ESPACE VECTORIEL PSI Dans ce chapitre K désigne R ou C. I - RÉVISIONS 1) Espace vectoriel On appelle K-espace vectoriel, ou espace vectoriel sur K, tout triplet (E, +, .) tel que : . est une loi externe sur l’ensemble E : ∀ λ ∈ K, ∀ x ∈ E, λ.x ∈ E (E, +) est un groupe commutatif ∀ (λ1 , λ2 ) ∈ K2 , ∀ x ∈ E, (λ1 + λ2 ).x = λ1 .x + λ2 .x déf. 1 ∀ (x1 , x2 ) ∈ E 2 , ∀ λ ∈ K, λ.(x1 + x2 ) = λ.x1 + λ.x2 ∀ (λ1 , λ2 ) ∈ K2 , ∀ x ∈ E, (`1 × λ2 ).x = λ1 .(λ2 .x) ∀ x ∈ E, 1.x = x. Les éléments de E sont appelés des vecteurs, ceux de K les scalaires et la loi . s’appelle produit par un scalaire. • R est un espace vectoriel sur R. C est un espace vectoriel sur R et un espace vectoriel sur C. prop. 1 • Si Ω est un ensemble non vide alors F(Ω, K), l’ensemble des fonctions de Ω dans K est un espace vectoriel sur K. En particulier KN , l’ensemble des suites à valeurs dans K est un espace vectoriel sur K. • Si E et F sont des espaces vectoriels sur K alors E × F est un espace vectoriel sur K Ce résultat se généralise au produit cartésien de n espaces vectoriels . • Pour n ∈ N∗ , Kn est un espace vectoriel sur K. • K[X] est un espace vectoriel sur K. Soit (E, +, .) un espace vectoriel sur K. Une partie F de E est un sous espace vectoriel de E lorsque déf. 2 F ⊂E F 6= ∅ : 0E ∈ F F est stable par combinaison lineaire : ∀ (x, y) ∈ F 2 , ∀ λ ∈ K, λ.x + y ∈ F prop. 2 Toute intersection de sous-espaces vectoriels de E est un sous-espace vectoriel de E. 2) Application linéaire Soient E et F deux espaces vectoriels sur K. f : E −→ F est une application linéaire lorsque : déf. ∀ (x, y) ∈ E 2 , ∀ λ ∈ K, f (λx + y) = λf (x) + f (y). Si f est bijective, on dit que f est un isomorphisme d’espaces vectoriels . Si E = F , on dit que f est un endomorphisme d’espaces vectoriels . Si E = F et si f est bijective, on dit que f est un automorphisme d’espaces vectoriels . On note L(E, F ) l’ensemble des applications linéaires de E dans F et L(E) l’ensemble des endomorphismes de E. Soit f : E −→ F une application linéaire. • f (0E ) = 0F prop. 1 • L’image directe par f d’un sous espace vectoriel de E est un sous espace vectoriel de F . L’image réciproque par f d’un sous espace vectoriel de F est un sous espace vectoriel de E. • Im f = f (E), est un sous espace vectoriel de F . et Ker f = {x ∈ E / f (x) = 0F } est un sous espace vectoriel de E. • (f est injective ⇐⇒ Ker f = {0E }) EspaceVectoriel - page 1 et ( f est surjective ⇐⇒ Im f = F ) • Toute combinaison linéaire d’applications linéaires est une application linéaire. Donc (L(E, F ), +, .) est un espace vectoriel . prop. 2 • La composée de deux applications linéaires est une application linéaire. • Si f ∈ L(E, F ) et est bijective alors f −1 ∈ L(F, E). • On note GL(E) l’ensemble des automorphismes de E. Alors (GL(E), ◦) est un groupe. 3) Famille génératrice Soit E un espace vectoriel sur K. Soit \ S une partie de E. Notons A l’ensemble des sous-espaces vectoriels de E contenant S. F est le plus petit (au sens de l’inclusion) sous espace vectoriel de E qui contient S. déf. 1 F ∈A Il s’appelle sous espace vectoriel engendré par S et se note Vect S. • Vect ∅ = {0E } • Si S est une partie non vide de E alors Vect S est l’ensemble des combinaisons linéaires des vecteurs de S. prop. Vect S = { p X λi xi / p ∈ N∗ , (λ1 , λ2 , . . . , λp ) ∈ Kp et (x1 , x2 , . . . , xp ) ∈ S p } i=1 Une famille F de vecteurs de E est génératrice lorsqu’elle engendre E, c’est-à-dire lorsque déf. 2 Vect F = E. F est une famille génératrice lorsque tout vecteur de E est combinaison linéaire des vecteurs de F. 4) Famille libre Soit E un espace vectoriel sur K. Soit F = (xi )i∈[[ 1,p]] une famille de vecteurs de E. La famille F est libre lorsque, pour toute famille (λi )i∈[[ 1,p]] X p λi xi = 0E =⇒ ∀ i ∈ [[1, p]], λi = 0 . déf. de scalaires, i=1 Pour exprimer que F est libre, on dit aussi que les vecteurs xi sont linéairement indépendants. La famille F est liée si elle n’est pas libre. Pour démontrer que F est liée, on cherche une combinaison linéaire nulle des vecteurs de F nulle avec au moins un scalaire non nul. • Soit x ∈ E. prop. (x) est libre ⇐⇒ x 6= 0E • Toute surfamille d’une famille liée est liée et toute sousfamille d’une famille libre est libre. 5) Base Soient E et F des espaces vectoriels sur K. Une base de E est une famille génératrice et libre. déf. B = (e1 , e2 , . . . , en ) est une base si et seulement si tout vecteur de E s’écrit de manière unique comme combinaison linéaire des vecteurs de B. ∀ x ∈ E, ∃ !(λ1 , λ2 , . . . , λn ) ∈ Kn / x = n X λ i ei λ1 , . . . , λn sont les coordonnées de x dans la base B. i=1 prop. Si B = (ei )i∈[[ 1,p]] est une base de E et F = (yi )i∈[[ 1,p]] est une famille de vecteurs de F alors il existe une unique application linéaire u de E dans F telle que ∀ i ∈ [[1, p]], u(ei ) = yi L’image d’une base caractérise donc une application linéaire. EspaceVectoriel - page 2 6) Espace vectoriel de dimension finie Soit E un espace vectoriel sur le corps K. On dit que E est de dimension finie s’il admet une famille génératrice finie. Sinon il est de dimension infinie. déf. 1 Si E 6= {OE } est de dimension finie alors il admet une base. Toutes les bases de E ont le même cardinal n. Cet entier n s’appelle la dimension de E et se note dim E. Si E = {OE }, on convient que dim E = 0. Exemples : dimR (C) = , dimC (C) = , dim (Kn ) = , dim (Kn [X]) = Théorème de la base incomplète : th. Si alors E est un espace vectoriel sur K de dimension n > 1 et B = (e1 , e2 , . . . , en ) une base de E toute famille libre de E peut se compléter en une base de E par des vecteurs puisés dans B Soit E un espace vectoriel sur le corps K de dimension finie n > 1. prop. 1 • Toute famille libre F de E a au plus n éléments. Toute famille libre F de cardinal n est une base de E. • Toute famille génératrice F de E a au moins n éléments. Toute famille génératrice F de cardinal n est une base de E. Soient E un K-espace vectoriel de dimension finie n > 1 et F et G deux sous-espaces vectoriels de E. • F est alors de dimension finie et prop. 2 • F × G est de dimension finie dim F 6 dim E. et De plus dim F = n =⇒ F = E dim (F × G) = dim F + dim G. • dim (F + G) = dim F + dim G− dim (F ∩ G) Base adaptée à un sous espace vectoriel F : déf. 2 Soit (ei )i∈[[ 1,p]] Toute base de E, une base de F. (ei )i∈[[ 1,n]] , complétant celle de F s’appelle base adaptée à F Soit E un espace vectoriel sur K et F une famille de vecteurs de E. déf. 3 Si Vect F est de dimension finie, cette dimension s’appelle le rang de F et se note rg F Si E est de dimension finie, toute famille de vecteurs de E admet donc un rang. 7) Application linéaire et dimension finie Soient E et F deux espaces vectoriels sur K th. 1 Si E et F sont de dimension finie alors et u dans L(E, F ). dim L(E, F ) = dim E × dim F . • Si u est un isomorphisme et dim E = n alors dim F = n Si u est un isomorphisme et dim F = n alors dim E = n. prop. 1 • Si E et F sont de même dimension finie alors : u est injective ⇐⇒ u est bijective ⇐⇒ u est surjective. EspaceVectoriel - page 3 déf. Si prop. 2 Im u est de dimension finie, sa dimension s’appelle le rang de u et se note rg u : Soient dim E = n > 1 et B = (e1 , e2 , . . . , en ) Alors Im u = V ect (u(e1 ), . . . , u(en )). Donc Théorème du rang : rg(u) = dim (Im u) une base de E. rg (u) = rg (u(e1 ), . . . , u(en )) u ∈ L(E, F ) Soit th. 2 Si E est de dimension finie alors rg u existe et rg u+ dim (Ker u) = dim E Conservation du rang par un isomorphisme Soient E, F et G trois espaces vectoriels sur K et u un isomorphisme de E dans F . prop. 3 • Toute famille F de vecteurs de E vérifie • (v ∈ L(G, E) =⇒ rg (u ◦ v) = rg (v)) rg(F) = rg(u(F)). et (v ∈ L(F, G) =⇒ rg (v ◦ u) = rg (v)) II - SOMME DE SOUS ESPACES VECTORIELS Dans ce paragraphe E désigne un espace vectoriel sur K. 1) Somme de sous-espaces vectoriels Soient p ∈ N∗ et E1 , E2 , . . . , Ep des sous espaces vectoriels de E. p X Alors Ei = E1 + · · · + Ep = {x1 + · · · + xp / ∀ i ∈ [[1, p]], xi ∈ Ei } th. est un sous espace vectoriel de E i=1 appelé somme des sous espaces vectoriels E1 , . . . , Ep . 2) Somme directe a. Cas particulier : p=2 Soient E1 et E2 deux sous espaces vectoriels de E. prop. 1 E1 et E2 sont en somme directe si et seulement si E1 et E2 sont deux espaces supplémentaires déf. ssi ssi ssi E1 ∩ E2 = {0E }. E1 ⊕ E2 = E. ∀ x ∈ E, ∃ !(x1 , x2 ) ∈ E1 × E2 / x = x1 + x2 . E1 + E2 = E et E1 ∩ E2 = {0E }. On suppose ici E de dimension finie. prop. 2 E = E1 + E2 E = E1 ⊕ E2 ⇐⇒ dim(E) = dim(E1 ) + dim(E2 ) ⇐⇒ E1 ∩ E2 = {0E } dim(E) = dim(E1 ) + dim(E2 ) Application : Définition des projections et symétries. • Si u est un projecteur de E ie une application linéaire de E telle que u ◦ u = u alors th. Ker u ⊕ Im u = E et u est la projection sur Im u parallèlement à Ker u. • Si u est une application linéaire de E telle que u ◦ u =idE alors Ker(u − idE ) ⊕ Ker(u + idE ) = E et u est la symétrie par rapport à Ker(u − idE ) parallèlement à Ker(u + idE ). EspaceVectoriel - page 4 b. Cas général Soient p ∈ N∗ et E1 , E2 , . . . , Ep des sous espaces vectoriels de E. p X La somme Ei p X est directe lorsque la décomposition de 0E est unique dans i=1 Cette décomposition est alors : déf. La somme p X Ei i=1 0E + 0E + · · · + 0E ∀ i ∈ [[1, p]], puisque 0E ∈ Ei . Ei est donc directe lorsque i=1 X p ∀ (x1 , . . . , xp ) ∈ E1 × · · · × Ep , p M Dans ce cas, on note cette somme xi = 0E =⇒ ∀ i ∈ [[1, p]], xi = 0E i=1 Ei i=1 Si la somme p X Ei est directe i=1 prop. 1 alors la décomposition de tout vecteur ∀x ∈ c’est-à-dire : x∈ p X Ei sur les sous-espaces vectoriels Ei est unique i=1 p X Ei , ∃ !(x1 , . . . , xp ) ∈ E1 × · · · × Ep / x = i=1 prop. 2 p X xi i=1 On suppose ici E de dimension finie p p X X Alors dim Ei 6 dim (Ei ) La somme p X i=1 i=1 Ei est directe si et seulement si dim p X i=1 p X Ei = dim (Ei ) i=1 3) Décomposition de E en somme directe Soient p ∈ N∗ , E1 , E2 , . . . , Ep des sous espaces vectoriels de E On suppose E de dimension n > 1 et E= p M et i=1 F un K−espace vectoriel . Ei . i=1 Si th. 1 alors pour i ∈ [[1, p]], B = (B1 , . . . , Bp ) Bi est une base de Ei est une base de E , dite adaptée à la décomposition E = p M Ei i=1 Si th. 2 E= p M Ei et ∀ i ∈ [[1, p]], ui ∈ L(Ei , F ) i=1 alors ∃ !u ∈ L(E, F ) / ∀ i ∈ [[1, p]], u|Ei = ui III - HYPERPLAN Dans ce paragraphe E désigne un espace vectoriel de dimension finie n > 1 sur K. déf. 1 Les éléments de L(E, K) s’appellent des formes linéaires, ce sont des applications linéaires de E dans K. déf. 2 Les hyperplans de E sont les sous-espaces vectoriels de E de dimension n − 1. th. 1 Tout hyperplan de E est supplémentaire d’une droite vectorielle. th. 2 Si f est une forme linéaire non nulle Si H est un hyperplan Equation d’un hyperplan : EspaceVectoriel - page 5 alors alors Ker f est un hyperplan de E. il existe une forme linéaire f , non nulle, unique à un facteur près,. telle que H = Ker f