EV dimension finie I ) Théorèmes généraux Définition 1 : Soit E un espace vectoriel . E est dit de dimension finie , si E admet une famille génératrice _______________________________________________ Théorème 1 : Tous espace vectoriel de dimension finie admet une base _______________________________________________ Démonstration : Soit A = { cardinaux d'une famille génératrice de E } A ⊂ lN et A ≠ ∅ donc A admet un plus petit élément , soit p = inf (A ) Soit de (yj)j∈[1,p] une famille génératrice de E . Si (yj)j∈[1,p] est liée alors l'un de vecteurs est combinaison linaires des autres ( par exemple yp ) E = Vect (y1 , y2 , ..... , yp ) = Vect (y1 , y2 , ..... , yp-1 ) il existerait une famille génératrice ayant p-1 éléments ce qui est absurde . Donc (yj)j∈[1,p] est une base de E _______________________________________________ Théorème 2 : Soit de (xi)i∈[1,p] une famille libre d'éléments de E . Soit de (yj)j∈[1,q] une famille génératrice de E . alors p ≤ q . _______________________________________________ Remarque : Donc le cardinal d'une famille libre est toujours plus petit que celui d'une famille génératrice . _______________________________________________ Théorème 3 : Définition 2 : Soit de (xi)i∈[1,n] une base de E . Soit de (yj)j∈[1,m] une base de E alors n = m . _______________________________________________ Soit E un espace vectoriel de dimension finie , toutes ses bases on donc le même cardinal ,ce cardinal est appelé la dimension de E noté Dim( E ) Par convention : Dim ( { 0E}) = 0 . _______________________________________________ Remarque : Donc la dimension d'un espace vectoriel est le cardinal d'une de ses bases . _______________________________________________ L1 : Dim( lRn) = n donc Dim( lR ) = 1 L2 : Dim( lRn[X] ) = n +1 donc Dim( lR2[X] ) = 3 L3 : Dim(M n,p( lR )) = np donc Dim(M n( lR )) = n² Vous généraliserez à _______________________________________________ Lexique : Théorème 4 : Soit E et F deux espaces vectoriels de dimension finie alors ExF est de dimension finie . et Dim( ExF ) = Dim( E ) + Dim ( F ) _______________________________________________ Remarque : ( Importante ) a ) Toute famille de cardinal strictement supérieur à la dimension de E est liée b ) Toute famille génératrice de E a un cardinal supérieur à la dimension de E . b ) Toute famille libre de E a un cardinal inférieur à la dimension de E . _______________________________________________ Théorème 5 : Soit E un espace vectoriel de dimension finie et F un sous espace vectoriel de E alors F est un espace vectoriel de dimension finie et Dim ( F ) ≤ Dim ( E ) _______________________________________________ 1 Théorème 6 : Soit E un espace vectoriel de dimension finie et F un sous espace vectoriel de E Dim ( F ) = Dim ( E ) ⇒ E = F _______________________________________________ Lemme : Soit de (xi)i∈[1,p] une famille libre de E , avec p < Dim( E ) et y ∉ Vect (xi)i∈[1,p] alors ( x1 , x2 ,....., xp , y ) est une famille libre . _______________________________________________ Démonstration : Si ( x1 , x2 ,....., xp , y ) est une famille liée alors l'un des vecteurs est combinaison linéaire des autre . p 1er cas : y = ∑ λ i x i ∈ Vect (x ) i i∈[1,p] absurde i =1 p 2éme cas : xj = λ i x i + λy ∑ i =1 1er sous cas : λ = 0 alors (xi)i∈[1,p] est une famille liée : absurde i≠ j p 1 2éme sous cas : λ≠0 alors y = xj − λ i x i ∈ Vect (xi)i∈[1,p] absurde λ i =1 i≠ j _______________________________________________ ∑ Théorème 7 : de caractérisation des bases ( Fondamental ) a ) Toute famille libre de E , de cardinal égal à la dimension de E est une base de E . b ) Toute famille génératrice de E , de cardinal égal à la dimension de E est une base de E . _______________________________________________ Démonstration : a ) Si ( x1 , x2 ,....., xn ) est une famille libre de E avec Dim ( E ) = n si E ≠ Vect (xi)i∈[1,n] alors soit y ∉ Vect (xi)i∈[1,n] alors ( x1 , x2 ,....., xn , y ) est une famille libre ce qui est absurde car elle a n+1 éléments b ) Si ( x1 , x2 ,....., xn ) est une famille génératrice de E avec Dim ( E ) = n si (xi)i∈[1,n] est liée alors l'un des vecteurs est combinaison linéaire des autre ( par exemple xn ) donc E = Vect (xi)i∈[1,n] = Vect (xi)i∈[1,n-1] alors ( x1 , x2 ,....., xn-1 ) est une famille génératrice de E ce qui est absurde car elle a n - 1 éléments _______________________________________________ Théorème 8 : de la base incomplète Soit de ( x1 , x2 ,....., xp ) une famille libre de E , avec p < Dim( E ) = n ( x1 , x2 ,....., xn ) soit une base de E . alors il existe ( xp+1 , xp+2 ,....., xn ) tel que _______________________________________________ Démonstration : Si ( x1 , x2 ,....., xp ) est une famille libre de E avec Dim ( E ) = n > p donc E ≠ Vect (xi)i∈[1,p] alors soit xp+1 ∉ Vect (xi)i∈[1,p] alors ( x1 , x2 ,....., xp , xp+1 ) est une famille libre de E etc ….. _______________________________________________ Théorème 9 : Utilisation et TH : Soit E et F deux espaces vectoriels tel que E soit de dimension finie et il existe un isomorphisme de E dans F alors F est de dimension finie et Dim ( F ) = Dim ( E ) _______________________________________________ Soit E et F deux espaces vectoriels de dimension finie Dim ( E ) =p et Dim ( F ) = n On montrera plus loin qu'il existe un isomorphisme de L ( E , F ) dans M n,p( lK) et donc L ( E , F ) est de dimension finie et Dim (L ( E , F )) = Dim ( E ) x Dim ( F ) _______________________________________________ 2 II ) Théorème de Grassmann : Théorème 1 : Théorème de Grassmann Soit E un espace vectoriel de dimension finie E1 et E2 deux sous espaces vectoriel de E alors Dim( E1 + E2 ) = Dim( E1 ) + Dim( E2 ) - Dim( E1 ∩ E2 ) _______________________________________________ Corrolaire : ( Fondamental ) Soit E un espace vectoriel de dimension finie E1 et E2 deux sous espaces vectoriel de E E1 et E2 sont supplémentaire ( E1 ⊕ E2 = E ) ë E 1 ∩ E 2 = 0 E E +E =E 1 2 { } ë E ∩ E2 = 0E Dim(E ) 1+ dim(E ) = Dim(E) 1 2 { } ë Dim(E1 ) + dim(E 2 ) = Dim(E) E1 + E 2 = E _______________________________________________ Démonstration : ⇓ n° 2 : Dim( E1 + E2 ) = Dim( E1 ) + Dim( E2 ) - Dim( E1 ∩ E2 ) = Dim( E ) donc Dim( E1 ) + Dim( E2 ) = Dim( E ) ⇑ n° 2 : Dim( E1 + E2 ) = Dim( E1 ) + Dim( E2 ) - Dim( E1 ∩ E2 ) = Dim( E ) donc Dim( E1 + E2 ) = Dim( E ) or E1 + E2 ⊂ E d'ou E1 + E2 = E _______________________________________________ Théorème 2 : D'existence du supplémentaire Soit E un espace vectoriel de dimension finie et F un sous espace vectoriel de E Alors il existe G un sous espace vectoriel de E tel que F ⊕ G = E La dimension de G est appelé la codimension de F _______________________________________________ Démonstration : Th de la base incomplète _______________________________________________ Théorème 3 : Soit E un espace vectoriel de dimension finie E1 et E2 deux sous espaces vectoriel de E (e1 , e2 , ..... , en ) une base de E1 , (f1 , f2 , ..... , fm ) une base de E2 . E1 et E2 sont en somme directe ⇔ (e1 , e2 , ..... , en , f1 , f2 , ..... , fm ) est libre . _______________________________________________ Corrolaire Soit E un espace vectoriel de dimension finie E1 et E2 deux sous espaces vectoriel de E (e1 , e2 , ..... , en ) une base de E1 , (f1 , f2 , ..... , fm ) une base de E2 . E1 ⊕ E2 = E ⇔ (e1 , e2 , ..... , en , f1 , f2 , ..... , fm ) est une base de E . _______________________________________________ 3 Démonstration : du th ⇒ : λ1e1 + λ2e2 + ……+λnen + µ1f1 +µ2f2 +………+µmfm = 0E = 0E + 0E ⇓ λ1e1 + λ2e2 + ……+λnen = 0E et µ1f1 +µ2f2 +………+µmfm = 0E car la décomposition dans E1 + E2 est unique ⇐ : x ∈ E1 ∩E2 ⇒ x =λ1e1 + λ2e2 + ……+λnen = µ1f1 +µ2f2 +………+µmfm ⇒ λ1e1 + λ2e2 + ……+λnen – ( µ1f1 +µ2f2 +………+µmfm) = 0E ⇒ x = 0E . _______________________________________________ Définition 1 : Soit E un espace vectoriel de dimension finie , E1 , E2 , …. , En des sev de E n La somme des Ei , notée E1 + E2 + …+ En ( ou ∑E ) = { x + x + … + x i 1 2 n te ∀ i∈’1,n÷ xi ∈Ei } i =1 n Et donc x ∈ ∑E i ⇔ ∃ (xi)∈(E1x..xEn ) tel que x = x1 + x2 + …..+ xn i =1 _______________________________________________ Définition 2 : Soit E un espace vectoriel de dimension finie , E1 , E2 , …. , En des sev de E n La somme des Ei ,est directe ⇔ ∀ x ∈ ⊕ E i , il existe un unique (xi)∈(E1x..xEn ) tel que x = x1 + x2 +..+ xn i =1 123 Notation . _______________________________________________ Théorème 4 : Soit E un espace vectoriel de dimension finie , E1 , E2 , …. , En des sev de E La somme des Ei , est directe ⇔ [ ∀ (xi)∈(E1x..xEn ) x1 + x2 + …..+ xn = 0 ⇒ ∀ i∈’1,n÷ xi =0E ]. _______________________________________________ Définition 2 : Soit E un espace vectoriel de dimension finie , E1 , E2 , …. , En des sev de E E1 , E2 , …. , En sont supplémentaires dans E ⇔ n ⊕ Ei = E . i =1 _______________________________________________ Théorème 3 : Soit E un espace vectoriel de dimension finie , E1 , E2 , …. , En des sev de E (e , e ,....., e ) i 1 i 2 i ni une base de Ei . ( ) E1 , E2 , .. , En sont en somme directe ⇔ e11 , e12 ,....., e1n ,...., e1n , e n2 ,....., e nn est libre . 1 n _______________________________________________ 4 Corrolaire : ( Fondamental ) Soit E un espace vectoriel de dimension finie E1 , E2 , …. , En des sev de E E1 , E2 , …. , En sont supplémentaire dans E . ë n Dim(E i ) = Dim(E) i =1 n Ei = E i =1 ë ∑ ∑ n Dim(Ei ) = Dim(E) i =1 E1 , E 2 , .. , E n sont en somme directe _______________________________________________ ∑ Corrolaire : Soit E un espace vectoriel de dimension finie , E1 , E2 , …. , En des sev de E (e , e ,....., e ) une base de E . E , E , …. , E sont supplémentaires dans E ⇔ (e , e ,....., e ,...., e , e ,....., e ) est une base de E . i 1 1 2 n i 2 i ni i 1 1 1 2 1 n1 n 1 n 2 n nn _______________________________________________ III ) Image d'une famille par une application linéaire : Définition 1 : Soit u ∈ L ( E ,F) et ( x1 , x2 ,....., xn ) une famille d'éléments de E On appelle famille image par u de la famille ( x1 , x2 ,....., xn ) la famille ( u(x1 ), u(x2) ,....., u(xn) )d'éléments de F. _______________________________________________ Théorème 1 : Soit u ∈ L ( E ,F) L'image par une application linéaire surjective d'une famille génératrice de E est génératrice de F . _______________________________________________ p p p Démonstration : ∀ y ∈ F ∃ x ∈E tel que u(x) = y or x = λ i e i donc y = u λ i ei = λ i u (e i ) i =1 i =1 i =1 _______________________________________________ ∑ ∑ ∑ Théorème 2 : Soit u ∈ L ( E ,F) L'image par une application linéaire injective d'une famille libre de E est libre . _______________________________________________ Démonstration : à faire _______________________________________________ Théorème 3 : Soit u ∈ L ( E ,F) L'image par une application linéaire bijective d'une base de E est une base de F . _______________________________________________ Théorème 4 : Soit u ∈ L ( E ,F) L'image par une application linéaire d'une famille liée de E est liée . _______________________________________________ 5 Théorème 5 : Soit u ∈ L ( E ,F) L'image par une application linéaire d'une famille génératrice de E est génératrice de Im( u ) . _______________________________________________ Corollaire : Soit u ∈ L ( E ,F) (e1 , e2 , ..... , en ) une base de E Im( u ) = Vect ( u(e1 ), u(e2) ,....., u(en) ) . _______________________________________________ Théorème 6 : ( Fondamental ) Soit E un espace vectoriel de dimension finie et F un espace vectoriel . (e1 , e2 , ..... , en ) une base de E , (f1 , f2 , ..... , fn ) une famille quelconque de F . Alors ∃! u ∈ L ( E ,F) tel que ∀i∈’1 , n ÷ u ( ei ) = fi . _______________________________________________ Démonstration : à faire _______________________________________________ Corollaire : Soit ( u , v ) ∈ L ( E ,F)² (e1 , e2 , ..... , en ) une base de E tel que ∀i∈’1 , n ÷ u ( ei ) = v( ei ) alors u = v _______________________________________________ Corollaire : Soit u ∈ L ( E ,F) (e1 , e2 , ..... , en ) une base de E ( u(e1 ), u(e2) ,....., u(en)) est génératrice de F ⇔ u est surjective ( u(e1 ), u(e2) ,....., u(en)) est libre ⇔ u est injective . ( u(e1 ), u(e2) ,....., u(en)) est une base de F ⇔ u est bijective . _______________________________________________ IV ) Théorème du Rang : Définition 1 : Soit E et F deux espaces vectoriels de dimension finie , u ∈ L ( E ,F) le rang de u , notée Rang (u) = Dim( Im(u) ) _______________________________________________ Théorème 1 : : ( Fondamental , Fondamental , Fondamental) Soit E un espace vectoriel de dimension finie et F un espace vectoriel u ∈ L ( E ,F) On a alors Dim ( Ker ( u ) ) + Dim ( Im( u ) ) = Dim ( E ) cad Dim ( Ker ( u ) ) + Rang ( u ) = Dim ( E ) _______________________________________________ ~ Dem : Soit G un supplémentaire de Ker(u) dans E et u : ~ u est bien définie car ∀x ~ G → Im(u ) ( restriction de u ) x → u (x ) u(x) ∈Im(u) , de plus : ~ x∈Ker( u ) ⇒ u (x) = u(x) = 0F ⇒ x∈Ker(u) et x ∈G ~ donc u est injective . ⇒ x = 0E ∀ y∈Im(u) ∃ x∈E tel que u(x) = y or ∃ (x1 , x2 ) ∈GxKer(u) tel que x = x1 + x2 , ~ on a donc y = u( x1 + x2 ) = u( x1 ) +u( x2 ) = u( x1 ) donc u est surjective donc bijective . On a donc Dim(G ) = Dim( Im(u)) et Dim ( Ker ( u ) ) + Dim ( G ) = Dim ( E ) _______________________________________________ Corollaire : Soit E et F deux espaces vectoriels de dimension finie , u ∈ L ( E ,F) a) Dim( Im( u )) ≤ Dim( F ) et Dim( Im( u )) ≤ Dim( E ) b) u injective ⇔ Dim( Im( u )) = Dim( E ) c) u surjective ⇔ Dim( Im( u )) = Dim( F ) _______________________________________________ 6 ( Fondamental ) Soit E un espace vectoriel de dimension finie et u ∈ L ( E ). u est un automorphisme ë u est injective ë u est surjective _______________________________________________ Démonstration : à faire _______________________________________________ Théorème 2 : Remarque : ( Important ) ce théorème est valable pour u ∈ L ( E ,F) si Dim( E ) = Dim( F ) _______________________________________________ Définition 1 : Soit E un espace vectoriel de dimension finie Dim( E ) = n On appelle hyperplan de E tous sous espaces vectoriel de E de dimension ( n – 1) _______________________________________________ Théorème 3 : Soit u une forme linéaire sur E u ≠ 0 alors Ker( u ) est un hyperplan de E . _______________________________________________ V ) Matrice d'une application linéaire : Définition 1 : Soit E un espace vectoriel de dimension finie B = (e1 , e2 , ..... , en ) une base de E et F un espace vectoriel de dimension finie C = (f1 , f2 , ..... , fq ) une base de F . u ∈ L ( E ,F) On appelle matrice associée à u dans les bases B de départ et C d'arrivée notée M atC B (u) = [ ai j ] 1≤ i ≤ q 1≤ j ≤ n p tel que ∀ j ∈’ 1 , n ÷ u( ej ) = ∑ a i jf i i =1 _______________________________________________ Remarque : ( Important ) 1 ) C'est la matrice des composantes des u( ej ) dans la base des fi . 2 ) Son nombre de colonnes est Dim(E) son nombre de lignes est Dim(F) 3 ) Dans M atC B (u) la première base écrite est la base d'arrivée _______________________________________________ u (e1 ) u (e 2 ) ...... u (e n ) . . f1 . Méthode de construction : M atC B (u) = . . . f2 M . . fp . _______________________________________________ Théorème 1 : alors Soit E un espace vectoriel de dimension finie B une base de E et F un espace vectoriel de dimension finie C une base de F . ( u ,v ) ∈ L ( E ,F) ² λ ∈lK M atC B (u + v) = M atC B (u) + M atC B (v) M atC B ( λu ) = λM atC B (u) _______________________________________________ 7 Théorème 2 : Soit E un espace vectoriel de dimension n B une base de E et F un espace vectoriel de dimension p C une base de F . Φ : L ( E , F ) → M p,n( lK ) u → M atC B (u) est un isomorphisme . _______________________________________________ Conséquence : ( Important ) a )Pour démontrer que deux applications linéaires sont égales il suffira de démontrer que leurs matrices sont égales. _______________________________________________ Soit E un espace vectoriel de dimension n B une base de E et F un espace vectoriel de dimension p C une base de F . Rang(u ) = Rang( M atC B (u) ) . _______________________________________________ lK p → lK n x1 x1 x x Théorème et définition : ( fondamental ) Soit A ∈ M n,p( lK ) et u : 2 alors u ∈L ( lKp , lKn ) → A 2 M M xp xp Théorème 2 : B la base canonique de lKp et C la base canonique de lKn u est appelée " application linéaire canoniquement associée à A " et M atC B (u) = A _______________________________________________ Conséquence : ( Important ) a )Toute matrice est donc la matrice d'une AL connue . _______________________________________________ Théorème 3 : ( fondamental ) Soit E un espace vectoriel B une base de E , F un espace vectoriel C une base de F et G un espace vectoriel D une base de G . u∈ L ( E , F ) et v∈ L ( F , G ) alors M at.D B (v o u) = M atD C (v) M atC B (u) _______________________________________________ Démonstration : Soit B = (e1 , e2 , ..... , en ) une base de E et C = (f1 , f2 , ..... , fp ) une base de F et D = (g1 , g2 , ..... , gq ) une base de G . M atD C (v) = [ ai k ] 1≤ i ≤ q et M atC B (u)= [ bk j ] 1≤ k ≤ p 1≤ k ≤ p 1≤ j≤ n p q p p ∀j∈’1,n÷ vou( ej ) = v (u(ej )) = v b k jf k = b k j v (f k ) = bk j a i k gi k =1 k =1 k =1 i =1 p q q p = b a g = a b g k j ik i ik k j i k =1 i =1 i =1 k =1 p Donc M at.D B (v o u) = a i k b k j 1≤ i ≤ q = M atD C (v) M atC B (u) k =1 1≤ j≤ n ∑ ∑∑ ∑ ∑ ∑ ∑∑ ∑ _______________________________________________ 8 Exercice : Soit u : lR2 [X] → lR2 [X] C la base canonique de lR2[X] trouver M atC C ( u² + 2Id ) P → X²P' (0) + 2XP(0) − P(1) _______________________________________________ Définition1 : ( fondamental ) Soit E un espace vectoriel de dimension finie B = (e1 , e2 , ..... , en ) une base de E , x∈E λ1 p λ λiei . On appelle matrice colonne des composantes de x dans la base B noté [ x ]B = 2 tel que x = M i =1 λ n _______________________________________________ Théorème 4 : Soit E un espace , B une base de E et F un espace vectoriel C une base de F , u∈ L ( E , F ) alors ∀x∈E [ u(x)]C = M atC B (u) [x]B _______________________________________________ ∑ Exercice : Soit u : lR2 [X] → lR2 [X] P → X²P(1) + P − 2P' C la base canonique de lR2[X] a ) Montrer que u∈L (E) et trouver M atC C (u) b ) Trouver l'image de 3X²-2X+1 , de 8X+2 , de X²-X par u . c ) Trouver l'image de 3X²-2X+1 , de 8X+2 , de X²+2X –3 par u² . _______________________________________________ Méthode ( utilisation du Th ) : Soit E un espace vectoriel de dimension finie B = (e1 , e2 , ..... , en ) une base de E et F un espace vectoriel de dimension finie C = (f1 , f2 , ..... , fq ) une base de F . u ∈ L ( E ,F) 0 x∈Ker(u) ⇔ M atC B (u) [x]B = M 0 ⇔ système d'équation linéaire dont les solutions sont les composantes des éléments du noyau _______________________________________________ Exercice : Soit E un espace vectoriel de dimension 3 , ( e1 , e2 , e3 ) une base de E Soit u : E → E tel que u( e1 ) = e1 + e2 , u( e2 ) = 2e1 + e2 – 3e3 et u( e3 ) = 4e1 + 3e2 – 3e3 . Trouver Ker ( u ) _______________________________________________ Définition2 : Soit E un espace vectoriel de dimension finie ,B une base de E et u ∈ L ( E ). On appelle matrice de u dans la base B , noté M atB (u) = M atB B (u) . _______________________________________________ Théorème 5 : Soit E un espace vectoriel de dimension n B une base de E Φ : L ( E ) → M n( lK ) u → M atB (u) est un isomorphisme . _______________________________________________ 9 Théorème 6: Soit E un espace vectoriel de dimension finie ,B une base de E et u ∈ L ( E ). u est bijective ë M atB (u) est inversible ë Rang(u) = Rang(M atB (u)) = Dim(E) dans ce cas (M atB (u))-1 = M atB (u-1 ) _______________________________________________ Démonstration : à faire _______________________________________________ Définition 3 : Soit E un espace vectoriel de dimension finie B = (e1 , e2 , ..... , en ) une base de E Soit C = (f1 , f2 , ..... , fp ) une famille quelconque de E On appelle matrice de C dans la base B la matrice des composantes des vecteurs de C dans la base B f1 f 2 ...... f p Notée . . e1 M atB ( C ) = . . . e 2 M . . en . _______________________________________________ Définition 4 : Soit E un espace vectoriel de dimension finie . Soit C = ( f1 , f2 , ..... , fp ) une famille quelconque de E Rang ( C ) = Dim( Vect ( f1 , f2 , ..... , fp ) ) _______________________________________________ Théorème 1: Soit E un espace vectoriel de dimension finie B = (e1 , e2 , ..... , en ) une base de E Soit C = (f1 , f2 , ..... , fp ) une famille quelconque de E Rang ( C ) = Rang( M atB ( C ) ) . _______________________________________________ 10