Vous êtes sur la page 1sur 23

Notes de cours

L1 MATH120
Herv e Le Dret
18 octobre 2004
40
Chapitre 3
Vecteurs dans R
m
Dans ce chapitre, nous allons nous familiariser avec la notion de vecteur du
point de vue alg ebrique. Nous reviendrons le moment venu sur le point de vue
g eom etrique
3.1 D enition et op erations sur les vecteurs
D enition 17 Soit m 1 un entier. Un vecteur de R
m
est une matrice ` a m lignes
et 1 colonne. Un scalaire est un nombre r eel (par opposition ` a un vecteur).
On parle aussi de vecteur-colonne. On va egalement employer une notation pro-
visoire avec des petites ` eches, que lon abandonnera d` es que lon aura acquis les
notions de base qui suivent. Ainsi
u =
_
3
1
_
, v =
_
0,2

5
_
sont des vecteurs de R
2
et
w =
_
_
_
_
1
2
3
4
_
_
_
_
est un vecteur de R
4
.
Comme un vecteur na quune seule colonne, il est inutile de conserver la
notation ` a double indice des matrices : un seul indice suft. La r` egle d egalit e
entre matrices sapplique bien s ur au cas particulier des vecteurs. Ainsi
si u =
_
u
1
u
2
_
,v =
_
v
1
v
2
_
, alors u =v si et seulement si u
1
= v
1
et u
2
= v
2
.
41
42 CHAPITRE 3. Vecteurs dans R
m
En dautres termes, les lignes dun vecteur sont ordonn ees dans lordre de leur
indice. Un vecteur g en erique de R
m
s ecrit normalement
u =
_
_
_
_
_
u
1
u
2
.
.
.
u
m
_
_
_
_
_
.
Cette notation naturelle en colonne a le d esavantage de gaspiller lespace sur une
page ecrite quand elle utilis ee comme ici de facon isol ee. Cest pourquoi on utilise
occasionnellement une notation en ligne
u = (u
1
, u
2
, . . . , u
m
)
pour d esigner le m eme objet. Cest en fait la notation dun m-uplet de scalaires et
il faut eviter de la confondre avec la notation
_
u
1
u
2
u
m
_
qui d esigne une matrice ` a 1 ligne et m colonnes (aussi appel ee vecteur-ligne). Ce
nest pas du tout la m eme chose !
Nous allons maintenant introduire les deux op erations fondamentales sur les
vecteurs.
D enition 18 On d enit sur R
m
une op eration interne appel ee addition par
u =
_
_
_
_
_
u
1
u
2
.
.
.
u
m
_
_
_
_
_
R
m
, v =
_
_
_
_
_
v
1
v
2
.
.
.
v
m
_
_
_
_
_
R
m
, u+v =
_
_
_
_
_
u
1
+v
1
u
2
+v
2
.
.
.
u
m
+v
m
_
_
_
_
_
R
m
et une op eration externe appel ee multiplication par un scalaire par
u =
_
_
_
_
_
u
1
u
2
.
.
.
u
m
_
_
_
_
_
R
m
, R, u =
_
_
_
_
_
u
1
u
2
.
.
.
u
m
_
_
_
_
_
R
m
.
Ces deux op erations sont donc d enies ligne par ligne.
3.2. Interpr etation g eom etrique dans le plan et dans lespace 43
Exemple 8 On a
_
1
2
_
+
_
2
5
_
=
_
1+2
2+5
_
=
_
3
3
_
, 2
_
1
2
_
=
_
21
2(2)
_
=
_
2
4
_
, etc.
On peut combiner ces op erations. Ainsi, si u =
_
1
2
_
et v =
_
2
5
_
alors
2u+(3)v =
_
21
2(2)
_
+
_
(3) 2
(3) 5
_
=
_
2
4
_
+
_
6
15
_
=
_
26
415
_
=
_
4
19
_
,
et ainsi de suite.
3.2 Interpr etation g eom etrique dans le plan et dans
lespace
On sait que la donn ee dune origine O et de deux axes de coordonn ees Ox, Oy
munis dune unit e de longueur dans le plan permet de rep erer tout point de ce plan
par ses deux coordonn ees, un couple de nombre r eels. Les vecteurs de R
2
etant
aussi d enis par un couple de nombre r eels, on peut se servir de cette correspon-
dance pour repr esenter g eom etriquement les vecteurs de R
2
. Plus pr ecis ement, un
vecteur u = (u
1
, u
2
) de R
2
sera repr esent e par le segment orient e dorigine O et
dextr emit e le point de coordonn ees (u
1
, u
2
) dans le rep` ere cart esien choisi. On
le dessine traditionnellement ` a laide dune ` eche. De cette facon, les vecteurs
concept alg ebrique admettent une repr esentation g eom etrique extr emement
utile pour comprendre et avoir lintuition de comment ils fonctionnent. Par ailleurs,
cette correspondance ouvre la voie ` a un champ dapplication de lalg` ebre lin eaire
` a la g eom etrie plane (et dans lespace), m eme si nous ne privil egierons pas ce
point de vue, n eanmoins tr` es important.
Oy
u
1
u
1
u
2 2
u
u=
O O Ox
Oy
Ox
44 CHAPITRE 3. Vecteurs dans R
m
Laddition de deux vecteurs se traduit g eom etriquement par la r` egle du pa-
rall elogramme : la somme de deux vecteurs est repr esent ee par la diagonale du
parall elogramme ayant ces deux vecteurs comme c ot es.
+
2
u
u
1 1
v
2
v
u
1 1
v
2
u
2
v +
O Ox
Oy
u
v
u+v
Par le th eor` eme de Thal` es, lensemble des multiples scalaires dun vecteur
dont la repr esentation nest pas r eduite au point O est la droite qui supporte le
segment repr esentant le vecteur. Cette droite passe naturellement par O.

u
u
2
u
u
1
2
u
u
1
O Ox
Oy

La situation est identique dans lespace ` a trois dimensions : celui-ci sert ` a


repr esenter lensemble des vecteurs de R
3
, une fois choisi un rep` ere cart esien pour
lespace. Les interpr etations g eom etriques de laddition et de la multiplication par
un scalaire sont identiques au cas plan.
3.3. Structure alg ebrique de (R
m
, +, ) 45
3.3 Structure alg ebrique de (R
m
, +, )
Une fois muni de ses deux op erations interne et externe, lensemble R
m
ac-
quiert une structure alg ebrique, cest-` a-dire des r` egles de calcul sur les vecteurs.
Un vecteur joue un r ole particulier
D enition 19 Le vecteur

0 =
_
_
_
_
_
0
0
.
.
.
0
_
_
_
_
_
R
m
est appel e le vecteur nul de R
m
.
La proposition suivante d etaille la structure alg ebrique de (R
m
, +, ).
Proposition 17 On a les huit propri et es suivantes. Pour tous u,v, w dans R
m
et
tous , dans R,
i) u+v =v +u
(commutativit e de laddition).
ii) (u+v) +w =u+(v +w)
(associativit e de laddition).
iii) u+

0 =

0+u =u
(

0 est un el ement neutre pour laddition).


iv) u+(1)u = (1)u+u =

0
(tout el ement admet un oppos e pour laddition).
v) (u+v) = u+v
(distributivit e de la multiplication par un scalaire par rapport ` a laddition
vectorielle).
vi) (+)u = u+u
(distributivit e de la multiplication par un scalaire par rapport ` a laddition
scalaire).
vii) (u) = ()u
( associativit e de la multiplication externe).
viii) 1u =u
(1 est un el ement neutre pour la multiplication externe).
D emonstration. Il sagit dune v erication de routine el ementaire, ` a effectuer
quand m eme une fois dans sa vie.
46 CHAPITRE 3. Vecteurs dans R
m
Notation On utilisera les notations u = (1)u pour loppos e dun vecteur et
uv =u+(v) pour la soustraction de deux vecteurs, exactement comme dans
le cas scalaire.
u v
v
u+v
O Ox
Oy
u
v
Oppos e et soustraction dans R
2
.
Remarque 11 Les propri et es ii), iii) et iv) ne sont autres que les axiomes de la
structure de groupe. Avec la propri et e i), on voit que (R
m
, +) a une structure
de groupe commutatif ou ab elien. Lensemble des huit propri et es alg ebriques ci-
dessus conf` ere ` a (R
m
, +, ) ce que lon appelle une structure despace vectoriel sur
R. (le point d esigne la multiplication externe). Par ailleurs, on peut maintenant
mener toutes sortes de calculs avec laddition et la multiplication par un scalaire
en appliquant les r` egles usuelles. Ainsi
(+)(u+v) = (+)u+(+)v = u+u+v +v = (u+v) +(u+v).
Attention quand m eme ` a ne pas additionner des scalaires et des vecteurs, et ` a
ne pas multiplier deux vecteurs entre eux. De telles op erations nont aucun sens
et nen auront jamais pour la premi` ere dentre elles.
Proposition 18 On a, pour tout u dans R
m
et tout dans R,
0u =

0,

0 =

0.
D emonstration. V erication imm ediate ` a partir des d enitions.
3.3. Structure alg ebrique de (R
m
, +, ) 47
`
A partir des deux op erations de base appliqu ees un nombre ni de fois et en
utilisant les propri et es i) ` a viii), on aboutit ` a une notion fondamentale.
D enition 20 Soient {v
1
,v
2
, . . . ,v
n
} une famille de n vecteurs de R
m
et {
1
,
2
, . . . ,

n
} une famille de n scalaires. Alors
y =
1
v
1
+
2
v
2
+ +
n
v
n
sappelle une combinaison lin eaire de la famille {v
j
}
j=1,...,n
dont les coefcients
sont les {
j
}
j=1,...,n
.
Les combinaisons lin eaires permettent d ej` a de faire le lien avec les syst` emes
lin eaires. Consid erons lexemple suivant. On se donne trois vecteurs de R
3
a
1
=
_
_
1
2
5
_
_
, a
2
=
_
_
2
5
6
_
_
et

b =
_
_
7
4
3
_
_
et lon se pose la question de savoir si

b est combinaison lin eaire de la famille


{v
1
,v
2
} ou non. Cela na rien d evident ` a lil nu. Cette question revient ` a se
demander sil existe deux scalaires x
1
et x
2
tels que

b = x
1
a
1
+ x
2
a
2
. Il sagit
dune equation vectorielle. Si on lexplicite, il vient
x
1
_
_
1
2
5
_
_
+x
2
_
_
2
5
6
_
_
=
_
_
7
4
3
_
_
,
cest-` a-dire
_
_
x
1
+2x
2
2x
1
+5x
2
5x
1
+6x
2
_
_
=
_
_
7
4
3
_
_
.
Dapr` es la r` egle d egalit e de deux vecteurs, ceci nest rien dautre que le syst` eme
lin eaire 32
_
_
_
x
1
+2x
2
= 7,
2x
1
+5x
2
= 4,
5x
1
+6x
2
= 3,
et la question est de d ecider si ce syst` eme est compatible ou non. Cest une ques-
tion ` a laquelle nous savons r epondre gr ace ` a la m ethode de Gauss vue au premier
chapitre (la r eponse est ici oui, avec x
1
= 3 et x
2
= 2).
Notons que la matrice augment ee de ce syst` eme est la matrice
_
_
1 2 7
2 5 4
5 6 3
_
_
.
48 CHAPITRE 3. Vecteurs dans R
m
Ses colonnes ne sont autres que les vecteurs a
1
, a
2
et

b mis c ote-` a-c ote. Ceci
am` ene ` a introduire la nouvelle notation
_
_
1 2 7
2 5 4
5 6 3
_
_
=
_
a
1
a
2

b
_
pour une matrice 33 vue comme une ligne de 3 vecteurs de R
3
. Il sagit en fait
dune remarque g en erale.
Proposition 19 Soient a
1
,a
2
, . . . ,a
n
,

b, n+1 vecteurs de R
m
. Le probl` eme de sa-
voir si

b est une combinaison lin eaire de la famille {v


j
}
j=1,...,n
est equivalent au
probl` eme de savoir si l equation vectorielle

b = x
1
a
1
+x
2
a
2
+ +x
n
a
n
admet au moins une solution, ce probl` eme etant lui-m eme equivalent ` a d ecider si
le syst` eme lin eaire dont la matrice augment ee m(n +1) est
_
a
1
a
2
a
n

b
_
est compatible ou non.
D emonstration. En effet, si
a
j
=
_
_
_
_
_
a
1 j
a
2 j
.
.
.
a
mj
_
_
_
_
_
et

b =
_
_
_
_
_
b
1
b
2
.
.
.
b
m
_
_
_
_
_
, on a x
j
a
j
=
_
_
_
_
_
x
j
a
1 j
x
j
a
2 j
.
.
.
x
j
a
mj
_
_
_
_
_
,
do` u le r esultat.
3.4 Espace engendr e par une famille de vecteurs
D enition 21 Soit {v
1
,v
2
, . . . ,v
n
} une famille de n vecteurs de R
m
. Lensemble
des toutes les combinaisons lin eaires possibles de la famille est appel e espace
engendr e par cette famille
vect{v
1
,v
2
, . . . ,v
n
} ={y =
1
v
1
+
2
v
2
+ +
n
v
n
R
m
, {
j
}
j=1,...,n
R
n
}.
Cest toujours un sous-ensemble de R
m
. Par convention, on posera vect(/ 0) ={

0}.
Remarque 12 Quelques remarques triviales en vrac.
i)

0 = 0v
1
+0v
2
+ +0v
n
vect{v
1
,v
2
, . . . ,v
n
} dans tous les cas.
ii) Le syst` eme lin eaire dont la matrice augment ee est
_
a
1
a
2
a
n

b
_
est
compatible si et seulement si

b vect{v
1
,v
2
, . . . ,v
n
}.
iii) j, , v
j
vect{v
1
,v
2
, . . . ,v
n
}.
iv) vect{

0} ={

0}.
3.4. Espace engendr e par une famille de vecteurs 49
Interpr etons g eom etriquement lespace engendr e dans le cas dun petit nombre
de vecteurs de R
3
.
Soit v =

0. Dans ce cas, vect{v} = {v, R} est lensemble des multiples


scalaires de v et on a d ej` a vu que cet ensemble est repr esent e par la droite qui
passe par O et qui sappuie sur le segment repr esentant v.
Soient maintenant v
1
=

0 et v
2
=

0 tels que v
2
/ vect{v
1
}, cest-` a-dire nap-
partient pas ` a la droite engendr ee par v
1
. Dans ce cas,
1
v
1
+
2
v
2
est repr esent e
par la diagonale du parall elogramme construit sur
1
v
1
et
2
v
2
, et donc balaie le
plan passant par O et contenant v
1
et v
2
quand
1
et
2
varient. Lespace engendr e
est donc repr esent e par ce plan.
+
2
v v
1

2 2
v

2 2
v

1
v
1

1
v
1
v
1 2
v vect{ , }
O
Naturellement, si on a v
2
vect{v
1
}, alors v
2
= v
1
pour un certain et

1
v
1
+
2
v
2
= (
1
+
2
)v
1
vect{v
1
}. On a donc dans ce cas un espace engendr e
repr esent e par une droite.
Nous arrivons ` a une des d enitions les plus importantes.
D enition 22 On dit quune famille {v
1
,v
2
, . . . ,v
n
} de R
m
est g en eratrice (ou en-
gendre R
m
) si
vect{v
1
,v
2
, . . . ,v
n
} =R
m
.
En dautres termes, si une famille est g en eratrice, alors tout vecteur de R
m
peut s ecrire comme combinaison lin eaire des vecteurs de cette famille.
50 CHAPITRE 3. Vecteurs dans R
m
3.5 Produit matrice-vecteur
Il sagit dun outil de calcul fondamental.
D enition 23 Soit A une matrice mn, de colonnes a
1
,a
2
, . . . ,a
n
R
m
, et soit
x R
n
. Le produit de A par x est le vecteur
Ax =
_
a
1
a
2
. . . a
n
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
= x
1
a
1
+x
2
a
2
+ +x
n
a
n
.
Le produit Ax nest donc que la combinaison lin eaire des vecteurs-colonne de
A dont les coefcients sont les lignes de x. Cest par d enition un vecteur de R
m
et il nest visiblement d eni que si x a le m eme nombre de lignes que le nombre
de colonnes de A.
Exemple 9 Voici un exemple pour m = 2, n = 3,
_
1 2 1
0 5 3
_
_
_
4
3
7
_
_
= 4
_
1
0
_
+3
_
2
5
_
+7
_
1
3
_
=
_
3
6
_
R
2
.
Par contre, le produit
_
1 2 1
0 5 3
__
4
3
_
nest pas d eni.
Dans la pratique, on proc` ede au calcul comme suit, ligne par ligne. On com-
mence par poser lop eration
_
1 2 1
0 5 3
_
_
_
4
3
7
_
_
=
_
?
?
_
.
Puis on effectue le calcul de la premi` ere ligne en groupant les termes qui vont etre
multipli es ensemble. Ainsi on groupe
_
1 2 1
0 5 3
_
_
_
4
3
7
_
_
=
_
?
?
_
,
3.5. Produit matrice-vecteur 51
puis
_
1 2 1
0 5 3
_
_
_
4
3
7
_
_
=
_
?
?
_
,
et enn
_
1 2 1
0 5 3
_
_
_
4
3
7
_
_
=
_
?
?
_
.
On obtient la premi` ere ligne en sommant les produits obtenus
_
1 2 1
0 5 3
_
_
_
4
3
7
_
_
=
_
14+23+(1) 7
?
_
=
_
3
?
_
.
On recommence le m eme proc ed e pour les lignes suivantes.
_
1 2 1
0 5 3
_
_
_
4
3
7
_
_
=
_
3
?
_
,
puis
_
1 2 1
0 5 3
_
_
_
4
3
7
_
_
=
_
3
?
_
,
et enn
_
1 2 1
0 5 3
_
_
_
4
3
7
_
_
=
_
3
?
_
,
do` u
_
1 2 1
0 5 3
_
_
_
4
3
7
_
_
=
_
3
04+(5) 3+37
_
=
_
3
6
_
.
Avec un peu dhabitude, cette technique devient tr` es rapide (on n ecrit plus
toutes les etapes, bien s ur).
Une matrice joue un r ole particulier vis-` a-vis du produit matrice-vecteur.
Proposition 20 La matrice nn
I
n
=
_
_
_
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
_
_
_
_
_
est telle que I
n
x =x pour tout x R
n
. On lappelle la matrice identit e nn.
52 CHAPITRE 3. Vecteurs dans R
m
D emonstration. Les vecteurs colonne de I
n
sont les vecteurs
e
1
=
_
_
_
_
_
1
0
.
.
.
0
_
_
_
_
_
,e
2
=
_
_
_
_
_
0
1
.
.
.
0
_
_
_
_
_
, . . . ,e
n
=
_
_
_
_
_
0
0
.
.
.
1
_
_
_
_
_
,
en fait e
j
ne contient que des z eros sauf sur la ligne j qui contient 1. Il est donc
assez clair que
x
1
e
1
+x
2
e
2
+ +x
j
e
j
+ +x
n
e
n
=x,
pour tout x R
n
.
Int eressons-nous maintenant aux propri et es alg ebriques du produit matrice-
vecteur.
Proposition 21 Soit A une matrice mn, u et v deux vecteurs de R
n
et un
scalaire. On a
i) A(u+v) = Au+Av.
ii) A(u) = (Au).
Les propri et es i) et ii) portent le nom de lin earit e.
D emonstration.

Ecrivons A comme une ligne de vecteurs, et u et v comme des
colonnes de scalaires :
A =
_
a
1
a
2
a
n
_
,u =
_
_
_
_
_
u
1
u
2
.
.
.
u
n
_
_
_
_
_
,v =
_
_
_
_
_
v
1
v
2
.
.
.
v
n
_
_
_
_
_
.
Comme
u+v =
_
_
_
_
_
u
1
+v
1
u
2
+v
2
.
.
.
u
n
+v
n
_
_
_
_
_
,
on en d eduit que
A(u+v) = (u
1
+v
1
)a
1
+(u
2
+v
2
)a
2
+ +(u
n
+v
n
)a
n
= u
1
a
1
+u
2
a
2
+ +u
n
a
n
+v
1
a
1
+v
2
a
2
+ +v
n
a
n
= Au+Av.
La d emonstration du ii) est en tout point analogue.
3.6. Application aux syst` emes lin eaires 53
Il faut remarquer que le signe + dans le membre de gauche de i) d esigne lad-
dition dans R
n
, alors que le signe + dans le membre de droite d esigne laddition
dans R
m
.
Corollaire 11 On a
A(
1
u
1
+
2
u
2
+ +
k
u
k
) =
1
Au
1
+
2
Au
2
+ +
k
Au
k
.
D emonstration. Imm ediate ` a partir de la proposition pr ec edente.
Le produit matrice-vecteur transforme donc toute combinaison lin eaire dans
R
n
en la combinaison lin eaire dans R
m
avec les m emes coefcients.
Mentionnons pour clore cette section la formule g en erale donnant la i-` eme
ligne dun produit matrice-vecteur,
(Ax)
i
= a
i1
x
1
+a
i2
x
2
+ +a
in
x
n
=
n
j=1
a
i j
x
j
.
Remarquer sur cette derni` ere formule concise la sommation par rapport ` a lindice
r ep et e j.
3.6 Application aux syst` emes lin eaires
On va r einterpr eter les syst` emes lin eaires ` a laide de produits matrice-vecteur.
Commencons par un exemple. Soit le syst` eme lin eaire 23
_
x
1
+2x
2
x
3
= 3,
5x
2
+x
3
= 6.
Le syst` eme est clairement equivalent ` a l equation vectorielle
_
x
1
+2x
2
x
3
5x
2
+x
3
_
=
_
3
6
_
.
Cette equation se r e ecrit encore
x
1
_
1
0
_
+x
2
_
2
5
_
+x
3
_
1
1
_
=
_
3
6
_
,
forme sous laquelle on reconnat un produit matrice-vecteur
_
1 2 1
0 5 3
_
_
_
x
1
x
2
x
3
_
_
=
_
3
6
_
.
54 CHAPITRE 3. Vecteurs dans R
m
Posant
A =
_
1 2 1
0 5 3
_
,x =
_
_
x
1
x
2
x
3
_
_
,

b =
_
3
6
_
,
on a r e ecrit le syst` eme lin eaire sous la forme concise suivante
Ax =

b.
Bien s ur, A nest autre que la matrice du syst` eme et

b le second membre ( ecrit


sous forme vectorielle).
Proposition 22 Tout syst` eme lin eaire de m equations ` a n inconnues dont la ma-
trice est A et le second membre

b R
m
s ecrit de facon equivalente
Ax =

b ou x
1
a
1
+x
2
a
2
+ +x
n
a
n
=

b.
La d emonstration est identique ` a ce que lon a fait dans lexemple, cest un
exercice simple. On en d eduit le th eor` eme suivant.
Th eor` eme 12 Soit A une matrice mn. Les trois assertions suivantes sont equiva-
lentes.
i) Pour tout

b R
m
, le syst` eme Ax =

b est compatible.
ii) Les vecteurs-colonne de A forment une famille g en eratrice de R
m
.
iii) La matrice A admet une position de pivot par ligne.
D emonstration. Dire que Ax =

b est compatible pour tout

b R
m
est dire que tout
vecteur de R
m
s ecrit comme combinaison lin eaire des vecteurs-colonne de A, les
coefcients etant les solutions du syst` eme lin eaire. En dautres termes i) ii).
Lassertion iii) signie que lunique matrice echelonn ee r eduite U equivalente
` a A ne contient aucune ligne nulle (puisque chaque ligne contient un pivot). Pour
tout second membre, la matrice echelonn ee r eduite equivalente ` a la matrice aug-
ment ee ne peut donc pas contenir de ligne de la forme
_
0 0 0 b
_
avec b = 0,
et le syst` eme est donc compatible.
R eciproquement, si A admet une ligne sans pivot, alors la derni` ere ligne de
U est nulle. Il suft donc de mettre un 1 au second membre dans cette ligne (et
0 ailleurs) pour construire un second membre

b pour lequel le syst` eme nest pas


compatible. La construction explicite du second membre demande de reproduire
dans lordre inverse la suite des op erations el ementaires inverses de celles qui
passent de A ` a U. On vient de montrer que i) iii). On en d eduit imm ediatement
que ii) iii).
3.7. Ind ependance lin eaire 55
Corollaire 13 Une famille {v
1
,v
2
, . . . ,v
n
} de R
m
est g en eratrice si et seulement
si la matrice
_
v
1
v
2
v
n
_
admet une position de pivot par ligne.
Exemple 10 La famille
__
1
0
_
,
_
0
1
__
est manifestement g en eratrice dans R
2
,
En effet, pour tout x R
2
, on peut ecrire
x =
_
x
1
x
2
_
=
_
x
1
0
_
+
_
0
x
2
_
= x
1
_
1
0
_
+x
2
_
0
1
_
.
Effectivement, la matrice
_
1 0
0 1
_
admet un pivot par ligne. De m eme, la famille
__
1
0
_
,
_
0
1
_
,
_
2
3
__
est tout aussi
manifestement g en eratrice dans R
2
, En effet,
x = x
1
_
1
0
_
+x
2
_
0
1
_
+0
_
2
3
_
,
et effectivement, la matrice
_
1 0 2
0 1 3
_
admet un pivot par ligne.
De mani` ere plus g en erale, si on a une famille g en eratrice, on peut lui ajouter
un nombre quelconque de vecteurs et la famille obtenue reste g en eratrice.
3.7 Ind ependance lin eaire
Cette d enition est aussi importante que la d enition 22 de famille g en eratrice.
D enition 24 Une famille {v
1
,v
2
, . . . ,v
n
} de R
m
est dite lin eairement ind epen-
dante ou libre si toute combinaison lin eaire nulle

1
v
1
+
2
v
2
+ +
n
v
n
=

0
est telle que tous ses coefcients sont nuls
1
=
2
= =
n
= 0. Dans le cas
contraire, cest-` a-dire sil existe une combinaison lin eaire nulle ` a coefcients non
tous nuls, on dit que la famille est lin eairement d ependante ou li ee. Une telle
combinaison lin eaire sappelle alors une relation de d ependance lin eaire entre les
v
j
.
56 CHAPITRE 3. Vecteurs dans R
m
Par convention, on posera que lensemble vide est une famille libre.
Th eor` eme 14 Soit A=
_
v
1
v
2
v
n
_
. Les trois assertions suivantes sont equiva-
lentes.
i) La famille {v
1
,v
2
, . . . ,v
n
} est libre.
ii) Le syst` eme homog` ene Ax =

0 nadmet que la solution triviale.


iii) La matrice A admet une position de pivot par colonne.
D emonstration. Le seul point non trivial consiste ` a remarquer que le syst` eme ho-
mog` ene admet une solution unique si et seulement si il ny a pas de variable libre,
cest-` a-dire si et seulement si la matrice admet une position de pivot dans chacune
de ses colonnes.
Exemple 11 Consid erons la famille
_
_
_
_
_
1
2
3
_
_
,
_
_
4
5
6
_
_
,
_
_
2
1
0
_
_
_
_
_
.
On souhaite d eterminer si elle est libre ou li ee. Pour cela, il suft deffectuer la
r eduction de Gauss sur la matrice associ ee.
_
_
1 4 2
2 5 1
3 6 0
_
_

_
_
1 4 2
0 3 3
0 6 6
_
_

_
_
1 4 2
0 3 3
0 0 0
_
_

_
_
1 4 2
0 1 1
0 0 0
_
_

_
_
1 0 2
0 1 1
0 0 0
_
_
Il y a une variable libre correspondant ` a la troisi` eme colonne sans pivot, donc la
famille est li ee. on obtient toutes les relations de d ependance lin eaire en r esolvant
le syst` eme homog` ene, ce qui est imm ediat ` a partir de la forme echelonn ee r eduite
ci-dessus, x
1
= 2x
3
, x
2
=x
3
. On a donc
2x
3
_
_
1
2
3
_
_
x
3
_
_
4
5
6
_
_
+x
3
_
_
2
1
0
_
_
=

0
pour tout x
3
R et il ny a pas dautre relation de d ependance lin eaire.
Consid erons le cas particulier des familles de un ou deux vecteurs.
Proposition 23 i) La famille {v} est lin eairement ind ependante si v =

0 et lin eai-
rement d ependante si v =

0.
ii) La famille {v
1
,v
2
} est lin eairement ind ependante si et seulement si v
1
nest
pas un multiple dev
2
et v
2
nest pas un multiple dev
1
.
3.7. Ind ependance lin eaire 57
D emonstration. Le point i) est trivial. Pour le point ii), supposons dabord la fa-
mille li ee. Il existe donc
1
,
2
non tous les deux nuls tels que
1
v
1
+
2
v
2
=

0. Si
cest
1
qui nest pas nul, on peut diviser par
1
, ce qui donnev
1
=

1
v
2
et v
1
est
un multiple de v
2
. Si cest
2
qui nest pas nul, alors de m eme v
2
est un multiple
dev
1
. On vient de montrer que si la famille est li ee, alors v
1
est un multiple dev
2
ouv
2
est un multiple dev
1
, ce qui est la n egation logique de lassertion v
1
nest
pas un multiple dev
2
et v
2
nest pas un multiple dev
1
.
R eciproquement, si v
1
est un multiple de v
2
, alors il existe un scalaire tel
quev
1
= v
2
, soit 1v
1
+()v
2
=

0 ce qui est une relation de d ependance lin eaire


entre v
1
et v
2
puisque 1 = 0. De m eme, v
2
est un multiple de v
1
, alors la famille
est li ee, do` u la r eciproque.
G en eralisons tout de suite le point ii) ` a une famille dun nombre quelconque
de vecteurs.
Th eor` eme 15 Une famille F ={v
1
,v
2
, . . . ,v
n
} de n 2 vecteurs de R
m
est lin e-
airement d ependante si et seulement si au moins un des vecteurs de F est combi-
naison lin eaire des autres vecteurs de F .
D emonstration. Cest essentiellement la m eme d emonstration que ci-dessus. Sup-
posons dabord F li ee. Il existe donc une relation de d ependance lin eaire

1
v
1
+
2
v
2
+ +
n
v
n
=

0,
avec
k
= 0 pour au moins un indice k. Passons tous les autres termes ` a droite du
signe egal. Il vient

k
v
k
=
1
v
1

2
v
2

n
v
n
,
o` uv
k
ne gure pas au second membre. Comme
k
=0, on peut diviser cette egalit e
par
k
et lon obtient
v
k
=

k
v
1

k
v
2

k
v
n
,
cest-` a-dire que v
k
est combinaison lin eaire des autres vecteurs de F , ce qui peut
encore s ecrire v
k
vect{F \ {v
k
}} (la notation ensembliste A\ B d esigne len-
semble des el ements de A qui nappartiennent pas ` a B, cest-` a-dire A dont on a ot e
B. Cest la diff erence ensembliste).
R eciproquement, supposons que pour un certain k, on ait v
k
vect{F \{v
k
}}.
Ceci signie que lon peut ecrire
v
k
=
1
v
1
+
2
v
2
+ +
n
v
n
,
o` uv
k
ne gure pas au second membre. Passant v
k
au second membre, il vient

0 =
1
v
1
+
2
v
2
+ v
k
+ +
n
v
n
,
ce qui est une relation de d ependance lin eaire pour F puisque 1 = 0.
58 CHAPITRE 3. Vecteurs dans R
m
On d eduit du th eor` eme 14 le r esultat crucial, quoique trivial, qui suit.
Th eor` eme 16 Soit n > m. Alors toute famille de n vecteurs de R
m
est automati-
quement li ee.
D emonstration. La matrice form ee ` a partir de la famille a m lignes, donc au plus
m positions de pivot. Or elle a n > m colonnes, donc au moins une colonne na
pas de pivot.
Remarque 13 Dans ce cas, inutile donc de se lancer dans des calculs de m ethode
de Gauss. ATTENTION : par contre si n m, on ne peut rien dire a priori. La
famille peut etre libre ou li ee, seul le calcul peut le dire.
La contrapos ee du th eor` eme pr ec edent est non moins importante, cest pour-
quoi on lexplicite.
Th eor` eme 17 Toute famille libre de vecteurs de R
m
a au plus m el ements.
Mentionnons deux autres propri et es triviales de moindre importance.
Proposition 24 Si une famille contient le vecteur nul, alors elle est li ee. Si elle
contient deux vecteurs egaux, alors elle est li ee.
3.8 Bases de R
m
Encore une d enition fondamentale.
D enition 25 Une base de R
m
est une famille ` a la fois libre et g en eratrice.
Exemple 12 Il existe des bases (ce nest pas evident a priori). Ainsi, la famille
des vecteurs-colonne de la matrice identit e I
m
e
1
=
_
_
_
_
_
1
0
.
.
.
0
_
_
_
_
_
,e
2
=
_
_
_
_
_
0
1
.
.
.
0
_
_
_
_
_
, . . . ,e
m
=
_
_
_
_
_
0
0
.
.
.
1
_
_
_
_
_
,
forme manifestement une base de R
m
(un pivot par ligne et par colonne). On
lappelle la base canonique de R
m
, car cest la plus simple de toutes les bases de
R
m
. Mais il y en a une innit e dautres !
3.8. Bases de R
m
59
Les bases poss` edent plusieurs propri et es absolument remarquables. En parti-
culier
Th eor` eme 18 i) Toute base de R
m
admet exactement m el ements.
ii) Toute famille libre de m el ements est une base.
iii) Toute famille g en eratrice de m el ements est une base.
D emonstration. i) Soit {v
1
,v
2
, . . . ,v
n
} une base de R
m
` a n el ements. Alors, la
matrice mn
_
v
1
v
2
v
n
_
admet une position de pivot par ligne et une position
de pivot par colonne. Il y a donc autant de lignes et de colonnes que de positions
de pivot, do` u le m eme nombre de lignes et de colonnes, ` a savoir n = m.
ii) Soit {v
1
,v
2
, . . . ,v
m
} une famille libre ` a m el ements. Alors, la matrice mm
_
v
1
v
2
v
n
_
admet une position de pivot par colonne, cest-` a-dire m positions
de pivot. Comme elle a m lignes, il y a une position de pivot par ligne. La famille
est donc g en eratrice.
iii) Soit {v
1
,v
2
, . . . ,v
m
} une famille g en eratrice ` a m el ements. Alors, la matrice
mm
_
v
1
v
2
v
n
_
admet une position de pivot par ligne, cest-` a-dire m posi-
tions de pivot. Comme elle a m colonnes, il y a une position de pivot par colonne.
La famille est donc libre.
Comme le nombre d el ements dune base ne d epend pas du choix de la base,
cest quil sagit dune quantit e caract eristique de lespace tout entier. On pose
donc la d enition suivante.
D enition 26 La dimension de R
m
est le nombre d el ements de toute base de R
m
,
dimR
m
= m.
Remarque 14 Cette notion alg ebrique de dimension concide avec la notion g eo-
m etrique de dimension pour m = 1, 2 et 3. En effet, R est repr esent e g eom etrique-
ment par la droite, cest-` a-dire un objet monodimensionnel, R
2
par le plan, cest-
` a-dire un objet bidimensionnel et R
3
par lespace qui est tridimensionnel. La
g eom etrie el ementaire sarr ete l` a, mais pas lalg` ebre lin eaire. On consid` ere donc
sans difcult e aucune des espaces de dimension 4, 5, 10, 100 ou 1000. Naturelle-
ment, cest par le biais de lalg` ebre lin eaire que lon pourra envisager daborder
la g eom etrie de ces espaces de grande dimension.
Une autre propri et e remarquable des bases est de permettre de d ecomposer les
vecteurs.
60 CHAPITRE 3. Vecteurs dans R
m
Th eor` eme 19 Soit B = {v
1
,v
2
, . . . ,v
m
} une base de R
m
. Pour tout x de R
m
, il
existe un unique m-uplet de scalaires (
1
,
2
, . . . ,
m
) tel que
x =
1
v
1
+
2
v
2
+ +
m
v
m
.
D emonstration. Lexistence du m-uplet d ecoule directement du caract` ere g en era-
teur de B. Pour lunicit e, on va utiliser le caract` ere libre de B. Supposons donc
que lon ait deux m-uplets (
1
,
2
, . . . ,
m
) et (

1
,

2
, . . . ,

m
) tels que
x =
1
v
1
+
2
v
2
+ +
m
v
m
x =

1
v
1
+

2
v
2
+ +

m
v
m
.
Soustrayant membre ` a membre, on obtient

0 = (
1
v
1
+
2
v
2
+ +
m
v
m
) (

1
v
1
+

2
v
2
+ +

m
v
m
),
soit

0 = (
1

1
)v
1
+(
2

2
)v
2
+ +(
m

m
)v
m
.
Comme la famille est libre, cest que tous les coefcients de cette combinaison
lin eaire sont nuls, cest-` a-dire

1
=

1
,
2
=

2
, . . . ,
m
=

m
,
do` u lunicit e.
On est alors fond e ` a poser la d enition suivante.
D enition 27 Le m-uplet (
1
,
2
, . . . ,
m
) sappelle les composantes de x dans la
base B. On les range naturellement en colonne et lon note
(x)
B
=
_
_
_
_
_

2
.
.
.

m
_
_
_
_
_
.
Remarque 15 Attention : en g en eral (x)
B
=x, sauf si B est la base canonique.
Les composantes de x dans la base B nous donnent une nouvelle repr esentation
du vecteur x.
Th eor` eme 20 Les composantes dans la base B ont des propri et es de lin earit e
(x +y)
B
= (x)
B
+(y)
B
, (x)
B
= (x)
B
.
D emonstration. Il suft de l ecrire.
3.8. Bases de R
m
61
Comment calcule-t-on les composantes dun vecteurx dans une base B ? Cest
tr` es simple : on commence par ecrire la d enition

1
v
1
+
2
v
2
+ +
m
v
m
=x,
puis on reconnat au premier membre un produit matrice-vecteur
P
B
(x)
B
=x,
o` u
P
B
=
_
v
1
v
2
v
m
_
sappelle la matrice de passage. Pour calculer (x)
B
, il suft donc de r esoudre ce
syst` eme lin eaire mm dont le second membre est x.