les espaces vectoriels et les
applications linéaires
1 les espaces vectoriels
1.1 Espace vectoriel
De…nition 1 Soit E un ensemble et K un corps commutatif. On dit que E est
un K espace vectoriel, ou espace vectoriel sur K, si E menu :
-d’une loi de composition interne +, c’est -à-dire d’une opération qui à deux
éléments X et Y de E, associe un élément X + Y de E;
-d’une loi de composition externe sur K , c’est -à-dire d’une opération qui
à un élément de K et un élément X de E, associe un élément X de E; et
si ces lois véri…ent les propriétés suivantes:
1/ (E; +) est un groupe commutatif.
8
> (E) (E) (E) (E) (E)
>
> X + Y = X + Y
>
>
>
>
>
> (K) (E) (E) (E) (E)
>
< + X= X + X
2/ 8 ; 2 K; 8X; Y 2 E :
>
> (K) (E) (E) (E)
>
> X= X
>
>
>
>
>
> (E)
: 1k X=X
Les éléments de E sont appelés des vecteurs; ceux de K sont des scalaires
Remark 2 Soit E un espace vectoriel sur K, on a les propriétés suivantes :
1/ 8 2 K; 0E = 0E ; 0E est l’élément neutre du groupe (E; +):
2/ 8X 2 E; 0K X = 0E ; 0K est l’élément neutre du groupe (K; +):
3/ 8 2 K; 8X 2 E; X = 0E =) = 0K ou X = 0E :
4/ 8 2 K; 8X 2 E; ( X) = ( ) X = ( X) :
Example 3 1/ Tout corps commutatif est un espace vectoriel sur le même.
2/ K = R et E = Rn .C’est l’espace vectoriel réel Rn avec les lois:
8 2 R; 8 (x1 ; x2 ; :::; xn ) ; (y1 ; y2 ; :::; yn ) 2 Rn :
(x1 ; x2 ; :::; xn ) + (y1 ; y2 ; :::; yn ) = (x1 + y1 ; x2 + y2 +; :::; xn + yn )
(x1 ; x2 ; :::; xn ) = ( x1 ; x2 ; :::; xn )
3/ K = R et E = ff : R ! Rg.C’est l’espace vectoriel réel des fonctions réelles
d’une variable réelle avec les lois:
8f; g 2 E : (f + g) (x) = f (x) + g (x) ; 8x 2 R
8 2 R; 8f 2 E : ( f ) (x) = f (x) ; 8x 2 R
1
Sous espace vectoriel
De…nition 4 Soit (E; +; ) un espace vectoriel sur K et F une partie non vide
de E, on dit que F est un sous espace vectoriel de E si est seulement si (F; +; )
est un espace vectoriel sur K
Theorem 5 Soit (E; +; ) un espace vectoriel sur K et F une partie de E, on
dit que F est un sous espace vectoriel de E si est seulement si
8
< F 6= ?
F 6= ?
8X; Y 2 F ; X + Y 2 F ()
: 8 ; 2 K; 8X; Y 2 F : X+ Y 2F
8 2 K; 8X 2 F ; X2F
Remark 6 Soit F est un sous espace vectoriel de E; alors 0E 2 F
Example 7 Soit F un sous ensemble de R 3 ; tel que
F = (x; y; z) 2 R3 : x + 2y 3z = 0
F est un sous espace vectoriel de R3 sur R puisque
1/ F 6= ? (car (0; 0; 0) = 0R3 2 F )
2/ 8X = (x; y; z) ; Y = (x0 ; y 0 ; z 0 ) 2 F ; X + Y 2 F ?
On a : X + Y = (x + x0 ; y + y 0 ; z + z 0 ) alors
(x + x0 ) + 2 (y + y 0 ) 3 (z + z 0 ) = (x + 2y 3z) + (x0 + 2y 0 3z 0 ) = 0 + 0 = 0
Donc X + Y 2 F
3/ 8 2 R; 8X = (x; y; z) 2 F ?
On a : X = (x; y; z) = ( x; y; z) alors
x+2 y 3 z= (x + 2y 3z) = :0 = 0
Donc X2F
1.2 Somme de sous espaces vectoriels de E
La réunion de deux sous espaces vectoriel de E n’étant pas un sous espace
vectoriel, on introduit l’opération somme
De…nition 8 On appelle somme de F1 ; F2 deux sous espaces vectoriels de E
l’ensemble
F = F1 + F2 = fX1 + X2 ; X1 2 F1 ; X2 2 F2 g
Theorem 9 La somme de deux sous espaces vectoriels F1 ; F2 de E est un espace
vectoriel de E
De…nition 10 La somme F = F1 + F2 est directe si elle véri…e l’une des
conditions suivantes:
1/Tout vecteur de F admet une décomposition unique
2/ F1 \ F2 = f0E g
On note cette somme par F = F1 F2
De…nition 11 Deux sous espaces vectoriels F1 ; F2 de E sont supplémentaires
si est seulement si E = F1 F2
2
1.3 Combinaison linéaire et ensemble génératrice
De…nition 12 -Soit E un espace vectoriel sur K et X1 ; X2 ; :::; Xn des vecteurs
de E et 1 ; 2 ; :::; n des scalaires de K. On appelle 1 X1 + 2 X2 + ::: +
n Xn une combinaison linéaire des vecteurs X1 ; X2 ; :::; Xn par des scalaires
1 ; 2 ; :::; n
-Si tout élément de E écrit comme un combinaison linéaire des vecteurs
X1 ; X2 ; :::; Xn dans ce cas on dit que fX1 ; X2 ; :::; Xn g une partie génératrice
dans E et on écrit
E = [fX1 ; X2 ; :::; Xn g]
m
8X 2 E; 9 1 ; 2 ; :::; n 2 K; X = 1 X1 + 2 X2 + ::: + n Xn
Example 13 1/ Dans R on a :
8x 2 R; x = x 1
Alors R = [f1g]
2/ Dans C On a :
8z 2 C; 9 ; 2 R; z = 1+ i
Alors C = [f1; ig]
3/ Dans R2 On a :
8 (x; y) 2 R2 : (x; y) = (x; 0) + (0; y)
= x (1; 0) + y (0; 1)
= xe1 + ye2
Alors R2 = [fe1 = (1; 0) ; e2 = (0; 1)g]
1.4 Linéairement indépendant
Soit E un espace vectoriel sur K et X1 ; X2 ; :::; Xn des vecteurs de E:
De…nition 14 On dit que fX1 ; X2 ; :::; Xn g est une partie libre ou un ensemble
linéairement indépendant ou si est seulement si
8 1; 2 ; :::; n 2 K; 1 X1 + 2 X2 +:::+ n Xn = 0E =) 1 = 2 = ::: = n = 0K
Dans le linéairement indepéndant, le système linéaire obtenue de 1 X1 +
2 2 + ::: + n Xn = 0E admet une solution unique 1 = 2 = ::: = n = 0K
X
Example 15 Soit A = fU = (1; 1; 0) ; V = (1; 0; 1) ; W = ( 2; 0; 1)g un sous
ensemble de R3 :
A une partie libre () 8 ; ; 2 R; U + V + W = 0R3 =) = =
= 0?
3
On a :
U+ V + W = 0R3 =) (1; 1; 0) + (1; 0; 1) + ( 2; 0; 1) = 0R3
=) ( + 2 ; ; ) = 0R 3
8
< + 2 =0
=) =0
:
=0
=) = = =0
Alors A une partie libre de R3 .
1.5 Linéairement dépendant
Soit E un espace vectoriel sur K et X1 ; X2 ; :::; Xn des vecteurs de E:
De…nition 16 On dit que fX1 ; X2 ; :::; Xn g est un ensemble linéairement dépen-
dant ou une partie liée si il n’est pas linéairement indépendant
8i 2 f1; 2; :::; ng ; 9 i 2K f0K g ; 1 X1 + 2 X2 + ::: + n Xn = 0E
Example 17 Soit B = fU = (2; 1; 1) ; V = (0; 2; 3) ; W = (4; 0; 1)g un sous
ensemble de R3 :
B une partie libre () 8 ; ; 2 R; U + V + W = 0R3 =) = =
= 0?
On a :
U+ V + W = 0R3 =) (2; 1; 1) + (0; 2; 3) + (4; 0; 1) = 0R3
=) (2 + 4 ; + 2 ; 3 + ) = 0 R3
8
< 2 +4 =0
=) +2 =0
:
3 + =0
8
< = 21
=) = 21
:
3 + =0
8
< = 21
=) = 21
: 1
3 2 + 21 = 0 =) 0 = 0
Alors B est linéairement indépendant et on a:
1 1
U+ V +W = 0R3
2 2
1 1
U+ V + W = 0R3 et 6= 0
2 2
1 1
U+ V + W = 0R3
2 2
4
Remark 18 1/Toute partie d’une partie libre de E est libre
2/ Toute partie de E qui contient une partie lieé est lieé .
1.6 La base et la dimension
Soit E un espace vectoriel sur K et X1 ; X2 ; :::; Xn des vecteurs de E:
De…nition 19 On dit que B = fX1 ; X2 ; :::; Xn g est une base de E si
1/ B est une partie libre( linéairement indépendant).
2/ B est une partie génératrice de E:
Le nombre des éléments de B est appelé la dimension de E et on écrit
dim E = cardB = n
Dans ce cas on dit que E un espace vectoriel de dimension …nie n
Example 20 1/ Dans l’exemple 13-3 on a: R2 = [fe1 = (1; 0) ; e2 = (0; 1)g], et
on a fe1 = (1; 0) ; e2 = (0; 1)g est linéairement indépendant alors fe1 = (1; 0) ; e2 = (0; 1)g
une base (une base canonique) de R2
2/ Soit F un sous espace vectoriel de R3 dé…nie par :
F = (x; y; z) 2 R3 : x + 2y 3z = 0
On déterminons une base de F
Premièrement on déterminons une partie génératrice de F , on a :
F = (x; y; z) 2 R3 : x + 2y 3z = 0
3
F = (x; y; z) 2 R : x = 2y + 3z
3
F = ( 2y + 3z; y; z) 2 R ; y; z 2 R
F = f( 2y; y; 0) + (3z; 0; z) ; y; z 2 Rg
F = fy ( 2; 1; 0) + z (3; 0; 1) ; y; z 2 Rg
F = [fU = ( 2; 1; 0) ; V = (3; 0; 1)g]
Deuxiément on montre que fU = ( 2; 1; 0) ; V = (3; 0; 1)g est linéairement in-
dépendant
fU = ( 2; 1; 0) ; V = (3; 0; 1)g est linéairement indépendant () 8 ; 2
R; U + V = 0R3 =) = = 0?
On a :
U+ V = 0R3 =) ( 2; 1; 0) + (3; 0; 1) = 0R3
=) ( 2 + 3 ; ; ) = 0R 3
=) = =0
Alors
fU = ( 2; 1; 0) ; V = (3; 0; 1)g est linéairement indépendant
Donc
fU = ( 2; 1; 0) ; V = (3; 0; 1)g est une base de F et dim F = 2
5
2 Application linéaire
De…nition 21 Soient E et F deux espaces vectoriels sur |. On dit qu’une
application f : E ! F est une linéaire si
8u; v 2 E; f (u + v) = f (u) + f (v)
8 2 |; 8u 2 E; f ( u) = f (u)
Ou encore
8 ; 2 |; 8u; v 2 E; f ( u + v) = f (u) + f (v)
Remark 22 1/ La propriétée précédente se généralise à toute combinaison linéaire
k
! k
X X
f u
i i = i f (ui )
i= i=
2/ Pour toute application linéaire f , on a f (0E ) = 0F
Example 23 Soit f : R3 ! R2 l’application dé…nie par :
8 (x; y; z) 2 R3 ; f (x; y; z) = (x + 2y; x 3z)
On montre que f une application linéaire
1n Soit (x; y; z) ; (x0 ; y 0 ; z 0 ) 2 R3 on a :
f ((x; y; z) + (x0 ; y 0 ; z 0 )) = f (x + x0 ; y + y 0 ; z + z 0 )
= ((x + x0 ) + 2 (y + y 0 ) ; (x + x0 ) 3 (z + z 0 ))
= ((x + 2y) + (x0 + 2y 0 ) ; (x 3z) + (x0 3z 0 ))
= (x + 2y; x 3z) + (x0 + 2y 0 ; x0 3z 0 )
= f (x; y; z) + f (x0 ; y 0 ; z 0 )
2n Soit 2 R et (x; y; z) 2 R3 on a :
f ( (x; y; z)) = f ( x; y; z)
= ( x + 2 y; x 3 z)
= ( (x + 2y) ; (x 3z))
= (x + 2y; x 3z)
= f (x; y; z)
Alors f une application linéaire
De…nition 24 On appelle:
Isomorphisme une application linéaire bijective de E dans F , et on note
IsoK (E; F )
Endomorphisme une application linéaire de E dans E, et on note EndK (E)
Automorphisme une application linéaire bijective de E dans E, et on note
AutK (E)
6
2.1 Structure algébrique de l’ensemble des appli-
cations linéaires
1/ Si f et g sont des applications linéaires de E dans F , alors f + g et f
sont encore des applications linéaires de E dans F .Plus précisément l’ensemble
L (E; F ) muni de l’addition et de la multiplication par un scalaire est un espace
vectoriel sur K:
2/ Soient E; F; G trois espaces vectoriels sur K et f et g deux applications
linéaires respectivement de E dans F et de F dans G, alors g f est une
application linéaire de E dans G.
3/ Soit f une application linéaire de E dans F .Alors l’image direct et l’image
réciproque par f d’un sous-espace vectoriel est encore est un sous-espace vecto-
riel
2.2 Noyau,image d’une application linéaire
De…nition 25 Le noyau de l’application linéaire f , noté ker f est le sous espace
vectoriel de E dé…ni par:
ker f = fx 2 E; f (x) = 0F g
= f 1 (f0F g)
L’image d’une application linéaire f est le sous-espace vectoriel de F dé…ni par:
Im f = ff (x) 2 F ; x 2 Eg
= f (E)
Remark 26 Pour tout 2 K on a :
ker f = ker f
Im f = Im f
Theorem 27 Soit f : E ! F une application linéaire. Alors
1/ f injective () ker f = f0E g
2/ f surjective () Im f = F
Proof. 1/ supposons que f est une application linéaire injective et on montrons
que ker f = f0E g
On a :
8x 2 ker f =) f (x) = 0F
=) f (x) = f (0E )
=) x=0
alors ker f = f0E g
7
supposons que ker f = f0E g et on montre que f est injective
8x; x0 2 E; f (x) = f (x0 ) =) f (x) f (x0 ) = 0F
=) f (x x0 ) = 0F
=) x x0 2 ker f
=) x x0 = 0E
=) x = x0
Donc f est injective
2/Supposons que f est surjective et on montre que Im f = F
On a 8y 2 F ; 9x 2 E : y = f (x) puisque f est surjective donc y 2 Im f alors
F Im f
D’autre part on a Im f F donc Im f = F
Supposons que Im f = F et on montre que f est surjective
on a: 8y 2 F =) y 2 Im f =) 9x 2 E; y = f (x)
Donc f est surjective
Proposition 28 Soit f : E ! F une application linéaire et B = fe1 ; e2 ; e3 ; :::; en g
une base de E alors
1/ f injective () ff (e1 ); f (e2 ); f (e3 ); :::; f (en )g linéairement indépendant
2/ f surjective () ff (e1 ); f (e2 ); f (e3 ); :::; f (en )g une partie génératrice
de F
3/ f bijective () ff (e1 ); f (e2 ); f (e3 ); :::; f (en )g une base de F
Rang d’une application linéaire
Les applications linéaires sont caractérisées par un entier appelé rang
De…nition 29 On appelle rang d’une application linéaire f : E ! F noté rgf
est la dimension de sous-espace vectoriel Im f
rgf = dim Im f
Si la dimension de E est …nie, alors
dim E = dim ker f + dim Im f
= dim ker f + rgf
Remark 30 1/ f injective () dim E = rgf
2/ f surjective () dim F = rgf
Example 31 Soit f : R3 ! R2 une application linéaire dé…nie par:
f (x; y; z) = (x + y + z; x + 2z)
Déterminer son noyau et son image
On a:
x = 2z
8 (x; y; z) 2 ker f () (x + y + z; x + 2z) = (0; 0) ()
y = 3z
8
Donc
ker f = (x; y; z) 2 R3 ; f (x; y; z) = 0R2
= f(x; y; z) 2 R3 ; x = 2z; y = 3zg
= f(2z; 3z; z); z 2 Rg
= fz(2; 3; 1); z 2 Rg
= [fu = (2; 3; 1g]
Le vecteur u=(2; 3; 1) étant non nul, il est libre; c’est donc une base de ker f
et dim ker f = 1
Déterminons à présent Imf .Comme:
dim R3 = dim ker f + dim Im f
On a dim Im f = 2 et Im f R2 donc Im f = R2