More Related Content
Similar to Espace vectoriel (20)
Espace vectoriel
- 1. Université Joseph Fourier, Grenoble Maths en Ligne
Espaces vectoriels
Bernard Ycart
Vous devez vous habituer à penser en termes de « vecteurs » dans un sens trÚs
général : polynÎmes, matrices, suites, fonctions, etc. Le problÚme est que, contrairement
Ă R2 ou R3 , il est diïŹcile de visualiser des vecteurs dans un espace de dimension
inïŹnie. . . quand ce sont des fonctions par exemple ! Avoir assimilĂ© la thĂ©orie de la
dimension ïŹnie serait une bonne idĂ©e avant dâattaquer ce chapitre.
Table des matiĂšres
1 Cours 1
1.1 DĂ©ïŹnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Familles génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.4 Familles libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.5 Dimension ïŹnie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.7 Projections et symétries . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.8 RĂ©currences linĂ©aires dâordre deux . . . . . . . . . . . . . . . . . . . . . 20
2 EntraĂźnement 24
2.1 Vrai ou faux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3 QCM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.4 Devoir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.5 Corrigé du devoir . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3 Compléments 40
3.1 Kate and William : so romantic ! . . . . . . . . . . . . . . . . . . . . . 40
3.2 Ăquations de rĂ©currence linĂ©aires . . . . . . . . . . . . . . . . . . . . . 41
3.3 Ăquations diïŹĂ©rentielles linĂ©aires . . . . . . . . . . . . . . . . . . . . . 42
3.4 PolynĂŽmes de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.5 Transformée de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
8 novembre 2011
- 2. Maths en Ligne Espaces vectoriels UJF Grenoble
1 Cours
1.1 DĂ©ïŹnition
Un espace vectoriel est un ensemble sur lequel sont dĂ©ïŹnies :
âą une addition interne (on peut ajouter entre eux deux Ă©lĂ©ments de lâensemble et
cela donne un Ă©lĂ©ment de lâensemble)
âą une multiplication externe (on peut multiplier un Ă©lĂ©ment de lâensemble par un
nombre rĂ©el et cela donne un Ă©lĂ©ment de lâensemble).
Ces deux opĂ©rations doivent vĂ©riïŹer certaines propriĂ©tĂ©s de compatibilitĂ© qui sont listĂ©es
dans la dĂ©ïŹnition 1.
DĂ©ïŹnition 1. On dit que E est un espace vectoriel sur R si E est muni dâune addition
et dâune multiplication externe vĂ©riïŹant les propriĂ©tĂ©s suivantes.
E Ă E ââ E
âą Addition :
(v, w) ââ v + w
1. AssociativitĂ© : âu, v, w â E , u + (v + w) = (u + v) + w
2. ĂlĂ©ment neutre : âe â E , âv â E , v+e=e+v =v
3. OpposĂ© : âv â E , âv â E , v+v =v +v =e
4. CommutativitĂ© : âv, w â E , v+w =w+v
Ces propriétés font de (E, +) un groupe commutatif.
R Ă E ââ E
âą Multiplication externe :
(λ, v) ââ λ v
5. AssociativitĂ© : âλ, ” â R , âv â E , λ(” v) = (λ”) v
6. ĂlĂ©ment neutre : âv â E , 1v = v
7. DistributivitĂ© (1) : âλ, ” â R , âv â E , (λ + ”) v = λ v + ” v
8. DistributivitĂ© (2) : âλ â R , âv, w â E , λ (v + w) = λ v + λ w
La proposition suivante nous autorisera Ă noter 0 lâĂ©lĂ©ment neutre pour lâaddition
(nous lâappellerons « vecteur nul ») et âv lâopposĂ© de v.
Proposition 1. Soit E un espace vectoriel.
1. Le produit par le rĂ©el 0 dâun vecteur v quelconque est lâĂ©lĂ©ment neutre pour lâad-
dition :
âv â E , 0 v = e .
2. Le produit par le rĂ©el â1 dâun vecteur v quelconque est son opposĂ© pour lâaddition :
âv â E , v + (â1) v = e .
1
- 3. Maths en Ligne Espaces vectoriels UJF Grenoble
DĂ©monstration : Notons (provisoirement) v lâopposĂ© de v pour lâaddition : v + v = e.
En utilisant les propriĂ©tĂ©s de la dĂ©ïŹnition 1 :
0v = 0v + e par 2.
= 0 v + (v + v ) par 3.
= 0 v + (1 v + v ) par 6.
= (0 v + 1 v) + v par 1.
= (0 + 1) v + v par 7.
= 1v + v = v + v = e par 6.
Ceci dĂ©montre le premier point. Pour le second, il suïŹt dâĂ©crire
v + (â1) v = 1 v + (â1) v = (1 + (â1)) v = 0 v = e .
Le singleton contenant seulement le vecteur nul est un espace vectoriel particulier.
Ce nâest pas le plus intĂ©ressant. Voici quelques ensembles, naturellement munis dâune
addition et dâune multiplication externe. Nous dĂ©montrerons plus loin que tous sont
eïŹectivement des espaces vectoriels.
1. Nombres complexes : C = { a + ib , a, b â R }.
Lâensemble des complexes est muni de lâaddition et de la multiplication par un
réel, qui agissent sur les parties réelles et imaginaires.
âą Addition : (2 + 3i) + (1 â 2i) = 3 + i
âą Multiplication externe : (â2)(2 â 3i) = â4 + 6i
2. n-uplets de rĂ©els : Rn = { (x1 , . . . , xn ) , x1 , . . . , xn â R }.
Lâensemble des n-uplets de rĂ©els (couples pour n = 2, triplets pour n = 3, . . . ) est
muni de lâaddition et de la multiplication par un rĂ©el, coordonnĂ©e par coordonnĂ©e.
âą Addition : (1, 2, 3, 4) + (3, â1, â2, 2) = (4, 1, 1, 6)
âą Multiplication externe : (â2)(3, â1, â2, 2) = (â6, 2, 4, â4)
3. Matrices Ă coeïŹcients rĂ©els : Mm,n = { (ai,j ) , ai,j â R , 1 i m , 1 j n }.
Lâensemble des matrices Ă m lignes et n colonnes, Ă coeïŹcients rĂ©els, est muni
de lâaddition et de la multiplication par un rĂ©el, coeïŹcient par coeïŹcient.
1 â2 3 â6 5 â4 â5 3 â1
âą Addition : + =
â4 5 â6 3 â2 1 â1 3 â5
1 â2 3 â2 4 â6
âą Multiplication externe : (â2) =
â4 5 â6 8 â10 12
4. Suites de rĂ©els : RN = { (un ) , ân â N, un â R }.
Lâensemble des suites de rĂ©els est muni de lâaddition et de la multiplication par
un réel, terme à terme.
âą Addition : (2ân ) + (3n ) = (2ân + 3n )
âą Multiplication externe : (â2) (2ân ) = (â2ân+1 )
2
- 4. Maths en Ligne Espaces vectoriels UJF Grenoble
5. PolynĂŽmes : R[X] = {a0 + a1 X + . . . + an X n , n â N, (a0 , . . . , an ) â Rn+1 }.
Lâensemble des polynĂŽmes dâune variable, Ă coeïŹcients rĂ©els est aussi muni na-
turellement dâune addition et dâune multiplication externe.
âą Addition : (â1 + 2X + 3X 2 ) + (3X â X 2 â 2X 4 ) = â1 + 5X + 2X 2 â 2X 4
âą Multiplication externe : (â2) (3X â X 2 â 2X 4 ) = â6X + 2X 3 + 4X 4
6. Applications : RR = {f : x â f (x) , âx â R , f (x) â R}.
Lâensemble des applications de R dans R est muni de lâaddition des images et de
leur multiplication par un réel.
âą Addition : (cos + sin) : x â cos(x) + sin(x)
âą Multiplication externe : (â2) cos : x â â2 cos(x)
Il est inutile de sâinquiĂ©ter de la quantitĂ© de propriĂ©tĂ©s Ă vĂ©riïŹer dans la dĂ©ïŹnition 1.
Dans tous les exemples que lâon rencontrera, les opĂ©rations sont parfaitement natu-
relles et leurs propriĂ©tĂ©s Ă©videntes. On ne vĂ©riïŹe dâailleurs jamais les 8 propriĂ©tĂ©s de la
dĂ©ïŹnition 1. La raison pour laquelle câest inutile sera explicitĂ©e dans la section suivante.
Remarquons seulement pour lâinstant que tous les exemples ci-dessus peuvent ĂȘtre mis
en correspondance avec lâensemble des applications dâun certain ensemble A, dans R.
Cela va sans dire pour les applications de R dans R. Les n-uplets de réels sont des
applications de {1, . . . , n} dans R. Les nombres complexes peuvent ĂȘtre identiïŹĂ©s Ă des
couples de réels, les matrices à des applications de {1, . . . , m} à {1, . . . , n} dans R. Les
suites sont des applications de N dans R. Nous verrons plus loin comment les poly-
nĂŽmes se ramĂšnent Ă des suites. Nous nous contenterons donc de vĂ©riïŹer pour lâinstant
que lâensemble des applications de A dans R est un espace vectoriel.
ThĂ©orĂšme 1. Soit A un ensemble quelconque et E = RA lâensemble des applications
de A dans R :
E = { v : x â A ââ v(x) â R } .
Lâensemble E est muni des deux opĂ©rations suivantes.
âą Addition : (v + w) : x ââ v(x) + w(x)
âą Multiplication externe : (λ v) : x ââ λv(x)
Muni de ces deux opérations, E est un espace vectoriel sur R.
DĂ©monstration : Chacune des propriĂ©tĂ©s requises par la dĂ©ïŹnition 1 provient dâune
propriété analogue des réels. PlutÎt que de répéter formellement les énoncés des pro-
priĂ©tĂ©s, il est plus intĂ©ressant de comprendre quels sont les objets que lâon manipule.
Par exemple, lâĂ©lĂ©ment neutre pour lâaddition, mĂȘme si on le note aussi 0 nâest pas le
rĂ©el 0 : câest lâapplication nulle.
A ââ R
0 :
x ââ 0
De mĂȘme, lâopposĂ© de v est lâapplication qui Ă x associe âv(x).
A ââ R
âv :
x ââ âv(x)
3
- 5. Maths en Ligne Espaces vectoriels UJF Grenoble
ConsidĂ©rons la propriĂ©tĂ© 5. de la dĂ©ïŹnition 1.
âλ, ” â R , âv â E , λ(” v) = (λ”) v
Elle signiïŹe ici :
« si on multiplie par λ lâapplication qui Ă x associe ” v(x), on trouve la
mĂȘme chose que si on multiplie par λ” lâapplication qui Ă x associe v(x),
câest-Ă -dire lâapplication qui Ă x associe (λ”) v(x), »
. . . ce qui est bien vrai, nâest-ce pas ?
Nous laissons au lecteur le plaisir de traduire de mĂȘme chacune des propriĂ©tĂ©s de
la dĂ©ïŹnition 1.
Nous ne parlerons dans ce chapitre que dâespaces vectoriels sur R. Cependant, on
peut remplacer R par un autre corps commutatif dans la dĂ©ïŹnition 1, sans modiïŹer
notablement la théorie. Hormis R, les corps les plus utilisés sont C et Z/2Z.
1.2 Sous-espaces vectoriels
La raison pour laquelle il est inutile en gĂ©nĂ©ral de vĂ©riïŹer les 8 propriĂ©tĂ©s de la
dĂ©ïŹnition 1. est que tous les espaces vectoriels que lâon utilise sont des sous-espaces
dâun espace vectoriel dâapplications, câest-Ă -dire quâils sont des sous-ensembles, sur
lesquels on applique localement les opĂ©rations de lâespace entier.
DĂ©ïŹnition 2. Soit E un espace vectoriel et F un sous-ensemble non vide de E. On
dit que F est un sous-espace vectoriel de E sâil est un espace vectoriel pour lâaddition
et la multiplication externe de E.
Observons que tout sous-espace vectoriel de E contient au moins le vecteur nul. La
notion prend tout son intĂ©rĂȘt grĂące au thĂ©orĂšme suivant.
ThĂ©orĂšme 2. Soit E un espace vectoriel et F â E un sous-ensemble non vide de E.
Lâensemble F est un sous-espace vectoriel de E si et seulement si :
âv, w â F v+w âF
(1)
âv â F , âλ â R λv â F
DĂ©monstration : Si F est un sous-espace vectoriel de E, alors câest un espace vectoriel
et (1) est vrai.
Montrons la rĂ©ciproque. Parmi les 8 propriĂ©tĂ©s de la dĂ©ïŹnition 1, celles qui ne
font intervenir que le quantiïŹcateur â (associativitĂ©s, commutativitĂ©, distributivitĂ©s),
puisquâelles sont vraies dans E, restent vraies dans F Ă cause de (1). Il suïŹt donc
de vĂ©riïŹer les 2 propriĂ©tĂ©s impliquant une existence (Ă©lĂ©ment neutre et opposĂ©). Nous
devons dĂ©montrer que F contient le vecteur nul, ainsi que lâopposĂ© de tout vecteur de
F . DâaprĂšs le premier point de la proposition 1, le vecteur nul sâĂ©crit 0 v pour tout
4
- 6. Maths en Ligne Espaces vectoriels UJF Grenoble
vecteur v de E, donc pour tout vecteur de F . Comme F est non vide, il est donc dans
F . De mĂȘme si v est un vecteur de F , alors son opposĂ©, qui sâĂ©crit (â1) v dâaprĂšs le
second point de la proposition 1, est aussi dans F .
Voici une premiĂšre application. Une suite (un )nâN de rĂ©els est nulle Ă partir dâun
certain rang (on dit aussi Ă support ïŹni) sâil existe n0 â N tel que pour tout n n0 ,
un = 0. Tout polynĂŽme peut ĂȘtre identiïŹĂ© Ă la suite de ses coeïŹcients, qui est nulle
Ă partir dâun certain rang (le degrĂ© du polynĂŽme, plus 1). La proposition suivante
dĂ©montre donc du mĂȘme coup que lâensemble des polynĂŽmes, muni de lâaddition et de
la multiplication externe, est un espace vectoriel.
Proposition 2. Lâensemble des suites nulles Ă partir dâun certain rang est un sous-
espace vectoriel de lâespace vectoriel des suites de rĂ©els.
DĂ©monstration : Soit (un ) une suite, nulle Ă partir du rang n0 , et (vn ) une suite nulle
Ă partir du rang n1 . Alors la suite (un + vn ) est nulle, au moins Ă partir du rang
max{n0 , n1 } (et peut-ĂȘtre avant). Pour tout λ â R, la suite (λun ) est nulle, au moins
Ă partir du rang n0 .
Le résultat suivant découle tout aussi facilement du théorÚme 2.
Proposition 3. Lâintersection de deux sous-espaces vectoriels est un sous-espace vec-
toriel.
La rĂ©union de deux sous-espaces vectoriels nâest pas un espace vectoriel en gĂ©nĂ©ral
(pensez Ă deux droites distinctes).
Pour chacun des espaces vectoriels donnés en exemple à la section précédente, nous
donnons dans les tableaux ci-dessous des sous-ensembles qui sont des sous-espaces
vectoriels, et dâautres qui nâen sont pas. Nous conseillons au lecteur de le dĂ©montrer
pour chacun. Pour dĂ©montrer quâun ensemble est un sous-espace vectoriel, il suïŹt
dâappliquer le thĂ©orĂšme 2. Pour dĂ©montrer quâun ensemble nâest pas un sous-espace
vectoriel, il suïŹt de trouver un contre-exemple : vĂ©riïŹez dâabord si 0 appartient Ă
lâensemble : si ce nâest pas le cas, câest terminĂ©. Sinon, vĂ©riïŹez si lâopposĂ© dâun vecteur
de lâensemble est dans lâensemble. Si câest encore vrai, trouvez deux vecteurs particuliers
de lâensemble, tels que leur somme nây soit pas.
Complexes
Oui Non
{ z â C , Re(z) = 0 } { z â C , Re(z) = 1 }
{ z â C , |z| = 0 } { z â C , |z| = 1 }
{ z â C , |z â e | = |z + e | } { z â C , |z â eiÏ/4 | = |z| }
iÏ/4 iÏ/4
5
- 7. Maths en Ligne Espaces vectoriels UJF Grenoble
Couples de réels
Oui Non
{ (x, y) â R2 , x = 0 } { (x, y) â R2 , x = 1 }
{ (x, y) â R2 , 3x â 2y = 0 } { (x, y) â R2 , 3x2 â 2y 2 = 0 }
{ (x, y) â R2 , 2x + 3y = 0 } { (x, y) â R2 , sin(3x + 2y) = 0 }
Matrices
Oui Non
t
{ A â M2,2 (R) , A = A } { A â M2,2 (R) , A = A2 }
{ A â M2,2 (R) , A 1 = 0 } { A â M2,2 (R) , A 1 = 1 }
1 0 1 1
{ A â M2,2 (R) , tr(A) = 0 } { A â M2,2 (R) , det(A) = 0 }
Suites de réels
Oui Non
{ (un ) , u0 = 0 } { (un ) , u0 = 1 }
{ (un ) , â l lim un = l } { (un ) , lim un = +â }
{ (un ) , ân , un+1 = 2un } { (un ) , ân , un+1 = un + 1 }
PolynĂŽmes
Oui Non
{ P â R[X] , deg(P ) 5 } { P â R[X] , deg(P ) = 5 }
{ P â R[X] , P (X) = P (âX) } { P â R[X] , P 2 (X) = P 2 (âX) }
{ P â R[X] , P (2) + P (2) = 0 } { P â R[X] , P (2) + P (2) = 1 }
Fonctions de R dans R
Oui Non
{ f , f (0) = 0 } { f , f (1) = 1 }
{ f , continues en 0 } { f , |f | continue en 0 }
{ f , dérivables sur ]0, 1[ } { f , non dérivables en 0 }
Dans un espace vectoriel, lâassociativitĂ© de lâaddition permet dâĂ©crire (sans parenthĂšses)
des combinaisons linéaires de vecteurs.
DĂ©ïŹnition 3. Soient v1 , . . . , vn n vecteurs dâun espace vectoriel E. On appelle combi-
naison linĂ©aire de v1 , . . . , vn , tout vecteur sâĂ©crivant :
n
λ1 v1 + · · · + λn vn = λi v i ,
i=1
oĂč λ1 , . . . , λn sont des rĂ©els.
6
- 8. Maths en Ligne Espaces vectoriels UJF Grenoble
ThĂ©orĂšme 3. Soit E un espace vectoriel et F â E un sous-ensemble non vide de E.
Les trois aïŹrmations suivantes sont Ă©quivalentes.
1. F est un sous-espace vectoriel de E.
2. F contient toutes les combinaisons linéaires de deux de ses vecteurs.
âv, w â F , âλ, ” â R , λv + ”w â F
3. pour tout n 1, F contient toutes les combinaisons linéaires de n de ses vecteurs.
n
âv1 , . . . , vn â F , âλ1 , . . . , λn â R , λi vi â F
i=1
DĂ©monstration : Rappelons que F est un sous-espace vectoriel de E si et seulement
si il vĂ©riïŹe (1). LâĂ©quivalence entre (1) et 2 est un exercice facile, laissĂ© au lecteur.
Lâimplication 3 =â 2 est Ă©vidente. Nous allons dĂ©montrer la rĂ©ciproque 2 =â 3, par
rĂ©currence sur n. Notons H(n) lâhypothĂšse de rĂ©currence :
n
H(n) : âv1 , . . . , vn â F , âλ1 , . . . , λn â R , λi vi â F
i=1
Le point 2 est H(2), et il implique H(1) (cas particulier ” = 0). Supposons que H(n)
soit vrai. Soient v1 , . . . , vn+1 des vecteurs de F et λ1 , . . . , λn+1 des réels. Ecrivons
n+1
λi vi = v + λn+1 vn+1 ,
i=1
avec n
v= λi vi
i=1
Le vecteur v appartient à F , par H(n). La combinaison linéaire v +λn+1 vn+1 appartient
Ă F dâaprĂšs H(2), dâoĂč le rĂ©sultat.
1.3 Familles génératrices
DâaprĂšs le thĂ©orĂšme 3, un sous-espace vectoriel contient toutes les combinaisons
linĂ©aires dâun nombre quelconque de vecteurs : pour tout entier n, pour tous vecteurs
v1 , . . . , vn de E, et pour tous réels λ1 , . . . , λn ,
n
λ1 v1 + · · · + λn vn = λi v i â E .
i=1
Une des maniĂšres de fabriquer un sous-espace vectoriel est de partir dâune famille
dâĂ©lĂ©ments, puis de lui adjoindre toutes les combinaisons linĂ©aires de ces Ă©lĂ©ments. Une
famille dâĂ©lĂ©ments de E est dĂ©ïŹnie comme une application dâun ensemble dâindices I,
Ă valeurs dans E.
V = vi , i â I
7
- 9. Maths en Ligne Espaces vectoriels UJF Grenoble
DĂ©ïŹnition 4. Soit E un espace vectoriel et V une famille de vecteurs de E. On ap-
pelle sous-espace engendrĂ© par V lâensemble des combinaisons linĂ©aires de sous-familles
ïŹnies quelconques dâĂ©lĂ©ments de V.
On dit que V est une famille génératrice pour E si le sous-espace engendré par V
est E lui-mĂȘme.
Lâensemble des combinaisons linĂ©aires dâĂ©lĂ©ments de V est un espace vectoriel,
dâaprĂšs le thĂ©orĂšme 3. Le mĂȘme thĂ©orĂšme implique aussi que tout espace vectoriel
contenant V doit contenir toutes les combinaisons linéaires de ses éléments. Donc le
sous-espace engendré par V est inclus dans tout sous-espace contenant V. Voici quelques
exemples de familles avec les espaces quâelles engendrent.
Complexes
Famille Espace engendré
i { z â C , Re(z) = 0 }
eiÏ/4 { z â C , Re(z) = Im(z) }
1, i C
Couples de réels
Famille Espace engendré
(0, 1) { (x, y) â R2 , x = 0 }
(1, 1) { (x, y) â R2 , x = y }
(0, 1), (1, 1) R2
Matrices
Famille Espace engendré
0 0 0 0
0 0 0 0
1 0 λ 0
, λâR
0 1 0 λ
1 â1 0 0 1 0
, A â M2,2 (R) , A =
0 0 1 â1 1 0
Suites de réels
Famille Espace engendré
(2n ) { (un ) , ân , un+1 = 2un }
(un ) , â n0 , ân = n0 , un = 0 { (un ) , â n0 , ân n0 , u n = 0 }
(un ) , ân , un â [0, 1] { (un ) , âM , |un | M}
8
- 10. Maths en Ligne Espaces vectoriels UJF Grenoble
PolynĂŽmes
Famille Espace engendré
X { λX , λ â R
1 + X, 1 â X { P â R[X] , deg(P ) 1}
P â R[X] , P (1) = 1 R[X]
Fonctions de R dans R
Famille Espace engendré
cos { λ cos , λ â R }
cos, sin { λ cos +” sin , λ, ” â R }
f , f (0) = 1 RR
Notre dĂ©ïŹnition de la somme de deux sous-espaces utilise la notion de sous-espace
engendré.
DĂ©ïŹnition 5. Soient E un espace vectoriel, F et G deux sous-espaces vectoriels de E.
On appelle somme de F et G, et on note F + G, lâespace engendrĂ© par la famille des
vecteurs de F âȘ G.
Si F â© G = {0}, on dit que la somme est directe, et on la note F â G.
Si F â G = E, on dit que F et G sont supplĂ©mentaires dans E.
La justiïŹcation du terme « somme » et lâintĂ©rĂȘt de cette notion rĂ©sident dans la
proposition suivante.
Proposition 4. Soient E un espace vectoriel, F et G deux sous-espaces vectoriels de
E.
1. F + G = { v + w , v â F , w â G }.
2. Si F â© G = {0}, alors pour tout vecteur u dans F â G il existe un unique couple
de vecteurs (v, w), tels que v â F , w â G et u = v + w.
La ïŹgure 1 illustre la notion de somme directe.
DĂ©monstration : Tout vecteur de la forme v + w, oĂč v â F et w â G, appartient Ă
lâespace engendrĂ© par F âȘ G. RĂ©ciproquement lâespace engendrĂ© par F âȘ G est formĂ©
des combinaisons linĂ©aires dâun nombre quelconque dâĂ©lĂ©ments de F âȘG. Mais une telle
combinaison linĂ©aire peut sâĂ©crire comme la somme de deux combinaisons linĂ©aires :
lâune ne contient que des Ă©lĂ©ments de F , et appartient donc Ă F , lâautre ne contient
que des éléments de G, et appartient donc à G.
Dans le cas oĂč la somme est directe, lâexistence de la dĂ©composition u = v + w est
dĂ©montrĂ©e par ce qui prĂ©cĂšde. Nous devons prouver lâunicitĂ©. Supposons u = v1 + w1 =
v2 + w2 , avec v1 , v2 â F et w1 , w2 â G. Les deux vecteurs v1 â v2 et w2 â w1 sont Ă©gaux,
9
- 11. Maths en Ligne Espaces vectoriels UJF Grenoble
w u
v
F
G
Figure 1 â Somme directe dâespaces vectoriels et dĂ©composition dâun vecteur de la
somme.
donc ils appartiennent Ă la fois Ă F et Ă G. Par hypothĂšse, F â© G = {0}, donc v1 = v2
et w1 = w2 .
Dans lâespace vectoriel R[X] des polynĂŽmes, considĂ©rons les deux familles suivantes :
V = X 2k , k â N et W = X 2k+1 , k â N
Ce sont respectivement les familles des monÎmes de degrés pairs, et des monÎmes de
degré impair. Soient F et G les espaces vectoriels engendrés respectivement par V et W.
Lâespace vectoriel F contient tous les polynĂŽmes constituĂ©s uniquement de monĂŽmes
de degrĂ©s pairs : par exemple, 1+3X 2 â2X 4 . Lâespace vectoriel G contient le polynĂŽme
nul, et tous les polynÎmes constitués uniquement de monÎmes de degrés impairs : par
exemple, X + 2X 3 â X 5 . Lâintersection de F et G est rĂ©duite au polynĂŽme nul. De
plus, tout polynĂŽme de R[X] sâĂ©crit (de façon unique) comme somme dâun Ă©lĂ©ment de
F et dâun Ă©lĂ©ment de G. Par exemple :
1 + X + 3X 2 + 2X 3 â 2X 4 â X 5 = 1 + 3X 2 â 2X 4 + X + 2X 3 â X 5
Les sous-espaces F et G sont supplémentaires dans R[X].
1.4 Familles libres
DĂ©ïŹnition 6. Soit E un espace vectoriel, et V une famille de vecteurs. On dit que
V est une famille libre si pour tout entier n 1 et pour tout n-uplet (v1 , . . . , vn ) de
vecteurs de V,
n
λi vi = 0 =â âi = 1, . . . , n , λi = 0
i=1
10
- 12. Maths en Ligne Espaces vectoriels UJF Grenoble
Une famille (quelconque) de vecteurs est libre si toute sous-famille ïŹnie est libre : la
seule combinaison linĂ©aire nulle de ces vecteurs, a tous ses coeïŹcients nuls. Observons
que si une famille est libre dans un espace vectoriel E, elle reste libre dans nâimporte
quel espace vectoriel contenant E ou contenu dans E. Dans le cas contraire, elle est
dite liée.
Nous rassemblons dans la proposition suivante des exemples classiques de familles
libres, dans lâespace des polynĂŽmes, des suites, et des fonctions.
Proposition 5.
1. Dans lâespace vectoriel des polynĂŽmes, toute famille de polynĂŽmes non nuls, de
degrés distincts deux à deux, est libre.
2. Dans lâespace vectoriel des suites de rĂ©els, la famille des suites de la forme (rk )kâN ,
pour r > 0, est libre.
3. Dans lâespace vectoriel des fonctions de R dans R, la famille des fonctions de la
forme x â eαx , pour α â R, est libre.
DĂ©monstration : Pour dĂ©montrer quâune famille est libre, nous devons montrer que
toute sous-famille ïŹnie de n vecteurs est libre, pour tout n. Les trois dĂ©monstrations
se font par récurrence sur n. Pour initialiser les récurrences, observons que la famille
formĂ©e dâun seul vecteur non nul est toujours libre, quel que soit lâespace.
1. Soient P1 , . . . , Pn des polynÎmes non nuls, de degrés distincts deux à deux. Sans
perte de généralité, supposons que les polynÎmes ont été rangés par ordre crois-
sant de leurs degrĂ©s. Si λ1 P1 + · · · + λn Pn = 0, alors le coeïŹcient du terme de
plus haut degrĂ© est nul, donc λn = 0. DâoĂč le rĂ©sultat, par rĂ©currence.
2. Soient r1 , . . . , rn des réels strictement positifs, distincts deux à deux. Supposons-
k
les rangés par ordre croissant. Supposons que la suite de terme général λ1 r1 +
k
· · · + λn rn soit nulle. Puisque rn est strictement supérieur à tous les autres ri ,
1 k k
lim k
(λ1 r1 + · · · + λn rn ) = λn ,
nââ rn
donc λn = 0. DâoĂč le rĂ©sultat, par rĂ©currence.
3. Soient α1 , . . . , αn des réels, distincts deux à deux. Supposons-les rangés par ordre
croissant. Supposons que la fonction x â λ1 eα1 x +· · ·+λn eαn x soit nulle. Puisque
αn est strictement supérieur à tous les autres αi ,
1
lim (λ1 eα1 x + · · · + λn eαn x ) = λn ,
xâ+â eα n x
donc λn = 0. DâoĂč le rĂ©sultat, par rĂ©currence.
Par exemple :
11
- 13. Maths en Ligne Espaces vectoriels UJF Grenoble
1. 1, 2X + 3X 2 , 3X â X 2 + X 3 est une famille de polynĂŽmes, libre dans R[X].
2. (2âk )kâN , (2k )kâN , (3k )kâN est une famille de suites, libre dans RN .
3. x â eâx , x â 1, x â ex est une famille de fonctions, libre dans RR .
1.5 Dimension ïŹnie
La théorie de la dimension, qui est traitée dans un autre chapitre, est supposée
connue. Nous rappelons ici quelques uns des principaux résultats.
DĂ©ïŹnition 7. Soit E un espace vectoriel contenant des vecteurs non nuls. On dit
que E est ïŹniment engendrĂ© sâil est engendrĂ© par une famille ïŹnie de vecteurs. Soit
(v1 , . . . , vn ) un n-uplet de vecteurs de E. On dit que (v1 , . . . , vn ) est une base de E si
câest Ă la fois une famille gĂ©nĂ©ratrice et libre.
Le résultat le plus important est le théorÚme suivant.
ThĂ©orĂšme 4. Dans un espace vectoriel contenant des vecteurs non nuls, ïŹniment
engendrĂ©, il existe des bases et toutes les bases ont le mĂȘme nombre dâĂ©lĂ©ments.
Ceci permet dâappeler dimension de lâespace, le cardinal commun de toutes les
bases. On convient de dire que lâespace contenant uniquement le vecteur nul, est de
dimension 0. Les coordonnĂ©es dâun vecteur sont dĂ©ïŹnies grĂące au rĂ©sultat suivant.
ThéorÚme 5. Soit E un espace vectoriel de dimension n et (u1 , . . . , un ) une base de
E. Pour tout x â E, il existe un unique n-uplet de rĂ©els (x1 , . . . , xn ) tel que
n
v= xi ui
i=1
Les réels x1 , . . . , xn sont les coordonnées de v dans la base (u1 , . . . , un ).
ConsidĂ©rons par exemple lâespace vectoriel des polynĂŽmes de degrĂ©s infĂ©rieurs ou Ă©gaux
Ă 3. Câest un espace vectoriel de dimension 4, dont la base la plus naturelle (base
canonique) est :
1 , X , X2 , X3
Dans cette base, les coordonnĂ©es du polynĂŽme 2âX 2 +X 3 sont (2, 0, â1, 1). ConsidĂ©rons
maintenant une nouvelle famille.
1 , (1 + X) , (1 + X + X 2 ) , (1 + X + X 2 + X 3 )
Câest une famille de polynĂŽmes de degrĂ©s distincts, donc par la proposition 5, câest
une famille libre. Dans un espace de dimension 4, une famille libre de 4 éléments est
12
- 14. Maths en Ligne Espaces vectoriels UJF Grenoble
forcĂ©ment gĂ©nĂ©ratrice : câest une base. Le polynĂŽme 2 â X 2 + X 3 sâĂ©crit de façon unique
comme combinaison linéaire des éléments de cette nouvelle base :
2 â X 2 + X 3 = 2(1) + 1(1 + X) + â2(1 + X + X 2 ) + 1(1 + X + X 2 + X 3 )
Les coordonnĂ©es de 2 â X 2 + X 3 dans la nouvelle base sont donc (2, 1, â2, 1).
Dans un espace vectoriel de dimension ïŹnie, tout sous-espace est lui-mĂȘme de dimen-
sion ïŹnie, infĂ©rieure ou Ă©gale Ă celle de lâespace. Le thĂ©orĂšme de la base incomplĂšte dit
que dans un espace vectoriel de dimension ïŹnie, toute famille libre peut ĂȘtre complĂ©tĂ©e
en une base de lâespace. On en dĂ©duit immĂ©diatement lâexistence de supplĂ©mentaires.
Proposition 6. Soit E un espace vectoriel de dimension ïŹnie et F un sous-espace
vectoriel de E. Il existe un sous-espace vectoriel G tel que F â G = E. De plus :
dim(E) = dim(F ) + dim(G)
Démonstration : Soit (b1 , . . . , bk ) une base de F . Le théorÚme de la base incomplÚte
aïŹrme quâil existe des vecteurs c1 , . . . , cnâk tels que :
b1 , . . . , bk , c1 , . . . , cnâk
soit une base de E. Soit G lâespace engendrĂ© par (c1 , . . . , cnâk ). Tout vecteur de E
sâĂ©crit :
k nâk
v= λ i bi + ” j cj
i=1 j=1
La premiĂšre somme est un vecteur de F , la seconde un vecteur de G, donc E = F + G.
Il reste Ă vĂ©riïŹer que lâintersection est rĂ©duite au seul vecteur nul. Si
k nâk
λi bi = ” j cj ,
i=1 j=1
alors nĂ©cessairement tous les coeïŹcients λi et ”j sont nuls, car (b1 , . . . , bk , c1 , . . . , cnâk )
est une famille libre. DâoĂč le rĂ©sultat.
La proposition suivante relie la dimension dâune somme de sous-espaces vectoriels
Ă celles des composants.
Proposition 7. Soit E un espace vectoriel, F et G deux sous-espaces vectoriels, de
dimensions ïŹnies.
dim(F + G) = dim(F ) + dim(G) â dim(F â© G)
13
- 15. Maths en Ligne Espaces vectoriels UJF Grenoble
Démonstration : Choisissons un supplémentaire G de F ⩠G dans G. La somme de F
et G est directe, car G â© F = G â© (F â© G) = {0}. Donc :
F +G=F âG ,
Or dim(G ) = dim(G) â dim(F â© G). Donc :
dim(F + G) = dim(F ) + dim(G ) = dim(F ) + dim(G) â dim(F â© G) .
1.6 Applications linéaires
Une application entre deux espaces vectoriels est dite linéaire si elle respecte les
deux opĂ©rations dĂ©ïŹnissant la structure.
DĂ©ïŹnition 8. Soient E et F deux espaces vectoriels et f une application de E dans
F . On dit que f est une application linéaire si
âv, w â E f (v + w) = f (v) + f (w)
(2)
âv â E , âλ â R f (λv) = λ f (v)
Une application linéaire f de E dans F envoie nécessairement le vecteur nul de E
sur le vecteur nul de F . Elle envoie lâopposĂ© de v sur lâopposĂ© de f (v). La proposition
suivante se démontre facilement, dans le style du théorÚme 3.
Proposition 8. Soient E et F deux espaces vectoriels, et f une application de E dans
F . Les trois aïŹrmations suivantes sont Ă©quivalentes.
1. f est une application linéaire.
2.
âv, w â E , âλ, ” â R , f (λ v + ” w) = λ f (v) + ” f (w) .
3. Pour tout n 1,
n n
âv1 , . . . , vn â E , âλ1 , . . . , λn â R , f λi vi = λi f (vi )
i=1 i=1
Dâune application entre deux ensembles munis dâune structure (groupes, anneaux,
etc.) qui respecte les structures, on dit quâelle est un morphisme.
DĂ©ïŹnition 9. Soient E et F deux espaces vectoriels et f une application de E dans
F . On dit que lâapplication f est un :
⹠morphisme si elle est linéaire,
⹠isomorphisme si elle est linéaire et bijective,
⹠endomorphisme si elle est linéaire et E = F ,
14
- 16. Maths en Ligne Espaces vectoriels UJF Grenoble
⹠automorphisme si elle est linéaire, bijective et E = F .
Voiciquelques exemples dâapplications linĂ©aires.
âą de C dans R2 : z ââ (Re(z), Im(z))
âą de C dans C : z ââ z
âą de R2 dans R2 : (x, y) ââ (x + y, 2x + 3y)
âą de Mn,n (R) dans Mn,n (R) : A ââ tA
âą de RN dans R2 : (un )nâN ââ (u0 , u1 )
âą de R[X] dans R : P (X) ââ P (0)
âą de R[X] dans R2 : P (X) ââ (P (0), P (1))
âą de R[X] dans R[X] : P (X) ââ (X + 1)P (X)
âą de lâespace vectoriel des suites convergentes, dans R : (un )nâN ââ lim un
âą de lâespace vectoriel des fonctions continĂ»ment dĂ©rivables, dans lâespace vectoriel
des fonctions continues : f ââ f
b
âą de lâespace vectoriel des fonctions continues sur [a, b], dans R : f ââ a f (x) dx
Le fait quâune application linĂ©aire respecte les combinaisons linĂ©aires entraĂźne quâelle
respecte aussi les sous-espaces vectoriels, au sens suivant.
ThéorÚme 6. Soient E et F deux espaces vectoriels, et f une application linéaire de
E dans F .
1. Soit A un sous-espace vectoriel de E. Alors
f (A) = { f (v) , v â A } ,
est un sous-espace vectoriel de F .
2. Soit B un sous-espace vectoriel de F . Alors
f â1 (B) = { v â E , f (v) â B } ,
est un sous-espace vectoriel de E.
Lâensemble des images par une application linĂ©aire des Ă©lĂ©ments dâun espace vecto-
riel est un sous-espace vectoriel de lâespace dâarrivĂ©e (point 1). Lâensemble des Ă©lĂ©ments
de lâespace de dĂ©part dont lâimage par une application linĂ©aire est dans un sous-espace
de lâespace dâarrivĂ©e, est un sous-espace de lâespace de dĂ©part (point 2).
Attention Ă la notation f â1 (B) : elle a un sens mĂȘme si lâapplication f nâest pas
bijective et donc mĂȘme si lâapplication rĂ©ciproque f â1 nâexiste pas.
DĂ©monstration : Pour montrer quâun sous-ensemble est un sous-espace vectoriel, il
suïŹt de vĂ©riïŹer quâil est non vide, et que toute combinaison linĂ©aire de deux de ses
vecteurs reste dans lâensemble (thĂ©orĂšme 3). Rappelons que tout sous-espace vectoriel
contient au moins le vecteur nul, et que si f est linéaire alors f (0) = 0. Donc le vecteur
nul de F appartient Ă f (A) et celui de E appartient Ă f â1 (B). Les deux ensembles
f (A) et f â1 (B) sont donc non vides.
15
- 17. Maths en Ligne Espaces vectoriels UJF Grenoble
1. Deux vecteurs quelconques de f (A) sâĂ©crivent f (v), f (v ), oĂč v, v â A. Etant
donnĂ©s deux rĂ©els λ et ”, λ f (v) + ” f (v ) est lâimage par f de λ v + ” v qui est
un vecteur de A.
2. Si v et v sont tels que f (v) et f (v ) appartiennent à B, alors f (λ v + ” v ) =
λ f (v) + ” f (v ) â B. Donc λ v + ” v â f â1 (B).
Parmi les cas particuliers du thĂ©orĂšme 6, lâimage et le noyau jouent un rĂŽle important.
DĂ©ïŹnition 10. Soient E, F deux espaces vectoriels et f une application linĂ©aire de E
dans F . On appelle
1. image de f et on note Im(f ) le sous-espace vectoriel de F :
Im(f ) = f (E) = { f (v) , v â E } .
2. noyau de f et on note Ker(f ) le sous-espace vectoriel de E :
Ker(f ) = f â1 ({0}) = { v â E , f (v) = 0 } .
La notation Ker vient de lâallemand, oĂč noyau se dit « Kern ».
Proposition 9. Soient E et F deux espaces vectoriels et f une application linéaire de
E dans F . Lâapplication f est
1. surjective si et seulement si Im(f ) = F
2. injective si et seulement si Ker(f ) = {0}
Démonstration : La caractérisation de la surjectivité est une simple traduction des
dĂ©ïŹnitions. Celle de lâinjectivitĂ© utilise la linĂ©aritĂ©. Soient v et w deux Ă©lĂ©ments de E.
f (v) = f (w) ââ f (v â w) = 0 ââ (v â w) â Ker(f )
Par dĂ©ïŹnition, f est injective si et seulement si f (v) = f (w) implique v = w, donc si
et seulement si (v â w) â Ker(f ) implique v â w = 0, dâoĂč le rĂ©sultat.
ConsidĂ©rons la dĂ©rivation des polynĂŽmes. Câest lâapplication D de R[X] dans R[X]
qui à un polynÎme associe son polynÎme dérivé.
D
R[X] ââ R[X]
a0 + a1 X + · · · + an X n = P (X) ââ P (X) = a1 + 2a2 X + · · · + nan X nâ1 .
Câest une application linĂ©aire. Lâimage de D est R[X] tout entier (D est surjective), le
noyau de D est lâensemble des polynĂŽmes constants (D nâest pas injective). Une telle
situation, oĂč lâespace de dĂ©part et lâimage sont les mĂȘmes tandis que le noyau est non
nul, est impossible entre espaces vectoriels de dimension ïŹnie.
16
- 18. Maths en Ligne Espaces vectoriels UJF Grenoble
Reprenons lâexemple de la dĂ©rivation des polynĂŽmes, mais cette fois-ci vue comme
une application de lâespace Rn [X] des polynĂŽmes de degrĂ© n dans lui-mĂȘme. Lâes-
pace est de dimension n + 1, et la base canonique est (1, X, . . . , X n ). Lâapplication D
envoie ces n + 1 polynĂŽmes, respectivement sur 0, 1, . . . , nX nâ1 . Ils engendrent lâespace
vectoriel des polynĂŽmes de degrĂ© n â 1, qui est de dimension n. Le noyau de D est
R0 [X], et lâimage de D est Rnâ1 [X].
En dimension ïŹnie, la dimension de lâespace de dĂ©part est la somme de la dimension
de lâimage et de la dimension du noyau : câest le thĂ©orĂšme du rang.
ThéorÚme 7. Soient E et F deux espaces vectoriels et f une application linéaire de
E dans F . Si E est de dimension ïŹnie, il en est de mĂȘme pour Im(f ) et Ker(f ) et :
dim(Im(f )) + dim(Ker(f )) = dim(E) .
Démonstration : celle que nous donnons ici est basée sur la notion de supplémentaire.
Soit (v1 , . . . , vn ) une base de E. Donc f (v1 ), . . . , f (vn ) est une famille génératrice
de Im(f ). Donc Im(f ) est ïŹniment engendrĂ©, et admet une base. Chacun des Ă©lĂ©ments
de cette base est image dâun vecteur de E. Notons donc (f (c1 ), . . . , f (ck )) une base
de Im(f ). La famille (c1 , . . . , ck ) est libre, car sinon son image par f serait liée. Soit
G le sous-espace de E, engendré par (c1 , . . . , ck ). Nous allons montrer que G est un
supplémentaire de Ker(f ) dans E, ce qui implique le résultat.
Soit v un vecteur quelconque de E. Comme f (v) est un vecteur de Im(f ), il sâĂ©crit :
k
f (v) = λi f (ci )
i=1
Posons :
k
w= λi ci
i=1
Alors :
k
f (v â w) = f (v) â λi f (ci ) = 0
i=1
Donc v â w â Ker(f ). Donc v = (v â w) + w est somme dâun vecteur de Ker(f ) et
dâun vecteur de G. Pour montrer que la somme est directe, nous devons montrer que
lâintersection est rĂ©duite au vecteur nul. Prenons un vecteur de G sous la forme :
k
w= λi ci
i=1
Sâil appartient aussi Ă Ker(f ), son image est nulle :
k
f (w) = λi f (ci ) = 0
i=1
Mais puisque f (c1 ), . . . , f (ck ) est une famille libre, ceci entraßne que les λi sont tous
nuls, donc w est le vecteur nul.
17
- 19. Maths en Ligne Espaces vectoriels UJF Grenoble
1.7 Projections et symétries
LâĂ©tude des projections et symĂ©tries, sera lâoccasion de mettre en Ćuvre Ă la fois
des applications linĂ©aires entre espaces vectoriels gĂ©nĂ©raux et les sommes dâespaces
vectoriels. Aussi bien pour les projections que pour les symĂ©tries, lâingrĂ©dient principal
est une somme directe. Soit E un espace vectoriel, F et G deux sous-espaces tels que
E = F â G. Pour tout vecteur u dans E, il existe un couple unique de vecteurs (v, w)
tels que v â F , w â G et u = v + w (voir la proposition 4 et la ïŹgure 1).
DĂ©ïŹnition 11. Soit E un espace vectoriel, F et G deux sous-espaces tels que E =
F â G.
1. On appelle projection sur F parallĂšlement Ă G lâapplication qui Ă u â E associe
lâunique Ă©lĂ©ment v de F tel que u â v â G.
2. On appelle symĂ©trie par rapport Ă F parallĂšlement Ă G lâapplication qui Ă u â E
associe v â w, oĂč (v, w) est le couple unique de vecteurs tels que v â F , w â G
et u = v + w.
La ïŹgure 2 illustre la projection sur F parallĂšlement Ă G et la symĂ©trie correspon-
dante. Reprenons par exemple la dĂ©composition de lâespace des polynĂŽmes R[X] =
F â G, oĂč F (respectivement : G) est lâensemble des polynĂŽmes ne contenant que des
termes de degrĂ© pair (respectivement : impair). La projection p sur F parallĂšlement Ă
G associe à un polynÎme, le polynÎme formé par ses termes de degré pair.
p(1 + X + 3X 2 + 2X 3 â 2X 4 â X 5 ) = 1 + 3X 2 â 2X 4
La symétrie par rapport à F change le signe des termes de degré impair (transformation
X â âX).
s(1 + X + 3X 2 + 2X 3 â 2X 4 â X 5 ) = 1 + 3X 2 â 2X 4 â X + 2X 3 â X 5 )
Proposition 10. Soit E un espace vectoriel, F et G deux sous-espaces tels que E =
F â G. La projection sur F dâune part, et la symĂ©trie par rapport Ă F parallĂšlement Ă
G dâautre part, sont des applications linĂ©aires.
DĂ©monstration : Si u = v + w et u = v + w , alors
λ u + ” u = (λ v + ” v ) + (λ w + ” w ) .
Puisque les vecteurs λ v + ” v et λ w + ” w appartiennent respectivement à F et G, la
formule précédente donne la décomposition de λ u + ” u . Sa projection sur F est donc
λ v + ” v , et son symétrique par rapport à F est
(λ v + ” v ) â (λ w + ” w ) = λ (v â w) + ” (v â w ) ,
18
- 20. Maths en Ligne Espaces vectoriels UJF Grenoble
w u
p(u)
âw s(u)
F
G
Figure 2 â Somme directe E = F â G, projection sur F , et symĂ©trie par rapport Ă F .
dâoĂč le rĂ©sultat.
La projection sur F parallÚlement à G a pour image F et pour noyau G. La symétrie
est une bijection de E sur lui-mĂȘme : câest un automorphisme de E. La proposition sui-
vante caractérise les projections et les symétries, indépendamment de la décomposition
en somme directe.
Proposition 11. Soit E un espace vectoriel.
1. Un endomorphisme p de E est une projection si et seulement si p ⊠p = p.
2. Un endomorphisme s de E est une symĂ©trie si et seulement si s ⊠s = IE , oĂč IE
dĂ©signe lâapplication identique de E.
DĂ©monstration : Si p est la projection sur F parallĂšlement Ă G, alors pour tout v â F ,
p(v) = v, et donc p ⊠p = p. Réciproquement, si p ⊠p = p, nous allons montrer que p est
la projection sur Im(p) parallÚlement à Ker(p). Commençons par montrer que Im(p)
et Ker(p) sont supplĂ©mentaires, câest-Ă -dire que E = Im(p) â Ker(p). Observons que
pour tout u â E,
p(u â p(u)) = p(u) â p ⊠p(u) = 0 ,
donc u â p(u) â Ker(p). On peut toujours Ă©crire u = p(u) + (u â p(u)). Pour vĂ©riïŹer que
la somme est directe, nous devons montrer que lâintersection de lâimage et du noyau
est rĂ©duite au vecteur nul. Si u â Im(p) â© Ker(p), alors il existe v tel que u = p(v)
(puisque u est dans lâimage), et de plus p(u) = 0 (puisque u est dans le noyau). Donc
p(p(v)) = 0. Mais p(p(v)) = p(v) = u. DâoĂč le rĂ©sultat.
Nous avons montrĂ© que U = Im(p) â Ker(p). La dĂ©composition dâun vecteur u selon
cette somme directe est
u = p(u) + (u â p(u)) .
19
- 21. Maths en Ligne Espaces vectoriels UJF Grenoble
Donc p(u) est bien la projection de u sur Im(p) parallĂšlement Ă Ker(p).
La formule vâ(âw) = v+w entraĂźne que la composĂ©e dâune symĂ©trie par elle-mĂȘme
est lâapplication identique. RĂ©ciproquement, soit s une application telle que s ⊠s = IE .
DĂ©ïŹnissons les applications p1 et p2 par :
1 1
p1 : u ââ (u + s(u)) et p2 : u ââ (u â s(u)) .
2 2
Composons lâapplication p1 par elle-mĂȘme :
1
p1 ⊠p1 (u) = p1 (u + s(u))
2
1
= p1 (u) + p1 (s(u))
2
1
= u + s(u) + s(u) + s ⊠s(u)
4
1
= 2u + 2s(u) = p1 (u) .
4
On vĂ©riïŹe de mĂȘme que p2 ⊠p2 = p2 . DâaprĂšs ce qui prĂ©cĂšde, p1 et p2 sont donc des
projections. Or p1 + p2 = IE . Il sâensuit que si p1 est la projection sur F parallĂšlement
Ă G, alors p2 est la projection sur G parallĂšlement Ă F . Mais puisque s = p1 â p2 , alors
s est la symétrie par rapport à F , parallÚlement à G.
1.8 RĂ©currences linĂ©aires dâordre deux
Comme application des notions de ce chapitre, nous proposons dâĂ©tudier lâensemble
des solutions de lâĂ©quation de rĂ©currence suivante :
(E) ân â N , un+2 = α un+1 + ÎČ un ,
oĂč α et ÎČ sont deux rĂ©els ïŹxĂ©s. Lâexemple le plus simple est lâĂ©quation dĂ©ïŹnissant les
nombres de Fibonacci, un+2 = un+1 + un . Nous notons E lâensemble des suites de rĂ©els
qui vĂ©riïŹent (E). Dire que (E) est linĂ©aire revient Ă dire que E est un espace vectoriel.
Proposition 12. Lâensemble E des suites de rĂ©els vĂ©riïŹant (E) est un espace vectoriel
de dimension 2.
DĂ©monstration : Commençons par vĂ©riïŹer que E est un sous-espace vectoriel de lâen-
semble des suites de réels. Nous en donnerons ensuite une base.
Soient (un ) et (vn ) deux suites vĂ©riïŹant (E), λ, ” deux rĂ©els.
un+2 = α un+1 + ÎČ un et vn+2 = α vn+1 + ÎČ vn
impliquent :
λun+2 + ”vn+2 = α (λun+1 + ”vn+1 ) + ÎČ (λun + ”vn )
20
- 22. Maths en Ligne Espaces vectoriels UJF Grenoble
Donc (λun + ”vn ) vĂ©riïŹe (E). DâoĂč le rĂ©sultat en appliquant le thĂ©orĂšme 2. On peut
aussi dĂ©montrer que lâapplication qui Ă une suite (un ) quelconque associe la suite de
terme gĂ©nĂ©ral vn = un+2 âαun+1 âÎČun est une application linĂ©aire. Lâensemble E est le
noyau de cette aplication. Câest donc un sous-espace vectoriel de RN , par le thĂ©orĂšme 6.
ConsidĂ©rons maintenant les deux suites (bn ) et (bn ), vĂ©riïŹant (E) et telles que
b0 = 1 , b1 = 0 et b0 = 0 , b1 = 1 .
Soit (un ) une suite quelconque vĂ©riïŹant (E). La suite (un ) est dĂ©ïŹnie de façon unique par
la donnĂ©e de u0 , u1 â R et lâĂ©quation (E). Donc la suite (un ) est Ă©gale Ă la combinaison
linéaire u0 (bn ) + u1 (bn ) : la famille (bn ), (bn ) est génératrice. Supposons que (un ) soit
la suite nulle. Alors u0 = u1 = 0. Donc la famille (bn ), (bn ) est libre : câest une base.
Pour trouver une expression explicite aux solutions de (E), nous allons trouver une
autre base. Nous commençons par Ă©carter le cas oĂč α = ÎČ = 0 : dans ce cas, les suites
solutions de (E) sont nulles à partir du rang 2. Nous supposons désormais que α et
ÎČ ne sont pas tous les deux nuls. Cherchons quelles suites gĂ©omĂ©triques vĂ©riïŹent (E).
Supposons que (rn ) vĂ©riïŹe (E). Alors,
ân â N , rn+2 = α rn+1 + ÎČ rn .
Câest vrai si r est nul, ou bien sâil est solution de lâĂ©quation du second degrĂ© suivante,
quâon appelle lâĂ©quation caractĂ©ristique associĂ©e.
(ECA) r2 = α r + ÎČ .
ThĂ©orĂšme 8. Si lâĂ©quation caractĂ©ristique associĂ©e possĂšde
n n
1. deux racines réelles distinctes r1 et r2 , alors (r1 ), (r2 ) est une base de E :
n n
E = (λ r1 + ” r2 ) , (λ, ”) â R2 .
2. une racine double r, alors (rn ), (nrn ) est une base de E :
E = (λ rn + ” nrn ) , (λ, ”) â R2 .
3. deux racines complexes conjuguĂ©es ÏeiΞ et ÏeâiΞ , alors (Ïn cos(nΞ)), (Ïn sin(nΞ))
est une base de E :
E = (λ Ïn cos(nΞ) + ” Ïn sin(nΞ)) , (λ, ”) â R2 .
21
- 23. Maths en Ligne Espaces vectoriels UJF Grenoble
DĂ©monstration : Puisque lâespace vectoriel E est de dimension 2, il suïŹt dans chacun
des trois cas de montrer que les deux suites proposĂ©es vĂ©riïŹent (E) et forment une
famille libre.
Dans le premier cas, les deux suites vĂ©riïŹent (E) car r1 et r2 sont racines de (ECA).
n n
Pour montrer quâelles forment une famille libre, supposons que la suite (λr1 + ”r2 ) soit
nulle. Les deux premiers termes sont :
λ + ” = 0 et λr1 + ”r2 = 0
Puisque r1 = r2 , ce systÚme de deux équations a une solution unique, λ = ” = 0.
Dans le second cas la racine double est r = α/2 et elle est non nulle, le cas α = ÎČ = 0
Ă©tant Ă©cartĂ©. Il est Ă©vident que (rn ) vĂ©riïŹe (E). On le vĂ©riïŹe facilement pour (nrn ). Pour
montrer que la famille est libre, supposons que la suite (λrn + ”nrn ) soit nulle. Les
deux premiers termes sont :
λ = 0 et λr + ”r = 0 .
Donc (puisque r = 0), λ = ” = 0.
Traitons maintenant le dernier cas : (ECA) a deux racines complexes conjuguées
Ïe et ÏeâiΞ . Les suites (complexes) (Ïn eniΞ ) et (Ïn eâniΞ ) vĂ©riïŹent (E). Leur somme et
iΞ
leur diïŹĂ©rence sont :
Ïn eniΞ + Ïn eâniΞ = 2Ïn cos(nΞ) et Ïn eniΞ â Ïn eâniΞ = 2iÏn sin(nΞ) .
On en dĂ©duit que les deux suites proposĂ©es vĂ©riïŹent (E). Pour montrer que la famille est
libre, supposons que la suite (λÏn cos(nΞ) + ”Ïn sin(nΞ)) soit nulle. Les deux premiers
termes sont :
λ = 0 , Î»Ï cos(Ξ) + Â”Ï sin(Ξ) = 0 .
On en dĂ©duit donc que Â”Ï sin(Ξ) = 0, donc ” = 0 car Ï sin(Ξ) est non nul (sinon les
racines de (ECA) seraient réelles).
Comme premier exemple, considĂ©rons lâĂ©quation dĂ©ïŹnissant les nombres de Fibo-
nacci :
(E) ân â N , un+2 = un+1 + un .
LâĂ©quation caractĂ©ristique associĂ©e est
(ECA) r2 = r + 1 .
Elle a deux racines rĂ©elles distinctes, Ï et â1/Ï, oĂč Ï est le nombre dâor :
â â
1+ 5 1 1â 5
Ï= , â = .
2 Ï 2
Lâensemble des suites rĂ©elles vĂ©riïŹant (E) est donc
â n â n
1+ 5 1â 5
λ +” , λ, ” â R .
2 2
22
- 24. Maths en Ligne Espaces vectoriels UJF Grenoble
Les nombres de Fibonacci sont dĂ©ïŹnis par (E), avec u0 = 1 et u1 = 1. Pour calculer les
coordonnées λ et ” de cette suite, il faut résoudre le systÚme
ïŁ±
ïŁČ λ+” = 1
ïŁł
Î»Ï â ”/Ï = 1
On en dĂ©duit lâexpression suivante du n-iĂšme nombre de Fibonacci :
1 â â
un = â (1 + 5)n+1 â (1 â 5)n+1 .
2n+1 5
(Persuadez-vous que un est bien un entier !)
ConsidĂ©rons maintenant lâĂ©quation suivante.
(E) ân â N , un+2 = âun+1 â un .
LâĂ©quation caractĂ©ristique associĂ©e est :
(ECA) r2 = âr â 1 .
Ses racines sont :
â â
1 3 1 3
j =â +i = e2iÏ/3 et j = â â i = eâ2iÏ/3
2 2 2 2
Toute solution rĂ©elle de lâĂ©quation de rĂ©currence sâĂ©crit :
(un ) = ( λ cos(n2Ï/3) + ” sin(n2Ï/3) ) .
Les solutions sont périodiques de période 3.
23
- 25. Maths en Ligne Espaces vectoriels UJF Grenoble
2 EntraĂźnement
2.1 Vrai ou faux
Vrai-Faux 1. Parmi les sous-ensembles suivants de lâespace vectoriel des suites rĂ©elles,
lesquels sont des sous-espaces vectoriels, lesquels ne le sont pas et pourquoi ?
1. Ensemble des suites bornées.
2. Ensemble des suites dĂ©croissantes Ă partir dâun certain rang.
3. Ensemble des suites périodiques.
4. Ensemble des suites convergeant vers 0.
5. Ensemble des suites monotones.
6. Ensemble des suites Ă©quivalentes Ă 1/n.
7. Ensemble des suites dominées par 1/n.
8. Ensemble des suites négligeables devant 1/n.
9. Ensemble des suites dont le terme gĂ©nĂ©ral est 1 Ă partir dâun certain rang.
Vrai-Faux 2. Parmi les sous-ensembles suivants de lâespace vectoriel des polynĂŽmes,
lesquels sont des sous-espaces vectoriels, lesquels ne le sont pas et pourquoi ?
1. Ensemble des polynÎmes, nul ou de degré 0.
2. Ensemble des polynÎmes de degré 3.
3. Ensemble des polynĂŽmes dont le terme constant est nul.
4. Ensemble des polynĂŽmes Ă coeïŹcients positifs ou nuls.
5. Ensemble des polynĂŽmes multiples de X â 1.
6. Ensemble des polynĂŽmes multiples de X â 1 ou X + 1.
7. Ensemble des polynĂŽmes multiples de X â 1 ou X 2 â 1.
8. Ensemble des polynÎmes contenant uniquement des monÎmes de degrés im-
pairs.
9. Ensemble des polynÎmes dont la dérivée est soit nulle, soit formée uniquement
de monÎmes de degrés impairs.
Vrai-Faux 3. Parmi les sous-ensembles suivants de lâespace vectoriel des applications de
R dans R, lesquels sont des sous-espaces vectoriels, lesquels ne le sont pas et pourquoi ?
1. Ensemble des fonctions telles que f (0) = f (1).
2. Ensemble des fonctions telles que f (0) = 1.
3. Ensemble des fonctions nulles sur lâintervalle [0, 1].
4. Ensemble des fonctions croissantes.
5. Ensemble des fonctions f telles que f 2 (x) = f 2 (âx).
24
- 26. Maths en Ligne Espaces vectoriels UJF Grenoble
6. Ensemble des fonctions pĂ©riodiques de pĂ©riode 2Ï.
7. Ensemble des fonctions f telles que la suite (f (n)) tend vers 0.
1
8. Ensemble des fonctions dérivables sur f telles que 0 f (x) dx = 0.
1
9. Ensemble des fonctions dérivables sur f telles que 0 cos(f (x)) dx = 0.
Vrai-Faux 4. Parmi les aïŹrmations suivantes, lesquelles sont vraies, lesquelles sont
fausses et pourquoi ?
1. Lâintersection de deux sous-espaces vectoriels peut ĂȘtre vide.
2. Si un ensemble contient toutes les droites vectorielles engendrées par ses vec-
teurs, câest un espace vectoriel.
3. Si un ensemble contient tous les plans vectoriels engendrés par deux de ses
vecteurs, câest un espace vectoriel.
4. Si un ensemble contient toutes les combinaisons linéaires de 3 quelconques de
ses vecteurs, alors câest un espace vectoriel.
5. Si un ensemble contient la somme de deux quelconques de ses vecteurs, câest
un espace vectoriel.
6. Si lâintersection de deux sous-espaces vectoriels est rĂ©duite au vecteur nul, alors
leur somme est directe.
7. La somme de deux droites vectorielles est un plan vectoriel si et seulement si
cette somme est directe.
8. Dans un espace de dimension 3, la somme dâune droite vectorielle et dâun plan
vectoriel est toujours directe.
9. Dans un espace de dimension 3, la somme de deux plans vectoriels nâest jamais
directe.
Vrai-Faux 5. Parmi les aïŹrmations suivantes, lesquelles sont vraies, lesquelles sont
fausses et pourquoi ?
1. C est un espace vectoriel de dimension 2 sur R.
2. Lâensemble des polynĂŽmes rĂ©els de degrĂ© 3 est un espace vectoriel de dimen-
sion 3 sur R.
3. Lâensemble des suites rĂ©elles, constantes ou bien pĂ©riodiques de pĂ©riode 3, est
un espace vectoriel de dimension 3 sur R.
4. Lâensemble des polynĂŽmes Ă coeïŹcients complexes de degrĂ© 3 est un espace
vectoriel de dimension 8 sur R.
5. Lâensemble des fonctions de R dans {0, 1} est un espace vectoriel de dimension
2 sur R.
6. Lâensemble des fonctions de {0, 1} dans R est un espace vectoriel de dimension
2 sur R.
25
- 27. Maths en Ligne Espaces vectoriels UJF Grenoble
Vrai-Faux 6. Parmi les applications suivantes de R[X] dans R[X], lesquelles sont des
applications linéaires, lesquelles ne le sont pas et pourquoi ?
1. P (X) ââ P (X + 1) â P (X)
2. P (X) ââ P (X + 1) â X
3. P (X) ââ XP (X + 1) â P (X)
4. P (X) ââ XP (X + 1) â P (1)
5. P (X) ââ XP (X + 1) â P 2 (1)
Vrai-Faux 7. Soient E et F deux espaces vectoriels et f une application linéaire de E
dans F . Parmi les aïŹrmations suivantes, lesquelles sont vraies, lesquelles sont fausses
et pourquoi ?
1. Lâimage du vecteur nul de E est le vecteur nul de F .
2. Lâimage de f est un sous-espace vectoriel de F .
3. Lâimage par f dâune famille libre dans E est toujours une famille libre dans F .
4. Lâimage par f dâune famille liĂ©e dans E est une famille liĂ©e dans F .
5. Lâimage par f dâune famille gĂ©nĂ©ratrice dans E est toujours une famille gĂ©nĂ©-
ratrice dans F .
6. Si F est de dimension ïŹnie alors Ker f est un sous-espace de dimension ïŹnie
de E.
7. Si E est de dimension ïŹnie alors Im f est un sous-espace de dimension ïŹnie de
F.
8. Si E et F sont de dimension ïŹnie, et dim(E) > dim(F ) alors Ker(f ) = {0}.
9. Si E et F sont de dimension ïŹnie, et dim(E) > dim(F ) alors f est surjective.
10. Si E et F sont de dimension ïŹnie, et dim(E) < dim(F ) alors f est injective.
Vrai-Faux 8. Soient E un espace vectoriel, F et G deux sous-espaces supplémentaires
dans E (tels que F â G = E). On note :
âą p la projection sur F parallĂšlement Ă G,
⹠s la symétrie par rapport à F parallÚlement à G,
âą p la projection sur G parallĂšlement Ă F ,
⹠s la symétrie par rapport à G parallÚlement à F ,
âą I lâapplication identique de E.
Parmi les relations suivantes, lesquelles sont vraies, lesquelles sont fausses et pourquoi ?
1. p + p = I.
2. s + s = I.
3. s â s = 2p .
4. p â p = s.
5. sâp=p.
26
- 28. Maths en Ligne Espaces vectoriels UJF Grenoble
6. s + p = p.
7. p ⊠s = p.
8. p âŠs =p.
9. s ⊠s = âI.
10. p ⊠p = I.
2.2 Exercices
Exercice 1. Montrer que les familles suivantes sont libres dans lâespace vectoriel des
R[X] des polynĂŽmes Ă coeïŹcients rĂ©els. DĂ©crire lâespace vectoriel que chacune engendre.
1. X , (X â 1)
2. X 2 , (X 2 â 1)
3. X 2 , (X â 1)2 , (X â 2)2
4. X 3 , (X + 1)3 , (X â 1)3
Exercice 2. Montrer que les familles suivantes sont libres dans lâespace vectoriel des
suites de réels.
1. (1) , (2n ) , (n2n )
2. (1) , (cos(nÏ/4)) , (cos(nÏ/2))
3. (1) , (sin(nÏ/4)) , (sin(nÏ/2))
4. (1) , (2n cos(nÏ/4)) , (n2n cos(nÏ/4))
Exercice 3. Montrer que la famille (f, g, h) est libre dans lâespace vectoriel des fonctions
de R dans R, dans les cas suivants.
1. f : x â 1 , g :xâx, h : x â x2
2. f : x â 1 , g : x â |x| , h :xâ |x|
3. f : x â ex , g : x â cos(x) , h : x â sin(x)
4. f : x â sin(x) , g : x â sin(2x) , h : x â sin(3x)
Exercice 4. Dans lâespace vectoriel R3 [X], des polynĂŽmes de degrĂ©s au plus Ă©gal Ă 3,
on considĂšre les familles suivantes.
âą (1 + X 2 ) )
âą (1 + X 2 ) , (1 â X 2 ) )
âą (X + X 2 + X 3 ) , (X â X 2 + X 3 ) )
âą (1 + X) , (1 + X 2 ) , (1 â X 2 ) )
âą (1 + X) , (1 + X 3 ) , (1 â X 3 ) )
27
- 29. Maths en Ligne Espaces vectoriels UJF Grenoble
Pour chacune de ces familles :
1. DĂ©montrer que câest une famille libre.
2. Décrire le sous-espace F engendré par la famille.
3. Compléter la famille en une base de R3 [X].
4. Déterminer un supplémentaire G du sous-espace engendré F .
5. Ecrire chacun des polynĂŽmes suivants comme somme dâun polynĂŽme de F et dâun
polynĂŽme de G.
1 ; X ; X 2 ; X 3 ; 1 â X + X 2 â X 3 ; 1 + 2X + 3X 2 + 4X 3
Exercice 5. Soient E, F, G trois sous-espaces dâun mĂȘme espace vectoriel.
1. Montrer que E â© (F + G) â (E â© F ) + (E â© G).
2. Montrer que E + (F â© G) â (E + F ) â© (E + G).
3. Montrer que E â© (F + (E â© G)) = (E â© F ) + (E â© G).
4. Trois sous-espaces E, F , G de R3 sont dĂ©ïŹnis comme suit.
âą E = (x, y, z) â R3 , x = y = 0
âą F = (x, y, z) â R3 , z = 0
âą G = (x, y, z) â R3 , x + y + z = 0
Donner la dimension de E, F , G, et de chacun des sous-espaces apparaissant
dans les questions 1 Ă 3.
5. Trois sous-espaces E, F , G de R2 [X] sont dĂ©ïŹnis comme suit.
âą E = P â R2 [X] , P = 0
âą F = P â R2 [X] , P = 0
âą G = P â R2 [X] â R3 , P (1) = 0
Donner la dimension de E, F , G, et de chacun des sous-espaces apparaissant
dans les questions 1 Ă 3.
6. Trois sous-espaces E, F , G de M2,2 (R) sont dĂ©ïŹnis comme suit.
âą E = A â M2,2 (R) , tr(A) = 0
1 0
âą F = A â M2,2 (R) , A 0
= 0
âą G = A â M2,2 (R) , (1, 0)A = (0, 0)
Donner la dimension de E, F , G, et de chacun des sous-espaces apparaissant
dans les questions 1 Ă 3.
Exercice 6. Soit F lâensemble des fonctions paires de R dans R : ce sont les fonctions
f telles que
âx â R , f (x) = f (âx) .
Soit G lâensemble des fonctions impaires de R dans R : ce sont les fonctions f telles
que
âx â R , f (x) = âf (âx) .
28
- 30. Maths en Ligne Espaces vectoriels UJF Grenoble
1. Montrer que F et G sont des sous-espaces vectoriels de E = RR .
2. Montrer que F ⩠G est réduit à la fonction nulle.
3. Soit f une fonction de R dans R. On considĂšre les deux fonctions Ï et Ï, dĂ©ïŹnies
pour tout x â R par
f (x) + f (âx) f (x) â f (âx)
Ï(x) = et Ï(x) = .
2 2
Montrer que Ï â F , Ï â G et f = Ï + Ï.
4. En dĂ©duire que RR = F â G.
5. Soit p la projection sur F parallÚlement à G et s la symétrie par rapport à F
parallĂšlement Ă G. Calculer lâimage par p et s des fonctions suivantes.
xâ1+x, x â x2 + 2x3 , x â ex , x â ex + eâ2x
Exercice 7. Soit E un espace vectoriel et f un endomorphisme de E.
1. Montrer que les deux propositions suivantes sont Ă©quivalentes.
(1) Ker(f ) â© Im(f ) = {0} ,
(2) Ker(f ) = Ker(f ⊠f ) .
2. Montrer que les deux propositions suivantes sont Ă©quivalentes.
(3) Ker(f ) + Im(f ) = E ,
(4) Im(f ) = Im(f ⊠f ) .
3. Montrer que si E est de dimension ïŹnie, alors les 4 propositions (1), (2), (3) et
(4) sont Ă©quivalentes.
4. VĂ©riïŹer que pour lâapplication dĂ©rivation de R[X] dans lui-mĂȘme, (1) et (2) sont
fausses, (3) et (4) sont vraies.
Exercice 8. Soit M2,2 (R) lâespace vectoriel des matrices carrĂ©es Ă deux lignes et deux
colonnes, Ă coeïŹcients rĂ©els. Pour chacune des matrices A suivantes.
1 1 1 1 1 â1 â2 1
, , ,
0 0 1 1 â1 1 4 â2
Soit f lâapplication de M2,2 (R) dans lui-mĂȘme, qui Ă une matrice carrĂ©e X associe
f (X) = AX.
1. Montrer que f est un endomorphisme de M2,2 (R).
2. Donner une base de Im(f ) et une base de Ker(f ).
3. Reprendre lâexercice pour lâapplication g qui Ă X associe g(X) = XA.
29
- 31. Maths en Ligne Espaces vectoriels UJF Grenoble
Exercice 9. Soit M2,2 (R) lâespace vectoriel des matrices carrĂ©es Ă deux lignes et deux
colonnes, Ă coeïŹcients rĂ©els. Pour chacun des vecteurs colonnes v suivants.
0 1 0 2
, , ,
0 1 1 â1
Soit f lâapplication de M2,2 (R) dans M2,1 (R), qui Ă une matrice carrĂ©e X associe
f (X) = Xv.
1. Montrer que f est une application linéaire.
2. Donner une base de Im(f ) et une base de Ker(f ).
3. Reprendre lâexercice pour lâapplication g qui Ă X associe g(X) = tvX.
Exercice 10. Pour tout entier d 1, on munit lâespace vectoriel Rd [X] des polynĂŽmes
de degré d en la variable X, de la base 1, X, . . . , X d . On considÚre les applications
f suivantes.
âą f : R2 [X] ââ R0 [X] , P (X) ââ f (P ) = P (1).
âą f : R2 [X] ââ R2 [X] , P (X) ââ f (P )(X) = XP (X) + P (X).
âą f : R2 [X] ââ R2 [X] , P (X) ââ f (P )(X) = XP (X) â P (X).
âą f : R2 [X] ââ R2 [X] , P (X) ââ f (P )(X) = (X 2 + 1)P (X) â 2XP (X).
âą f : R3 [X] ââ R1 [X] , P (X) ââ f (P )(X) = P (1) + (X â 1)P (1).
âą f : R3 [X] ââ R3 [X] , P (X) ââ f (P )(X) = P (X + 1) + P (X â 1) â 2P (X).
âą f : R3 [X] ââ R3 [X] , P (X) ââ f (P )(X) = 3(X + 1)P (X) â (X + 1)2 P (X).
Pour chacune de ces applications :
1. Montrer que f est une application linéaire.
2. Calculer lâimage par f du polynĂŽme (X + 2)2 .
3. Donner la matrice de f , relative aux bases canoniques.
4. Donner une base de Im(f ) et une base de Ker(f ).
5. Calculer les coordonnĂ©es du polynĂŽme (X +2)2 dans la base de lâespace de dĂ©part,
eïŹectuer le produit du vecteur obtenu par la matrice de f , et vĂ©riïŹer le calcul de
la question 2.
6. Reprendre les questions 3 et 5, en remplaçant la base canonique de Rd [X] par la
base :
1 , (1 + X) , (1 + X + X 2 ) , . . . , (1 + X + · · · + X d )
Exercice 11. On considÚre les équations de récurrence linéaires suivantes.
3
un+2 = un+1 + 2un un+2 = u
2 n+1
+ un
un+2 = 2un+1 â 2un un+2 = â2un+1 â un
3 1
un+2 = u
2 n+1
â 2 un un+2 = âun
un+2 = un+1 â un un+2 = un+1 â 2un
un+2 = 4un+1 â 4un un+2 = 4un+1 + 4un
30
- 32. Maths en Ligne Espaces vectoriels UJF Grenoble
Pour chacune de ces Ă©quations,
1. DĂ©terminer lâensemble des suites de rĂ©els qui la vĂ©riïŹent.
2. DĂ©terminer la suite (un ) vĂ©riïŹant lâĂ©quation et u0 = 1, u1 = â1.
3. DĂ©terminer la suite (un ) vĂ©riïŹant lâĂ©quation et u0 = 0, u1 = 2.
2.3 QCM
Donnez-vous une heure pour répondre à ce questionnaire. Les 10 questions sont
indĂ©pendantes. Pour chaque question 5 aïŹrmations sont proposĂ©es, parmi lesquelles 2
sont vraies et 3 sont fausses. Pour chaque question, cochez les 2 aïŹrmations que vous
pensez vraies. Chaque question pour laquelle les 2 aïŹrmations vraies sont cochĂ©es
rapporte 2 points.
Question 1. Lâensemble E est un sous-espace vectoriel de C.
A E = z â C , |z| = 1 .
B E = z â C , |z| = 0 .
C E = z â C , Re(z) = 0 .
D E = z â C , Im(z) = 1 .
E E = z â C , iz + 1 = 0 .
Question 2. Lâensemble E est un sous-espace vectoriel de R[X].
A E = P â R[X] , P (X)P (âX) = P (X 2 ) .
B E = P â R[X] , P (X) = X 2 .
C E = P â R[X] , P (X) = P (1 â X) .
D E = P â R[X] , P (X) = X(1 â P (X)) .
E E = P â R[X] , P (X) = P (X 2 ) .
Question 3. La famille V est une famille génératrice de R[X].
A V = (X â 1)n , n â N .
B V = (X â n) , n â N .
C V = (X â m)n , (m, n) â N2 .
D V = X 2n , n â N .
E V = (X â 1)2n , n â N .
Question 4. La famille V est une famille libre dans RR .
2
A V = x â x2 , x â x , x â ex , x â ex .
B V = x â sin(x) , x â sin(3x) , x â sin3 (x) .
C V = x â sin(x) , x â sin(2x) , x â sin2 (x) .
31
- 33. Maths en Ligne Espaces vectoriels UJF Grenoble
D V = x â 1 , x â ex , x â e2x , x â (1 + ex )2 .
E V = x â 1 , x â cos(x) , x â cos(2x), x â (1 + cos(x)2 ) .
Question 5. Les espaces vectoriels E et F sont tels que F â G = C
A E = z â C , Re(z) = Im(z) et F = z â C , z = xeiÏ/4 x â R .
B E = z â C , Re(z) = 0 et F = z â C , z = xeiÏ/4 x â R .
C E = z â C , |z| = 0 et F = z â C , z = xeiÏ/4 x â R .
D E = z â C , Re(z) = âIm(z) et F = z â C , z = xeiÏ/4 x â R .
E E = z â C , Re(z) â R et F = z â C , z = xeiÏ/4 x â R .
Question 6. Le sous-espace vectoriel de R[X] engendré par la famille V est de dimen-
sion 3.
A V = 1 , X , X2 , X3 .
B V = X , X 2 , X 3 , X(1 + X)2 .
C V = X , X 2 , X 3 , X(1 + X)3 .
D V = (1 + X) , X 2 , X 3 , X 2 (1 + X) .
E V = X 2 , X 3 , X 2 (1 + X) .
Question 7. Lâapplication f , de R[X] dans R est linĂ©aire.
A f : P (X) â P (0)P (1).
B f : P (X) â P (0) + P (1).
C f : P (X) â deg(P ).
D f : P (X) â (P (0) + P (1))2 .
E f : P (X) â P (0) + P (2) + 2P (3).
Question 8. On considĂšre lâapplication linĂ©aire f , de M2,2 (R) dans R qui Ă une matrice
2 à 2 associe sa trace (somme des deux éléments diagonaux).
A f est injective.
B La matrice identité est élément de Ker(f ).
C f est surjective.
D Im(f ) est un espace vectoriel de dimension 3.
E Ker(f ) est un espace vectoriel de dimension 3.
Question 9. On considĂšre les deux sous-espaces vectoriels E et F de R2 [X] dĂ©ïŹnis
comme suit.
F = bX + cX 2 , (b, c) â R2 et G = a + aX , a â R
On admettra que F â G = R2 [X]. On note p la projection sur F parallĂšlement Ă G et
s la symétrie par rapport à F , parallÚlement à G.
32
- 34. Maths en Ligne Espaces vectoriels UJF Grenoble
A p(1 + 2X + X 2 ) = 2X + X 2 .
B s(1 + 2X + X 2 ) = â1 + X 2 .
C s(1 â X) = â1 + X
D p(1 + X 2 ) = â1 â 2X + X 2 .
E p(1 â X) = 0.
Question 10. On considĂšre lâĂ©quation de rĂ©currence linĂ©aire dâordre 2 suivante.
(E) un+2 = 2un+1 â 2un .
A Lâensemble des suites Ă valeurs rĂ©elles solutions de (E) est un espace vectoriel
de dimension 2 sur R.
B (E) admet des solutions non nulles qui sont des suites périodiques.
C (E) admet des solutions non nulles qui sont des suites convergentes.
D (E) admet pour solution la suite Re((1 + i)2n ) .
nâN
E (E) admet des solutions non nulles qui sont des suites Ă valeurs entiĂšres.
RĂ©ponses : 1âBC 2âCE 3âAC 4âAC 5âBD 6âBD 7âBE 8âCE 9âBD 10âAE
2.4 Devoir
Essayez de bien rédiger vos réponses, sans vous reporter ni au cours, ni au corrigé. Si
vous souhaitez vous évaluer, donnez-vous deux heures ; puis comparez vos réponses avec
le corrigé et comptez un point pour chaque question à laquelle vous aurez correctement
répondu.
Questions de cours :
1. Quand dit-on dâune application f entre deux espaces vectoriels E et F quâelle est
linéaire ?
2. DĂ©ïŹnir lâimage dâune application linĂ©aire f .
3. DĂ©montrer quâune application linĂ©aire f entre deux espaces vectoriels E et F est
surjective si et seulement si Im(f ) = F .
4. DĂ©ïŹnir le noyau dâune application linĂ©aire f .
5. DĂ©montrer quâune application linĂ©aire f entre deux espaces vectoriels E et F est
injective si et seulement si Ker(f ) = {0}.
Exercice 1 : On considĂšre lâespace vectoriel R2 [X] des polynĂŽmes de degrĂ©s infĂ©rieurs
ou Ă©gaux Ă 2. Soit f lâapplication de R2 [X] dans R qui Ă P associe P (1).
1. Montrer que f est une application linéaire.
On note F = Ker(f ). Montrer que F est un sous-espace vectoriel de dimension 2
de R2 [X].
33
- 35. Maths en Ligne Espaces vectoriels UJF Grenoble
2. Montrer que X â 1, X 2 â 1 est une base de F .
3. Soit G le sous-espace vectoriel de R2 [X], engendré par le polynÎme (X 2 + 1).
Montrer que G est un sous-espace vectoriel de dimension 1 de R2 [X].
4. On note B = X â 1, X 2 â 1, X 2 + 1 . Montrer que B est une base de R2 [X].
5. Ecrire la matrice de lâapplication f dans la base B (au dĂ©part) et (1) (Ă lâarrivĂ©e).
6. Déterminer les coordonnées dans la base B des polynÎmes 1, X et X 2 .
7. Montrer que F et G sont supplémentaires dans R2 [X].
On note p la projection sur F parallĂšlement Ă G et s la symĂ©trie par rapport Ă
F , parallĂšlement Ă G.
8. Donner la matrice de p et la matrice de s dans la base B.
9. DĂ©terminer lâimage par p et par s des polynĂŽmes 1, X et X 2 . En dĂ©duire les
matrices de p et s dans la base canonique de R2 [X].
Exercice 2 : Dans RR , on considĂšre la famille V suivante.
V = x â sin(x) , x â cos(x) , x â sin(2x) , x â cos(2x) .
On note E lâespace vectoriel engendrĂ© par V, et D lâapplication qui Ă f associe sa
dérivée f .
1. Montrer que V est une famille libre.
2. Montrer que D est un endomorphisme de E.
3. Montrer que D est un automorphisme de E.
Exercice 3 : On considĂšre lâĂ©quation de rĂ©currence linĂ©aire dâordre 2 suivante.
(E) un+2 = un+1 â un /2 .
1. Ecrire et rĂ©soudre lâĂ©quation caractĂ©ristique associĂ©e.
2. DĂ©terminer lâensemble des solutions rĂ©elles de (E).
3. Soit (un ) la suite solution de (E) telle que u0 = 0 et u1 = 1. Donner une expression
de un en fonction de n.
2.5 Corrigé du devoir
Questions de cours :
1. On dit quâune application f entre deux espaces vectoriels E et F est linĂ©aire si :
âx, y â E , âλ, ” â R , f (λx + ”y) = λf (x) + ”f (y) .
34
- 36. Maths en Ligne Espaces vectoriels UJF Grenoble
2. Lâimage dâune application linĂ©aire f de E dans F est le sous-espace vectoriel de
F dĂ©ïŹni par :
Im(f ) = f (x) , x â E .
3. Par dĂ©ïŹnition, une application est surjective si tout Ă©lĂ©ment de lâensemble dâar-
rivĂ©e possĂšde au moins un antĂ©cĂ©dent dans lâensemble de dĂ©part.
ây â F , âx â E , y = f (x) .
Donc une application linéaire f entre deux espaces vectoriels E et F est surjective
si et seulement si Im(f ) = F .
4. Le noyau dâune application linĂ©aire f est lâensemble des vecteurs de E dont
lâimage par f est le vecteur nul de F .
Ker(f ) = x â E , f (x) = 0 .
5. Nous avons deux implications Ă dĂ©montrer. Montrons dâabord que si f est injec-
tive alors Ker(f ) = {0}.
Une application entre deux ensembles est injective si deux éléments distincts de
E nâont jamais la mĂȘme image par f . Le vecteur nul de E a pour image par f ,
le vecteur nul de F . Puisque f est injective, aucun vecteur non nul de E ne peut
avoir pour image 0. Donc Ker(f ) = {0}.
Montrons maintenant la réciproque. Supposons Ker(f ) = {0}. Soient x et y
deux Ă©lĂ©ments de E tels que f (x) = f (y). Puisque f est linĂ©aire, f (x â y) =
f (x) â f (y) = 0. Donc x â y â Ker(f ), donc x â y = 0, donc x = y.
Exercice 1 :
1. Nous devons montrer que :
âP, Q â F , âλ, ” â R , f (λP + ”Q) = λf (P ) + ”f (Q) .
Cela découle immédiatement du fait que (λP + ”Q)(1) = λP (1) + ”Q(1).
Pour tout a â R, Lâimage par f du polynĂŽme constant a est le rĂ©el a. Donc f
est surjective. Lâespace de dĂ©part est de dimension 3, lâimage est de dimension 1.
DâaprĂšs le thĂ©orĂšme du rang, le noyau est de dimension 3 â 1 = 2.
2. Observons dâabord que les deux polynĂŽmes de la famille appartiennent bien Ă F .
Montrons que X â 1, X 2 â 1 ) est une famille libre. Si a et b sont deux rĂ©els tels
que a(X â 1) + b(X 2 â 1) = 0, alors :
bX 2 + aX â (a + b) = 0 =â a = b = 0 .
Lâespace vectoriel F est de dimension 2, donc toute famille libre de 2 Ă©lĂ©ments
est une base.
35
- 37. Maths en Ligne Espaces vectoriels UJF Grenoble
3. Le polynĂŽme X 2 + 1 est non nul, il forme une famille libre, donc une base de G.
4. Lâespace vectoriel R2 [X] est de dimension 3. Pour montrer que B = X â 1, X 2 â
1, X 2 + 1 est une base, il suïŹt de montrer que câest une famille libre. Soient
a, b, c trois réels. Supposons que :
P = a(X â 1) + b(X 2 â 1) + c(X 2 + 1) = (b + c)X 2 + aX + (âa â b + c) = 0 .
Alors, (a, b, c) est solution du systĂšme :
ïŁ±
ïŁŽ
ïŁČ b +c = 0
a = 0
âa âb +c = 0 .
ïŁŽ
ïŁł
La seconde Ă©quation donne a = 0 ; en prenant la somme et la diïŹĂ©rence de la
premiÚre et de la troisiÚme, on en déduit b = c = 0.
5. Les images par f des éléments de la base B sont :
f (X â 1) = 0 , f (X 2 â 1) = 0 , f (X 2 + 1) = 2 .
La matrice de f est donc :
(0, 0, 2) â M1,3 (R) .
6. En calculant directement on obtient :
1 1
1 = 0(X â 1) â (X 2 â 1) + (X 2 + 1) ,
2 2
1 1
X = 1(X â 1) â (X 2 â 1) + (X 2 + 1) ,
2 2
1 1
X 2 = 0(X â 1) + (X 2 â 1) + (X 2 + 1) .
2 2
On pouvait aussi calculer ces coordonnées en écrivant la matrice de passage de
la base canonique Ă la base B, puis en calculant son inverse.
ïŁ« ïŁ¶ ïŁ« ïŁ¶
â1 â1 1 0 2 0
1ïŁŹ
Ï=ïŁ 1 0 0 ïŁ· Ï â1 = ïŁ â1 â1 1 ïŁž .
ïŁŹ ïŁ·
2
ïŁž
0 1 1 1 1 1
7. Puisque B est une base, pour tout polynĂŽme P de R2 [X], il existe un triplet
unique de réels (a, b, c) tel que :
P (X) = a(X â 1) + b(X 2 â 1) + c(X 2 + 1) .
36
- 38. Maths en Ligne Espaces vectoriels UJF Grenoble
Le polynĂŽme a(X â1)+b(X 2 â1) appartient Ă F , le polynĂŽme c(X 2 +1) appartient
Ă G. Tout polynĂŽme de R2 [X] est somme dâun Ă©lĂ©ment de F et dâun Ă©lĂ©ment de
G, donc F + G = R2 [X].
Pour dĂ©montrer que la somme est directe, il faut montrer en plus que F â©G = {0}.
Soient a, b, c trois réels tels que :
a(X â 1) + b(X 2 â 1) = c(X 2 + 1) .
Alors a = b = c = 0, car B est une famille libre.
8. La projection p envoie X â 1 et X 2 â 1 sur eux-mĂȘmes, X 2 + 1 sur 0. DâoĂč la
matrice de p dans la base B :
ïŁ« ïŁ¶
1 0 0
ïŁ 0 1 0 ïŁž .
ïŁŹ ïŁ·
0 0 0
La symĂ©trie s envoie X â 1 et X 2 â 1 sur eux-mĂȘmes, X 2 + 1 sur son opposĂ©.
DâoĂč la matrice de p dans la base B :
ïŁ« ïŁ¶
1 0 0
ïŁ 0 1 0 ïŁ· .
ïŁŹ
ïŁž
0 0 â1
9.
1 1 1
p(1) = p 0(X â 1) â (X 2 â 1) + (X 2 + 1) = â (X 2 â 1) ,
2 2 2
1 1 1
p(X) = p 1(X â 1) â (X 2 â 1) + (X 2 + 1) = 1(X â 1) â (X 2 â 1) ,
2 2 2
1 1 1
p(X 2 ) = p 0(X â 1) + (X 2 â 1) + (X 2 + 1) = (X 2 â 1) .
2 2 2
On en déduit la matrice de p dans la base canonique de R2 [X] :
ïŁ« ïŁ¶
1 â1 â1
1 ïŁŹ
ïŁ 0 2 0 ïŁ· .
2
ïŁž
â1 â1 1
1 1 1 1
s(1) = s 0(X â 1) â (X 2 â 1) + (X 2 + 1) = â (X 2 â 1) â (X 2 + 1) ,
2 2 2 2
1 1 1 1
s(X) = s (X â 1) â (X 2 â 1) + (X 2 + 1) = (Xâ1)â (X 2â1)â (X 2 +1) ,
2 2 2 2
1 1 1 1
s(X 2 ) = s 0(X â 1) + (X 2 â 1) + (X 2 + 1) = (X 2 â 1) â (X 2 + 1) .
2 2 2 2
37
- 39. Maths en Ligne Espaces vectoriels UJF Grenoble
On en déduit la matrice de s dans la base canonique de R2 [X] :
ïŁ« ïŁ¶
0 â1 â1
ïŁ 0 1 0 ïŁ· .
ïŁŹ
ïŁž
â1 â1 0
On pouvait aussi calculer la matrice de p (respectivement : s) en eïŹectuant le
produit matriciel ÏAÏ â1 , oĂč A est la matrice de p (respectivement s) dans la base
B et Ï est la matrice exprimant les vecteurs de la base B dans la base canonique.
Exercice 2 :
1. Soit a, b, c, d quatre rĂ©els. Notons f lâapplication
f : x â a sin(x) + b cos(x) + c sin(2x) + d cos(2x) .
Pour montrer que V est une famille libre, nous devons montrer que si f est
lâapplication nulle, alors a = b = c = d = 0. Pour cela, nous choisissons des
valeurs particuliĂšres pour x :
f (0) = 0 =â b+d = 0
f (Ï) = 0 =â âb + d = 0
f (Ï/2) = 0 =â aâd â = 0
f (Ï/4) = 0 =â (a + b) 2/2 + c = 0.
En prenant la somme et la diïŹĂ©rence des deux premiĂšres Ă©quations, on obtient
b = d = 0. La troisiÚme implique alors que a = 0. On déduit ensuite c = 0 de la
quatriĂšme.
2. Nous devons montrer que D est une application de E dans E et quâelle est linĂ©aire.
DâaprĂšs la question prĂ©cĂ©dente, V est une base de E. Pour tout Ă©lĂ©ment f de E,
il existe 4 réels a, b, c, d tels que :
f : x â a sin(x) + b cos(x) + c sin(2x) + d cos(2x) .
Lâimage de f par D est :
D(f ) : x â a cos(x) â b sin(x) + 2c cos(2x) â 2d sin(2x) .
Lâapplication D(f ) est bien Ă©lĂ©ment de E.
Pour dĂ©montrer la linĂ©aritĂ©, il suïŹt dâappliquer les rĂ©sultats gĂ©nĂ©raux sur la
dérivation : si f et g sont dérivables et si λ et ” sont deux réels, alors λf + ”g
est dérivable et (λf + ”g) = λf + ”g .
3. Nous savons que D est un endomorphisme, il suïŹt de montrer que D est bijective.
Comme E est un espace vectoriel de dimension ïŹnie et D est une application
linĂ©aire de E dans lui-mĂȘme, il nous suïŹt de vĂ©riïŹer que D est injective (ou bien
surjective, mais il est inutile de vĂ©riïŹer les deux).
38
- 40. Maths en Ligne Espaces vectoriels UJF Grenoble
Pour montrer que D est injective, il suïŹt de montrer que son noyau ne contient
que lâapplication nulle. En reprenant les expressions de la question prĂ©cĂ©dente, si
f sâĂ©crit :
f : x â a sin(x) + b cos(x) + c sin(2x) + d cos(2x)
lâimage de f par D est :
D(f ) : x â a cos(x) â b sin(x) + 2c cos(2x) â 2d sin(2x) .
Puisque V est une famille libre, D(f ) = 0 implique a = 0, âb = 0, 2c = 0,
â2d = 0. Donc a = b = c = d = 0 et f est lâapplication nulle.
Exercice 3 :
1. LâĂ©quation caractĂ©ristique associĂ©e est r2 = r â 1/2. Ses solutions sont :
1+i 1 1âi 1
r1 = = â eiÏ/4 et r2 = = â eâiÏ/4 .
2 2 2 2
2. Lâensemble E des solutions rĂ©elles de (E) est un espace vectoriel de dimension 2
sur R. Une base est donnée par les deux suites :
1 1
â cos(nÏ/4) et â sin(nÏ/4) .
( 2)n ( 2)n
1
E= â a cos(nÏ/4) + b sin(nÏ/4) , (a, b) â R2 .
( 2)n nâN
3. Nous savons quâil existe deux rĂ©els a et b tels que pour tout n â N,
1
un = â n a cos(nÏ/4) + b sin(nÏ/4) .
2
En reportant les valeurs de un pour n = 0 et n = 2, on trouve a = 0 et b = 2. La
suite (un ) est donc :
2
â sin(nÏ/4) .
( 2)n nâN
39