See also ebooksgratis.com: no banners, no cookies, totally FREE.

CLASSICISTRANIERI HOME PAGE - YOUTUBE CHANNEL
Privacy Policy Cookie Policy Terms and Conditions
Sous-espace vectoriel - Wikipédia

Sous-espace vectoriel

Un article de Wikipédia, l'encyclopédie libre.

En algèbre linéaire, un sous-espace vectoriel d'un espace vectoriel E est un ensemble F inclus dans E, tel que les lois « + » et « \cdot » de E, appliquées à F, font de ce dernier un espace vectoriel (sur le même corps \mathbb{K}), c'est-à-dire que ( F, +, \cdot ) est un \mathbb{K}-espace vectoriel.

Sommaire

[modifier] Définition équivalente

Le sous-ensemble F est un \mathbb K-sous-espace vectoriel de E si et seulement si :

  •  F \neq \emptyset  ;
  •  \forall u \in F , \ \forall v \in F , \ u + v \in F  ;
  •  \forall \lambda \in \mathbb{K} , \ \forall u \in F , \ \lambda u \in F .

Ceci équivaut à :

  •  F \neq \emptyset ;
  •  \forall u \in F, \ \forall v \in F, \ \forall \lambda \in \mathbb{K}, \ \lambda  u + v \in F.

En d'autres termes, F est un sous-espace vectoriel de E si et seulement s'il n'est pas vide et est stable par combinaisons linéaires.

Nota : dans tout espace vectoriel E non réduit à \ \{0\}, il y a au moins deux sous-espaces vectoriels. Ce sont \ \{0\} et E lui-même : on les appelle les deux sous-espaces vectoriels triviaux.

Remarque 1 : un sous-espace vectoriel F de E contient nécessairement le vecteur nul \ 0_E de E (en effet, comme F est non vide, il existe au moins un élément \ u_0 de F ; alors, pour tout \ \lambda dans \ \mathbb{K}, λu0 appartient à F ; le choix \ \lambda = 0 donne 0_E = 0 \cdot u_0 \in F).

C'est pourquoi, lorsqu'il s'agit de montrer qu'un sous-ensemble F de E est un sous-espace vectoriel de E, on vérifie que F n'est pas vide en s'assurant qu'il contient le vecteur nul.

Remarque 2 : lorsque E n'est pas réduit à \ \{0\}, on définit dans l'ensemble  G = E \setminus \{0_E\} une relation d'équivalence R qui consiste à dire que deux éléments V et W sont liés par R s'il existe un élément k non nul du corps commutatif K tel que W = k V. Alors P, l'ensemble quotient de G par R, a une structure très riche d'espace projectif.

[modifier] Intersection de deux sous-espaces vectoriels

[modifier] Propriété

Soient  F_1\quad et  F_2\quad deux sous-espaces vectoriels de E. Alors :

  •  F_1 \cap F_2 est un sous-espace vectoriel de E .

Plus généralement, toute intersection de sous-espaces vectoriels est un sous-espace vectoriel, c'est-à-dire que : pour toute famille  (F_i)_{i\in I} de sous-espaces vectoriels de E,  \cap_{i\in I}F_i est un sous-espace vectoriel de E.

[modifier] Union de sous-espaces vectoriels

Dans le cas général, la structure de sous-espace vectoriel n'est pas stable par l'union. Il existe deux propositions traitant ce cas.

  • E est ici de dimension finie, et son corps associé est de cardinal infini. Si (Fi) est une famille finie de sous-espaces vectoriels de E et tous différents de E, alors l'union de la famille (Fi) est différente de E.
  • Si (Fi) est une famille de sous-espaces vectoriels de E telle que l'union de deux éléments de cette famille soit toujours incluse dans un troisième élément de la famille, alors l'union de la famille (Fi) est un sous-espace vectoriel de E.


[modifier] Somme de deux ou plusieurs sous-espaces vectoriels

[modifier] Définition

Soient  F_1\quad et  F_2\quad deux sous-espaces vectoriels de E. On définit le sous-ensemble suivant de E :

 F_1 + F_2 = \left\{x \in E / \exists x_1 \in F_1, \exists x_2 \in F_2, x = x_1 + x_2\right\} .

[modifier] Propriété et définition

  •  F_1 + F_2\quad est un sous-espace vectoriel de E contenant à la fois  F_1 \quad et  F_2\quad . On l'appelle somme de  F_1\quad et  F_2\quad.
  • Si F est un sous-espace vectoriel de E contenant à la fois  F_1 \quad et  F_2\quad , alors  F_1 + F_2 \subset F .
C'est pourquoi on dit que  F_1 + F_2\quad est le plus petit sous-espace vectoriel de E contenant  F_1 \cup F_2. Cela équivaut à :
  •  F_1 + F_2\quad est l'intersection de tous les sous-espaces vectoriels de E contenant  F_1 \cup F_2.

Remarque : la réunion de deux sous-espaces vectoriels n'est pas, en général, un sous-espace vectoriel ; pour qu'elle le soit, il faut et il suffit que l'un des deux soit inclus dans l'autre.

[modifier] Généralisation

Soient  F_1, F_2, \dots, F_m m sous-espaces vectoriels de E. On définit le sous-ensemble suivant de E :

 \sum_{i = 1}^m F_i = \left\{x \in E / \exists (x_1, x_2, \dots, x_m) \in F_1 \times F_2 \times \cdots \times F_m, x = x_1 + x_2 + \cdots + x_m\right\} .
C'est l'ensemble des vecteurs de E qui admettent au moins une décomposition en somme de vecteurs appartenant respectivement aux sous-espaces vectoriels  F_1, F_2, \dots, F_m (si cette décomposition est de plus unique, la somme des sous-espaces est dite directe).

Dès lors :

  •  \sum_{i = 1}^m F_i est un sous-espace vectoriel de E contenant à la fois  F_1, F_2, \dots, F_m . On l'appelle somme de ces sous-espaces.
  • Si F est un sous-espace vectoriel de E contenant à la fois  F_1, F_2, \dots, F_m , alors  \sum_{i = 1}^m F_i \subset F .
On dit de même que  \sum_{i = 1}^m F_i est le plus petit sous-espace vectoriel de E contenant  F_1 \cup F_2 \cup \cdots \cup F_m.

[modifier] Sous-espace vectoriel engendré

[modifier] Définition

Soit A une partie quelconque de E.

  • Si A est non vide, on définit le sous-ensemble suivant de E :
 \mbox{Vect}(A) = \left\{ \sum_{i=1}^n {\lambda}_i x_i \Bigg/ n \in \mathbb{N}^\star, {\lambda}_i \in \mathbb K, x_i \in A \right\}.
(ainsi, Vect(A) est par définition l'ensemble des combinaisons linéaires d'éléments de A).
  • On complète cette définition en posant \mbox{Vect}(\emptyset) = \{0_E\}.

[modifier] Propriété 1

Soit A une partie de E.

  • L'ensemble Vect(A) est un sous-espace vectoriel de E, et il contient A.
  • Si F est un sous-espace vectoriel de E contenant A, alors \mbox{Vect}(A) \subset F.
C'est pourquoi on dit que Vect(A) est le plus petit sous-espace vectoriel de E contenant A.
On l'appelle sous-espace vectoriel de E engendré par A.
  • Le sous-espace vectoriel engendré par A est l'intersection de tous les sous-espaces vectoriels de E contenant A.

Nota : considérons l'application \varphi : \mathcal{P}(E) \to \mathcal{P}(E), A \mapsto \mbox{Vect}(A), où  \mathcal{P}(E) désigne l'ensemble des parties de E.

On désigne par A et B deux parties quelconques de E. Il résulte de la propriété précédente que :

  • L'application \varphi est croissante : si A \subset B, alors  \mbox{Vect}(A) \subset \mbox{Vect}(B) .
  • L'application \varphi est extensive :  A \subset \mbox{Vect}(A) .
  • L'application \varphi est idempotente :Vect((Vect(A)) = Vect(A)
On dit alors que \varphi est une fermeture. Les sous-espaces vectoriels de E sont les points fixes de \varphi  :
  • Pour qu'une partie A de E soit un sous-espace vectoriel de E, il faut et il suffit que Vect(A) = A.

[modifier] Propriété 2

Soient A et B deux parties de E. Alors :

  •  \mbox{Vect}(A) + \mbox{Vect}(B) = \mbox{Vect}(A \cup B)
Articles d'algèbre linéaire générale
vecteur • scalaire • combinaison linéaire • espace vectoriel
famille de vecteurs sous-espace

colinéarité • indépendance linéaire
famille libre ou liée • rang
famille génératrice • base
théorème de la base incomplète

somme • somme directe
supplémentaire
dimension • codimension
droite • plan • hyperplan

morphismes et notions relatives

application linéaire • noyau • conoyau •  lemme des noyaux
pseudo-inverse•  théorème de factorisation • théorème du rang
équation linéaire • système • élimination de Gauss-Jordan
forme linéaire • espace dual • orthogonalité • base duale
endomorphisme • valeur, vecteur, espace propres • spectre
projecteur • symétrie • diagonalisable • nilpotent

en dimension finie

trace • déterminant • polynôme caractéristique
polynôme d'endomorphisme • théorème de Cayley-Hamilton
polynôme minimal • invariants de similitude
réduction • réduction de Jordan • décomposition de Dunford

matrice
enrichissements de structure

norme • produit scalaire • forme quadratique • topologie
orientation • multiplication • crochet de Lie • différentielle

développements

théorie des matrices • théorie des représentations
analyse fonctionnelle • algèbre multilinéaire
module sur un anneau


aa - ab - af - ak - als - am - an - ang - ar - arc - as - ast - av - ay - az - ba - bar - bat_smg - bcl - be - be_x_old - bg - bh - bi - bm - bn - bo - bpy - br - bs - bug - bxr - ca - cbk_zam - cdo - ce - ceb - ch - cho - chr - chy - co - cr - crh - cs - csb - cu - cv - cy - da - de - diq - dsb - dv - dz - ee - el - eml - en - eo - es - et - eu - ext - fa - ff - fi - fiu_vro - fj - fo - fr - frp - fur - fy - ga - gan - gd - gl - glk - gn - got - gu - gv - ha - hak - haw - he - hi - hif - ho - hr - hsb - ht - hu - hy - hz - ia - id - ie - ig - ii - ik - ilo - io - is - it - iu - ja - jbo - jv - ka - kaa - kab - kg - ki - kj - kk - kl - km - kn - ko - kr - ks - ksh - ku - kv - kw - ky - la - lad - lb - lbe - lg - li - lij - lmo - ln - lo - lt - lv - map_bms - mdf - mg - mh - mi - mk - ml - mn - mo - mr - mt - mus - my - myv - mzn - na - nah - nap - nds - nds_nl - ne - new - ng - nl - nn - no - nov - nrm - nv - ny - oc - om - or - os - pa - pag - pam - pap - pdc - pi - pih - pl - pms - ps - pt - qu - quality - rm - rmy - rn - ro - roa_rup - roa_tara - ru - rw - sa - sah - sc - scn - sco - sd - se - sg - sh - si - simple - sk - sl - sm - sn - so - sr - srn - ss - st - stq - su - sv - sw - szl - ta - te - tet - tg - th - ti - tk - tl - tlh - tn - to - tpi - tr - ts - tt - tum - tw - ty - udm - ug - uk - ur - uz - ve - vec - vi - vls - vo - wa - war - wo - wuu - xal - xh - yi - yo - za - zea - zh - zh_classical - zh_min_nan - zh_yue - zu -