Pour de telles applications nous ecrivons souvent Ax à la place de A(x):En
outre, nous dé…nissons deux ensembles importants associés avec une application
linéaire A. C’est son noyau ker Aet son image Im Adé…nis par :
ker A=fx2E1:Ax = 0g(5)
et
Im A=fAx :x2E1g:(6)
Une application linéaire A:E1!E2entre deux espaces vectoriels E1et E2
est appellée isomorphisme si ker A= 0 et Im A=E2, c’est à dire que Aest une
application linéaire bijective et par conséquent inversible. Nous notons par A1
son inverse.
Exemples d’espaces vectoriels
Dé…nition 2.1 Un sous-ensemble E1de l’espace vectoriel Eest dit sous-espace
s’il est relativement fermé aux opérations linéaires dans E. Nous écrivons E1,!
E:
Donc, c0, par exemple, est un sous-espace de cqui est un sous-espace de l1:
Il est clair que pour un opérateur A:E1!E2,ker Aest un sous-espace de
E1and Im Aest un sous-espace de E2:
Un ensemble de vecteurs x1; x2; : : : ; xnest dit ensemble linéairement dépen-
dant et les vecteurs des vecteurs linéairement dépendants, s’il existe des nombres
(ai)n
i=1 non tous nuls tels que
a1x1+a2x2+: : : +anxn= 0:(7)
D’autre part, les (xi)n
i=1 sont dits linéairement indépendants s’ils ne sont pas
linéairement dépendants. Par conséquent, pour de tel ensemble de vecteurs,
Pn
i=1 aixi= 0 implique que ai = 0 8i= 1;2; : : : ; n.
Nous dé…nissons l’enveloppe linéaire (notée span) d’un sous-ensemble M
d’un espace vectoriel Ecomme étant l’intersection de tous les sous-espaces de
Econtenant M. C’est à dire
spanM =\
fE:E,!Eet MEg:(8)
On peut aussi dé…nir spanM comme l’ensemble de toutes les combinaisons
linéaires …nies des vecteurs de M.
Le résultat suivant est un important théorème d’algèbre linéaire :
Théorème 1 Soit (xi)n
i=1 un ensemble maximal de vecteurs linéairement in-
dépendants dans E(cela signi… qu’il n’existe pas une extension linéairement
indépendante de cet ensemble). Alors le nombre nest invariant et appellé la di-
mension de l’espace E. Nous écrivons dim E=net nous dirons que les vecteurs
(xi)n
i=1 forment une base de E.
4