MP Espaces vectoriels et applications linéaires en dimension finie premières notions Ce document n’est pas un cours mais présente seulement quelques notions à connaı̂tre sur le sujet. Soit (E, +, ·) un K espace vectoriel où K désigne un corps de caractéristique nulle. 1 Systèmes générateurs 1.1 Définition Définition 1 On dit que la famille S = (~u1 , · · · , ~up ) de p vecteurs de E est génératrice dans E si et seulement si p X p ∀~u ∈ E, ∃(x1 , · · · , xp ) ∈ K / ~u = xk ~uk . On dit aussi que S est un système générateur de E k=1 1.2 Propriétés • P1 : S = (~u1 , · · · , ~up ) est une famille génératrice de E ssi E = vect < ~u1 , · · · , ~up >. p X α ~u = ~u k k • P2 : S = (~u1 , · · · , ~up ) est une famille génératrice de E ssi ∀~u ∈ E le système k=1 (α1 , · · · , αp ) ∈ Kp possède au moins une solution. Kp → E • P3 : S = (~u1 , · · · , ~up ) est une famille génératrice de E ssi est surjec(α1 , · · · , αp ) 7→ α1 ~u1 + · · · + αp ~up tive. • P4 : Toute famille de vecteurs de E qui contient une famille génératrice de E est une famille génératrice de E. Si (~e1 , · · · , ~ep ) est une famille génératrice de E et (~u1 , · · · , ~un ) est une famille de E telle que {~e1 , · · · , ~ep } ⊂ {~u1 , · · · , ~un } alors (~u1 , · · · , ~un ) est une famille génératrice de E. 2 Systèmes libres 2.1 Définition Définition 2 On dit que la famille S = (~u1 , · · · , ~up ) de p vecteurs de E est libre dans E si et seulement si p X ∀(x1 , · · · , xp ) ∈ Kp , xk ~uk = ~0 =⇒ x1 = · · · , xp = 0. On dit aussi que S est un système libre de E. k=1 Une famille de vecteurs qui n’est pas libre est dite liée. 2.2 Propriétés • P1 : S = (~u1 , · · · , ~up ) est libre si et seulement p p X X αk ~uk = βk ~uk =⇒ ∀k ∈ {1, · · · , p}, αk = βk k=1 • • • • si ∀(α1 , · · · , αp ) ∈ Kp , ∀(β1 , · · · , βp ) ∈ Kp , k=1 p X α ~u = ~u k k P2 : S = (~u1 , · · · , ~up ) est libre si et seulement si ∀~u ∈ E le système k=1 (α1 , · · · , αp ) ∈ Kp admet au plus une solution. Kp → E P3 : S = (~u1 , · · · , ~up ) est libre si et seulement si est injective. (α1 , · · · , αp ) 7→ α1 ~u1 + · · · + αp ~up P4 : Soit ~u1 ∈ E, S = (~u1 ) est libre si et seulement si ~u1 6= 0. (~0) est lié. P5 : S = (~u1 , ~u2 ) est liée si et seulement si ∃λ ∈ K, ~u1 = λ · ~u2 ou ~u2 = λ · ~u1 LGT Baimbridge 1 C.Susset MP • P6 : S = (~u1 , · · · , ~up ) est liée si et seulement si il existe au moins un vecteur de S combinaison linéaire des autres vecteurs de S • P7 : Soit S = (~u1 , · · · , ~up ) une famille libre et ~u ∈ E. (~u1 , · · · , ~up , ~u) est libre si et seulement si ~u ∈ / vect < ~u1 , · · · , ~up >. • P8 : Toute famille de vecteurs extraite d’une famille libre est libre • P9 : Toute famille de vecteurs contenant une famille liée est liée. • P10 : Toute famille de vecteurs contenant le vecteur nul est liée. 3 Bases 3.1 Définition Définition 3 On dit que la famille S = (~u1 , · · · , ~up ) de p vecteurs de E est une base de E si et seulement si S est libre et génératrice dans E. Exemple 1 (~ek )1≤k≤n où ~ek = (δi,k )1≤i≤n avec δi,k = 0 pour i 6= k et δk,k = 1, est une base de Kn , on l’appelle la base canonique de Kn . Théorème 1 Soit B = (~u1 , · · · , ~un ) une famille de n vecteurs de E. B est une base de E si et seulement si tout vecteur de E s’écrit de manière unique comme combinaison linéaire de (~u1 , · · · , ~un ). ∀~u ∈ E, ∃!(x1 , · · · , xn ) ∈ Kn / ~u = x1 · ~u1 + · · · + xn · ~un , (x1 , · · · , xn ) sont les coordonnées du vecteur ~u dans la base B. 3.2 Propriétés n X α ~u = ~u k k admet • P1 : S := (~u1 , · · · , ~un ) est une base de E si et seulement si ∀~u ∈ E le système k=1 n (α1 , · · · , αn ) ∈ K exactement une solution. Kn → E • P2 : S := (~u1 , · · · , ~un ) est une base de E si et seulement si est un (α1 , · · · , αn ) 7→ α1 ~u1 + · · · + αn ~un isomorphisme d’espace vectoriel. • P3 : Si B := (~u1 , · · · , ~un ) est une base de E alors toute famille extraite de B est libre et toute famille de vecteurs contenant les vecteurs de B est génératrice. 4 4.1 Espaces vectoriels de dimension finie Dimension finie Définition 4 On dit qu’un espace vectoriel E est de dimension finie sur K si et seulement si E admet une famille génératrice finie. E est de dimension finie si et seulement si ∃(~u1 , · · · , ~up ) ∈ E p tel que E = vect < ~u1 , · · · , ~up > Exemple 2 (Kn , +, ·) est de dimension finie. Théorème 2 Tout espace vectoriel E 6= {~0} et de dimension finie admet au moins une base. par convention : {~0} est de dimension finie et admet pour base ø Théorème 3 (théorème de la dimension) Dans un espace vectoriel de dimension finie, toutes les bases possèdent le même nombre d’éléments. Ce nombre est la dimension de E. Par convention {~0} a pour dimension 0. On appelle droite vectorielle tout espace vectoriel de dimension 1 et plan vectoriel tout espace vectoriel de dimension 2. Théorème 4 E est de dimension n si et seulement si il existe un isomorphisme de Kn sur E. Proposition 1 Si (E1 , +, ·) et (E2 , +, ·) sont deux K espaces vectoriels de dimension finie Alors E1 × E2 est de dimension finie et dim E1 × E2 = dim E1 + dim E2 LGT Baimbridge 2 C.Susset MP 4.2 Familles libres et génératrices en dimension n Théorème 5 Si S = (~u1 , · · · , ~up ) est un système générateur de E alors S contient une base de E. Conséquence : p ≥ n où n = dim E et si p = n alors S est une base de E Théorème 6 (théorème de la base incomplète) Si S = (~u1 , · · · , ~up ) est un système libre de E alors il existe une base de E qui contient S. Conséquence : p ≤ n où n = dim E et si p = n alors S est une base de E Théorème 7 Si S = (~u1 , · · · , ~up ) est une famille de p vecteurs de E on a l’équivalence entre les trois proppiétés suivantes : 1. S est une base de E 2. S est générateur de E et p = n 3. S est libre dans E et p = n 4.3 Sous espaces vectoriels Proposition 2 Soit F un sous espace vectoriel d’un espace vectoriel de dimension finie E. On a : 1. F est de dimension finie et dim F ≤ dim E 2. E=F si et seulement si dim E = dim F 5 Sous-espaces supplémentaires Théorème 8 Hypothèses • Soit E un K espace vectoriel de dimension finie n ∈ N • Soit E1 et E2 deux sous-espaces vectoriels de E • Soit B1 = (~e1 , . . . , ~ep ) une base de E1 • Soit B2 = (~ep+1 , . . . , ~ep+r ) une base de E2 • On note B = (~e1 , . . . , ~ep , . . . , ~ep+r ). Conclusions • E1 ∩ E2 = {~0} si et seulement si B est libre dans E. • E = E1 + E2 si et seulement si B est un système générateur de E. • E = E1 ⊕ E2 si et seulement si B est une base de E. Théorème 9 Soit F et G deux sous espaces vectoriels d’un espace vectoriel E de dimension finie. F et G sont supplémentaires si et seulement si 1. F ∩ G = {~0} 2. dim E = dim F + dim G Théorème 10 Soit F et G deux sous espaces vectoriels d’un espace vectoriel E de dimension finie. F et G sont supplémentaires si et seulement si 1. E = F + G 2. dim E = dim F + dim G Théorème 11 Si E un espace vectoriel de dimension finie et F un sous espace vectoriel de E alors F admet au moins un supplémentaire dans E. Remarque 1 Si dim E ≥ 2 et 0 < dim F < dim E Alors F possède une infinité de supplémentaires. Définition 5 Soit E un K espace vectoriel de dimension finie et F un sous-espace vectoriel de E, on appelle codimension de F la dimension d’un supplémentaire de F , on la note codimF et on a : codimF = dim E − dim F . Théorème 12 Soit F et G deux sous espaces vectoriels d’un espace vectoriel E de dimension finie, on a : dim(F + G) = dim F + dim G − dim F ∩ G Théorème 13 Soit F et G deux sous espaces vectoriels d’un espace vectoriel de dimension finie E. F ∩ G = {~0} si et seulement si dim(F + G) = dim F + dim G LGT Baimbridge 3 C.Susset MP 6 Applications linéaires 6.1 Combinaisons linéaires Proposition 3 Soit E et F deux K espaces vectoriels, f ∈ L(E, F ), ~u1 , . . . , ~up p vecteurs de E, on a : l’image d’une combinaison linéaire des vecteurs ~u1 , . . . , ~up est une combinaison linéaire des vecteurs f (~u1 ), . . . , f (~up ). Plus précisément : ∀(x1 , . . . , xp ) ∈ Kp , f (x1 ~u1 + . . . + xp ~up ) = x1 f (~u1 ) + . . . + xp f (~up ). Proposition 4 Soit E et F deux K espaces vectoriels, f ∈ L(E, F ), on suppose que (~u1 , . . . , ~up ) est un système générateur de E, on a : Imf = Vect < f (~u1 ), . . . , f (~up ) > Théorème 14 Si • E est un K espace vectoriel de dimension n ∈ N∗ • F est un K espace vectoriel • B = (~e1 , . . . , ~en ) est une base de E • S = (~u1 , . . . , ~un ) est un système de n vecteurs de F Alors • Il existe une unique application linéaire f ∈ L(E, F ) telle que ∀k ∈ [[1, n]], f (~ek ) = ~uk de plus : 1. f est un isomorphisme, f ∈ GL(E, F ) si et seulement si S est une base de F 2. f est injective si et seulement si S est un système libre de F 3. f est surjective si et seulement si S est un système générateur de F Théorème 15 Soit E et F deux K espaces vectoriels de dimension finie et f ∈ L(E, F ) • Si f est un isomorphisme Alors dim E = dim F • Si f est injective Alors dim E ≤ dim F • Si f est surjective Alors dim E ≥ dim F Ces deux théorèmes s’appliquent en particulier pour E = Kn rapporté à sa base canonique. On a alors : f: Kn → F ~x = (x1 , . . . , xn ) 7→ f (~x) = x1 ~u1 + · · · + xn ~un Théorème 16 Si E et F sont deux K espaces vectoriels de dimension finie avec dim E = dim F et f ∈ L(E, F ) Alors les trois propositions suivantes sont équivalentes : 1. f est injective 2. f est surjective 3. f est bijective en particulier pour E = F soit : Théorème 17 Si E est un K espace vectoriel de dimension finie et f ∈ L(E) Alors les trois propositions suivantes sont équivalentes : 1. f est injective 6.2 6.2.1 2. f est surjective 3. f est bijective Rang Rang d’un système de vecteurs Définition 6 Soit E un K espace vectoriel et S = (~u1 , . . . , up ) un système de p vecteurs de E. On appelle rang du système de vecteur S la dimension de Vect < ~u1 , . . . , up >, on note : rg(S) = dim Vect < ~u1 , . . . , up > ou rang(S) = dim Vect < ~u1 , . . . , up > . LGT Baimbridge 4 C.Susset MP Proposition 5 Soit E un K espace vectoriel et S = (~u1 , . . . , up ) un système de p vecteurs de E. Le rang du système S est le nombre maximal de vecteurs extraits de S qui forme un système libre. Proposition 6 Soit E et F deux K espace vectoriel, on suppose qu’il existe un isomorphisme f d’espace vectoriel de E sur F , f ∈ GL(E, F ), S est un système de p vecteurs de E On a rang f (S) = rang S 6.2.2 Rang d’une application linéaire Définition 7 Soit E et F deux K espaces vectoriels de dimension finie, f ∈ L(E, F ). On appelle rang de f la dimension de Imf , on note rgf = dim Imf ou rangf = dim Imf Remarque 2 Pour définir le rang d’une application linéaire il suffit que E soit de dimension finie. Proposition 7 Soit E et F deux K espaces vectoriels de dimension finie, f ∈ L(E, F ) et B = (~e1 , . . . , ~en ) une base de E, on a : rgf = rg(f (~e1 ), . . . , f (~en )) Remarque 3 Si G = (~u1 , . . . , ~up ) est un système générateur de E, on a aussi rgf = rg(f (~u1 ), . . . , f (~up )) Proposition 8 Soit E et F deux K espaces vectoriels de dimension finie, f ∈ L(E, F ). f est surjective si et seulement si rgf = dim F Proposition 9 Soit E un K espace vectoriel de dimension finie, f ∈ L(E). f est un automorphisme si et seulement si rgf = dim E Proposition 10 Soit E, F et G trois K espaces vectoriels de dimension finie, f ∈ L(E, F ) et g ∈ L(F, G) on a : • Si g est un isomorphisme d’espace vectoriel, g ∈ GL(F, G) Alors rg g ◦ f = rg f • Si f est un isomorphisme d’espace vectoriel, f ∈ GL(E, F ) Alors rg g ◦ f = rg g 6.3 Théorème du rang Théorème 18 Si • E et F sont deux K espaces vectoriels avec E de dimension finie • f ∈ L(E, F ) • E1 est un supplémentaire de ker f, E = ker f ⊕ E1 Alors E1 → Imf f : ~x 7→ f (~x) = f (~x) est un isomorphisme d’espace vectoriel. Théorème 19 (théorème du rang) Si • E et F sont deux K espaces vectoriels de dimension finie • f ∈ L(E, F ) Alors • dim E = dim Imf + dim ker f 6.3.1 Formes linéaires Définition 8 Soit E un K espace vectoriel. Une forme linéaire sur E est une application linéaire de E dans K, on note E ∗ = L(E, K) Proposition 11 Soit E un K espace vectoriel de dimension n ∈ N∗ et B = (~e1 , . . . , ~en ) une base de E, l’application : Kn → E∗ E (a1 , . . . , an ) 7→ ϕ : ~x = x1~e1 + . . . + xn~en → K 7→ a1 x1 + . . . + an xn est un isomorphisme d’espace vectoriel. Conséquence : LGT Baimbridge 5 C.Susset MP Proposition 12 Si E est un K espace vectoriel de dimension finie n Alors E ∗ est de dimension finie et dim E ∗ = dim E. Proposition 13 Soit E un K espace vectoriel de dimension n ∈ N∗ et B = (~e1 , . . . , ~en ) une base de E, on note pour k ∈ [[1, n]], ϕk n P xi~ei , ϕk (~u) = xk , ϕk est la k-ième forme linéaire coordonnée la forme linéaire définie par ∀~u ∈ E, ~u = i=1 relativement à la base B. On a : (ϕ1 , . . . , ϕn ) est une base de E ∗ . 7 Espace vectoriel produit 7.1 Définition Proposition 14 Soit (E1 , +, ·) et (E2 , +, ·) deux K espaces vectoriels, on considère E = E1 × E2 muni des deux lois : • ∀(~x1 , ~x2 ) ∈ E1 × E2 , ∀(~y1 , ~y2 ) ∈ E1 × E2 on pose (~x1 , ~x2 ) + (~y1 , ~y2 ) = (x1 + y1 , x2 + y2 ) • ∀λ ∈ K, ∀(~x1 , ~x2 ) ∈ E1 × E2 on pose λ · (~x1 , ~x2 ) + (~y1 , ~y2 ) = (λ · x1 , λ · x2 ) (E1 × E2 , +, ·) est un K espace vectoriel appelé espace vectoriel produit. Remarque 4 Si E1 , . . . , Ep sont p K espaces vectoriels on définit aussi l’espace vectoriel produit : E1 × · · · × Ep avec les deux lois : ∀λ ∈ K, ∀(~u1 , . . . , ~up ) ∈ E1 × · · · × Ep , ∀(~v1 , . . . , ~vp ) ∈ E1 × · · · × Ep (~u1 , . . . , ~up ) + (~v1 , . . . , ~vp ) = (~u1 + ~v1 , . . . , ~up + ~vp ) λ(~u1 , . . . , ~up ) = (λ~u1 , . . . , λ~up ) 7.2 Dimension finie Proposition 15 Si (E1 , +, ·) et (E2 , +, ·) sont deux K espaces vectoriels de dimension finie Alors (E1 × E2 , +, ·) est un K espace vectoriel de dimension finie et dim E1 × E2 = dim E1 + dim E2 . Remarque 5 Si E1 , . . . , Ep sont p K espaces vectoriels de dimension finie Alors E1 × · · · × Ep est un K espace vectoriel de dimension finie et dim E1 × · · · × Ep = dim E1 + · · · + dim Ep 8 Matrices d’une application linéaire 8.1 Matrice des coordonnées d’un vecteur Soit E un K espace vectoriel de dimension finie n ∈ N∗ et B = (~e1 , . . . , ~en ) une base de E. ~u = x1~e1 + . . . + xn~en avec (x1 , . . . , xn ) ∈ Kn , on appelle vecteur colonne des x1 x1 coordonnées de ~u dans la base B le tableau à n lignes et une colonne : X = ... , et on écrit : ~u ... dans Définition 9 Pour ~u ∈ E, xn xn la base B. On note Mn1 (K) l’ensemble des tableaux à n lignes et une colonne d’éléments de K. Un élément de Mn1 (K) est une matrice à n lignes et une colonne à cœfficients dans K. 8.2 Matrice d’une forme linéaire Soit E un K espace vectoriel de dimension finie n ∈ N∗ et B = (~e1 , . . . , ~en ) une base de E. Définition 10 Soit ϕ ∈ E ∗ on appelle matrice de ϕ dans la base B le tableau à une ligne et n colonnes A = (ϕ(~e1 ), . . . , ϕ(~en )) et on note M1n (K) l’ensemble des tableaux d’éléments de K à 1 ligne et n colonnes. Un élément de M1n (K) est une matrice à cœfficients dans K à 1 ligne et n colonnes. LGT Baimbridge 6 C.Susset MP Un élément de M1n (K) peut s’identifier à un élément de Kn . Pour n ∈ N∗ , (M1n (K), +, ·) est un K espace vectoriel de dimension n Proposition 16 L’application : M1n (K) → E∗ (a1 , . . . , an ) 7→ ϕ avec ∀(x1 , . . . , xn ) ∈ Kn , ϕ(x1 e~1 + . . . + xn~en ) = a1 x1 + . . . + an xn est un isomorphisme d’espace vectoriel 8.3 Matrice d’une application linéaire Soit E un K espace vectoriel de dimension finie n ∈ N∗ et B1 = (~e1 , . . . , ~en ) une base de E. Soit F un K espace vectoriel de dimension finie m ∈ N∗ et B2 = (~u1 , . . . , ~um ) une base de F . On note Mm n (K) l’ensemble des tableaux d’éléments de K à m lignes et n colonnes. On dit qu’un élément de Mm n (K) est une matrice à m lignes, n colonnes à cœfficients dans K. f1 (~x) .. Pour f ∈ L(E, F ) et ~x ∈ E, f (~x) = f1 (~x)~u1 + . . . + fm (~x)~um , avec ∈ Mm1 (K) le vecteur colonne . fm (~x) des coordonnées de f (~x) dans la base B2 . ∀i ∈ [[1, m]], fi ∈ E ∗ , (f1 , . . . , fm ) sont les formes linéaires composantes de l’application linéaire f . Proposition 17 L(E, F ) → (E ∗ )m • L’application : f 7→ (f1 , . . . , fm ) est un isomorphisme d’espace vectoriel. • L(E, F ) est un K espace vectoriel de dimension finie et dim L(E, F ) = dim E × dim F . Définition 11 Soit f ∈ L(E, F ), on appelle matrice de f dans les bases B1 et B2 la matrice M = (aij ) 1≤i≤m de 1≤j≤n m P Mm n (K) avec ∀j ∈ [[1, n]], f (~ej ) = aij ~ui i=1 On note pour j ∈ [[1, n]], Cj la j ième colonne de la matrice M et pour i ∈ [[1, m]], Li la iième ligne de la matrice M. a1j Cj = ... , amj L1 Li = (ai1 , . . . , ain ) on notera aussi M = (C1 , . . . , Cn ) ou M = ... Lm Remarque 6 • Pour j ∈ [[1, n]], Cj est le vecteur colonne des coordonnées de f (~ej ) dans la base B2 de F • Pour i ∈ [[1, m]], Li est la matrice de la forme linéaire composante fi dans la base B1 de E 8.4 Ensemble des matrices Soit (n, m) ∈ N∗ × N∗ , on considère l’ensemble Mmn (K) l’ensemble des matrices à m lignes et n colonnes à cœfficients dans K. Opérations sur les matrices Somme ∀(A, B) ∈ Mmn (K)2 , A = (aij ) 1≤i≤m , B = (bij ) 1≤i≤m A + B = C avec C = (cij ) 1≤i≤m , cij = aij + bij 1≤j≤n 1≤j≤n 1≤j≤n Multiplication externe ∀(λ, A) ∈ K × Mmn (K), λ · A = C avec ∀(i, j) ∈ [[1, m]] × [[1, n]], cij = λ · aij Produit de matrices Si A ∈ Mpq (K) et B ∈ Mqr (K) on définit le produit A × B = P par P = (pij ) 1≤i≤p avec 1≤j≤r q P ∀(i, j) ∈ [[1, p]] × [[1, r]], pij = aik bkj k=1 LGT Baimbridge 7 C.Susset MP L1 Remarque 7 Si A = ... et B = (C1 , . . . , Cr ) alors ∀(i, j) ∈ [[1, p]] × [[1, r]], pij = Li Cj Lp Proposition 18 (Mmn (K), +, ·) est un K espace vectoriel de dimension mn Si pour (i, j) ∈ [[1, m]] × [[1, n]] on note Eij = (ekl ) 1≤k≤m la matrice de Mmn (K) définie par ekl = 0 si (k, l) 6= (i, j) 1≤l≤n et eij = 1, (Eij )(i,j)∈[[1,m]]×[[1,n]] est une base, appelée la base canonique de Mmn (K). Proposition 19 Soit E, F, G trois K espaces vectoriels de dimension finie, dim E = p, dim F = q, dim G = r, E rapporté à une base B1 , F à une base B2 et G à une base B3 . Soit f ∈ L(E, F ) de matrice A dans les bases B1 et B2 et g ∈ L(F, G) dans les bases B2 et B3 . On a : g ◦ f ∈ L(E, G) et g ◦ f a pour matrice B × A dans les bases B1 et B3 . Proposition 20 Pour n ∈ N∗ , (Mn (K), +, ×, ·) est une K algèbre (non commutative pour n ≥ 2) 8.5 Trace d’une application linéaire Définition 12 (Trace d’une matrice) Soit n ∈ N∗ , on considère l’espace vectoriel Mn (K), pour A ∈ Mn (K), A = (aij ) 1≤i≤n on définit la trace de A 1≤j≤n n P par trA = aii i=1 ∗ Proposition 21 tr est une forme linéaire sur Mn (K), tr ∈ (Mn (K)) Proposition 22 ∀(A, B) ∈ (Mn (K)) , tr(AB) = tr(BA) Proposition 23 Deux matrices semblables ont même trace conséquence : On peut définir la trace d’un endomorphisme Définition 13 Soit E un K espace vectoriel de dimension finie et f ∈ L(E), on appelle trace de f la trace d’une matrice de f dans une base de E D’après la proposition précédente cette définition ne dépend pas de la base de E choisie. Proposition 24 La trace d’un projecteur est égale à son rang. C’est à dire que si E est un K espace vectoriel de dimension finie et p ∈ L(E) est un projecteur alors tr(p) = rangp 9 Documents connexes • espaces vectoriels premières notions • espaces vectoriels LGT Baimbridge 8 C.Susset