Espaces vectoriels

Vido partie 1. Espace vectoriel (dbut)

Vido partie 2. Espace vectoriel (fin)
Vido partie 3. Sous-espace vectoriel (dbut)
Vido partie 4. Sous-espace vectoriel (milieu)
Vido partie 5. Sous-espace vectoriel (fin)
Vido partie 6. Application linaire (dbut)
Vido partie 7. Application linaire (milieu)
Vido partie 8. Application linaire (fin)
Fiche d'exercices Espaces vectoriels
Fiche d'exercices Applications linaires

La notion despace vectoriel est une structure fondamentale des mathmatiques modernes. Il sagit de dgager les
proprits communes que partagent des ensembles pourtant trs diffrents. Par exemple, on peut additionner deux
vecteurs du plan, et aussi multiplier un vecteur par un rel (pour lagrandir ou le rtrcir). Mais on peut aussi
additionner deux fonctions, ou multiplier une fonction par un rel. Mme chose avec les polynmes, les matrices,... Le
but est dobtenir des thormes gnraux qui sappliqueront aussi bien aux vecteurs du plan, de lespace, aux espaces
de fonctions, aux polynmes, aux matrices,... La contrepartie de cette grande gnralit de situations est que la notion
despace vectoriel est difficile apprhender et vous demandera une quantit consquente de travail ! Il est bon davoir
dabord tudi le chapitre Lespace vectoriel Rn .

1. Espace vectoriel (dbut)

Dans ce chapitre, K dsigne un corps. Dans la plupart des exemples, ce sera le corps des rels R.

1.1. Dfinition dun espace vectoriel

Un espace vectoriel est un ensemble form de vecteurs, de sorte que lon puisse additionner (et soustraire) deux
vecteurs u, v pour en former un troisime u + v (ou u v) et aussi afin que lon puisse multiplier chaque vecteur u
dun facteur pour obtenir un vecteur u. Voici la dfinition formelle :
Dfinition 1.
Un K-espace vectoriel est un ensemble non vide E muni :
dune loi de composition interne, cest--dire dune application de E E dans E :
EE E
(u, v) 7 u+v
dune loi de composition externe, cest--dire dune application de K E dans E :
KE E
(, u) 7 u
qui vrifient les proprits suivantes :
1. u + v = v + u (pour tous u, v E)
ESPACES VECTORIELS 1. ESPACE VECTORIEL (DBUT) 2

2. u + (v + w) = (u + v) + w (pour tous u, v, w E)
3. Il existe un lment neutre 0 E E tel que u + 0 E = u (pour tout u E)
4. Tout u E admet un symtrique u tel que u + u = 0 E . Cet lment u0 est not u.
0 0

5. 1 u = u (pour tout u E)
6. ( u) = () u (pour tous , K, u E)
7. (u + v) = u + v (pour tous K, u, v E)
8. ( + ) u = u + u (pour tous , K, u E)

Nous reviendrons en dtail sur chacune de ces proprits juste aprs des exemples.

1.2. Premiers exemples

Exemple 1 (Le R-espace vectoriel R2 ).
Posons K = R et E = R2 . Un lment u E est donc un couple (x, y) avec x lment de R et y lment de R. Ceci
scrit

R2 = (x, y) | x R, y R .
Dfinition de la loi interne. Si (x, y) et (x 0 , y 0 ) sont deux lments de R2 , alors :
(x, y) + (x 0 , y 0 ) = (x + x 0 , y + y 0 ).
Dfinition de la loi externe. Si est un rel et (x, y) est un lment de R2 , alors :
(x, y) = (x, y).
Llment neutre de la loi interne est le vecteur nul (0, 0). Le symtrique de (x, y) est (x, y), que lon note aussi
(x, y).

u+v

v
0

Lexemple suivant gnralise le prcdent. Cest aussi le bon moment pour lire ou relire le chapitre Lespace vectoriel
Rn .
Exemple 2 (Le R-espace vectoriel Rn ).
Soit n un entier suprieur ou gal 1. Posons K = R et E = Rn . Un lment u E est donc un n-uplet (x 1 , x 2 , . . . , x n )
avec x 1 , x 2 , . . . , x n des lments de R.
Dfinition de la loi interne. Si (x 1 , . . . , x n ) et (x 10 , . . . , x n0 ) sont deux lments de Rn , alors :
(x 1 , . . . , x n ) + (x 10 , . . . , x n0 ) = (x 1 + x 10 , . . . , x n + x n0 ).
Dfinition de la loi externe. Si est un rel et (x 1 , . . . , x n ) est un lment de Rn , alors :
(x 1 , . . . , x n ) = (x 1 , . . . , x n ).
ESPACES VECTORIELS 1. ESPACE VECTORIEL (DBUT) 3

Llment neutre de la loi interne est le vecteur nul (0, 0, . . . , 0). Le symtrique de (x 1 , . . . , x n ) est (x 1 , . . . , x n ), que
lon note (x 1 , . . . , x n ).
De manire analogue, on peut dfinir le C-espace vectoriel Cn , et plus gnralement le K-espace vectoriel Kn .

Exemple 3.
Tout plan passant par lorigine dans R3 est un espace vectoriel (par rapport aux oprations habituelles sur les vecteurs).
Soient K = R et E = P un plan passant par lorigine. Le plan admet une quation de la forme :
ax + b y + cz = 0
o a, b et c sont des rels non tous nuls.

x
Un lment u E est donc un triplet (not ici comme un vecteur colonne) y tel que ax + b y + cz = 0.
0 z
x x
Soient y et y 0 deux lments de P . Autrement dit,
z z0

ax + b y + cz = 0,
et ax 0 + b y 0 + cz 0 = 0.
x+x 0

Alors y+ y 0 est aussi dans P car on a bien :
z+z 0

a(x + x 0 ) + b( y + y 0 ) + c(z + z 0 ) = 0.
0 x
Les autres proprits sont aussi faciles vrifier : par exemple llment neutre est 0 ; et si y appartient P ,
x0 z
alors ax + b y + cz = 0, que lon peut rcrire a(x) + b( y) + c(z) = 0 et ainsi y appartient P .
z

Attention
0 ! Un plan ne contenant pas lorigine nest pas un espace vectoriel, car justement il ne contient pas le vecteur
nul 0 .
0

1.3. Terminologie et notations

Rassemblons les dfinitions dj vues.
On appelle les lments de E des vecteurs. Au lieu de K-espace vectoriel, on dit aussi espace vectoriel sur K.
Les lments de K seront appels des scalaires.
L lment neutre 0 E sappelle aussi le vecteur nul. Il ne doit pas tre confondu avec llment 0 de K. Lorsquil
ny aura pas de risque de confusion, 0 E sera aussi not 0.
Le symtrique u dun vecteur u E sappelle aussi loppos.
La loi de composition interne sur E (note usuellement +) est appele couramment laddition et u + u0 est appele
somme des vecteurs u et u0 .
La loi de composition externe sur E est appele couramment multiplication par un scalaire. La multiplication du
vecteur u par le scalaire sera souvent note simplement u, au lieu de u.

Somme de n vecteurs. Il est possible de dfinir, par rcurrence, laddition de n vecteurs, n > 2. La structure despace
vectoriel permet de dfinir laddition de deux vecteurs (et initialise le processus). Si maintenant la somme de n 1
vecteurs est dfinie, alors la somme de n vecteurs v1 , v2 , . . . , vn est dfinie par
v1 + v2 + + vn = (v1 + v2 + + vn1 ) + vn .
Lassociativit de la loi + nous permet de ne pas mettre de parenthses dans la somme v1 + v2 + + vn .
n
X
On notera v1 + v2 + + vn = vi .
i=1
ESPACES VECTORIELS 2. ESPACE VECTORIEL (FIN) 4

Mini-exercices.
1. Vrifier les 8 axiomes qui font de R3 un R-espace vectoriel.
ax + b y + cz = 0

2. Idem pour une droite D de R3 passant par lorigine dfinie par .
a0 x + b0 y + c 0 z = 0 .
 
3. Justifier
 que les ensembles suivants ne sont
 pas des espaces vectoriels : (x, y) R

2
| x y = 0 ; (x, y) R2 |
x = 1 ; (x, y) R | x > 0 et y > 0 ; (x, y) R | 1 6 x 6 1 et 1 6 y 6 1 .
2 2

4. Montrer par rcurrence que si les vi sont des lments dun K-espace vectoriel E, alors pour tous i K :
1 v1 + 2 v2 + + n vn E.

2. Espace vectoriel (fin)

2.1. Dtail des axiomes de la dfinition

Revenons en dtail sur la dfinition dun espace vectoriel. Soit donc E un K-espace vectoriel. Les lments de E seront
appels des vecteurs. Les lments de K seront appels des scalaires.
Loi interne.
La loi de composition interne dans E, cest une application de E E dans E :
EE E
(u, v) 7 u+v
Cest--dire qu partir de deux vecteurs u et v de E, on nous en fournit un troisime, qui sera not u + v.
La loi de composition interne dans E et la somme dans K seront toutes les deux notes +, mais le contexte permettra
de dterminer aisment de quelle loi il sagit.

Loi externe.
La loi de composition externe, cest une application de K E dans E :
KE E
(, u) 7 u
Cest--dire qu partir dun scalaire K et dun vecteur u E, on nous fournit un autre vecteur, qui sera not u.

Axiomes relatifs la loi interne.

1. Commutativit. Pour tous u, v E, u + v = v + u. On peut donc additionner des vecteurs dans lordre que lon
souhaite.
2. Associativit. Pour tous u, v, w E, on a u + (v + w) = (u + v) + w. Consquence : on peut oublier les parenthses
et noter sans ambigut u + v + w.
3. Il existe un lment neutre, cest--dire quil existe un lment de E, not 0 E , vrifiant : pour tout u E, u + 0 E = u
(et on a aussi 0 E + u = u par commutativit). Cet lment 0 E sappelle aussi le vecteur nul.
4. Tout lment u de E admet un symtrique (ou oppos), cest--dire quil existe un lment u0 de E tel que u+u0 = 0 E
(et on a aussi u0 + u = 0 E par commutativit). Cet lment u0 de E est not u.

Proposition 1.
Sil existe un lment neutre 0 E vrifiant laxiome (3) ci-dessus, alors il est unique.
Soit u un lment de E. Sil existe un lment symtrique u0 de E vrifiant laxiome (4), alors il est unique.

Dmonstration.
Soient 0 E et 00E deux lments vrifiant la dfinition de llment neutre. On a alors, pour tout lment u de E :
u + 0E = 0E + u = u et u + 00E = 00E + u = u
Alors, la premire proprit utilise avec u = 00E donne 00E + 0 E = 0 E + 00E = 00E .
La deuxime proprit utilise avec u = 0 E donne 0 E + 00E = 00E + 0 E = 0 E .
En comparant ces deux rsultats, il vient 0 E = 00E .
ESPACES VECTORIELS 2. ESPACE VECTORIEL (FIN) 5

Supposons quil existe deux symtriques de u nots u0 et u00 . On a :

u + u0 = u0 + u = 0 E et u + u00 = u00 + u = 0 E .
Calculons u0 + (u + u00 ) de deux faons diffrentes, en utilisant lassociativit de la loi + et les relations prcdentes.
u0 + (u + u00 ) = u0 + 0 E = u0
u0 + (u + u00 ) = (u0 + u) + u00 = 0 E + u00 = u00
On en dduit u0 = u00 .

Remarque.
Les tudiants connaissant la thorie des groupes reconnatront, dans les quatre premiers axiomes ci-dessus, les axiomes
caractrisant un groupe commutatif.

Axiomes relatifs la loi externe.

5. Soit 1 llment neutre de la multiplication de K. Pour tout lment u de E, on a
1 u = u.
6. Pour tous lments et de K et pour tout lment u de E, on a
( u) = ( ) u.

Axiomes liant les deux lois.

7. Distributivit par rapport laddition des vecteurs. Pour tout lment de K et pour tous lments u et v de E,
on a
(u + v) = u + v.
8. Distributivit par rapport laddition des scalaires. Pour tous et de K et pour tout lment u de E, on a :
( + ) u = u + u.
La loi interne et la loi externe doivent donc satisfaire ces huit axiomes pour que (E, +, ) soit un espace vectoriel sur K.

2.2. Exemples
Dans tous les exemples qui suivent, la vrification des axiomes se fait simplement et est laisse au soin des tudiants.
Seules seront indiques, dans chaque cas, les valeurs de llment neutre de la loi interne et du symtrique dun
lment.
Exemple 4 (Lespace vectoriel des fonctions de R dans R).
Lensemble des fonctions f : R R est not F (R, R). Nous le munissons dune structure de R-espace vectoriel de la
manire suivante.
Loi interne. Soient f et g deux lments de F (R, R). La fonction f + g est dfinie par :
x R ( f + g)(x) = f (x) + g(x)
(o le signe + dsigne la loi interne de F (R, R) dans le membre de gauche et laddition dans R dans le membre
de droite).
Loi externe. Si est un nombre rel et f une fonction de F (R, R), la fonction f est dfinie par limage de tout
rel x comme suit :
x R ( f )(x) = f (x).
(Nous dsignons par la loi externe de F (R, R) et par la multiplication dans R. Avec lhabitude on oubliera les
signes de multiplication : ( f )(x) = f (x).)
lment neutre. Llment neutre pour laddition est la fonction nulle, dfinie par :
x R f (x) = 0.
On peut noter cette fonction 0F (R,R) .
Symtrique. Le symtrique de llment f de F (R, R) est lapplication g de R dans R dfinie par :
x R g(x) = f (x).
Le symtrique de f est not f .
ESPACES VECTORIELS 2. ESPACE VECTORIEL (FIN) 6

Exemple 5 (Le R-espace vectoriel des suites relles).

On note S lensemble des suites relles (un )nN . Cet ensemble peut tre vu comme lensemble des applications de N
dans R ; autrement dit S = F (N, R).
Loi interne. Soient u = (un )nN et v = (vn )nN deux suites appartenant S . La suite u + v est la suite w = (w n )nN
dont le terme gnral est dfini par
n N w n = un + vn
(o un + vn dsigne la somme de un et de vn dans R).
Loi externe. Si est un nombre rel et u = (un )nN un lment de S , u est la suite v = (vn )nN dfinie par
n N vn = un
o dsigne la multiplication dans R.
lment neutre. Llment neutre de la loi interne est la suite dont tous les termes sont nuls.
Symtrique. Le symtrique de la suite u = (un )nN est la suite u0 = (u0n )nN dfinie par :
n N u0n = un .
Elle est note u.

Exemple 6 (Les matrices).

Lensemble Mn,p (R) des matrices n lignes et p colonnes coefficients dans R est muni dune structure de R-espace
vectoriel. La loi interne est laddition de deux matrices. La loi externe est la multiplication dune matrice par un
scalaire. Llment neutre pour la loi interne est la matrice nulle (tous les coefficients sont nuls). Le symtrique de
la matrice A = (ai, j ) est la matrice (ai, j ). De mme, lensemble Mn,p (K) des matrices coefficients dans K est un
K-espace vectoriel.
Autres exemples :
1. Lespace vectoriel R[X ] des polynmes P(X ) = an X n + + a2 X 2 + a1 X + a0 . Laddition est laddition de deux
polynmes P(X ) + Q(X ), la multiplication par un scalaire R est P(X ). Llment neutre est le polynme nul.
Loppos de P(X ) est P(X ).
2. Lensemble des fonctions continues de R dans R ; lensemble des fonctions drivables de R dans R,...
3. C est un R-espace vectoriel : addition z + z 0 de deux nombres complexes, multiplication z par un scalaire R.
Llment neutre est le nombre complexe 0 et le symtrique du nombre complexe z est z.

2.3. Rgles de calcul

Proposition 2.
Soit E un espace vectoriel sur un corps K. Soient u E et K. Alors on a :
1. 0 u = 0 E
2. 0 E = 0 E
3. (1) u = u
4. u = 0 E = 0 ou u = 0 E

Lopration qui (u, v) associe u + (v) sappelle la soustraction. Le vecteur u + (v) est not u v. Les proprits
suivantes sont satisfaites : (u v) = u v et ( )u = u u.

Dmonstration. Les dmonstrations des proprits sont des manipulations sur les axiomes dfinissant les espaces
vectoriels.
1. Le point de dpart de la dmonstration est lgalit dans K : 0 + 0 = 0.
Do, pour tout vecteur de E, lgalit (0 + 0) u = 0 u.
Donc, en utilisant la distributivit de la loi externe par rapport la loi interne et la dfinition de llment
neutre, on obtient 0 u + 0 u = 0 u. On peut rajouter llment neutre dans le terme de droite, pour obtenir :
0 u + 0 u = 0 u + 0E .
En ajoutant (0 u) de chaque ct de lgalit, on obtient : 0 u = 0 E .
2. La preuve est semblable en partant de lgalit 0 E + 0 E = 0 E .
ESPACES VECTORIELS 3. SOUS-ESPACE VECTORIEL (DBUT) 7

3. Montrer (1) u = u signifie exactement que (1) u est le symtrique de u, cest--dire vrifie u + (1) u = 0 E .
En effet :
u + (1) u = 1 u + (1) u = (1 + (1)) u = 0 u = 0 E .
4. On sait dj que si = 0 ou u = 0 E , alors les proprits prcdentes impliquent u = 0 E .
Pour la rciproque, soient K un scalaire et u E un vecteur tels que u = 0 E .
Supposons diffrent de 0. On doit alors montrer que u = 0 E .
Comme 6= 0, alors est inversible pour le produit dans le corps K. Soit 1 son inverse.
En multipliant par 1 les deux membres de lgalit u = 0 E , il vient : 1 ( u) = 1 0 E .
Do en utilisant les proprits de la multiplication par un scalaire (1 ) u = 0 E et donc 1 u = 0 E .
Do u = 0 E .

Mini-exercices.
1. Justifier si les objets suivants sont des espaces vectoriels.
(a) Lensemble des fonctions relles sur [0, 1], continues, positives ou nulles, pour laddition et le produit par un
rel.
(b) Lensemble des fonctions relles sur R vrifiant lim x+ f (x) = 0 pour les mmes oprations.
(c) Lensemble des fonctions sur R telles que f (3) = 7.
(d) Lensemble R+ pour les oprations x y = x y et x = x ( R).
(e) Lensemble des points (x, y) de R2 vrifiant sin(x + y) = 0.
(f) Lensemble des vecteurs (x, y, z) de R3 orthogonaux au vecteur (1, 3, 2).
(g) Lensemble des fonctions de classe C 2 vrifiant f 00 + f = 0.
R1
(h) Lensemble des fonctions continues sur [0, 1] vrifiant 0 f (x) sin x d x = 0.


(i) Lensemble des matrices ac db M2 (R) vrifiant a + d = 0.
2. Prouver les proprits de la soustraction : (u v) = u v et ( ) u = u u.

3. Sous-espace vectoriel (dbut)

Il est vite fatiguant de vrifier les 8 axiomes qui font dun ensemble un espace vectoriel. Heureusement, il existe
une manire rapide et efficace de prouver quun ensemble est un espace vectoriel : grce la notion de sous-espace
vectoriel.

3.1. Dfinition dun sous-espace vectoriel

Dfinition 2.
Soit E un K-espace vectoriel. Une partie F de E est appele un sous-espace vectoriel si :
0E F ,
u + v F pour tous u, v F ,
u F pour tout K et tout u F .

Remarque.
Expliquons chaque condition.
La premire condition signifie que le vecteur nul de E doit aussi tre dans F . En fait il suffit mme de prouver que
F est non vide.
La deuxime condition, cest dire que F est stable pour laddition : la somme u + v de deux vecteurs u, v de F est
bien sr un vecteur de E (car E est un espace vectoriel), mais ici on exige que u + v soit un lment de F .
La troisime condition, cest dire que F est stable pour la multiplication par un scalaire.
ESPACES VECTORIELS 3. SOUS-ESPACE VECTORIEL (DBUT) 8

Exemple 7 (Exemples immdiats).


1. Lensemble F = (x, y) R2 | x + y = 0 est un sous-espace vectoriel de R2 . En effet :
(a) (0, 0) F ,
(b) si u = (x 1 , y1 ) et v = (x 2 , y2 ) appartiennent F , alors x 1 + y1 = 0 et x 2 + y2 = 0 donc (x 1 + x 2 ) + ( y1 + y2 ) = 0
et ainsi u + v = (x 1 + x 2 , y1 + y2 ) appartient F ,
(c) si u = (x, y) F et R, alors x + y = 0 donc x + y = 0, do u F .
y

0 x

2. Lensemble des fonctions continues sur R est un sous-espace vectoriel de lespace vectoriel des fonctions de R dans
R. Preuve : la fonction nulle est continue ; la somme de deux fonctions continues est continue ; une constante fois
une fonction continue est une fonction continue.
3. Lensemble des suites relles convergentes est un sous-espace vectoriel de lespace vectoriel des suites relles.
Voici des sous-ensembles qui ne sont pas des sous-espaces vectoriels.
Exemple 8.

1. Lensemble F1 = (x, y) R2 | x + y = 2 nest pas un sous-espace vectoriel de R2 . En effet le vecteur nul (0, 0)
nappartient pas F1 .

2. Lensemble F2 = (x, y) R2 | x = 0 ou y = 0 nest pas un sous-espace vectoriel de R2 . En effet les vecteurs
u = (1, 0) et v = (0, 1) appartiennent F2 , mais pas le vecteur u + v = (1, 1).

3. Lensemble F3 = (x, y) R2 | x > 0 et y > 0 nest pas un sous-espace vectoriel de R2 . En effet le vecteur
u = (1, 1) appartient F3 mais, pour = 1, le vecteur u = (1, 1) nappartient pas F3 .

F2 F3

0
0 0
F1

3.2. Un sous-espace vectoriel est un espace vectoriel

La notion de sous-espace vectoriel prend tout son intrt avec le thorme suivant : un sous-espace vectoriel est
lui-mme un espace vectoriel. Cest ce thorme qui va nous fournir plein dexemples despaces vectoriels.
Thorme 1.
Soient E un K-espace vectoriel et F un sous-espace vectoriel de E. Alors F est lui-mme un K-espace vectoriel pour les
lois induites par E.

Mthodologie. Pour rpondre une question du type Lensemble F est-il un espace vectoriel ? , une faon efficace
de procder est de trouver un espace vectoriel E qui contient F , puis prouver que F est un sous-espace vectoriel de E.
Il y a seulement trois proprits vrifier au lieu de huit !
ESPACES VECTORIELS 3. SOUS-ESPACE VECTORIEL (DBUT) 9

Exemple 9.
1. Est-ce que lensemble des fonctions paires (puis des fonctions impaires) forme un espace vectoriel (sur R avec les
lois usuelles sur les fonctions) ?
Notons P lensemble des fonctions paires et I lensemble des fonctions impaires. Ce sont deux sous-ensembles de
lespace vectoriel F (R, R) des fonctions.

P =  f F (R, R) | x R, f (x) = f (x)
I = f F (R, R) | x R, f (x) = f (x)
P et I sont des sous-espaces vectoriels de F (R, R). Cest trs simple vrifier, par exemple pour P :
(a) la fonction nulle est une fonction paire,
(b) si f , g P alors f + g P ,
(c) si f P et si R alors f P .
Par le thorme 1, P est un espace vectoriel (de mme pour I ).
2. Est-ce que lensemble Sn des matrices symtriques de taille n est un espace vectoriel (sur R avec les lois usuelles
sur les matrices) ?
Sn est un sous-ensemble de lespace vectoriel Mn (R). Et cest mme un sous-espace vectoriel. Il suffit en effet de
vrifier que la matrice nulle est symtrique, que la somme de deux matrices symtriques est encore symtrique et
finalement que le produit dune matrice symtrique par un scalaire est une matrice symtrique. Par le thorme 1,
Sn est un espace vectoriel.

Preuve du thorme 1. Soit F un sous-espace vectoriel dun espace vectoriel (E, +, ). La stabilit de F pour les deux
lois permet de munir cet ensemble dune loi de composition interne et dune loi de composition externe, en restreignant
F les oprations dfinies dans E. Les proprits de commutativit et dassociativit de laddition, ainsi que les quatre
axiomes relatifs la loi externe sont vrifis, car ils sont satisfaits dans E donc en particulier dans F , qui est inclus
dans E.
Lexistence dun lment neutre dcoule de la dfinition de sous-espace vectoriel. Il reste seulement justifier que si
u F , alors son symtrique u appartient F .
Fixons u F . Comme on a aussi u E et que E est un espace vectoriel alors il existe un lment de E, not u, tel
que u + (u) = 0 E . Comme u est lment de F , alors pour = 1, (1)u F . Et ainsi u appartient F .

Un autre exemple despace vectoriel est donn par lensemble des solutions dun systme linaire homogne. Soit
AX = 0 un systme de n quations p inconnues :

a11 . . . a1p x1 0
.. .. .. ..
. . . = .
an1 . . . anp xp 0
On a alors
Thorme 2.
Soit A Mn,p (R). Soit AX = 0 un systme dquations linaires homognes p variables. Alors lensemble des vecteurs
solutions est un sous-espace vectoriel de R p .

Dmonstration. Soit F lensemble des vecteurs X R p solutions de lquation AX = 0. Vrifions que F est un sous-
espace vectoriel de R p .
Le vecteur 0 est un lment de F .
F est stable par addition : si X et X 0 sont des vecteurs solutions, alors AX = 0 et AX 0 = 0, donc A(X + X 0 ) =
AX + AX 0 = 0, et ainsi X + X 0 F .
F est stable par multiplication par un scalaire : si X est un vecteur solution, on a aussi A(X ) = (AX ) = 0 = 0,
ceci pour tout R. Donc X F .
ESPACES VECTORIELS 4. SOUS-ESPACE VECTORIEL (MILIEU) 10

Exemple 10.
Considrons le systme

1 2 3 x 0
2 4 6 y = 0 .
3 6 9 z 0
Lensemble des solutions F R3 de ce systme est :

F = (x = 2s 3t, y = s, z = t) | s, t R .
Par le thorme 2, F est un sous-espace vectoriel de R3 . Donc par le thorme 1, F est un espace vectoriel.
Une autre faon de voir les choses est dcrire que les lments de F sont ceux qui vrifient lquation (x = 2 y 3z).
Autrement dit, F est dquation (x 2 y + 3z = 0). Lensemble des solutions F est donc un plan passant par lorigine.
Nous avons dj vu que ceci est un espace vectoriel.

Mini-exercices.
Parmi les ensembles suivants, reconnatre ceux qui sont des sous-espaces vectoriels :

1. (x, y, z) R3 | x + y = 0

2. (x, y, z, t) R4 | x = t et y = z

3. (x, y, z) R3 | z = 1

4. (x, y) R2 | x 2 + x y > 0

5. (x, y) R2 | x 2 + y 2 > 1

6. f F (R, R) | f (0) = 1

7. f F (R, R) | f (1) = 0

8. f F (R, R) | f est croissante

9. (un )nN | (un ) tend vers 0

4. Sous-espace vectoriel (milieu)

4.1. Combinaisons linaires

Dfinition 3.
Soit n > 1 un entier, soient v1 , v2 , . . . , vn , n vecteurs dun espace vectoriel E. Tout vecteur de la forme
u = 1 v1 + 2 v2 + + n vn
(o 1 , 2 , . . . , n sont des lments de K) est appel combinaison linaire des vecteurs v1 , v2 , . . . , vn . Les scalaires
1 , 2 , . . . , n sont appels coefficients de la combinaison linaire.

Remarque : Si n = 1, alors u = 1 v1 et on dit que u est colinaire v1 .

Exemple 11.
1. Dans le R-espace vectoriel R3 , (3, 3, 1) est combinaison linaire des vecteurs (1, 1, 0) et (1, 1, 1) car on a lgalit
(3, 3, 1) = 2(1, 1, 0) + (1, 1, 1).
2. Dans le R-espace vectoriel R2 , le vecteur u = (2, 1) nest pas colinaire au vecteur v1 = (1, 1) car sil ltait, il
existerait un rel tel que u = v1 , ce qui quivaudrait lgalit (2, 1) = (, ).
3. Soit E = F (R, R) lespace vectoriel des fonctions relles. Soient f0 , f1 , f2 et f3 les fonctions dfinies par :
x R f0 (x) = 1, f1 (x) = x, f2 (x) = x 2 , f3 (x) = x 3 .
Alors la fonction f dfinie par
x R f (x) = x 3 2x 2 7x 4
est combinaison linaire des fonctions f0 , f1 , f2 , f3 puisque lon a lgalit
f = f3 2 f2 7 f1 4 f0 .
ESPACES VECTORIELS 4. SOUS-ESPACE VECTORIEL (MILIEU) 11
 
1 1 3
4. Dans M2,3 (R), on considre A = . On peut crire A naturellement sous la forme suivante dune
0 1 4
combinaison linaire de matrices lmentaires (des zros partout, sauf un 1) :
         
1 0 0 0 1 0 0 0 1 0 0 0 0 0 0
A= + +3 +4 .
0 0 0 0 0 0 0 0 0 0 1 0 0 0 1
Voici deux exemples plus compliqus.
Exemple 12. 9
1
6
Soient u = 2 et v = 4 deux vecteurs de R3 . Montrons que w = 2 est combinaison linaire de u et v. On
1 2 7
cherche donc et tels que w = u + v :

9 1 6 6 + 6
2 = 2 + 4 = 2 + 4 = 2 + 4 .
7 1 2 2 + 2
On a donc
9 = + 6
2 = 2 + 4
7 = + 2.

Une solution de ce systme est ( = 3, = 2), ce qui implique que w est combinaison linaire de u et v. On vrifie
que lon a bien

9 1 6
2 = 3 2 + 2 4 .
7 1 2
Exemple 13.
1 6 4
Soient u = 2 et v = 4 . Montrons que w = 1 nest pas une combinaison linaire de u et v. Lgalit
1 2 8

4 1 6 4 = + 6
1 = 2 + 4 quivaut au systme 1 = 2 + 4
8 1 2 8 = + 2.

Or ce systme na aucune solution. Donc il nexiste pas , R tels que w = u + v.

4.2. Caractrisation dun sous-espace vectoriel

Thorme 3 (Caractrisation dun sous-espace par la notion de combinaison linaire).

Soient E un K-espace vectoriel et F une partie non vide de E. F est un sous-espace vectoriel de E si et seulement si
u + v F pour tous u, v F et tous , K.
Autrement dit si et seulement si toute combinaison linaire de deux lments de F appartient F .

Dmonstration.
Supposons que F soit un sous-espace vectoriel. Et soient u, v F , , K. Alors par la dfinition de sous-espace
vectoriel : u F et v F et ainsi u + v F .
Rciproquement, supposons que pour chaque u, v F , , K on a u + v F .
Comme F nest pas vide, soient u, v F . Posons = = 0. Alors u + v = 0 E F .
Si u, v F , alors en posant = = 1 on obtient u + v F .
Si u F et K (et pour nimporte quel v, en posant = 0), alors u F .

4.3. Intersection de deux sous-espaces vectoriels

Proposition 3 (Intersection de deux sous-espaces).

Soient F, G deux sous-espaces vectoriels dun K-espace vectoriel E. Lintersection F G est un sous-espace vectoriel de E.

On dmontrerait de mme que lintersection F1 F2 F3 Fn dune famille quelconque de sous-espaces vectoriels

de E est un sous-espace vectoriel de E.
ESPACES VECTORIELS 4. SOUS-ESPACE VECTORIEL (MILIEU) 12

Dmonstration. Soient F et G deux sous-espaces vectoriels de E.

0 E F , 0 E G car F et G sont des sous-espaces vectoriels de E ; donc 0 E F G.
Soient u et v deux vecteurs de F G. Comme F est un sous-espace vectoriel, alors u, v F implique u + v F . De
mme u, v G implique u + v G. Donc u + v F G.
Soient u F G et K. Comme F est un sous-espace vectoriel, alors u F implique u F . De mme u G
implique u G. Donc u F G.
Conclusion : F G est un sous-espace vectoriel de E.

Exemple 14.
Soit D le sous-ensemble de R3 dfini par :

D = (x, y, z) R3 | x + 3 y + z = 0 et x y + 2z = 0 .
Est-ce que D est sous-espace vectoriel de R3 ? Lensemble D est lintersection de F et G, les sous-ensembles de R3
dfinis par :

F = (x, y, z) R3 | x + 3 y + z = 0
G = (x, y, z) R3 | x y + 2z = 0

Ce sont deux plans passant par lorigine, donc des sous-espaces vectoriels de R3 . Ainsi D = F G est un sous-espace
vectoriel de R3 , cest une droite vectorielle.

Remarque.
La runion de deux sous-espaces vectoriels de E nest pas en gnral un sous-espace
vectoriel de E. Prenons par
exemple E = R2 . Considrons les sous-espaces vectoriels F = (x, y) | x = 0 et G = (x, y) | y = 0 . Alors F G
nest pas un sous-espace vectoriel de R2 . Par exemple, (0, 1) + (1, 0) = (1, 1) est la somme dun lment de F et dun
lment de G, mais nest pas dans F G.

(1, 1)

(0, 1)
G
0 (1, 0)

Mini-exercices.
 2  4p2
p
1. Peut-on trouver t R tel que les vecteurs 2 et 4t
p soient colinaires ?
t 2 2
1 1 1
2. Peut-on trouver t R tel que le vecteur 3t soit une combinaison linaire de 3 et 1 ?
t 2 1
ESPACES VECTORIELS 5. SOUS-ESPACE VECTORIEL (FIN) 13

5. Sous-espace vectoriel (fin)

5.1. Somme de deux sous-espaces vectoriels

Comme la runion de deux sous-espaces vectoriels F et G nest pas en gnral un sous-espace vectoriel, il est utile de
connatre les sous-espaces vectoriels qui contiennent la fois les deux sous-espaces vectoriels F et G, et en particulier
le plus petit dentre eux (au sens de linclusion).
Dfinition 4 (Dfinition de la somme de deux sous-espaces).
Soient F et G deux sous-espaces vectoriels dun K-espace vectoriel E. Lensemble de tous les lments u + v, o u
est un lment de F et v un lment de G, est appel somme des sous-espaces vectoriels F et G. Cette somme est
note F + G. On a donc

F + G = u + v | u F, v G .

F +G

Proposition 4.
Soient F et G deux sous-espaces vectoriels du K-espace vectoriel E.
1. F + G est un sous-espace vectoriel de E.
2. F + G est le plus petit sous-espace vectoriel contenant la fois F et G.

Dmonstration.
1. Montrons que F + G est un sous-espace vectoriel.
0 E F , 0 E G, donc 0 E = 0 E + 0 E F + G.
Soient w et w0 des lments de F + G. Comme w est dans F + G, il existe u dans F et v dans G tels que w = u + v.
Comme w0 est dans F + G, il existe u0 dans F et v 0 dans G tels que w0 = u0 + v 0 . Alors w+ w0 = (u+ v)+(u0 + v 0 ) =
(u + u0 ) + (v + v 0 ) F + G, car u + u0 F et v + v 0 G.
Soit w un lment de F + G et K. Il existe u dans F et v dans G tels que w = u + v. Alors w = (u + v) =
(u) + (v) F + G, car u F et v G.
2. Lensemble F + G contient F et contient G : en effet tout lment u de F scrit u = u + 0 avec u appartenant
F et 0 appartenant G (puisque G est un sous-espace vectoriel), donc u appartient F + G. De mme pour un
lment de G.
Si H est un sous-espace vectoriel contenant F et G, alors montrons que F + G H. Cest clair : si u F alors
en particulier u H (car F H), de mme si v G alors v H. Comme H est un sous-espace vectoriel, alors
u + v H.

Exemple 15.
Dterminons F + G dans le cas o F et G sont les sous-espaces vectoriels de R3 suivants :
 
F = (x, y, z) R3 | y = z = 0 et G = (x, y, z) R3 | x = z = 0 .
ESPACES VECTORIELS 5. SOUS-ESPACE VECTORIEL (FIN) 14

F +G
F
G 0
y

Un lment w de F + G scrit w = u + v o u est un lment de F et v un lment de G. Comme u F alors il existe

x R tel que u = (x, 0, 0), et comme v G il existe y R tel que v = (0, y, 0). Doncw = (x, y, 0). Rciproquement,

un tel lment w = (x, y, 0) est la somme de (x, 0, 0) et de (0, y, 0). Donc F + G = (x, y, z) R3 | z = 0 . On voit
mme que, pour cet exemple, tout lment de F + G scrit de faon unique comme la somme dun lment de F et
dun lment de G.
Exemple 16.
Soient F et G les deux sous-espaces vectoriels de R3 suivants :
 
F = (x, y, z) R3 | x = 0 et G = (x, y, z) R3 | y = 0 .

z G

0
y

Dans cet exemple, montrons que F + G = R3 . Par dfinition de F + G, tout lment de F + G est dans R3 . Mais
rciproquement, si w = (x, y, z) est un lment quelconque de R3 : w = (x, y, z) = (0, y, z) + (x, 0, 0), avec (0, y, z) F
et (x, 0, 0) G, donc w appartient F + G.
Remarquons que, dans cet exemple, un lment de R3 ne scrit pas forcment de faon unique comme la somme dun
lment de F et dun lment de G. Par exemple (1, 2, 3) = (0, 2, 3) + (1, 0, 0) = (0, 2, 0) + (1, 0, 3).

5.2. Sous-espaces vectoriels supplmentaires

Dfinition 5 (Dfinition de la somme directe de deux sous-espaces).

Soient F et G deux sous-espaces vectoriels de E. F et G sont en somme directe dans E si
F G = {0 E },
F + G = E.
On note alors F G = E.

Si F et G sont en somme directe, on dit que F et G sont des sous-espaces vectoriels supplmentaires dans E.
Proposition 5.
F et G sont supplmentaires dans E si et seulement si tout lment de E scrit dune manire unique comme la somme
dun lment de F et dun lment de G.
ESPACES VECTORIELS 5. SOUS-ESPACE VECTORIEL (FIN) 15

Remarque.
Dire quun lment w de E scrit dune manire unique comme la somme dun lment de F et dun lment de G
signifie que si w = u + v avec u F , v G et w = u0 + v 0 avec u0 F , v 0 G alors u = u0 et v = v 0 .
On dit aussi que F est un sous-espace supplmentaire de G (ou que G est un sous-espace supplmentaire de F ).
Il ny a pas unicit du supplmentaire dun sous-espace vectoriel donn (voir un exemple ci-dessous).
Lexistence dun supplmentaire dun sous-espace vectoriel sera prouve dans le cadre des espaces vectoriels de
dimension finie.

Dmonstration.
Supposons E = F G et montrons que tout lment u E se dcompose de manire unique. Soient donc u = v + w
et u = v 0 + w0 avec v, v 0 F et w, w0 G. On a alors v + w = v 0 + w0 , donc v v 0 = w0 w. Comme F est un
sous-espace vectoriel alors v v 0 F , mais dautre part G est aussi un sous-espace vectoriel donc w0 w G.
Conclusion : v v 0 = w0 w F G. Mais par dfinition despaces supplmentaires F G = {0 E }, donc v v 0 = 0 E
et aussi w0 w = 0 E . On en dduit v = v 0 et w = w0 , ce quil fallait dmontrer.
Supposons que tout u E se dcompose de manire unique et montrons E = F G.
Montrons F G = {0 E }. Si u F G, il peut scrire des deux manires suivantes comme somme dun lment
de F et dun lment de G :
u = 0E + u et u = u + 0E .
Par lunicit de la dcomposition, u = 0 E .
Montrons F + G = E. Il ny rien prouver, car par hypothse tout lment u se dcompose en u = v + w, avec
v F et w G.

Exemple 17.
 
1. Soient F = (x, 0) R2 | x R et G = (0, y) R2 | y R .
Montrons que F G = R2 . La premire faon de le voir est que lon a clairement F G = {(0, 0)} et que,
comme (x, y) = (x, 0) + (0, y), alors F + G = R2 . Une autre faon de le voir est dutiliser la proposition 5, car la
dcomposition (x, y) = (x, 0) + (0, y) est unique.
y
G
G0

F
0 x


2. Gardons F et notons G 0 = (x, x) R2 | x R . Montrons que lon a aussi F G 0 = R2 :
(a) Montrons F G 0 = {(0, 0)}. Si (x, y) F G 0 alors dune part (x, y) F donc y = 0, et aussi (x, y) G 0 donc
x = y. Ainsi (x, y) = (0, 0).
(b) Montrons F + G 0 = R2 . Soit u = (x, y) R2 . Cherchons v F et w G 0 tels que u = v + w. Comme
v = (x 1 , y1 ) F alors y1 = 0, et comme w = (x 2 , y2 ) G 0 alors x 2 = y2 . Il sagit donc de trouver x 1 et x 2 tels
que
(x, y) = (x 1 , 0) + (x 2 , x 2 ).
Donc (x, y) = (x 1 + x 2 , x 2 ). Ainsi x = x 1 + x 2 et y = x 2 , do x 1 = x y et x 2 = y. On trouve bien
(x, y) = (x y, 0) + ( y, y),
qui prouve que tout lment de R2 est somme dun lment de F et dun lment de G 0 .
3. De faon plus gnrale, deux droites distinctes du plan passant par lorigine forment des sous-espaces supplmen-
taires.
ESPACES VECTORIELS 5. SOUS-ESPACE VECTORIEL (FIN) 16

Exemple 18.
Est-ce que les sous-espaces vectoriels F et G de R3 dfinis par
 
F = (x, y, z) R3 | x y z = 0 et G = (x, y, z) R3 | y = z = 0
sont supplmentaires dans R3 ?

1. Il est facile de vrifier que F G = {0}. En effet si llment u = (x, y, z) appartient lintersection de F et de G,
alors les coordonnes de u vrifient : x y z = 0 (car u appartient F ), et y = z = 0 (car u appartient G),
donc u = (0, 0, 0).
2. Il reste dmontrer que F + G = R3 .
Soit donc u = (x, y, z) un lment quelconque de R3 ; il faut dterminer des lments v de F et w de G tels que
u = v + w. Llment v doit tre de la forme v = ( y1 + z1 , y1 , z1 ) et llment w de la forme w = (x 2 , 0, 0). On a
u = v + w si et seulement si y1 = y, z1 = z, x 2 = x y z. On a donc
(x, y, z) = ( y + z, y, z) + (x y z, 0, 0)
avec v = ( y + z, y, z) dans F et w = (x y z, 0, 0) dans G.
Conclusion : F G = R3 .
Exemple 19.
Dans le R-espace vectoriel F (R, R) des fonctions de R dans R, on considre le sous-espace vectoriel des fonctions
paires P et le sous-espace vectoriel des fonctions impaires I . Montrons que P I = F (R, R).
1. Montrons P I = {0F (R,R) }.
Soit f P I , cest--dire que f est la fois une fonction paire et impaire. Il sagit de montrer que f est la
fonction identiquement nulle. Soit x R. Comme f (x) = f (x) (car f est paire) et f (x) = f (x) (car f est
impaire), alors f (x) = f (x), ce qui implique f (x) = 0. Ceci est vrai quel que soit x R ; donc f est la fonction
nulle. Ainsi P I = {0F (R,R) }.
2. Montrons P + I = F (R, R).
Soit f F (R, R). Il sagit de montrer que f peut scrire comme la somme dune fonction paire et dune fonction
impaire.
Analyse. Si f = g + h, avec g P , h I , alors pour tout x, dune part, (a) f (x) = g(x) + h(x), et dautre part,
(b) f (x) = g(x) + h(x) = g(x) h(x). Par somme et diffrence de (a) et (b), on tire que
f (x) + f (x) f (x) f (x)
g(x) = et h(x) = .
2 2
f (x)+ f (x) f (x) f (x)
Synthse. Pour f F (R, R), on dfinit deux fonctions g, h par g(x) = 2 et h(x) = 2 . Alors dune
part f (x) = g(x) + h(x) et dautre part g P (vrifier g(x) = g(x)) et h I (vrifier h(x) = h(x)). Bilan :
P + I = F (R, R).
En conclusion, P et I sont en somme directe dans F (R, R) : P I = F (R, R). Notez que, comme le prouvent nos
calculs, les g et h obtenus sont uniques.
ESPACES VECTORIELS 5. SOUS-ESPACE VECTORIEL (FIN) 17

5.3. Sous-espace engendr

Thorme 4 (Thorme de structure de lensemble des combinaisons linaires).

Soit {v1 , . . . , vn } un ensemble fini de vecteurs dun K-espace vectoriel E. Alors :
Lensemble des combinaisons linaires des vecteurs {v1 , . . . , vn } est un sous-espace vectoriel de E.
Cest le plus petit sous-espace vectoriel de E (au sens de linclusion) contenant les vecteurs v1 , . . . , vn .

Notation. Ce sous-espace vectoriel est appel sous-espace engendr par v1 , . . . , vn et est not Vect(v1 , . . . , vn ). On a
donc

u Vect(v1 , . . . , vn ) il existe 1 , . . . , n K tels que u = 1 v1 + + n vn

Remarque.
Dire que Vect(v1 , . . . , vn ) est le plus petit sous-espace vectoriel de E contenant les vecteurs v1 , . . . , vn signifie que si
F est un sous-espace vectoriel de E contenant aussi les vecteurs v1 , . . . , vn alors Vect(v1 , . . . , vn ) F .
Plus gnralement, on peut dfinir le sous-espace vectoriel engendr par une partie V quelconque (non ncessai-
rement finie) dun espace vectoriel : Vect V est le plus petit sous-espace vectoriel contenant V .

Exemple 20.
1. E tant un K-espace vectoriel, et u un lment quelconque de E, lensemble Vect(u) = {u | K} est le sous-
espace vectoriel de E engendr par u. Il est souvent not Ku. Si u nest pas le vecteur nul, on parle dune droite
vectorielle.

K = Vect(u)

v u
u 0
0

Vect(u, v)

2. Si u et v sont deux vecteurs de E, alors Vect(u, v) = u + v | , K . Si u et v ne sont pas colinaires, alors
Vect(u, v) est un plan vectoriel.
1 1
3. Soient u = 1 et v = 2 deux vecteurs de R3 . Dterminons P = Vect(u, v).
1 3
x x
y Vect(u, v) y = u + v pour certains , R
z xz 1 1
y = 1 + 2
z 1 3
x = +
y = + 2
z = + 3

Nous obtenons bien une quation paramtrique du plan P passant par lorigine et contenant les vecteurs u et v.
On sait en trouver une quation cartsienne : (x 2 y + z = 0).

Exemple 21.
Soient E lespace vectoriel des applications de R dans R et f0 , f1 , f2 les applications dfinies par :
x R f0 (x) = 1, f1 (x) = x et f2 (x) = x 2 .
Le sous-espace vectoriel de E engendr par { f0 , f1 , f2 } est lespace vectoriel des fonctions polynmes f de degr
infrieur ou gal 2, cest--dire de la forme f (x) = ax 2 + bx + c.

Mthodologie. On peut dmontrer quune partie F dun espace vectoriel E est un sous-espace vectoriel de E en
montrant que F est gal lensemble des combinaisons linaires dun nombre fini de vecteurs de E.
ESPACES VECTORIELS 6. APPLICATION LINAIRE (DBUT) 18

Exemple 22. 
Est-ce que F = (x, y, z) R3 | x y z = 0 est un sous-espace vectoriel de R3 ?
Un triplet de R3 est lment de F si et seulement si x = y + z. Donc u est lment de F si et seulement sil peut scrire
u = ( y + z, y, z). Or, on a lgalit
( y + z, y, z) = y(1, 1, 0) + z(1, 0, 1).

Donc
 F est lensemble
des combinaisons
 de (1, 1, 0), (1, 0, 1) . Cest le sous-espace vectoriel engendr par
linaires
(1, 1, 0), (1, 0, 1) : F = Vect (1, 1, 0), (1, 0, 1) . Cest bien un plan vectoriel (un plan passant par lorigine).

Preuve du thorme 4.
1. On appelle F lensemble des combinaisons linaires des vecteurs {v1 , . . . , vn }.
(a) 0 E F car F contient la combinaison linaire particulire 0v1 + + 0vn .
(b) Si u, v F alors il existe 1 , . . . , n K tels que u = 1 v1 + + n vn et 1 , . . . , n K tels que v =
1 v1 + + n vn . On en dduit que u + v = (1 + 1 )v1 + + (n + n )vn appartient bien F .
(c) De mme, u = (1 )v1 + + (n )vn F .
Conclusion : F est un sous-espace vectoriel.
2. Si G est un sous-espace vectoriel contenant {v1 , . . . , vn }, alors il est stable par combinaison linaire ; il contient
donc toute combinaison linaire des vecteurs {v1 , . . . , vn }. Par consquent F est inclus dans G : F est le plus petit
sous-espace (au sens de linclusion) contenant {v1 , . . . , vn }.

Mini-exercices.
1. Trouver des sous-espaces vectoriels distincts F et G de R3 tels que
(a) F + G = R3 et F G 6= {0} ;
(b) F + G 6= R3 et F G = {0} ;
(c) F + G = R3 et F G = {0} ;
(d) F + G 6= R3 et F G 6= {0}.
 
2. Soient F = (x, y, z) R3 | x + y + z = 0 et G = Vect (1, 1, 1) R3 .
(a) Montrer que F est un espace vectoriel. Trouver deux vecteurs u, v tels que F = Vect(u, v).
(b) Calculer F G et montrer que F + G = R3 . Que conclure ?





3. Soient A = 10 00 , B = 00 01 , C = 00 10 , D = 01 00 des matrices de M2 (R).
(a) Quel est lespace vectoriel F engendr par A et B ? Idem avec G engendr par C et D.
(b) Calculer F G. Montrer que F + G = M2 (R). Conclure.

6. Application linaire (dbut)

6.1. Dfinition
Nous avons dj rencontr la notion dapplication linaire dans le cas f : R p Rn (voir le chapitre Lespace
vectoriel Rn ). Cette notion se gnralise des espaces vectoriels quelconques.
Dfinition 6.
Soient E et F deux K-espaces vectoriels. Une application f de E dans F est une application linaire si elle satisfait
aux deux conditions suivantes :
1. f (u + v) = f (u) + f (v), pour tous u, v E ;
2. f ( u) = f (u), pour tout u E et tout K.

Autrement dit : une application est linaire si elle respecte les deux lois dun espace vectoriel.

Notation. Lensemble des applications linaires de E dans F est not L (E, F ).

ESPACES VECTORIELS 6. APPLICATION LINAIRE (DBUT) 19

6.2. Premiers exemples

Exemple 23.
Lapplication f dfinie par
f : R3 R2
(x, y, z) 7 (2x, y + 3z)
est une application linaire. En effet, soient u = (x, y, z) et v = (x 0 , y 0 , z 0 ) deux lments de R3 et un rel.
f (u + v) = f (x + x 0 , y + y 0 , z + z 0 )

= 2(x + x 0 ), y + y 0 + 3(z + z 0 )
= (2x, y + 3z) + (2x 0 , y 0 + 3z 0 )
= f (u) + f (v)
et
f ( u) = f (x, y, z)
= (2x, y + 3z)
= (2x, y + 3z)
= f (u)
Toutes les applications ne sont pas des applications linaires !
Exemple 24.
Soit f : R R lapplication dfinie par f (x) = x 2 . On a f (1) = 1 et f (2) = 4. Donc f (2) 6= 2 f (1). Ce qui fait que
lon na pas lgalit f (x) = f (x) pour un certain choix de , x. Donc f nest pas linaire. Notez que lon na pas
non plus f (x + x 0 ) = f (x) + f (x 0 ) ds que x x 0 6= 0.
Voici dautres exemples dapplications linaires :
1. Pour une matrice fixe A Mn,p (R), lapplication f : R p Rn dfinie par
f (X ) = AX
est une application linaire.
2. L application nulle, note 0L (E,F ) :
f : E F f (u) = 0 F pour tout u E.
3. L application identit, note id E :
f : E E f (u) = u pour tout u E.

6.3. Premires proprits

Proposition 6.
Soient E et F deux K-espaces vectoriels. Si f est une application linaire de E dans F , alors :
f (0 E ) = 0 F ,
f (u) = f (u), pour tout u E.

Dmonstration. Il suffit dappliquer la dfinition de la linarit avec = 0, puis avec = 1.

Pour dmontrer quune application est linaire, on peut aussi utiliser une proprit plus concentre , donne par la
caractrisation suivante :
Proposition 7 (Caractrisation dune application linaire).
Soient E et F deux K-espaces vectoriels et f une application de E dans F . Lapplication f est linaire si et seulement si,
pour tous vecteurs u et v de E et pour tous scalaires et de K,

f (u + v) = f (u) + f (v).

Plus gnralement, une application linaire f prserve les combinaisons linaires : pour tous 1 , . . . , n K et tous
v1 , . . . , vn E, on a
f (1 v1 + + n vn ) = 1 f (v1 ) + + n f (vn ).
ESPACES VECTORIELS 7. APPLICATION LINAIRE (MILIEU) 20

Dmonstration.
Soit f une application linaire de E dans F . Soient u, v E, , K. En utilisant les deux axiomes de la dfinition,
on a
f (u + v) = f (u) + f (v) = f (u) + f (v).
Montrons la rciproque. Soit f : E F une application telle que f (u + v) = f (u) + f (v) (pour tous u, v E,
, K). Alors, dune part f (u + v) = f (u) + f (v) (en considrant le cas particulier o = = 1), et dautre part
f (u) = f (u) (cas particulier o = 0).

Vocabulaire.
Soient E et F deux K-espaces vectoriels.
Une application linaire de E dans F est aussi appele morphisme ou homomorphisme despaces vectoriels.
Lensemble des applications linaires de E dans F est not L (E, F ).
Une application linaire de E dans E est appele endomorphisme de E. Lensemble des endomorphismes de E est
not L (E).
Mini-exercices.
Montrer que les applications suivantes f i : R2 R2 sont linaires. Caractriser gomtriquement ces applications
et faire un dessin.
1. f1 (x, y) = (x, y) ;
2. f2 (x, y) = (3x, 3 y) ;
3. f3 (x, y) = (x, y) ;
4. f4 (x, y) = (x, y) ;
p p
3
12 y, 12 x + 3


5. f5 (x, y) = 2 x 2 y .

7. Application linaire (milieu)

7.1. Exemples gomtriques

Symtrie centrale.
Soient E un K-espace vectoriel. On dfinit lapplication f par :
f :E E
u 7 u
f est linaire et sappelle la symtrie centrale par rapport lorigine 0 E .

0
f (u) = u
f (u) = u
u
0

Homothtie.
Soient E un K-espace vectoriel et K. On dfinit lapplication f par :
f : E E
u 7 u
f est linaire. f est appele homothtie de rapport .
Cas particuliers notables :
ESPACES VECTORIELS 7. APPLICATION LINAIRE (MILIEU) 21

= 1, f est lapplication identit ;

= 0, f est lapplication nulle ;
= 1, on retrouve la symtrie centrale.
Preuve que f est une application linaire :
f (u + v) = (u + v) = (u) + (v) = f (u) + f (v).

Projection.
Soient E un K-espace vectoriel et F et G deux sous-espaces vectoriels supplmentaires dans E, cest--dire E = F G.
Tout vecteur u de E scrit de faon unique u = v + w avec v F et w G. La projection sur F paralllement G est
lapplication p : E E dfinie par p(u) = v.

w u

F
v = p(u)

Une projection est une application linaire.

En effet, soient u, u0 E, , K. On dcompose u et u0 en utilisant que E = F G : u = v + w, u0 = v 0 + w0 avec
v, v 0 F , w, w0 G. Commenons par crire
u + u0 = (v + w) + (v 0 + w0 ) = (v + v 0 ) + (w + w0 ).
Comme F et G sont des un sous-espaces vectoriels de E, alors v + v 0 F et w + w0 G. Ainsi :
p(u + u0 ) = v + v 0 = p(u) + p(u0 ).
Une projection p vrifie lgalit p2 = p.

Note : p2 = p signifie p p = p, cest--dire pour tout u E : p p(u) = p(u). Il sagit juste de remarquer que si
v F alors p(v) = v (car v = v + 0, avec v F et
0 G). Maintenant, pour u E, on a u = v + w avec v F et
w G. Par dfinition p(u) = v. Mais alors p p(u) = p(v) = v. Bilan : p p(u) = v = p(u). Donc p p = p.
Exemple 25.
Nous avons vu que les sous-espaces vectoriels F et G de R3 dfinis par
 
F = (x, y, z) R3 | x y z = 0 et G = (x, y, z) R3 | y = z = 0
sont supplmentaires dans R3 : R3 = F G (exemple 18). Nous avions vu que la dcomposition scrivait :
(x, y, z) = ( y + z, y, z) + (x y z, 0, 0).
Si p est la projection sur F paralllement G, alors on a p(x, y, z) = ( y + z, y, z).

G
(x, y, z)
F

0
p(x, y, z)

Exemple 26.
Nous avons vu dans lexemple 19 que lensemble des fonctions paires P et lensemble des fonctions impaires I sont
ESPACES VECTORIELS 7. APPLICATION LINAIRE (MILIEU) 22

des sous-espaces vectoriels supplmentaires dans F (R, R). Notons p la projection sur P paralllement I . Si f est
un lment de F (R, R), on a p( f ) = g o
g :R R
f (x) + f (x)
x 7 .
2

7.2. Autres exemples

1. La drivation. Soient E = C 1 (R, R) lespace vectoriel des fonctions f : R R drivables avec f 0 continue et
F = C 0 (R, R) lespace vectoriel des fonctions continues. Soit
d : C 1 (R, R) C 0 (R, R)
f 7 f0
Alors d est une application linaire, car ( f + g)0 = f 0 + g 0 et donc d( f + g) = d( f ) + d(g).
2. Lintgration. Soient E = C 0 (R, R) et F = C 1 (R, R). Soit
I : C 0 (R, R) C 1 (R, R)
Rx
f (x) 7 0
f (t) d t
Rx
Rx Rx
Lapplication I est linaire car 0
f (t) + g(t) d t = 0 f (t) d t + 0 g(t) d t pour toutes fonctions f et g et
pour tous , R.
3. Avec les polynmes.
Soit E = Rn [X ] lespace vectoriel des polynmes de degr 6 n. Soit F = Rn+1 [X ] et soit
f : E F
P(X ) 7 X P(X )
Autrement dit, si P(X ) = an X n + + a1 X + a0 , alors f (P(X )) = an X n+1 + + a1 X 2 + a0 X .
Cest une application linaire : f (P(X ) + Q(X )) = X P(X ) + X Q(X ) = f (P(X )) + f (Q(X )).
4. La transposition.
Considrons lapplication T de Mn (K) dans Mn (K) donne par la transposition :
T : Mn (K) Mn (K)
A 7 AT
T est linaire, car on sait que pour toutes matrices A, B Mn (K) et tous scalaires , K :
(A + B) T = (A) T + (B) T = AT + B T .
5. La trace.

tr : Mn (K) K
A 7 tr A
est une application linaire car tr(A + B) = tr A + tr B.

Mini-exercices.
1. Les applications suivantes sont-elles linaires ?
(a) R R, x 7 3x 2
(b) R4 R, (x, y, x 0 , y 0 ) 7 x x 0 + y y 0
(c) C 0 (R, R) R, f 7 f (1)
(d) C (R, R) C (R, R),
1 0
f 7 f 0 + f
R1
(e) C 0 ([0, 1], R) R, f 7 0 | f (t)| d t
(f) C 0 ([0, 1], R) R, f 7 max x[0,1] f (x)
(g) R3 [X ] R3 [X ], P(X ) 7 P(X + 1) P(0)
T T
2. Soient f , g : Mn (R) Mn (R) dfinies par A 7 A+A
2 et A 7 AA
2 . Montrer que f et g sont des applications
linaires. Montrer que f (A) est une matrice symtrique, g(A) une matrice antisymtrique et que A = f (A) + g(A).
En dduire que les matrices symtriques et les matrices antisymtriques sont en somme directe dans Mn (R).
Caractriser gomtriquement f et g.
ESPACES VECTORIELS 8. APPLICATION LINAIRE (FIN) 23

8. Application linaire (fin)

8.1. Image dune application linaire

Commenons par des rappels. Soient E et F deux ensembles et f une application de E dans F . Soit A un sous-ensemble
de E. Lensemble des images par f des lments de A, appel image directe de A par f , est not f (A). Cest un
sous-ensemble de F . On a par dfinition :

f (A) = f (x) | x A .

Dans toute la suite, E et F dsigneront des K-espaces vectoriels et f : E F sera une application linaire.
f (E) sappelle limage de lapplication linaire f et est not Im f .
Proposition 8 (Structure de limage dun sous-espace vectoriel).
1. Si E 0 est un sous-espace vectoriel de E, alors f (E 0 ) est un sous-espace vectoriel de F .
2. En particulier, Im f est un sous-espace vectoriel de F .

Remarque.
On a par dfinition de limage directe f (E) :
f est surjective si et seulement si Im f = F .

Dmonstration. Tout dabord, comme 0 E E 0 alors 0 F = f (0 E ) f (E 0 ). Ensuite on montre que pour tout couple
( y1 , y2 ) dlments de f (E 0 ) et pour tous scalaires , , llment y1 + y2 appartient f (E 0 ). En effet :
y1 f (E 0 ) x 1 E 0 , f (x 1 ) = y1
y2 f (E 0 ) x 2 E 0 , f (x 2 ) = y2 .
Comme f est linaire, on a
y1 + y2 = f (x 1 ) + f (x 2 ) = f (x 1 + x 2 ).
Or x 1 + x 2 est un lment de E 0 , car E 0 est un sous-espace vectoriel de E, donc y1 + y2 est bien un lment de
f (E 0 ).

8.2. Noyau dune application linaire

Dfinition 7 (Dfinition du noyau).

Soient E et F deux K-espaces vectoriels et f une application linaire de E dans F . Le noyau de f , not Ker( f ), est
lensemble des lments de E dont limage est 0 F :

Ker( f ) = x E | f (x) = 0 F

Autrement dit, le noyau est limage rciproque du vecteur nul de lespace darrive : Ker( f ) = f 1 {0 F }.

Proposition 9.
Soient E et F deux K-espaces vectoriels et f une application linaire de E dans F . Le noyau de f est un sous-espace
vectoriel de E.

Dmonstration. Ker( f ) est non vide car f (0 E ) = 0 F donc 0 E Ker( f ). Soient x 1 , x 2 Ker( f ) et , K. Montrons
que x 1 + x 2 est un lment de Ker( f ). On a, en utilisant la linarit de f et le fait que x 1 et x 2 sont des lments
de Ker( f ) : f (x 1 + x 2 ) = f (x 1 ) + f (x 2 ) = 0 F + 0 F = 0 F .

Exemple 27.
Reprenons lexemple de lapplication linaire f dfinie par
f : R3 R2
(x, y, z) 7 (2x, y + 3z)
ESPACES VECTORIELS 8. APPLICATION LINAIRE (FIN) 24

Calculons le noyau Ker( f ).

(x, y, z) Ker( f ) f (x, y, z) = (0, 0)

(2x,
y + 3z) = (0, 0)
2x = 0


y + 3z = 0
(x, y, z) = (0, 3z, z), z R
 
Donc Ker( f ) = (0, 3z, z) | z R . Autrement dit, Ker( f ) = Vect (0, 3, 1) : cest une droite vectorielle.
Calculons limage de f . Fixons (x 0 , y 0 ) R2 .
(x 0 , y 0 ) = f (x, y, z) (2x, y + 3z) = (x 0 , y 0 )
2x = x 0


y + 3z = y 0
0
On peut prendre par exemple x = x2 , y 0 = y, z = 0. Conclusion : pour nimporte quel (x 0 , y 0 ) R2 , on a
0
f ( x2 , y 0 , 0) = (x 0 , y 0 ). Donc Im( f ) = R2 , et f est surjective.
Exemple 28. 
Soit A Mn,p (R). Soit f : R p Rn lapplication linaire dfinie par f (X ) = AX . Alors Ker( f ) = X R p | AX = 0 :
cest donc lensemble des X R p solutions du systme linaire homogne AX = 0. On verra plus tard que Im( f ) est
lespace engendr par les colonnes de la matrice A.

Le noyau fournit une nouvelle faon dobtenir des sous-espaces vectoriels.

Exemple 29.
Un plan P passant par lorigine, dquation (ax + b y + cz = 0), est un sous-espace vectoriel de R3 . En effet, soit
f : R3  R lapplication dfinie par f (x, y,
z) = ax + b y + cz. Il est facile de vrifier que f est linaire, de sorte que
Ker f = (x, y, z) R3 | a x + b y + cz = 0 = P est un sous-espace vectoriel.
Exemple 30.
Soient E un K-espace vectoriel, F et G deux sous-espaces vectoriels de E, supplmentaires : E = F G. Soit p la
projection sur F paralllement G. Dterminons le noyau et limage de p.

w u

F
v = p(u)

Un vecteur u de E scrit dune manire unique u = v + w avec v F et w G et par dfinition p(u) = v.

Ker(p) = G : le noyau de p est lensemble des vecteurs u de E tels que v = 0, cest donc G.
Im(p) = F . Il est immdiat que Im(p) F . Rciproquement, si u F alors p(u) = u, donc F Im(p).
Conclusion :
Ker(p) = G et Im(p) = F.

Thorme 5 (Caractrisation des applications linaires injectives).

Soient E et F deux K-espaces vectoriels et f une application linaire de E dans F . Alors :

f injective Ker( f ) = 0 E

Autrement dit, f est injective si et seulement si son noyau ne contient que le vecteur nul. En particulier, pour montrer
que f est injective, il suffit de vrifier que :
si f (x) = 0 F alors x = 0 E .

Dmonstration.
ESPACES VECTORIELS 8. APPLICATION LINAIRE (FIN) 25

Supposons que f soit injective et montrons que Ker( f ) = {0 E }. Soit x un lment de Ker( f ). On a f (x) = 0 F . Or,
comme f est linaire, on a aussi f (0 E ) = 0 F . De lgalit f (x) = f (0 E ), on dduit x = 0 E car f est injective. Donc
Ker( f ) = {0 E }.
Rciproquement, supposons maintenant que Ker( f ) = {0 E }. Soient x et y deux lments de E tels que f (x) = f ( y).
On a donc f (x) f ( y) = 0 F . Comme f est linaire, on en dduit f (x y) = 0 F , cest--dire x y est un lment
de Ker( f ). Donc x y = 0 E , soit x = y.

Exemple 31.
Considrons, pour n > 1, lapplication linaire
f : Rn [X ] Rn+1 [X ]
P(X ) 7 X P(X ).
tudions dabord le noyau de f : soit P(X ) = an X + + a1 X + a0 Rn [X ] tel que X P(X ) = 0. Alors
n

an X n+1 + + a1 X 2 + a0 X = 0.
Ainsi, ai = 0 pour tout i {0, . . . , n} et donc P(X ) = 0. Le noyau de f est donc nul : Ker( f ) ={0}.
Lespace Im( f ) est lensemble des polynmes de Rn+1 [X ] sans terme constant : Im( f ) = Vect X , X 2 , . . . , X n+1 .
Conclusion : f est injective, mais nest pas surjective.

8.3. Lespace vectoriel L (E, F )

Soient E et F deux K-espaces vectoriels. Remarquons tout dabord que, similairement lexemple 4, lensemble des
applications de E dans F , not F (E, F ), peut tre muni dune loi de composition interne + et dune loi de composition
externe, dfinies de la faon suivante : f , g tant deux lments de F (E, F ), et tant un lment de K, pour tout
vecteur u de E,
( f + g)(u) = f (u) + g(u) et ( f )(u) = f (u).
Proposition 10.
Lensemble des applications linaires entre deux K-espaces vectoriels E et F , not L (E, F ), muni des deux lois dfinies
prcdemment, est un K-espace vectoriel.

Dmonstration. Lensemble L (E, F ) est inclus dans le K-espace vectoriel F (E, F ). Pour montrer que L (E, F ) est un
K-espace vectoriel, il suffit donc de montrer que L (E, F ) est un sous-espace vectoriel de F (E, F ) :
Tout dabord, lapplication nulle appartient L (E, F ).
Soient f , g L (E, F ), et montrons que f + g est linaire. Pour tous vecteurs u et v de E et pour tous scalaires ,
de K,
( f + g)(u + v) = f (u + v) + g(u + v) (dfinition de f + g)
= f (u) + f (v) + g(u) + g(v) (linarit de f et de g)
= ( f (u) + g(u)) + ( f (v) + g(v)) (proprits des lois de F )
= ( f + g)(u) + ( f + g)(v) (dfinition de f + g)

f + g est donc linaire et L (E, F ) est stable pour laddition.

Soient f L (E, F ), K, et montrons que f est linaire.
( f )(u + v) = f (u + v) (dfinition de f )
= ( f (u) + f (v)) (linarit de f )
= f (u) + f (v) (proprits des lois de F )
= ( f )(u) + ( f )(v) (dfinition de f )

f est donc linaire et L (E, F ) est stable pour la loi externe.

L (E, F ) est donc un sous-espace vectoriel de F (E, F ).

En particulier, L (E) est un sous-espace vectoriel de F (E, E).

ESPACES VECTORIELS 8. APPLICATION LINAIRE (FIN) 26

8.4. Composition et inverse dapplications linaires

Proposition 11 (Compose de deux applications linaires).

Soient E, F, G trois K-espaces vectoriels, f une application linaire de E dans F et g une application linaire de F dans
G. Alors g f est une application linaire de E dans G.

Remarque.
En particulier, le compos de deux endomorphismes de E est un endomorphisme de E. Autrement dit, est une loi de
composition interne sur L (E).

Dmonstration. Soient u et v deux vecteurs de E, et et deux lments de K. Alors :

(g f )(u + v) = g ( f (u + v)) (dfinition de g f )
= g ( f (u) + f (v)) (linarit de f )
= g ( f (u)) + g ( f (v)) (linarit de g)
= (g f )(u) + (g f )(v) (dfinition de g f )

La composition des applications linaires se comporte bien :

g ( f1 + f2 ) = g f1 + g f2 (g1 + g2 ) f = g1 f + g2 f (g) f = g ( f ) = (g f )

Vocabulaire.
Soient E et F deux K-espaces vectoriels.
Une application linaire bijective de E sur F est appele isomorphisme despaces vectoriels. Les deux espaces
vectoriels E et F sont alors dits isomorphes.
Un endomorphisme bijectif de E (cest--dire une application linaire bijective de E dans E) est appel automor-
phisme de E. Lensemble des automorphismes de E est not G L(E).
Proposition 12 (Linarit de lapplication rciproque dun isomorphisme).
Soient E et F deux K-espaces vectoriels. Si f est un isomorphisme de E sur F , alors f 1 est un isomorphisme de F sur
E.

Dmonstration. Comme f est une application bijective de E sur F , alors f 1 est une application bijective de F sur E.
Il reste donc prouver que f 1 est bien linaire. Soient u0 et v 0 deux vecteurs de F et soient et deux lments de
K. On pose f 1 (u0 ) = u et f 1 (v 0 ) = v, et on a alors f (u) = u0 et f (v) = v 0 . Comme f est linaire, on a
f 1 (u0 + v 0 ) = f 1 ( f (u) + f (v)) = f 1 ( f (u + v)) = u + v
car f 1 f = id E (o id E dsigne lapplication identit de E dans E). Ainsi
f 1 (u0 + v 0 ) = f 1 (u0 ) + f 1 (v 0 ),
et f 1 est donc linaire.

Exemple 32.
Soit f : R2 R2 dfinie par f (x, y) = (2x + 3 y, x + y). Il est facile de prouver que f est linaire. Pour prouver
que f est bijective, on pourrait calculer son noyau et son image. Mais ici nous allons calculer directement son
inverse : on cherche rsoudre f (x, y) = (x 0 , y 0 ). Cela correspond lquation (2x + 3 y, x + y) = (x 0 , y 0 ) qui est
un systme linaire deux quations et deux inconnues. On trouve (x, y) = (x 0 + 3 y 0 , x 0 2 y 0 ). On pose donc
f 1 (x 0 , y 0 ) = (x 0 + 3 y 0 , x 0 2 y 0 ). On vrifie aisment que f 1 est linverse de f , et on remarque que f 1 est une
application linaire.
Exemple 33.
Plus gnralement, soit f : Rn Rn lapplication linaire dfinie par f (X ) = AX (o A est une matrice de Mn (R)). Si
la matrice A est inversible, alors f 1 est une application linaire bijective et est dfinie par f 1 (X ) = A1 X .
Dans lexemple prcdent,
     
x 2 3 1 1 3
X= A= A = .
y 1 1 1 2
ESPACES VECTORIELS 8. APPLICATION LINAIRE (FIN) 27

Mini-exercices.
1. Soit f : R3 R3 dfinie par f (x, y, z) = (x, y + z, 2z). Montrer que f est une application linaire. Calculer
Ker( f ) et Im( f ). f admet-elle un inverse ? Mme question avec f (x, y, z) = (x y, x + y, y).
2. Soient E un espace vectoriel, et F, G deux sous-espaces tels que E = F G. Chaque u E se dcompose de
manire unique u = v + w avec v F , w G. La symtrie par rapport F paralllement G est lapplication
s : E E dfinie par s(u) = v w. Faire un dessin. Montrer que s est une application linaire. Montrer que
s2 = id E . Calculer Ker(s) et Im(s). s admet-elle un inverse ?
3. Soit f : Rn [X ] Rn [X ] dfinie par P(X ) 7 P 00 (X ) (o P 00 dsigne la drive seconde). Montrer que f est une
application linaire. Calculer Ker( f ) et Im( f ). f admet-elle un inverse ?

Auteurs du chapitre
Daprs un cours de Sophie Chemla de luniversit Pierre et Marie Curie, reprenant des parties dun cours de H.
Ledret et dune quipe de luniversit de Bordeaux anime par J. Queyrut,
et un cours de Eva Bayer-Fluckiger, Philippe Chabloz, Lara Thomas de lcole Polytechnique Fdrale de Lausanne,
mixs et rviss par Arnaud Bodin, relu par Vianney Combet.