1) Espace vectoriel sur Rn
Définitions : On appelle vecteur de Rn tout élément x=(x1,…,xn) noté aussi x=(xi)1≤i≤n.
Les xi sont les composantes ou coordonnées du vecteur x.
L’espace Rn muni de l’addition + et de la loi ⋅ : (Rn,+,⋅) est un R-espace vectoriel.
Remarques : L’addition, notée + est interne : +:Rn×Rn→Rn(x,y)↦x+y.
La loi ⋅ est une loi externe : +:R×Rn→Rn(λ,x)↦λ⋅x=λx.
Définition : La famille (e1,…,en), définie par ei=(0,…,1,…) avec 1 en i-ème position, est la base canonique de Rn.
Pour tout x∈Rn, x=n∑i=1xiei^
Exemple : La base canonique du plan vectoriel R2 est formée des vecteurs (1 ; 0) et (0 ; 1).
Définition : Si y1,…,yp sont p vecteurs de Rn et λ1,…,λp sont p réels, alors le vecteur λ1y1+…+λpyp est une combinaison linéaire des vecteurs y1,…,yp.
Définition : Soit F⊂Rn.
F est un sous-espace vectoriel de Rn si :
- F≠∅
- Pour tous u,v∈F et λ∈R, u+v∈F et λu∈F.
Remarque : Un sous-espace vectoriel contient toujours le vecteur nul.
Définition : Soit une famille de Rn F=(u1,…,up) ou F=(ui)1≤i≤p.
Le sous-espace vectoriel engendré par la famille F, noté vect(F), est l'ensemble des combinaisons linéaires des vecteurs u1,…,up. Autrement dit : vect(F)={λ1u1+…+λpup tel que (λ1,…,λp)∈Rp}.
Remarque : si p=1, alors vect(F)=vect(u1)={λ.u1∣λ∈R}; c'est une droite vectorielle.
Théorème : un sous-espace vectoriel engendré est un sous-espace vectoriel.
Théorème : (u1,…,up) est une base du sous-espace vectoriel du sous-espace vectoriel F de Rn si et seulement si tout vecteur de F se décompose de manière unique sous forme d’une combinaison linéaire de (u1,…,up).
2) Applications linéaires
Définition : Soit f:Rn→Rp une application.
f est linéaire si pour tout x∈Rn, pour tout y∈Rn, pour tout λ∈R, f(λx+y)=λf(x)+f(y).
Remarque : Soit f:Rn→Rp. Si f est linéaire, l’image par f du vecteur nul de Rn est le vecteur nul de Rp et pour tout x∈Rn, f(−x)=−f(x).
Exemple : On identifie Rn avec Mn,1(R) (les vecteurs de Rn sont en colonne). On fait de même avec Rp et Mp,1(R).
Soit M une matrice de Mp,n(R). Alors f:x∈Rn→Mx∈Rp est linéaire.
Définition : Soit f application linéaire de Rn vers Rp.
On définit le noyau de f par Ker(f)={x∈Rn/f(x) =0 (vecteur nul)}.
Théorème : Le noyau est un sous-espace vectoriel de Rn.
Définition : Soit f application linéaire de Rn vers Rp.
On définit l’image de f par Im(f)={y∈Rp/ il existe x∈Rn, f(x)=y}
Théorème : L’image est un sous-espace vectoriel de Rp.
Théorème : Soit (e1,…en) base canonique de Rn.
Im(f)=Vect(f(e1),…,f(en))