Soient
deux
-espaces vectoriels. Les opérations suivantes font de
un
-espace vectoriel :
.
.
Preuve
On prouve que cette loi + possède les bonnes propriétés dans
très facilement.
Soient
Soient maintenant
I.1.2 Corollaire
Si
sont des
-espaces vectoriels, alors
est un
-espace vectoriel pour la loi produit définie précédemment (c'est à dire qu'on somme composante par composante les
-uplets et qu'on les multiplie toutes par
).
Rappelons que le produit cartésien d'ensembles est associatif, ce qui justifie la notation
I.1.3 Exemple
Les exemples les plus classiques sont
et
.
I.1.4 Proposition
Soit
deux
-espaces vectoriels de dimension finie.
Alors
est un
-espace vectoriel de dimension finie et
.
Preuve
Soient
une base de
et
une base de
.
On considère la famille
.
On va montrer que
est une base de
.
Méthode 1. Montrons que
est libre. Soient
des scalaires. Supposons
. Le membre de gauche est, par définition des opérations dans
,
. Par unicité des composantes on a donc
et
. Comme les familles
et
sont libres on en déduit que
et
ce qui prouve bien la liberté de
Montrons maintenant que
est génératrice de
.
On ne peut pas utiliser un argument de cardinal et de dimension, car on chercher justement à calculer la dimension de
... Soit
. Comme
et que
est génératrice de
on peut écrire
pour certains scalaires
. De même
pour certains scalaires
. Alors on a directement ce qui prouve que
est génératrice de
. Finalement
.
Méthode 2. Il suffit de montrer que l'application (clairement linéaire)
est bijective. Or l'application qui à
associe la famille des coordonnées de
(dans
) suivie de la famille des coordonnées de
(dans
) est clairement la réciproque de
.
Ceci prouve que
est de dimension finie et
.
I.1.5 Corollaire
Soient
des
-espaces vectoriels de dimensions finies. Alors
est de dimension finie et
Preuve
Le cas
est trivial et le cas
est le résultat précédent.
L'associativité du produit cartésien et de la somme d'entiers prouve immédiatement l'hérédité d'une récurrence sur
et on conclut par le principe de récurrence.
I.1.6 Exemple
,
.
I.2 Espaces supplémentaires
I.2.1 Définition
Soient
un
-espace vectoriel et
deux sous-espaces. La somme de
et
est
.
C'est un espace vectoriel qui contient
, et on a même
.
I.2.2 Famille génératrice
Si on dispose d'une famille
génératrice de
et d'une famille
génératrice de
, alors la concaténation de ces familles engendre
.
Ainsi, en dimension finie,
I.2.3 Exemple
On se place dans
.
Donner une base de
où
et
.
On a
(
en résolvant le système à 3 inconnue et une seule équation, on a posé
comme paramètres
).
Alors
(
cette famille génératrice ne peut pas être libre car elle est de cardinal 4 dans un espace de dimension 3
). On remarque la présence de deux fois le même vecteur. Alors
il reste à prouver que cette dernière famille est libre. Considérons sa matrice dans la base canonique,
. Par l'opération
puis développement par rapport à la première ligne,
et donc
. Ainsi la famille de ses colonnes forme une base de
donc est libre et est une base de
.
Deuxième méthode :
donc
. De plus,
ssi
(car
est un sous espace de
). Or
(
il ne vérifie pas l'équation
) et donc
et la seule possibilité restante est
et donc
.
Finalement une base de
est la base canonique de
.
I.2.4 Définition
Soient
un
-espace vectoriel et
deux sous-espaces de
.
On dit que
sont supplémentaires dans
et on note
ssi
Avec ces notations,
est appelé le projeté de
sur
dans la direction
(ou parallèlement à
) et
le projeté de
sur
dans la direction
.
I.2.5 Lemme
Soient
un
-espace vectoriel et
deux sous-espaces de
.
Preuve
facilement.
La définition donnée est exactement là même que celle de la bijectivité de
(pour tout élément de l'ensemble d'arrivé il existe un unique antécédent par
.)
I.2.6 Corollaire
En dimension finie, SI
Alors
.
Preuve
Lorsque
est un isomorphisme entre espaces de dimensions finies, on a
I.2.7 Proposition
Avec les notations de la définition,
Preuve
Par définition,
ssi l'application
est surjective car
.
Montrons que
est injective ssi
.
Supposons que
. Soit
.
On a
mais alors
sont alors des éléments de
et donc
.
est donc injective.
Supposons réciproquement que
est injective. Soit
(
on montre que
).
On a
(
calcul licite car
est à la fois dans
). Or
est injective et donc
.
Finalement, on a bien
.
I.2.8 Théorème (Théorème de la base adaptée)
Soit
un espace de dimension fini et
des sous-espaces de
.
ssi la concaténation d'une base de
et d'une base de
est une base de
.
On dit que la base obtenue (par concaténation) est
adaptée
à la somme
.
Preuve
Soient
une base de
et
une base de
.
Alors
est une base de
d'après la preuve du théorème
I.1.4
.
On sait que l'application linéaire
est bijective ssi
est une base de
. Comme
le théorème est une conséquence directe de
I.2.5
.
I.2.9 Proposition (Caractérisation des supplémentaires)
Soit
un
-espace vectoriel de dimension finie,
deux sous-espaces de
.
é
Preuve
Il s'agit d'applique le théorème de Grassman pour les deux premiers points.
I.2.10 Exemple
Dans
puis dans
trouver les espaces qui sont supplémentaires.
Dans
, on a
ssi
ou
sont deux droites non confondues.
Dans
, on a
ssi
ou
sont un plan et une droite vérifiant que la droite n'est pas incluse dans le plan.
I.2.11 Définition
Soit
un
-espace vectoriel. Soient également
deux sous-espaces de
, supplémentaires dans
. Tout
s'écrit donc de manière unique comme
avec
et
.
L'application
est appelé projecteur sur
parallèlement à
(ou de direction
).
L'application
est appelé symétrie par rapport à
parallèlement à
(ou de direction
).
I.2.12 Illustration
On représente les deux projections d'un vecteur
de
sur les droites
supplémentaires dans
, avec les mêmes conventions de notation que la définition.
Pour obtenir les projections, on a tracé en pointillés les parallèles à
et
passant par l'extrémité de
. les projections sont obtenues par intersection de ces parallèles avec
respectivement.
Remarquons qu'on a bien
ou encore
I.2.13 Liens entre ces applications
On a les liens important entre ces applications :
.
Si
désignent les projection et symétrie sur
et de direction
, on a
..
I.2.14 Méthode
Pour déterminer la projection
d'un vecteur
sur
parallèlement à
on exprime deux conditions sur
:
I.2.15 Exemple
Soient
. Alors
est une base de
(
deux vecteurs libres dans un espace de dimension 2
).
Ainsi
sont supplémentaires dans
d'après le théorème de la base adaptée. Notons
la projection sur
dans la direction
et déterminons
où
.
On a
et donc
pour un
.
On a
et donc
pour un
.
Ainsi
et donc
.
Finalement,
.
On constate que
et est canoniquement associée à la matrice
.
Si on note
la symétrie associée, on a
et on en déduit sa matrice canoniquement associée.
I.2.16 Théorème
Soit
un
-espace vectoriel. Soient également
deux sous-espaces de
, supplémentaires dans
Soit
le projecteur sur
de direction
. On a alors :
Réciproquement si
vérifie
alors
est le projecteur sur
dans la direction
(et on a donc
).
I.2.17 Théorème
Soit
un
-espace vectoriel. Soient également
deux sous-espaces de
, supplémentaires dans
Soit
la symétrie par rapport à
dans la direction
. Alors :
et
ie.
Réciproquement, soit
. Si
alors
est la symétrie par rapport à
parallèlement à
qui sont donc supplémentaires dans
.
I.2.18 Matrices réduites
On ne place en dimension finie, avec les notations de la définition précédente.
Construire les matrices de
dans une base adaptée à
.
I.2.19 Exemple
Soit
,
. L'application de transposition
est linéaire et vérifie que
.
Ainsi
est une symétrie. C'est la symétrie par rapport à
par rapport à
.
On retrouve ainsi que ces ensembles de matrices sont supplémentaires dans
.
La projection sur
parallèlement à
est alors
.
I.3 Somme et somme directe
I.3.1 Définition-proposition
Soit
un
-espace vectoriel et
des sous espaces de
.
La somme des espaces
⟦⟧
est
. C'est le sous espace de
engendré par les
On dit que la somme
est une somme
directe
et on note
ssi tout vecteur
s'écrit de manière
unique
sous la forme
avec
⟦⟧
.
La somme et la somme directe sont associatives, ce qui permet de justifier a posteriori l'utilisation de
et
Preuve
Il s'agit de montrer que
est un sous-espace de
et que la somme d'espace est associative. Nous allons le montrer dans le cas
et on pourrait généraliser facilement (seule la formalisation est plus délicate). Montrons que é Soit
. Alors on peut écrire
où
pour
⟦⟧
. Alors
et
et on a prouvé deux inclusions. Soit maintenant
. Alors on peut écrire
où
et
par définition de la somme de deux espaces. Comme
, on peut écrire
où
. Finalement on a bien
. De la même manière
et on a bien ce qui prouve au passage que
est un sous-espace de
en tant que somme de deux sous-espaces. On a alors
.
Comme la somme d'espaces est associative, la somme directe l'est aussi.
I.3.2 Lemme
Soit
un
-espace vectoriel et
des sous espaces de
et notons
Preuve
La linéarité n'est pas difficile et comme pour
I.2.5
la définition d'une somme directe est la même que la définition de la bijectivité.
On peut remarquer en plus ici qu'on a prit
comme ensemble d'arrivée et donc
est toujours surjective.
I.3.3 Remarque
Le cas
est déjà connu. La somme
est directe ssi
sont supplémentaires dans
. Autrement dit
I.3.4 Théorème
Soient
des sous espaces de
.
La somme
est directe ssi
Ainsi il suffit de vérifier que le vecteur nul possède une unique écriture sous forme de somme.
Preuve
C'est une ré-écriture de
I.3.5 Définition-proposition (Théorème de la base adaptée)
Soient
des sous espaces de
, de dimensions finies. Notons
.
ssi la concaténation de bases des
est une base de
.
Une telle base de
est dite
adaptée
à la somme directe.
Preuve
On procède comme pour les supplémentaires en utilisant l'application
.
I.3.6 Exercice
Trouver 3 espaces
tels que
.
II Espaces stables
II.1 Endomorphisme induit
II.1.1 Définition
Soit
et
un sous-espace de
. On dit que
est stable par
ssi
, c'est à dire
II.1.2 Exemple
Soit
et
. Montrer que
est stable par
.
Soit
. Alors
et donc
ou encore
. Or
est un sous-espace de
(car c'est un noyau d'endomorphisme) et donc
.
Ainsi
et
est effectivement stable par
.
II.1.3 Endomorphisme induit
Si
est stable par
alors on peut définir
la restriction de
à
(le détail important ici est l'espace d'arrivé qui est illégal si
n'est pas stable).
Alors
.
II.1.4 Familles génératrices
Soit
.
est stable par
ssi
⟦⟧
. En effet
.
II.1.5 Proposition
Soient
deux endomorphismes d'un espace vectoriel
.
Si
alors
est stable par
et
est stable par
Preuve
Il suffit de montrer une stabilité d'après la symétrie de l'hypothèse
.
Soit
. Montrons que
. Or
donc
.
II.2 En dimension finie
II.2.1 Exemple
Considérons l'application
.
On pose
,
.
Montrer que
est une base de
, que
sont stables par
, calculer
.
Réponse :
Le déterminant dans la base canonique de
vaut -6 (faire l'opération
pour trouver un déterminant triangulaire.) et donc
est bien une base de
.
On a
et donc
est stable par
. De plus,
(
on a cherché
tels que
) et
et donc
est stable par
.
Ces calculs permettent d'écrire les matrices demandées
où les
0
sont la conséquence du fait que
est stable par
(seul
est nécessaire à l'expression de
) et les
0
la conséquence de la stabilité de
par
(
s'expriment en fonction de seulement
).
II.2.2 Théorème
Soit
un sous-espace de
,
une base de
que l'on complète en une base
de
. On note
est stable par
ssi
est de la forme
où
( et on a alors
)
0 représente la matrice nulle de
Preuve
On note
.
Supposons
stable par
et notons,
(les
premiers sont dans
).
Pour
⟦⟧
, on a
. Les derniers termes de cette somme sont nuls car
, ainsi
.
Ceci prouve que les n - p dernières lignes de
sont nulles dans les
premières colonnes.
Réciproquement, si
est de la forme annoncée, alors
n'a des coordonnées que sur
ie est dans
, et ce pour tout
⟦⟧
.
II.2.3 Exemple
Donner l'interprétation géométrique de l'endomorphisme
canoniquement associé à
Notons
la base canonique de
,
.
Alors
et
sont stables par
et on a
d'après le théorème de la base adaptée.
De plus, pour les vecteur de
,
est l'identité. Ainsi l'axe
est invariant par
.
De plus
est une rotation d'angle
du plan
. On peut interpréter
comme la rotation d'angle
autour de l'axe
.
III Hyperplans et équations
III.1 Hyperplans ( )
III.1.1 Définition-proposition
Soit
un
-espace vectoriel de dimension
. Soit
un sous-espace de
.
é
Dans chacun de ces deux cas, on dit que
est un hyperplan.
Preuve
Immédiat en appliquant le théorème de la base incomplète pour
.
III.1.2 Exemple
Les droites dans
, les plans dans
.
On peut remarquer sur ces deux exemples que nos hyperplans vectoriels sont solutions d'une équation homogène (et d'ailleurs le cours de géométrie nous apprend que l'on peut lire un vecteur normal sur ces équations).
III.1.3 Droites supplémentaires
Soit
un hyperplan de
et
une droite. On a
n'est pas incluse dans
.
Ainsi tout vecteur
dirige un supplémentaire de
.
III.1.4 Formes linéaires
Soit
une application linéaire dont l'ensemble d'arrivé est
(le même que dans ``
est un
-espace vectoriel'').
On suppose que
n'est pas l'application nulle.
Alors
et donc
. Or, a priori,
et donc finalement
. Ainsi, d'après le théorème du rang,
Ainsi
est un hyperplan de
. Le théorème suivant peut être vu comme réciproque de ce résultat.
Par exemple, le noyau de la forme linéaire
est un plan de
normal à
et il faut poser deux paramètre dans l'équation pour trouver une base.
III.1.5 Lemme
Soient
deux formes linéaires.
ssi
et
sont proportionnelles ssi il existe
tel que
.
Preuve
Remarquons que
est soit un hyperplan soit
(dans le cas où
). On traite seulement le cas
un hyperplan de
.
Soit
. Alors
. Alors
car
n'est pas dans le noyau de ces applications. Pour
, notons
où
et
. On a alors En posant
on a bien
III.1.6 Théorème
Soit
un
-espace vectoriel de dimension finie
et
⟦⟧
une base de
.
Pour un hyperplan
il existe
non nul tel qu'une équation de
dans la base
soit
ce qui signifie que
de coordonnées
(dans
) appartient à
ssi
.
Toutes les autres équations de
dans
sont proportionnelles à celle-ci.
Preuve
Soit
une base de
. Soit
On a alors
est liée
.
Si on développe ce déterminant par rapport à la première colonne, on obtient bien une équation de la forme
où
sont des déterminants de taille
composés de coordonnées des vecteurs
.
On doit maintenant prouver que
c'est à dire qu'au moins un coefficient est non nul. Par l'absurde c'est évident, sinon tous les vecteurs
vérifieraient l'équation précédente et on aurait
ce qui n'est pas par un argument de dimension.
Il nous reste à montrer que toute autre équation de
dans
est proportionnelle à l'équation trouvée ici (qui, a priori, dépend au moins du choix de la base de
). Notons
. Il s'agit d'une forme linéaire dont le noyau est
. Une autre équation de
est donnée par
telle que
. Par les lemme précédent
et les équations sont bien proportionnelles.
III.2 Systèmes d'équations
III.2.1 Exemple
Donner l'interprétation géométrique de l'ensemble des solutions de
.
Il s'agit d'une droite vue comme intersection de deux plans de l'espace.
III.2.2 Système et théorème du rang
On considère un système linéaire homogène à
équations et
inconnues noté matriciellement
où l'inconnue est
et
.
L'ensemble des solutions est
est de dimension
. Cette dimension est exactement le nombre de paramètres à poser pour résoudre ce système.
est le nombre d'équations restantes une fois le système échelonné.
III.2.3 Intersection d'hyperplans
Soient
des hyperplans de
de dimension
et
une base de
.
L'intersection
est l'ensemble des solutions d'un système
à
inconnues (les coordonnées dans
) et
équations.
Le rang de
est au maximum
donc l'ensemble des solutions (notre intersection) est de dimension au moins
.
Quel est le cas d'égalité pour les dimensions ?
III.2.4 Théorème
Soit
de dimension
et
.
l'intersection de
hyperplans de
est de dimension au moins
.
réciproquement, tout sous-espace de dimension
est l'intersection de
hyperplans (et possède donc un système d'équation à
équations et
inconnues dans une base fixée de
).
Preuve
Il nous reste à prouver le deuxième point.
Soit
un sous-espace de
de dimension
. Notons
une base de
et complétons cette base en
.
Soit
et
ses coordonnées dans
. Alors
.
Si on note
pour
⟦⟧
des hyperplans décrits par leurs équations dans
, alors
.
On obtient bien
hyperplans ie.
équations.