Espaces vectoriels (resume de cours)

1) Denition: Un espace vectoriel sur un corps K (K = R ou C) est un ensemble E muni de deux lois
de composition notees + et , telles que (pour tout v, w, x E et , K)
(1)
_

_
v +w = w +v
v + (w +x) = (v +w) +x
0
E
E, v + 0
E
= 0
E
+v = v
v

E, v +v

= v

+v = 0
E
(2) (v +w) = v + w
(3) ( +) v = v + v
(4) ( v) = () v
(5) 1 v = v.
2) Trois exemples:
R
3
, ensemble des triplets de reels v = (x, y, z), est un espace vectoriel sur R pour les deux lois de
composition denies par
(x, y, z) + (x

, y

, z

) = (x +x

, y +y

, z +z

)
(x, y, z) = (x, y, z) pour tout R.
R
2
[X], ensemble des polynomes aX
2
+bX +c de degre au plus 2, `a coecients a, b et c reels, est un
espace vectoriel sur R pour laddition des polynomes et la multiplication par un reel .
M
2,2
(R), ensemble des matrices
_
a b
c d
_
`a coecients reels, est un espace vectoriel sur R pour les
deux lois de composition denies par
_
a b
c d
_
+
_
a

_
=
_
a +a

b +b

c +c

d +d

_

_
a b
c d
_
=
_
a b
c d
_
.
3) Sous-espace vectoriel dun espace vectoriel E.
Cest un sous-ensemble F E qui contient lelement neutre 0
E
, et qui est stable par les deux lois de
composition cest `a dire
(6) v +w F (pour tout v F et w F)
(7) v F (pour tout K et v F).
Remarquons que si F verie ces conditions, il est lui-meme un espace vectoriel sur K. La somme de
deux sous-espaces vectoriels F
1
et F
2
est
F
1
+ F
2
= ensemble des v
1
+ v
2
, pour v
1
F
1
et v
2
F
2
. On note F
1
F
2
(somme directe de F
1
et
F
2
) la somme F
1
+F
2
dans le cas o` u F
1
F
2
= {0
E
}. On dit que F
1
et F
2
sont supplementaires dans
E lorsque F
1
F
2
= E.
4) Syst`emes de vecteurs S = {v
1
, v
2
, . . . , v
n
}. On dit quun vecteur v est combinaison lineaire de
v
1
, v
2
,. . . , v
n
sil existe des elements
1
,
2
, . . . ,
n
de K tels que
v =
1
v
1
+
2
v
2
+ +
n
v
n
.
On appelle sous-espace vectoriel engendre par S, lensemble des vecteurs qui sont combinaisons
lineaires de v
1
, v
2
,. . . , v
n
. On dit que S est un syst`eme de generateurs de E, si E est egal `a
lensemble des combinaisons lineaires de v
1
, v
2
,. . . , v
n
. On dit que S est un syst`eme libre si lequation

1
v
1
+
2
v
2
+ +
n
v
n
= 0
E
na pas dautre solution que
1
=
2
= =
n
= 0. Sinon (cest `a
dire sil a une solution avec au moins un des
k
non nul), on dit que S est lie. On dit que S est une
base de E si cest `a la fois un syst`eme de generateurs de E et un syst`eme libre. Trois exemples de
bases canoniques:
Celle de R
3
est constituee par les trois vecteurs
e
1
= (1, 0, 0)
e
2
= (0, 1, 0)
e
3
= (0, 0, 1).
Remarquons que tout vecteur (x, y, z) est egal `a x e
1
+y e
2
+z e
3
.
Celle de R
2
[X] est constituee par les trois polynomes 1, X et X
2
.
Celle de M
2,2
(R) est constituee par les quatre matrices
_
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
et
_
0 0
0 1
_
.
5) Dimension dun espace vectoriel.
Cest le nombre de vecteurs de base.
Par exemple la dimension de R
3
ou de R
2
[X] est 3, puisque leurs bases canoniques ont trois elements;
la dimension de M
2,2
(R) est 4.
La dimension du sous-espace vectoriel {0
E
} est 0 (par convention). Theor`emes sur la dimension:
Si E est de dimension n, alors
dans toute base de E il y a n vecteurs;
tout syst`eme de n generateurs de E, est une base de E;
tout syst`eme libre de n vecteurs de E, est une base de E;
tout sous-espace vectoriel de E est de dimension au plus n; sil est de dimension n, il est egal `a E.
Dimension dune somme de sous-espaces vectoriels:
dim(F
1
+F
2
) = dim F
1
+ dim F
2
dim(F
1
F
2
) .
6) Applications lineaires.
Une application f : E F (avec E et F espaces vectoriels) est dite lineaire lorsque, pour tout v, w E
et K,
f(v +w) = f(v) +f(w)
f( v) = f(v). Une application lineaire f : E F est appelee
isomorphisme si elle est bijective
2
endomorphisme si E = F
automorphisme si elle est bijective et E = F. Le noyau de f (note Kerf) est lensemble des v E tels
que f(v) = 0
F
. Theor`eme: f est injective si et seulement si Kerf = {0
E
}
(cest `a dire Kerf na pas dautre element que lelement neutre de E). Limage de f (notee Imf ou
f(E)) est lensemble des f(v), quand v parcourt E. Le rang de f est la dimension de Imf. Theor`eme
noyau-image:
dim E = dim(Kerf) + dim(Imf)
= dim(Kerf) + rang(f).
Consequence:
f injective rang(f) = dim E
f surjective rang(f) = dim F.
7) Matrice dune application lineaire.
Exemple en dimension 3:
Soit f : E F lineaire
B = {
1
,
2
,
3
} une base de E
B

= {

1
,

2
,

3
} une base de F.
La notation Mat(f, B, B

) =
_
_
_
_
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
_
_
_
_
signie quon a les relations
f(
1
) = a
1

1
+a
2

2
+a
3

3
f(
2
) = b
1

1
+b
2

2
+b
3

3
f(
3
) = c
1

1
+c
2

2
+c
3

3
.On peut aussi representer ces relations par le tableau
_
_
_
_
_
_
f(
1
) f(
2
) f(
3
)
a
1
b
1
c
1

1
a
2
b
2
c
2

2
a
3
b
3
c
3

3
_
_
_
_
_
_
8) Matrices de passage.
Exemple en dimension 3:
On dit que
_
_
_
_
a
1
b
1
c
1
a
2
b
2
c
2
a
3
b
3
c
3
_
_
_
_
est la matrice de passage de {e
1
, e
2
, e
3
} `a {
1
,
2
,
3
} (bases dun meme espace
vectoriel E) si on a les relations

1
= a
1
e
1
+a
2
e
2
+a
3
e
3

2
= b
1
e
1
+b
2
e
2
+b
3
e
3

3
= c
1
e
1
+c
2
e
2
+c
3
e
3
. On peut representer ces relations par le tableau
3

1

2

3
a
1
b
1
c
1
e
1
a
2
b
2
c
2
e
2
a
3
b
3
c
3
e
3
9) Matrices et coordonnees.
Soit f : E F lineaire, B une base de E et B

une base de F. On obtient les coordonnees de f(v) dans

la base B

en eectuant le produit matriciel

A
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
_
_
o` u A = Mat(f, B, B

), et x
1
, x
2
, . . . , x
n
sont les coordonnees de v dans la base B. De meme, si P est
la matrice de passage dune base B `a une base B

dans un meme espace vectoriel E, les coordonnees de

tout vecteur v dans les bases B et B

sont liees par la relation

_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
_
_
= P
_
_
_
_
_
_
_
x

1
x

2
.
.
.
x

n
_
_
_
_
_
_
_
.
10) Produits de matrices et composees dapplications lineaires.
Soient f : E F et g: F G deux applications lineaires.
Theor`eme: Si Mat(f, B, B

) = A et Mat(g, B

, B

) = B, alors Mat(g f, B, B

) = BA.
Une matrice carree A est dite inversible sil existe une matrice, notee A
1
, telle que
AA
1
= A
1
A = I =
_
_
_
_
_
_
_
1 0 . . . 0
0 1 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1
_
_
_
_
_
_
_
.
Theor`eme: f est un isomorphisme si et seulement si la matrice A = Mat(f, B, B

) est inversible; dans

ce cas, on a Mat(f
1
, B

, B) = A
1
.
11) Matrices dune application lineaire dans des bases dierentes.
Si A = Mat(f, B, B

) et B = Mat(f, B
1
, B

1
), si P est la matrice de passage de B `a B
1
et Q la matrice
de passage de B

`a B

1
, on a la relation
B = Q
1
AP.
12) Calcul du rang dun syst`eme.
On appelle rang de {v
1
, v
2
, . . . , v
n
} la dimension du sous-espace vectoriel engendre par {v
1
, v
2
, . . . , v
n
}.
4
On ne change pas le rang de {v
1
, v
2
, . . . , v
n
} si on remplace un de ses vecteurs, par exemple v
1
, par une
combinaison lineaire
v

1
=
1
v
1
+
2
v
2
+ +
n
v
n
`a condition que
1
= 0.
On ne change pas non plus son rang si on permute ses vecteurs. Syst`eme echelonne:
Le rang du syst`eme {v
1
, v
2
, . . . , v
n
} est egal `a n si les coordonnees
1,j
,
2,j
, . . . ,
m,j
de chaque
v
j
dans une base {
1
,
2
, . . . ,
m
}, verient

j,j
= 0 et
i,j
= 0 pour tout i > j
ou si elles verient

j,j
= 0 et
i,j
= 0 pour tout i < j.
On peut representer ce syst`eme par le tableau
v
1
v
2
. . . v
n

1,1

1,2
. . .
1,n
0
2,2
. . .
2,n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . .
n,n
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 0
(dans le premier cas)
v
1
v
2
. . . v
n

1,1
0 . . . 0

2,1

2,2
. . . 0
.
.
.
.
.
.
.
.
.
.
.
.

n,1

n,2
. . .
n,n
.
.
.
.
.
.
.
.
.
.
.
.

m,1

m,2
. . .
m,n
(dans le second).
5