Espace dual

Un article de Wikipédia, l'encyclopédie libre.

En mathématiques, l'espace dual d'un espace vectoriel $E$ est l'ensemble des formes linéaires sur $E$ . La structure d'un espace et celle de son dual sont très liées. La fin de cet article présente quelques résultats sur les liens entre espace dual et hyperplans, ce qui permet une compréhension « géométrique » de certaines propriétés des formes linéaires.

Le dual topologique est une variante très considérée en analyse fonctionnelle, lorsque l'espace vectoriel est muni d'une structure additionnelle d'espace vectoriel topologique.

Sommaire

1 Définitions
- 1.1 Exemples
  - 1.1.1 Cas d'un espace préhilbertien
2 Dualité en dimension finie
- 2.1 Exemple
3 Orthogonal
4 Représentation des sous-espaces
5 Voir aussi

[modifier] Définitions

Article détaillé : Forme linéaire.

Soient $(K,+, \times)$ un corps, $E$ un $K$ -espace vectoriel

On appelle forme linéaire sur $E$ toute application linéaire de $E$ vers $K$ , c'est-à-dire toute application $\phi : E \to K$ telle que

$\forall (x,y) \in E^2,\ \forall \lambda \in \mathbb{K},\ \phi(\lambda x + y) = \lambda \phi(x) + \phi(y).$

L'ensemble $\mathcal{L}(E,K)$ des formes linéaires sur $E$ est un $K$ -espace vectoriel, dit espace dual de $E$ ; il est noté $E *$ .

Si $φ$ est un élément de $E *$ et $x$ un élément de $E$ , on écrit parfois $\langle\phi,x\rangle$ pour $φ(x)$ . Cette notation est dite crochet de dualité.

[modifier] Exemples

[modifier] Cas d'un espace préhilbertien

Si l'espace vectoriel $E$ est un espace préhilbertien, c'est-à-dire muni d'un produit scalaire $\langle \cdot \rangle$ , on a un moyen naturel de « plonger » $E$ dans $E *$ , c'est-à-dire d'associer à chaque élément de $E$ un élément du dual, et ce de manière à former un isomorphisme entre $E$ et un sous-espace de $E *$ : à chaque élément $x$ de $E$ on associe la forme linéaire $\phi_x : E \to K;\ y \mapsto \langle x,y\rangle$ . Alors l'application $f : E \to E^*;\ x \mapsto \phi_x$ est une application linéaire injective, donc l'espace $E$ est isomorphe au sous-espace $f (E)$ de $E *$ .

[modifier] Dualité en dimension finie

Si l'espace $E$ est de dimension finie $n$ , alors l'espace dual $E *$ , isomorphe à $E$ , est lui aussi de dimension $n$ . On peut raffiner ce résultat.

Théorème de la base duale — Soit $(e_1,\ldots,e_n)$ une base de $E$ et soit $\phi \in E^*$ . Alors la famille $(e_1^*,\ldots,e_n^*)$ de vecteurs de $E *$ définie par

$\forall i \in \{1,\ldots,n\},\ \forall x \in E,\ e_i^*(x)=x_i;$

(où $x i$ est la coordonnée de $x$ correspondant au vecteur $e i$ ) définit une base de $E *$ , appelée base duale. Et par construction, on a

dim E = dim E * .

En dimension finie, un espace a donc la même dimension que son espace dual. Remarquons qu'on ne peut pas affirmer dans le cas général qu'un espace vectoriel est isomorphe à son dual : ceci est faux pour certains espaces vectoriels de dimension infinie.

[modifier] Exemple

Les polynômes de Lagrange associés à des scalaires $x_0,x_1,\dots,x_n$ (voir Interpolation lagrangienne) s'ils sont tous distincts deux à deux forment une base de l'ensemble des polynômes dont la base duale est formée des fonctions d'évaluations $\ \phi_i(P)=P(x_i)$ .

[modifier] Orthogonal

Ici, $E$ est un espace vectoriel quelconque (on ne suppose pas de dimension finie).

Si $A$ est un sous-espace de $E$ , on définit l'orthogonal $A^\circ$ de $A$ dans $E *$ par :

$A^\circ=\{\phi \in E^* \,|\, \forall x \in A,\ \langle\phi,x\rangle=0\}.$

Si $B$ est un sous-espace de $E *$ , on définit l'orthogonal $B^\bot$ de $B$ dans $E$ par :

$B^\bot=\{x \in E\colon\forall \phi \in B, \langle\phi,x\rangle=0\} \,$

Il ne faut pas confondre la notion d'orthogonal d'un sous-espace dans la théorie de dualité avec l'orthogonalité dans la théorie des espaces euclidiens.

[modifier] Représentation des sous-espaces

Ce paragraphe présente une application très importante de l'étude de l'espace dual : la représentation d'un sous-espace comme intersection d'hyperplans. On se restreint ici au cas d'un espace vectoriel de dimension finie.

Soit $E$ un $K$ -espace vectoriel de dimension finie $n$ .

Soit $F$ un sous-espace de dimension $p$ (distinct de $E$ ) ; on a donc $p < n$ .

Alors, il existe $q = n - p$ formes linéaires indépendantes $\phi_1,\ldots , \phi_q$ telles que

$F=\bigcap_{i=1}^q \ker \phi_i;$

c'est-à-dire

$\forall x \in E,\ x \in F \Longleftrightarrow \left( \phi_1(x)=0\ \mathrm{et} \phi_2(x)=0\ \mathrm{et} \ldots \mathrm{et} \phi_q(x)=0\right).$

Ce théorème généralise les résultats élémentaires connus en dimension 2 ou 3 sur la représentation de droite ou de plan par des équations. En particulier, dans un espace vectoriel de dimension 3, l'intersection de 2 plans indépendants est une droite.

Nota : il ne faut pas confondre la notion de droite ou de plan dans un espace affine (qui correspond à l'intuition géométrique) et celle, utilisée ici, de droite vectorielle ou de plan vectoriel. On appelle droite vectorielle un sous-espace de dimension 1, et plan vectoriel un sous-espace de dimension 2.

On peut donc représenter un sous-espace $F$ de dimension $p$ par $q$ équations linéaires indépendantes, où

q = dim E - p .

[modifier] Voir aussi

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