BENLARBI-DELAIM’HAMMEDHANINEABDELOUAHAB Algèbre3COURSD’ALGEBRE3Filière:(SMIA) UniversitéMohammedV.Année2019-2020.FacultédessciencesDep.deMathématiques-Rabat.

Dep. de Mathématiques -Rabat.

Algèbre 3

COURS D’ALGEBRE 3 Filière : (SMIA)

BENLARBI-DELAI M’ HAMMED

HANINE ABDELOUAHAB

ESPACES VECTORIELS

1. Définition d’un espace vectoriel

Un espace vectoriel est un ensemble formé de vecteurs, de sorte que l’on puisse additionner (et soustraire) deux vecteursu,vpour en former un troisièmeu+v(ouu−v) et aussi afin que l’on puisse multiplier chaque vecteurud’un facteurλpour obtenir un vecteurλ·u.

Définition 1

UnK-espace vectorielest un ensemble non videEmuni :

– d’une loi de composition interne, c’est-à-dire d’une application deE×EdansE: E×E → E

(u,v) 7→ u+v

– d’une loi de composition externe, c’est-à-dire d’une application deK×EdansE: K×E → E

(λ,u) 7→ λ·u qui vérifient les propriétés suivantes :

1. u+v=v+u (pour tous u,v∈E)

2. u+(v+w)=(u+v)+w (pour tous u,v,w∈E)

3. Il existe unélément neutre0_E∈Etel queu+0_E=u (pour toutu∈E)

4. Toutu∈Eadmet unsymétriqueu⁰tel queu+u⁰=0_E. Cet élémentu⁰est noté−u.

5. 1·u=u (pour toutu∈E)

6. λ·(µ·u)=(λµ)·u (pour tousλ,µ∈K,u∈E) 7. λ·(u+v)=λ·u+λ·v (pour tousλ∈K,u,v∈E) 8. (λ+µ)·u=λ·u+µ·u (pour tousλ,µ∈K,u∈E)

Nous reviendrons en détail sur chacune de ces propriétés juste après des exemples.

1.1. Premiers exemples

Exemple 1: LeR-espace vectorielR²

Posons K=R et E=R². Un élément u∈E est donc un couple (x,y) avec x élément de R et y élément deR. Ceci s’écrit

R²=©

(x,y)|x∈R,y∈Rª .

1

R (x,y)+(x⁰,y⁰)=(x+x⁰,y+y⁰).

– Définition de la loi externe.Siλest un réel et (x,y) est un élément deR², alors : λ·(x,y)=(λx,λy).

L’élément neutre de la loi interne est le vecteur nul (0, 0). Le symétrique de (x,y) est (−x,−y), que l’on note aussi−(x,y).

L’exemple suivant généralise le précédent. C’est aussi le bon moment pour lire ou relire le cha- pitre « L’espace vectorielRⁿ».

Exemple 2: LeR-espace vectorielRⁿ

Soit n un entier supérieur ou égal à 1. Posons K=R et E=Rⁿ. Un élément u∈E est donc un n-uplet (x₁,x₂, . . . ,x_n) avecx₁,x₂, . . . ,x_ndes éléments deR.

– Définition de la loi interne.Si (x1, . . . ,x_n) et (x₁⁰, . . . ,x⁰_n) sont deux éléments deRⁿ, alors : (x₁, . . . ,x_n)+(x⁰₁, . . . ,x⁰_n)=(x₁+x⁰₁, . . . ,x_n+x⁰_n).

– Définition de la loi externe.Siλest un réel et (x₁, . . . ,x_n) est un élément deRⁿ, alors : λ·(x₁, . . . ,x_n)=(λx₁, . . . ,λx_n).

L’élément neutre de la loi interne est le vecteur nul (0, 0, . . . , 0). Le symétrique de (x₁, . . . ,x_n) est (−x₁, . . . ,−x_n), que l’on note−(x1, . . . ,x_n).

De manière analogue, on peut définir le C-espace vectoriel Cⁿ, et plus généralement le K- espace vectorielKⁿ.

Exemple 3

Tout plan passant par l’origine dans R³ est un espace vectoriel (par rapport aux opérations habituelles sur les vecteurs). SoientK=RetE=P un plan passant par l’origine. Le plan admet une équation de la forme :

ax+b y+cz=0 oùa,b etcsont des réels non tous nuls.

Un élément u∈E est donc un triplet (noté ici comme un vecteur colonne)

³_x

yz

´

tel que ax+ b y+cz=0.

Soient µ_x

y z

¶ et

µ_x0

y⁰ z⁰

¶

deux éléments deP. Autrement dit, ax+b y+cz = 0, et ax⁰+b y⁰+cz⁰ = 0.

Alors µx+x⁰

y+y⁰ z+z⁰

¶

est aussi dansP car on a bien :

a(x+x⁰)+b(y+y⁰)+c(z+z⁰)=0.

Les autres propriétés sont aussi faciles à vérifier : par exemple l’élément neutre est

³₀

00

´

; et si

³_x

yz

´

appartient àP, alorsax+b y+cz=0, que l’on peut réécrirea(−x)+b(−y)+c(−z)=0 et ainsi

−

³_x

yz

´

appartient àP.

Attention ! Un plan ne contenant pas l’origine n’est pas un espace vectoriel, car justement il ne contient pas le vecteur nul³₀

00

´ . Notations

Rassemblons les définitions déjà vues.

– On appelle les éléments de Edesvecteurs. Au lieu deK-espace vectoriel, on dit aussi espace vectoriel surK.

– Les éléments deKseront appelés desscalaires.

– L’élément neutre0_Es’appelle aussi levecteur nul. Il ne doit pas être confondu avec l’élément 0 deK. Lorsqu’il n’y aura pas de risque de confusion, 0E sera aussi noté 0.

– Lesymétrique−ud’un vecteuru∈Es’appelle aussi l’opposé.

– La loi de composition interne sur E (notée usuellement+) est appelée couramment l’addition etu+u⁰est appelée somme des vecteurs uetu⁰.

– La loi de composition externe sur E est appelée couramment multiplication par un scalaire.

La multiplication du vecteurupar le scalaire λsera souvent notée simplementλu, au lieu de λ·u.

Somme denvecteurs.Il est possible de définir, par récurrence, l’addition denvecteurs,nÊ2. La structure d’espace vectoriel permet de définir l’addition de deux vecteurs (et initialise le processus).

Si maintenant la somme den−1 vecteurs est définie, alors la somme de nvecteursv₁,v2, . . . ,v_n est définie par

v₁+v₂+ · · · +v_n=(v₁+v₂+ · · · +v_n−1)+v_n.

L’associativité de la loi+nous permet de ne pas mettre de parenthèses dans la sommev₁+v₂+· · ·+v_n. On noterav₁+v₂+ · · · +v_n=

n

X

i=1

v_i.

1.2. Détail des axiomes de la définition

Revenons en détail sur la définition d’un espace vectoriel. Soit doncEunK-espace vectoriel. Les éléments deEseront appelés desvecteurs. Les éléments deKseront appelés desscalaires.

Loi interne.

La loi de composition interne dansE, c’est une application deE×EdansE: E×E → E

(u,v) 7→ u+v

C’est-à-dire qu’à partir de deux vecteursu etvdeE, on nous en fournit un troisième, qui sera noté u+v.

La loi de composition interne dansE et la somme dansK seront toutes les deux notées+, mais le contexte permettra de déterminer aisément de quelle loi il s’agit.

Loi externe.

La loi de composition externe, c’est une application deK×E dansE: K×E → E

(λ,u) 7→ λ·u

C’est-à-dire qu’à partir d’un scalaireλ∈K et d’un vecteur u∈E, on nous fournit un autre vecteur, qui sera notéλ·u.

Axiomes relatifs à la loi interne.

1. Commutativité.Pour tous u,v∈E,u+v=v+u. On peut donc additionner des vecteurs dans l’ordre que l’on souhaite.

2. Associativité.Pour tous u,v,w∈E, on a u+(v+w)=(u+v)+w. Conséquence : on peut « ou- blier » les parenthèses et noter sans ambiguïté u+v+w.

3. Il existe unélément neutre, c’est-à-dire qu’il existe un élément deE, noté 0_E, vérifiant : pour tout u∈E, u+0_E=u (et on a aussi 0_E+u=u par commutativité). Cet élément 0_E s’appelle aussi levecteur nul.

4. Tout élémentudeEadmet unsymétrique(ouopposé), c’est-à-dire qu’il existe un élémentu⁰ de Etel que u+u⁰=0_E (et on a aussi u⁰+u=0_E par commutativité). Cet élément u⁰ deE est noté−u.

Proposition 1

– S’il existe un élément neutre 0_E vérifiant l’axiome (3) ci-dessus, alors il est unique.

– Soit u un élément de E. S’il existe un élément symétrique u⁰ de E vérifiant l’axiome (4), alors il est unique.

Démonstration

– Soient 0_E et 0⁰_E deux éléments vérifiant la définition de l’élément neutre. On a alors, pour tout élémentudeE:

u+0_E=0_E+u=u et u+0⁰_E=0⁰_E+u=u

– Alors, la première propriété utilisée avecu=0⁰_E donne 0⁰_E+0_E=0_E+0⁰_E=0⁰_E. – La deuxième propriété utilisée avecu=0E donne 0E+0⁰_E=0⁰_E+0E=0E. – En comparant ces deux résultats, il vient 0_E=0⁰_E.

– Supposons qu’il existe deux symétriques deunotés u⁰etu⁰⁰. On a : u+u⁰=u⁰+u=0E et u+u⁰⁰=u⁰⁰+u=0E.

Calculonsu⁰+(u+u⁰⁰) de deux façons différentes, en utilisant l’associativité de la loi +et les relations précédentes.

– u⁰+(u+u⁰⁰)=u⁰+0_E=u⁰

– u⁰+(u+u⁰⁰)=(u⁰+u)+u⁰⁰=0_E+u⁰⁰=u⁰⁰ – On en déduitu⁰=u⁰⁰.

Remarque

Les étudiants connaissant la théorie des groupes reconnaîtront, dans les quatre premiers axiomes ci-dessus, les axiomes caractérisant un groupe commutatif.

Axiomes relatifs à la loi externe.

5. Soit 1 l’élément neutre de la multiplication deK. Pour tout élément udeE, on a 1·u=u.

6. Pour tous élémentsλetµdeKet pour tout élémentu deE, on a λ·(µ·u)=(λ×µ)·u.

Axiomes liant les deux lois.

7. Distributivité par rapport à l’addition des vecteurs. Pour tout élémentλ de K et pour tous éléments uetvdeE, on a

λ·(u+v)=λ·u+λ·v.

8. Distributivitépar rapport à l’addition des scalaires. Pour tousλetµdeKet pour tout élément udeE, on a :

(λ+µ)·u=λ·u+µ·u.

La loi interne et la loi externe doivent donc satisfaire ces huit axiomes pour que (E,+,·) soit un espace vectoriel surK.

1.3. Exemples

Dans tous les exemples qui suivent, la vérification des axiomes se fait simplement et est laissée au soin des étudiants. Seules seront indiquées, dans chaque cas, les valeurs de l’élément neutre de la loi interne et du symétrique d’un élément.

Exemple 4: L’espace vectoriel des fonctions deRdansR

L’ensemble des fonctions f :R−→Rest noté F(R,R). Nous le munissons d’une structure deR- espace vectoriel de la manière suivante.

– Loi interne.Soient f et gdeux éléments deF(R,R). La fonction f+gest définie par :

∀x∈R (f+g)(x)=f(x)+g(x)

(où le signe+désigne la loi interne deF(R,R) dans le membre de gauche et l’addition dans Rdans le membre de droite).

– Loi externe.Siλest un nombre réel et f une fonction deF(R,R), la fonctionλ·f est définie par l’image de tout réelxcomme suit :

∀x∈R (λ·f)(x)=λ×f(x).

(Nous désignons par · la loi externe de F(R,R) et par × la multiplication dans R. Avec l’habitude on oubliera les signes de multiplication : (λf)(x)=λf(x).)

– Élément neutre.L’élément neutre pour l’addition est la fonction nulle, définie par :

∀x∈R f(x)=0.

On peut noter cette fonction 0_F(R,R).

– Symétrique.Le symétrique de l’élément f deF(R,R) est l’application gdeRdansRdéfinie par :

∀x∈R g(x)= −f(x).

Le symétrique de f est noté−f.

Exemple 5: LeR-espace vectoriel des suites réelles

On note S l’ensemble des suites réelles (u_n)n∈N. Cet ensemble peut être vu comme l’ensemble des applications deNdansR; autrement ditS =F(N,R).

– Loi interne.Soient u=(u_n)_n∈N etv=(v_n)_n∈N deux suites appartenant àS. La suiteu+v est la suitew=(w_n)n∈N dont le terme général est défini par

∀n∈N w_n=u_n+v_n

(oùu_n+v_n désigne la somme deu_net dev_ndansR).

– Loi externe. Si λ est un nombre réel et u =(u_n)_n∈N un élément de S, λ·u est la suite v=(v_n)_n∈Ndéfinie par

∀n∈N v_n=λ×u_n où×désigne la multiplication dansR.

– Élément neutre. L’élément neutre de la loi interne est la suite dont tous les termes sont nuls.

– Symétrique.Le symétrique de la suiteu=(u_n)_n∈Nest la suite u⁰=(u⁰_n)_n∈Ndéfinie par :

∀n∈N u⁰_n= −u_n. Elle est notée−u.

Autres exemples :

1. L’espace vectorielR[X] des polynômesP(X)=a_nXⁿ+ · · · +a₂X²+a₁X+a₀. L’addition est l’ad- dition de deux polynômes P(X)+Q(X), la multiplication par un scalaire λ∈R est λ·P(X).

L’élément neutre est le polynôme nul. L’opposé deP(X) est−P(X).

2. L’ensemble des fonctions continues deRdansR; l’ensemble des fonctions dérivables deRdans R,...

3. C est un R-espace vectoriel : addition z+z⁰ de deux nombres complexes, multiplication λz par un scalaire λ∈R. L’élément neutre est le nombre complexe 0 et le symétrique du nombre complexe zest−z.

1.4. Règles de calcul

Proposition 2

SoitEun espace vectoriel sur un corpsK. Soient u∈Eetλ∈K. Alors on a : 1. 0·u=0_E

2. λ·0E=0E

3. (−1)·u= −u

4. λ·u=0_E ⇐⇒ λ=0 ou u=0_E

L’opération qui à (u,v) associe u+(−v) s’appelle la soustraction. Le vecteur u+(−v) est noté u−v. Les propriétés suivantes sont satisfaites :λ(u−v)=λu−λvet (λ−µ)u=λu−µu.

Démonstration

Les démonstrations des propriétés sont des manipulations sur les axiomes définissant les es- paces vectoriels.

1. – Le point de départ de la démonstration est l’égalité dansK: 0+0=0.

– D’où, pour tout vecteur deE, l’égalité (0+0)·u=0·u.

– Donc, en utilisant la distributivité de la loi externe par rapport à la loi interne et la définition de l’élément neutre, on obtient 0·u+0·u=0·u. On peut rajouter l’élément neutre dans le terme de droite, pour obtenir : 0·u+0·u=0·u+0_E.

– En ajoutant−(0·u) de chaque côté de l’égalité, on obtient : 0·u=0_E. 2. La preuve est semblable en partant de l’égalité 0_E+0_E=0_E.

3. Montrer (−1)·u= −u signifie exactement que (−1)·u est le symétrique de u, c’est-à-dire vérifieu+(−1)·u=0_E. En effet :

u+(−1)·u=1·u+(−1)·u=(1+(−1))·u=0·u=0_E.

4. On sait déjà que si λ=0 ou u=0E, alors les propriétés précédentes impliquentλ·u=0E. Pour la réciproque, soientλ∈Kun scalaire etu∈Eun vecteur tels queλ·u=0_E.

Supposonsλdifférent de 0. On doit alors montrer queu=0_E.

– Commeλ6=0, alorsλest inversible pour le produit dans le corpsK. Soitλ⁻¹son inverse.

– En multipliant par λ⁻¹ les deux membres de l’égalité λ·u=0E, il vient :λ⁻¹·(λ·u)= λ⁻¹·0_E.

– D’où en utilisant les propriétés de la multiplication par un scalaire (λ⁻¹×λ)·u=0_E et donc 1·u=0E.

– D’oùu=0_E.

2. Sous-espace vectoriel

Il est vite fatiguant de vérifier les 8 axiomes qui font d’un ensemble un espace vectoriel. Heureu- sement, il existe une manière rapide et efficace de prouver qu’un ensemble est un espace vectoriel : grâce à la notion de sous-espace vectoriel.

2.1. Définition d’un sous-espace vectoriel

Définition 2

SoitEunK-espace vectoriel. Une partieF deE est appelée unsous-espace vectorielsi : – 0E∈F,

– u+v∈F pour tousu,v∈F,

– λ·u∈F pour toutλ∈Ket toutu∈F.

Remarque

Expliquons chaque condition.

– La première condition signifie que le vecteur nul de E doit aussi être dans F. En fait il suffit même de prouver queF est non vide.

– La deuxième condition, c’est dire queF est stable pour l’addition : la sommeu+vde deux vecteursu,vdeF est bien sûr un vecteur deE(carE est un espace vectoriel), mais ici on exige queu+vsoit un élément deF.

– La troisième condition, c’est dire queF est stable pour la multiplication par un scalaire.

Exemple 6: Exemples immédiats 1. L’ensembleF=©

(x,y)∈R²|x+y=0ª

est un sous-espace vectoriel deR². En effet : (a) (0, 0)∈F,

(b) si u=(x₁,y₁) et v=(x₂,y₂) appartiennent à F, alors x₁+y₁=0 etx₂+y₂=0 donc (x₁+ x₂)+(y₁+y₂)=0 et ainsiu+v=(x1+x₂,y₁+y₂) appartient àF,

(c) siu=(x,y)∈F etλ∈R, alors x+y=0 doncλx+λy=0, d’oùλu∈F.

2. L’ensemble des fonctions continues sur R est un sous-espace vectoriel de l’espace vecto- riel des fonctions deR dansR. 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. L’ensemble des suites réelles convergentes est un sous-espace vectoriel de l’espace vectoriel des suites réelles.

Voici des sous-ensembles quine sont pasdes sous-espaces vectoriels.

Exemple 7

1. L’ensembleF₁=©

(x,y)∈R²|x+y=2ª

n’est pas un sous-espace vectoriel deR². En effet le vecteur nul (0, 0) n’appartient pas àF₁.

2. L’ensemble F₂=©

(x,y)∈R²|x=0 ou y=0ª

n’est pas un sous-espace vectoriel de R². En effet les vecteursu=(1, 0) etv=(0, 1) appartiennent àF₂, mais pas le vecteuru+v=(1, 1).

3. L’ensembleF₃=©

(x,y)∈R²|xÊ0 et yÊ0ª

n’est pas un sous-espace vectoriel deR². En effet le vecteuru=(1, 1) appartient àF₃mais, pourλ= −1, le vecteur−u=(−1,−1) n’appartient pas àF₃.

2.2. Un sous-espace vectoriel est un espace vectoriel

La notion de sous-espace vectoriel prend tout son intérêt avec le théorème suivant : un sous- espace vectoriel est lui-même un espace vectoriel. C’est ce théorème qui va nous fournir plein d’exemples d’espaces vectoriels.

Théorème 1

Soient E un K-espace vectoriel et F un sous-espace vectoriel de E. Alors F est lui-même un K-espace vectoriel pour les lois induites par E.

Méthodologie.Pour répondre à une question du type « L’ensembleFest-il un espace vectoriel ? », une façon efficace de procéder est de trouver un espace vectorielEqui contient F, puis prouver que F est un sous-espace vectoriel deE. Il y a seulement trois propriétés à vérifier au lieu de huit !

Exemple 8

1. Est-ce que l’ensemble des fonctions paires (puis des fonctions impaires) forme un espace vectoriel (surRavec les lois usuelles sur les fonctions) ?

NotonsP l’ensemble des fonctions paires etI l’ensemble des fonctions impaires. Ce sont deux sous-ensembles de l’espace vectorielF(R,R) des fonctions.

P =©

f ∈F(R,R)| ∀x∈R,f(−x)=f(x)ª I=©

f ∈F(R,R)| ∀x∈R,f(−x)= −f(x)ª

P etI sont des sous-espaces vectoriels deF(R,R). C’est très simple à vérifier, par exemple pourP :

(a) la fonction nulle est une fonction paire, (b) si f,g∈P alors f+g∈P,

(c) si f ∈P et siλ∈Ralorsλf ∈P.

Par le théorème 1,P est un espace vectoriel (de même pourI).

Démonstration : Preuve du théorème 1

Soit F un sous-espace vectoriel d’un espace vectoriel (E,+,·). La stabilité de F pour les deux lois permet de munir cet ensemble d’une loi de composition interne et d’une loi de composition externe, en restreignant àF les opérations définies dansE. Les propriétés de commutativité et d’associativité de l’addition, ainsi que les quatre axiomes relatifs à la loi externe sont vérifiés, car ils sont satisfaits dansE donc en particulier dansF, qui est inclus dansE.

L’existence d’un élément neutre découle de la définition de sous-espace vectoriel. Il reste seulement à justifier que siu∈F, alors son symétrique−uappartient àF.

Fixons u∈F. Comme on a aussi u∈E et que E est un espace vectoriel alors il existe un élément de E, noté −u, tel que u+(−u)=0_E. Comme u est élément de F, alors pour λ= −1, (−1)u∈F. Et ainsi−uappartient àF.

2.3. Combinaisons linéaires

Définition 3

Soit nÊ1 un entier, soient v₁,v₂, . . . ,v_n, n vecteurs d’un espace vectoriel E. Tout vecteur de la forme

u=λ1v₁+λ2v₂+ · · · +λnv_n

(oùλ1,λ2, . . . ,λnsont des éléments deK) est appelécombinaison linéairedes vecteursv₁,v₂, . . . ,v_n. Les scalairesλ1,λ2, . . . ,λnsont appeléscoefficientsde la combinaison linéaire.

Remarque :Sin=1, alorsu=λ1v₁ et on dit queuestcolinéaireà v₁. Exemple 9

1. Dans le R-espace vectoriel R³, (3, 3, 1) est combinaison linéaire des vecteurs (1, 1, 0) et (1, 1, 1) car on a l’égalité

(3, 3, 1)=2(1, 1, 0)+(1, 1, 1).

2. Dans leR-espace vectorielR², le vecteuru=(2, 1)n’est pascolinéaire au vecteurv₁=(1, 1) car s’il l’était, il existerait un réelλtel que u=λv₁, ce qui équivaudrait à l’égalité (2, 1)= (λ,λ).

3. Soit E=F(R,R) l’espace vectoriel des fonctions réelles. Soient f₀, f₁, f₂ et f₃ les fonctions définies par :

∀x∈R f₀(x)=1, f₁(x)=x, f₂(x)=x², f₃(x)=x³. Alors la fonction f définie par

∀x∈R f(x)=x³−2x²−7x−4

est combinaison linéaire des fonctions f₀,f₁,f₂,f₃ puisque l’on a l’égalité f =f₃−2f₂−7f₁−4f₀.

Voici deux exemples plus compliqués.

Exemple 10 Soientu=

³ ₁

2

−1

´ etv=

³₆

42

´

deux vecteurs deR³. Montrons quew=

³₉

27

´

est combinaison linéaire de uetv. On cherche doncλetµtels quew=λu+µv:



 9 2 7



=λ



 1 2

−1



+µ



 6 4 2



=



 λ 2λ

−λ



+



 6µ 4µ 2µ



=





λ+6µ 2λ+4µ

−λ+2µ



. On a donc







9 = λ+6µ 2 = 2λ+4µ 7 = −λ+2µ.

Une solution de ce système est (λ= −3,µ=2), ce qui implique que west combinaison linéaire de

uetv. On vérifie que l’on a bien



 9 2 7



= −3



 1 2

−1



+2



 6 4 2



.

Exemple 11 Soient u=

³ ₁

−12

´ etv=

³₆

42

´

. Montrons que w=

³ ₄

−18

´

n’est pas une combinaison linéaire de u etv.

L’égalité



 4

−1 8



=λ



 1 2

−1



+µ



 6 4 2



 équivaut au système







4 = λ+6µ

−1 = 2λ+4µ 8 = −λ+2µ. Or ce système n’a aucune solution. Donc il n’existe pasλ,µ∈Rtels que w=λu+µv.

2.4. Caractérisation d’un sous-espace vectoriel

Théorème 2: Caractérisation d’un sous-espace

Soient Eun K-espace vectoriel etF une partie non vide deE.F est un sous-espace vectoriel de Esi et seulement si

λu+µv∈F pour tousu,v∈F et tousλ,µ∈K.

Autrement dit si et seulement si toute combinaison linéaire de deux éléments deF appartient àF. Démonstration

– Supposons que F soit un sous-espace vectoriel. Et soient u,v∈F, λ,µ∈K. Alors par la définition de sous-espace vectoriel :λu∈F etµv∈F et ainsiλu+µv∈F.

– Réciproquement, supposons que pour chaqueu,v∈F,λ,µ∈Kon aλu+µv∈F. – CommeF n’est pas vide, soient u,v∈F. Posonsλ=µ=0. Alorsλu+µv=0E∈F.

– Siu,v∈F, alors en posantλ=µ=1 on obtientu+v∈F.

– Siu∈F etλ∈K(et pour n’importe quelv, en posantµ=0), alorsλu∈F.

2.5. Intersection de deux sous-espaces vectoriels

Proposition 3: Intersection de deux sous-espaces

Soient F,G deux sous-espaces vectoriels d’un K-espace vectorielE. L’intersection F∩G est un sous-espace vectoriel deE.

On démontrerait de même que l’intersection F₁∩F₂∩F₃∩ · · · ∩F_n d’une famille quelconque de sous-espaces vectoriels deE est un sous-espace vectoriel deE.

Démonstration

SoientF etGdeux sous-espaces vectoriels de E.

– 0E∈F, 0E∈G carF etG sont des sous-espaces vectoriels deE; donc 0E∈F∩G.

– Soientuetvdeux vecteurs deF∩G. CommeF est un sous-espace vectoriel, alors u,v∈F impliqueu+v∈F. De mêmeu,v∈G impliqueu+v∈G. Donc u+v∈F∩G.

– Soient u∈F∩G et λ ∈K. Comme F est un sous-espace vectoriel, alors u ∈F implique

λu∈F. De mêmeu∈G impliqueλu∈G. Doncλu∈F∩G.

Conclusion :F∩Gest un sous-espace vectoriel de E.

Exemple 12

SoitDle sous-ensemble deR³ défini par : D=©

(x,y,z)∈R³|x+3y+z=0 et x−y+2z=0ª .

Est-ce que D est sous-espace vectoriel de R³? L’ensemble D est l’intersection de F et G, les sous-ensembles deR³définis par :

F=©

(x,y,z)∈R³|x+3y+z=0ª G=©

(x,y,z)∈R³|x−y+2z=0ª

Ce sont deux plans passant par l’origine, donc des sous-espaces vectoriels deR³. Ainsi D= F∩G est un sous-espace vectoriel deR³, c’est une droite vectorielle.

Remarque

La réunion de deux sous-espaces vectoriels de E n’est pas en général un sous-espace vectoriel de E. Prenons par exemple E=R². Considérons les sous-espaces vectorielsF=©

(x,y)|x=0ª et G=©

(x,y)|y=0ª

. AlorsF∪Gn’est pas un sous-espace vectoriel deR². Par exemple, (0, 1)+(1, 0)= (1, 1) est la somme d’un élément deF et d’un élément deG, mais n’est pas dansF∪G.

2.6. Somme de deux sous-espaces vectoriels

Comme la réunion de deux sous-espaces vectoriels F etG n’est pas en général un sous-espace vectoriel, il est utile de connaître les sous-espaces vectoriels qui contiennent à la fois les deux sous- espaces vectorielsF etG, et en particulier le plus petit d’entre eux (au sens de l’inclusion).

Définition 4: Somme de deux sous-espaces

Soient F et G deux sous-espaces vectoriels d’un K-espace vectoriel E. L’ensemble de tous les éléments u+v, où u est un élément de F et v un élément de G, est appelé somme des sous- espaces vectorielsF etG. Cette somme est notéeF+G. On a donc

F+G=©

u+v|u∈F,v∈Gª . Proposition 4

SoientF etGdeux sous-espaces vectoriels duK-espace vectorielE.

1. F+Gest un sous-espace vectoriel deE.

2. F+Gest le plus petit sous-espace vectoriel contenant à la foisF etG.

Démonstration

1. Montrons queF+G est un sous-espace vectoriel.

– 0_E∈F, 0_E∈G, donc 0_E=0_E+0_E∈F+G.

– Soient wetw⁰ des éléments de F+G. Commew est dans F+G, il existe u dansF et v dansGtels quew=u+v. Commew⁰est dansF+G, il existeu⁰dansF etv⁰dansG tels

quew⁰=u⁰+v⁰. Alorsw+w⁰=(u+v)+(u⁰+v⁰)=(u+u⁰)+(v+v⁰)∈F+G, caru+u⁰∈F et v+v⁰∈G.

– Soitw un élément de F+G etλ∈K. Il existe u dansF et vdansG tels quew=u+v.

Alorsλw=λ(u+v)=(λu)+(λv)∈F+G, carλu∈F etλv∈G.

2. – L’ensembleF+GcontientF et contientG: en effet tout élément udeF s’écritu=u+0 avecu appartenant àF et 0 appartenant àG (puisque G est un sous-espace vectoriel), doncuappartient àF+G. De même pour un élément deG.

– SiHest un sous-espace vectoriel contenantF etG, alors montrons queF+G⊂H. C’est clair : si u∈F alors en particulier u∈H (car F ⊂H), de même si v∈G alors v∈H.

CommeH est un sous-espace vectoriel, alorsu+v∈H.

Exemple 13

DéterminonsF+Gdans le cas où F etGsont les sous-espaces vectoriels deR³suivants : F=©

(x,y,z)∈R³|y=z=0ª

et G=©

(x,y,z)∈R³|x=z=0ª .

Un élémentwdeF+Gs’écritw=u+voùuest un élément deFetvun élément deG. Comme u∈F alors il existe x∈Rtel que u=(x, 0, 0), et comme v∈G il existe y∈R tel quev=(0,y, 0).

Donc w=(x,y, 0). Réciproquement, un tel élément w=(x,y, 0) est la somme de (x, 0, 0) et de (0,y, 0). Donc F+G=©

(x,y,z)∈R³|z=0ª

. On voit même que, pour cet exemple, tout élément de F+G s’écrit de façonuniquecomme la somme d’un élément deF et d’un élément deG.

Exemple 14

SoientF etGles deux sous-espaces vectoriels deR³suivants : F=©

(x,y,z)∈R³|x=0ª

et G=©

(x,y,z)∈R³|y=0ª .

Dans cet exemple, montrons queF+G=R³. Par définition deF+G, tout élément de F+G est dansR³. Mais réciproquement, siw=(x,y,z) est un élément quelconque deR³:w=(x,y,z)= (0,y,z)+(x, 0, 0), avec (0,y,z)∈F et (x, 0, 0)∈G, doncwappartient àF+G.

Remarquons que, dans cet exemple, un élément de R³ ne s’écrit pas forcément de façon unique comme la somme d’un élément deF et d’un élément deG. Par exemple (1, 2, 3)=(0, 2, 3)+ (1, 0, 0)=(0, 2, 0)+(1, 0, 3).

2.7. Sous-espaces vectoriels supplémentaires

Définition 5: Somme directe de deux sous-espaces

SoientF etGdeux sous-espaces vectoriels de E.F etG sont ensomme directedansE si – F∩G={0E},

– F+G=E.

On note alorsF⊕G=E.

SiF etG sont en somme directe, on dit queF etGsont des sous-espaces vectorielssupplémen- tairesdansE.

Proposition 5

F etG sont supplémentaires dansE si et seulement si tout élément deE s’écrit d’une manière

uniquecomme la somme d’un élément deF et d’un élément deG.

Remarque

– Dire qu’un élémentwdeEs’écrit d’une manière unique comme la somme d’un élément de F et d’un élément deGsignifie que si w=u+vavecu∈F,v∈G etw=u⁰+v⁰ avecu⁰∈F, v⁰∈G alorsu=u⁰etv=v⁰.

– On dit aussi queF est un sous-espace supplémentaire deG (ou queG est un sous-espace supplémentaire deF).

– Il n’y a pas unicité du supplémentaire d’un sous-espace vectoriel donné (voir un exemple ci-dessous).

– L’existence d’un supplémentaire d’un sous-espace vectoriel sera prouvée dans le cadre des espaces vectoriels de dimension finie.

Démonstration

– SupposonsE=F⊕Get montrons que tout élémentu∈Ese décompose de manière unique.

Soient doncu=v+wetu=v⁰+w⁰avecv,v⁰∈Fetw,w⁰∈G. On a alorsv+w=v⁰+w⁰, donc v−v⁰=w⁰−w. CommeF est un sous-espace vectoriel alorsv−v⁰∈F, mais d’autre partG est aussi un sous-espace vectoriel doncw⁰−w∈G. Conclusion :v−v⁰=w⁰−w∈F∩G. Mais par définition d’espaces supplémentairesF∩G={0_E}, doncv−v⁰=0_Eet aussi w⁰−w=0_E. On en déduitv=v⁰etw=w⁰, ce qu’il fallait démontrer.

– Supposons que toutu∈Ese décompose de manière unique et montronsE=F⊕G.

– MontronsF∩G={0_E}. Si u∈F∩G, il peut s’écrire des deux manières suivantes comme somme d’un élément deF et d’un élément deG :

u=0_E+u et u=u+0_E. Par l’unicité de la décomposition,u=0_E.

– MontronsF+G=E. Il n’y rien à prouver, car par hypothèse tout élémentuse décompose enu=v+w, avecv∈F etw∈G.

Exemple 15 1. SoientF=©

(x, 0)∈R²|x∈Rª

etG=©

(0,y)∈R²|y∈Rª .

Montrons que F⊕G=R². La première façon de le voir est que l’on a clairement F∩G= {(0, 0)} et que, comme (x,y)=(x, 0)+(0,y), alors F+G=R². Une autre façon de le voir est d’utiliser la proposition 5, car la décomposition (x,y)=(x, 0)+(0,y) est unique.

2. GardonsF et notonsG⁰=©

(x,x)∈R²|x∈Rª

. Montrons que l’on a aussiF⊕G⁰=R² :

(a) MontronsF∩G⁰={(0, 0)}. Si (x,y)∈F∩G⁰ alors d’une part (x,y)∈F donc y=0, et aussi (x,y)∈G⁰doncx=y. Ainsi (x,y)=(0, 0).

(b) MontronsF+G⁰=R². Soitu=(x,y)∈R². Cherchons v∈F et w∈G⁰ tels que u=v+w.

Commev=(x₁,y₁)∈F alors y₁=0, et commew=(x₂,y₂)∈G⁰ alorsx₂=y₂. Il s’agit donc de trouverx₁ etx₂tels que

(x,y)=(x₁, 0)+(x₂,x₂).

Donc (x,y)=(x₁+x₂,x₂). Ainsi x=x₁+x₂ et y=x₂, d’où x₁=x−y et x₂= y. On trouve bien

(x,y)=(x−y, 0)+(y,y),

qui prouve que tout élément deR²est somme d’un élément de F et d’un élément deG⁰.

3. De façon plus générale, deux droites distinctes du plan passant par l’origine forment des sous-espaces supplémentaires.

Exemple 16

Est-ce que les sous-espaces vectorielsF etG deR³ définis par F=©

(x,y,z)∈R³|x−y−z=0ª

et G=©

(x,y,z)∈R³|y=z=0ª sont supplémentaires dansR³?

1. Il est facile de vérifier queF∩G={0}. En effet si l’élémentu=(x,y,z) appartient à l’inter- section de F et deG, alors les coordonnées de uvérifient :x−y−z=0 (caru appartient à F), ety=z=0 (caru appartient àG), doncu=(0, 0, 0).

2. Il reste à démontrer queF+G=R³.

Soit doncu=(x,y,z) un élément quelconque deR³; il faut déterminer des élémentsvdeF etwdeGtels queu=v+w. L’élémentvdoit être de la formev=(y₁+z₁,y₁,z₁) et l’élément wde la formew=(x2, 0, 0). On au=v+wsi et seulement si y₁=y,z₁=z,x₂=x−y−z. On a donc

(x,y,z)=(y+z,y,z)+(x−y−z, 0, 0) avecv=(y+z,y,z) dansF etw=(x−y−z, 0, 0) dansG.

Conclusion :F⊕G=R³. Exemple 17

Dans leR-espace vectorielF(R,R) des fonctions deRdansR, on considère le sous-espace vectoriel des fonctions paires P et le sous-espace vectoriel des fonctions impairesI. Montrons queP ⊕ I =F(R,R).

1. MontronsP ∩I ={0_F(R,R)}.

Soit f ∈P ∩I, c’est-à-dire que f est à la fois une fonction paire et impaire. Il s’agit 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 soitx∈R; donc f est la fonction nulle. AinsiP ∩I ={0_F(R,R)}.

2. MontronsP +I =F(R,R).

Soit f ∈F(R,R). Il s’agit de montrer que f peut s’écrire comme la somme d’une fonction paire et d’une fonction impaire.

Analyse.Si f=g+h, avecg∈P,h∈I, alors pour tout x, d’une part, (a) f(x)=g(x)+h(x), et d’autre part, (b) f(−x)=g(−x)+h(−x)=g(x)−h(x). Par somme et différence de (a) et (b), on tire que

g(x)= f(x)+f(−x)

2 et h(x)= f(x)−f(−x)

2 .

Synthèse. Pour f ∈F(R,R), on définit deux fonctions g,h par g(x)= ^f(x)+f₂^(−x) et h(x)=

f(x)−f(−x)

2 . Alors d’une part f(x)=g(x)+h(x) et d’autre part g∈P (vérifier g(−x)=g(x)) et h∈I (vérifier 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 gethobtenus sont uniques.

2.8. Sous-espace engendré

Théorème 3: Théorème de structure de l’ensemble des combinaisons linéaires Soit {v₁, . . . ,v_n}un ensemble fini de vecteurs d’unK-espace vectorielE. Alors :

– L’ensemble des combinaisons linéaires des vecteurs {v₁, . . . ,v_n}est un sous-espace vectoriel deE.

– C’est le plus petit sous-espace vectoriel deE(au sens de l’inclusion) contenant les vecteurs v₁, . . . ,v_n.

Notation.Ce sous-espace vectoriel est appelé sous-espace engendré parv₁, . . . ,v_n et est noté Vect(v₁, . . . ,v_n). On a donc

u∈Vect(v₁, . . . ,v_n) ⇐⇒ il existeλ1, . . . ,λn∈K tels que u=λ1v₁+ · · · +λnv_n Remarque

– Dire que Vect(v1, . . . ,v_n) est le plus petit sous-espace vectoriel deE contenant les vecteurs v₁, . . . ,v_n signifie que si F est un sous-espace vectoriel de E contenant aussi les vecteurs v₁, . . . ,v_nalors Vect(v₁, . . . ,v_n)⊂F.

– Plus généralement, on peut définir le sous-espace vectoriel engendré par une partie V quelconque (non nécessairement finie) d’un espace vectoriel : VectV est le plus petit sous- espace vectoriel contenantV.

Exemple 18

1. Eétant unK-espace vectoriel, et uun élément quelconque deE, l’ensemble Vect(u)={λu| λ∈K} est le sous-espace vectoriel deE engendré par u. Il est souvent notéKu. Si un’est pas le vecteur nul, on parle d’unedroite vectorielle.

2. Siuetvsont deux vecteurs deE, alors Vect(u,v)=©

λu+µv|λ,µ∈Kª

. Siuetvne sont pas colinéaires, alors Vect(u,v) est unplan vectoriel.

3. Soientu=

³₁

11

´ etv=

³₁

23

´

deux vecteurs deR³. DéterminonsP =Vect(u,v).

³_x

yz

´

∈Vect(u,v) ⇐⇒

³_x

yz

´

=λu+µv pour certainsλ,µ∈R

⇐⇒

³_x

yz

´

=λ³₁

11

´ +µ³₁

23

´

⇐⇒







x = λ+µ y = λ+2µ z = λ+3µ

Nous obtenons bien une équation paramétrique du planP passant par l’origine et conte- nant les vecteursuetv. On sait en trouver une équation cartésienne : (x−2y+z=0).

Exemple 19

SoientEl’espace vectoriel des applications deRdansRet f₀,f₁,f₂les applications définies par :

∀x∈R f₀(x)=1, f₁(x)=x et f₂(x)=x².

Le sous-espace vectoriel de E engendré par {f₀,f₁,f₂} est l’espace vectoriel des fonctions poly- nômes f de degré inférieur ou égal à 2, c’est-à-dire de la forme f(x)=ax²+bx+c.

Méthodologie.On peut démontrer qu’une partie F d’un espace vectoriel E est un sous-espace vectoriel deEen montrant que F est égal à l’ensemble des combinaisons linéaires d’un nombre fini de vecteurs deE.

Exemple 20 Est-ce queF=©

(x,y,z)∈R³|x−y−z=0ª

est un sous-espace vectoriel deR³?

Un triplet deR³ est élément de F si et seulement six=y+z. Donc uest élément de F si et seulement s’il peut s’écrire u=(y+z,y,z). Or, on a l’égalité

(y+z,y,z)=y(1, 1, 0)+z(1, 0, 1).

Donc F est l’ensemble des combinaisons linéaires de©

(1, 1, 0), (1, 0, 1)ª

. C’est le sous-espace vec- toriel engendré par ©

(1, 1, 0), (1, 0, 1)ª

:F=Vect©

(1, 1, 0), (1, 0, 1)ª

. C’est bien un plan vectoriel (un plan passant par l’origine).

Démonstration : Preuve du théorème 3

1. On appelleF l’ensemble des combinaisons linéaires des vecteurs {v₁, . . . ,v_n}.

(a) 0E∈F carF contient la combinaison linéaire particulière 0v₁+ · · · +0vn.

(b) Siu,v∈F alors il existeλ1, . . . ,λn∈K tels queu=λ1v₁+ · · · +λnv_n etµ1, . . . ,µn∈K tels quev=µ1v₁+· · ·+µnv_n. On en déduit queu+v=(λ1+µ1)v₁+· · ·+(λn+µn)v_nappartient bien àF.

(c) De même,λ·u=(λλ1)v₁+ · · · +(λλn)v_n∈F.

Conclusion :F est un sous-espace vectoriel.

2. SiG est un sous-espace vectoriel contenant {v₁, . . . ,v_n}, alors il est stable par combinaison linéaire ; il contient donc toute combinaison linéaire des vecteurs {v₁, . . . ,v_n}. Par consé- quentF est inclus dansG:F est le plus petit sous-espace (au sens de l’inclusion) contenant {v₁, . . . ,v_n}.

3. Application linéaire

3.1. Définition

Nous avons déjà rencontré la notion d’application linéaire dans le cas f :R^p−→Rⁿ (voir le cha- pitre « L’espace vectorielRⁿ»). Cette notion se généralise à des espaces vectoriels quelconques.

Définition 6

Soient E et F deux K-espaces vectoriels. Une application f de E dans F est une application linéairesi elle satisfait aux deux conditions suivantes :

1. f(u+v)=f(u)+f(v), pour tousu,v∈E; 2. f(λ·u)=λ·f(u), pour tout u∈Eet toutλ∈K.

Autrement dit : une application est linéaire si elle « respecte » les deux lois d’un espace vectoriel.

Notation.L’ensemble des applications linéaires deE dansF est notéL(E,F).

3.2. Premiers exemples

Exemple 21

L’application f définie par

f: R³ → R²

(x,y,z) 7→ (−2x,y+3z)

est une application linéaire. En effet, soientu=(x,y,z) etv=(x⁰,y⁰,z⁰) deux éléments deR³ etλ un réel.

f(u+v) = f(x+x⁰,y+y⁰,z+z⁰)

= ¡

−2(x+x⁰),y+y⁰+3(z+z⁰)¢

= (−2x,y+3z)+(−2x⁰,y⁰+3z⁰)

= f(u)+f(v) et

f(λ·u) = f(λx,λy,λz)

= (−2λx,λy+3λz)

= λ·(−2x,y+3z)

= λ·f(u)

Toutes les applications ne sont pas des applications linéaires ! Exemple 22

Soit f :R→R l’application définie par f(x)=x². On a f(1)=1 et f(2)=4. Donc f(2)6=2·f(1).

Ce qui fait que l’on n’a pas l’égalité f(λx)=λf(x) pour un certain choix deλ,x. Donc f n’est pas linéaire. Notez que l’on n’a pas non plus f(x+x⁰)=f(x)+f(x⁰) dès que xx⁰6=0.

3.3. Premières propriétés

Proposition 6

SoientE etF deuxK-espaces vectoriels. Si f est une application linéaire deEdansF, alors : – f(0E)=0F,

– f(−u)= −f(u), pour tout u∈E.

Démonstration

Il suffit d’appliquer la définition de la linéarité avecλ=0, puis avecλ= −1.

Pour démontrer qu’une application est linéaire, on peut aussi utiliser une propriété plus « concen- trée », donnée par la caractérisation suivante :

Proposition 7: Caractérisation d’une application linéaire

Soient E et F deux K-espaces vectoriels et f une application de E dans F. L’application f est linéaire si et seulement si, pour tous vecteursu etvdeEet pour tous scalairesλ etµdeK,

f(λu+µv)=λf(u)+µf(v).

Plus généralement, une application linéaire f préserve les combinaisons linéaires : pour tous λ1, . . . ,λn∈Ket tousv₁, . . . ,v_n∈E, on a

f(λ1v₁+ · · · +λnv_n)=λ1f(v₁)+ · · · +λnf(v_n).

Démonstration

– Soit f une application linéaire deE dansF. Soientu,v∈E,λ,µ∈K. En utilisant les deux axiomes de la définition, on a

f(λu+µv)=f(λu)+f(µv)=λf(u)+µf(v).

– Montrons la réciproque. Soit f:E→F une application telle que f(λu+µv)=λf(u)+µf(v) (pour tous u,v∈E,λ,µ∈K). Alors, d’une part f(u+v)= f(u)+f(v) (en considérant le cas particulier oùλ=µ=1), et d’autre part f(λu)=λf(u) (cas particulier oùµ=0).

Vocabulaire.

SoientE etF deuxK-espaces vectoriels.

– Une application linéaire de E dans F est aussi appelée morphisme ou homomorphisme d’espaces vectoriels. L’ensemble des applications linéaires deE dansF est notéL(E,F).

– Une application linéaire de E dansE est appeléeendomorphismede E. L’ensemble des en- domorphismes deEest notéL(E).

3.4. Exemples géométriques

Symétrie centrale.

SoientE unK-espace vectoriel. On définit l’application f par : f :E → E

u 7→ −u

f est linéaire et s’appelle lasymétrie centralepar rapport à l’origine 0E. Homothétie.

SoientE unK-espace vectoriel etλ∈K. On définit l’application f_λpar : f_λ:E → E

u 7→ λu f_λest linéaire. f_λest appeléehomothétiede rapportλ.

Cas particuliers notables :

– λ=1, f_λ est l’application identité ; – λ=0, f_λ est l’application nulle ;

– λ= −1, on retrouve la symétrie centrale.

Preuve que f_λest une application linéaire :

f_λ(αu+βv)=λ(αu+βv)=α(λu)+β(λv)=αf_λ(u)+βf_λ(v).

Projection.

Soient E un K-espace vectoriel et F etG deux sous-espaces vectoriels supplémentaires dans E, c’est-à-dire E=F⊕G. Tout vecteur u de E s’écrit de façon uniqueu=v+wavecv∈F etw∈G. La projectionsur F parallèlement àGest l’application p:E→Edéfinie par p(u)=v.

– Une projection est une application linéaire.

En effet, soient u,u⁰∈E,λ,µ∈K. On décompose uet u⁰ en utilisant queE=F⊕G :u=v+w, u⁰=v⁰+w⁰avecv,v⁰∈F,w,w⁰∈G. Commençons par écrire

λu+µu⁰=λ(v+w)+µ(v⁰+w⁰)=(λv+µv⁰)+(λw+µw⁰).

Comme F etG sont des un sous-espaces vectoriels de E, alors λv+µv⁰∈F et λw+µw⁰∈G.

Ainsi :

p(λu+µu⁰)=λv+µv⁰=λp(u)+µp(u⁰).

– Une projection pvérifie l’égalité p²=p.

Note : p²=p signifie p◦p=p, c’est-à-dire pour tout u∈E : p¡ p(u)¢

= p(u). Il s’agit juste de remarquer que siv∈F alorsp(v)=v(carv=v+0, avecv∈Fet 0∈G). Maintenant, pouru∈E, on a u=v+wavecv∈F etw∈G. Par définition p(u)=v. Mais alors p¡

p(u)¢

=p(v)=v. Bilan : p◦p(u)=v=p(u). Donc p◦p=p.

Exemple 23

Nous avons vu que les sous-espaces vectorielsF etG deR³ définis par F=©

(x,y,z)∈R³|x−y−z=0ª

et G=©

(x,y,z)∈R³|y=z=0ª

sont supplémentaires dans R³ : R³=F⊕G (exemple 16). Nous avions vu que la décomposition s’écrivait :

(x,y,z)=(y+z,y,z)+(x−y−z, 0, 0).

Si pest la projection surF parallèlement àG, alors on a p(x,y,z)=(y+z,y,z).

Exemple 24

Nous avons vu dans l’exemple 17 que l’ensemble des fonctions paires P et l’ensemble des fonc- tions impaires I sont des sous-espaces vectoriels supplémentaires dans F(R,R). Notons p la projection surP parallèlement àI. Si f est un élément deF(R,R), on a p(f)=goù

g:R → R

x 7→ f(x)+f(−x)

2 .

3.5. Autres exemples

1. Ladérivation. SoientE=C¹(R,R) l’espace vectoriel des fonctions f :R−→Rdérivables avec f⁰continue etF=C⁰(R,R) l’espace vectoriel des fonctions continues. Soit

d:C¹(R,R) −→ C⁰(R,R) f 7−→ f⁰

Alorsdest une application linéaire, car (λf+µg)⁰=λf⁰+µg⁰et doncd(λf+µg)=λd(f)+µd(g).

2. L’intégration. Soient E=C⁰(R,R) etF=C¹(R,R). Soit I:C⁰(R,R) −→ C¹(R,R)

f(x) 7−→ Rx

0 f(t)dt L’application I est linéaire carR_x

0

¡λf(t)+µg(t)¢

dt=λR_x

0 f(t)dt+µR_x

0 g(t)dtpour toutes fonc- tions f et get pour tousλ,µ∈R.

3. Avec lespolynômes.

SoitE=Rn[X] l’espace vectoriel des polynômes de degréÉn. SoitF=Rn+1[X] et soit f : E −→ F

P(X) 7−→ X P(X)

Autrement dit, siP(X)=a_nXⁿ+ · · · +a₁X+a₀, alors f(P(X))=a_nXⁿ⁺¹+ · · · +a₁X²+a₀X. C’est une application linéaire : f(λP(X)+µQ(X))=λX P(X)+µX Q(X)=λf(P(X))+µf(Q(X)).

3.6. Image d’une application linéaire

Commençons par des rappels. Soient E et F deux ensembles et f une application de E dans F. Soit A un sous-ensemble de E. L’ensemble des images par f des éléments de A, appelé image directedeA par f, est noté f(A). C’est un sous-ensemble deF. On a par définition :

f(A)=©

f(x)|x∈Aª .

Dans toute la suite,EetF désigneront desK-espaces vectoriels etf :E→Fsera une application linéaire.

f(E) s’appelle l’imagede l’application linéaire f et est noté Imf. Proposition 8: Structure de l’image d’un sous-espace vectoriel

1. Si E⁰est un sous-espace vectoriel de E, alors f(E⁰) est un sous-espace vectoriel deF. 2. En particulier, Imf est un sous-espace vectoriel deF.

Remarque

On a par définition de l’image directe f(E) :

f est surjective si et seulement si Imf =F.

Démonstration

Tout d’abord, comme 0E∈E⁰ alors 0F =f(0E)∈ f(E⁰). Ensuite on montre que pour tout couple (y₁,y₂) d’éléments de f(E⁰) et pour tous scalairesλ,µ, l’élémentλy₁+µy₂appartient à f(E⁰). En effet :

y₁∈f(E⁰)⇐⇒ ∃x₁∈E⁰,f(x₁)=y₁ y₂∈f(E⁰)⇐⇒ ∃x₂∈E⁰,f(x2)=y₂. Comme f est linéaire, on a

λy₁+µy₂=λf(x₁)+µf(x₂)=f(λx₁+µx₂).

Or λx₁+µx₂ est un élément deE⁰, carE⁰ est un sous-espace vectoriel deE, doncλy₁+µy₂ est bien un élément de f(E⁰).

3.7. Noyau d’une application linéaire

Définition 7: Définition du noyau

SoientE etF deuxK-espaces vectoriels et f une application linéaire deEdansF. Lenoyaude f, noté Ker(f), est l’ensemble des éléments deEdont l’image est 0F :

Ker(f)=©

x∈E|f(x)=0_Fª

Autrement dit, le noyau est l’image réciproque du vecteur nul de l’espace d’arrivée : Ker(f)= f⁻¹{0_F}.

Proposition 9

Soient EetF deuxK-espaces vectoriels et f une application linéaire de E dansF. Le noyau de f est un sous-espace vectoriel de E.

Démonstration

Ker(f) est non vide car f(0E)=0F donc 0E∈Ker(f). Soient x₁,x₂∈Ker(f) etλ,µ∈K. Montrons queλx₁+µx₂ est un élément de Ker(f). On a, en utilisant la linéarité de f et le fait quex₁et x₂ sont des éléments de Ker(f) : f(λx₁+µx₂)=λf(x₁)+µf(x₂)=λ0_F+µ0_F =0_F.

Exemple 25

Reprenons l’exemple de l’application linéaire f définie par f: R³ → R²

(x,y,z) 7→ (−2x,y+3z) – Calculons le noyau Ker(f).

(x,y,z)∈Ker(f) ⇐⇒ f(x,y,z)=(0, 0)

⇐⇒ (−2x,y+3z)=(0, 0)

⇐⇒

½ −2x = 0 y+3z = 0

⇐⇒ (x,y,z)=(0,−3z,z), z∈R Donc Ker(f)=©

(0,−3z,z)|z∈Rª

. Autrement dit, Ker(f)=Vect©

(0,−3, 1)ª

: c’est une droite vectorielle.

– Calculons l’image de f. Fixons (x⁰,y⁰)∈R².

(x⁰,y⁰)=f(x,y,z) ⇐⇒ (−2x,y+3z)=(x⁰,y⁰)

⇐⇒

½ −2x = x⁰ y+3z = y⁰

On peut prendre par exemplex= −^x₂⁰,y⁰=y,z=0. Conclusion : pour n’importe quel (x⁰,y⁰)∈ R², on a f(−^x₂⁰,y⁰, 0)=(x⁰,y⁰). Donc Im(f)=R², et f est surjective.

Exemple 26

Soit A∈M_n,p(R). Soit f :R^p−→Rⁿ l’application linéaire définie par f(X)=A X. Alors Ker(f)=

©X ∈R^p |A X =0ª

: c’est donc l’ensemble des X ∈R^p solutions du système linéaire homogène A X=0. On verra plus tard que Im(f) est l’espace engendré par les colonnes de la matrice A.

Le noyau fournit une nouvelle façon d’obtenir des sous-espaces vectoriels.

Exemple 27

Un planP passant par l’origine, d’équation (ax+b y+cz=0), est un sous-espace vectoriel deR³. En effet, soit f :R³→R l’application définie par f(x,y,z)=ax+b y+cz. Il est facile de vérifier que f est linéaire, de sorte que Kerf =©

(x,y,z)∈R³|ax+b y+cz=0ª

=P est un sous-espace vectoriel.

Exemple 28

Soient E un K-espace vectoriel, F et G deux sous-espaces vectoriels de E, supplémentaires : E=F⊕G. Soit pla projection surF parallèlement àG. Déterminons le noyau et l’image de p.

Un vecteurudeEs’écrit d’une manière uniqueu=v+wavecv∈F etw∈Get par définition p(u)=v.

– Ker(p)=G: le noyau de pest l’ensemble des vecteursudeE tels quev=0, c’est doncG.

– Im(p)=F. Il est immédiat que Im(p)⊂F. Réciproquement, si u∈F alors p(u)=u, donc F⊂Im(p).

Conclusion :

Ker(p)=G et Im(p)=F.

Théorème 4: Caractérisation des applications linéaires injectives

SoientE etF deuxK-espaces vectoriels et f une application linéaire deEdansF. Alors : f injective ⇐⇒ Ker(f)=©

0_Eª

Autrement dit, f est injective si et seulement si son noyau ne contient que le vecteur nul. En parti- culier, pour montrer que f est injective, il suffit de vérifier que :

si f(x)=0_F alorsx=0_E. Démonstration

– Supposons que f soit injective et montrons que Ker(f)={0_E}. Soitxun élément de Ker(f).

On a f(x)=0_F. Or, comme f est linéaire, on a aussi f(0_E)=0_F. De l’égalité f(x)=f(0_E), on déduit x=0E car f est injective. Donc Ker(f)={0E}.

– Réciproquement, supposons maintenant que Ker(f)={0_E}. Soient x et y deux éléments de E tels que f(x)=f(y). On a donc f(x)−f(y)=0_F. Comme f est linéaire, on en déduit

f(x−y)=0F, c’est-à-direx−yest un élément de Ker(f). Doncx−y=0E, soitx=y.

Exemple 29

Considérons, pour nÊ1, l’application linéaire

f :Rn[X] −→ Rn+1[X]

P(X) 7−→ X·P(X).

Étudions d’abord le noyau de f : soit P(X)=a_nXⁿ+ · · · +a₁X+a₀∈Rn[X] tel que X·P(X)=0.

Alors

a_nXⁿ⁺¹+ · · · +a₁X²+a₀X=0.

Ainsi,a_i=0 pour touti∈{0, . . . ,n}et doncP(X)=0. Le noyau de f est donc nul : Ker(f)={0}.

L’espace Im(f) est l’ensemble des polynômes deRn+1[X] sans terme constant : Im(f)=Vect©

X,X², . . . ,Xⁿ⁺¹ª . Conclusion : f est injective, mais n’est pas surjective.

3.8. L’espace vectoriel _L (E, F )

SoientEetFdeuxK-espaces vectoriels. Remarquons tout d’abord que, similairement à l’exemple 4, l’ensemble des applications de E dans F, notéF(E,F), peut être muni d’une loi de composition