


G
F
0

1. Il est facile de vrifier que F G = {0}. En effet si llment u = (x, y, z) appartient


lintersection de F et de G, alors les coordonnes de u vrifient : x y z = 0 (car u
appartient F), et y = z = 0 (car u appartient G), donc u = (0, 0, 0).
2. Il reste dmontrer que F + G = R3 .
Soit donc u = (x, y, z) un lment quelconque de R3 ; il faut dterminer des lments v
de F et w de G tels que u = v + w. Llment v doit tre de la forme v = (y1 + z1 , y1 , z1 )

20
et llment w de la forme w = (x2 , 0, 0). On a u = v + w si et seulement si y1 = y, z1 = z,
x2 = x y z. On a donc
(x, y, z) = (y + z, y, z) + (x y z, 0, 0)
avec v = (y + z, y, z) dans F et w = (x y z, 0, 0) dans G.
Conclusion : F G = R3 .
Exemple 19
Dans le R-espace vectoriel F (R, R) des fonctions de R dans R, on considre le sous-espace
vectoriel des fonctions paires P et le sous-espace vectoriel des fonctions impaires I . Montrons
que P I = F (R, R).
1. Montrons P I = {0F (R,R) }.
Soit f P I , cest--dire que f est la fois une fonction paire et impaire. Il sagit de
montrer que f est la fonction identiquement nulle. Soit x R. Comme f ( x) = f (x) (car f
est paire) et f ( x) = f (x) (car f est impaire), alors f (x) = f (x), ce qui implique f (x) = 0.
Ceci est vrai quel que soit x R ; donc f est la fonction nulle. Ainsi P I = {0F (R,R) }.
2. Montrons P + I = F (R, R).
Soit f F (R, R). Il sagit de montrer que f peut scrire comme la somme dune fonction
paire et dune fonction impaire.
Analyse. Si f = g+ h, avec g P , h I , alors pour tout x, dune part, (a) f (x) = g(x)+ h(x),
et dautre part, (b) f ( x) = g( x) + h( x) = g(x) h(x). Par somme et diffrence de (a) et
(b), on tire que
g(x) =

f (x) + f ( x)
2

et

h(x) =

f (x) f ( x)
.
2
f ( x)+ f ( x)

et h(x) =
Synthse. Pour f F (R, R), on dfinit deux fonctions g, h par g(x) =
2
f ( x ) f ( x )
. Alors dune part f (x) = g(x) + h(x) et dautre part g P (vrifier g( x) = g(x))
2
et h I (vrifier h( x) = h(x)). Bilan : P + I = F (R, R).
En conclusion, P et I sont en somme directe dans F (R, R) : P I = F (R, R). Notez que,
comme le prouvent nos calculs, les g et h obtenus sont uniques.

5.3. Sous-espace engendr


Thorme 4. Thorme de structure de lensemble des combinaisons linaires
Soit {v1 , . . . , vn } un ensemble fini de vecteurs dun K-espace vectoriel E. Alors :
Lensemble des combinaisons linaires des vecteurs {v1 , . . . , vn } est un sous-espace vectoriel de E.
Cest le plus petit sous-espace vectoriel de E (au sens de linclusion) contenant les
vecteurs v1 , . . . , vn .
Notation. Ce sous-espace vectoriel est appel sous-espace engendr par v1 , . . . , vn et est not
Vect(v1 , . . . , vn ). On a donc
u Vect(v1 , . . . , vn )

il existe 1 , . . . , n K

tels que

u = 1 v1 + + n vn

21

Remarque
Dire que Vect(v1 , . . . , vn ) est le plus petit sous-espace vectoriel de E contenant les vecteurs v1 , . . . , vn signifie que si F est un sous-espace vectoriel de E contenant aussi les
vecteurs v1 , . . . , vn alors Vect(v1 , . . . , vn ) F.
Plus gnralement, on peut dfinir le sous-espace vectoriel engendr par une partie
V quelconque (non ncessairement finie) dun espace vectoriel : Vect V est le plus petit
sous-espace vectoriel contenant V .
Exemple 20
1. E tant un K-espace vectoriel, et u un lment quelconque de E, lensemble Vect(u) =
{ u | K} est le sous-espace vectoriel de E engendr par u. Il est souvent not K u. Si
u nest pas le vecteur nul, on parle dune droite vectorielle.
K = Vect(u)

u
0

Vect(u, v)

2. Si u et v sont deux vecteurs de E, alors Vect(u, v) = u + v | , K . Si u et v ne sont


pas colinaires, alors Vect(u, v) est un plan vectoriel.
1
1
3. Soient u = 1 et v = 2 deux vecteurs de R3 . Dterminons P = Vect(u, v).
3

x
y
z

Vect(u, v)

x
y

xz
y

= u + v pour certains , R
1
1
= 1 + 2

3
1
z

x = +
y = + 2

z = + 3

Nous obtenons bien une quation paramtrique du plan P passant par lorigine et
contenant les vecteurs u et v. On sait en trouver une quation cartsienne : (x 2y + z =
0).

22

Exemple 21
Soient E lespace vectoriel des applications de R dans R et f 0 , f 1 , f 2 les applications dfinies
par :
x R
f 0 (x) = 1, f 1 (x) = x et f 2 (x) = x2 .
Le sous-espace vectoriel de E engendr par { f 0 , f 1 , f 2 } est lespace vectoriel des fonctions
polynmes f de degr infrieur ou gal 2, cest--dire de la forme f (x) = ax2 + bx + c.

Mthodologie. On peut dmontrer quune partie F dun espace vectoriel E est un sous-espace
vectoriel de E en montrant que F est gal lensemble des combinaisons linaires dun nombre
fini de vecteurs de E.
Exemple 22

Est-ce que F = (x, y, z) R3 | x y z = 0 est un sous-espace vectoriel de R3 ?


Un triplet de R3 est lment de F si et seulement si x = y + z. Donc u est lment de F si et
seulement sil peut scrire u = (y + z, y, z). Or, on a lgalit

(y + z, y, z) = y(1, 1, 0) + z(1, 0, 1).

Donc F est lensemble des combinaisons linaires de (1, 1, 0), (1, 0, 1) . Cest le sous-espace vec

toriel engendr par (1, 1, 0), (1, 0, 1) : F = Vect (1, 1, 0), (1, 0, 1) . Cest bien un plan vectoriel
(un plan passant par lorigine).
Dmonstration . Preuve du thorme 4
1. On appelle F lensemble des combinaisons linaires des vecteurs {v1 , . . . , vn }.
(a) 0E F car F contient la combinaison linaire particulire 0v1 + + 0vn .
(b) Si u, v F alors il existe 1 , . . . , n K tels que u = 1 v1 + + n vn et 1 , . . . , n K tels que
v = 1 v1 + + n vn . On en dduit que u + v = (1 + 1 )v1 + + (n + n )vn appartient bien
F.
(c) De mme, u = (1 )v1 + + (n )vn F .
Conclusion : F est un sous-espace vectoriel.
2. Si G est un sous-espace vectoriel contenant {v1 , . . . , vn }, alors il est stable par combinaison
linaire ; il contient donc toute combinaison linaire des vecteurs {v1 , . . . , vn }. Par consquent
F est inclus dans G : F est le plus petit sous-espace (au sens de linclusion) contenant
{v1 , . . . , vn }.

5.4. Mini-exercices
1. Trouver des sous-espaces vectoriels distincts F et G de R3 tels que
(a) F + G = R3 et F G 6= {0} ;
(b) F + G 6= R3 et F G = {0} ;
(c) F + G = R3 et F G = {0} ;
(d) F + G 6= R3 et F G 6= {0}.

2. Soient F = (x, y, z) R3 | x + y + z = 0 et G = Vect (1, 1, 1) R3 .


(a) Montrer que F est un espace vectoriel. Trouver deux vecteurs u, v tels que F = Vect(u, v).
(b) Calculer F G et montrer que F + G = R3 . Que conclure ?

23

3. Soient A =

1 0
0 0
0 1
0 0
0 0 , B = 0 1 , C = 0 0 , D = 1 0 des matrices de M2 (R).

(a) Quel est lespace vectoriel F engendr par A et B ? Idem avec G engendr par C et D.
(b) Calculer F G. Montrer que F + G = M2 (R). Conclure.

6. Application linaire (dbut)


6.1. Dfinition
Nous avons dj rencontr la notion dapplication linaire dans le cas f : R p Rn (voir le chapitre
Lespace vectoriel Rn ). Cette notion se gnralise des espaces vectoriels quelconques.
Dfinition 6
Soient E et F deux K-espaces vectoriels. Une application f de E dans F est une application
linaire si elle satisfait aux deux conditions suivantes :
1. f (u + v) = f (u) + f (v), pour tous u, v E ;
2. f ( u) = f (u), pour tout u E et tout K.
Autrement dit : une application est linaire si elle respecte les deux lois dun espace vectoriel.
Notation. Lensemble des applications linaires de E dans F est not L (E, F).

6.2. Premiers exemples


Exemple 23
Lapplication f dfinie par
f : R3 R2
(x, y, z) 7 (2x, y + 3z)
est une application linaire. En effet, soient u = (x, y, z) et v = (x0 , y0 , z0 ) deux lments de R3
et un rel.
f (u + v) = f (x + x0 , y + y0 , z + z0 )

=
2(x + x0 ), y + y0 + 3(z + z0 )
= (2x, y + 3z) + (2x0 , y0 + 3z0 )
= f (u) + f (v)

et

f ( u) = f ( x, y, z)
= (2 x, y + 3 z)
= (2x, y + 3z)
= f (u)

Toutes les applications ne sont pas des applications linaires !


Exemple 24
Soit f : R R lapplication dfinie par f (x) = x2 . On a f (1) = 1 et f (2) = 4. Donc f (2) 6= 2 f (1).
Ce qui fait que lon na pas lgalit f ( x) = f (x) pour un certain choix de , x. Donc f nest
pas linaire. Notez que lon na pas non plus f (x + x0 ) = f (x) + f (x0 ) ds que xx0 6= 0.
Voici dautres exemples dapplications linaires :
1. Pour une matrice fixe A M n,p (R), lapplication f : R p Rn dfinie par
f (X ) = A X
est une application linaire.

24

2. L application nulle, note 0L (E,F ) :


f : E F

f (u) = 0F

pour tout u E.

f (u) = u

pour tout u E.

3. L application identit, note idE :


f : E E

6.3. Premires proprits


Proposition 6
Soient E et F deux K-espaces vectoriels. Si f est une application linaire de E dans F, alors
:
f (0E ) = 0F ,
f ( u) = f (u), pour tout u E.
Dmonstration
Il suffit dappliquer la dfinition de la linarit avec = 0, puis avec = 1.

Pour dmontrer quune application est linaire, on peut aussi utiliser une proprit plus concentre , donne par la caractrisation suivante :
Proposition 7. Caractrisation dune application linaire
Soient E et F deux K-espaces vectoriels et f une application de E dans F. Lapplication f est
linaire si et seulement si, pour tous vecteurs u et v de E et pour tous scalaires et de K,
f ( u + v) = f (u) + f (v).

Plus gnralement, une application linaire f prserve les combinaisons linaires : pour tous
1 , . . . , n K et tous v1 , . . . , vn E, on a
f (1 v1 + + n vn ) = 1 f (v1 ) + + n f (vn ).
Dmonstration
Soit f une application linaire de E dans F . Soient u, v E , , K. En utilisant les deux
axiomes de la dfinition, on a

f ( u + v) = f ( u) + f (v) = f ( u) + f (v).
Montrons la rciproque. Soit f : E F une application telle que f ( u + v) = f ( u) + f (v)
(pour tous u, v E , , K). Alors, dune part f ( u + v) = f ( u) + f (v) (en considrant le cas
particulier o = = 1), et dautre part f ( u) = f ( u) (cas particulier o = 0).

Vocabulaire.
Soient E et F deux K-espaces vectoriels.
Une application linaire de E dans F est aussi appele morphisme ou homomorphisme
despaces vectoriels. Lensemble des applications linaires de E dans F est not L (E, F).
Une application linaire de E dans E est appele endomorphisme de E. Lensemble des
endomorphismes de E est not L (E).

25

6.4. Mini-exercices
Montrer que les applications suivantes f i : R2 R2 sont linaires. Caractriser gomtriquement
ces applications et faire un dessin.
1. f 1 (x, y) = ( x, y) ;
2. f 2 (x, y) = (3x, 3y) ;
3. f 3 (x, y) = (x, y) ;
4. f 4 (x, y) = ( x, y) ;
p

p
5. f 5 (x, y) = 23 x 21 y, 12 x + 23 y .

7. Application linaire (milieu)


7.1. Exemples gomtriques
Symtrie centrale.
Soient E un K-espace vectoriel. On dfinit lapplication f par :
f :E
u

E
7

f est linaire et sappelle la symtrie centrale par rapport lorigine 0E .

0
f (u) = u
f (u) = u
0

Homothtie.
Soient E un K-espace vectoriel et K. On dfinit lapplication f par :
f : E
u

E
7

f est linaire. f est appele homothtie de rapport .


Cas particuliers notables :
= 1, f est lapplication identit ;
= 0, f est lapplication nulle ;
= 1, on retrouve la symtrie centrale.
Preuve que f est une application linaire :
f ( u + v) = ( u + v) = ( u) + (v) = f (u) + f (v).
Projection.
Soient E un K-espace vectoriel et F et G deux sous-espaces vectoriels supplmentaires dans E,
cest--dire E = F G. Tout vecteur u de E scrit de faon unique u = v + w avec v F et w G. La
projection sur F paralllement G est lapplication p : E E dfinie par p(u) = v.

26

v = p(u)

Une projection est une application linaire.


En effet, soient u, u0 E, , K. On dcompose u et u0 en utilisant que E = F G : u = v + w,
u0 = v0 + w0 avec v, v0 F, w, w0 G. Commenons par crire
u + u0 = (v + w) + (v0 + w0 ) = (v + v0 ) + (w + w0 ).

Comme F et G sont des un sous-espaces vectoriels de E, alors v + v0 F et w + w0 G.


Ainsi :
p( u + u0 ) = v + v0 = p(u) + p(u0 ).
Une projection p vrifie lgalit p2 = p.

Note : p2 = p signifie p p = p, cest--dire pour tout u E : p p(u) = p(u). Il sagit juste


de remarquer que si v F alors p(v) = v (car v = v + 0, avec v F et 0 G). Maintenant, pour

u E, on a u = v + w avec v F et w G. Par dfinition p(u) = v. Mais alors p p(u) = p(v) = v.


Bilan : p p(u) = v = p(u). Donc p p = p.
Exemple 25
Nous avons vu que les sous-espaces vectoriels F et G de R3 dfinis par

F = (x, y, z) R3 | x y z = 0

et

G = (x, y, z) R3 | y = z = 0

sont supplmentaires dans R3 : R3 = F G (exemple 18). Nous avions vu que la dcomposition


scrivait :
(x, y, z) = (y + z, y, z) + (x y z, 0, 0).
Si p est la projection sur F paralllement G, alors on a p(x, y, z) = (y + z, y, z).
G

(x, y, z)

p(x, y, z)

Exemple 26
Nous avons vu dans lexemple 19 que lensemble des fonctions paires P et lensemble des
fonctions impaires I sont des sous-espaces vectoriels supplmentaires dans F (R, R). Notons

27
p la projection sur P paralllement I . Si f est un lment de F (R, R), on a p( f ) = g o
g:R R
f (x) + f ( x)
x 7
.
2

7.2. Autres exemples


1. La drivation. Soient E = C 1 (R, R) lespace vectoriel des fonctions f : R R drivables avec
f 0 continue et F = C 0 (R, R) lespace vectoriel des fonctions continues. Soit
d : C 1 (R, R) C 0 (R, R)
f 7 f 0
Alors d est une application linaire, car ( f + g)0 = f 0 + g0 et donc d( f + g) = d( f ) +
d(g).
2. Lintgration. Soient E = C 0 (R, R) et F = C 1 (R, R). Soit
I : C 0 (R, R) C 1 (R, R)
Rx
f (x) 7 0 f (t) dt

Rx
R x
Rx
Lapplication I est linaire car 0 f (t) + g(t) dt = 0 f (t) dt + 0 g(t) dt pour toutes
fonctions f et g et pour tous , R.

3. Avec les polynmes.


Soit E = Rn [X ] lespace vectoriel des polynmes de degr n. Soit F = Rn+1 [X ] et soit
f : E
P(X ) 7

F
X P(X )

Autrement dit, si P(X ) = a n X n + + a 1 X + a 0 , alors f (P(X )) = a n X n+1 + + a 1 X 2 + a 0 X .


Cest une application linaire : f (P(X ) + Q(X )) = X P(X ) + X Q(X ) = f (P(X )) +
f (Q(X )).
4. La transposition.
Considrons lapplication T de M n (K) dans M n (K) donne par la transposition :
T : M n (K)
A 7

M n (K)
AT

T est linaire, car on sait que pour toutes matrices A, B M n (K) et tous scalaires , K :
( A + B)T = ( A)T + (B)T = A T + B T .
5. La trace.
tr : M n (K) K
A 7 tr A
est une application linaire car tr( A + B) = tr A + tr B.

28

7.3. Mini-exercices
1. Les applications suivantes sont-elles linaires ?
(a) R R,
4

(b) R R,

x 7 3x 2
(x, y, x0 , y0 ) 7 x x0 + y y0

(c) C 0 (R, R) R,

f 7 f (1)

(d) C 1 (R, R) C 0 (R, R),


(e) C 0 ([0, 1], R) R,

f 7 f 0 + f
R1
f 7 0 | f (t)| dt

(f) C 0 ([0, 1], R) R,

f 7 max x[0,1] f (x)

(g) R3 [X ] R3 [X ],

P(X ) 7 P(X + 1) P(0)


T

2. Soient f , g : M n (R) M n (R) dfinies par A 7 A +2A et A 7 A 2A . Montrer que f et g sont


des applications linaires. Montrer que f (A) est une matrice symtrique, g(A) une matrice
antisymtrique et que A = f (A) + g(A). En dduire que les matrices symtriques et les
matrices antisymtriques sont en somme directe dans M n (R). Caractriser gomtriquement
f et g.

8. Application linaire (fin)


8.1. Image dune application linaire
Commenons par des rappels. Soient E et F deux ensembles et f une application de E dans F.
Soit A un sous-ensemble de E. Lensemble des images par f des lments de A, appel image
directe de A par f , est not f (A). Cest un sous-ensemble de F. On a par dfinition :

f (A) = f (x) | x A .
Dans toute la suite, E et F dsigneront des K-espaces vectoriels et f : E F sera une application
linaire.
f (E) sappelle limage de lapplication linaire f et est not Im f .
Proposition 8. Structure de limage dun sous-espace vectoriel
1. Si E 0 est un sous-espace vectoriel de E, alors f (E 0 ) est un sous-espace vectoriel de F.
2. En particulier, Im f est un sous-espace vectoriel de F.
Remarque
On a par dfinition de limage directe f (E) :
f est surjective si et seulement si Im f = F.
Dmonstration
Tout dabord, comme 0E E 0 alors 0F = f (0E ) f (E 0 ). Ensuite on montre que pour tout couple ( y1 , y2 )
dlments de f (E 0 ) et pour tous scalaires , , llment y1 + y2 appartient f (E 0 ). En effet :

y1 f (E 0 ) x1 E 0 , f ( x1 ) = y1
y2 f (E 0 ) x2 E 0 , f ( x2 ) = y2 .
Comme f est linaire, on a
y1 + y2 = f ( x1 ) + f ( x2 ) = f ( x1 + x2 ).

29
Or x1 + x2 est un lment de E 0 , car E 0 est un sous-espace vectoriel de E , donc y1 + y2 est bien
un lment de f (E 0 ).

8.2. Noyau dune application linaire


Dfinition 7. Dfinition du noyau
Soient E et F deux K-espaces vectoriels et f une application linaire de E dans F. Le noyau
de f , not Ker( f ), est lensemble des lments de E dont limage est 0F :

Ker( f ) = x E | f (x) = 0F

Autrement dit, le noyau est limage rciproque du vecteur nul de lespace darrive : Ker( f ) =
f 1 {0F }.

Proposition 9
Soient E et F deux K-espaces vectoriels et f une application linaire de E dans F. Le noyau
de f est un sous-espace vectoriel de E.
Dmonstration
Ker( f ) est non vide car f (0E ) = 0F donc 0E Ker( f ). Soient x1 , x2 Ker( f ) et , K. Montrons que
x1 + x2 est un lment de Ker( f ). On a, en utilisant la linarit de f et le fait que x1 et x2 sont
des lments de Ker( f ) : f ( x1 + x2 ) = f ( x1 ) + f ( x2 ) = 0F + 0F = 0F .

Exemple 27
Reprenons lexemple de lapplication linaire f dfinie par
f : R3 R2
(x, y, z) 7 (2x, y + 3z)
Calculons le noyau Ker( f ).
(x, y, z) Ker( f )

f (x, y, z) = (0, 0)
((2x, y + 3z) = (0, 0)
2x = 0
y + 3z = 0
(x, y, z) = (0, 3z, z),

zR

Donc Ker( f ) = (0, 3z, z) | z R . Autrement dit, Ker( f ) = Vect (0, 3, 1) : cest une
droite vectorielle.
Calculons limage de f . Fixons (x0 , y0 ) R2 .

(x0 , y0 ) = f (x, y, z)

(2x, y + 3z) = (x0 , y0 )


(
2x = x0
y + 3z = y0

On peut prendre par exemple x = x2 , y0 = y, z = 0. Conclusion : pour nimporte quel


0
(x0 , y0 ) R2 , on a f ( x2 , y0 , 0) = (x0 , y0 ). Donc Im( f ) = R2 , et f est surjective.

30

Exemple 28
Soit A M n,p (R). Soit f : R p Rn lapplication linaire dfinie par f (X ) = A X . Alors Ker( f ) =

X R p | A X = 0 : cest donc lensemble des X R p solutions du systme linaire homogne


A X = 0. On verra plus tard que Im( f ) est lespace engendr par les colonnes de la matrice A.

Le noyau fournit une nouvelle faon dobtenir des sous-espaces vectoriels.


Exemple 29
Un plan P passant par lorigine, dquation (ax + b y + cz = 0), est un sous-espace vectoriel
de R3 . En effet, soit f : R3 R lapplication dfinie par f (x, y, z) = ax + b y + cz. Il est facile

de vrifier que f est linaire, de sorte que Ker f = (x, y, z) R3 | ax + b y + cz = 0 = P est un


sous-espace vectoriel.

Exemple 30
Soient E un K-espace vectoriel, F et G deux sous-espaces vectoriels de E, supplmentaires :
E = F G. Soit p la projection sur F paralllement G. Dterminons le noyau et limage de
p.
G

v = p(u)

Un vecteur u de E scrit dune manire unique u = v + w avec v F et w G et par dfinition


p(u) = v.
Ker(p) = G : le noyau de p est lensemble des vecteurs u de E tels que v = 0, cest donc
G.
Im(p) = F. Il est immdiat que Im(p) F. Rciproquement, si u F alors p(u) = u, donc
F Im(p).
Conclusion :
Ker(p) = G
et
Im(p) = F.

Thorme 5. Caractrisation des applications linaires injectives


Soient E et F deux K-espaces vectoriels et f une application linaire de E dans F. Alors :
f injective


Ker( f ) = 0E

Autrement dit, f est injective si et seulement si son noyau ne contient que le vecteur nul. En
particulier, pour montrer que f est injective, il suffit de vrifier que :
si f (x) = 0F alors x = 0E .

31

Dmonstration
Supposons que f soit injective et montrons que Ker( f ) = {0E }. Soit x un lment de Ker( f ).
On a f ( x) = 0F . Or, comme f est linaire, on a aussi f (0E ) = 0F . De lgalit f ( x) = f (0E ), on
dduit x = 0E car f est injective. Donc Ker( f ) = {0E }.
Rciproquement, supposons maintenant que Ker( f ) = {0E }. Soient x et y deux lments de E
tels que f ( x) = f ( y). On a donc f ( x) f ( y) = 0F . Comme f est linaire, on en dduit f ( x y) = 0F ,
cest--dire x y est un lment de Ker( f ). Donc x y = 0E , soit x = y.

Exemple 31
Considrons, pour n 1, lapplication linaire
f : Rn [X ] Rn+1 [X ]
P(X ) 7

X P(X ).

tudions dabord le noyau de f : soit P(X ) = a n X n + + a 1 X + a 0 Rn [X ] tel que X P(X ) = 0.


Alors
a n X n+1 + + a 1 X 2 + a 0 X = 0.
Ainsi, a i = 0 pour tout i {0, . . . , n} et donc P(X ) = 0. Le noyau de f est donc nul : Ker( f ) = {0}.
Lespace Im( f ) est lensemble des polynmes de Rn+1 [X ] sans terme constant : Im( f ) =

Vect X , X 2 , . . . , X n+1 .
Conclusion : f est injective, mais nest pas surjective.

8.3. Lespace vectoriel L (E, F )


Soient E et F deux K-espaces vectoriels. Remarquons tout dabord que, similairement lexemple
4, lensemble des applications de E dans F, not F (E, F), peut tre muni dune loi de composition
interne + et dune loi de composition externe, dfinies de la faon suivante : f , g tant deux
lments de F (E, F), et tant un lment de K, pour tout vecteur u de E,
( f + g)(u) = f (u) + g(u)

et

( f )(u) = f (u).

Proposition 10
Lensemble des applications linaires entre deux K-espaces vectoriels E et F, not L (E, F),
muni des deux lois dfinies prcdemment, est un K-espace vectoriel.
Dmonstration
Lensemble L (E, F ) est inclus dans le K-espace vectoriel F (E, F ). Pour montrer que L (E, F ) est un
K-espace vectoriel, il suffit donc de montrer que L (E, F ) est un sous-espace vectoriel de F (E, F ) :
Tout dabord, lapplication nulle appartient L (E, F ).
Soient f , g L (E, F ), et montrons que f + g est linaire. Pour tous vecteurs u et v de E et
pour tous scalaires , de K,
( f + g)( u + v)

=
=
=
=

f ( u + v) + g( u + v)
f ( u ) + f ( v) + g ( u ) + g ( v)
( f ( u) + g( u)) + ( f (v) + g(v))
( f + g)( u) + ( f + g)(v)

f + g est donc linaire et L (E, F ) est stable pour laddition.

(dfinition de f + g)
(linarit de f et g)
(proprits des lois de F )
(dfinition de f + g)

32
Soient f L (E, F ), K, et montrons que f est linaire.
( f )( u + v)

=
=
=
=

f ( u + v )

f ( u ) + f ( v)
f ( u) + f (v)
( f )( u) + ( f )(v)

(dfinition de f )
(linarit de f )
(proprits des lois de F )
(dfinition de f )

f est donc linaire et L (E, F ) est stable pour la loi externe.


L (E, F ) est donc un sous-espace vectoriel de F (E, F ).

En particulier, L (E) est un sous-espace vectoriel de F (E, E).

8.4. Composition et inverse dapplications linaires


Proposition 11. Compose de deux applications linaires
Soient E, F,G trois K-espaces vectoriels, f une application linaire de E dans F et g une
application linaire de F dans G. Alors g f est une application linaire de E dans G.

Remarque
En particulier, le compos de deux endomorphismes de E est un endomorphisme de E. Autrement dit, est une loi de composition interne sur L (E).
Dmonstration
Soient u et v deux vecteurs de E , et et deux lments de K. Alors :
( g f )( u + v)

=
=
=
=

g f ( u + v)

g f ( u ) + f ( v)
g ( f ( u)) + g ( f (v))
( g f )( u) + ( g f )(v)

(dfinition de g f )
(linarit de f )
(linarit de g)
(dfinition de g f )

La composition des applications linaires se comporte bien :


g ( f1 + f2) = g f1 + g f2

(g 1 + g 2 ) f = g 1 f + g 2 f

( g) f = g ( f ) = (g f )

Vocabulaire.
Soient E et F deux K-espaces vectoriels.
Une application linaire bijective de E sur F est appele isomorphisme despaces vectoriels.
Les deux espaces vectoriels E et F sont alors dits isomorphes.
Un endomorphisme bijectif de E (cest--dire une application linaire bijective de E dans E)
est appel automorphisme de E. Lensemble des automorphismes de E est not GL(E).
Proposition 12. Linarit de lapplication rciproque dun isomorphisme
Soient E et F deux K-espaces vectoriels. Si f est un isomorphisme de E sur F, alors f 1 est
un isomorphisme de F sur E.

33

Dmonstration
Comme f est une application bijective de E sur F , alors f 1 est une application bijective de F sur
E . Il reste donc prouver que f 1 est bien linaire. Soient u0 et v0 deux vecteurs de F et soient et
deux lments de K. On pose f 1 ( u0 ) = u et f 1 (v0 ) = v, et on a alors f ( u) = u0 et f (v) = v0 . Comme
f est linaire, on a

f 1 ( u0 + v0 ) = f 1 f ( u) + f (v) = f 1 f ( u + v) = u + v

car f 1 f = idE (o idE dsigne lapplication identit de E dans E ). Ainsi

f 1 ( u0 + v0 ) = f 1 ( u0 ) + f 1 (v0 ),
et f 1 est donc linaire.

Exemple 32
Soit f : R2 R2 dfinie par f (x, y) = (2x + 3y, x + y). Il est facile de prouver que f est linaire.
Pour prouver que f est bijective, on pourrait calculer son noyau et son image. Mais ici nous
allons calculer directement son inverse : on cherche rsoudre f (x, y) = (x0 , y0 ). Cela correspond lquation (2x + 3y, x + y) = (x0 , y0 ) qui est un systme linaire deux quations et deux
inconnues. On trouve (x, y) = ( x0 + 3y0 , x0 2y0 ). On pose donc f 1 (x0 , y0 ) = ( x0 + 3y0 , x0 2y0 ).
On vrifie aisment que f 1 est linverse de f , et on remarque que f 1 est une application
linaire.
Exemple 33
Plus gnralement, soit f : Rn Rn lapplication linaire dfinie par f (X ) = A X (o A est
une matrice de M n (R)). Si la matrice A est inversible, alors f 1 est une application linaire
bijective et est dfinie par f 1 (X ) = A 1 X .
Dans lexemple prcdent,
!

!
x
2 3
1 3
1
X=
A=
A =
.
y
1 1
1 2

8.5. Mini-exercices
1. Soit f : R3 R3 dfinie par f (x, y, z) = ( x, y + z, 2z). Montrer que f est une application
linaire. Calculer Ker( f ) et Im( f ). f admet-elle un inverse ? Mme question avec f (x, y, z) =
(x y, x + y, y).
2. Soient E un espace vectoriel, et F,G deux sous-espaces tels que E = F G. Chaque u E
se dcompose de manire unique u = v + w avec v F, w G. La symtrie par rapport
F paralllement G est lapplication s : E E dfinie par s(u) = v w. Faire un dessin.
Montrer que s est une application linaire. Montrer que s2 = idE . Calculer Ker(s) et Im(s). s
admet-elle un inverse ?
3. Soit f : Rn [X ] Rn [X ] dfinie par P(X ) 7 P 00 (X ) (o P 00 dsigne la drive seconde). Montrer
que f est une application linaire. Calculer Ker( f ) et Im( f ). f admet-elle un inverse ?

34

Auteurs
Daprs un cours de Sophie Chemla de luniversit Pierre et Marie Curie, reprenant des
parties dun cours de H. Ledret et dune quipe de luniversit de Bordeaux anime par
J. Queyrut,
et un cours de Eva Bayer-Fluckiger, Philippe Chabloz, Lara Thomas de lcole Polytechnique Fdrale de Lausanne,
mixs et rviss par Arnaud Bodin, relu par Vianney Combet.