Académique Documents
Professionnel Documents
Culture Documents
B
Faculté des Mathématiques
Espaces vectoriels Coordination SM-ST du module
1ère année Licence et applications MATH I
SM et ST linéaires
I Espaces vectoriels
Dans ce chapitre K désigne un corps commutatif, en général, K = R ou C.
+ : E × E −→ E
(x, y) 7−→ x + y
• Une loi de composition externe (·) sur E, est est une application de K × E dans E c’est-à-dire
pour tout couple (α, x) ∈ K × E fait correspondre un unique élément de E noté α · y
· : K × E −→ E
(α, x) 7−→ α · x
Conventions
I Les éléments de E sont appelés vecteurs
I Les éléments de K sont appelés scalaires
I 0E est le vecteur nul.
Exemple 1.
1. L’ensemble des vecteurs dans le plan et dans l’espace sont des R−espaces vectoriels.
2. Les ensembles E = R2 , E = R3 , · · · , E = Rn munis de la loi interne (+) et la loi externe (·) suivantes :
1
∀α ∈ K, ∀x = (x1 , x2 , . . . , xn ) ∈ Rn , α·x = (αx1 , αx2 , . . . , αxn )
sont des R−espaces vectoriels. (La vérification des conditions est laissée en exercices).
3. Soit E = {f : R → R, application}
E est l’ensemble des applications définies de R dans R, muni de la loi interne (+)
f +g : R→R
x 7−→ (f + g)(x) = f (x) + g(x)
E muni de la loi externe (·) : ∀α ∈ R, α · f est une application de R dans R telle que
(α · f )(x) = αf (x), ∀x ∈ R
u = α1 · u1 + α ·2 u2 + . . . , +αn · un , où α1 , α2 , ..., αn ∈ K.
Théorème 1. (Caractérisation)
F est un s.e.v d’un K−espace vectoriel E si et seulement si
• F 6= ∅.
• F est stable par combinaison linéaire, c’est-à-dire :
∀ α, β ∈ K, ∀ u, v ∈ F α · u + β · v ∈ F.
2
Remarque 1.
Si F est un sous espace vectoriel d’un K−espace vectoriel E, alors 0E appartient à F .
Exemple 2.
(α · P + β · Q) + (α · P + β · Q)0 = α · (P + P 0 ) + β · (Q + Q0 ) = 0 car P, Q ∈ F.
Donc F est un s.e.v de R3 [X].
λ1 · u1 + λ2 · u2 + . . . + λn · un = 0E =⇒ λ1 = λ2 = · · · = λn = 0.
Exemple 3.
1. Dans le plan, les vecteurs ~i = (1, 0), ~j = (0, 1) constituent une famille libre de l’espace vectoriel R2 .
2. Dans l’espace R3 , les vecteurs ~i = (1, 0, 0), ~j = (0, 1, 0), ~k = (0, 0, 1) constituent une famille libre de
l’espace vectoriel R3 .
3. Soit F = {u = (1, 0, −1), v = (0, 1, 1), w = (1, 1, 1)} est une famille de vecteurs du R−espace vec-
toriel R3 . Soit λ1 · u + λ2 · v + λ3 · w = 0R3 une combinaison linéaire nulle des vecteurs u, v et w,
alors :
3
4. Dans l’espace R3 [X], la famille G = {1, X, X 2 , X 3 } est libre. En effet :
Soit α· 1 + α1 · X + α2 · X 2 + α3 · X 3 = 0R3 [X] , une combinaison linéaire des vecteurs 1, X, X 2 , X 3 .
Alors :
α0 + α1 X + α2 X 2 + α3 X 3 = 0R3 [X] , =⇒ α0 = α1 = α2 = α3 = 0.
Ainsi, la famille G est une famille libre de l’espace vectoriel R3 [X].
Définition 5. (Famille liée)
Une famille de vecteurs F = {u1 , u2 , · · · , un } d’un K-espace vectoriel E est dite liée ou les vecteurs
u1 , u2 , . . . , un sont linéairement dépendants, s’ils existent λ1 , λ2 , · · · , λn dans K non tous nuls tels que
λ1 · u1 + λ2 · u2 + · · · + λn · un = 0
Exemple 4.
1. Soient deux vecteurs ~u, ~v parallèles dans le plan , alors il existe λ dans R? tel que ~u = λ~v , ce qui
donne ~u − λ~v = ~0. On a donc trouvé une combinaison linéaire nulle des deux vecteurs ~u et ~v avec les
coefficients 1 et −λ qui ne sont pas nuls.
2. Soit R2 [X] le R−espace vectoriel des polynômes à coefficients réels de degré inférieur ou égal à 2.
La famille A = {P1 (X) = X 2 + X + 1, P2 (X) = 2X 2 + 2X + 2} est liée, car il existe λ1 = 2 et
λ2 = −1 tels que λ1 P1 + λ2 P2 = 2P1 − P2 = 0.
∀u ∈ E, ∃ λ1 , λ2 , . . . , λn ∈ K / u = λ1 · u1 + λ2 · u2 + . . . + λn · un
E = hu1 , u2 , . . . , un i.
Exemple 5.
1.7 Bases
Définition 7.
Une famille B = {u1 , u2 , . . . , un } est une base d’un espace vectoriel E si elle est libre et génératrice.
On a le résultat suivant :
Proposition 2.
Une famille de vecteurs B = {u1 , u2 , . . . , un } d’un K− espace vectoriel E est une base si et seulement si,
tout vecteur u de E s’écrit de manière unique comme combinaison linéaire des vecteurs ui de B. Autrement
dit :
∀u ∈ E, ∃! λ1 λ2 , . . . , λn ∈ K, / u = λ1 · u1 + λ2 · u2 + . . . + λn · un .
4
Exemple 6.
Théorème 2.
Soit E 6= {0E } un K−espace vectoriel engendré par n vecteurs (n ∈ N∗ ).
Alors, toutes les bases de E ont le même nombre d’éléments. Ce nombre entier s’appelle dimension de E
et se note dim E. On a de plus dim E ≤ n.
Exemple 7.
Théorème 3.
Une famille de n vecteurs d’un espace vectoriel E de dimension finie n est une base si et seulement si elle
est libre ou génératrice.
Exemple 8.
Pour montrer que la famille B = {v1 = (−3, 1, 5), v2 = (2, 5, 6), v3 = (0, 1, 0)} est une base de R3 , il suffit
de montrer qu’elle est libre, en effet
5
1.9 Rang d’une famille de vecteurs
Définition 9.
Le rang d’une famille de vecteurs {u1 , u2 , · · · , un } = F est le nombre maximun p (p ≤ n) de vecteurs que
l’on peut extraire de cette famille et qui forment une famille libre. On note rang(F) = p.
Remarque 2.
I On a toujours rang(F) ≤ card(F). Où card(F) désigne le cardinal de la partie F qui n’est que le
nombre d’éléments de cette partie.
I On a rang(F) = card(F) si et seulement si la famille F est libre.
Exemple 9.
1. La famille F1 = {u1 , 2u1 , 3u1 } est une famille liée, car u1 + 2u1 − 3u1 = 0. Donc rang(F1 ) = 1.
2. Soient u1 et u2 deux vecteurs linéairement indépendants d’un K−espace vectoriel E.
La famille F2 = {u1 , u2 , u1 + u2 } de E n’est pas libre, car u1 + u2 est liée aux vecteurs u1 et u2 . Ainsi
le rang(F2 ) = 2.
3. Calcul du rang d’une famille de vecteurs.
Soit F = {u1 = (1, 1, −1), u2 = (2, 3, 0), u3 = (0, −1, 4)} une famille de vecteurs de R3 .
Vérifions d’abord si cette famille est libre. Soit λ1 · u1 + λ2 · u2 + λ3 .u3 = 0, une combinaison linéaire
nulle des vecteurs u1 , u2 et u3 . On a :
λ1 + 2λ2 = 0 (L1) λ1 + 2λ2 = 0 (L1)
λ1 ·u1 +λ2 ·u2 +λ3 ·u3 = 0 ⇔ λ1 + 3λ2 − λ3 = 0 (L2) ⇔ λ2 − λ3 = 0 (L2) − (L1) = (L0 2)
−λ1 + 4λ3 = 0 (L3) 2λ2 + 4λ3 = 0 (L3) + (L1) = (L0 3)
λ1 + 2λ2 = 0 (L1)
⇔ λ2 − λ3 = 0 (L0 2) ⇔ λ1 = λ2 = λ3 = 0
−6λ3 = 0 2(L0 2) − (L0 3)
II Applications linéaires
Dans ce paragraphe, E et F sont deux K−espaces vectoriels.
2.1 Définitions
Définition 10.
Une application f de E vers F est dite linéaire si et seulement si elle est stable par la loi interne et la loi
externe. Autrement dit : pour tout u, v dans E et tout α dans K, on a :
Remarque 3.
On a les appelations suivantes :
I Une application linéaire est dite un endomorphisme si et seulement si E = F .
I Une application linéaire f est dite un isomorphisme si et seulement si f est bijective.
6
I Une application linéaire est dite un automorphisme si et seulement si E = F et f est bijective.
Exemple 10.
f : R3 −→ R2
(x, y, z) 7−→ f (x, y, z) = (2x + y − z, x − z)
f (α · u + β · u0 ) = f (αx + βx0 , αy + βy 0 , αz + βz 0 )
= (2(αx + βx0 ) + (αy + βy 0 ) − (αz + βz 0 ), (αx + βx0 ) − (αz + βz 0 ))
= α (2x + y − z, x − z) + β (2x0 + y 0 − z 0 , x0 − z 0 )
= α.f (u) + β.f (u0 ).
g : R2 [X] −→ R2 [X]
0
P 7−→ g(P ) = XP (X) + 1
Montrons que g n’est pas linéaire. Soient P, Q ∈ R2 [X] ( polynômes de degré inférieur ou égal à 2)
et α, β ∈ R. On a :
Exemple 11.
f : R3 −→ R3
(x, y, z) 7−→ (2x + y − z, x − y, 3x − 2y + z)
7
2. Soit l’application linéaire g définie par :
g : R2 −→ R2
(x, y) 7−→ (2x + 2y, x + y)
(x, y) ∈ Ker(g) ⇐⇒ (x, y) = (x, −x) = x(1, −1). Donc, Ker(g) = h(1, −1)i, ainsi, {(1, −1)} est une
base du Ker(g) donc dim Ker(g) = 1.
3. Soit l’application
h : R2 [X] −→ R1 [X]
P 7−→ XP 00
Donc,
h(α · P + β · Q) = α · h(P ) + β · h(Q)(x).
Ainsi h est une application linéaire.
Déterminons le noyau de h. On a :
On a
Donc,
Ker(h) = {c1 X + c2 , c1 , c2 ∈ R}
= h1, Xi
8
2.2.2 Image d’une application linéaire
Définition 13.
Soit f : E −→ F une application linéaire. On appelle image de f , le sous-espace vectoriel noté Im(f )
défini par :
Im(f ) = {f (u) ∈ F, u ∈ E} = f (E).
Exemple 12.