Chapitre 3 1 Espaces vectoriels Notions fondamentales • • • • • • • • • • • • • • • • • • • • • • • • • • Définition (Espace vectoriel) Soit E un ensemble non vide. On dit que E est un espace vectoriel sur K (R ou C) s’il est muni de deux opérations notées + et · telles que : (i) Pour tous u, v ∈ E et λ ∈ K, on a u + v ∈ E et λ · u ∈ E (règle de stabilité) ; (ii) L’addition ‘+’ est associative, commutative, possède un élément neutre 0 et tout élément u ∈ E admet opposé −u ∈ E tel que u + (−u) = 0 ; (iii) Pour tous u, v ∈ E et λ, µ ∈ K, 1 · u = u, λ · (u + v) = λ · u + λ · v, (λ + µ) · u = λ · u + µ · u et λ · (µ · u) = (λµ) · u Proposition (Sous-espace vectoriel) Soit F ⊂ E un sous-ensemble non vide de E. Si F vérifie la règle de stabilité (i) de la définition, alors F est un espace vectoriel sur K. On dit que c’est un sous-espace vectoriel de E. Définition (Produit d’espaces vectoriels) Soient E1 et E2 deux espaces vectoriels sur K. On note E = E1 × E2 l’ensemble des couples de vecteurs (u1 , u2 ) où u1 ∈ E1 et u2 ∈ E2 et on pose pour λ ∈ K, (u1 , u2 ) et (v1 , v2 ) ∈ E, λ · (u1 , u2 ) = (λu1 , λu2 ) et (u1 , u2 ) + (v1 , v2 ) = (u1 + v1 , u2 + v2 ). Muni de ces opérations, E a une structure d’espace vectoriel sur K. On l’appelle produit des espaces vectoriels E1 et E2 . Proposition (Sous-espace vectoriel engendré) Soit U = (u1 , . . . , un ) une famille de vecteurs de E. L’ensemble de toutes les combinaisons linéaires des vecteurs de U est un sous-espace vectoriel de E. On l’appelle sous-espace vectoriel engendré par U et on le note Vect(U ). Définition (Famille libre, famille liée) On dit qu’une famille U = (u1 , . . . , un ) de vecteurs de E est libre si la seule combinaison linéaire des vecteurs de U égale au vecteur nul est celle dont tous les coefficients sont nuls. Dans le cas contraire, on dit que la famille U est liée. Définition et proposition (Base, coordonnées) On dit qu’une famille B = (e1 , . . . , en ) est une base de E si elle est libre et si elle engendre E. Dans ce cas, tout vecteur u de E s’écrit de manière unique u = x 1 e1 + · · · + x n en où x 1 , . . . , x n ∈ K sont appelés coordonnées de u dans B. Cours de mathématiques, Spé PC – [Raphaël Dieu - 12/2016] page 1 Théorème fondamental de la dimension Si E est un espace vectoriel de dimension finie, alors toutes les bases de E ont le même cardinal n appelé dimension de E, noté n = dim E. Plus précisément, pour toute famille U de vecteurs de E, 2 • Si card(U ) > n, alors U est liée, • Si card(U ) < n, alors U n’engendre pas E, • Si card(U ) = n, alors U est une base de E ⇐⇒ U est libre ⇐⇒ U engendre E. Somme de sous-espaces vectoriels • • • • • • • • • • • • • • • • • • • • • Définition (Somme de sous-espaces vectoriels) On appelle somme des sous-espaces vectoriels F1 , F2 , . . . , Fq de E l’ensemble F des vecteurs de E q X de la forme u = u1 + u2 + · · · + uq = ui avec ui ∈ Fi , i ∈ v1, qw. i=1 F est un sous-espace vectoriel de E. On le note F = F1 + F2 + · · · + Fq = q X Fi . i=1 Définition (Somme directe de sous-espaces vectoriels) (avec les mêmes notations) On dit que la somme F = la décomposition u = q X q X Fi est directe si pour tout vecteur u ∈ F , i=1 ui avec ui ∈ Fi , i ∈ v1, qw est unique. i=1 On note alors F = F1 ⊕ F2 ⊕ · · · ⊕ Fq = q M Fi (qui se lit somme directe des Fi ). i=1 Proposition (Caractérisations d’une somme directe) (avec les mêmes notations) Les trois propositions sont équivalentes : (i) La somme F = q M Fi est directe (unicité des décompositions). i=1 q X (ii) ∀(u1 , . . . , uq ) ∈ F1 × · · · × Fq , ui = 0 =⇒ u1 = u2 = · · · = uq = 0 (le vecteur nul) i=1 X (iii) ∀i ∈ v1, qw, Fi ∩ F j = {0} (l’espace nul). j6=i Proposition (Dimension d’une somme d’espaces vectoriels) Soient F1 , . . . , Fq des sous-espaces vectoriels de l’espace vectoriel E de dimension finie. On a dim q X i=1 page 2 Fi 6 q X dim Fi avec égalité si et seulement si la somme est directe. i=1 Chapitre 3 – Espaces vectoriels dim(F + G) = dim F + dim G − dim(F ∩ G) 3 Applications et équations linéaires • • • • • • • • • • • • • • • • • • • • Définition (Application linéaire) Soient E et F des espaces vectoriels et f une application de E dans F . On dit que f est linéaire si ∀u, v ∈ E, ∀λ ∈ K on a f (u + v) = f (u) + f (v) et f (λu) = λ f (u) On dit que f est un endomorphisme de E lorsque f est une application linéaire de E dans E. Définition (Équation linéaire) On appelle équation linéaire une équation de la forme : f (u) = b (L) où f ∈ L(E, F ), b ∈ F est appelé le second membre et u ∈ E est l’inconnue. On appelle équation homogène associée à (L) l’équation (H), f (u) = 0 (le vecteur nul). Proposition et définition (Noyau d’une application linéaire) L’ensemble des solutions de l’équation homogène (H) est un sous-espace vectoriel de E appelé noyau de f . On le note ker f . Proposition (Injectivité et noyau) L’application linéaire f est injective si et seulement si ker f = {0} (l’espace nul). Théorème (Résolution d’une équation linéaire) L’ensemble des solutions de (L) est : • soit vide lorsque b ∈ / Im f (on dit alors que l’équation est incompatible) • soit de la forme u1 +ker f où u1 est une solution (dite particulière) de (L) et ker f est l’ensemble des solutions de l’équation homogène (H) associée à (L) : c’est le principe de superposition des solutions. Méthode pratique de résolution des récurrences linéaires d’ordre 2 On note ∆ = b2 − 4ac le discriminant et z1 , z2 les racines (complexes) de l’équation caractéristique az 2 + bz + c = 0. Alors il existe des constantes λ et µ dans C telles que ∀n ∈ N, • un = λz1n + µz2n , lorsque ∆ 6= 0. • un = (λ + µn) z1n , lorsque ∆ = 0. Cours de mathématiques, Spé PC – [Raphaël Dieu - 12/2016] page 3 Rang et formule du rang Soient E et F des espaces vectoriels de dimension finie et f ∈ L(E, F ). On appelle rang de f la dimension de son image. On a la formule du rang rg f = dim Im f = dim E − dim ker f page 4 Chapitre 3 – Espaces vectoriels