Guide d'Étude : Éléments Fondamentaux d'Algèbre

Sources utilisées : Texte copié-collé fourni par l'utilisateur, Transcription audio de la conférence.

---

Introduction 📚

Ce guide d'étude est conçu pour t'aider à maîtriser les concepts fondamentaux de l'algèbre, incluant les groupes, les corps et les espaces vectoriels. Ces structures sont les piliers de nombreuses branches des mathématiques, de la physique et de la chimie théoriques. Nous explorerons les notations clés, les définitions, les propriétés essentielles et les démonstrations qui sous-tendent ces concepts.

---

1. Notations Clés en Algèbre 📝

Comprendre les notations est la première étape pour naviguer dans le monde de l'algèbre. Voici une liste des symboles et ensembles couramment utilisés :

• Opérateurs Logiques et Définitions :

  • □ : Indique la fin d'une démonstration.
  • ∀ : "Pour tout" (quantificateur universel).
  • ∃ : "Il existe" (quantificateur existentiel).
  • : : "On a" ou "tel que" (selon le contexte).
  • | : "Tel que" (souvent utilisé dans les définitions d'ensembles).
  • := : "Est défini par".

• Opérations de Somme et Produit :

  • ∑_{i=1}^{n} a_i : La somme des n termes a_1, ..., a_n (a_1 + a_2 + ... + a_n).
  • ∏_{i=1}^{n} a_i : Le produit des n facteurs a_1, ..., a_n (a_1 a_2 ... a_n).

• Relations d'Ensembles :

  • A ⊆ B : L'ensemble A est inclus ou égal à l'ensemble B.
  • A ⊂ B : L'ensemble A est strictement inclus à l'ensemble B.

• Ensembles de Nombres Fondamentaux :

  • ℕ : L'ensemble des entiers naturels.
  • ℕ₀ : L'ensemble des entiers naturels non nuls.
  • ℤ : L'ensemble des entiers relatifs.
  • ℝ : L'ensemble des nombres réels.
  • ℝ⁺ : L'ensemble des réels positifs (incluant zéro).
  • ℝ⁺₀ : L'ensemble des réels strictement positifs.
  • ℂ : L'ensemble des nombres complexes.

• Notations Spécifiques :

  • δᵢⱼ : Le symbole de Kronecker. Défini par δᵢⱼ = 1 si i = j, et 0 si i ≠ j (pour tout i, j ∈ ℕ).
  • z* : Le conjugué du nombre complexe z. Si z = a + bi, alors z* = a - bi (où a, b ∈ ℝ).
  • ℝⁿ : L'ensemble des n-uplets de nombres réels. {(a₁, ..., aₙ) | aᵢ ∈ ℝ ∀i=1,...,n}.
  • ℂⁿ : L'ensemble des n-uplets de nombres complexes. {(z₁, ..., zₙ) | zᵢ ∈ ℂ ∀i=1,...,n}.
  • C⁰([a,b],ℝ) : L'ensemble des fonctions continues à valeurs réelles et de domaine [a,b].

• Notations en Algèbre Linéaire :

  • V : Un espace vectoriel.
  • Vⁿ : Un espace vectoriel de dimension finie n ∈ ℕ₀.
  • x̄ : Un vecteur x.
  • Vec(x̄₁, ..., x̄ₙ) : Le sous-espace vectoriel engendré par les vecteurs x̄₁, ..., x̄ₙ.
  • Xₑ : La matrice colonne des composantes de x̄ ∈ Vⁿ dans la base e de Vⁿ.
  • ker A : Le noyau de l'application linéaire A.
  • Im A : L'image de l'application linéaire A.
  • σ(A) : Le spectre de l'opérateur linéaire ou de la matrice A.
  • L(V,W) : L'espace vectoriel des applications linéaires de l'espace vectoriel V dans l'espace vectoriel W.
  • L(V) : L'espace vectoriel des applications linéaires de l'espace vectoriel V dans lui-même (L(V,V)).
  • A† : L'adjointe de l'application linéaire ou de la matrice A.
  • det A : Le déterminant de l'opérateur linéaire ou de la matrice carrée A.
  • tr(A) : La trace de l'opérateur linéaire ou de la matrice carrée A.
  • (A)ᵢⱼ : L'élément de la matrice A situé dans la i-ième ligne et dans la j-ième colonne de la matrice A.
  • Aᵀ : La transposée de la matrice A.
  • A* : La matrice conjuguée de la matrice A.
  • Iₙ : La matrice identité d'ordre n.

---

Chapitre 1 : Groupes et Corps 🌍

1.1 Intérêt des Groupes et Corps 💡

La notion de groupe est fondamentale en algèbre. Elle est indispensable pour définir les concepts de corps et d'espaces vectoriels. Au-delà des mathématiques pures, les groupes jouent un rôle crucial dans l'étude des symétries, ce qui les rend très utilisés en physique et chimie théoriques. Les corps, quant à eux, fournissent le cadre numérique sur lequel les espaces vectoriels sont construits.

1.2 Groupes ✅

1.2.1 Définition d'un Groupe 📚

Une structure (G, ∗) est un groupe si l'ensemble G (non vide) est muni d'une loi de composition interne ∗ (partout définie, c'est-à-dire ∗ : G × G → G : (x, y) → x ∗ y) qui vérifie les propriétés suivantes :

1. Associativité : (x ∗ y) ∗ z = x ∗ (y ∗ z) pour tous x, y, z ∈ G.
   • Note : Grâce à l'associativité, on peut écrire x ∗ y ∗ z sans ambiguïté.
2. Existence d'un Neutre : Il existe un élément n ∈ G tel que x ∗ n = n ∗ x = x pour tout x ∈ G. (n est appelé le neutre pour la loi ∗).
3. Existence d'un Symétrique : Pour tout x ∈ G, il existe un élément x' ∈ G tel que x ∗ x' = x' ∗ x = n. (x' est appelé le symétrique de x pour la loi ∗).

1.2.2 Définition d'un Groupe Commutatif 📚

Un groupe (G, ∗) est dit commutatif (ou abélien) si la loi ∗ est commutative, c'est-à-dire si : x ∗ y = y ∗ x pour tous x, y ∈ G. Si un groupe n'est pas commutatif, il est dit non commutatif.

1.2.3 Remarques 💡

• Simplification pour les groupes commutatifs : Pour prouver qu'un élément est le neutre, il suffit de vérifier x ∗ n = x (ou n ∗ x = x). De même, pour le symétrique, x ∗ x' = n (ou x' ∗ x = n) est suffisant.
• Notations usuelles :
  • Si la loi ∗ est une addition (+), le neutre est souvent noté 0 et le symétrique de x est noté -x (appelé opposé). On parle alors du groupe G au lieu de (G,+).
  • Si la loi ∗ est une multiplication (., ou absence de symbole), le neutre est noté 1 et le symétrique de x est noté x⁻¹ (appelé inverse).

1.2.4 Propriétés d'Unicité 1️⃣2️⃣

Ces propriétés sont fondamentales car elles garantissent la cohérence de la structure de groupe.

1. Un groupe possède un unique neutre.

   • Démonstration :
     • L'existence d'un neutre découle de la définition d'un groupe.
     • Prouvons son unicité. Soit (G, ∗) un groupe quelconque et n₁, n₂ ∈ G deux neutres pour la loi ∗.
     • Par définition d'un neutre, n₁ ∗ n₂ = n₁ (car n₂ est un neutre).
     • Aussi, n₁ ∗ n₂ = n₂ (car n₁ est un neutre).
     • Par conséquent, n₁ = n₂.
   • 💡 Stratégie de Démonstration : Pour prouver l'unicité d'un élément ayant une certaine propriété, on suppose l'existence de deux tels éléments et on montre qu'ils sont nécessairement égaux. C'est une technique courante en mathématiques.

2. Chaque élément d'un groupe possède un unique symétrique.

   • Démonstration :
     • L'existence d'un symétrique pour chaque élément découle de la définition d'un groupe.
     • Prouvons son unicité. Soit (G, ∗) un groupe quelconque, n ∈ G le neutre pour la loi ∗, x ∈ G et x', x'' ∈ G deux symétriques de x pour la loi ∗. Il nous faut montrer que x' = x''.
     • x'' = x'' ∗ n (car n est le neutre)
     • x'' = x'' ∗ (x ∗ x') (car x' est un symétrique de x)
     • x'' = (x'' ∗ x) ∗ x' (car la loi ∗ est associative)
     • x'' = n ∗ x' (car x'' est un symétrique de x)
     • x'' = x' (car n est le neutre)
   • 💡 Stratégie de Démonstration : Similaire à l'unicité du neutre, on suppose deux symétriques et on utilise les axiomes du groupe (neutre, associativité, symétrique) pour montrer leur égalité. La clé est de "dérouler" les définitions et propriétés pas à pas.

1.2.5 Propriétés Élémentaires 1️⃣2️⃣3️⃣4️⃣

Soit un groupe (G, ∗) dont le neutre est noté n.

1. Simplifiabilité : Pour tous x, y, z ∈ G, on a :

   • x ∗ z = y ∗ z ⇔ x = y (simplifiabilité à droite)
   • z ∗ x = z ∗ y ⇔ x = y (simplifiabilité à gauche)
   • Démonstration (simplifiabilité à droite) :
     • Montrons l'implication directe (⇒). Soit x, y, z ∈ G tels que x ∗ z = y ∗ z. Soit z' le symétrique de z.
     • (x ∗ z) ∗ z' = (y ∗ z) ∗ z' (par égalité des membres gauches)
     • x ∗ (z ∗ z') = y ∗ (z ∗ z') (par associativité)
     • x ∗ n = y ∗ n (car z' est le symétrique de z)
     • x = y (car n est le neutre)
     • L'implication réciproque (⇐) est évidente (si x=y, alors x*z=y*z).
   • 💡 Stratégie de Démonstration : Pour la simplifiabilité, l'astuce est de "multiplier" par le symétrique de l'élément à simplifier, en utilisant l'associativité et la propriété du neutre.

2. Symétrique d'un produit : Pour tous x, y ∈ G, le symétrique de x ∗ y est donné par y' ∗ x', où x' (resp. y') est le symétrique de x (resp. y).

   • Démonstration :
     • On doit montrer que (x ∗ y) ∗ (y' ∗ x') = n et (y' ∗ x') ∗ (x ∗ y) = n.
     • (x ∗ y) ∗ (y' ∗ x') = x ∗ (y ∗ y') ∗ x' (associativité)
     • = x ∗ n ∗ x' (définition du symétrique y')
     • = x ∗ x' (définition du neutre n)
     • = n (définition du symétrique x')
     • La preuve pour (y' ∗ x') ∗ (x ∗ y) = n est similaire.
   • 💡 Stratégie de Démonstration : Il s'agit de vérifier la définition du symétrique pour l'élément (x*y). On utilise l'associativité pour regrouper les termes et faire apparaître le neutre.

3. Solution unique de a ∗ x = b : Pour tous a, b ∈ G, l'équation a ∗ x = b admet comme unique solution x = a' ∗ b, où a' est le symétrique de a.

   • Démonstration : (Voir séances d'exercices)
   • 💡 Piste pour la Démonstration : Pour l'existence, substitue x = a' ∗ b dans l'équation et utilise les propriétés du groupe. Pour l'unicité, suppose deux solutions x₁ et x₂, et montre qu'elles sont égales en utilisant la simplifiabilité.

4. Solution unique de x ∗ a = b : Pour tous a, b ∈ G, l'équation x ∗ a = b admet comme unique solution x = b ∗ a', où a' est le symétrique de a.

   • Démonstration : Similaire à la propriété précédente.

1.2.6 Exemples de Groupes Commutatifs ✅

• (ℤ, +), (ℚ, +), (ℝ, +), (ℂ, +) avec l'addition usuelle.
• (ℚ\{0}, ·), (ℝ\{0}, ·), (ℂ\{0}, ·) avec la multiplication usuelle.
• (ℤₙ, ⊕) où ℤₙ = {0, 1, ..., n-1} et a ⊕ b = le reste de la division de (a+b) par n.

1.2.7 Exemples de Groupes Non Commutatifs ⚠️

• Pour n ≥ 2, l'ensemble des matrices réelles d'ordre n inversibles, noté GLₙ(ℝ), muni de la multiplication matricielle usuelle.
• Soit E un ensemble non vide et Bₑ l'ensemble des bijections de E. La structure (Bₑ, ◦) où (f ◦ g)(x) = f[g(x)] pour tous f, g ∈ Bₑ et tout x ∈ E.

1.3 Corps ✅

1.3.1 Définition d'un Corps 📚

La structure (K, +, .) est un corps si l'ensemble K (non vide) est muni de deux lois internes + (addition) et . (multiplication) telles que :

1. La structure (K, +) est un groupe commutatif.
2. La structure (K\{0}, .) est un groupe, où 0 désigne le neutre pour l'addition.
3. La loi . est distributive par rapport à la loi +, c'est-à-dire :
   • (x + y)z = xz + yz
   • z(x + y) = zx + zy pour tous x, y, z ∈ K.
   • Note : Le produit x.y est souvent noté xy.

1.3.2 Définition d'un Corps Commutatif 📚

La structure (K, +, .) est un corps commutatif (ou champ) si (K, +, .) est un corps et si la loi . est commutative. Si un corps n'est pas commutatif, il est dit non commutatif.

1.3.3 Exemples de Corps ✅

• Les structures (ℚ, +, .), (ℝ, +, .) et (ℂ, +, .) avec les lois usuelles sont des corps commutatifs.
• La structure (ℤₙ, ⊕, ⊗) est un corps commutatif lorsque n est un nombre premier. (⊕ est l'addition modulo n, ⊗ est la multiplication modulo n).

1.3.4 Propriétés Élémentaires 1️⃣2️⃣3️⃣

Soit un corps (K, +, .).

1. Produit par zéro : Pour tout a ∈ K, on a 0a = a0 = 0.

   • Démonstration :
     • Pour tout a ∈ K, 0a = (0 + 0)a (car 0 est le neutre pour l'addition).
     • 0a = 0a + 0a (par distributivité).
     • En ajoutant l'opposé de 0a à chaque membre (ou par simplifiabilité dans le groupe (K,+)), on obtient 0 = 0a.
     • La preuve de a0 = 0 est similaire.
   • 💡 Stratégie de Démonstration : Utilise la propriété du neutre de l'addition et la distributivité. La simplifiabilité dans le groupe (K,+) est cruciale pour isoler le 0.

2. Produit par l'opposé : Pour tous a, b ∈ K, on a (-a)b = a(-b) = -(ab).

   • Note : -(ab) est souvent noté simplement -ab.
   • Démonstration :
     • ab + (-a)b = (a + (-a))b (par distributivité)
     • = 0b (-a est l'opposé de a)
     • = 0 (par la propriété précédente 0b=0)
     • Ceci implique que (-a)b est l'opposé de ab, donc (-a)b = -(ab).
     • De même, ab + a(-b) = a(b + (-b)) = a0 = 0, ce qui implique a(-b) = -(ab).
   • 💡 Stratégie de Démonstration : Montre que (-a)b (ou a(-b)) est l'opposé de ab en utilisant la distributivité et la propriété 0x=0.

3. Solution unique de ax + b = 0 : Pour tous a, b ∈ K avec a ≠ 0, l'équation ax + b = 0 admet comme unique solution x = -a⁻¹b.

   • Démonstration : (Voir séances d'exercices)
   • 💡 Piste pour la Démonstration : Isole ax puis multiplie par l'inverse de a (qui existe car a ≠ 0). L'unicité découle de l'unicité de l'inverse et de l'opposé.

---

Chapitre 2 : Espaces Vectoriels 📊

2.1 Introduction 💡

L'algèbre linéaire se concentre principalement sur l'étude des espaces vectoriels et des applications linéaires. Nous allons d'abord explorer l'espace vectoriel réel ℝⁿ comme prototype, avant de généraliser le concept.

2.2 L'Espace Vectoriel Réel ℝⁿ ✅

2.2.1 Définition d'une Liste ou d'un n-uple 📚

Une liste de longueur n (ou n-uple) est un ensemble ordonné de n éléments, séparés par des virgules et entourés de parenthèses. Deux listes sont égales si elles ont la même longueur et les mêmes éléments dans le même ordre.

2.2.2 L'Ensemble Cartésien ℝⁿ 📚

L'ensemble cartésien ℝⁿ est défini comme l'ensemble de tous les n-uplets de réels : ℝⁿ = {x̄ = (x₁, ..., xₙ) | x₁, ..., xₙ ∈ ℝ}. Le réel xᵢ est appelé la i-ème composante du n-uple.

2.2.3 Égalité dans ℝⁿ 📚

Deux éléments de ℝⁿ, x̄ = (x₁, ..., xₙ) et ȳ = (y₁, ..., yₙ), sont dits égaux si leurs composantes sont égales deux à deux : x̄ = ȳ ⇔ ∀i=1,...,n : xᵢ = yᵢ.

2.2.4 Addition dans ℝⁿ 📚

L'addition dans ℝⁿ, notée ⊕, est définie par : ⊕ : ℝⁿ × ℝⁿ → ℝⁿ : (x̄, ȳ) → x̄ ⊕ ȳ := (x₁ + y₁, ..., xₙ + yₙ). x̄ ⊕ ȳ est la somme de x̄ et ȳ.

2.2.5 Commutativité de l'Addition dans ℝⁿ ✅

L'addition dans ℝⁿ est commutative : pour tous x̄, ȳ ∈ ℝⁿ, x̄ ⊕ ȳ = ȳ ⊕ x̄.

• Démonstration :
  • Soit x̄ = (x₁, ..., xₙ) et ȳ = (y₁, ..., yₙ).
  • x̄ ⊕ ȳ = (x₁ + y₁, ..., xₙ + yₙ) (définition de ⊕)
  • = (y₁ + x₁, ..., yₙ + xₙ) (commutativité de l'addition dans ℝ)
  • = ȳ ⊕ x̄ (définition de ⊕)
• 💡 Stratégie de Démonstration : La preuve repose sur la définition de l'addition dans ℝⁿ et sur la propriété correspondante (commutativité, associativité, etc.) des nombres réels.

2.2.6 L'Élément 0̄ (Neutre) ✅

Le n-uple 0̄ := (0, ..., 0) est le neutre pour l'addition dans ℝⁿ : x̄ ⊕ 0̄ = 0̄ ⊕ x̄ = x̄ pour tout x̄ ∈ ℝⁿ.

• Démonstration : (Voir séances d'exercices)
• 💡 Piste pour la Démonstration : Applique la définition de l'addition dans ℝⁿ et la propriété du neutre 0 dans ℝ.

2.2.7 Opposé d'un n-uple de Réels ✅

Le n-uple x̄' = (-x₁, ..., -xₙ) ∈ ℝⁿ est l'opposé de x̄ = (x₁, ..., xₙ) ∈ ℝⁿ (le symétrique de x̄ pour l'addition) : x̄ ⊕ x̄' = x̄' ⊕ x̄ = 0̄.

• Démonstration : (Voir séances d'exercices)
• 💡 Piste pour la Démonstration : Applique la définition de l'addition dans ℝⁿ et la propriété de l'opposé dans ℝ.

2.2.8 Associativité de l'Addition dans ℝⁿ ✅

L'addition dans ℝⁿ est associative : pour tous x̄, ȳ, z̄ ∈ ℝⁿ, x̄ ⊕ (ȳ ⊕ z̄) = (x̄ ⊕ ȳ) ⊕ z̄.

• Démonstration : (Voir séances d'exercices)
• 💡 Piste pour la Démonstration : Similaire à la commutativité, utilise la définition de l'addition dans ℝⁿ et l'associativité de l'addition dans ℝ.

2.2.9 Propriété : (ℝⁿ, ⊕) est un Groupe Commutatif ✅

Des sections précédentes, on déduit que la structure (ℝⁿ, ⊕) est un groupe commutatif.

2.2.10 Multiplication d'un n-uple de Réels par un Réel 📚

La multiplication, notée ⊙, d'un n-uple de réels par un réel est définie par : ⊙ : ℝ × ℝⁿ → ℝⁿ : (α, x̄) → α ⊙ x̄ := (αx₁, ..., αxₙ). α ⊙ x̄ est le produit de α et x̄.

2.2.11 Propriétés Fondamentales 1️⃣2️⃣3️⃣4️⃣

Pour tous x̄, ȳ ∈ ℝⁿ et tous α, β ∈ ℝ, on a :

1. Associativité de la multiplication scalaire : α ⊙ (β ⊙ x̄) = (αβ) ⊙ x̄.

2. Distributivité scalaire sur l'addition scalaire : (α + β) ⊙ x̄ = (α ⊙ x̄) ⊕ (β ⊙ x̄).

   • Démonstration :
     • Soit x̄ = (x₁, ..., xₙ). Pour tous α, β ∈ ℝ :
     • (α + β) ⊙ x̄ = ((α + β)x₁, ..., (α + β)xₙ) (définition de ⊙)
     • = (αx₁ + βx₁, ..., αxₙ + βxₙ) (distributivité dans ℝ)
     • = (αx₁, ..., αxₙ) ⊕ (βx₁, ..., βxₙ) (définition de ⊕)
     • = (α ⊙ x̄) ⊕ (β ⊙ x̄) (définition de ⊙)
   • 💡 Stratégie de Démonstration : Comme pour l'addition, ces preuves reposent sur l'application des définitions des opérations dans ℝⁿ et des propriétés correspondantes dans ℝ.

3. Distributivité scalaire sur l'addition vectorielle : α ⊙ (x̄ ⊕ ȳ) = (α ⊙ x̄) ⊕ (α ⊙ ȳ).

4. Neutre de la multiplication scalaire : 1 ⊙ x̄ = x̄.

2.2.12 Remarque sur les Notations 💡

Par souci de simplicité, l'addition dans ℝⁿ (⊕) est souvent notée +, et la multiplication scalaire (⊙) est souvent notée . ou simplement par juxtaposition (αx̄). Le contexte permet généralement d'éviter toute confusion.

2.3 Espaces Vectoriels 📊

2.3.1 Définition d'un Espace Vectoriel 📚

Soit K un corps commutatif et V un ensemble non vide muni d'une loi d'addition vectorielle + : V × V → V : (x̄, ȳ) → x̄ + ȳ et d'une loi de multiplication par un scalaire · : K × V → V : (α, x̄) → αx̄.

La structure (V, +, ·) est un espace vectoriel sur K si les huit axiomes suivants sont vérifiés :

• Axiome 1 (Associativité de l'addition vectorielle) : ∀x̄, ȳ, z̄ ∈ V : (x̄ + ȳ) + z̄ = x̄ + (ȳ + z̄).
• Axiome 2 (Existence d'un neutre pour l'addition vectorielle) : ∃0̄ ∈ V | ∀x̄ ∈ V : x̄ + 0̄ = x̄.
• Axiome 3 (Existence d'un symétrique pour l'addition vectorielle) : ∀x̄ ∈ V, ∃(-x̄) ∈ V | x̄ + (-x̄) = 0̄.
• Axiome 4 (Commutativité de l'addition vectorielle) : ∀x̄, ȳ ∈ V : x̄ + ȳ = ȳ + x̄.
• Axiome 5 (Associativité de la multiplication) : ∀x̄ ∈ V et ∀α, β ∈ K : α(βx̄) = (αβ)x̄.
• Axiome 6 (Distributivité mixte) : ∀x̄ ∈ V et ∀α, β ∈ K : (α + β)x̄ = αx̄ + βx̄.
• Axiome 7 (Distributivité vectorielle) : ∀x̄, ȳ ∈ V et ∀α ∈ K : α(x̄ + ȳ) = αx̄ + αȳ.
• Axiome 8 (Neutre de la multiplication scalaire) : ∀x̄ ∈ V : 1x̄ = x̄ (où 1 est le neutre de la multiplication dans K).

💡 Note sur les Axiomes :

• Les quatre premiers axiomes signifient que (V, +) est un groupe commutatif.
• Le neutre pour l'addition vectorielle (0̄) est unique, et chaque vecteur possède un unique symétrique (-x̄).
• L'ordre des axiomes peut varier selon les auteurs. L'important est de comprendre leur signification et leur rôle.

2.3.2 Remarques sur le Vocabulaire et les Notations 💡

• Abus de langage : On parle souvent de "l'espace vectoriel V" au lieu de "l'espace vectoriel (V, +, ·)".
• Type d'espace vectoriel : Si K = ℝ, V est un espace vectoriel réel. Si K = ℂ, V est un espace vectoriel complexe.
• Scalaires et Vecteurs : Les éléments de K sont des scalaires, ceux de V sont des vecteurs (souvent notés avec une barre x̄).
• Neutre et Opposé : 0 est le neutre de l'addition dans K, 1 est le neutre de la multiplication dans K. 0̄ est le vecteur nul (neutre de l'addition vectorielle). -x̄ est l'opposé du vecteur x̄.
• Soustraction : x̄ - ȳ est une notation pour x̄ + (-ȳ).
• Symboles surchargés : + et . peuvent désigner des opérations dans K ou dans V selon le contexte.

2.3.3 Propriétés Élémentaires 1️⃣2️⃣

1. Simplifiabilité : Pour tous x̄, ȳ, z̄ ∈ V, on a :

   • x̄ + z̄ = ȳ + z̄ ⇔ x̄ = ȳ (simplifiabilité à droite)
   • z̄ + x̄ = z̄ + ȳ ⇔ x̄ = ȳ (simplifiabilité à gauche)
   • Note : Ces propriétés découlent directement du fait que (V, +) est un groupe commutatif.

2. Opposé d'une somme : Pour tous x̄, ȳ ∈ V, l'opposé de x̄ + ȳ est (-x̄) + (-ȳ).

   • Note : Cette propriété découle également du fait que (V, +) est un groupe commutatif.

2.3.4 Exemples d'Espaces Vectoriels ✅

Soit K un corps commutatif.

1. Kⁿ : L'ensemble des n-uplets d'éléments de K, muni des lois d'addition et de multiplication scalaire composante par composante, est un espace vectoriel sur K. Ex: (ℝⁿ, +, ·) est un espace vectoriel réel, (ℂⁿ, +, ·) est un espace vectoriel complexe.
2. ℂⁿ sur ℝ : L'ensemble ℂⁿ muni de l'addition usuelle et de la multiplication par un scalaire réel est un espace vectoriel réel.
3. Kⁿˣᵐ (Matrices) : L'ensemble des matrices à coefficients dans K, comportant n lignes et m colonnes, muni de l'addition matricielle et de la multiplication scalaire matricielle, est un espace vectoriel sur K.
4. Vˣ (Fonctions) : L'ensemble des fonctions d'un ensemble non vide X dans V (un espace vectoriel sur K), muni de l'addition de fonctions (f+g)(x) = f(x)+g(x) et de la multiplication scalaire (αf)(x) = αf(x), est un espace vectoriel sur K. Un cas important est l'ensemble des fonctions réelles d'une variable réelle.
5. Kᴺ (Suites) : L'ensemble des suites d'éléments de K, muni de l'addition et de la multiplication scalaire terme par terme, est un espace vectoriel sur K.
6. K[x] (Polynômes) : L'ensemble des polynômes (en une variable) à coefficients dans K, muni de l'addition de polynômes et de la multiplication scalaire, est un espace vectoriel sur K.

2.3.5 Propriétés 1️⃣2️⃣3️⃣4️⃣5️⃣6️⃣

Soit V un espace vectoriel sur K.

1. 0̄ par scalaire 0 : Pour tout x̄ ∈ V, on a 0x̄ = 0̄.

   • Démonstration :
     • x̄ = 1x̄ (Axiome 8)
     • = (1 + 0)x̄ (0 est le neutre pour l'addition dans K)
     • = 1x̄ + 0x̄ (Axiome 6)
     • = x̄ + 0x̄ (Axiome 8)
     • Comme le neutre du groupe commutatif (V, +) est unique, on en déduit 0x̄ = 0̄.
   • 💡 Stratégie de Démonstration : Utilise les axiomes de l'espace vectoriel pour manipuler l'expression x̄ et faire apparaître 0x̄. La propriété d'unicité du neutre est la clé de la conclusion.

2. 0̄ par tout scalaire : Pour tout λ ∈ K, on a λ0̄ = 0̄.

   • Démonstration :
     • λ0̄ + 0̄ = λ0̄ (0̄ est le neutre pour l'addition dans V)
     • = λ(0̄ + 0̄) (0̄ est le neutre pour l'addition dans V)
     • = λ0̄ + λ0̄ (Axiome 7)
     • En utilisant la propriété de simplifiabilité à gauche dans (V,+), on en déduit λ0̄ = 0̄.
   • 💡 Stratégie de Démonstration : Similaire à la précédente, mais en manipulant λ0̄ et en utilisant l'axiome 7 et la simplifiabilité.

3. Si λx̄ = 0̄ avec λ ≠ 0, alors x̄ = 0̄.

   • Démonstration :
     • x̄ = 1x̄ (Axiome 8)
     • = λ⁻¹λx̄ (λ⁻¹ existe car λ ≠ 0 et K est un corps)
     • = λ⁻¹(λx̄) (Axiome 5)
     • = λ⁻¹0̄ (car λx̄ = 0̄)
     • = 0̄ (par la propriété 2 de cette section)
   • 💡 Stratégie de Démonstration : Utilise l'existence de l'inverse du scalaire λ dans le corps K et les axiomes de l'espace vectoriel.

4. Si λx̄ = 0̄ avec x̄ ≠ 0̄, alors λ = 0.

   • Démonstration : Procédons par l'absurde. Supposons que λ ≠ 0. La propriété précédente impliquerait alors x̄ = 0̄, ce qui contredit notre hypothèse x̄ ≠ 0̄. Par conséquent, λ = 0.
   • 💡 Stratégie de Démonstration : C'est une démonstration par l'absurde, s'appuyant sur la propriété précédente.

5. Si λx̄ = λȳ, alors λ = 0 ou x̄ = ȳ.

   • Démonstration : (Voir séances d'exercices)
   • 💡 Piste pour la Démonstration : Réécris l'équation comme λx̄ - λȳ = 0̄, puis λ(x̄ - ȳ) = 0̄. Utilise ensuite la propriété 4.

6. (-λ)x̄ = λ(-x̄) = -(λx̄). En particulier, (-1)x̄ = -x̄.

   • Démonstration : (Voir séances d'exercices)
   • 💡 Piste pour la Démonstration : Montre que (-λ)x̄ est l'opposé de λx̄ en montrant que leur somme est 0̄. Fais de même pour λ(-x̄). Utilise les axiomes de distributivité et la propriété 0x̄ = 0̄.

2.4 Combinaisons Linéaires ➕

2.4.1 Définition d'une Combinaison Linéaire 📚

Une combinaison linéaire (en abrégé : combili) des vecteurs v̄₁, ..., v̄ₘ de V est un vecteur de la forme : λ₁v̄₁ + ... + λₘv̄ₘ, où λ₁, ..., λₘ ∈ K. Les scalaires λ₁, ..., λₘ sont appelés les coefficients de la combinaison linéaire.

2.4.2 Définition d'une Combinaison Linéaire Unique 📚

Soit v̄₁, ..., v̄ₘ ∈ V. Le vecteur x̄ ∈ V est une combinaison linéaire unique des vecteurs v̄₁, ..., v̄ₘ s'il existe un unique m-uple (λ₁, ..., λₘ) ∈ Kᵐ tel que x̄ = λ₁v̄₁ + ... + λₘv̄ₘ.

2.4.3 Exemples 💡

1. Dans ℝ³, (2,1,0) est une combinaison linéaire unique de (1,1,1) et (0,-1,-2) car (2,1,0) = 2(1,1,1) + 1(0,-1,-2). Il n'est pas une combinaison linéaire de (1,1,1) et (2,2,0).
2. Dans ℝ², (1,2) est une combinaison linéaire de (1,0), (0,1) et (1,1), mais elle n'est pas unique : (1,2) = 1(1,0) + 2(0,1) + 0(1,1) = 0(1,0) + 1(0,1) + 1(1,1).
3. Dans l'espace vectoriel ℝᴿ (fonctions réelles), f(x) = cos(2x), g(x) = cos²(x), h(x) = sin²(x). f est une combinaison linéaire unique de g et h car f = 1g + (-1)h (puisque cos(2x) = cos²(x) - sin²(x)).

2.5 Sous-Espaces Vectoriels (SEV) 🌳

2.5.1 Définition d'un Sous-Espace Vectoriel 📚

Un sous-ensemble W de V est un sous-espace vectoriel de V si :

1. W est non vide.
2. ∀x̄, ȳ ∈ W : x̄ + ȳ ∈ W (fermeture par addition).
3. ∀λ ∈ K, ∀x̄ ∈ W : λx̄ ∈ W (fermeture par multiplication scalaire).

💡 Conditions équivalentes :

• La condition (i) peut être remplacée par (i') 0̄ ∈ W (où 0̄ est le vecteur nul de V).
• Les conditions (ii) et (iii) peuvent être remplacées par la condition unique (ii') ∀λ, μ ∈ K, ∀x̄, ȳ ∈ W : λx̄ + μȳ ∈ W.

2.5.2 Exemples de Sous-Espaces Vectoriels ✅

1. Les ensembles {0̄ ∈ V} et V sont des sous-espaces vectoriels de V, qualifiés de triviaux.
2. {(x₁,x₂,x₃,x₄) ∈ ℝ⁴ | x₁ + x₂ + x₃ + x₄ = 0} est un SEV de ℝ⁴.
3. L'ensemble des fonctions réelles de classe Cᵏ est un SEV de ℝᴿ.
4. Les ensembles de fonctions réelles paires et impaires sont des SEV de ℝᴿ.
5. Les ensembles de matrices symétriques et antisymétriques sont des SEV de ℝⁿˣⁿ.
6. L'ensemble Kₙ[x] des polynômes de degré strictement inférieur à n est un SEV de K[x].

2.5.3 Exemples de Parties qui ne sont pas des Sous-Espaces Vectoriels ⚠️

1. {(x₁,x₂,x₃,x₄) ∈ ℝ⁴ | x₁ + x₂ + x₃ + x₄ = 1} n'est pas un SEV car il ne contient pas le vecteur nul (0,0,0,0).
2. {(x,y) ∈ ℝ² | y = x²} n'est pas un SEV car il contient (1,1) mais pas (-1)(1,1) = (-1,-1).

2.5.4 Théorème 1 sur les Sous-Espaces Vectoriels 📚

Soit W une partie non vide de V. W est un sous-espace vectoriel de V si et seulement si toute combinaison linéaire de vecteurs de W appartient à W.

• Démonstration :
  • Implication directe (⇒) : Si W est un SEV, alors par définition, il est fermé sous l'addition et la multiplication scalaire. Toute combinaison linéaire λ₁w̄₁ + ... + λₘw̄ₘ peut être construite en appliquant ces deux propriétés de manière répétée. Par exemple, λ₁w̄₁ ∈ W, λ₂w̄₂ ∈ W, donc λ₁w̄₁ + λ₂w̄₂ ∈ W, et ainsi de suite.
  • Implication réciproque (⇐) : Si toute combinaison linéaire de vecteurs de W appartient à W, alors :
    • W est non vide (par hypothèse du théorème).
    • Pour x̄, ȳ ∈ W, x̄ + ȳ = 1x̄ + 1ȳ est une combinaison linéaire, donc x̄ + ȳ ∈ W.
    • Pour λ ∈ K, x̄ ∈ W, λx̄ = λx̄ est une combinaison linéaire, donc λx̄ ∈ W.
    • Ainsi, W est un SEV.
  • 💡 Stratégie de Démonstration : L'implication directe est une application directe des définitions. L'implication réciproque utilise le fait que l'addition et la multiplication scalaire sont des cas particuliers de combinaisons linéaires.

2.5.5 Théorème 2 sur les Sous-Espaces Vectoriels 📚

La partie W de V est un sous-espace vectoriel de V si et seulement si W, muni des mêmes lois d'addition vectorielle et de multiplication par un scalaire que V, est un espace vectoriel sur K.

• Démonstration :
  • Implication directe (⇒) : Si W est un SEV, alors W est non vide et les lois sont internes à W. Les axiomes 1, 4, 5, 6, 7, 8 d'un espace vectoriel sont vérifiés automatiquement car les éléments de W sont aussi dans V. Les axiomes 2 (0̄ ∈ W) et 3 (-x̄ ∈ W) sont vérifiés par les conditions équivalentes de la définition d'un SEV (0̄ ∈ W et -x̄ = (-1)x̄ ∈ W).
  • Implication réciproque (⇐) : Si (W, +, ·) est un espace vectoriel, alors W est non vide (axiome 2), et les loi…