Vous êtes sur la page 1sur 11

Espaces vectoriels

Vincent Franjou
2012

Ce document a été écrit par Simon Masson. Il se peut qu’il présente des erreurs, par exemple au niveau des
démonstrations.

1 Introduction
– Toutes sortes de problèmes dans toutes les sciences

– Des approximations au premier ordre de problèmes difficiles sont abordables par l’algèbre linéaires

Exemples d’applications
1. les systèmes linéaires

2. le maniement des matrices, des torseurs, en statistique, en mécanique, en programmation, et d’une manière
générale le maniement de n-uplets de nombres (λ1 , ..., λn )

3. les équations différentielles linéaires

4. les symétries, c’est-à-dire les applications linéaires sur les espaces étudiés

2 Exemples de motivation
2.1 Systèmes d’équations linéaires (exemple 1)

 x+y+z = 1 1 1 1 1
(S) 2x + 2y + z = 2 ⇐⇒ 2 2 1 2
x + y + 3z = 3 1 1 3 3

1 1 1 1
⇐⇒ 0 0 -1 0
0 0 2 2
1 1 1 1
⇐⇒ 0 0 -1 0
0 0 0 2
Il n’y a pas de solution (x,y,z) car il y a une ligne contradictoire (0 = 2).

1
2.2 Aire d’un parallèlogramme (exemple 2)
Problème : Donner une formule pour la surface d’un parallèlogramme en fonction des coordonnées des vecteurs
~u et ~v .

v~0 = ~v + λ~u λ∈R


1. base × hauteur

~ ∧ AD
2. produit vectoriel AB ~ (vecteur ou aire ?)

2.2.1 Utilisation de l’algorithme du pivot


Appelons A(u, v) la quantité cherchée, elle vérifie

A(u, v) = A(u, v + λu)


A(u, v) = A(u + µv, v)

pour tous vecteurs u,v dans R2 et pour tout scalaire λ


Exemple :
~u = (1, −1) et ~v = (1, 2)
u v u v’=v-u u’ v’
1 1 ⇐⇒ 1 0 ⇐⇒ 1 0
-1 2 -1 3 0 3
A(u, v) = A(u, v 0 ) = A(u0 , v 0 ) = 3
L’unité formée par l’aire du parallèlogramme sur l’aire.
En général, pour u=(x,y), v=(z,t)
x z x 0 = z 0 = z − λx
Si x 6= 0 ⇐⇒
y t y t0 = t − λy
0
A(u, v) = xt = x(t − λy) = x(t − xz y) = xt − yz
x z
C’est le déterminent de
y t
A vérifier :
Si y 6= 0, l’algorithme du pivot sur les colonnes de
x z
y t
±A(u, v) = yz 0
Remarque : Pour toujours trouver la même formule, on est amené à poser : A(u, v) = −A(v, u)

2
2.2.2 Utilisation de la linéarité et de la symétrie
On utilise d’autres propriétés de la fonction A.
1. Si le vecteur u ou le vecteur v est nul, ou s’ils sont non-nuls et proportionnels (colinéaires),
alors A(u, v) = 0.

2. Additivité : Pour tous vecteurs u, v et w de R2 ,

A(u, v + w) = A(u, v) + A(u, w)

A(u + w, v) = A(u, v) + A(w, v)


général, au moins au signe près, du moins c’est ce qu’il semble...

3. Multiplicativité : Pour tous vecteurs u et v de R2 , et tout scalaire λ ,

A(λu, v) = A(u, λv) = λA(u, v)

Remarque : On pourrait ajouter l’antisymétrie :

A(u, v) = −A(v, u)

mais elle découle déjà des propriétés 1, 2, 3.


Démonstration :
A(u + v, u + v) = 0 par (1)
A(u + v, u + v) = A(u, u + v) + A(v, v + u)
= A(u, u) + A(u, v) + A(v, u) + A(v, v)
= A(u, v) + A(v, u)
Définition : une application f : R2 7→ R est linéaire si pour tous vecteurs u, v de R2 et pour tout scalaire λ de R :

1. Additivité : f (u + v) = f (u) + f (v)

2. Multiplicativité : f (λu) = λf (u)


Propriété : Une application f : R2 7→ R est linéaire si et seulement si il existe deux réels a et b tels que f ((x, y)) =
ax + by
Démonstration :
Vérifier que (x, y) → ax + by (a et b fixés) est linéaire.
Réciproquement, soit f : R2 7→ R une application linéaire.

e1 = (1, 0) et e2 = (0, 1)
(x, y) = x(1, 0) + y(0, 1) = xe1 + ye2

a = f (e1 )
Si f est linéaire : f ((x, y)) = f (xe1 + ye2 ) = f (xe1 ) + f (ye2 ) = xf (e1 ) + yf (e2 ) = ax + by pour
b = f (e2 )
Conséquence pour lesfonctions
 A vérifiant les propriétés 1, 2, 3 :
x
Si u a pour coordonnées
y
 0
x
Si v a pour coordonnées
y0
A(u, v) = α(v)x + β(v)y grâce au fait que, pour chaque vecteur v, l’application

R2 7→ R

u ⇒ A(u, v)

estlinéaire .
Exercice : Montrer que les fonctions α et β sont des applications linéaires R2 7→ R.

3
Indication : α(v) = A(e1 , v)
α(v) = ax0 + by 0
β(v) = cx0 + dy 0
Pour a, b c, d des réels.

A(u, v) = (ax0 + by 0 )x + (cx0 + dy 0 )y


Comme A(u, u) = 0 pour tout vecteur u, on déduit :

a = d = 0
b+c = 0
d’où
A(u, v) = b(xy 0 − yx0 )
Finalement, A(e1 , e2 ) = b(1 − 0)
Conclusion : Nécessairement, une fonction vérifiant 1, 2, 3 est un multiple du déterminant
A(u, v) = A(e1 , e2 ).(xy 0 − yx0 )
Il reste uniquement à vérifier que cette formule convient.

3 Espaces vectoriels : définition et exemples


3.1 L’espace vectoriel Rn , n entier positif
On fait n=3 pour des raisons de calligraphie
R3 = {(x, y, z)|x ∈ R, y ∈ R, z ∈ R}
R3 est l’ensemble des triplets de nombres réels.
Les opérations s’effectuent coordonnée à coordonnée :

(x, y, z) + (x0 , y 0 , z 0 ) = (x + x0 , y + y 0 , z + z 0 )
λ(x, y, z) = (λx, λy, λz)
3
Définition : Deux vecteurs de R u et v sont colinéaires si il existe deux scalaires λ et µ tels qu λu + µv = 0
Vérifier que cela signifie :
u ou v est nul, ou bien u et v sont proportionnels.
Remarque : préciser si besoin est, ce que sont les scalaires.

Pour R3 , les scalaires sont toujours les réels, sauf si on dit explicitement le contraire, par exemple on pourrait
se réstreindre aux rationnels.
Exercice : on généralise à C3 avec pour scalaire les complexes C. Trouver les vecteurs colinéaires parmi : (1, 2, i)
(1 + i, 2 + i, 1 − i) (1 − i, 1 − 2i, −1 − i) (i − 1, 2i − 2, −1 − i)

4
3.2 La structure d’espace vectoriel
On commence par préciser les scalaires :
Ce seront les réels R ou les complexes C.
Ce qu’on leur demande, c’est les règles sur l’addition, la multiplication, y compris la division par un nombre non-nul.
On notera K l’ensemble des scalaires muni de ses opérations.
Définition : Un espace vectoriel sur K (ici, on pourra dire un K-vectoriel) est la donnée d’un ensemble E muni
de deux opérations :

– Une interne, l’addition : E × E → E


(u, v) → u + v

– Une opération de K sur E : K × E → E


(λ, ~u) → λ~u = λ.~u
qui vérifient les règles suivantes :

A1 : (commutativité) Pour tous u, v de E : u + v = v + u

A2 : (associativité) Pour tous u, v, w de E : (u + v) + w = u + (v + w)

A3 : (neutre) Il existe un élément 0 dans E tel que, pour tout u de E, u+0=u


(Un tel élément 0, s’il existe, est unique)

A4 : (opposé) Pour tout u de E, il existe un élément v de E tel que : u + v = 0 = v + u


(Pour chaque u de E, s’il admet un opposé, il est unique et s’appelle l’opposé de u, et on le note -u)

M1 : Pour tout u de E : 1u = u

M2 : Pour tout u de E et tous λ et µ de K : λ(µu) = (λµ)u

AM : (distributivité) Pour tous u, v de E et tous λ et µ de K : λ(u + v) = λu + λv et (λ + µ)u = λu + µu

Justification de l’unicité du neutre telle qu’elle apparaît au A3


Un neutre pour l’addition, s’il existe, est unique :
Supposons que v et w sont neutres pour l’addition
Pour tout u de E, u + v = u = v + u
u+w =u=w+u
Montrons que v = w :

v =v+w =w 

Justification de l’ unicité de l’opposé telle qu’en A4


Supposons que v et w sont des opposés d’un même u dans E

u+v =0=v+u
u+w =0=w+u
Montrons que v = w :

v = v + 0 = v + (u + w) = (v + u) + w = 0 + w = w 

5
Propriété
Dans un Kvectoriel E

1. Pour tout u, v, w de E,
Si u + w = v + w, alors u = v (régularité de l’addition)

2. Pour tout vecteur u de E et tout scalaire λ de K,

(a) 0.u = ~0v et λ~0 = ~0

(b) Si λu = 0 alors λ = 0 ou u = 0

Démonstrations
1. u + w = v + w ⇐⇒ u + w + (−w) = v + w + (−w) 

2. (a) 0.u = (0 + 0).u = 0u + 0u


Par (1), 0 = 0u 

0
(b) Si λu = 0 et λ 6= 0, alors u = λ =0 

Exemples d’espaces vectoriels


1. L’espace vectoriel nul, réduit à un seul vecteur

2. K est un Kvectoriel

3. C est un Rvectoriel

4 Constructions d’espaces vectoriels


4.1 Sous-espace vectoriel
Proposition et définition
Soit E un Kvectoriel. Une partie F de E est un sous-espace vectoriel si les opérations de E induisent des opérations
sur F qui en fait un Kvectoriel. Pour que ce soit le cas, il faut et il suffit que les 3 propriétés suivantes soient vérifiées :

1. L’ ensemble F n’est pas vide (par exemple, il contient 0)

2. Il est stable par addition : pour tous u,v dans F, u+v est dans F

3. Il est stable par multiplication par les scalaires : pour tout u de F, et tout scalaire λ de K, λu est dans F

Le neutre et la paire d’opposé coincident dans E et dans F.


Démonstrations :
Pour le neutre :

Pour l’opposé : On utilise que l’opposé d’un vecteur u est −u = (−1)u


Pour montrer ceci, pour tout u de E, u + (−1)u = 1.u + (−1)u = (1 + (−1))u = 0u = ~0 

6
4.2 Espaces vectoriels produits
Proposition
Soient E et F des Kvectoriels
Le calcul composante par composante ...

(u, v) + (u0 , v 0 ) = (u + u0 , v + v 0 )
λ(u, v) = (λu, λv)
Pour u, u’ dans E, et v, v’ dans F, et λ dans K
... définit sur le produit cartésien E × F une structure de Kvectoriel, de vecteur nul le couple (0, 0).
La démonstration a été faite en TD.
Exemple : On peut définir Rn = {(x1 , ..., xn )|x i ∈ R} par récurrence à partir de :
1≤i≤n

R0 l’espace vectoriel nul


Rn+1 = R × R n∈R
Proposition : Soit E un Kvectoriel, et soit X un ensemble. On considère E X l’ensemble des fonctions définies
sur X et dans E par :

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


(λf )(x) = λf (x)
Ces opérations définies sur E X pour toutes applications f,g de X dans E et tout scalaire λ de K, définissent une
structure Kvectorielle sur E X , de vecteur nul la fonction constante nulle.
La démonstration est admise (on peut la vérifier simplement).
Exemples :

1. X = I, intervalle de R E=R
C’est l’espace vectoriel sur R des fonctions réelles définies sur I.

2. X = N, E = R
C’est le Rvectoriel des suites réelles (Un )n≥0

4.3 Exemples de sous-espaces vectoriels


1. Les fonctions polynômes forment un sous-Rvectoriel du Rvectoriel des fonctions réelles définies sur R. On le
note R[X]

2. L’ensemble des solutions (définies sur R) de l’équation différentielle linéaire homogène

y 00 + a(x)y 0 + b(x) = 0 où a et b définies sur R, forment un sous-Rvectoriel de RR

Exercice
Le vérifier.(montrer le 0 dans les deux//stabilité par addition dans E et F donc dans EinterF//Pareil pour
multiplication)

7
4.4 Intersection de sous-espaces vectoriels
Proposition :
Soit E un Kvectoriel. Soient F et G deux sous-Kvectoriels de E. L’intersection F ∩ G est aussi un sous-Kvectoriel
de E.
Remarque : le même argument simple montre qu’une intersection quelquonque de sous-espaces vectoriels reste un
sous-espace vectoriel.

4.4.1 Combinaisons linéaires


Parfois, on remplace les 2 et 3 de la condition pour vérifier qu’on a un sous-espace vectoriel par un seul :
Pour tous vecteurs u, v de F et tous scalaires λ, µ de K,

λu + µv ∈ F

Une telle expression est appellée une combinaison linéaire de u et v.


Définition : Soit (u1 , ..., un ) une famille finie de vecteurs
Une combinaison linéaire de la famille (ui )1≤i≤n est une expression

λ1 u1 + ... + λi ui + ... + λn un
ou
n
X
λi ui
i=1

pour des coefficients λ1 , ..., λn , appellés coefficients de la combinaison linéaire.


Exercice :
Vérifier qu’une partie F d’un Kvectoriel non-vide, est un sous-espace vectoriel, si et seulement si, F est stable par
combinaison linéaire.
Attention : n≥1 n2 sin(nx) n’exprime pas x comme combinaison linéaire de fonction sin (car pas de somme
P
finie).

4.4.2 Sous-espace vectoriel engendré par une partie, par une famille
Proposition : Soit A une partie d’un Kvectoriel. Les combinaisons linéaires de vecteurs de A forment un sous-
espace vectoriel. C’est le plus petit sous-espace vectoriel qui contienne les vecteurs de A, c’est-à-dire l’intersection
de tous les sous-espaces vectoriels qui contiennent A.
Notation : V ect(A)
A partir d’une famille (ui )1≤i≤n : Vect(ui )1≤i≤n

4.4.3 Somme de deux sous-espaces vectoriels


Définition : Soient F et G deux sous-espaces vectoriels d’un Kvectoriel E. Leur somme, notée F + G, est l’espace
engendré par la réunion : V ect(F ∪ G)
Remarque : En général, pour deux parties A et B de E, A + B désigne :

{u + v|u ∈ A, v ∈ B}
C’est cohérant, car :
F + G = V ect(F ∪ G) est aussi formé des vecteurs u + v, u ∈ F et v ∈ G.
Exemple :
– Si F et G deux droites vectorielles distinctes dans R2 , F + G = R2

– Toute fonction réelle définie sur R (application de R vers R) est somme d’une fonction paire et d’une fonction
impaire (et ce de manière unique).

8
Démonstration : f : R → R
x 7→ f (x)
Forme nécessaire de la décomposition
Si f = p + i, où p est une fonction paire et i une fonction impaire
C’est-à-dire, ∀x ∈ R, p(−x) = p(x) et i(−x) = −i(x)
Alors ∀x ∈ R,

f (x) = p(x) + i(x)
f (x) = p(x) − i(x)
(
p(x) = f (x)+f 2
(−x)
f (x)−f (−x)
i(x) = 2

Réciproquement, si je définie p et i ainsi ∀x ∈ R, j’obtiens une fonction paire p et une fonction impaire i, définies
sur R, et f = p + i.
Dans l’espace vectoriel RR , je dispose de deux sous-espaces vectoriels : le sous-espace vectoriel des fonctions
paires (notons P) et le sous-espace vectoriel des fonctions impaires (notons I).

RR = P + I

4.4.4 Supplémentaires
Proposition : Soient F et G deux sous-espaces vectoriels d’un Kvectoriel E. Les conditions suivantes sont équi-
valentes :

1. Tout vecteur x de E se décompose en une somme x = u + v avec u dans F et v dans G, de manière unique.

2. E = F + G et F ∩ G = {~0}

Quand ces conditions sont vérifiées, on dit que F et G sont supplémentaires dans E, et on écrit :

E =F ⊕G

Démonstration de la propriété :

– (1) ⇒ (2) Supposons (1) vraie


Si x dans F ∩ G : x = x + 0 = 0 + x
S’il y a unité de la décomposition, on en déduit que x = 0. 

– (2) ⇒ (1) Supposons F ∩ G = {~0}


Soit x quelquonque dans E, montrons que sa décomposition en somme s’écrit x = u + v = u0 + v 0 avec u, u’
dans F et v, v’ dans G

u + v = u0 + v 0 ⇐⇒ u − u0 = v 0 − v

u,u’ dans F
⇒ u − u0 = v 0 − v ∈ F ∩ G
v,v’ dans G
⇒ u − u0 = v 0 − v = 0
u = u0

⇒ 
v = v0

9
5 Applications linéaires
Définition : Soient E et F deux Kvectoriels.
Une application φ : E → F est linéaire si elle préserve l’addition des vecteurs et la multiplication des scalaires :
Pour tous u, v de E et tout scalaire λ de K,

φ(u + v) = φ(u) + φ(v)


φ(λu) = λφ(u)
Si E = F , une application linéaire de E dans lui-même est appelé un endomorphisme.
Si F = R, on parle alors de forme linéaire.
Proposition : Une application linéaire conserve aussi le neutre et la prise d’opposé :
φ(0) = 0 et φ(−u) = −φ(u) si φ est linéaire.
Démonstration :

Exemple :

1. L’application nulle est linéaire

2. L’identité d’un Rvectoriel en est un endomorphisme

3. Les homothéties d’un espace vectoriel E

E→E
u 7→ ku
sont des endomorphismes de E

4. Une rotation d’angle θ du plan vectoriel R2

R2 → R2
(x, y) 7→ (x cos θ − y sin θ, x sin θ + y cos θ)
(A vérifier par soi-même)

5. Pour un Kvectoriel E :

K→E
λ 7→ λu
est pour chaque vecteur u, une application linéaire.

6. (u1 , ..., un ) est une famille d’un Kvectoriel E

Kn → E
n
X
(λ1 , ..., λn ) 7→ λi ui
i=1

10
est une application linéaire.

7. Les fonctions dérivables sur R, à variables réelles forment un sous-espace Kvectoriel de RR


La prise de fonction dérivée est linéaire de ce sous-espace vectoriel sur RR

8. L’évaluation en 0 est une forme linéaire sur RR

9. Soit y 0 + a(x)y = 0, une équation différentielle de premier ordre, linéaire.


L’ensemble de ses solutions, définies sur R, forme un espace vectoriel, et y 7→ y(0) définit une forme linéaire
sur cet espace. C’est la condition initiale.

Sous-espaces et applications linéaires


Proposition : L’image et l’image réciproque, par une application linéaire, d’un sous-espace vectoriel est un sous-
espace vectoriel.
En notation : Si φ : E → F est une application linéaire, et si A et B sont des sous-espaces vectoriels respectivement
de E et F, φ(A) et φ−1 (B) sont des sous-espaces de F et E respectivement.
Rappel de notation : Si φ : E 7→ F est une application, et A et B des parties de E et F respectivement, on note :

φ(A) = {φ(u)|u ∈ A}
φ−1 (B) = {u ∈ E|φ(u) ∈ B}
L’image de φ est φ(E). On le note tout simplement φ−1 (v) = φ−1 ({v})
Démonstration de la partie image réciproque :
φ : E → F ⊂ B linéaire
On suppose que B est un sous-espace vectoriel de F. Montrons que φ−1 (B) est un sous-espace vectoriel de E.

1. O ∈ φ−1 (B) car φ(0) = 0 ∈ B

2. Si u et v sont dans φ−1 (B), φ(u) et φ(v) sont dans B et comme B est stable par addition donc φ(u) + φ(v)
est dans B et φ(u) + φ(v) = φ(u + v) ∈ B. C’est donc que (u + v) ∈ B

3. Si λ ∈ K, et φ(u) ∈ B, (λφ)(u) = λφ(u) ∈ B donc λφ ∈ B

Par définition, une application linéaire φ est surjective si son image est tout l’espace vectoriel F.
Proposition : Un application linéaire est injective si, et seulement si φ−1 (0) = {0}
Définition : Le noyau d’une application linéaire φ : E → F est le sous-noyau vectoriel de E : φ−1 (0). On le note :
Ker en F.
Démonstration : Supposons Kerφ = {0}
L’injectivité de φ, c’est montrer que si u et v sont dans E :

φ(u) = φ(v) ⇒ u = v

Or, φ(u) = φ(v) ⇐⇒ φ(u) − φ(v) = 0 ⇐⇒ φ(u − v) = 0 ⇒ u − v = 0 ⇒ u = v

11

Vous aimerez peut-être aussi