Abderrazak Chakor 4 mars 2024 Espaces vectoriels et applications linéaires Notes

Espaces vectoriels et applications linéaires

Dans toute la suite K désigne le corps R ou C.
I - Espace vectoriel ,généralités

Définition 1.1
Soit E un ensemble non vide .
On muni E d’une loi de composition interne + et une multiplication externe sur E
à opérateurs dans K qui est juste une application • : K × E −→ E
(λ, x) 7−→ λ • x
Le triplet (E, +, •) est dit un espace vectoriel sur K ou K−espaces vectoriels si
1. (E, +) est un groupe abélien.
 1K • x = x

α • (x + y) = α • x + α • y
2. ∀x, y ∈ E; ∀α, β ∈ K on a
 (α + β) • x = α • x + β • x
(αβ) • x = α • (β • x)

Exemples 1.1
1. (K, +, •) où λ • λ′ = λ × λ′ est un K−espaces vectoriel
2. (C, +, •) où λ • z = λ z est un R−espaces vectoriel
3. (R, +, •) où r • x = r x est un Q−espace vectoriel
4. (RR , +, •) où λ • f = λ f est un R−espaces vectoriel
5. (Kn , +, .) où λ • (x1 , ..., xn ) = (λx1 , ..., λxn ) est un K−espaces vectoriel
6. (KN , +, .) où λ • u = λu est un K−espaces vectoriel
7. Si E est un K-ev alors (E A , +, .) l’est aussi
8. (K[X], +, .) où λ • P = λP est un K−espaces vectoriel
9. (Mn.m (K), +, .) où λ • (ai,j ) = (λai,j ) est un K−espaces vectoriel
10. (K(X), +, .) où λ • F = λF est un K−espaces vectoriel

Proposition 1.1 Calcul dans un K -espaces vectoriel

Soit E un K−espace vectoriel.
Pour tout λ, µ dans K et x, y dans E on a :
1. 0K .x = 0E et λ.0E = 0E
2. (λ.x = 0E ) ⇔ (λ = 0K , x = 0E )
3. (−λ).x = −(λ.x) = λ.(−x)
4. (λ − µ).x = λ.x − µ.x
5. λ.(x − y) = λ.x − λ.y

II - Sous-espaces vectoriels
2. 1. Sous-espaces vectoriels

Définition 2.1
Soit (E, +, .) un K−espace vectoriel. Une partie non vide F de E est dite sous-
espace vectoriel de E si F muni des lois induites par + et . font de F est un
K−espace vectoriel

Théorème 2.1 Caractérisation d’un sev (E, +, .) un

K−espace vectoriel.F une partie de E . On a équivalence entre :
— F est un sous-espace vectoriel de E
 F ̸= ∅
— ∀x, y ∈ F, x + y ∈ F

λ ∈ K, ∀x ∈ F, λ.x ∈ F

1
Abderrazak Chakor 4 mars 2024 Espaces vectoriels et applications linéaires Notes

Corollaire 2.1
Caractérisation d’un sev (E, +, .) un K−espace vectoriel.F une partie de E . On a
équivalence entre :
— F est un sous-espace vectoriel de E
F ̸= ∅
—
∀x, y ∈ F, ∀λ ∈ K, λ.x + y ∈ F
Exemples 2.1

1. Si E est un K-espace vectoriel alors {0E } et E sont des sous-espaces vecto-

riels de E.
2. R et Ri sont des sous-espaces vectoriels C comme R-espace vectoriel
3. L’ensemble des fonctions définies sur R à valeurs réelle f vérifiants f (0) = 0
est un sous espace vectoriel de R-espace vectoriel RR .
4. L’ensemble des fonctions définies sur R a valeurs réelles.
L’ensemble des fonctions définies sur R à valeurs réelle paires(resp impaires)
est un sous espace vectoriel deR-espace vectoriel RR .
5. L’ensemble des fonctions définies sur R à valeurs réelles bornées est un sous
espace vectoriel de R-espace vectoriel RR .
6. L’ensemble des fonctions définies sur R à valeurs réelles positives n’est pas un
vectoriel.
7. Kn [X] est un sous-espace vectoriel du K-espace vectoriel K[X]
8. .....
Exercice 2.1

Montrer que F = (x, y, z) ∈ R3 /2x − y + 3z = 0 est un sous-espace vecto-
riel de R3
Proposition 2.1 Intersection de K-sous espaces vec-
toriels
Soient E un K-espace vectoriel , et (Fi )i∈I une famille
T de K-
sous-espaces vectoriels de E. Alors l’ensemble V = Fi est un
i∈I
sous-espace vectoriel de E
Remarque 2.1

La réunion de K-sous-espaces vectoriels de E n’ est pas nécessairement un K-espace

vectoriel Prendre R et Ri dans C comme R-espace vectoriel

Exercice 2.2
H, G deux sevs d’un K -ev E
Montrer que H ∪ G est un sev de E ⇔ H ⊂ G ou G ⊂ H
Exercice 2.3

Montrer que E = f ∈ RR tel que ∀p ∈ Z ; f (p) = 0 est un R -espace
vectoriel
2. 2. Sous-espace vectoriel engendré par une famille A
finie de vecteurs

Proposition et définition 2.1

Soit une partie A d’un K -espace vectoriel E.

On appelle sous espace engendré par A le plus petit sous espace de E, au sens de
l’inclusion, qui contient A. On le note Vect(A)
Vect(A) existe et unique

Proposition 2.2

1. Vect(A) est l’intersection de tous les sous-espaces vectoriels contenant A

2. Vect(A) est l’ensemle des combinaisons linéaires finies des éléments de
A c’est à dire Vect(A) = {α1 x1 + · · · + αn xn /α1 , · · · , αn ∈
K, x1 , · · · , xn ∈ A} 2
Abderrazak Chakor 4 mars 2024 Espaces vectoriels et applications linéaires Notes

Exemples 2.2
1. Vect(∅) = {0E } et Vect({0E }) = {0E }.
2. Dans E = C comme R-espace vectoriel :
Vect({ 1 }) = R ;Vect({ i }) = Ri ;Vect({ 1, i }) = C.
3. E = K[X], n ∈ N. Vect(1, X, · · · , X n ) = Kn [X].
4. E = Kn avec n ∈ N∗ ,
Si e1 = (1, 0, · · · , 0), e2 = (0, 1, 0, · · · , 0), · · · , en = (0, 0, · · · , 0, 1).
alors Vect({e1 , · · · , en }) = E = Kn .

Propriété 2.1

Soient E un K-espace vectoriel, et A et B deux parties finies de E.

A ⊂ B =⇒ Vect(A) ⊂ Vect(B)

Définition 2.2 Familles génératrices

Soit E un K -ev .Une famille de vecteurs A est dite génératrice
de E si E =Vect(A)

Exercice 2.4
Donner une famille génératrice de K -espace vectoriel
E = { P ∈ K3 [X] tel que P (0) = P (1) = 0 }

Remarque 2.2

Toute sur-famille d’une famille génératrice est génératrice

2. 3. Sous-espaces vectoriels supplémentaires

Proposition 2.3 Somme de deux s-evs

Soient E un K-espace vectoriel, et E1 et E2 deux K -sous-espace
vectoriel de E
L’ensemble E1 + E2 = { x + y tel que x ∈ E1 et y ∈ E2 } est un K -
sous-espace vectoriel de E dit la somme des deux K -sous-espace
vectoriel de E
Remarque 2.3
Vect(E1 ∪ E2 ) = E1 + E2

Définition 2.3 Somme directe de deux s-evs

Soient E un K-espace vectoriel, et E1 et E2 deux K -sous-espace
vectoriel de E
E1 et E2 sont dit en somme directe si E1 ∩ E2 = { 0E }

Proposition 2.4

Soient E1 et E2 deux sous-espaces vectoriels de E

E1 et E2 sont en somme directe⇔ ∀(x1 , x2 ) ∈ E1 × E2 , (x1 + x2 = 0E ⇐⇒
x1 = x2 = 0E )

Définition 2.4
Sous-espaces vectoriels supplémentaires
Soient E un K-espace vectoriel, et E1 et E2 deux K -sous-espace vectoriel de E
E1 ∩ E2 = { 0E }

E1 et E2 sont dit supplémentaires dans E si
E1 + E2 = E
Le cas échéant on écrit E = E1 ⊕ E2
Proposition 2.5

Deux s.e.v. F et G sont supplémentaires dans E, si et seulement si, tout x ∈ E s’écrit

de manière unique sous la forme x = f + g, avec f ∈ F et g ∈ G

3
Abderrazak Chakor 4 mars 2024 Espaces vectoriels et applications linéaires Notes

Exemples 2.3

1. Justifier que :
— R et Ri sont supplémentaires dans C comme R-espace vectoriel
— P l’ensemble des fonctions paires sur R et I l’ensemble des fonctions
impaires sur R sont supplémentaires dans RR
2. Citez d’autre exemples
2. 4. Espace vectoriel produit

Proposition et définition 2.2

Soient (E, +, .) et (F, +, .) deux K -espaces vectoriels.

E × F muni de la L.C.I +
définie par (x, y) + (x′ , y ′ ) = (x + x′ , y + y ′ ) et de L.C.E définie par λ.(x, y) =
(λ.x, λ.y) est un K -espace vectoriel appelé l’ espace vectoriel produit de E et F

Exemples 2.4

— (R2 , +, .) n’ est autre que l’espace vectoriel produit de (R, +, .) avec lui même
— (K[X] × K, +, .) désigne l’espace vectoriel produit de (K[X], +, .) avec
(K, +, .)
2. 5. L’espace vectoriel F (X, E)

Proposition et définition 2.3

Soit (E, +, .) un K-espace vectoriel et Ω un ensemble quelconque fixé.

E Ω muni de la L.C.I définie par f + g : x 7−→ (f + g)(x) = f (x) + g(x) et de
L.C.E définie par λ.f : x 7−→ (λ.f )(x) = λ.f (x) est un K -espace vectoriel
III - Dépendance et indépendance linéaire -Bases :
3. 1. Familles libres

Définition 3.1
Une famille {x1 , · · · , xn }, de vecteurs de l’espace vectoriel E, est dite libre si et
seulement si (∀ (λ1 , · · · , λn ) ∈ Kn , λ1 x1 + · · · + λn xn = 0 ⇒ λ1 = · · · =
λn = 0).
On dit aussi que les vecteurs x1 , . . . , xn sont linéairement indépendants.
Dans le cas contraire, la famille est dite liée, ou encore les vecteurs x1 , . . . , xn sont
linéairement dépendants

Exemples 3.1

1. La famille {1, X, X 2 , · · · , X n } est libre dans le K -espace vectorielK[X].

2. La famille {1, i} est libre dans le R -espace vectorielC.
3. La famille {1 + i, 1 − i; 3 + 2i} est liée dans le R -espace vectorielC.
4. la famille {cos, sin} est une famille libre dans le R -espace vectoriel RR .
5. la famille {h, cos, sin} où h(x) = sin(x + π3 ) est une famille liée dans le R
-espace vectoriel RR .

Proposition 3.1

Soit (x1 , · · · , xn ) une famille de n vecteurs de l’espace vectoriel E.

(x1 , · · · , xn ) est libre ⇔ ∀ (i ∈ [[1, n]] , xi ∈Vect((x
/ j )j̸=i )

Exercice 3.1
1. Montrer que la famille fk : x 7−→ ekx ; (1 ≤ k ≤ n) est de R -libre RR
2. Montrer que la famille gk : x 7−→ |x − ak | ; (1 ≤ k ≤ n) où a1 < a2 <
... < an réels, est de R -libre RR
3. Montrer que toute famille finie P1 , P2 , ..., Pn de K[X] \ {0} de degrés
échelonnés est libre

4
Abderrazak Chakor 4 mars 2024 Espaces vectoriels et applications linéaires Notes

Propriétés 3.1

1. Toute famille de vecteurs contenant 0E est liée.

2. Une sous-famille d’une famille libre est une famille libre.
3. Une sur-famille d’une famille liée est une famille liée.
4. Une famille qui contient le même vecteur plus qu’une fois est liée.
3. 2. Bases

Définition 3.2
Soit E un K -espace vectoriel .Une famille A est dite base de E si A est a la fois libre
et génératrice de E

Exemples 3.2

1. {1, i} est une base de C comme R -espace vectoriel

2. {1, X, ..., X n } est une base de K n [X] comme K -espace vectoriel
3. {e1 , e2 , ..., en } ou ei = (δi,j )1≤j≤n est une base de K n comme K -espace
vectoriel dite sa base canonique

Exercice 3.2
Déterminer
 une base du K -espace vectoriel
G = (x, y, z) ∈ R3 tel que x − y + z = 0
IV - Applications linéaires :
4. 1. Généralités

Définition 4.1
Soient E et F deux K -espaces vectoriels et f ∈ F E
f est dite K -linéaire ou morphisme de K -espaces vectoriels de E vers F si ∀x, y ∈
f (x + y) = f (x) + f (y)

E, ∀λ ∈ K
f (λ.x) = λ.f (x)

Exemples 4.1

f: R −→ R est R -linéaire f: R2 −→ R2
x 7−→ 2x (x, y) 7−→ (ax + by, cx + dy)
est R -linéaire
f: R2 −→ R est
(x, y) 7−→ ax + by
R -linéaire
f : Kn [X] −→ Kn [X] est f : D(R) −→ RR × R
P 7−→ P′ f 7−→ (f ′ , f (0))
K -linéaire est R -linéaire
Vocabulaire et notations à retenir
— LK (E, F ) l’ensemble des applications linéaires de E vers F
— LK (E) l’ensemble des applications linéaires de E vers E
— IsK (E, F ) l’ensemble des applications linéaires bijectives de E vers F
— AutK (E) l’ensemble des applications linéaires de E vers E bijectives
(AutK (E), ◦) est un groupe qu’on note GLK (E) dit groupe linéaire de E
— E ∗ = LK (E, K) l’ensemble des applications linéaires de E vers K dites
formes linéaires de E
E ∗ s’appelle l’espace dual de E

Exercice 4.1
1. f : R2 −→ R2
(x, y) 7−→ (ax + by, cx + dy)
Montrer que f est un isomorphisme ⇐⇒ ad − bc ̸= 0
2. Le cas échéant ,déterminer alors f −1

5
Abderrazak Chakor 4 mars 2024 Espaces vectoriels et applications linéaires Notes
4. 2. Noyau et image d’un élément de LK (E, F )

Définition 4.2
Soit f ∈ LK (E, F )
1. On appelle image de f la partie f (E) de F qu’on note Im(f )
2. On appelle noyau de f la partie
f −1 ({ 0F }) = { x ∈ E tel que f (x) = 0F } de E qu’on note Ker(f )

Proposition 4.1
Soit f ∈ LK (E, F )
1. Im (f ) est un est un sous-espace vectoriel de F
2. Ker (f ) est un est un sous-espace vectoriel de E

Proposition 4.2
Soit f ∈ LK (E, F )
1. L’image par f d’un K -sous-espace vectoriel se E est un sous-espace vectoriel
de F . En particulier Im (f )
2. L’image réciproque d’un K -sous-espace vectoriel de F est un sous-espace
vectoriel de E. En particulier Ker (f ) sous-espace vectoriel

Proposition 4.3
f ∈ LK (E, F )
1. f est injective ⇔ kerf = {0E }
2. f est surjective ⇔ Imf = F

Exercice 4.2
Montrer que φ : D∞ (R) −→ R × D∞ (R) est bijective
f 7−→ (f (0), f ′ )

Propriétés 4.1
E, F, G trois K -espaces vectoriels
1. (LK (E, F ), +, .) est un K espace vectoriel
2. La composée de deux applications linéaires est linéaire
3. Pour u ∈ LK (F, G) et v ∈ LK (G, E) fixés,les
applications φu : LK (E, F ) −→ LK (E, G) et
f 7−→ u ◦ f
ψv : LK (E, F ) −→ LK (G, F ) sont K -linéaires
f 7−→ f ◦ v
4. Si f ∈ IsK (E, F ) alors f −1 ∈ IsK (F, E)

Remarque 4.1

(LK (E), +, ◦, .) est une K-algèbre

(AutK (E), ◦) est un groupe qu’on note (GLK (E), ◦) :dit le groupe linéaire de E
4. 3. Résolution de l’équation : u(x) = b où
u ∈ LK (E, F ) et b ∈ F

Proposition 4.4

L’ensemble S des solutions de l’équation u(x) = b où u ∈ LK (E, F ) et b ∈ F est

soit vide soit de la forme x0 +Ker(u) où x0 est une solution particulière

Exercice 4.3
Donner la structure de l’ensembe des solutions de
1. l’équation différentielle (H) : y ′ + ay = 0 où a ∈ C 0 (I, R)
2. l’équation différentielle (E) : y ′ + ay = b où a, b ∈ C 0 (I, R) si y0 est une
solution particulière 6
Abderrazak Chakor 4 mars 2024 Espaces vectoriels et applications linéaires Notes
4. 4. Action d’une application linèaire sur la nature d’une
famille de vecteurs.
1. f est injective ⇔ f transforme toute famille libre de E en une famille libre
de F
2. f est surjective ⇔ f transforme toute famille génératrice de E en une famille
génératrice de F
3. f est bijective ⇔ f transforme toute base de E en une famille libre de F
Soient f ∈ LK (E, F ) ,F une famille de E
1. F est génératrice de E =⇒ f (F ) génératrice de Im(f )
2. F est libre de E n’implique pas f (F ) libre de Im(f )
3. F est base de E n’implique pas f (F ) est une de Im(f )
4. F est lieé de E =⇒ f (F ) lieé de Im(f )
5. Si F est une base de E alors :
— f bijective ⇔ f (F ) est une base de F
— f injective ⇔ f (F ) est libre de F
— f surjective ⇔ f (F ) est génératrice de F

Corollaire 4.1
Soit E un K -espace vectoriel et (u1 , · · · , un ) une famille finie de E
1. l’application φ : Kn −→ E est K -linéaire
Pn
(λ1 , · · · , λn ) 7−→ λk uk
k=1
2. (u1 , · · · , un ) est génératrice de E ⇔ φ est surjective.
3. (u1 , · · · , un ) est libre de E ⇔ φ est injective.
4. (u1 , · · · , un ) est une base de E ⇔ φ est bijective.
V - Exemples classiques d’applications linéaires
5. 1. Homothétie vectorielle

Définition 5.1
Soit E un K -espace vectorielet λ ∈ K. On appelle homothétie vectorielle de E de
rapport λ l’application linéaire x 7−→ λ.x qu’on note hλ

Proposition 5.1 E ̸= { 0E }
hλ est bijective ⇔ λ ̸= 0
le cas échéant h−1
λ = hλ−1

Exercice 5.1 Classique Soit E un K -espace vectoriel et

soit f ∈ LK (E).Montrer que :
f est une homothétie de E ⇔ ∀x ∈ E, (x, f (x)) est liée

5. 2. Projection vectorielle d’un K-espace vectoriel E

Définition 5.2 Géométrique Soient E1 et E2 deux K -

sous-espaces vectoriels de E supplémentaires
On applle projection vectorielle sur E1 parallèlement à E2
l’endomorphisme de E défini par
p: E −→ E
x = x1 + x2 7−→ x1 /x1 ∈ E1 et x2 ∈ E2

Remarque 5.1
Si p est projection vectorielle sur E1 parallèlement à E2
et q est projection vectorielle sur E2 parallèlement à E1
alors p + q = IdE c’est à dire q = IdE − p

7
Abderrazak Chakor 4 mars 2024 Espaces vectoriels et applications linéaires Notes

Propriété 5.1

Soient E1 et E2 deux K -sous-espaces vectoriels de E supplémentaires

Si p est la projection vectorielle sur E1 parallèlement à E2 alors de E
1. Im(p) = E1 dit base de p
2. Ker(p) = E2 dit direction de p

Définition 5.3 Algébrique Soit E un K -espace vectoriel

On appelle projecteur de E tout endomorphisme f de E vérifiant
f ◦f =f
Exemple 5.1

Vérifier que l’application f : R2 −→ R2 est un projecteur de R2

(x, y) 7−→ (x, 0)

Exercice 5.2
L’application f : K[X] −→ K[X] est un projec-
P ′′ (0) 2
P 7−→ P (0) + P ′ (0)X + X
2
teur de K[X]

Exercice 5.3
1. Montrer que si f est projecteur de E alors IdE − f est projecteur de E
2. En déduire que l’application f : K[X] −→ K[X] est un projec-
P 7−→ P − P (0)
teur de K[X]

Proposition 5.2 Caractérisation Soit E un K -espace

vectoriel .Si f est un projecteur de E alors
1. Im(f ) = { x ∈ E tel que p(x) = x } =Ker(p − IdE )
2. Ker(f )⊕Im(f ) = E
3. f est la projection sur Im(f ) parallèlement ker(f )

Exercice 5.4
1. Montrer que ’application f : R2 −→ R2
3
(x, y) 7−→ − x + 2y, −2x + 4y)
(
est un projecteur de R2
2. Déterminera les éléments de f
5. 3. Symétrie vectorielle d’un K-espace vectoriel E

Définition 5.4 Géométrique Soient E1 et E2 deux K -

sous-espaces vectoriels de E supplémentaires
On applle symétrie vectorielle par rapport à E1 parallèlement à
E2
l’endomorphisme de E défini par
s: E −→ E
x = x1 + x2 7−→ x1 − x2 /x1 ∈ E1 et x2 ∈ E2

Remarque 5.2
Si s est la symétrie vectorielle par rapport à E1 parallèlement à E2 alors s = p − q =
2p − IdE = I − 2q
où p est la projection vectorielle sur E1 parallèlement à E2 q est la projection vecto-
rielle sur E2 parallèlement à E1

Définition 5.5 Algébrique Soit E un K -espace vectoriel

On appelle symétrie de E tout endomorphisme f de E vérifiant
f ◦ f = IdE
Exemple 5.2

L’application f : R2 −→ R2 est un symétrie de R2

(x, y) 7−→ (x, −y) 8
Abderrazak Chakor 4 mars 2024 Espaces vectoriels et applications linéaires Notes

Proposition 5.3
Soit f ∈ (E)
f + IdE
f est une symétrie vectorielle de E ⇔ est un projecteur de E
2
Proposition 5.4 Caratérisation Soit E un K -espace
vectoriel
Si s une symétrie de E alors
1. s ∈ GLK (E)
2. Ker(s − IdE ) ⊕ Ker(s + IdE ) = E
3. s est la symétrie vectorielle par rapport à Ker(s − IdE )
parallèlement à Ker(s + IdE )

Exercice 5.5
Montrer que f : R3 −→ R3 est une symétrie vectorille dont on
(x, y, z) 7−→ (z, y, x)
déterminera les éléments
Exercice 5.6
Montrer que g : Mn (K) −→ Mn (K) est une symétrie vectorielle dont on
t
M 7−→ M
déterminera les éléments
Proposition 5.5 Pratique
E1 et E2 deux K -sous-espaces vectoriels de E supplémentaires :
Soit p est la projection sur E1 parallèlement à E2
Soit s est la symétrie vectorielle sur E1 parallèlement à E2
Pour x, y ∈ E
y ∈ E1

1. p(x) = y ⇔
x − y ∈ E2
x + y ∈ E1

2. s(x) = y ⇔
x − y ∈ E2

Exercice 5.7
( 
E= (x, y, z) ∈ R3 tel que x = y = −z
3
Dans R ,on considere 
F = (x, y, z) ∈ R3 tel que 2x + y − z = 0
1. Montrer que E ⊕ F = R3
2. Déterminer p est la projection sur E parallèlement à F
3. Déterminer s est la symétrie vectorielle sur E parallèlement à F