1 2 Structure d'espace vectoriel 3 1. Structure d'espace vectoriel 1 ESPACES VECTORIELS 2 Elsa Pagnoud 2014-2015 3 Structure d'espace vectoriel Dénition Exemples Règles de calcul Sous - espaces vectoriels Dénition Intersection de sous-espaces vectoriels Sous-espace vectoriel engendré par une famille de vecteurs Familles de vecteurs particulières Famille libre, liée Famille génératrice 4 5 Base d'un espace vectoriel Espace vectoriel de dimension nie Notion de dimension, existence de bases Dimension d'un sous-espace vectoriel Rang d'une famille de vecteurs Familles échelonnées Somme de sous-espaces vectoriels Somme et somme directe Supplémentaire En dimension nie 4 Structure d'espace vectoriel Structure d'espace vectoriel Et : Dénition 1 (Suite) Une loi externe (entre un vecteur de E et un scalaire de K), notée •, vériant : ∀~u , ~v , w~ ∈ E , ∀λ, µ ∈ K, 1 λ•~ u∈E 2 λ • (µ • ~ u ) = (λ × µ) • ~u (associativité des scalaires) 3 (λ + µ) • ~ u = λ • ~u ⊕ µ • ~u (distributivité des vecteurs pour •) 4 λ • (~ u ⊕ ~v ) = λ • ~u ⊕ λ • ~v (distributivité des scalaires pour •) 5 1•~ u = ~u (1 est élément neutre pour •) 5 Structure d'espace vectoriel 1.2. Exemples Exemples : les ev usuels 1 L'ensemble des vecteurs du plan ou de l'espace, 2 (Rn , +, ·) : le R-ev des vecteurs à n coordonnées réelles, 3 (R[X ], +, ×) les polynômes à coecients réels forment un R-ev, 4 (C[X ], +, ×) les polynômes à coecients complexes forment un R-ev ou un C-ev, 5 F(I , K) = {f : I → K application} est un K-ev pour les lois + et · . 7 Sous - espaces vectoriels Sous - espaces vectoriels ∀~u , ~v ∈ F , ~u + ~v ∈ F ∀~u ∈ F , ∀λ ∈ K, λ~u ∈ F Remarque Cela fait de (F , +, ·) un espace vectoriel (tous les points de la dénition 1 sont vériés car vrais dans E ). En pratique Pour montrer qu'un ensemble (F , +, ·) est un espace vectoriel, on montre que c'est un sous-espace vectoriel d'un espace vectoriel déjà connu : F ⊂E sev de E ⇐⇒ ( 0E ∈ F (ou bien, F ∀λ ∈ K, ∀~u , ~v ∈ F , est non vide) λ~u + ~v ∈ F 6 1.3. Règles de calcul Dans la suite on note λ · ~u au lieu de λ • ~u , et + au lieu de ⊕. Propriété 1 Soit (E , +, ·) un K-ev. Alors ∀~u ∈ E , ∀λ, µ ∈ K, 1 0·~ u = 0E 2 λ · 0E = 0E 3 (−1) · ~ u = −~u 4 (λ − µ) · ~ u = λ · ~u − µ · ~u 5 λ·~ u = 0E ⇐⇒ λ = 0 ou ~u = 0E 8 Sous - espaces vectoriels 2. Sous - espaces vectoriels 2.1. Dénition Dénition 2 Soit (E , +, ·) un K-ev, et F une partie non vide de E . F est un sous-espace vectoriel de E si F est stable par addition et multiplication externe : 1.1. Dénition Dénition 1 On appelle K-espace vectoriel (ou espace vectoriel sur K) tout ensemble E muni de deux lois ou opérations : Une loi interne (entre deux vecteurs de E ), notée ⊕, vériant : ~ ∈ E, ∀~u , ~v , w 1 ~ u ⊕ ~v ∈ E (loi interne) 2 (~ u ⊕ ~v ) ⊕ w~ = ~u ⊕ (~v ⊕ w~ ) (loi associative) 3 ~ u ⊕ ~v = ~v ⊕ ~u (loi commutative) 4 E a un élément neutre noté 0E ou ~ 0 : ∀~u ∈ E , ~u ⊕ 0E = ~u 5 tout élément possède un opposé qu'on note −~ u: ∀~u ∈ E , ~u ⊕ (−~u ) = 0E = ~0 Exemple 1 1 Kn [X ] = {P ∈ K[X ], deg(P ) ≤ n } est un sev de K[X ]. 2 Par contre An = {P ∈ K[X ], deg(P ) = n } n'est pas un espace vectoriel : sinon ce serait un sev de K[X ]. Mais X n ∈ An , −X n − 1 ∈ An et X n + (−X n + 1) = 1 ∈/ An (ou alors : il ne contient pas 0). 3 C 0 (R, R) (fonctions continues) est un sev de F(R, R). 4 Le plan vectoriel P = {(x , y , z ) ∈ R3 , x + y + 2z = 0} est un sev de R3 . 5 Soit ~ u ∈ E. K · ~u = {k · ~u , k ∈ K} est appelée droite vectorielle engendrée par ~u , c'est un sev de E . C'est l'ensemble des vecteurs colinéaires à ~u . 9 10 Sous - espaces vectoriels Sous - espaces vectoriels 2.3. Sous-espace vectoriel engendré par une famille de vec- 2.2. Intersection de sous-espaces vectoriels teurs Propriété 2 Si F et G sont deux sev d'un K-espace vectoriel E , alors F ∩ G est un sev de E . Remarque En itérant le procédé, l'intersection d'une famille nie n T (Fi )i =1..n de sev de E est un sev de E . On note Fi . i =1 En général,la réunion de deux sev n'est pas un sev. Exemple : R · ~i ∪ R · ~j ne contient pas ~i + ~j . L'ensemble des solutions d'un système linéaire homogène à p équations et n inconnues peut être interprété comme l'intersection de p sev de Rn , c'est donc un sev de Rn . Familles de vecteurs particulières 3. Familles de vecteurs particulières 3.1. Famille libre, liée Dans la suite, on ne notera plus les vecteurs avec des èches. Dénition 5 Soient E un K-ev et V = {v1 , v2 , . . . , vn } une famille de n vecteurs de E . On dit que V est libre si : λ1 v1 + λ2 v2 + . . . + λn vn = 0E ⇒ λ1 = λ2 = . . . = λn = 0. Une famille non libre est dite liée. Remarque V est liée signie qu'il existe des scalaires λ1 , . . . , λn non tous nuls tels que λ1 v1 + λ2 v2 + . . . + λn vn = 0E . Propriété 4 V est liée si et seulement si l'un des vecteurs de V est CL des autres vecteurs de V . Familles de vecteurs particulières 6 Dans F(R, R), {ch, sh, exp} est une famille liée car ch + sh = exp. Remarque Une famille de deux vecteurs est libre si et seulement si ces vecteurs ne sont pas colinéaires, c'est faux à partir de 3 vecteurs. Propriété 5 Toute famille extraite d'une famille libre est libre, Toute famille contenant une famille liée est liée. On peut le reformuler en : Toute sous-famille d'une famille libre est libre, Toute sur-famille d'un famille liée est liée. On se place dans un K-ev E . Dénition 3 Si {~v1 , ~v2 · · · , ~vn } est une famille de n vecteurs d'un K-ev E , et λ1 , λ2 , · · · , λn sont n scalaires de K, alors le vecteur λ1~v1 + λ2~v2 + · · · + λn~vn s'appelle une combinaison linéaire (CL) des vecteurs ~v1 , · · · , ~vn . Dénition 4 Soit V = {~v1 , ~v2 · · · , ~vn } une famille de vecteurs. L'ensemble des combinaisons linéaires des vecteurs de cette famille est un sous-espace vectoriel de E , appelé sev engendré par V et noté Vect(V). Vect(V) = ( n X k =1 λi ~vi , λi ∈ K, ) i ∈ {1, · · · , n} 13 Familles de vecteurs particulières 2 Remarque Dans le cas où A est une partie non vide de E (peut-être innie), on dénit Vect(A) comme étant le plus petit sev contenant A. Exemple 2 1 La droite vectorielle : si ~ u 6= ~0, K · ~u = Vect(~u ) est le sev engendré par un seul vecteur ~u . 2 Le plan vectoriel : si ~ u et ~v ne sont pas colinéaires, alors Vect(~u , ~v ) est un plan vectoriel. Vect(~u , ~v ) = {λ~u + µ~v , λ ∈ K, µ ∈ K}. 3 Dans K[X ], l'ensemble des polynôme de degré ≤ 2 est engendré par 1, X et X 2 : Vect({1, X , X 2 }) = {a + bX + cX 2 , a, b, c ∈ K} = K2 [X ]. 3 Dans R3 , on pose ~u1 = (1, 0, 2), ~u2 = (0, 1, −1) et ~u3 = (2, 0, 3). Pour savoir si la famille {~u1 , ~u2 , ~u3 } est libre, il faut résoudre : α + 2γ = 0 α~u1 + β~u2 + γ~u3 = ~0 ⇐⇒ β = 0 2α − β + 3γ = 0 Ce système a pour unique solution α = β = γ = 0 donc la famille est libre. 16 Familles de vecteurs particulières 3.2. Famille génératrice Dénition 6 Soit E un K-ev. Une famille {v1 , . . . , vn } de vecteurs de E est génératrice de E si E = Vect(v1 , . . . , vn ). Autrement dit, tout élément de E est une combinaison linéaire des vecteurs v1 , . . . , vn : ∀v ∈ E , 15 Dans R3 , la famille {(|1, −{z2, 3}), (− 5, 8, −1), (1, −1, −4)} | {z } | {z } v1 on pose ~i = (1, 0) et ~j = (0, 1). La famille {~i ,~j } est libre car : λ~i + µ~j = ~0 ⇒ (λ, µ) = (0, 0) ⇒ λ = µ = 0. on pose ~u = (3, 6) et ~v = (1, 2). La famille {~u , ~v } est liée car ~u = 3~v donc ~u − 3~v = ~0 : il existe une combinaison linéaire nulle à coecients non tous nuls. 2 12 Propriété 3 Vect(V) est le plus petit sev de E contenant V . Si A est une partie d'un sev F , alors Vect(A) ⊂ F . 14 Familles de vecteurs particulières Exemple 3 1 Dans R2 : 1 11 Sous - espaces vectoriels ∃λ1 , . . . , λn ∈ K, v = λ1 v1 + . . . + λn vn . Exemple 4 {~i ,~j , ~k } est une famille génératrice de R3 car si (x , y , z ) ∈ R3 , (x , y , z ) = x (1, 0, 0) + y (0, 1, 0) + z (0, 0, 1) = x~i + y~j + z ~k . {1, X , X 2 , . . . , X n } est génératrice de Rn [X ] (P (X ) = a0 + a1 X + a2 X 2 + . . . + an X n ). Mais {1, X , 2X , X 2 , . . . , X n } aussi ! (P (X ) = a0 + a1 X + 0 × 2X + a2 X 2 + . . . + an X n ). 2X semble "de trop" → famille génératrice minimale ? 4 5 v2 v3 est-elle libre ? 1 −5 1 0 a −2 + b 8 + c −1 = 0 ⇐⇒ 3 −1 −4 0 ( =0 a − 5b + c a = 3b −2a + 8b − c = 0 ⇐⇒ · · · ⇐⇒ c = 2b 3a − b − 4c = 0 Par exemple pour b = 1, 3v1 + v2 + 2v3 = ~0 : famille liée. Que dire d'une famille d'un K-ev E contenant deux fois le même vecteur ? d'une famille contenant 0E ? Dans F(R, R), {cos, sin} est une famille libre car : λ cos +µ sin = 0̃ ⇐⇒ ∀x ∈ R, λ cos(x ) + µ sin(x ) = 0. On peut donc choisir les x qui nous arrangent : x = 0 donne λ = 0, puis x = π2 donne µ = 0. 17 Familles de vecteurs particulières 18 3.3. Base d'un espace vectoriel Dénition 7 Une famille de vecteurs d'un K-espace vectoriel E est une base de E si elle est libre et génératrice de E . Exemple 5 1 2 Dans Rn , la famille 0 1 0 1 B = 0 0 , · · · .. .. . . 0 0 0 , .. . est une 0 0 1 base. On l'appelle base canonique de Rn . Elle comporte n éléments. La famille {1, X , X 2 , X 3 , . . . , X n } est la base canonique de Rn [X ]. Elle comporte n + 1 éléments. 19 Familles de vecteurs particulières Familles de vecteurs particulières Théorème 1 B = {e1 , . . . , en } est une base de E si et seulement si tout élément de E s'écrit de manière unique CL des vecteurs e1 , . . . , en : ∀v ∈ E , ∃!(α1 , . . . , αn ) ∈ Kn , v= n X k =1 αk ek . Les scalaires α1 , ...,α n sont les coordonnées de v dans la base B . α1 . On note [v ]B = .. . αn Exemple 6 1 Dans R2 [X ], P = 2X 2 − 1 s'écrit canonique B = {1, X , X 2 }. 2 Dans R2 : pour montrer que B0 = {(1, 1), (−1, 2)} est une base, on peut chercher les coordonnées d'un vecteur quelconque dans cette base : ( x = a 1 + b −1 ⇐⇒ x = a − b ⇐⇒ y 1 2 y = a + 2b ( a = 2x3+y . · · · ⇐⇒ b = y −3 x Il y a bien unicité ce qui prouve que B0 est 2x +y des coordonnées, x 3 une base : y = y− x B0 −1 [P ]B = 0 2 20 Espace vectoriel de dimension nie 3 Remarque dans la base Espace vectoriel de dimension nie Théorème 2 Soit E 6= {0E } un K-ev de dimension nie. Alors : 1 de toute famille génératrice de E on peut extraire une base de E 2 (Théorème de la base incomplète) Toute famille libre de E peut être complétée en une base de E . Propriété 6 (Corollaire) Tout espace vectoriel de dimension nie, non nul, admet une base. Théorème 3 Soit E un K-ev. S'il existe une base de E ayant n éléments, alors toutes les bases de E ont le même nombre d'éléments n. Dans ce cas, E est de dimension nie et la dimension de E est dim(E ) = n, le nombre d'élément de n'importe quelle base de E . Par convention, dim({0E }) = 0. Espace vectoriel de dimension nie Un espace vectoriel peut avoir une innité de base. Ont-elles quelque chose en commun ? 22 Espace vectoriel de dimension nie Exemple 8 1 dim R2 = 2, dim R3 = 3, plus généralement dim Rn = n . 2 Rn [X ] est de dimension n + 1. Propriété 7 (Corollaires) Dans un ev de dimension nie n : 1 toute famille libre a au plus n vecteurs, 2 toute famille génératrice a au moins n vecteurs, 3 toute famille libre de n éléments est une base, 4 toute famille génératrice de n éléments est une base, 5 toute famille ayant au moins n + 1 éléments est liée. Application : si la dimension d'un ev E est connue et vaut n, pour montrer qu'une famille comportant n éléments est une base de E , il sut de montrer qu'elle est libre OU génératrice. 25 Espace vectoriel de dimension nie 4.2. Dimension d'un sous-espace vectoriel Propriété 8 Soit F un sous-espace vectoriel d'un K-espace vectoriel E . Alors : dim(F ) ≤ dim(E ), si dim(F ) = dim(E ) alors F = E , si F est de dimension 1 alors c'est une droite vectorielle, si F est de dimension 2 alors c'est un plan vectoriel. Propriété 9 (Corollaire) Soient F et G deux sous-espaces vectoriels de E . Alors : si F ⊂ G alors dim F ≤ dim G si F ⊂ G et dim F = dim G alors F = G . Exemple 9 Listons tous les sev de R3 : dim = 0 : {(0, 0, 0)} dim = 1 : les droites vectorielles Vect(~u ), ~u 6= ~0 dim = 2 : les plans vectoriels Vect(~u , ~v ), ~u et ~v non colinéaires dim = 3 : R3 tout entier ... c'est tout ! 21 4. Espace vectoriel de dimension nie 4.1. Notion de dimension, existence de bases Dénition 8 (Dimension nie) Un K-espace vectoriel E est de dimension nie s'il possède une famille génératrice nie. Sinon, il est dit de dimension innie. Exemple 7 Rn , Rn [X ] (l'ensemble des polynômes de degré ≤ n) sont de dimension nie. R[X ], C[X ], F(R, R) sont de dimension innie. 23 Espace vectoriel de dimension nie 24 Exercices : 1 2 3 4 Montrer que B = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} est une base de R3 , et déterminer les coordonnées de (3, −2, 5) dans cette base. Montrer que B = {1, (X − 1), (X − 1)2 , (X − 1)3 } est une base de R3 [X ]. Montrer que F = {(x , y , z , t ) ∈ R4 , x + y + z + t = 0 et x + 3y − t = 0} est un sev de R4 , en déterminer une base et sa dimension. Dans E = C ∞ (R, R), montrer que F = {f ∈ E , f + f 0 + f 00 = 0} es de dimension nie. Déterminer une base de F . 26 Espace vectoriel de dimension nie 4.3. Rang d'une famille de vecteurs Dénition 9 Soit F = {v1 , . . . , vn } une famille de vecteurs d'un K-ev E . Le rang de F , noté rg(F ), est la dimension de Vect(F). rg(F) = dim(Vect(F)) Propriété 10 rg ({v1 , . . . , vp }) = p ⇐⇒ {v1 , . . . , vp } est libre. Propriété 11 Soit F = {v1 , . . . , vn } une famille de vecteurs de E . Alors Vect(F) (donc rg(F)) reste inchangé si on eectue sur la famille F l'une des trois opérations élémentaires suivantes : 1 changer l'ordre des éléments, 2 multiplier un élément par un scalaire non nul, 3 ajouter à un élément une combinaison linéaire des autres. 27 Espace vectoriel de dimension nie Remarque Ce sont les opérations permises par la méthode du pivot de Gauss. Exemple 10 Donner le rang des familles suivantes : 1 Dans R3 , F = {(2, 1, 0), (1, 1, 0), (0, −1, 1)}. 2 Dans R[X ], P = {−2, X 2 , 3X + 1, X 2 − 1}. 28 Espace vectoriel de dimension nie 4.4. Familles échelonnées Dénition 10 Soit E un K-ev de dimension nie n, et B = {e1 , . . . , en } une base de E . Une famille {v1 , . . . , vn } est dite échelonnée relativement à la base B si les coordonnées des vecteurs v1 , . . . , vn dans la base B sont de la forme : v1 v2 . . . vm vm+1 . . . vp 0. 0 ?. ?. ?. . ... .. ... ... . . . . ? . ... .. .. . .. .. ? 0 .. . . . . . . . . .. ? 0 .. .. ... .. .. .. .. 0 . . . . .. .. .. .. .. . . . . 0 0 0 0 0 représente un réel quelconque ; on passe d'un vecteur au suivant en augmentant le nombre de 0 situé en bout de ses coordonnées. ? Somme de sous-espaces vectoriels 5. Somme de sous-espaces vectoriels 5.1. Somme et somme directe Dénition 11 (Somme et somme directe de deux sev de E ) Soient F et G deux sev d'un ev E . L'ensemble H = {uF + uG , xF ∈ F , xG ∈ G } est un sev de E , contenant F et G , et noté H = F + G . On dit que c'est le sous-espace somme de F et G . La somme F + G est dite directe lorsque F ∩ G = {0E }. On note F ⊕ G . Propriété 13 F + G = Vect(F ∪ G ), donc F + G est le plus petit sev engendré par les parties F et G . Somme de sous-espaces vectoriels 5.2. Supplémentaire Dénition 12 Soit E un K-ev. Deux sev F et G sont supplémentaires dans E si et seulement si E = F ⊕ G. (c'est-à-dire, F + G = E et F ∩ G = {0E }). Remarque Un sev a une innité de supplémentaires donc F ⊕ G = F ⊕ H ; G = H. 31 Somme de sous-espaces vectoriels Théorème 4 Si F et G sont deux sev d'un ev E , la somme F + G est directe si et seulement si tout élément de F + G s'écrit de façon unique comme somme d'un élément de F et d'un élément de G . 29 Espace vectoriel de dimension nie 30 Propriété 12 Les vecteurs non nuls d'une famille échelonnée forment une famille libre . Méthode des zéros échelonnés : Pour obtenir le rang d'une famille de vecteurs F , on échelonne la famille par des opérations élémentaires qui conservent le rang. Le nombre de vecteurs non nuls de la famille échelonnée donne le rang de F , de plus ces vecteurs fournissent une base de Vect(F). Exemple 11 1 Dans R4 , donner rg({(1, 1, 0, −1), (−1, 1, 1, 0), (0, 2, 1, −1)} et une base de Vect(F). 2 Dans R3 [X ], si P1 = X 3 + X 2 − X + 1, P2 = 3X 2 − 2X + 2, P3 = 2X 3 + X 2 + X − 1 et P4 = 2X 2 + 3X − 3, donner rg(P1 , P2 , P3 , P4 ) et une base de Vect(P1 , P2 , P3 , P4 ). 32 Somme de sous-espaces vectoriels 33 Dans R3 , les deux plans vectoriels bleus ne sont pas en somme directe car le vecteur bleu se décompose de deux manières diérentes selon cette somme (en rouge, ou en violet). Exemple 12 1 2 3 R2 = R~i ⊕ R~j = Vect((1, 0)) ⊕ Vect((0, 1)). Dans R3 , si P1 = {(x , y , z ) ∈ R3 , z = 0} = {(x , y , 0), x ∈ R, y ∈ R} et P2 = {(x , y , z ) ∈ R3 , x = 0} = {(0, y , z ), y ∈ R, z ∈ R}, alors R3 = P1 + P2 mais la somme n'est pas directe. Dans E = F(R, R), P = {f : R → R, f paire} et I = {f : R → R, f impaire} vérient E = P ⊕ I . Pour l'exemple 2, voir illustration diapo suivante. 34 Somme de sous-espaces vectoriels 5.3. En dimension nie Théorème 5 (Formule de Grassman) Soit E un K-ev de dimension nie, F et G deux sev de E . Alors dim(F + G ) = dim(F ) + dim(G ) − dim(F ∩ G ). En particulier, si F et G sont en somme directe alors 35 Somme de sous-espaces vectoriels Propriété 15 (Existence de supplémentaires) Dans un ev de dimension nie, tout sev F admet des supplémentaires. De plus si dim(F ) = p alors tout supplémentaire de F est de dimension n − p. Exercices : dim(F ⊕ G ) = dim(F ) + dim(G ). 1 Propriété 14 (Corollaire) Si BF est une base de F , BG une base de G et F et G sont en somme directe, alors BF ∪ BG est une base de F ⊕ G . Si BF ∪ BG est une base de E alors F ⊕ G = E . 2 F = {(x , y , z ) ∈ R3 , x + y − z = 0} et G = {(2a, 3a, −12a), a ∈ R}. Montrer que F ⊕ G = R3 . Dans R5 , déterminer le rang et un supplémentaire de V = Vect({v1 , v2 , v3 }) où v1 = (1, 2, −1, 0, −1), v2 = (2, 1, 1, 1, 1) et v3 = (3, 2, 0, 1, 2). 36