Scheda di revisione: Introduction aux espaces vectoriels

📋 Plan du Cours

1. Règles de calcul
2. Exemples fondamentaux
3. Sous-espaces vectoriels
4. Familles et génératrices
5. Indépendance linéaire
6. Bases d’un espace
7. Coordonnées dans une base

📖 1. Règles de calcul

🔑 Notions clés & Définitions

Espace vectoriel : Un ensemble E muni de deux opérations, l’addition + et la multiplication par un scalaire ·, qui vérifient huit axiomes fondamentaux liant ces opérations. Ces axiomes assurent la cohérence et la structure algébrique permettant la manipulation vectorielle. (Source : MT2 - ch3)

Addition vectorielle : Opération interne notée +, qui associe à deux vecteurs u et v un vecteur u + v, vérifiant notamment la commutativité, l’associativité, et possédant un élément neutre. (Source : MT2 - ch3)

Multiplication scalaire : Opération externe notée ·, qui associe un scalaire λ à un vecteur u pour donner un vecteur λ · u, respectant des propriétés telles que la distributivité, l’associativité, et la présence d’un élément neutre. (Source : MT2 - ch3)

Élément neutre : Dans un espace vectoriel, deux éléments neutres existent : l’élément neutre pour l’addition, noté 0_E, tel que pour tout vecteur u, u + 0_E = u ; et l’élément neutre pour la multiplication scalaire, noté 1, tel que 1 · u = u. (Source : MT2 - ch3)

Opposé d’un vecteur : Pour tout vecteur u, il existe un vecteur v appelé opposé de u, noté −u, tel que u + (−u) = 0_E. (Source : MT2 - ch3)

Distributivité : Propriété fondamentale liant l’addition vectorielle et la multiplication scalaire, qui stipule que pour tout scalaire λ et vecteurs u, v : λ · (u + v) = λ · u + λ · v, et que pour deux scalaires λ, μ : (λ + μ) · u = λ · u + μ · u. (Source : MT2 - ch3)

📝 Points essentiels

Un espace vectoriel est défini par 8 axiomes liant addition et multiplication par un scalaire. Parmi eux, la propriété d’associativité de l’addition (1), l’existence d’un élément neutre pour l’addition (2), et l’existence d’un opposé pour chaque vecteur (3). La commutativité de l’addition (4) garantit que u + v = v + u. La distributivité (5 et 6) relie la multiplication scalaire à l’addition vectorielle, assurant la cohérence des opérations. La propriété d’associativité mixte (7) relie la multiplication par deux scalaires successifs, et l’existence d’un élément neutre pour la multiplication scalaire (8) garantit que 1 · u = u. La multiplication par 1 laisse inchangé un vecteur, tandis que la multiplication par 0 donne le vecteur nul, élément neutre pour l’addition.

💡 À retenir

Un espace vectoriel repose sur des règles précises liant addition et multiplication, où la multiplication par 1 ne modifie pas le vecteur et celle par 0 donne le vecteur nul, assurant la cohérence des opérations fondamentales.

📖 2. Exemples fondamentaux

🔑 Notions clés & Définitions

Espace Kn : L’espace Kn est constitué de listes ordonnées de n nombres (réels si K = R, complexes si K = C). La loi d’addition est définie composante par composante :
$(x_1, \ldots, x_n) + (y_1, \ldots, y_n) = (x_1 + y_1, \ldots, x_n + y_n)$
La multiplication par un scalaire λ est également définie composante par composante :
$(λ · (x_1, \ldots, x_n)) = (λ x_1, \ldots, λ x_n)$
Ce dernier espace est un espace vectoriel sur K.

Espace de matrices Mn,p(K) : L’ensemble Mn,p(K) des matrices à n lignes et p colonnes, à coefficients dans K, forme un espace vectoriel pour l’addition matricielle et la multiplication par un scalaire. La somme de deux matrices et la multiplication d’une matrice par un scalaire respectent les lois usuelles.

Espace de polynômes K[X] : L’ensemble K[X] des polynômes à coefficients dans K, muni de l’addition et de la multiplication par un scalaire, constitue un espace vectoriel. La somme de deux polynômes et la multiplication d’un polynôme par un scalaire respectent les lois classiques.

Espace de fonctions F(Ω,K) : Pour un ensemble Ω non vide, F(Ω,K) désigne l’ensemble des applications de Ω dans K. La somme de deux fonctions f et g, et la multiplication d’une fonction par un scalaire λ, sont définies point par point :
$(f + g)(x) = f(x) + g(x)$
$(λ · f)(x) = λ · f(x)$
Ce qui fait de F(Ω,K) un espace vectoriel.

Vecteur nul dans différents espaces :

• Dans Kn : le vecteur nul est (0, 0, ..., 0).
• Dans Mn,p(K) : la matrice nulle, dont tous les coefficients sont 0.
• Dans K[X] : le polynôme nul, dont tous les coefficients sont 0.
• Dans F(Ω,K) : la fonction nulle, qui associe 0 à chaque x ∈ Ω.

📝 Points essentiels

Les espaces vectoriels peuvent être constitués de listes (Kn), matrices (Mn,p(K)), polynômes (K[X]) ou fonctions (F(Ω,K)).
Les opérations d’addition et de multiplication scalaire sont définies selon la nature des éléments :

• Listes : addition composante par composante, multiplication scalaire par chaque composante.
• Matrices : addition matricielle, multiplication scalaire par chaque coefficient.
• Polynômes : addition coefficient par coefficient, multiplication scalaire par chaque coefficient.
• Fonctions : addition point par point, multiplication scalaire par la valeur de la fonction en chaque point.

💡 À retenir

Les espaces vectoriels concrets, tels que listes, matrices, polynômes ou fonctions, illustrent la diversité des objets pouvant être structurés selon le cadre abstrait de l’espace vectoriel, avec des opérations adaptées à leur nature.

📖 3. Sous-espaces vectoriels

🔑 Notions clés & Définitions

Sous-espace vectoriel : Un sous-ensemble F d’un espace vectoriel E est un sous-espace vectoriel si, muni des lois d’addition et de multiplication par un scalaire de E, il lui-même forme un espace vectoriel. En particulier, F doit contenir le vecteur nul, être stable par addition et par multiplication scalaire. (Source : définition implicite dans le contenu)

Inclusion du vecteur nul : Tout sous-espace vectoriel F doit contenir le vecteur nul de E, noté 0E. Cela garantit la présence de l’élément neutre pour l’addition dans F. (Source : définition implicite)

Stabilité par addition : Si deux vecteurs u et v appartiennent à F, alors leur somme u + v appartient aussi à F. Cela assure que F est fermé sous l’addition. (Source : définition implicite)

Stabilité par multiplication scalaire : Si un vecteur u appartient à F et λ un scalaire, alors le vecteur λu appartient aussi à F. Cela garantit la stabilité de F sous la multiplication par un scalaire. (Source : définition implicite)

Intersection de sous-espaces : L’intersection de deux sous-espaces vectoriels de E est un sous-espace vectoriel de E. Elle contient le vecteur nul, est stable par addition et par multiplication scalaire, et est donc un sous-espace. (Source : proposition 4)

📝 Points essentiels

Un sous-espace vectoriel doit contenir le vecteur nul et être stable par addition et multiplication scalaire. La présence du vecteur nul est une condition nécessaire, car elle garantit l’existence d’un point d’origine. La stabilité par addition signifie que la somme de deux vecteurs du sous-espace reste dans ce sous-espace, ce qui permet de former une structure cohérente. La stabilité par multiplication scalaire assure que la multiplication d’un vecteur par un scalaire reste dans le sous-espace, ce qui est essentiel pour la structure d’un espace vectoriel. Enfin, l’intersection de deux sous-espaces est toujours un sous-espace, ce qui permet de construire des sous-espaces plus petits à partir de plusieurs sous-espaces donnés.

💡 À retenir

Un sous-espace vectoriel est caractérisé par sa contenant le vecteur nul et sa stabilité par addition et multiplication scalaire. L’intersection de plusieurs sous-espaces est également un sous-espace, ce qui facilite leur étude et leur construction.

📖 4. Familles et génératrices

🔑 Notions clés & Définitions

Combinaison linéaire
Une combinaison linéaire d’un ensemble de vecteurs est une expression de la forme :
$\lambda_1 \vec{u}_1 + \lambda_2 \vec{u}_2 + \dots + \lambda_p \vec{u}_p$
où $\lambda_1, \lambda_2, \dots, \lambda_p$ sont des scalaires. Toute combinaison linéaire appartient au sous-espace engendré par ces vecteurs.

Sous-espace engendré
Le sous-espace engendré par une famille de vecteurs $\{\vec{u}_1, \vec{u}_2, \dots, \vec{u}_p\}$ est l’ensemble de toutes leurs combinaisons linéaires :
$\operatorname{Vect}(\vec{u}_1, \dots, \vec{u}_p) = \left\{ \lambda_1 \vec{u}_1 + \dots + \lambda_p \vec{u}_p \mid \lambda_i \in \mathbb{R} \right\}$

Famille génératrice
Une famille de vecteurs $F = (\vec{u}_1, \vec{u}_2, \dots, \vec{u}_p)$ est une famille génératrice d’un espace $E$ si tout vecteur de $E$ peut s’écrire comme une combinaison linéaire de ces vecteurs, c’est-à-dire :
$E = \operatorname{Vect}(\vec{u}_1, \dots, \vec{u}_p)$

VECT(−→u1, ..., −→up)
Il s’agit de la notation désignant le sous-espace engendré par la famille de vecteurs $\{ \vec{u}_1, \dots, \vec{u}_p \}$. Toute combinaison linéaire de ces vecteurs appartient à ce sous-espace.

📝 Points essentiels

• Toute combinaison linéaire de vecteurs d'une famille appartient au sous-espace engendré par cette famille.
• Une famille génératrice permet d'exprimer tout vecteur de l’espace comme une combinaison linéaire de ses vecteurs.
• La notion de sous-espace engendré est centrale pour construire et décrire des espaces vectoriels à partir de familles de vecteurs.
• La famille $( \vec{u}_1, \dots, \vec{u}_p )$ est une famille génératrice de $E$ si et seulement si $E = \operatorname{Vect}(\vec{u}_1, \dots, \vec{u}_p)$.

💡 À retenir

Les familles de vecteurs construisent et décrivent des sous-espaces entiers en permettant d’exprimer tous leurs éléments comme combinaisons linéaires, ce qui est essentiel pour comprendre la structure d’un espace vectoriel.

📖 5. Indépendance linéaire

🔑 Notions clés & Définitions

Famille liée : Une famille de vecteurs est dite liée si l’un d’eux peut s’écrire comme une combinaison linéaire des autres. Autrement dit, il existe une dépendance entre ces vecteurs, ce qui implique qu’au moins un vecteur n’apporte pas d’information nouvelle pour générer l’espace qu’ils engendrent.

Famille libre : Une famille de vecteurs est dite libre si aucun vecteur ne peut s’écrire comme une combinaison linéaire des autres. La famille est alors indépendante, ce qui garantit qu’aucune redondance n’existe parmi eux.

Relation de dépendance linéaire : La dépendance linéaire entre vecteurs d’une famille signifie qu’il existe une combinaison linéaire non triviale (avec au moins un coefficient non nul) qui donne le vecteur nul. Elle traduit une redondance dans la famille.

Unicité de la combinaison nulle : Dans une famille libre, la seule combinaison linéaire qui donne le vecteur nul est la combinaison triviale, c’est-à-dire tous les coefficients sont nuls. Cela assure que la représentation d’un vecteur par des coefficients est unique.

📝 Points essentiels

Une famille est liée si un vecteur peut être exprimé comme une combinaison linéaire des autres, sinon elle est libre. La dépendance ou l’indépendance d’une famille de vecteurs se détermine donc par la possibilité ou non d’écrire un vecteur comme combinaison linéaire des autres.

La combinaison linéaire nulle, c’est-à-dire la somme de coefficients multipliés par des vecteurs donnant le vecteur nul, est unique pour une famille libre. Autrement dit, si la famille est libre, la seule solution à l’équation de combinaison linéaire nulle est celle où tous les coefficients sont nuls.

💡 À retenir

Comprendre si une famille de vecteurs est liée ou libre permet de garantir l’absence de redondance, ce qui est essentiel pour assurer une représentation unique et efficace des vecteurs dans un espace vectoriel. La propriété d’unicité de la combinaison nulle dans une famille libre est un critère fondamental pour cette indépendance.

📖 6. Bases d’un espace

🔑 Notions clés & Définitions

Base d’un espace vectoriel : famille de vecteurs qui est à la fois libre (aucun vecteur ne peut s’écrire comme combinaison linéaire des autres) et génératrice (tout vecteur de l’espace peut s’écrire comme combinaison linéaire de ces vecteurs). (source : non spécifiée, définitions implicites)

Base canonique : famille particulière de vecteurs, généralement standard dans un espace de dimension finie, qui constitue une base. La définition précise n’est pas donnée dans le contenu source, mais elle est évoquée comme une famille de vecteurs spécifique.

Famille libre génératrice : famille de vecteurs qui est à la fois libre (aucun vecteur n’est combinaison linéaire des autres) et génératrice (tout vecteur de l’espace peut s’écrire comme combinaison linéaire de cette famille). (source : non spécifiée, définitions implicites)

Dimension d’un espace vectoriel : nombre d’éléments dans une base de cet espace. Toutes les bases d’un espace de dimension finie ont le même nombre d’éléments. (source : proposition 12, définitions implicites)

📝 Points essentiels

Une base est une famille libre qui génère tout l’espace vectoriel. Cela signifie que chaque vecteur de l’espace peut s’écrire de manière unique comme combinaison linéaire des vecteurs de la base, et qu’aucun vecteur de cette famille ne peut être exprimé comme combinaison linéaire des autres.

Dans un espace vectoriel de dimension finie, toutes les bases ont le même nombre d’éléments. Ce nombre est appelé la dimension de l’espace. La proposition 12 affirme que si E est un espace de dimension finie non réduit à {0}, alors la dimension de E est le nombre d’éléments de toute base de E.

💡 À retenir

Une base est l’outil minimal et complet pour décrire un espace vectoriel : elle est à la fois libre et génératrice, et son nombre d’éléments, appelé dimension, est une caractéristique fondamentale de l’espace.

📖 7. Coordonnées dans une base

🔑 Notions clés & Définitions

Coordonnées d'un vecteur : Ce sont les scalaires qui apparaissent dans la décomposition du vecteur en une combinaison linéaire des vecteurs d'une base. Autrement dit, si un vecteur $\vec{v}$ s'écrit comme une somme pondérée par des scalaires $a_1, a_2, \ldots, a_n$ des vecteurs de la base $\mathcal{B} = (\vec{e}_1, \vec{e}_2, \ldots, \vec{e}_n)$, alors ces scalaires sont appelés ses coordonnées dans cette base.

Unicité de la décomposition : Dans une base, chaque vecteur admet une seule expression comme combinaison linéaire des vecteurs de cette base. Cela signifie que ses coordonnées sont uniques.

Notation des coordonnées : Les coordonnées d’un vecteur $\vec{v}$ dans une base $\mathcal{B}$ sont généralement notées sous la forme $(a_1, a_2, \ldots, a_n)$ ou $[\vec{v}]_{\mathcal{B}}$.

Expression d’un vecteur dans une base : Un vecteur $\vec{v}$ peut s’écrire comme $\vec{v} = a_1 \vec{e}_1 + a_2 \vec{e}_2 + \ldots + a_n \vec{e}_n$, où $(a_1, a_2, \ldots, a_n)$ sont ses coordonnées dans la base $\mathcal{B}$.

📝 Points essentiels

Dans une base, chaque vecteur s’écrit de manière unique comme combinaison linéaire des vecteurs de la base. Les scalaires de cette combinaison, appelés coordonnées, déterminent entièrement le vecteur. La notation de ces coordonnées est souvent sous la forme d’un vecteur de scalaires $(a_1, a_2, \ldots, a_n)$. Cette représentation permet de retrouver le vecteur initial en effectuant la somme pondérée des vecteurs de la base par ces coordonnées.

💡 À retenir

Maîtriser la représentation d’un vecteur par ses coordonnées dans une base donnée garantit une expression unique, facilitant l’étude et la manipulation des vecteurs dans l’espace vectoriel.

📅 Repères chronologiques

(aucune date explicitement mentionnée dans le contenu fourni, cette section est omise)

📊 Tableaux de Synthèse

Thème	Notions clés	Définition / Exemple	Auteur / Source
Espace vectoriel	8 axiomes fondamentaux	Structure avec addition + et multiplication · vérifiant axiomes	MT2 - ch3
Addition vectorielle	Commutativité, associativité, élément neutre	u + v = v + u, (u + v) + w = u + (v + w), 0_E tel que u + 0_E = u	MT2 - ch3
Multiplication scalaire	Distributivité, associativité, neutre	λ · (u + v) = λ · u + λ · v, 1 · u = u, 0 · u = 0_E	MT2 - ch3
Exemples d'espaces	Kn, Mn,p(K), K[X], F(Ω,K)	Listes, matrices, polynômes, fonctions	Sources diverses
Sous-espace vectoriel	Contient 0, fermé par addition et scalaire	Intersections de sous-espaces également sous-espace	Définition implicite

⚠️ Pièges & Confusions Fréquentes

1. Confondre l’élément neutre pour l’addition (0_E) avec celui pour la multiplication scalaire (1).
2. Oublier que la stabilité par addition implique que la somme de deux vecteurs dans le sous-espace reste dans ce sous-espace.
3. Confondre la définition d’un espace vectoriel avec une structure plus restrictive ou différente.
4. Négliger que l’intersection de plusieurs sous-espaces est toujours un sous-espace.
5. Confondre la multiplication scalaire par un vecteur et la multiplication matricielle ou autre opération spécifique à certains espaces.
6. Omettre que la présence du vecteur nul est une condition nécessaire pour qu’un ensemble soit un sous-espace.
7. Mal interpréter la notion de combinaison linéaire comme une opération exclusive ou limitée.

✅ Checklist Examen

1. Connaître la définition précise d’un espace vectoriel selon MT2 - ch3.
2. Maîtriser les axiomes fondamentaux liant addition et multiplication scalaire.
3. Savoir donner un exemple d’espace vectoriel concret : Kn, Mn,p(K), K[X], F(Ω,K).
4. Comprendre la notion de vecteur nul dans différents espaces.
5. Identifier une sous-espace vectorielle : contient 0, stable par addition et multiplication scalaire.
6. Savoir démontrer qu’une intersection de sous-espaces est un sous-espace.
7. Connaître la définition d’une combinaison linéaire et ses propriétés.
8. Reconnaître si un ensemble est un espace vectoriel ou un sous-espace.
9. Maîtriser la différence entre l’élément neutre pour l’addition (0_E) et pour la multiplication scalaire (1).
10. Savoir donner un exemple de famille génératrice ou d’ensemble générateur.
11. Comprendre le rôle des axiomes dans la cohérence des opérations.
12. Vérifier si un ensemble est stable par addition et multiplication scalaire.

Dernier item de la checklist

Connaître la définition et les propriétés des sous-espaces vectoriels ainsi que leur stabilité par addition et multiplication scalaire.