Académique Documents
Professionnel Documents
Culture Documents
x + y ∈ E, ∀x, y ∈ E (1)
K×E → E
(λ, x) 7→ λ · x (2)
1
Example 1.1. Quelques exemples classiques.
1. C est un R-espace vectoriel.
f +g :X → R
t → f (t) + g(t)
et
α·f :X → R
t → α · f (t).
f +g :X → E
t → f (t) + g(t)
et
α·f :X → E
t → α · f (t).
2
1. Pour x ∈ E, on a:
0E + 0K x = 0K x = (0K + 0K )x = 0K x + 0K x.
2 Combinaisons linéaires
Definition 2.1. Soient E un K-espace vectoriel et x1 , x2 , . . . , xn des vecteurs
de E. On appelle combinaison linéaire des vecteurs x1 , x2 , . . . , xn , tout vecteur
de la forme
n
X
λ i xi où (λ1 , · · · , λn ) ∈ Kn . (3)
i=1
Montrons que w est combinaison linéaire des vecteurs u et v. Pour prouver que
le vecteur w est une combinaison linéaire des vecteurs u, v, il faut montrer qu’il
existe deux constantes α1 , α2 telles que
w = α1 u + α2 v.
3
Ce qui donne
−1 = −α
0 = −2α1 + 2α2 ⇔ α1 = α2 = 1
−4 = −3α1 − α2
4 Sous-espaces vectoriels
Soit (E, +, · un K-espace vectoriel.
Definition 4.1. Un sous-espace vectoriel de E est un sous-groupe de (E, +)
qui est stable par multiplication par tout scalaire.
Definition 4.2. Soit E un espace vectoriel. On dit que F est un sous-espace
vectoriel de E si et seulement si F est un espace vectoriel et F ⊂ E.
Remark 4.1. Pour les lois induites, un sous-espace vectoriel de E est un espace
vectoriel sur K.
Example 4.1. Quelques sous-espaces vectoriels classiques.
Pour montrer qu’un ensemble F est un sous-espace vectoriel d’un espace vecto-
riel E on utilise le théorème suivant:
Theorem 4.1. F est un sous-espace vectoriel de E si et seulement si
4
1. F ⊂ E
2. 0E ∈ F
3. u, v ∈ F ⇒ u + v ∈ F
4. u ∈ F, α ∈ K ⇒ αu ∈ F
Theorem 4.2. Soit F une partie d’un K-espace vectoriel E. Les propositions
suivantes sont équivalentes:
x + y = 1x + 1y avec (1, 1) ∈ K2 .
0 = 0x + 0x ∈ F.
5
5 Sous-espace vectoriel engendré par une partie
Proposition 5.1. Une intersection de sous-espaces vectoriels de E est un sous-
espace vectoriel de E.
Proof. Soit E un K-espace vectoriel.
Example 5.1. Si A est vide, le sous-espace vectoriel engendré par A est {0}.
Example 5.2. Dans le R-espace vectoriel C
• le sous-espace vectoriel engendré par {1} est R;
• le sous-espace vectoriel engendré par {i} est l’ensemble des imaginaires
pures;
• le sous-espace vectoriel engendré par {1, i} est C
Proposition 5.3. Soient n ∈ N∗ et A = {a1 , a2 , . . . , an } une partie finie à
n éléments de E. Le sous-espace vectoriel engendré par A est l’ensemble des
combinaisons linéaires des vecteurs a1 , a2 , . . . , an , soit
n n
X o
vect(A) = y ∈ E/∃(λ1 , . . . , λn ) ∈ Kn , y = λi ai .
i=1
6
6 Somme de sous-espaces vectoriels
On a vu que la réunion de deux sous-espaces vectoriels F et G de E n’est pas en
général un sous-espace vectoriel. Le plus petit sous-espace vectoriel contenant
F et G est le sous-espace engendré par F ∪ G qui est en général différent de
F ∪ G.
Proposition 6.1. Si F et G sont deux sous-espace vectoriels de E, le plus petit
sous-espace vectoriel contenant F et G est
H = {x + y/(x, y) ∈ F × G}.
On a
α1 u1 + α2 u2 = (α1 x1 + α2 x2 ) + (α1 y1 + α2 y2 )
avec α1 x1 + α2 x2 ∈ F et α1 y1 + α2 y2 ∈ G puisque F et G sont deux
sous-espaces vectoriels, et on déduit que α1 u1 + α2 u2 ∈ H.
Donc H est un sous-espace vectoriel de E.
• Soit H 0 un sous-espace vectoriel de E contenant F et G. Étant donné
u ∈ H, prenons (x, y) ∈ F × G tels que u = x + y. Alors x ∈ H 0 et y ∈ H 0 ,
donc u = x + y ∈ H 0 .
Par suite H 0 contient H.
Donc H est bien le plus petit sous-espace vectoriel de E contenant F et
G.
Example 6.1. Si E = K2 , alors E = vect{(1, 0)} + vect{(1, 1)}, puisque tout
élément (x, y) ∈ E 2 peut s’écrire sous la forme (x − y)(1, 0) + y(1, 1).
Proposition 6.2. Soit E un K-espace vectoriel.
• Si F, G et H sont trois sous-espaces vectoriels de E. Le plus petit sous-
espace vectoriel de E contenant F, G et H est
F + G + H = {x + y + z/x ∈ F, y ∈ G, z ∈ H}.
E1 + E2 + · · · + En = {x1 + x2 + · · · + xn /∀i = 1, · · · , n, xi ∈ Ei }.
7
7 Sous-espaces vectoriels supplémentaires
7.1 Sous-espaces supplémentaires
Proposition 7.1. Soient F et G deux sous-espaces vectoriels d’un espace vec-
toriel E. Les propositions suivantes sont équivalentes:
1. pour tout x ∈ E, il existe un unique couple (y, z) ∈ F × G tel que
x = y + z.
2. E = F + G et F ∩ G = {0}.
Lorsque ces deux propriétés sont vérifiées, on dit que F et G sont deux sous-
espaces vectoriels supplémentaires et on note E = F ⊕ G.
Proof. Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E.
• Suppons que E = F + G et F ∩ G = {0}. Alors tout élément de E
s’écrit comme somme d’un élément de F et d’un élément de G. Montrons
l’unicité de cette écriture. Supposons
x = y 0 + z 0 = y 00 + z 00 avec (y 0 , y 00 ) ∈ F 2 et (z 0 , z 00 ) ∈ G2 .
8
Example 7.2. Dans E = K2 , les sous-espaces vectoriels K2 ×{0} et vect{(0, 0, 1)}
sont supplémentaires.
9
• Soit (x, y) ∈ E 2 ; on peut écrire x = x1 + x2 , y = y1 + y2 avec (x1 , y1 ) ∈ F 2
et (x2 , y2 ) ∈ G2 .
Pour (α, β) ∈ K2 , on a:
avec
(αx1 + βy1 ) ∈ F et (αx2 + βy2 ) ∈ G
puisque F et G sont des sev. Par suite
x = p(x) ⇒ x ∈ F.
10
– Soit y ∈ F ∩ G. Comme y ∈ F = Im(p), on peut trouver x ∈ E tel
que y = p(x). Or y ∈ G = ker(p) donc
0 = p(y) = (p ◦ p)(x) = p(x) = y.
Par suite F ∩ G = {0}.
– Soit x ∈ E alors
x = p(x) + (x − p(x)).
On a x − p(x) ∈ G puisque
p(x − p(x)) = p(x) − p(p(x)) = 0
et évidement p(x) ∈ F . Ainsi x ∈ F + G et donc E = F + G.
11
8 Familles libres, familles génératrices, bases
Dans cette section n désigne un entier naturel.
Si (x1 , · · · , xn ) est une n-liste d’éléments de E, les combinaisons linéaires des
vecteurs x1 , · · · , xn de E s’écrivent
n
X
λ 1 x1 + λ 2 x2 + · · · + λ n xn = λ i xi avec (λ1 , λ2 , · · · , λn ) ∈ Kn .
i=1
E = vect{x1 , · · · , xn }
Remark 8.1. Si une famille est génératrice, toute famille obtenue en permutant
ses éléments est aussi génératrice. Le fait qu’une famille soit génératrice ne
depend donc pas de l’ordre de ses éléments.
Example 8.1. 1. (1, i) est une famille génératrice de C en tant que R-espace
vectoriel.
2. Deux vecteurs non colinéaires du plan en forment une famille génératrice.
3. Trois vecteurs non coplanaires de l’espace en forment une famille génératrice.
4. (1, X, · · · , X n ) est famille génératrice de Kn (K), puisque tout polynôme de
degré inférieur ou ’egal à n s’écrit sous la forme
n
X
ap X p avec ∀p ∈ [0, · · · , n], ap ∈ K.
p=0
12
• Réciproquement, supposons que tout élément de G soit combinaison linéaire
d’éléments de F. Puisque E = vect{G} est le plus petit sous-espace vec-
toriel contenant G et que F est un sous-espace vectoriel contenant G, on
en déduit que E ⊂ F, ce qui prouve que F est génératrice.
13
Remark 8.3. En particuler
• Une famille libre ne peut pas contenir le vecteur nul.
• Une famille libre ne peut pas avir deux vecteurs proportionnels, à fortiori
deux vecteurx égaux.
Remark 8.4. Une famille contenant deux vecteurs proportionnels est liée, mais
une famille d’au moins trois vecteurs peut être liée sans contenir deux propor-
tionnels, comme le prouve, dans le R-espace vectoriel C le famille (1, i, 1 + i).
Proposition 8.4. Soit (xi )1≤i≤n une famille libre et x ∈ E. La famille (x1 , x2 , · · · , xn , x)
est liée si, et seulement si, x est combinaison linéaire de x1 , x2 , · · · , xn .
Pn
Proof. • S’il existe des scalaires λ1 , · · · , λn ∈ K tel que x = i=1 λi xi , alors
on a:
X n
1x + (−λi )xi = 0
i=1
Theorem 8.1. Étant donnée une famille libre (xi )1≤i≤n ainsi que deux familles
de scalaires (λi )1≤i≤n et (µi )1≤i≤n , on a:
n
X n
X
λi xi = µi xi ⇒ ∀i ∈ [1, · · · , n], λi = µi .
i=1 i=1
Pn Pn Pn
Proof. Si i=1 λi xi = i=1 µi xi alors i=1 (λi − µi )xi = 0 et donc:
∀i ∈ [1, · · · , n], λi − µi = 0.
8.3 Bases
Definition 8.3. Une famille (ei )1≤i≤n d’éléments de E est une base de E si
c’est une famille libre et génératrice de E.
Example 8.4. 1. (1, i) est une base du R-espace vectoriel C.
2. Dans le plan, deux vecteurs non colinéaires forment une base.
14
3. Dans l’espace, trois vecteurs non coplanaires forment une base.
4. La famille B = (ei )1≤i≤n définie par
e1 = (1, 0, · · · , 0),
e2 = (0, 1, 0, · · · , 0), · · · , en = (0, 0, · · · , 1)
Pn
est une base de Kn car l’ǵalité i=1 λi ei = (λ1 , λ2 , · · · , λn ) prouve que
n
tout élément de K s’écrit comme combinaison linéaire des éléments de
B, et qu’une telle combinaison linéaire ne peut être nulle que si tous les
λi sont nuls.
Cette base est appelée base canonique de Kn .
5. (1, X, · · · , X n ) est une base de Kn [X].
6. La famille vide est une base de {0}.
Theorem 8.2. Une famille (ei )1≤i≤n est une base de E si, et seulement si,
pour tout x ∈ E, il existe une unique famille (λi )1≤i≤n ∈ Kn telle que:
n
X
x= λ i ei .
i=1
Example 8.5. 1. Les composantes d’un nombre complexe dans la base (1, i)
sont ses parties réelles et imaginaires.
2. Les composantes de (x1 , x2 , · · · , xn ) dans la base canonique de Kn sont les
scalaires x1 , x2 , · · · , xn .
Pn
3. Les composantes du polynôme P = p=0 ap X p dans la base canonique de
Kn [X] sont les coefficients du polynôme, à savoir les scalaires a0 , a1 , · · · , an .
9 Repères cartésiens
9.1 Définitions
Definition 9.1. On appelle repère cartésien de E, tout couple (Ω, B) où Ω
est un point de E et B est une base de E.
15
Example 9.1. On repère cartésien canonique de Rn , le repère (O, B), où B est
la base canonique de Rn .
−−→
Remark 9.1. Les xi sont les composantes du vecteur ΩM dans la base B, ce
que prouve l’unicité.
16