Académique Documents
Professionnel Documents
Culture Documents
et compléments
∀(λ, µ) ∈ K2 , ∀(x, y) ∈ E2 , (1) λ(x + y) = λx + λy (2) (λ + µ)x = λx + µx (3) λ(µx) = (λµ)x (4) 1.x = x.
2) Structure de K-algèbre.
Soit (E, +, .) un K espace vectoriel muni d’une autre l.d.c.i. notée ×.
(E, +, ., ×) est une K algèbre ⇔ (E, +, ×) est un anneau (c’est-à-dire que × est associative, distributive sur + et possède
un élément neutre souvent noté 1 ou e ou In ou IdE ...) et de plus . et × vérifient l’axiome :
L’algèbre est dite commutative quand × est commutative. La dimension de l’algèbre est la dimension de l’espace
vectoriel (E, +, .).
3) Exemples de K-espaces vectoriels ou de K-algèbres supposés connus.
(Dans les exemples qui suivent les opérations ne sont pas citées et sont toujours les opérations usuelles dans les
ensembles considérés.)
a) K-espaces vectoriels
1. (C, +, .) est un R-espace de dimension 2 (les nombres ou scalaires sont les réels et les vecteurs sont les complexes).
(C, +, .) est un C-espace de dimension 1 (les nombres ou scalaires sont les complexes et les vecteurs sont
les complexes).
2. (Kn , +, .) sur K (modèle de l’espace de dimension n sur K, tout espace de dimension n sur K est isomorphe
à Kn ).
3. KN , +, . est un K-espace de dimension infinie (suites à coefficients dans K) (les vecteurs sont les suites).
4. (K[X], +, .) est un K-espace de dimension infinie (polynômes à coefficients dans K).
5. (K(X), +, .) est un K-espace de dimension infinie (fractions rationnelles).
6. RR , +, . est un R-espace de dimension infinie (applications de R dans R) et plus généralement FA , +, . où A
L’existence d’un supplémentaire est démontrée en dimension finie mais ne peut pas être utilisée en dimension infinie.
Un sous-espace admet le plus souvent une infinité de supplémentaires et on ne doit donc pas dire « le supplémentaire
... » mais on doit dire « un supplémentaire de F ».
Exemples. CR = P ⊕ I (décomposition d’une fonction f en somme d’une fonction paire et d’une fonction impaire :
1 1
pour tout x de R, f(x) = (f(x) + f(−x)) + (f(x) − f(−x)))).
2 2
Mn (K) = Sn ⊕ An (décomposition d’une matrice carrée M en somme d’une matrice symétrique et d’une matrice
1 1
anti-symétrique : M = (M + t M) + (M − t M)).
2 2
b) Cas général d’un nombre fini de sous espaces
p
M
Dans ce cas, la somme F1 + . . . + Fp s’écrit F1 ⊕ . . . ⊕ Fp ou Fi . La somme directe F1 ⊕ ... ⊕ Fp est isomorphe à
i=1
F1 × ... × Fp . Un isomorphisme de F1 × ... × Fp sur F1 ⊕ ... ⊕ Fp est (x1 , . . . , xp ) 7→ x1 + . . . + xp .
X
Danger. Il est faux de croire que Fi est directe ⇔ ∀i 6= j, Fi ∩ Fj = {0} (⇒ vraie bien sûr).
Le cas de trois droites vectorielles de R2 deux à deux distinctes fournit un contre exemple usuel.
6) Projections et symétries.
Soient F et G deux sev supplémentaires de E. Soient p la projection sur F parallèlement à G, q la projection sur G
parallèlement à F et s la symétrie par rapport à F parallèlement à G.
Soit x = x1 + x2 la décomposition d’un vecteur quelconque x de E associée à la décomposition E = F ⊕ G. Alors par
définition p(x) = x1 et s(x) = x1 − x2 .
a) • ∀x ∈ E, p(x) = x1 et q(x) = x2 .
• p ∈ L (E), p ◦ p = p, p ◦ q = q ◦ p = 0, p + q = IdE .
• F = Im(p) = Ker(q) = Ker(Id − p) = {invariants par p} et G = Ker(p) = Im(q) = Im(Id − p).
• p/Imp = Id/Imp et p/Kerp = 0/Kerp .
Th : Réciproquement, si p est un endomorphisme vérifiant p ◦ p = p alors Im(p) et Ker(p) sont supplémentaires puis
p est la projection sur Imp parallèlement à Kerp.
b) • ∀x ∈ E, s(x) = x1 − x2
• s ∈ GL(E), s ◦ s = Id
• F = Ker(s − Id) = {invariants par s} et G = Ker(s + Id) = {x/s(x) = −x}
1
• s = 2p − Id = Id − 2q et p = (Id + s)
2
Réciproquement si s est un endomorphisme de E vérifiant s◦s = Id alors Ker(s−Id) et Ker(s+id) sont supplémentaires
puis s est la symétrie par rapport à Ker(s − Id) parallèlement à Ker(s + Id).
7) Combinaisons linéaires et sous-espace engendré par une famille ou une partie de E
a) Combinaisons linéaires
Soit (λi )i∈I une famille non vide de scalaires. Cette famille est dite à support fini si et seulement si l’ensemble des
indices i tels que λi est non nul est fini (éventuellement vide).
Soient (xi )i∈I une famille de vecteurs de E et y un vecteur de E.
X
y est combinaison linéaires de la famille (xi )i∈I ⇔ ∃ (λi )i∈I ∈ KI à support fini telle que y = λi xi . Si I = J1, pK,
i∈I
une combinaison linéaire de la famille (xi )16i6n
Soient X une partie de E et y un vecteur de E. X
y est combinaison linéaire des vecteurs de X ⇔ ∃(λx )x∈X ∈ KX à support fini telle que y = λx x
X x∈X
(Convention : si X est vide, λx x = 0).
b) Sous espace engendré par une famille ou une partie
Approche externe. Soit X une famille (resp. une partie) (éventuellement vide) de vecteurs de E (resp.de E). Il existe
un et un seul plus petit sous-espace vectoriel de E (pour l’inclusion) contenant X. Il est noté Vect(X). C’est l’intersection
de tous les sous-espaces vectoriels de E contenant X (et donc Vect(∅) = {0}).
Approche interne. Vect(X) est l’ensemble
des combinaisons linéaires d’éléments de X. En particulier, Vect(0) = {0},
Vect(u) = {λu, λ ∈ K}, Vect(u, v) = λu + µv, (λ, µ) ∈ K2 , ...
c) Propriétés.
X
• Vect(xi ) = {C.L. des xi } = λi xi , (λi ) à support fini = plus petit sev de E contenant (xi ).
• A ⊂ Vect(A).
• A = Vect(A) ⇔ A sev de E.
• A ⊂ B ⇒ Vect(A) ⊂ Vect(B) (réciproque fausse).
• Vect(Vect(A)) = Vect(A), Vect(A ∪ B) = Vect(A) + Vect(B), Vect(A + B) = Vect(A) + Vect(B),
Vect(A ∩ B) ⊂ Vect(A) ∩ Vect(B).
• Montrer que F est l’espace engendré par une certaine famille de vecteurs (F = Vect −
→ ).
ui i∈I
• Montrer que F est l’orthogonal d’une partie A de E pour un certain produit scalaire (F = A⊥ ).
• En dimension finie n ∈ N∗ (la dimension est donc supposée connue), si une famille B est libre de
cardinal n, alors B est une base de E et si B est libre de cardinal n, alors B est une base.
• Si E est de dimension finie n ∈ N∗ , si B0 est une base connue de E et si B est une famille de n
vecteurs, alors B est une base de E si et seulement si detB0 (B) 6= 0 (souvent le plus efficace).
• Si F est une famille de p vecteurs, F est libre si et seulement si le rang r de F est égal au
cardinal p de la famille. Si de plus dim(E) = n, F est une base de E si et seulement si r = p = n.
• Si B est une famille d’un espace E ′ qui est l’image d’une base B0 de E par un isomorphisme, alors
B est une base de E ′ .
• Si E est muni d’un produit scalaire, une famille orthogonale de vecteurs tous non nuls est libre
et en particulier une famille orthonormale est libre.
Théorème de la base incomplète. Soit L libre dans E (dimE < +∞), L peut être complétée en une base de E.
Si dimE < +∞, E admet des bases. Si dimE < +∞, de toute partie ou famille génératrice de E on peut extraire une
base.
3) Sous espaces
Théorème. Soit n = dimE < +∞ et soit F sev de E alors (dimF 6 n et dimF = n ⇔ F = E) (faux en dimension
infinie).
Théorème. (Supplémentaires) Soit n = dimE < +∞ et F sev de E. F admet au moins un supplémentaire. Tout
supplémentaire a pour dimension : dimE − dimF.
Plus généralement, dim(F ⊕ G) = dimF + dimG.
Théorème. Soient F et G sev de E.
(E = F ⊕ G) ⇔ F ∩ G = {0} et dimF + dimG = dimE) ⇔ (F + G = E et dimF + dimG = dimE)
X
Théorème. F1 , . . . , Fp sev de E tels que la somme Fi est directe. dim(F1 ⊕ ... ⊕ Fp ) = dimF1 + ... + dimFp .
Théorème. F1 , . . . , Fp sev de E. dim (F1 + ... + Fp ) 6 dim (F1 ) + ... + dim (Fp ) avec égalité si et seulement si la somme
est directe. [ [
Si E = F1 ⊕ ... ⊕ Fp et si Bi est une base de Fi alors B = Bi est une base de E et réciproquement, si B = Bi est
i i
une base de E alors les Fi = Vect (Bi ) sont supplémentaires dans E.
4) Rang
a) d’une famille de vecteurs
Soit X = (xi )16i6p une famille de p vecteurs de E. rg (xi )16i6p = dimVect (xi )16i6p = maximum du cardinal d’une
sous-famille libre de (xi )16i6p .
Si X est une famille de vecteurs de E de rang r et si A est une sous-famille de S : si A est libre alors card(A) 6 r ou
encore si card(A) > r, A est liée.
Soient n = dim(E), r = rg (xi )16i6p (et p = card (xi )16i6p ).
• r 6 p et (r = p ⇔ (xi )16i6p est libre.
• r 6 n et (r = n ⇔ (xi )16i6p est génératrice de E.
• (xi )16i6p base de E ⇔ r = p = n.
b) d’une application linéaire
Soit f ∈ L (E, F). rg(f) = dim(Im(f)). Si dim(E) = n < +∞ et (ei )16i6n est une base quelconque de E, rg(f) =
rg (f (ei ))16i6n .
V. Sous-espaces affines
− −
Soit E un K-espace vectoriel. Un sous-espace affine de E est un sous-ensemble de la forme F = A+F = A + →
u, →u ∈F
où A est un point de E (ou encore un élément de E) et F est un sev de E. Dans ce cas, F est uniquement défini (mais
pas A) et s’appelle la direction du sous-espace affine F .
La dimension du sous-espace affine F est la dimension de sa direction F.
Théorème. L’intersection de deux sous-espaces affines F et G , de directions respectives F et G, est soit vide, soit un
sous-espace affine de direction F ∩ G.
Si E est de dimension finie n et R = (O, B) = O, (ei )16i6n est un repère de E, un hyperplan affine a une
équation de la forme a1 x1 + . . . + an xn = b, (a1 , . . . , an ) 6= (0, . . . , 0), et réciproquement un sous-ensemble d’équation
a1 x1 + . . . + an xn = b, (a1 , . . . , an ) 6= (0, . . . , 0), est un hyperplan affine de direction l’hyperplan vectoriel d’équation
a1 x1 + . . . + an xn = 0 dans B.
Plus généralement, un sous-espace affine de dimension n − p admet un système d’équation de la forme
a1,1 x1 + . . . + a1,n xn = b1
.
ap,1 x1 + . . . + ap,n xn = bp
a1,1 x1 + . . . + a1,n xn = b1
Inversement, l’ensemble des solutions d’un système de la forme est soit vide, soit un
ap,1 x1 + . . . + ap,n xn = bp
sous-espace affine de dimension n − r où r est le rang du système et en particulier de dimension supérieure ou égale à
n − p.