Académique Documents
Professionnel Documents
Culture Documents
et compléments
∀(λ, µ) ∈ K2 , ∀(x, y) ∈ E2 , (1) λ.(x + y) = λ.x + λ.y (2) (λ + µ).x = λ.x + µ.x (3) λ.(µx) = (λµ)x (4) 1.x = x.
Un sous-espace vectoriel F est stable par combinaison linéaire : toute combinaison linéaire d’une famille de vecteurs
de F est un vecteur de F.
b) Intersection et somme
def : Si F et G sont des sev, F + G = {x + y, (x, y) ∈ F × G}. F + G est l’ensemble des sommes d’un élément de F et
d’un d’éléments de G. Plus généralement, F1 + . . . + Fp = {x1 + . . . + xp , (x1 , . . . , xp ) ∈ F1 × . . . × Fp }.
Th : Si F et G sev de E alors F ∩ G et F + G sont des sev de E et plus généralement si F1 , F2 ,..., Fp sont des sev \ alors
F1 ∩ F2 ∩ ... ∩ Fp et F1 + F2 ... + Fp sont des sev. Plus généralement encore, si (Fi )i∈I est une famille de sev de E, Fi
i∈I
est un sev de E.
Remarque. F ∪ G n’est pas un sev en général. Vect(F ∪ G) = F + G. F ∪ G sev ⇔ F ⊂ G ou G ⊂ F.
c) Sous-espaces classiques
• Dans KN , +, . , l’ensemble des suites bornées (ℓ∞ (K)), l’ensemble des suites convergentes, l’ensemble des suites
convergentes de limite nulle, l’ensemble des suites sommables (ℓ1 (K)) sont des sev. Si de plus K = R, l’ensemble des
suites de carré sommable (ℓ2 (R)).
• Dans KI , +, . (espace des fonctions de I ⊂ R à valeurs dans K), les fonctions bornées sur I, Cn (I, K (n ∈ N),
C∞ (I, K), Dn (I, K)) (n ∈ N∗ ), les fonctions polynomiales sur I . . . sont des sev. Mais par exemple, l’ensemble des
fonctions réelles croissantes sur I n’est pas un sev de RI , +, . .
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
5) 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 ∈ E/ 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).
6) 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 x i .
i∈I
Xn
Si I = J1, pK, une combinaison linéaire de la famille (xi )16i6n est un vecteur de la forme y = λi xi . On note que,
i=1
dans tous les cas, que la famille (xi )i∈I soit finie ou infinie, une combinaison linéaire est toujours finie.
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
Résumé des différentes techniques de sup permettant de montrer qu’un sous-ensemble F de E est
un sev de E.
−
→
• Montrer que F contient le vecteur nul et est stable par combinaisons linéaires (0E ∈ F et
−
∀ → −
x ,→ −
y ∈ F2 , ∀(λ, µ) ∈ R2 , λ→
−
x + µ→
y ∈ F).
• 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⊥ ).
Th : Les bases de E sont les parties génératrices minimales pour l’inclusion ou libres maximales.
Quasiment jamais utilisé sous cette forme, mais on utilise plutôt des conséquences du genre : si x ∈
/ B, B ∪ {x} n’est
plus libre et si x ∈ B, B \ {x} n’est plus génératrice.
Résumé des différentes techniques de sup permettant de montrer qu’une famille de vecteurs est
une base de E ou simplement une famille libre.
• 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 d’un espace de dimension finie
Th : Soit n = dimE < +∞ et soit F sev de E alors (dimF 6 n et dimF = n ⇔ F = E) (faux en dimension infinie).
Th (sev 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.
Th : Soient F et G sev de E (dimE < +∞).
(E = F ⊕ G) ⇔ F ∩ G = {0} et F + G = E ⇔ F ∩ G = {0} et dimF + dimG = dimE) ⇔ (F + G = E et dimF + dimG = dimE)
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 .
Def et th : Soient E un K-ev de dimension finie n ∈ N∗ puis B = (ei )16i6n une base de E. La i-ème forme coordonnée
X
dans la base B est l’application e∗i : x = nxj ej 7→ xi . Les e∗i , 1 6 i 6 n, sont des formes linéaires sur E. Elles sont
j=1
entièrement déterminées par les égalités : ∀(i, j) ∈ J1, nK2 , e∗i (ej ) = δi,j .
b) Hyperplans.
Si E est de dimension quelconque, un hyperplan de E est le noyau d’une forme linéaire non nulle. Si dim(E) = n > 2,
un hyperplan de E est un sev de E de dimension n − 1 d’après le théorème du rang.
Si E est de dimension finie n ∈ N∗ et B = (ei )166n est une base donnée de E, les formes linéaires sur E sont les
n
X n
X
applications de la forme x = xi ei 7→ ai xi où (a1 , . . . , an ) ∈ Kn .
i=1 i=1
Dans B, un hyperplan H a donc une équation de la forme : a1 x1 + . . . + an xn = 0 où a1 , . . . , an sont n nombres non
tous nuls donnés. De plus, « deux équations d’un même hyperplan sont proportionnelles ».
Th : Soit E un K-espace vectoriel de dimension quelconque. Soit F un sev de E. F est un hyperplan de E si et seulement
si il existe D droite vectorielle telle que E = F ⊕ D.
Th : Soit E un espace de dimension finie.
• Un sev de dimension p ∈ J1, n − 1K est l’intersection de n − p hyperplans.
• Inversement, une intersection de n − p hyperplans est un sev de dimension supérieure ou égale à n − p.