Chapitre 1

Espaces vectoriels, applications linéaires

Dans tout le chapitre, K désigne un corps commutatif d’éléments neutres notés 0K et 1K .

Souvent, K est égal à R ou C .

1.1 Espaces vectoriels, algèbres

1.1.1 La structure d’espace vectoriel
Définition 1 On dit que l’ensemble E est un espace vectoriel sur K, ou un K-espace vectoriel,
s’il est muni :
– d’une loi de composition interne + telle que (E, +) est un groupe commutatif.
– d’une loi de composition externe · sur K, c’est-à-dire d’application qu’a (λ, x) ∈ K × E
fait correspondre λ · x ∈ E, telle que :
– ∀(α, β) ∈ K 2 , ∀x ∈ E, (α + β) · x = α · x + α · x ;
– ∀(α, β) ∈ K 2 , ∀x ∈ E, (α · β) · x = α · (β · x) ;
– ∀α ∈ K, ∀(x, y) ∈ E 2 , α · (x + y) = α · x + α · y ;
– ∀x ∈ E, 1K · x = x

Notations
Soit E un espace vectoriel sur K.
• Les éléments de E sont appelés des vecteurs et ceux de K sont appelés scalaires, notés en
général avec des lettres grecques α, β, γ..... Le corps K est appelé le corps des scalaires.
• Le neutre 0E de (E, +) est appelé vecteur nul.
• L’espace vectoriel E est parfois noté (E, +, ·) pour rappeler les deux lois.
• Pour le symbole ” + ” : dans l’égalité (α + β) · x = α · x + α · x, le ” + ” du premier
membre de l’égalité désigne l’addition dans le corps K, celui du deuxième désigne la loi
interne de E. (pour ne pas confondre )
• Par soucis de clarté, le symbole ” ·” de la loi de composition externe sera désormais omis.
Ainsi, l’élément λ · x sera désormais désigné par λx

Exemple 1 – K est un espace vectoriel sur lui-même.

1
1.1. ESPACES VECTORIELS,
CHAPITRE 1.
ALG
ESPACES
ÈBRES VECTORIELS, APPLICATIONS LINÉAIRES

– L’ensemble des vecteurs du plan ou de l’espace est un R- espace

– C est un C-espace vectoriel et un R-espace vectoriel.
– R est un R-espace vectoriel mais n’est pas un C-espace vectoriel
– Soient X un ensemble non vide quelconque et E un K-espace vectoriel. Soit F(X, E)
l’ensemble de toutes les applications f de X dans E. F(X, E) est un K-espace vectoriel
grâce aux deux lois :

∀ f, g ∈ F(X, E), ∀λ ∈ K, ∀x ∈ X
(f + g)(x) = f (x) + g(x) et (λf )(x) = λf (x)
– Soient E1 , E2 , ..., En une famille de n- espaces vectoriels sur K.
Le produit E1 × E2 × ... × En . un espace vectoriel sur K pour les lois :
u = (u1 , u2 , ..., un ) ∈ E, v = (v1 , v2 , ..., vn ) ∈ E, α ∈ K
u + v = (u1 + v1 , u2 + v2 , ..., un + vn ) et αu = (αu1 , αu2 , ..., αun )

Propriété 1 (Règles de calcul dans un espace vectoriel)

Soit E un espace vectoriel sur K. Pour tout scalaire α et tous vecteurs u et v :
– αu = 0E ⇔ α = 0K ou u = 0E
– α(−u) = (−α)u = −(αu).
– α(u − v) = αu − αv.

Remarque 1 Si E est un espace vectoriel sur K, c’en est également un espace vectoriel sur
tout sous-corps K 0 de K.
Par exemple un C-espace vectoriel est aussi un R-espace vectoriel. Si K 6= K 0 , ces deux
espaces vectoriels doivent être considérés comme diférents.

1.1.2 Combinaison linéaire

Définition 2 Un vecteur x de E est dit combinaison linéaire des vecteurs (ui )i∈{1,...,n} ; s’il
existe (λi )i∈{1,...,n} une famille d’éléments de K tels que
X
x= λi ui
i∈I

1.1.3 Structure d’algèbre

Définition 3 On appelle une algèbre sur K un ensemble E muni de deux lois internes notée +
et ×, et d’une loi externe notée ·, telle que :
– (E, +, ·) est un espace vectoriel sur K.
– E est muni d’une loi produit × pour laquelle (E, +, ×) est un anneau.
– Pour tous u, v de E et tout λ de K :
λ · (u × v) = (λ · u) × v = u × (λ · v).
Si de plus la loi × est commutative, l’algèbre E est dite commutative.

2 Jellali-zlitni.D
CHAPITRE 1. ESPACES VECTORIELS,
1.2. SOUS-ESPACES
APPLICATIONS
VECTORIELS
LINÉAIRES
ET SOUS-ALGÈBRES

Exemple 2 .
– (R, +, ×, ×) est un R-algèbre.
– (RR , +, ×, ×) est un R-algèbre.

1.2 Sous-espaces vectoriels et sous-algèbres

1.2.1 Définitions et Propriétés
.
A) Partie stable pour la loi externe.
Définition 4 . Soit E un espace vectoriel sur K. Une partie F de E est dite stable pour la loi
externe, ·, si :
∀x ∈ E, ∀ ∀λ ∈ K, λ · x ∈ F
Dans ce cas, on peut définir la loi externe ·F dans l’ensemble F , dite induite par · sur F ,
par :
∀x ∈ E, ∀ ∀λ ∈ K, λ ·F x = λ · x.
Une partie stable pour la loi externe est parfois appelee un cone vectoriel de E.
B) Définition d’un sous-espace vectoriel
Définition 5 . Soit E un espace vectoriel sur K. Soit F une partie de E. On dit que F est un
sous-espace vectoriel de E si :
– F est stable pour les deux lois : ∀(u, v) ∈ F 2 , ∀λ ∈ Ku + v ∈ F et λ · uF
– Muni des lois induites, F est un espace vectoriel.
Cette définition sous-entend que tout sous-espace vectoriel est lui-même un espace vectoriel. Il
en découle les critères d’identification des sous-espaces vectoriels suivants

Proposition 1.2.1 (Caractérisation) Soient E un espace vectoriel sur K, et F une partie de E .

F est un sous-espace vectoriel de E si et seulement si

 F 6= ∅
∀(u, v) ∈ F 2 , u + v ∈ F
∀u ∈ F, ∀λ ∈ K, λ · u ∈ E


ou en encore F est un sous-espace vectoriel de E si et seulement si


F 6= ∅
∀(u, v) ∈ F 2 , ∀λ ∈ K, u + λv ∈ F

Exemple 3 – Une droite du plan R2 passant par l’origine.

– Un plan de l’espace R3 contenant l’origine.

Une droite du plan R2 passant par l’origine. Un plan de l’espace R3 contenant l’origine.

3 Jellali-zlitni.D
1.2. SOUS-ESPACES
CHAPITRE
VECTORIELS
1. ESPACES
ET SOUS-ALG
VECTORIELS,
ÈBRES APPLICATIONS LINÉAIRES

Remarque 2 – Tout sous espace vectoriel est un espace vectoriel. Une façon plus rapide de
montrer qu’un ensemble F est un espace vectoriel est de montrer qu’il est un sous-espace
vectoriel d’un espace vectoriel E.
– {0E } et E sont deux sous-espaces vectoriels de E, appelés sous-espaces triviaux, les
autres étant dit propres.
– Pour montrer que F 6= ∅, on vérifie en général que OE ∈ F En effet, tous les sous-espaces
vectoriels de E contiennent au moins OE
– Soit F un sous-espace vectoriel de E .
– Pour toute famille {u1 , ...,
Pup } de vecteurs de F , et pour toute famille {λ1 , ..., λp } de K
la combinaison linéaire p1 λi ui est encore un élément de F . On exprime cette propriété
en disant que F est stable par combinaisons linéeaires.
– Si F est un sous-espace vectoriel de E et si G est un sous-espace vectoriel de F , alors
G est un sous-espace vectoriel de E .
– le K-espace vectoriel K ne possède pas d’autres sev que les sev triviaux.
Exercice 1 . Dans R3 considéré comme R-espace vectoriel, les parties suivantes sont elles des
sous sous espaces vextoriels ?
1. E1 = {(x, y, z) ∈ R3 ; x + y = O};
2. E1 = {(x, y, z) ∈ R3 ; xy = O};
C)Intersections de sous-espaces vectoriels
Proposition 1.2.2 . T
Soit (Fi )i∈I une famille quelconque de sous-espaces vectoriels de E . Alors F = i∈I Fi est un
sous-espace vectoriel de E.
Remarque 3 .
Si F et G sont deux sous-espaces de E, leur réunion H = F ∪ G n’est un sous-espace de E que
si F ⊂ G ou G ⊂ F .
En géenéral une réunion de sous-espaces de E n’est donc pas un sous-espace de E .
D) Sous algèbre
Définition 6 . Soit (E, +, ×, ·) une algèbre sur K. Soit F une partie de E . On dit que F est
une sous-algèbre de E si :
– (F, +, ·) est un sous-espace vectoriel de (E, +, ·).
– (F, +, ×) est un sous-anneau de (E, +, ×).
Muni des lois induites, F est donc efectivement une algèbre sur K.
Proposition 1.2.3 (Caractérisation)
Soient E une algèbre sur K, de neutre multiplicatif 1E , et F une partie de E. F est une sous-
algèebre de E si et seulement si :

 1E ∈ F (donc F 6= ∅.)
∀(u, v) ∈ F 2 , ∀(λ, α) ∈ K 2 , λ · u + α · v ∈ F.
∀(u, v) ∈ F 2 , u × v ∈ F.


4 Jellali-zlitni.D
CHAPITRE 1. ESPACES VECTORIELS,
1.2. SOUS-ESPACES
APPLICATIONS
VECTORIELS
LINÉAIRES
ET SOUS-ALGÈBRES

1.2.2 Sous espace engendré par une partie

Soit E un espace vectoriel sur K. Soit (ui )i∈{1,...,n} une famille de vecteurs de E. L’ensemble
de toutes ces combinaisons linéaires que l’on désigne par vect((ui )i∈{1,...,n} ) est appelé sous-
espace vectoriel engendr par les vecteurs {u1 , ...., un }.

Exemple 4 .
– C = vectR ({1, i})
– C = vectC ({1})
– Soit E un Kev et a 6= 0E . Alors vect({a})= vect(a)=Ka droite vectoriel.

Remarque 4 .

– Soit A une partie non vide d’un K-espace vectoriel E. Le sous-espace Vect(A ) est le plus
petit (au sens de l’inclusion) des sous-espaces vectoriels de E qui contiennent A. C’est
l’intersection de tous les sous-espaces vectoriels de E qui contiennent A .
– Par convention, le sous-espace vectoriel engendre par une famille vide est le sous-espace
reduit a {0E } :
vect ∅ = {0E }

1.2.3 Somme de deux sous-espaces vectoriels

Définition 7 Soit E un espace vectoriel, F et G deux sous espace vectoriels de E. On appelle
somme de F et G l’ensemble défini par :

F + G = {z tq ∃x ∈ F, ∃y ∈ G, z = x + y}.

F + G est le sous espace vectoriel engendré par la partie F ∪ G. C’est le plus petit sous
espace vectoriel contenant F et G.

Remarque 5 .

Soient F1 , ..., Fn des sous espaces vectorirls de E.

n
( n )
X X
F = Fi = ui , ui ∈ Fi
i=1 i=1

est un sous espace vrctoriel de E.

1.2.4 Sous-espaces supplémentaires

Définition 8 Soient F et G deux sous-espaces vectoriels de E . On dit que F et G sont supplémentaires
dans E si et seulement si E = F + G et F ∩ G = {OE }. On note E = F ⊕ G.
On dit aussi que E est la somme directe de F et G.

5 Jellali-zlitni.D
1.2. SOUS-ESPACES
CHAPITRE
VECTORIELS
1. ESPACES
ET SOUS-ALG
VECTORIELS,
ÈBRES APPLICATIONS LINÉAIRES

Proposition 1.2.4 Deux sous espaces vectoriels F et G de E sont supplémentaires dans E si

et seulement si tout vecteur u de E se décompose d’une manière unique u = v + w, avec v ∈ F
et w ∈ G

Remarques et exemple

1. Soit E un espace vectoriel, F et G deux sous espace vectoriels de E. Si F ∩ G = ∅ alors

on dit que la somme de F + G est dite directe.
2. R et iR sont deux s.e.v supplimentaires de C comme R ev.

Exercice 2 .
1. Dans R2 comme Rev, montrez que F1 = {0} × R et F2 = R × {0} sont deux sev
supplimentaires de R2 .
2. Dans RR comme Rev montrez que F1 = {f ∈ RR , f (x) = f (−x)} et F2 = {f ∈
RR , f (x) = −f (−x)} sont supplimentaires.

Proposition 1.2.5 Soit F un sous-espace vectoriel de E. Alors F possède au moins un supplémentai

G dans E.

Remarques
– Un même sous espace F de E possède en général plusieurs supplémentaires dans E.
– Il y a cependant deux cas d’unicité :
– Si F = E, le seul supplémentaire de F dans E est {0E }
– Si F = {0E }, le seul supplémentaire de F dans E est lui-même.
– On ne confondra pas supplémentaire et complémentaire !

6 Jellali-zlitni.D
CHAPITRE 1. ESPACES VECTORIELS, APPLICATIONS
1.3.LIN
APPLICATIONS
ÉAIRES LINÉAIRES

1.3 Applications linéaires

1.3.1 Généralité
Définition 9 Soient E et F deux espaces vectoriels sur K. On dit qu’une application f de E
dans F est linéaire si
– ∀(x, y) ∈ E 2 , f (x + y) = f (x) + f (y);
– ∀λ ∈ K, f (λy) = λf (x).
ce qui équivqut à l’unique égalité :

∀(x, y) ∈ E 2 , (λ, µ) ∈ K2 , f (λx + µy) = λf (x) + µf (y).

Ou encore
∀(x, y) ∈ E 2 , λ ∈ K, f (λx + y) = λf (x) + f (y).

Notation
Soit E et F deux K-espaces vectoriels.
– Une application linéaire de E dans F est aussi appelée homomorphisme ou morphisme
d’espace vectoriel.
– On note L(E, F ) ou LK (E, F ) l’ensemble des applications linéaires de E dans F .
– Un endomorphisme de E est une application linéaire de E dans lui-même.
– On note L(E) ou LK (E) l’ensemble des endomorphismes de E.
– Un isomorphisme est une application linéaire bijective.
– Un automorphisme de E est un isomorphisme de E dans lui-même.
– On note GL(E) l’ensemble des automorphismes de E .
– Une forme linéaire sur E est une application linéaire de E dans K.
Exemples d’application linéaire
Soient E et F deux espaces vectoriels sur K.
– L’application nulle de E dans F est linéaire.
– L’application identité idE est un automorphisme de E .
– Homothétie
Pour tout scalaire λ 6= 0, l’application hλ : u → λu est un automorphisme de E. On
dit que hλ est l’homothétie de rapport λ . Les applications hλ commutent avec tous les
endomorphismes de E.
– Soit E = C([a, b], K) l’espace vectoriel des applications continues de [a, b] dans K. L’ap-
plication
ϕ: E→K
Rb
f → a f (t)dt
est une forme linéaire sur E.

Remarque 6 .
– Si f est linéaire de E dans F , alors f (0E ) = 0F . D’où si f (0E ) 6= f (0E ) on peut conclure
que f n’est pas linéaire,

7 Jellali-zlitni.D
1.3. APPLICATIONS
CHAPITRE
LINÉAIRES
1. ESPACES VECTORIELS, APPLICATIONS LINÉAIRES

– Si f est linéaire de E dans F , alors

Xn n
X
f( λi ui ) = λi f (ui ), ∀λi ∈ K, ∀ui ∈ E
i=1 i=1

Exercice 3 .
Soient P2 l’espace vectoriel des fonctions polynômes de degré inférieur ou égal à 2, et f l’ap-
plication de P2 dans R2 , définie par :

f : P2 → R2
P → (P (0), P (1))

Montrer que f est une application linéaire.

1.3.2 Opérations sur les applications linéaires

Soient E , F et G trois espaces vectoriels sur K.
1. Structure de L(E, F ) :
Soient f et g deux applications linéaires de E dans F , et α, β deux scalaires. Alors
αf + βg est linéaire de E dans F .
On en déduit que L(E, F ) est un espace vectoriel sur K.
2. Composition d’applications linéaires :
Si f : E → F et g : F → G sont linéaires, alors g ◦ f est linéaire de E dans G.
3. Structure d’algèbre :L(E)
(L(E), +, ◦) est une algèbre sur K.
4. Isomorphisme d’un réciproque :
Soit f un isomorphisme de E sur F . Sa bijection réciproque f −1 est un isomorphisme de
F sur E.
5. Structure de groupe de GL(E)
Soient f et g deux automorphismes de E. Alors f −1 et g ◦ f sont encore des automor-
phismes de E. On en déduit que (GL(E), ◦) est un groupe.

1.3.3 Noyau et image

Proposition 1.3.1 Soient E et F deux espaces vectoriels sur K. Soit f ∈ L(E, F ) .
– Si E1 est un sous-espace de E , alors f (E) est un sous-espace de F .
– Si F2 est un sous-espace de F , son image réciproque par f est un sous-espace de E.

Définition 10 (Noyau et image)

Soient E et F deux espaces vectoriels sur K. Soit f ∈ L(E, F ) .
• L’image de f , notée Im(f ), est l’ensemble des images des éléments de E par f .

Im(f ) = f (E) = {y ∈ F/∃x ∈ E, f (x) = y}.

8 Jellali-zlitni.D
CHAPITRE 1. ESPACES VECTORIELS,
1.4. PROJECTIONS
APPLICATIONS
ET LIN
SYMÉAIRES
ÉTRIES VECTORIELLES

– Le noyau de f , noté Ker(f ) , est l’ensemble des éléments de E dont l’image est 0F :
Ker(f ) = f (E) = {x ∈ E/f (x) = 0F }.
Remarque 7 .
– Im(f ) est un sous espace vectoriel de F .
– Ker(f ) est un sous espace vectoriel de E.
– Si f est nulle alors Ker(f )=E.
– On peut parfois montrer qu’une partie d’un espace vectoriel en est un sous-espace vec-
toriel en l’interprétant comme le noyau ou l’image d’une application linéaire.
– Soit f un endomorphisme de l’espace vectoriel E , et soit λ un scalaire.
Notons Eλ l’ensemble des vecteurs u de E tels que f (u) = λu.
On constate que f (u) = λu ⇔ (f − λid)(u) = 0E ⇔ u ∈ Ker(f − λid). On en déduit
que Eλ = Ker(f − λid) est un sous-espace vectoriel de E. C’est le cas en particulier
pour Inv(f ) =E1 (vecteurs invariants) et pour Opp(f ) = E−1 .
Theorem 1 Soient E et F deux espaces vectoriels sur K. Soit f un morphisme de E dans F .
1. f est injective si, et seulement si Ker(f ) ={0E }.
2. f est surjective si, et seulement si Im(f ) =F .

1.4 Projections et symétries vectorielles

1.4.1 Projections
Définition 11 .
Soient F et G deux sous-espaces vectoriels supplémentaires dans E. Pour tout vecteur u de E :
∃!v ∈ F, ∃!w ∈ G tels que u = v + w. L’unicité de la décomposition précédente permet de
définir :
– L’application p : u → p(u) = v est appelée projection sur F , parallèlement à G.
Exemple.
On considère l’application :
p : R2 → R2
.
(x, y) → (x, 0)
p est la projection sur R × {0} parallèlement à {0} × R.
Proposition 1.4.1 Soit p une projection sur F , parallèlement à G. Alors on a les propriétés
suivantes :
1. Ker p=G et Im p=F .
L
2. E=Ker p Im p.
3. ∀x ∈ Im p=F , p(x) = x. F est l’ensemble des éléments invariants par p.
Définition 12 (Projecteur d’un espace vectoriel)
Soit E un espace vectoriel sur K et p ∈ L(E).
On dit que p est un projecteur si et seulement p ◦ p = p.

9 Jellali-zlitni.D
1.4. PROJECTIONS
CHAPITRE
ET SYMÉTRIES
1. ESPACES
VECTORIELLES
VECTORIELS, APPLICATIONS LINÉAIRES

1.4.2 Symétries
Définition 13 .
Soient F et G deux sous-espaces vectoriels supplémentaires dans E. Pour tout vecteur u de E :
∃!v ∈ F, ∃!w ∈ G tels que u = v + w. L’unicité de la décomposition précédente permet de
définir :
– L’application s : u → s(u) = v − w est appelée symétrie par rapport à F , parallèlement
à G.
F est appellé axe de s et G est appellé direction de s.

Exemple.
On considère l’application :
s : R2 → R2
.
(x, y) → (x, −y)
s est la symétrie d’axe R × {0} et de direction {0} × R.

Proposition 1.4.2 Soit s une symétrie d’axe F , et de direction G. Alors on a les propriétés
suivantes :
1. Ker (idE − s)=G et Ker (idE + s)=F .
2. s est un automorphisme de E, et s ◦ s = idE ( s est involutif ) : s−1 = s

Proposition 1.4.3 Soit s ∈ L(E).

Si s ◦ s = idE alors Ker (idE − s) et Ker (idE + s) sont supplimentaires et s une symétrie d’axe
Ker (idE − s), et de direction Ker (idE + s).

Remarque 8 .
Soient p une projection sur F , parallèlement à G et s une symétrie par rapport à F , pa-
rallèlement à G. Alors on a la relation suivante
– s = 2p − id, qui s’écrit encore p = 21 (s + id).

10 Jellali-zlitni.D