Chapitre 18

Espaces vectoriels
Sommaire
I

II

III

IV

Gnralits . . . . . . . . . . . . . . .
1)
Dnition . . . . . . . . . . . . .
2)
Exemples de rfrence . . . . . .
3)
Rgles de calculs . . . . . . . . .
Applications linaires . . . . . . . . .
1)
Dnition . . . . . . . . . . . . .
2)
Noyau dune application linaire
3)
Proprits . . . . . . . . . . . . .
Sous-espaces vectoriels . . . . . . . .
1)
Dnition . . . . . . . . . . . . .
2)
Sous-espace engendr . . . . . .
Somme de sous-espaces vectoriels . .
1)
Dnition . . . . . . . . . . . . .
2)
Sommes directes . . . . . . . . .
3)
S.e.v. supplmentaires . . . . . .
Projections, symtries . . . . . . . . .
1)
Projecteurs . . . . . . . . . . . .
2)
Symtries . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

. . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1
1
2
2
2
2
3
3
4
4
5
6
6
7
8
8
8
9

Dans ce chapitre, dsigne un sous-corps de .

I GNRALITS
1)

Dnition

Dnition 18.1
Soit E un ensemble non vide, on dit que E est un - espace vectoriel (ou -e.v.) lorsque E possde une
addition et un produit par les scalaires (loi de composition externe, note . , cest une application :
E E
), avec les proprits suivantes :
(, ) .
(E, +) est un groupe ablien (llment neutre est not 0E ou 0
E et appel vecteur nul de E).
La loi . (ou produit par les scalaires) doit vrier : , , , E :
1. =
.( + ) = . + .
( + ). = . + .
.(.) = ().
Si ces proprits sont vries, on dit que (E, +, .) est un - e.v., les lments de sont appels les
scalaires et les lments de E sont appels vecteurs (parfois nots avec une che).

MPSI - Cours

Fradin Patrick http://mpsi.tuxfamily.org

Applications linaires
2)

Chapitre 18 : Espaces vectoriels

Exemples de rfrence

ZExemples :
Un corps est un -e.v..
est un -e.v., est un -e.v., est un -e.v. Plus gnralement si est corps inclus dans un autre
corps , alors est un -e.v..
Lensemble muni des oprations suivantes :
(1 , , ) + (1 , , ) = (1 + 1 , , + ) et .(1 , , ) = (1 , , ),
est un -e.v., le vecteur nul est le n-uplet : (0, , 0).
Si I est un ensemble non vide, alors lensemble des applications de I vers : (I, ), pour les oprations usuelles (addition de deux fonctions et produit par un scalaire) est un -e.v., le vecteur nul tant
lapplication nulle. En particulier ( (I, ), +, .) sont des -e.v., ainsi que lespace des suites valeurs
dans .
Plus gnralement, si E est un -e.v., lensemble des applications de I vers E : (I, E), pour les oprations usuelles sur les fonctions, est un -e.v..
([X], +, .), ((X), +, .) sont des -espaces vectoriels.
Espace produit : Soient E et F deux -e.v., on dnit sur EF laddition : (, )+( , ) = (+ , + ),
et un produit par les scalaires : .(, ) = (., .). On peut vrier alors que (E F, +, .) est un -e.v.,
le vecteur nul tant (0E , 0F ). Cela se gnralise au produit cartsien dun nombre ni de -e.v.
3)

Rgles de calculs
Soit E un -e.v.
E, 0.
= 0 , et , .0 = 0 .
E, , (.
) = ().
= .(
).

E, , .
= 0 = 0 ou = 0 .

II APPLICATIONS LINAIRES
1)

Dnition

Dnition 18.2
Soient E et F deux -e.v. et soit E F une application, on dit que est une application linaire (ou
morphisme de -espaces vectoriels), lorsque :
, E, , ( + ) = () + () et (.) = .().
Si de plus, est bijective, alors on dit que est un isomorphisme (despaces vectoriels). Lensemble des
applications linaires de E vers F est not (E, F).
Remarque 18.1 Les applications linaires de dans sont les applications de la forme () = ( ),
car () = (1).
ZExemples :
Lapplication nulle (note 0) de E vers F est linaire.
Lapplication identit de E : idE E E dnie par idE () = , est linaire bijective (et (idE )1 = idE ).
Soit , lhomothtie de rapport : E E, dnie par () = ., est linaire et bijective.
Sa rciproque est lhomothtie de rapport 1/. Lensemble des homothties de E est un groupe pour la
loi car cest un sous-groupe du groupe des permutations de E.
Lapplication 2 2 dnie par (, ) = (; ) est un isomorphisme de 2 sur lui-mme.

MPSI - Cours

Fradin Patrick http://mpsi.tuxfamily.org

Applications linaires

Chapitre 18 : Espaces vectoriels

retenir
(E, F) alors (0E ) = 0F et E, () = ().

Dnition 18.3 (vocabulaire)

Une application linaire de E vers E est appele un endomorphisme de E. Lensemble des endomorphismes de E est not (E) (on a donc (E) = (E, E)).
Un isomorphisme de E vers E est appel un automorphisme de E. Lensemble des automorphismes de E
est not GL(E) et appel groupe linaire de E.
Une application linaire de E vers est appele une forme linaire sur E. Lensemble des formes linaires
sur E est not E et appel dual de E (on a donc E = (E, )).
ZExemples :
idE GL(E), , GL(E).

Soit E = 0 ([0; 1], ) et E dnie par () = () , alors est une forme linaire sur E.
0
Soit E = { (, ) / ( ) converge} est un -e.v. et lapplication E dnie par () =
lim , est une forme linaire sur E.
Soient , , , lapplication 3 dnie par (, , ) = + + , est une forme linaire
sur 3 . En exercice, montrer la rciproque, cest dire que toutes les formes linaires sur 3 sont de
ce type.
2)

Noyau dune application linaire

Dnition 18.4
Soit (E, F), on appelle noyau de lensemble not ker() et dni par :
ker() = E / () = 0F
Le noyau de contient toujours 0E .
ZExemples :
Le noyau dune application linaire bijective est {0E }.
Le noyau de lapplication linaire [X] [] dnie par (P) = P est ker() = .
Le noyau de lapplication linaire 3 2 dnie par (, , ) = ( + + , 2 ) est
ker() = {(, 2, 3 / }.
3)

Proprits
Il est facile de vrier les proprits suivantes :
(E, F) est injective si et seulement si ker() = {0E }.
La compose de deux applications linaires est linaire. On en dduit que GL(E) est stable pour la loi .
Si (E, F) est un isomorphisme, alors 1 (F, E). On en dduit que GL(E) est stable par
symtrisation, i.e. si GL(E), alors 1 GL(E).
(GL(E), ) est un groupe (non ablien en gnral), cest en fait un sous-groupe du groupe des permutations de E : (S E , ).
Si , (E, F) et si , alors + et . sont linaires. On en dduit que ((E, F), +, .) est un
-e.v. (s.e.v. de (E, F)).
((E), +, ) est un anneau, la loi jouant le rle dune multiplication.

Remarque 18.2
En gnral, lanneau (E) nest pas commutatif. Le groupe des inversibles de cet anneau est GL(E).

MPSI - Cours

Fradin Patrick http://mpsi.tuxfamily.org

Sous-espaces vectoriels

Chapitre 18 : Espaces vectoriels

La loi jouant le rle dune multiplication, on adopte les notations usuelles des anneaux pour les puissances,
i.e. si (E) et si est entier, alors :

idE
si = 0

=
,

fois si > 0

1 1 fois si est inversible et < 0

de plus si , (E) commutent (i.e. = ), alors on peut utiliser le binme de Newton :
( +

=0

Soit E = 2 et (; ) (; 0), on vrie facilement que (E) et que 2 = 0 (application nulle),

pourtant 0. Cet exemple montre quen gnral (E) nest pas un anneau intgre.

III SOUS-ESPACES VECTORIELS

1)

Dnition

Dnition 18.5
Soit E un -e.v. et soit H un ensemble, on dit que H est un sous-espace vectoriel de E (ou s.e.v de E)
lorsque :
H E, H .
, H, + H (H est stable pour laddition).
H, , . H (H est stable pour la loi .).
Si cest le cas, alors il est facile de vrier que (H, +, .) est lui-mme un -e.v.
ZExemples :
(E, F) est un s.e.v. de (E, F).
Lensemble des fonctions paires (respectivement impaires, bornes, T-priodiques, lipschitziennes) dnies sur est un s.e.v. de (, ).
Lensemble ( (I, ), +, .) est un sous-espace vectoriel de ((I, ), +, .).
Lensemble ( [X], +, .) est un sous-espace vectoriel de ([X], +, .).
Lensemble des suites complexes de limite nulle et un s.e.v de lespace des suites complexes convergentes, qui est lui-mme un s.e.v de lespace de suites complexes bornes, qui est lui-mme un s.e.v de
lespace des suites complexes.
Soient , , , F = {(, , ) 3 / + + = 0} est un s.e.v de 3 .

Thorme 18.1 (noyau et image dune application linaire)

Si (E, F) alors ker() est un s.e.v de E et Im() est un s.e.v de F.
Preuve : Celle-ci est simple et laisse en exercice.

retenir
Soit (E, F) alors est un isomorphisme si et seulement si ker() = {0E } et Im() = F.

Thorme 18.2 (image dun s.e.v par une application linaire)

Soit H un s.e.v de E et (E, F), alors (H) (ensemble des images par des lments de H) est un
s.e.v de F.
Preuve : Il sut de considrer la restriction de H : H F dnie par H, () = (), il est clair que est
linaire et que (H) = Im(), on peut appliquer alors le thorme prcdent.


MPSI - Cours

Fradin Patrick http://mpsi.tuxfamily.org

Sous-espaces vectoriels

Chapitre 18 : Espaces vectoriels

Thorme 18.3 (image rciproque dun s.e.v par une application linaire)
Soit H un s.e.v de F et soit (E, F) alors 1 (H) (ensemble des antcdents des lments de H par )
est un s.e.v de E.
Preuve : Celle-ci est simple et laisse en exercice.

Thorme 18.4 (intersection de sous-espaces vectoriels)

Soit (H )I une famille de s.e.v de E (I est un ensemble dindices), alors H est un s.e.v de E.
I

Preuve : Celle-ci est simple et laisse en exercice.

ZExemples :

H = { 0 ([; ], ) / = 0} est un s.e.v de 0 ([; ], ), car cest le noyau de la forme linaire

.
0

H = {(, , ) 3 / + + = 0} est un s.e.v de 3 car cest le noyau de la forme linaire

(, , ) + + .
H = {(, , ) 3 / 2 + = 0 et 3 2 = 0} est un s.e.v de 3 car cest lintersection des noyaux
des deux formes linaires : 1 (, , ) 2 + et 2 (, , ) 3 2.

Dnition 18.6 (hyperplan)

Soit H un s.e.v de E, on dit que H est un hyperplan de E lorsquil existe une forme linaire sur E, non
identiquement nulle, telle que H = ker().

2)

Sous-espace engendr

Dnition 18.7 (combinaisons linaires dun nombre ni de vecteurs)

Soit E un -e.v et soit 1 , , des vecteurs de E. On appelle combinaison linaire de la famille ( )1 ,
tout vecteur de E pour lequel il existe des scalaires 1 , , tels que :

= .
=1

Lensemble des combinaisons linaires de la famille ( )1 est not Vect [1 , , ].

Deux vecteurs et de E sont dits colinaires lorsque lun des deux est combinaison linaire de lautre,
i.e. , = ou = .
ZExemples :
Vect [0E ] = {0E }.
Si E {0E }, alors Vect [] = { / }, cest un s.e.v de E appel droite vectorielle engendre par
. On dit que est un vecteur directeur de cette droite. Les autres vecteurs directeurs sont les vecteurs
de la forme avec 0.
Soient , E deux vecteurs non nuls, si les deux vecteurs sont colinaires, alors Vect , =
Vect [] = Vect (droite vectorielle). Si ces deux vecteurs sont non colinaires, alors :
Vect , = + / ,
cest un s.e.v de E, on lappelle plan vectoriel engendr par et , il contient (strictement) les deux
droites engendres par et .
Dans 3 dterminer une quation cartsienne du plan vectoriel engendr par les vecteurs = (1, 1, 1)
et = (0, 1, 1).

MPSI - Cours

Fradin Patrick http://mpsi.tuxfamily.org

Somme de sous-espaces vectoriels

Chapitre 18 : Espaces vectoriels

Thorme 18.5 (image dune combinaison linaire par une application linaire)
Soit E un -e.v et soit ( )1 une famille de vecteurs de E. Soit (E, F), alors limage par dune
combinaison linaire de la famille ( )1 et une combinaison linaire de la famille (( ))1 (dans
F) avec les mmes coecients.
Preuve : Par rcurrence sur : pour = 1 il ny a rien dmontrer. Supposons le thorme vrai au rang , et soit
= 1 1 + + +1 +1 , tant linaire, on peut crire () = (1 1 + + ) + +1 .(+1 ), on applique alors
lhypothse de rcurrence pour conclure.


Dnition 18.8 (gnralisation)

Soit ( )I une famille de vecteurs de E. On appelle combinaison linaire de la famille, tout vecteur de E
pouvant scrire comme combinaison linaire dun nombre ni de vecteurs de la famille. Notation :
Vect [( )I ] = J / J partie nie de I et J, .
Remarque 18.3 Si X est une partie de E, on notera Vect [X] lensemble des combinaisons linaires des vecteurs
de X. On peut crire :
Vect [X] = / ( )X est une famille de scalaires tous nuls sauf un nombre ni.
X

De telles familles de scalaires sont appeles familles support ni. Le thorme 18.5 se gnralise alors
ainsi :
Si (E, F) alors ( ) = (), pour toute famille de scalaires ( )X support ni.
X

Thorme 18.6 (sous-espace engendr)

Soit ( )I une famille de vecteurs de E, Vect [( )I ] est un s.e.v de E. Cest mme le plus petit (pour
linclusion) s.e.v de E qui contient tous les vecteurs de cette famille. On lappelle s.e.v engendr par ( )I .
Preuve : Celle-ci est simple et laisse en exercice.

ZExemples :
Soit E = pour J1; K on pose = (,1 , , , ), on a alors E = Vect [1 , , ].
Soit H = { 3 / , , , = ( , 2 2 + , + + 2)}. Posons 1 = (1, 2, 1), 2 =
(1, 2, 1) et 3 = (0, 1, 2), on a alors H = Vect [1 , 2 , 3 ], ce qui prouve que H est un s.e.v de 3 . On
remarque que 2 = 1 , donc nalement H = Vect [1 , 3 ], et comme 1 et 3 ne sont pas colinaires, H
est un plan vectoriel.
Soit E = (, ), les deux fonctions id et 1 sont non colinaires, donc elles engendrent un plan
vectoriel dans E : P = Vect id , 1. P quivaut , , = .id +.1, et donc +,
P est donc lensemble des applications anes.

IV SOMME DE SOUS-ESPACES VECTORIELS

1)

Dnition

Dnition 18.9 (somme de s.e.v)

Soient F et G deux s.e.v de E, on appelle somme de F et G lensemble not F + G et dni par :
F + G = { E / F, G, = + }.
Plus gnralement, si F 1 , , F sont des s.e.v. de E, la somme de ces s.e.v. est :
F 1 + + F = { E / 1 F 1 , , F , = 1 + + }.

MPSI - Cours

Fradin Patrick http://mpsi.tuxfamily.org

Somme de sous-espaces vectoriels

Chapitre 18 : Espaces vectoriels

Thorme 18.7
Une somme de s.e.v de E est un s.e.v de E.
Preuve : F 1 , , F sont des s.e.v de E , donc ce sont en particulier des -e.v, par consquent le produit cartsien F 1
F est lui-mme un -e.v. On considre alors lapplication F 1 F E dnie par (1 , , ) = 1 + + .
On vrie facilement que est linaire, il est clair daprs la dnition que F 1 + + F = Im(), et donc cest un s.e.v
de E.


ZExemples :
Dans 3 , posons = (1, 0, 0), = (0, 1, 0), = (0, 0, 1), on peut vrier que 3 = Vect [] + Vect +
Vect [] = Vect , + Vect [] = Vect [] + Vect , .
Soient , E deux vecteurs, on a Vect [] + Vect = Vect , . Plus gnralement, on peut
remplacer et par deux familles de vecteurs de E (et cela se gnralise plus de deux).
2)

Sommes directes

Dnition 18.10 (somme directe)

Soient F 1 , , F des s.e.v de E, on dit que la somme F 1 + + F est directe lorsque tout vecteur de cette
somme scrit de manire unique sous la forme 1 + + avec F , 1 . Si cest le cas, la
somme est note F 1 F .

Thorme 18.8 (caractrisation des sommes directes)

Soient F 1 , , F des s.e.v de E, les assertions suivantes sont quivalentes :
a) la somme F 1 + + F est directe.
b) (1 , , ) F 1 F , si 1 + + = 0E alors 1 = = = 0E .
c) J1; K, lintersection entre F et la somme des autres s.e.v. est rduite {0E }.

d) lapplication linaire F 1 F E dnie par (1 , , ) = 1 + + est injective.

Preuve : Montrons ) ) : soient F tels que =1 = 0E , alors =1 = =1 0E , or 0E est dans chaque F ,

lunicit permet de conclure que = 0E .
Montrons que ) ) : soient 1 F 1 (F 2 + + F ) alors il existe 2 F 2 , , F tels que 1 = 2 + + ,
alors 1 2 = 0E avec F , et donc chacun de ces vecteurs est nul, en particulier 1 . Le raisonnement est
le mme si on permute les indices.
Montrons ) ) : si (1 , , ) ker() alors 1 + + = 0E et donc 1 = 2 , or ce vecteur est
dans F 2 + + F , donc 1 = 0E , le mme faon on montre que les autres sont nuls et donc que est injective.
Montrons que ) ) : Si 1 + + = 1 + + avec , F , alors (1 1 ) + + ( ) = 0E , donc
(1 1 , , ) ker() (car F ), tant injective il vient que = 0E do lunicit de la dcomposition,
la somme est donc directe.


ZExemples :
Dans (, ) le s.e.v des fonctions paires et le s.e.v des fonctions impaires sont en somme directe.
Dans 3 le plan P dquation + + = 0 et la droite engendre par le vecteur = (1, 1, 1) sont en
somme directe, mais P nest pas en somme directe avec le plan P engendr par et = (1, 1, 1).
3)

S.e.v. supplmentaires

Dnition 18.11 (s.e.v supplmentaires)

Soient F et G deux s.e.v de E , on dit que F et G sont supplmentaires lorsque F G = E. Ce qui signie
que E = F + G et la somme F + G est directe, ou encore : tout vecteur de E scrit de manire unique
comme somme dun vecteur de F et dun vecteur de G.

MPSI - Cours

Fradin Patrick http://mpsi.tuxfamily.org

Projections, symtries

Chapitre 18 : Espaces vectoriels

ZExemples :
Dans (, ) le s.e.v des fonctions paires et le s.e.v des fonctions impaires sont supplmentaires.

Dans E = 0 ([; ], ) le s.e.v H = { E / = 0} et le s.e.v G = Vect id sont supplmentaires.

Thorme 18.9 (caractrisations des hyperplans)

Soit H un s.e.v de E, les assertions suivantes sont quivalentes :
a) H est un hyperplan de E (i.e. le noyau dune forme linaire sur E non nulle).
b) 0 E H, H Vect [0 ] = E.
c) 0 E H tel que H Vect [0 ] = E.
Preuve : Montrons que ) ) : soit 0 E H, comme 0 nest pas dans H, il est facile de voir que H et Vect [0 ]
sont en somme directe. Soit une forme linaire (non nulle) telle que ker() = H, on a (0 ) = 0, soit E et

= (), posons = 0 , on a () = 0, donc H et de plus = + 0 , ce qui prouve que E = H + Vect [0 ].

Montrons que ) ) : rien faire.
Montrons que ) ) : Pour E, il existe H et , uniques tels que = + 0 . Posons () = . On
dnit ainsi une application non nulle de E vers , on peut vrier ensuite que est bien linaire (laiss en exercice),
ker() = 0 = H, donc ker() = H, ce qui prouve que H est un hyperplan.


V PROJECTIONS, SYMTRIES
1)

Projecteurs

Dnition 18.12
Soit E un -e.v, une projection dans E (ou un projecteur de E) est un endomorphisme de E tel que 2 =
(i.e. = ).
ZExemples :
E = 2 et (, ) = (, 0).
E = (, ) et qui E associe ()

()+()
2

Remarque : invariants dun endomorphisme. Si (E), alors E est invariant par (ou un point xe
de ) si et seulement si () = , ce qui quivaut ( idE )() = 0E , ou encore ker( idE ). Lensemble
des points xes de est donc le s.e.v ker( idE ).

Thorme 18.10 (caractrisation des projections)

(E) est un projecteur E = ker() ker( idE ). Si cest le cas, alors Im() = ker( idE )
et on dit que est la projection sur Im() paralllement ker(). Tout vecteur de E se dcompose de la
manire suivante : = ( ()) + (), avec () ker() et () ker( idE ).
Preuve : Si est un projecteur, soit ker() ker( idE ), alors () = 0E = , donc la somme est directe. Soit E,
alors ( ()) = () 2 () = 0E , donc () ker(), on a alors = ( ()) + () et () ker( idE ),
donc E = ker() ker( idE ). De la dnition, il dcoule que Im() ker( idE ), linclusion tant vidente, on a
Im() = ker( E ).
Rciproque : si E = ker() ker( idE ), soit E, alors = + avec ker() et ker( idE ), do
() = () + () = () = , et donc 2 () = () = = (), ce qui prouve que est un projecteur.


MPSI - Cours

Fradin Patrick http://mpsi.tuxfamily.org

Projections, symtries

Chapitre 18 : Espaces vectoriels

ker()

()

Im()
()

ker( id)

ZExemples :
Dans le premier exemple, est la projection sur la droite Vect [(1, 0)] et paralllement la droite
Vect [(0, 1)].
Dans le deuxime exemple, est la projection sur le s.e.v des fonctions paires, paralllement au s.e.v
des fonctions impaires.

Thorme 18.11 (projection associe une dcomposition)

Si F et G sont deux s.e.v de E supplmentaires (E = F G), alors il existe une unique projection telle
que Im() = F et ker() = G, i.e. qui soit la projection sur F paralllement G.
Preuve : Pour E, il existe F F et G G, uniques tels que = F + G , on pose alors () = F , ce qui dnit une
application de E dans E. On vrie facilement que est linaire, et comme F F, on a par dnition mme de , que
2 () = F = (), donc est bien un projecteur. On a () = 0E F = 0E = G G, donc ker() = G,
dautre part, () = = F F, donc ker( idE ) = F, ce qui termine la preuve.


ZExemples :
Soit E = 3 , F = {(, , ) E / = 0} et G = Vect [(1, 1, 1)]. Montrer que F et G sont supplmentaires,
et dterminer lexpression analytique de la projection sur F paralllement G.
Soit un projecteur de E, montrer que = idE est un projecteur, prciser ses lments caractristiques.
2)

Symtries

Dnition 18.13
Soit E un -e.v, une symtrie de E est un endomorphisme tel que 2 = idE (involution linaire).
ZExemples :
Dans E = 2 , lapplication dnie par (, ) = (, ) est une symtrie.
Dans E = (, ) lapplication dnie par () est la fonction qui () (), est une
symtrie.

Thorme 18.12 (caractrisation des symtries)

Soit (E), est une symtrie E = ker(idE )ker(+idE ). Ce qui revient dire que lapplication
1
= (idE + ) est une projection. Si cest le cas, on dit que est la symtrie par rapport ker( idE )
2
(ensemble des invariants) et paralllement ker( + idE ), et on dit que est la projection associe .
Tout vecteur de E se dcompose de la manire suivante :
1
1
= ( + ()) + ( ())
2
2
MPSI - Cours

Fradin Patrick http://mpsi.tuxfamily.org

Projections, symtries

Chapitre 18 : Espaces vectoriels

avec 2 ( + ()) ker( idE ) et 2 ( ()) ker( + idE ).

1

Preuve : Posons = (idE + ), est une symtrie quivaut 2 = idE , cest dire (2 idE )2 = idE , ou encore 2 = ,
2
ce qui quivaut dire que E = ker() ker( idE ), et donc E = ker( + idE ) ker( idE ).

ker() = ker( + id)

()
ker( id)
()

ker( id)

()

()

Thorme 18.13 (symtrie associe une dcomposition)

Si F et G sont deux s.e.v de E supplmentaires (E = F G), alors il existe une unique symtrie telle que
ker( idE ) = F et ker( + idE ) = G, i.e. qui soit la symtrie par rapport F et paralllement G.
Preuve : Soit la projection sur F paralllement G, posons = 2 idE , on sait alors que est une symtrie et
ker( idE ) = ker( idE ) = F et ker( + idE ) = ker() = G, donc existe. Rciproquement, si existe, alors la
projection associe est ncessairement la projection sur F paralllement G, or celle-ci est unique, cest , donc est
unique.


ZExemples :
Dans le premier exemple ci-dessus, est la symtrie par rapport la droite Vect [(1, 1)] et paralllement
la droite Vect [(1, 1)].
Dans le deuxime exemple, est la symtrie par rapport au s.e.v des fonctions paires, et paralllement
au s.e.v des fonctions impaires.

MPSI - Cours

Fradin Patrick http://mpsi.tuxfamily.org

10