Complément de formation 4 :

Les espaces vectoriels

Réalisé par : Chafiki Zineb Demandé par : Mme .FAOUZI

Errami Zineb

Rahmoune Siham

Chahir Hajar

Année de la formation 2018 /2019

I] Généralités
Dans ce rappelle 𝐾 désignera l’une des ensembles 𝑅, 𝑄 ,𝐶.
1.1 Notion d’espace vectoriel :

On considère un ensemble E sur lequel on suppose définies

− Une loi de composition interne notée additivement (+).
− Une loi de composition externe, notée multiplicativement (.), de K × E dans E.

Définition 1 :

On dit que E est un espace vectoriel sur si

(E, +) est un groupe abélien, c’est-`a-dire :

− ∀(x, y, z) ∈ E3, (x + y) + z = x + (y + z) (associativité)
− ∀(x, y) ∈ E2, x + y = y + x (commutativité)
− ∃e ∈ E, ∀x ∈ E, x + e = x (´élément neutre)
− ∀x ∈ E, ∃x ′ ∈ E, x + x ′ = e (symétrique)
∀(x, y) ∈ E2, ∀ (λ, µ) ∈ 2,
− λ. (x + y) = λ. x + λ. y
− (λ + µ). x = λ. x + µ. x
− λ. (µ. x) = (λµ). x
− 1. x = x ou 1 est l’´élément neutre pour la multiplication de

Notion de sous-espace vectoriel :

Soit E un espace vectoriel sur 𝐾

Définition 2 :

Une partie F de E est appelée sous-espace vectoriel sur K de E si

Les propriétés suivantes sont vérifiées :

F.

∀λ ∈, ∀x ∈ F λ. x ∈ F

Théorème 1 :

Soit E un espace vectoriel et F, Alors F est un

sous-espace vectoriel de E ssi :
F.
et. »
 II] Operations sur les sous-espaces vectoriels :
2.1 Intersections de sous-espaces vectoriels
Théorème 2 :

Soit (E, +,.) un K-espace vectoriel. Soient F et G deux sous-espaces

vectoriels de E. Alors, F ∩ G est un sous-espace vectoriel de E.

Démonstration :
Soient F et G deux sous-espaces d’un K-espace vectoriel E.
0 est dans F et 0 est dans G.
Donc, 0 est dans F ∩ G.
Soient (x, y) ∈ (F ∩ G) 2 et (λ, µ) ∈ K 2.
Alors λ.x + µ.y est dans F et λ.x + µ.y est dans G.
Donc, λ.x + µ.y est dans F ∩ G. On a montré que F ∩ G est un sous-espace vectoriel
de l’espace vectoriel (E, +,.).
Plus généralement,

Théorème 3

Soient F et G deux sous-espaces vectoriels d’un K-espace vectoriel

E.
L’ensemble de tous les éléments u + v, où u est un élément de F et v
un élément de G, est appelé somme des sous-espaces vectoriels F et
G. Cette somme est notée F + G.
On a donc F + G = u + v | u ∈ F, v ∈ G.

2.2 Sommes de sous-espaces vectoriels :

Definition2 :

Soient F et G deux sous-espaces vectoriels d’un K-espace vectoriel E.

L’ensemble de tous les éléments u + v, où u est un élément de F et v un
élément de G, est appelé somme des sous-espaces vectoriels F et G.
Cette somme est notée F + G.
On a donc F + G = u + v | u ∈ F, v ∈ G.

Proposition :
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 à la fois F et G.
Démonstration.
1. Montrons que F + G est un sous-espace vectoriel.
• 0E ∈ F, 0E ∈ G, donc 0E = 0E + 0E ∈ F + G.
• Soient w et w’ 0 des éléments de F +G. Comme w est dans F +G, il existe u dans F et v dans G tels
que w = u+ v.
Comme w’ est dans F +G, il existe u’ dans F et v’ dans G tels que w’= u’ +v’.

Alors w +w’ = (u+ v) + (u ‘+v ‘ ) = (u + u ‘) + (v + v ‘) ∈ F + G, car u + u’∈ F et v + v’ ∈ G.

• Soit w un élément de F + G et λ ∈ K. Il existe u dans F et v dans G tels que w = u + v. Alors

λ w = λ(u + v) = (λ u) + (λ v) ∈ F + G, car λ u ∈ F et λ v ∈ G.

2.

• L’ensemble F + G contient F et contient G : en effet tout élément u de F s’écrit u = u + 0 avec u

appartenant à F et 0 appartenant à G (puisque G est un sous-espace vectoriel), donc u appartient
à F + G. De même pour un élément de G.

Si H est un sous-espace vectoriel contenant F et G, alors montrons que F + G ⊂ H. C’est clair : si

u ∈ F alors en particulier u ∈ H (car F ⊂ H), de même si v ∈ G alors v ∈ H. Comme H est un sous-
espace vectoriel, alors u + v ∈ H

Exercices :
Exercice 1 :
Parmi les assertions suivantes, lesquelles sont suffisantes pour qu’une partie de F d’un
espace vectoriel E sur un corps commutatif K soit un sous-espace vectoriel ?

(1) F est un sous-groupe additif de E tel

que pour tout n∈ 𝑁 , et tout 𝑥 ∈ 𝐹 ,
𝑜𝑛 𝑎𝑖𝑡 𝑛𝑥 ∈ 𝐹.
(2) F est une partie de E telle que, pour
Tout 𝑥 𝑒𝑡 𝑡𝑜𝑢𝑡 𝑦 ∈ 𝐹 𝑒𝑡 𝑝𝑜𝑢𝑟 𝑡𝑜𝑢𝑡
𝜆 ∈ 𝐾, 𝑜𝑛 𝑎𝑖𝑡 𝑥 + 𝜆𝑦 ∈ 𝐹.
(3) F est une partie non vide de E telle
que, pour tout 𝑥 𝑒𝑡 𝑦 ∈ 𝐹 𝑒𝑡 𝑡𝑜𝑢𝑡
𝛼 ∈ 𝐾, 𝑜𝑛 𝑎𝑖𝑡 𝑥 + 𝑦 ∈ 𝐹 et 𝛼𝑥 ∈ 𝐹.
(4) F est une partie non vide de E telle
que, pour tout 𝑥 𝑒𝑡 𝑦 ∈ 𝐹 𝑒𝑡 𝑡𝑜𝑢𝑡 𝛼 𝑒𝑡
𝛽 ∈ 𝐾 , 𝑜𝑛 𝑎𝑖𝑡 et 𝛼𝑥 + 𝛽𝑦 ∈ 𝐹.
(5) F est une partie non vide de E telle
que, pour tout 𝑥 𝑒𝑡 𝑦 ∈ 𝐹 𝑒𝑡 𝑡𝑜𝑢𝑡
𝛼 ∈ 𝐾, 𝑜𝑛 𝑎𝑖𝑡 et𝑥 + 𝛼𝑦 ∈ 𝐹.
Réponse 1 :
Les assertions suffisantes sont : (3) et (4)
 (3) : selon la définition 2.
(4) :d’après le théorème 1.

Exercice 2 :
Les ensembles suivants sont –ils des sous-espaces vectoriels de 𝑅3 ?
(1) W1= {(𝑎; 𝑏; 0): 𝑎, 𝑏 ∈ 𝑅}

(2) W2= {(𝑎; 𝑏; 𝑐): 𝑎 ≥ 0 , 𝑐 ∈ 𝑅}

(3) W3= {(𝑎; 𝑏; 𝑐) ∈ 𝑅3 ∶ 𝑎 + 𝑏 + 𝑐 = 0}

(4) W4= {(𝑎; 𝑏; 𝑐) ∈ 𝑅3 ∶ 𝑎2 + 𝑏 2 + 𝑐 2 ≤ 1}

(5) W5= {(𝑎; 𝑏; 𝑐) ∈ 𝑄3 }

Réponse 2 :
Les sous-espaces vectoriels de 𝑅3 sont :
(3) W3= {(𝑎; 𝑏; 𝑐) ∈ 𝑅3 ∶ 𝑎 + 𝑏 + 𝑐 = 0} car :
✔ On a (0 ; 0 ; 0) ∈ W3 ⇒W3 ≠ ∅
✔ Soit 𝑥 , 𝑦 ∈ W3 , il existe alors (𝑥1 ; 𝑥2 ; 𝑥3 ) ∈ 𝑅 3 et (𝑦1 ; 𝑦2 ; 𝑦3 ) ∈ 𝑅 3
Tel que :𝑥 = (𝑥1 ; 𝑥2 ; 𝑥3 ), 𝑦 = (𝑦1 ; 𝑦2 ; 𝑦3 )
Avec 𝑥1 + 𝑥2 + 𝑥3 =0 et 𝑦1 + 𝑦2 + 𝑦3 =0
On a 𝑥 − 𝑦 = (𝑥1 ; 𝑥2 ; 𝑥3 ) − (𝑦1 ; 𝑦2 ; 𝑦3 )

=(𝑥1 − 𝑦1 ; 𝑥2 − 𝑦2 ; 𝑥3 − 𝑦3 )

=0

⇒ Donc 𝑥 − 𝑦 ∈ W3

✔ Soit 𝜆 ∈ 𝑅 et 𝑥 = (𝑎; 𝑏; 𝑐) ∈ W3
On a 𝜆𝑥 = 𝜆(𝑎; 𝑏; 𝑐)
=(𝜆𝑎; 𝜆𝑏; 𝜆𝑐)
= 𝜆𝑎 + 𝜆𝑏 + 𝜆𝑐
= 𝜆(𝑎 + 𝑏 + 𝑐)
=0
⇒ Donc 𝜆𝑥 ∈ W3 .
D’où W3 est un sous-espace vectoriel de𝑅3 .
Exercice 3 :
Soient E un espace vectoriel sur un corps commutatif 𝐾.
F, G deux s-e v de E et (Hi)i∈ 𝐼 une famille non vide de s-e v de E .Quelle sont les
opérations valides pour former des s-espaces vectoriels .
(1) L’intersection : ∩𝑖∈𝐼 Hi est un sous-
espace vectoriel de E.
(2) Le passage au complémentaire : FC est
un sous-espace vectoriel de E.
(3) La somme :
𝐹 + 𝐸 = {𝑥 ∈ 𝐸 : ∋ 𝑦 ∈ 𝐹 ⋀ ∋ 𝑧 ∈ 𝐺 , 𝑥 = 𝑦 + 𝑧}

est un sous-espace vectoriel de E.

(4) Les différences ensemblistes : F\G est
un sous-espace vectoriel de E.
(5) La différence algébrique :
F-G = {𝑦 − 𝑧 ∶ 𝑦 ∈ 𝐹, 𝑧 ∈ 𝐺}
est un sous-espace vectoriel de E.
Réponse 3 :
Les opérations valides pour former des s-espaces vectoriels sont :
(1) L’intersection : ∩𝑖∈𝐼 Hi est un sous-espace vectoriel de E.
✔ Car : pour tout i∈ 𝐼, 𝑜𝑛 𝑎 0 ∈ 𝐻𝑖 ⇒ 0 ∈ ∩ 𝐻𝑖
✔ 𝑠𝑜𝑖𝑡 𝛼 𝑒𝑡 𝛽 ∈ 𝐾, et 𝑥, 𝑦 ∈ 𝐸
Pour tout i∈ 𝐼, 𝑥, 𝑦 ∈ 𝐻𝑖 et comme 𝐻𝑖 est un s-e v de 𝐸𝑖 alors
𝛼𝑥 + 𝛽𝑦 ∈ 𝐻𝑖
⇒ 𝛼𝑥 + 𝛽𝑦 ∈ ∩ 𝐻𝑖
𝑑 ′ 𝑜𝑢 ∶ ∩𝑖∈𝐼 𝐻𝑖 𝑒𝑠𝑡 𝑢𝑛 𝑠𝑜𝑢𝑠 − 𝑒𝑠𝑝𝑎𝑐𝑒 𝑣𝑒𝑐𝑡𝑜𝑟𝑖𝑒𝑙 𝑑𝑒 𝐸

Exercice 4 :
Combinaisons Linéaires. Les affirmations suivantes sont-elles correctes ?
1) Le vecteur 𝑢 = (2, −5,3) ∈ 𝑅3 est combinaison des vecteurs :
𝑣1 = (1, −3,2)

𝑣2 = (2, −4, −1)

𝑣1 = (1, −5,7)

2) Le polynome réel 𝑃(𝑋) = 𝑋 2 + 4𝑋 − 3 est combinaison linéaire des

polynomes :
 𝑄(𝑋) = 𝑋 2 + 2𝑋 + 5
𝑅(𝑋) = 2𝑋 2 − 3𝑋
𝑆(𝑋) = 𝑋 + 3
3) La matrice 𝐴 = [3 1 1 − 2 ] est combinaison linéaire des matrices :
𝐵 = [1 1 1 0 ]

𝐶 = [0 0 1 1 ]

𝐷 = [0 2 0 − 1 ]

4) Tout vecteur de 𝑅 3 est combinaison linéaire des vecteurs :

𝑒1 = (1,2,3)

𝑒2 = (0,1,2)

𝑒3 = (0,0,1)

5) Le plan 𝑍 = 0 de 𝑅 3 est engendré par :

𝑣 = (2,3,0)
1 1
𝑤 = ( , , 0)
6 4
Réponse 4 :
Soient 𝛼, 𝛽, 𝛾.

(𝛼, 2𝛽, 3𝛾) + (2𝛼, −4𝛽, −𝛾) + (𝛼 − 5𝛽 + 7𝛾) = (2𝛼, −5𝛽, 3𝛾)
{𝛼 + 2𝛽 + 3𝛾 = 2𝛼 2𝛼 − 4𝛽 − 𝛾 = −5𝛽 𝛼 − 5𝛽 + 7𝛾 = 3𝛾

−3𝛽 + 3𝛾 = 0 − 3𝛾 = 3𝛽 𝛾 = 𝛽

−𝛼 + 3𝛽 = 2 2𝛼 + 6𝛽 = 3 𝛼 + 3𝛽 = 1 𝛼 = 1 − 3𝛽

Soient 𝑋1 = (1,0,0), 𝑋2 = (0,1,0), 𝑋3 = (0,0,1)

D’où : ( 𝑒1 , 𝑒2 , 𝑒3 ) = (( 𝑋1 + 2 𝑋2 + 3 𝑋3 ); ( 𝑋2 + 2 𝑋3 ); 𝑋3 )

2)

𝑃 = 𝑎𝑋 2 + 2𝑎𝑋 + 5𝑎 + 2𝑏𝑋 2 − 3𝑋𝑏 + 𝑐𝑋 = 𝑋 2 + 4𝑋 − 3

𝑃 = (𝑎 + 2𝑏)𝑋 2 + (2𝑎 − 3𝑏 + 𝑐)𝑋 + 5𝑎 + 3𝑐 = 𝑋 2 + 4𝑋 − 3

𝑃 = {𝑎 + 2𝑏 = 1 2𝑎 − 3𝑏 + 𝑐 = 4 5𝑎 + 3𝑐 = −3
36 7
𝑎= 𝑏 = −1; 𝑐 = −
16 2
3) 𝐴 = 𝛼𝐵 + 𝛽𝐶 + 𝛾𝐷

𝐴 = [𝛼 𝛼 𝛼 0 ] + [0 0 𝛽 𝛽 ] + [0 2𝛾 0 − 𝛾 ]

A=[𝛼 𝛼 + 2𝛾 𝛼 + 𝛽 𝛽 − 𝛾 ]

A=[3 1 1 − 2 ]

𝛼=3

𝛾 = −1

𝛽 − 𝛾 = −2 𝐹𝑎𝑢𝑥

4) Selon la définition 2 la différence est un sev conditions vérifiers

5) Selon la définition 2 la différence est un sev conditions vérifiers

Exercice 5 :

DIMENSION ET INTERSECTION. Soit E un espace vectoriel de dimension 7, et V

et W deux sous espaces vectoriels de dimensions respectives 4 et 5.

Est-il possible que 𝑉 ∩ 𝑊 soit de dimension.

(1) 1?
(2) 2?
(3) 3?
(4) 4?
(5) 5?

Dim(𝑉 ∩ 𝑊) =DimV + Dim W – Din(𝑉 ∪ 𝑊)

Donc (1) , (2), (3) , (4 ) vrai.
 2. La résolution de systèmes linéaires
1. Définition

Un système de n équations à p inconnues 𝑥1 𝑥2 𝑥3 . . . . . . . 𝑥𝑝 s’écrit sous forme matricielle AX = B où

A est une matrice comportant n lignes et p colonnes, X est le vecteur colonne dont les composantes
sont les xi et B, le second membre, est aussi un vecteur colonne avec n composantes. Le vecteur X
est appelé solution du système.

2. La résolution par la méthode de Gauss

Par des combinaisons linéaires successives, on transforme le système initial, que l’on prend tel
quel sans changer l’ordre des équations, en un système triangulaire supérieur, système ensuite
résolu en commençant par la dernière des équations transformées. On rappelle qu’un système
est dit triangulaire supérieur si la matrice associée est triangulaire supérieure.

Mise en œuvre de la méthode sur le système suivant :

2𝑥1 + 𝑥2 + 𝑥3 = 9 (𝑒𝑞1)
{ 𝑥1 + 𝑥3 = 3 (𝑒𝑞2)
6𝑥1 + 4𝑥2 + 2𝑥3 = 6 (𝑒𝑞3)

Dans la première étape de la méthode, on élimine l’inconnue 𝑥1 dans les équations

(eq2) et (eq3) en les combinant chacune à (eq1), celle-ci, servant de ligne pivot, reste

Inchangée. Servant de ligne pivot, reste inchangée. Cela n’est possible que parce

Que 𝑥1 apparaît dans (eq1). Si ce n’est pas le cas, il faut permuter (eq1) avec la

première des équations suivantes qui contient𝑥1 .

1
La méthode de Gauss remplace l’équation (eq2) par (eq2) – (eq1), mais pas (eq2)
2

par 2(eq2) − (eq1), qui éliminerait aussi 𝑥1 mais ce qui n’est plus Gauss.
 2
De même, (eq3) est remplacée par (eq3) − (eq1). Après cette première étape, on
6

obtient le système équivalent :

2𝑥1 + 𝑥2 + 4𝑥3 = 9 (𝑒𝑞1)

1 3
{− 𝑥1 − 𝑥3 = − (𝑒𝑞2′)
2 2
𝑥2 − 10𝑥3 = −21 (𝑒𝑞3′)

Dans la deuxième étape, c’est la deuxième ligne qui joue le rôle de ligne pivot.

Si 𝑥2 est présent (sinon on permute (eq2’) avec (eq3’)) et, pour éliminer 𝑥2 dans l
1
La troisième ligne, on remplace celle-ci par (eq3’)− 1 (𝑒𝑞2′) soit (eq3’) +2(eq2’). On
−
2

obtient alors le système équivalent, triangulaire supérieur, suivant :

2𝑥1 + 𝑥2 + 4𝑥3 = 9 (𝑒𝑞1)
1 3
. − 2 𝑥1 − 𝑥3 = − 2 (𝑒𝑞2′)
−12𝑥3 = −24 (𝑒𝑞3′)

On résout le système par « remontée » en commençant par la dernière équation.

(eq3’’) donne 𝑥3 = 2,
1 3 1
(eq2’) donne − 𝑥2 = − + 𝑥3 = soit 𝑥2 = −1
2 2 2

(eq 1) donne 2𝑥2 = 9 − 𝑥2 − 4𝑥3 = 9 + 1 − 4 ∗ 2 = 2 d’où 𝑥1 = 1 et la solution

unique équations, il y aura 𝑛 − 1 étapes.

3. Nombre de solution

Résultat fondamental :
Un système possède zéro, une ou une infinité de solutions.

 Cas où il y a autant d’équations que d’inconnues : m = n et la matrice A est carrée.

Systèmes homogènes

Un système est dit homogène si le second membre est nul, soit AX = 0 où 0

Représente le vecteur colonne dont toutes les composantes sont nulles.

L’ensemble des X tels que AX = 0 constitue le noyau de l’application associée à A.

Le noyau contient toujours le vecteur nul, mais il peut contenir en plus des vecteurs

non nuls ( et aussi leurs combinaisons linéaires ). Ce type de système a donc au

moins une solution, la solution nulle.

• Si A est inversible ( le déterminant de A est différent de 0 ), le système a la solution

unique : 𝑋 = 0, vecteur nul.

Le noyau est réduit à {0} et rang(A) = n.

Formellement, 𝑋 = 𝐴−1 0 = 0 .

• Si A n’est pas inversible ( le déterminant de A est égal à 0 ), le

système a une infinité de solutions (en plus de la solution nulle).

Dans ce cas, le noyau n’est pas réduit à {0} et si la dimension du noyau

vaut k, alors rang(A) = n − k.

Exemple 2 : le système
1 2 3 𝑥1 0
[4 5 6] [𝑥2 ] = [0]
7 8 0 𝑥3 0

0
A la solution unique 𝑋 = [0] . 𝑙𝑒 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑛𝑡 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 vaut 27, le rang de la
0
matrice est 3.
Exemple 3 : le système
1 2 3 𝑥1 0
𝑥 =
[4 5 6] [ 2 ] [0]
7 8 9 𝑥3 0

𝑥1 1
𝑥
A une infinité de solution 𝑋 = [ 2 ] = 𝑥3 [−2]. Ou 𝑥3 est l’inconnue auxiliaire qui peut
𝑥3 1
prendre une valeur arbitraire.
L’ensemble de ces solutions constitue un espace vectoriel de dimension 1 engendré
1
par le vecteur [−2]
1
Le déterminant de la matrice vaut 0, le rang de la matrice est 2.

Système non homogène : AX = B, B ≠ 0.

• Si A est inversible, le système a la solution unique : 𝑋 = 𝐴−1 𝐵 (écriture formelle).
On a 𝑋 ≠ 0.
• Si A est non inversible, pour qu’il y ait au moins une solution, il faut que le rang de
A soit le même que le rang de la matrice AB, matrice formée par A à laquelle
B est accolé.
Si 𝑋0 est une solution particulière du système non homogène AX = B (donc on a
A 𝑋0 = B), alors A(X − 𝐴(𝑋 − 𝑋0 ) = 0 et si l’on note 𝑋 ∗ = 𝑋 − 𝑋0 , 𝑋 ∗ est
solution de l’équation homogène.
La solution du système non homogène est donc : 𝑋 = 𝑋 ∗ + 𝑋0 , somme de
la solution générale du système homogène et d’une solution particulière du
système non homogène.
Si A est inversible, 𝑋 ∗ est nul et, sinon, 𝑋 ∗ est un vecteur non nul.

 Cas où le nombre d’équations est différent du nombre d’inconnues : m = n et

la matrice A n’est pas carrée.

m > n : il y a plus d’équations que d’inconnues.

Le système est dit surdéterminé. En général, le système n’aura pas de solutions.
Pour le vérifier, soit on met en œuvre la méthode de Gauss, ce qui précisera les
impossibilités, soit on détermine le rang de AB et on compare à celui de A.
m < n : il y a moins d’équations que d’inconnues.
Le système est dit sous-déterminé. Il y aura une infinité de solutions que l’on pourra
expliciter en fonctions d’inconnues arbitraires à choisir.

Exercice 6 :
On considère un système de n équations à p inconnues.
𝑝

∑ 𝑎𝑘𝑖 𝑥𝑖 = 𝑏𝑘 (𝑘 = 1,2,3. . . . . . . 𝑛)
𝑝=1
Quelles sont les manipulations valides pour résoudre ce système, et quelles sont les
situations ?

(1) Si l’on arrive à des équations de la forme (2)

𝑥1 = 𝑝1 , . . . . . . . . , 𝑝𝑝 = 𝑝𝑝 Par des combinaisons linéaires des équations de
départ, le système (2) fournit les solutions du système de départ.

(2) On peut remplacer une équation du système par une combinaison linéaire des
autres équations sans changer la nature du système.

(3) Le système ne peut admettre une solution unique si n=p

(4) Si le nombre d’équations est strictement inférieur au nombre p d’inconnues, le

système admet une infinité de solution

(5) Le système est impossible seulement si l’un des vecteurs lignes (𝑝𝑝𝑝 ) est
combinaison linéaire des autres vecteurs lignes.

Réponse 6 :
(1) Fausse
(2) Vrai (méthode de gauss)
(3) Fausse
(4) Vrai
(5) il existe plusieurs méthodes qui permet de résoudre un système de n équations a
p inconnus, on trouve la méthode usuelle des combinaisons linéaires et la méthode
de gauss et de pivot.
Opérateurs nilpotents
Définition : morphisme, endomorphisme, isomorphisme, automorphisme

Soient (E,+,.) et (F,+,.) des K-espaces vectoriels.

Une application linéaire de E dans F est appelée morphisme ou homomorphisme
de E dans F. Un endomorphisme de E est une application linéaire de E dans lui-
même. Un isomorphisme de E dans F est une application linéaire bijective de E
dans F. Un automorphisme de E est une application linéaire bijective de E dans
lui-même.

Endomorphisme nilpotent
1. définition

Soit un espace vectoriel sur un corps et un endomorphisme de , est

dit nilpotent si et seulement si il existe un entier n tel que . Le plus petit
entier n vérifiant cette propriété est appelé indice de l'endomorphisme. Soit x
un vecteur, alors on appelle indice de x pour l'application nilpotente le plus petit
entier p tel que up(x) = 0.

Théorème de Rang

Soit f une application linéaire entre k-espace vectoriels et H un supplémentaire

de ker(f) dans E. E=ker(f)+H .
La réstriction de f à H induit un isomorphisme de H dans Im(f).

Rappel 7 :
Un endomorphisme f de E est nilpotent s’il existe un élément K de N tel que𝑓 𝑘 = 𝑂𝐸
Opérateurs nilpotents.

Exercice 7 :
soient E un espace vectoriel de dimension n, et f une application linéaire
nilpotente 𝑈 → 𝑉, c’est a dire une application linéaire. telle qu’il existe un entier p tel
que 𝑓 𝑝 = 0, et que 𝑓 𝑝−1 ≠ 0(on dit que p est l’index de f). Quelles sont les propriétés
de décomposition de f?

(1) si 𝐾𝑒𝑟𝑓 𝑞 = 𝐾𝑒𝑟𝑓 𝑞+1 Alors 𝑞 ≥ 𝑝

(2) si 𝐼𝑚 𝑓 𝑞 = 𝐼𝑚 𝑓 𝑞+1 Alors 𝑞 ≥ 𝑝
(3) si 𝑥1 , 𝑥2 . . . . . . . . . . . . . . . . 𝑥𝑚 . sont des vecteurs de E tels que
{𝑓 𝑃1 (𝑥1 ), 𝑓 𝑝2 (𝑥2 ), . . . . . . . . . . . . . 𝑓 𝑝𝑚 (𝑥𝑚 )} soit une famille libre,
alors :
{𝑥1 , 𝑓(𝑥1 ), . . . . . 𝑓 𝑝1 (𝑥1 ); 𝑥2 , 𝑓(𝑥2 ), . . . . . 𝑓 𝑝2 (𝑥2 );........,;𝑥𝑚 , 𝑓(𝑥𝑚 ), . . . . . 𝑓 𝑝𝑚 (𝑥𝑚 )}
forme aussi une famille libre
(4) il existe une base de E dans laquelle la matrice de 𝑓𝑘 est de la forme :

0 1 0 0 … 0
0 0 1 0 … 0
0 0 0 1 … 0
⋮ ⋮ ⋮ ⋱ …
⋱ ⋮
0 0 0 0 1
…
0 0 0 0 0

(1) 𝑝 ≤ 𝑛

Réponse 7 :
(5) si 𝐾𝑒𝑟𝑓 𝑞 = 𝐾𝑒𝑟𝑓 𝑞+1
Alors 𝑞 ≥ 𝑝

Montrons que s’il existe un entier p tel que 𝐾𝑒𝑟𝑓 𝑝 = 𝐾𝑒𝑟𝑓 𝑝+1
alors ∀ 𝑞 ≥ 𝑝
𝐾𝑒𝑟𝑓 𝑞 = 𝐾𝑒𝑟𝑓 𝑝

Soit p un entier tel que 𝐾𝑒𝑟𝑓 𝑝 = 𝐾𝑒𝑟𝑓 𝑝+1

Nous allons montrer que 𝐾𝑒𝑟𝑓 𝑝+2 ∁ 𝐾𝑒𝑟𝑓 𝑝+1

Cela entrainera que 𝐾𝑒𝑟𝑓 𝑝 = 𝐾𝑒𝑟𝑓 𝑝+1

= 𝐾𝑒𝑟𝑓 𝑝+2 à cause de l’inclusion
toujours valide 𝐾𝑒𝑟𝑓 𝑝+1 ∁ 𝐾𝑒𝑟𝑓 𝑝+2

On peut déduire par récurrence l’égalité de tous noyaux suivants :

Il s’agit donc de montrer que 𝐾𝑒𝑟𝑓 𝑝+2 ∁ 𝐾𝑒𝑟𝑓 𝑝+1
cela résulte de :
𝑝+2
∀ 𝑥 ∈ 𝑉, 𝑥 ∈ 𝐾𝑒𝑟𝑓 𝑓 𝑝+1 (𝑓(𝑥)) = 0𝑉
→ 𝑓(𝑥) ∈ 𝐾𝑒𝑟 𝑓 𝑝+1 = 𝐾𝑒𝑟 𝑓 𝑝
→ 𝑓(𝑥) ∈ 𝐾𝑒𝑟 𝑓 𝑝+1 = 𝐾𝑒𝑟 𝑓 𝑝
→ 𝑓 𝑝+1 (𝑥) = 𝑓 𝑝 (𝑓(𝑥)) = 0𝑉
 𝑝+1
→ 𝑥 ∈ 𝐾𝑒𝑟𝑓

(6) si 𝐼𝑚 𝑓 𝑞 = 𝐼𝑚 𝑓 𝑞+1 Alors 𝑞 ≥ 𝑝

(7) si 𝑥1 , 𝑥2 . . . . . . . . . . . . . . . . 𝑥𝑚 . sont des vecteurs de E tels que

{𝑓 𝑃1 (𝑥1 ), 𝑓 𝑝2 (𝑥2 ), . . . . . . . . . . . . . 𝑓 𝑝𝑚 (𝑥𝑚 )} soit une famille libre,

alors :

{𝑥1 , 𝑓(𝑥1 ), . . . . . 𝑓 𝑝1 (𝑥1 ); 𝑥2 , 𝑓(𝑥2 ), . . . . . 𝑓 𝑝2 (𝑥2 );........,;𝑥𝑚 , 𝑓(𝑥𝑚 ), . . . . . 𝑓 𝑝𝑚 (𝑥𝑚 )}

forme aussi une famille libre

(8) il existe une base de E dans laquelle la matrice de 𝑓 est de la forme :

0 1 0 0 … 0
0 0 1 0 … 0
0 0 0 1 … 0
⋮ ⋮ ⋮ ⋱ …
⋱ ⋮
0 0 0 0 1
…
0 0 0 0 0

(5) 𝑝 ≤ 𝑛

Exercice 8 :
Soient U et V deux espaces vectoriels sur R, et H un sous-espace vectoriel de U. soit
f une application linéaire 𝑈 → 𝑉 et 𝑓𝐻 sa restriction a H.

Que peut-on dire de 𝑓𝐻 ?

(1) 𝑓ℎ est une application linéaire de H vers V

(2) Ker (𝑓𝐻 )=Ker (𝑓)

(3) Ker (𝑓𝐻 )=Ker (𝑓)∩ H

(4) Im ( 𝑓𝐻 )= ∩ (H)

Réponse 8 :
(1) 𝑣𝑟𝑎𝑖
car si f est une application linéaire sa restriction est aussi une application
linéaire
(5) ??
(6) ,??
(7) ???