Académique Documents
Professionnel Documents
Culture Documents
Remarque
Ces formules généralisent les opérations bien connues sur la droite R, le plan R2 et
l’espace R3 .
Remarque
La fonction constante nulle 0E est l’élément neutre pour + et on a f + (−f ) = 0E .
Exemples
1 F(R, R) s’identifie à l’ensemble des fonctions allant de R dans R, et est un R−ev.
2 F(R, C) s’identifie à l’ensemble des fonctions allant de R dans C, et est un C−ev.
3 F(N, R) s’identifie à l’ensemble des suites réelles, et est un R−ev.
4 L’ensemble K[X ] des polynômes à coefficients dans K muni des lois classiques :
(P, Q) → P + Q et (λ, P) → λP est un espace vectoriel sur K.
Espace vect.
Justifier si les objets suivants sont des espaces vectoriels.
1 L’ensemble des fonctions réelles sur [0, 1], continues, positives ou nulles, pour
l’addition et le produit par un réel.
2 L’ensemble des fonctions réelles de classe C 2 vérifiant f ′′ + f = 0..
3 L’ensemble R∗+ pour les opérations x ⊕ y = x .y et λ.x = x λ (λ ∈ R)
4 L’ensemble E = {(x , y ) ∈ R2 / x + y = 1}.
Caractérisation
Une partie F d’un K-ev E est un sous-espace vectoriel si et seulement si
F ̸= ∅
(
F ̸= ∅
∀u, v ∈ F , u+v ∈F ⇔
∀u, v ∈ F et ∀λ ∈ K on a λu + v ∈ F
∀u ∈ F et ∀λ ∈ K, λu ∈ F
Cours d’Algèbre II : 1API (ENSAMR) Espaces vectoriels 8 / 106
Premiers exemples
A-L’espace lui-même et l’ensemble {0}
De manière générale, dans un K-ev noté E , le singleton { 0 } (ne pas confondre avec
l’ensemble vide ∅ !) et l’espace vectoriel E sont des sous espaces vectoriels de E .
P = ⃗u = (x , y , z) ∈ R3 , ax + by + xz = 0 avec a, b ou c ̸= 0
P est bien un sous espace vectoriel de R3 , avec la même démonstration que pour la
droite vectorielle de R2 .
La seconde façon de définir un plan, qui s’applique dans tout espace vectoriel, est la
suivante :
P= w ⃗ = λ⃗u + µ⃗v , λ, µ ∈ R où ⃗u et ⃗v
sont deux vecteurs non colinéaires fixés.
On vérifie facilement que P est un sous-espace vectoriel de R3 , si ⃗u , ⃗v ∈ R3 , resp.
de E si ⃗u , ⃗v ∈ E en général.
On dit que P est le plan engendré par ⃗u et ⃗v (⃗
w est combinaison linéaire de ces
deux vecteurs).
Cours d’Algèbre II : 1API (ENSAMR) Espaces vectoriels 11 / 106
Premiers exemples
Démonstration
Les propriétés caractéristiques des sous-espaces vectoriels sont stables par intersection
(exercice)
Exemples
√
x1 + x2 + πx3 + 2x4 = 0
a-Ici, E = R4 . F = v = (x1 , x2 , x3 , x4 ), x2 + x3 = 0
est un
x1 − 12x2 = 0
sous-espace vectoriel de E : car c’est l’intersection de 3 sous-espaces vectoriels de E
chacun défini par une seule équation linéaire homogène.
Cours d’Algèbre II : 1API (ENSAMR) Espaces vectoriels 15 / 106
III. Intersections de sous-espaces vectoriels
Exemples
b-De manière plus générale, l’espace des solutions d’un système de p équations linéaires
homogènes avec n inconnues est un sous espace vectoriel de Rn .
Proposition 3.1
Soient F1 et F2 deux sous espaces vectoriels de E . Alors F1 ∪ F2 est un sous espace
vectoriel de E si et seulement si F1 ⊂ F2 ou F2 ⊂ F1 .
Démonstration
À voir en TD.
Remarque
Le complémentaire F c d’un sous espace vectoriel F de E n’est jamais un sous espace
/ Fc.
vectoriel de E . En effet, par définition, {0} ∈ F , ce qui fait que {0} ∈
w = λ1 v1 + λ2 v2 + . . . + λn vn avec λ1 , λ2 , . . . , λn ∈ K.
Démonstration :
A faire en exercice.
Exemples importants
Soit E un espace vectoriel.
1 Si A = {v } ⊂ E , alors Vect(A) = {λv , λ ∈ K} est la droite vectorielle
engendrée par v .
2 Si A = {v1 , v2 } ⊂ E , alors Vect(A) = {λ1 v1 + λ2 v2 , λ1 , λ2 ∈ K} est le plan
vectoriel engendré par v1 et v2 .
Cours d’Algèbre II : 1API (ENSAMR) Espaces vectoriels 19 / 106
IV. Sous-espaces vectoriels engendrés par une partie
Exemples importants
Dans Rn avec n ⩾ 1, tout vecteur s’écrit
v = (x1 , x2 , . . . , xn )
= (x1 , 0, 0, . . . , 0) + (0, x2 , 0, . . . , 0) + (0, 0, x3 , . . . , 0) + . . . + (0, 0, 0, . . . , xn )
= x1 (1, 0, 0, . . . , 0) + x2 (0, 1, 0, . . . , 0) + . . . + xn (0, 0, 0, . . . , 1)
= x1 e1 + x2 e2 + . . . + xn en ,
Exemples importants
Soit n un entier. les fonctions 1, X , X 2 , . . . , X n engendrent le sous-espace vectoriel
Kn [X ] des polynômes de degré inférieur ou égal à n.
Exercices
Montrer que le système (u, v , w ) est un système générateur de R3 avec :
F1 + F2 = {v = v1 + v2 , avec v1 ∈ F1 et v2 ∈ F2 }.
Proposition 5.1
F1 + F2 = Vect(F1 ∪ F2 ) est le plus petit sous-espace vectoriel qui contienne à la fois F1
et F2 .
Remarque
Cette notion va remplacer la réunion dans les raisonnements en algèbre linéaire.
Cours d’Algèbre II : 1API (ENSAMR) Espaces vectoriels 22 / 106
VI. Familles libres, génératrices, bases.
λ1 v1 + λ2 v2 + . . . + λn vn = 0.
λ1 = λ2 = . . . = λn = 0.
Propriété
1 Tout vecteur non nul est libre.
2 Tout système contenu dans un système fini libre est libre.
3 Tout système contenant le vecteur nul est lié.
4 Tout système fini contenant un système lié est lié.
Proposition
Soit E un K-espace vectoriel. Le système (x1 , . . . , xn ) est lié, si et seulement si, l’un au
moins des vecteurs xi s’exprime comme combinaison linéaire des autres vecteurs.
Définition de base
Une famille F de E est une base de E si et seulement si F est libre et génératrice de E .
Proposition 6.1
La famille B = (v1 , v2 , . . . , vn ) est une base de E si et seulement si tout vecteur v de E
s’écrit de manière unique comme combinaison linéaire des vi ∈ B. Autrement dit :
Définition
La base B = (e1 , e2 , . . . , en ) s’appelle la base canonique de Kn .
Remarque
Les coordonnées d’un vecteur v = (x1 , x2 , . . . , xn ) ∈ Kn dans cette base sont simplement
les composantes xi de v . Attention, cela ne se produit que dans cette base particulière.
Problème
Construire des bases dans le cas des espaces vectoriels de dimension finie.
Définition
On dit qu’un espace vectoriel E est de dimension finie si E admet une famille
génératrice finie.
Exemple
On a vu que Kn et Kn [X ] sont des espaces vectoriels de dimension finie.
Proposition
K[X ] n’est pas un espace vectoriel de dimension finie.
Démonstration :
Propriété 2
Soit F une famille génératrice de E . Alors F est liée si et seulement si il existe un
vecteur v ∈ F tel que F\{v } = F ′ reste génératrice. Autrement dit, si et seulement si
∃v ∈ F tel que v ∈ Vect(F\{v }).
λv + λ1 v1 + λ2 v2 + . . . + λn vn = 0
Si λ = 0 alors :
λ1 v1 + λ2 v2 + . . . + λn vn = 0 ⇒ λ1 = λ2 = . . . = λn = 0
car F est libre par hypothèse. Il y a donc une contradiction car λ, λ1 , λ2 , . . . , λn sont
supposés non tous nuls.
λ1 λ2 λn
Si λ ̸= 0, alors v = − v1 − v2 − . . . − vn ce est une CL d’éléments de F.
λ λ λ
⇒ v ∈ Vect(F).
Exemple
1 On a dim Kn = n car la base canonique de Kn , B = (e1 , e2 , . . . , en ), a n éléments.
2 Les espaces vectoriels de dimension 1 sont les droites vectorielles. Les espaces
vectoriels de dimension 2 sont les plans vectoriels,. . . etc.
Corollaire utile
Pour vérifier qu’une famille F de E est une base, il faut et il suffit que :
card(F) = dim E et F soit une famille libre ou génératrice de E .
Exemple
Dans R3 , il n’y a qu’un seul espace de dimension nulle : c’est {0}.
1 Il y a une infinité d’espaces de dimension 1 : les droites vectorielles.
2 Il y a une infinité d’espaces de dimension 2 : les plans vectoriels.
3 Il n’y a qu’un seul espace de dimension 3 : c’est R3 lui-même.
Dimension
Soit
E = {(x , y , z, t) ∈ R4 , / x + y + z − t = 0, et x − 2y + 2z + t = 0 et x − y + z = 0}.
On admettra que E est un R-espace vectoriel.
1 Déterminer une base de E et en déduire sa dimension.
2 Compléter cette base en une base de R4 .
Attention
de ne pas confondre le rang et le cardinal d’une famille ! Le cardinal est simplement le
nombre d’éléments de la famille (se voit), alors que le rang est une notion plus abstraite
basée sur la dimension.
Proposition
1 On a toujours rang(F) ⩽ card(F)
2 Cas d’égalité : on a rang(F) = card(F) si et seulement si F est libre.
F + G = {v = x + y ; x ∈ F , y ∈ G}
v = x + y avec x ∈ F et y ∈ G.
Proposition
(
E =F +G
On a E =F ⊕G ⇔
F ∩ G = {0}
Démonstration :
⇒) On suppose E = F ⊕ G ⇒ E = F + G. Soit v ∈ F ∩ G.
v = v (∈ F ) + 0(∈ G) = 0(∈ F ) + v (∈ G). Si E = F ⊕ G, la décomposition est unique
ce qui implique que v = 0. Donc F ∩ G = {0}.
Lemme
Soient F et G deux sous espaces vectoriels d’un espace vectoriel E de dimension finie.
Soient BF une base de F , BG une base de G. Alors on a :
1 E = F + G ⇔ BF ∪ BG est génératrice de E ,
2 F ∩ G = {0} ⇔ BF ∪ BG est libre.
Cours d’Algèbre II : 1API (ENSAMR) Espaces vectoriels 49 / 106
XI. Supplémentaire, somme directe.
Exemples
1 Dans R3 : une droite D et un plan P sont en somme directe ssi P ∩ D = {0}.
2 Dans R4 : deux plans P1 et P2 sont en somme directe ssi P1 ∩ P2 = {0}.
Par exemple, si on note v = (x , y , z, t) ∈ R4 ,
P1 = Vect(e1 , e2 ) = {z = t = 0} et P2 = Vect(e3 , e4 ) = {x = y = 0} sont
supplémentaires dans R4 .
Illustration
Si dim F + dim G > dim E alors F ∩ G ̸= {0}
En effet, dim(F ∩ G) = dim F + dim G − dim(F + G) ⩾ dim F + dim G − dim E > 0.
Exemples
1 Deux plans vectoriels de R3 se coupent toujours au moins suivant une droite.
2 Deux sous-espaces de dimension 3 dans R4 contiennent au moins un plan.
∀x , y ∈ E , ∀λ ∈ K, f (x + y ) = f (x ) + f (y ) et f (λ · x ) = λ · f (x ),
∀x , y ∈ E , ∀λ ∈ K, f (λx + y ) = λf (x ) + f (y )
Remarque
1 C’est-à-dire que f respecte les opérations disponibles sur E et F .
2 Une application linéaire transforme un segment de droite en un segment de droite,
puisque
f (tx + (1 − t)y ) = tf (x ) + (1 − t)f (y ).
Cours d’Algèbre II : 1API (ENSAMR) Applications linéaires 53 / 106
I. Généralités
Exemples :
f1 : R2 −→ R
1 L’application est une application linéaire, car :
(x , y ) 7−→ x − y
∀(x , y ), (x ′ , y ′ ) ∈ R2 , ∀λ ∈ R,
f1 (λ(x , y ) + (x ′ , y ′ )) = f1 (λx + x ′ , λy + y ′ ) = λx + x ′ − (λy + y ′ )
= λ(x − y ) + (x ′ − y ′ ) = λf1 (x , y ) + f1 (x ′ , y ′ ).
f2 : R3 −→ R3
2 L’application est une application
(x , y , z) 7−→ (−x + y , x − 5z, y )
linéaire, car : ∀(x , y , z), (x ′ , y ′ , z ′ ) ∈ R3 , ∀λ ∈ R,
f2 λ(x , y , z) + (x ′ , y ′ , z ′ ) = f2 (λx + x ′ , λy + y ′ , λz + z ′ )
= (−λx − x ′ + λy + y ′ , λx + x ′ − 5λz − 5z ′ , λy + y ′ )
= (−λx + λy , λx − 5λz, λy ) + (−x ′ + y ′ , x ′ − 5z ′ , y ′ )
= λ(−x + y , x − 5z, y ) + (−x ′ + y ′ , x ′ − 5z ′ , y ′ )
= λf2 (x , y , z) + f2 (x ′ , y ′ , z ′ ).
Cours d’Algèbre II : 1API (ENSAMR) Applications linéaires 54 / 106
I. Généralités
Exemples :
f : R −→ R
1 La translation n’est pas linéaire car f (0) ̸= 0.
x 7−→ x + 1
D : C 1 (R, R) −→ C 0 (R, R)
2 est une application linéaire.
f (x ) 7−→ f ′ (x )
I : C 0 (R, R) −→ RC 1 (R, R)
3 est une application linéaire.
f (x ) 7−→ 0x f (t)dt
u : C 0 (R, R) −→ C 1 (R, R)
4 est une application linéaire.
f (x ) 7−→ f (x 2 )
v : C 0 (R, R) −→ C 1 (R, R)
5 n’est pas une application linéaire. En effet,
f (x ) 7−→ (f (x ))2
v (2f ) = 4f 2 ̸= 2v (f ) en général.
Proposition
Soit f une application linéaire de E dans F .
1) f (0E ) = 0F , 2) ∀x ∈ E , f (−x ) = −f (x ).
Preuve : On a,
1 f (0E ) = f (0E + 0E ) = f (0E ) + f (0E ) ⇒ f (0E ) = 0F .
2 f (−x ) + f (x ) = f (−x + x ) = f (0E ) = 0F ⇒ f (−x ) = −f (x ).
Théorème
Soient E et F deux K-ev avec E de dimension finie, et B = (e1 , e2 , . . . , en ) une base de
E . Alors pour tout choix de n vecteurs v1 , v2 , . . . , vn dans F , il existe une unique
application linéaire f : E → F telle que f (e1 ) = v1 , . . . , f (en ) = vn .
Une application linéaire f est donc déterminée par la donnée de l’image d’une base.
Démonstration :
Tout x de E s’écrit x = x1 e1 + . . . + xn en .
Analyse Si f est linéaire alors , f (x ) = x1 f (e1 ) + . . . + xn f (en ). ce qui peut aussi s’écrire
f (x ) = x1 v1 + . . . + xn vn .
Notation
On note L(E , F ) l’espace des applications linéaires de E dans F .
Proposition
L(E , F ) est un espace vectoriel.
→ Si f , g ∈ L(E , F ), alors λf + g ∈ L(E , F ) (exercice).
Définitions
1 Si f ∈ L(E , F ) est une bijection, on dit que c’est un isomorphisme de E dans F .
2 Si f ∈ L(E , E ), on dit que f est un endomorphisme de E . L(E , E ) = End(E ).
3 Si f ∈ End(E ) est une bijection, on dit que c’est un automorphisme de E .
4 Si f ∈ L(E , K), on dit que c’est une formes linéaires. On note E ′ = L(E , K). E ′
est l’espace dual de E .
Proposition
Si f ∈ L(E , F ) est un isomorphisme, f −1 alors l’est aussi.
Cours d’Algèbre II : 1API (ENSAMR) Applications linéaires 59 / 106
Exemple d’isomorphisme
Soit E est un K-ev et F = (v1 , v2 , . . . , vn ) ⊂ E une famille donnée.
On considère l’application ≪ combinaison linéaire ≫
f : Kn −→ E
(x1 , x2 , . . . , xn ) 7−→ x1 v1 + x2 v2 + . . . + xn vn
Propriété
1 f est injective si et seulement si F est libre. En effet, on a en général
v = f (x1 , x2 , . . . , xn ) ⇔ v = x1 v1 + x2 v2 + . . . + xn vn
Définition
Deux espaces vectoriels liés par un isomorphisme sont dits isomorphes.
Corollaire important
Un espace vectoriel E de dimension finie sur K est toujours isomorphe à Kn avec
n = dim E .
En particulier, les droites réelles sont toutes isomorphes à R, les plans réels sont
isomorphes à R2 , etc.
Attention
Cela ne signifie pas qu’il n’existe qu’une seule droite vectorielle, mais que toutes les
droites ≪ se ressemblent ≫ !
Démonstration :
D’après la proposition ci-dessus,
rg(f ) = dim(Imf ) = rg(f (e1 ), . . . , f (en )) ⩽ n = dim E .
Et comme Imf ⊂ F , on a aussi rg(f ) = dim(Imf ) ⩽ dim F .
Cours d’Algèbre II : 1API (ENSAMR) Applications linéaires 65 / 106
IV. Résultats fondamentaux
Illustration : L’image par une application linéaire d’un espace vectoriel de dimension n
est toujours un espace vectoriel de dimension inférieure ou égale à n.
Exemples
1 L’image par f d’une droite est une droite ou un point.
2 L’image par f d’un plan est un plan, une droite ou un point.
3 Si f : Rn → Rp est une application linéaire surjective alors p ⩽ n.
Théorème
Soit f ∈ L(E , F ), et B = (e1 , e2 , . . . , en ) une base de E . On note
f (B) = (f (e1 ), . . . , f (en )) l’image de la base B.
1 f injective ⇔ f (B) est libre.
2 f surjective ⇔ f (B) est génératrice de F .
3 f bijective ⇔ f (B) est une base de F .
Démonstration :
i) f injective ⇔ f (B) libre dans F ⇒ card(f (B)) = dim E ⩽ dim F
ii) f surjective ⇔ f (B) génératrice de F ⇒ card(f (B)) = dim E ⩾ dim F
iii) On se sert de 1) et 2).
Cours d’Algèbre II : 1API (ENSAMR) Applications linéaires 68 / 106
IV. Résultats fondamentaux
iv) f isomorphisme ⇔ f (B) base de F
⇔ card(f (B)) = dim E = dim F avec f libre ou génératrice
⇔ dim E = dim F et f surjective ou injective.
Exemple :
Soit Pn l’espace des fonctions polynômiales de degré inférieur ou égal à n. Soit
f : Pn → Pn
l’application linéaire , avec λ ̸= 0 fixé.
P 7→ λP + P ′
Problème : On veut montrer que f est un isomorphisme. En particulier, pour tout
Q ∈ Pn donné, l’équation différentielle λP + P ′ = Q a une unique solution.
La dimension de l’espace de départ est égale à celle de l’espace d’arrivée. Il suffit donc
de vérifier que f est injective, c’est-à-dire que kerf = {0}.
D’autre part,
Exercice 1 : Exercice 9 ( TD )
Soit β = (e1 , e2 , e3 ) la base canonique de R3 .
Soit u une application linéaire de R3 dans R3 définie par :
u (e1 ) = −3e1 + 2e2 − 4e3 ; u (e2 ) = e1 − e2 + 2e3 ; u (e3 ) = 4e1 − 2e2 + 5e3
1 Déterminer la matrice de u dans la base canonique.
Montrer que E = x ∈ R3 , u(x ) = x est un s.e.v de R3 . Montrer que dim E = 1
2
Solution :
u(e1 ) = 3e1 + 2e2 + 2e3 , u(e2 ) = 2e1 + 3e2 + 2e3 et u(e3 ) = 2e1 + 2e2 + 3e3
Solution :