Vous êtes sur la page 1sur 24

Université Sidi Mohammed Ben Abdellah

Faculté des Sciences Juridiques


Économiques et Sociales
Fès

Filière Sciences Économiques et Gestion


Deuxième Semestre

Algèbre Linéaire
Chapitre 1.
Espaces vectoriels

Professeure : K. ELAMRI

Année universitaire : 2019/2020


Sommaire

Chapitre 1. Espaces Vectoriels (Cas pratique : Rn )

1 Notions préliminaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

2 Structure d’espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3 Structure de sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4 Sous-espaces vectoriel engendré et systèmes générateurs . . . . . . . . . . . . . . . . . . . . . . 12

5 Dépendance et indépendance linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

6 Bases et dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

7 Rang des systèmes finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

1
Avant-propos

L’Algèbre Linéaire, une fameuse branche des mathématiques, dont les applications dépassent
le cadre mathématique et scientifique (Physique, Chimie, Biologie, Informatique . . . ) et trouvent
un grand intérêt auprès des domaines sociaux-économiques. En effet souvent les modèles donnés
en théorie comme en pratique économiques sont sous forme linéaire et une grande part des
travaux et simulations économiques portent sur des tableaux de données s’appuyant sur le
modèle linéaire et l’instrument du calcul matriciel.

En semestre II de la filière Économie et Gestion, le programme porte sur des éléments


assez restreints de l’Algèbre Linéaire mais qui englobe les concepts de base (espaces vectoriels,
applications linéaires et matrices) nécessaires pour pouvoir, par la suite, traiter et résoudre
plusieurs applications de type linéaire en l’occurrence la résolution des systèmes d’équations
linéaires et la diagonalisation des matrices carrées.

K. ELAMRI

2
Notions élémentaires

Symboles et abréviations

- ∀ : quel que soit (ou pour tout)


- ∃ : il existe
- ∈ : appartient à, ∈/ : n’appartient pas
- ⊂ : inclus dans, ⊆ : inclus ou égal
- ∩ : intersection, ∪ : réunion
- =⇒ : implique (ou entraîne), ⇐⇒ : équivalent à (ou si et seulement si )
X n
X
- : Sigma (symbole de sommation : xi = x0 + x1 + · · · + xn )
i=0
- i.e : c’est-à-dire (c-à-d)
- resp. : respectivement
- N.B. : Notez Bien.

Eléments de logique
Assertion mathématique
Une assertion mathématique (P ) peut être vraie ou fausse.
La négation de (P ) est non (P ) :
(
vraie si (P ) est fausse
non (P ) est
fausse si (P ) est vraie

Connecteurs logiques et raisonnements


 Implication : (P ) =⇒ (Q).
Une implication est obtenue soit par démonstration directe soit par l’un des raison-
nements suivants :
Raisonnement par contrapposée.
On suppose que non (Q) est vraie et on démontre que non (P ) est vraie :
non (Q) =⇒ non (P ).
Raisonnement par l’absurde.
On suppose que (P ) est vraie et (Q) est fausse et on montre que cela entraine
une contradiction.
 Équivalence : (P ) ⇐⇒ (Q).
Une équivalence est obtenue en montrant deux implications :
une directe ((P ) =⇒ (Q)) et une réciproque ((Q) =⇒ (P )).
 Raisonnement de récurrence.
Il s’applique lorsque l’on veut démontrer une assertion mathématique qui est satis-
faite pour tout entier nature n ∈ N (ou ∀n ≥ n0 ).

3
Algèbre Linéaire – K. Elamri -4-

Le principe du raisonnement par récurrence consiste à vérifier d’abord que c’est vraie
à l’ordre 0 (ou en général à l’ordre n0 ), puis à supposer que c’est vraie à l’ordre n et
démontrer que ça reste aussi vraie à l’ordre n + 1.

Ensemble et produit cartésien

 Ensemble.
Un ensemble est une collection d’éléments.
Exemples.

1. Ensembles numériques : N, Z, Q, R, C.
2. L’ensemble vide ∅ (par convention c’est l’ensemble qui ne contient aucun élément).

 Produit cartésien de deux ensembles.


Le produit cartésien de deux ensembles E et F est l’ensemble de couples (x, y) tels que
x ∈ E et y ∈ F :
E × F = {(x, y)/x ∈ E et y ∈ F }.
Si E = F , on note E × E = E 2 = {(x, y)/x ∈ E et y ∈ E}.
Exemple.
R2 = R × R.

 Produit cartésien de n ensembles.


Le produit cartésien des ensembles E1 , E2 , . . . , En est l’ensemble de n-uplets (x1 , x2 , . . . , xn )
tels que xi ∈ Ei ∀ i = 1, . . . , n :

E1 × E2 × · · · × En = {(x1 , x2 , . . . , xn )/xi ∈ Ei ∀ i = 1, . . . , n}.

 Si E = E1 = E2 = · · · = En , on note :

E n = {(x1 , x2 , . . . , xn )/xi ∈ E ∀ i = 1, . . . , n}.

Exemples.

1. Rn = R
| ×R×
{z· · · × R}.
n fois

2. R = R × R × R, R4 = R × R × R × R.
3

(0, 0, 0) ∈ R3 , (6, 0, 3, −1) ∈ R4 .


Chapitre 1

Espaces Vectoriels (Cas pratique : Rn)

Prérequis et Objectifs

Prérequis
 Quelques fondements de la théorie des ensembles.

 Outils et raisonnements de la logique mathématique.

Objectifs
 Assimiler la structure des espaces vectoriels et des sous-espaces vectoriels ainsi que leurs
propriétés fondamentales.

 Bien distinguer les notions de scalaires de celles de vecteurs (Lois de composition interne
et externe).

 Comprendre et bien manipuler les principes de :

I Indépendance et dépendance linéaire ;


I Familles génératrices et sous-espaces vectoriels engendrés par une famille finie ;
I Bases et dimensions des espaces vectoriels ;
I Rang de familles finies de vecteurs.

 Exercer des applications dans le cas des espaces vectoriels de dimension finie Rn .

5
Algèbre Linéaire – K. Elamri -6-

1 Notions préliminaires
Définition 1.1 (Loi de composition interne, Loi de composition externe).
Soient E et K deux ensembles non vides.

On dit que E est muni d’une loi de composition interne notée ∗ si :

x ∗ y ∈ E, ∀x, y ∈ E.

On dit que E est muni d’une loi de composition externe (avec K) notée ∗ si :

α ∗ x ∈ E, ∀x ∈ E et ∀α ∈ K.

Exemples.
Dans l’ensemble des nombres réels R, l’addition +, la soustraction − et la multiplication ×
sont des lois de composition internes.

Définition 1.2 (Structure de groupe).


Un ensemble E muni d’une loi de composition interne ∗ est un groupe si :

a. ∀ x, y, z ∈ E, x ∗ (y ∗ z) = (x ∗ y) ∗ z (on dit que la loi ∗ est associative) ;

b. ∃ e ∈ E tel que : x ∗ e = e ∗ x = x (e est appelé l’élément neutre de E pour la loi ∗) ;

c. ∀x ∈ E, ∃ y ∈ E tel que : x ∗ y = y ∗ x = e (y est appelé l’élément symétrique de x pour


la loi ∗).

Notation.
On note (E, ∗) le groupe E muni de la loi ∗.
Si en plus on a : x ∗ y = y ∗ x , ∀x, y ∈ E, on dit que la loi ∗ est commutative et (E, ∗) est un
groupe commutatif.

Remarques.

1. Le groupe (E, ∗) est non vide (il contient au moins l’élément neutre).

2. L’élément neutre et les éléments symétriques sont uniques.

Définition 1.3 (Structure de corps).


Un ensemble K muni de deux lois de composition internes notées respectivement + (l’addition)
et • (la multiplication), est un corps si :

a. (K, +) est un groupe commutatif (on note 0 son élément neutre et −x le symétrique de
x) ;

b. (K ∗ = K − {0}, •) est un groupe (on note 1 son élément neutre (1 6= 0) et x−1 le


symétrique de x).

c. x • (y + z) = (x• y) + (x• z), ∀x, y, z ∈ K (on dit que la loi • est distributive par rapport
à la loi +).

Notation.
On note (K, +, •) le corps K muni des deux lois de composition internes + et •.
Si en plus la 2ème loi • est commutative, on dit que (K, +, •) est un corps commutatif.
Algèbre Linéaire – K. Elamri -7-

Exemples.
(Q, +, ×), (R, +, ×), (C, +, •) sont des corps commutatifs.

2 Structure d’espace vectoriel


Définition 2.1 (Espace vectoriel).
Un ensemble E muni d’une loi de composition interne + (appelée l’addition vectorielle) et d’une
loi de composition externe • (appelée la multiplication par un scalaire) avec un corps commutatif
K, est un espace vectoriel sur K (ou un K-espace vectoriel) si :

a. (E, +) est un groupe commutatif (on note 0E son élément neutre et −x est le symétrique
de x pour +).

b. E, muni de la loi de composition interne + et de la loi de composition externe • avec K,


vérifie les 4 axiomes des espaces vectoriels :

i. 1•x = x, ∀x ∈ E (1 étant l’élément neutre de (K ∗ , •)) ;


ii. α•(x + y) = (α•x) + (α•y), ∀x, y ∈ E et ∀α ∈ K ;
iii. (α + β)•x = (α•x) + (β •x), ∀x ∈ E et ∀α, β ∈ K ;
iv. (α β)•x = α•(β •x), ∀x ∈ E et ∀α, β ∈ K.

Si K = R, on dit que E est un espace vectoriel réel ou un R-espace vectoriel.

N.B. Les éléments de l’espace vectoriel E sont appelés les vecteurs (représentés par les
lettres latines) et les éléments du corps K sont appelés les scalaires (représentés par les lettres
grecques).

Notations.
On note (E, +, •) le K-espace vectoriel (en abrégé K-ev) muni de la loi de composition interne
+ et de la loi de composition externe •, et pour but de simplification, on note α•x = α x
(∀x ∈ E, ∀α ∈ K).

Résumé. (E, +, •) est un K-espace vectoriel si les 8 propriétés suivantes sont satisfaites pour
tous x, y, z ∈ E et pour tous α, β ∈ K :

p1 . x + y = y + x ;

p2 . (x + y) + z = x + (y + z) ;

p3 . ∃ 0E ∈ E (l’élément neutre pour la loi +) tel que : x + 0E = x ;

p4 . ∃ − x ∈ E (le symétrique de x pour la loi +) tel que : x + (−x) = 0E ;

p5 . 1 x = x ;

p6 . α (x + y) = α x + α y ;

p7 . (α + β) x = α x + β x ;

p8 . (α β) x = α (β x).
Algèbre Linéaire – K. Elamri -8-

Exemples d’espaces vectoriels.

1. {0E } est un K-ev (E étant un K-ev).

2. Pour tout n ∈ N, (K n , +, •) est un K-ev (K un corps commutatif) où les deux lois,


l’addition vectorielle (+) et la multiplication par un scalaire (•), sont définies pour tous
X = (x1 , · · · , xn ), Y = (y1 , · · · , yn ) ∈ K n et pour tout α ∈ K, comme suit :
(
X + Y = (x1 , · · · , xn ) + (y1 , · · · , yn ) = (x1 + y1 , · · · , xn + yn )
α X = α (x1 , · · · , xn ) = (αx1 , · · · , αxn )

En effet, vérifions les 8 propriétés de la définition des espaces vectoriels :


Soient X = (x1 , · · · , xn ), Y = (y1 , · · · , yn ), Z = (z1 , · · · , zn ) ∈ K n et α, β ∈ K.
p1 .

X + Y = (x1 + y1 , · · · , xn + yn )
= (y1 + x1 , · · · , yn + xn ) (Commutativité de + dans K)
=Y +X

p2 .

(X + Y ) + Z = (x1 + y1 , · · · , xn + yn ) + (z1 , · · · , zn )
= ((x1 + y1 ) + z1 , · · · , (xn + yn ) + zn )
= (x1 + (y1 + z1 ), · · · , xn + (yn + zn )) (Associativité de + dans K)
= X + (Y + Z)

p3 .
0K n = (0, . . . , 0) (0 est l’élément neutre de K pour +) :
X + 0K n = (x1 + 0, · · · , xn + 0) = (x1 , · · · , xn ) = X
p4 .
Pour X = (x1 , · · · , xn ), −X = (−x1 , · · · , −xn ) ∈ K n (−xi est l’élément symétrique de x
pour +) :
X + (−X) = (x1 , · · · , xn ) + (−x1 , · · · , −xn ) = (x1 + (−x1 ), · · · , xn + (−xn )) = 0K n .
p5 .
1X = (1x1 , · · · , 1xn ) = (x1 , · · · , xn ) = X (1 est l’élément neutre de K ∗ pour •).
p6 .

α (X + Y ) = α (x1 + y1 , · · · , xn + yn ) = (α (x1 + y1 ), · · · , α (xn + yn ))


= (α x1 + α y1 , · · · , α xn + α yn ) (Distributivité de • par rapport à + dans K)
= (α x1 , · · · , α xn ) + (α y1 , · · · , α yn )
= α (x1 , · · · , xn ) + α (y1 , · · · , yn )
= αX +αY

p7 .

(α + β) X = (α + β) (x1 , · · · , xn ) = ((α + β) x1 , · · · , (α + β) xn )
= (α x1 + β x1 , · · · , α xn + β xn ) (Distributivité de • par rapport à + dans K)
= (α x1 , · · · , α xn ) + (β x1 , · · · , β xn )
= α (x1 , · · · , xn ) + β (x1 , · · · , xn )
= αX +βX
Algèbre Linéaire – K. Elamri -9-

p8 .

(α β) X = (α β) (x1 , · · · , xn ) = ((α β) x1 , · · · , (α β) xn )
= (α(β x1 ), · · · , α(β xn )) (Associativite de • dans K ∗ )
= α (β x1 , · · · , β xn )
= α(β X)

En particulier :

 K est un K-ev (n = 1).


 (Rn , +, ×) est un R-ev.

3. (Cn , +, •) est un R-ev.

4. L’ensemble des polynômes réels à une indéterminée x muni de l’addition (de polynômes)
et la multiplication par un réel est un R-ev (les 8 propriétés des espaces vectoriels sont
aisément vérifiées).

5. L’ensemble des fonctions numériques d’une variable réelle définies sur un intervalle I de
R muni de l’addition (de fonctions) et la multiplication (de fonctions) par un réel est un
R-ev.
Théorème 2.1.
Soient E un K-ev, x ∈ E et α ∈ K, alors on a :
a. 0 x = 0E et α 0E = 0E ;

b. Si α x = 0E alors x = 0E ou α = 0 ;

c. (−α) x = α (−x) = −(α x) (En particulier : (−1)x = −x).

Preuve.
(a.)

0x = (0 + 0)x = 0x + 0x (Axiome (iii))


⇐⇒ −(0x) + 0x = −(0x) + (0x + 0x)
⇐⇒ 0E = (−(0x) + (0x)) + 0x (Associativité de +)
⇐⇒ 0E = 0E + 0x = 0x.

(b.)

α0E = α(0E + 0E ) = α0E + α0E (Axiome (ii))


⇐⇒ −(α0E ) + (α0E ) = −(α0E ) + (α0E + α0E )
⇐⇒ 0E = (−(α0E ) + (α0E )) + α0E (Associativité de +)
⇐⇒ 0E = 0E + α0E = α0E .

(c.)

0E = α 0E = α(x + (−x)) = α x + α (−x) (Axiome (ii))


⇐⇒ α(−x) = −(αx).
0E = 0x = (α + −α)x = αx + (−α)x (Axiome (iii))
⇐⇒ (−α)x = −(αx). 
Algèbre Linéaire – K. Elamri - 10 -

Définition 2.2 (Combinaison linéaire).


Soit (u1 , u2 , . . . , un ) une famille finie 1 de n vecteurs de E un K-ev. Une combinaison linéaire
des vecteurs u1 , u2 , . . . , un est un vecteur de E de la forme :
n
X
α1 u1 + α2 u2 + . . . + αn un = αi ui .
i=1

Les scalaires α1 , . . . , αn ∈ K sont appelés les coefficients de la combinaison linéaire.

Exemples.

1. 0E est une combinaison linéaire de toute famille finie de vecteurs de E :


0E = 0 u1 + 0 u2 + . . . + 0 un , ∀u1 , . . . , un ∈ E, ∀n ∈ N∗ .

2. Tout vecteur X = (x1 , x2 , . . . , xn ) de Rn s’écrit comme combinaison linéaire des n vecteurs


suivants : 

 e1 = (1, 0, . . . , 0)

e2 = (0, 1, 0, . . . , 0)




..


.




ei = (0, . . . , 0, 1, 0, . . . , 0)

 | {z }
ème
1 se trouvant à la i position




 ..
.





en = (0, . . . , 0, 1)

X = (x1 , 0, . . . , 0) + (0, x2 , . . . , 0) + . . . + (0, . . . , 0, xi , 0, . . . , 0) + . . . + (0, . . . , xn )


= x1 (1, 0, . . . , 0) + x2 (0, 1, 0, . . . , 0) + . . . + xi (0, . . . , 0, 1, 0, . . . , 0) + . . . + xn (0, . . . , 0, 1)
= x1 e1 + x2 e2 + . . . + xi ei + . . . + xn en .
n
X
Ainsi : X = xi ei et ceci pour tout vecteur X de Rn .
i=1
Ce même résultat se généralise d’une manière analogue à tout espace vectoriel K n (où K
est un corps commutatif).

3 Structure de sous-espace vectoriel


Définition 3.1 (Sous-espace vectoriel).
Soit E un K-ev. Une partie F de E est un sous-espace vectoriel de E si elle vérifie les trois
propriétés suivantes :

i. F est non vide (vérifié par : 0E ∈ F ) ;

ii. ∀x, y ∈ F : x + y ∈ F (on dit que F est stable pour l’addition) ;

iii. ∀x ∈ F, ∀α ∈ K : α x ∈ F (on dit que F est stable pour la multiplication par un scalaire).
1. Une famille finie A d’un ensemble E est une partie finie de E c-à-d comportant un nombre fini d’éléments.
On note cardA (cardinal de A) le nombre d’éléments de l’ensemble A.
Algèbre Linéaire – K. Elamri - 11 -

Remarque.
Les deux propriétés (ii) et (iii) sont équivalentes à la suivante :
∀x, y ∈ F, ∀α, β ∈ K : α x + β y ∈ F (iv).
On peut interpréter ceci par le fait que toute combinaison linéaire de deux vecteurs d’un sous-
espace vectoriel est un vecteur du sous-espace vectoriel (on dit que F est stable pour les com-
binaisons linéaires), en effet :
=⇒) D’après (iii), αx ∈ F et βy ∈ F et d’après (ii), αx + βy ∈ F .
⇐=) Si on prend α = 1 et β = 1 alors on a la stabilité pour +. Et si on prend α = 1 et β = 0
alors on a la stabilité pour •.
On montre facilement que la propriété (iv) est aussi équivalente à la formule allégée suivante :
∀x, y ∈ F, ∀α ∈ K, α x + y ∈ F.

Exemples de sous-espaces vectoriels.


1. {0E } et E sont des sous-espaces vectoriels de E.
2. R est un sous-espace vectoriel de C (considéré ici comme un R-ev).
3. F = {(a, 0)/ a ∈ R} est un sous-espace vectoriel de R2 :
− 0R2 = (0, 0) ∈ F .
− (a, 0) + (a0 , 0) = (a + a0 , 0) ∈ F, ∀(a, 0), (a0 , 0) ∈ F (F est stable pour +).
− α(a, 0) = (αa, α0) = (b, 0) ∈ F, ∀(a, 0) ∈ F, ∀α ∈ R (F est stable pour •).

Propriétés 3.1.
Soit E un K-ev, alors on a les propriétés suivantes :
a. Si F est un sous-espace vectoriel de E, alors F est un K-ev.
b. Si F est un sous-espace vectoriel de E (un K-ev) et G est un sous-espace vectoriel de F ,
alors G est un sous-espace vectoriel de E.
T
c. Si F et G sont deux sous-espaces vectoriels de E, alors leur intersection F G est un
sous-espace vectoriel de E.

Preuve.
(c.) 0E ∈ F et 0E ∈ G =⇒ 0E ∈ F ∩ G (F ∩ G 6= ∅).
Et soient α, β ∈ K et x, y ∈ F ∩ G, alors :
(
x, y ∈ F =⇒ α x + β y ∈ F (F sous-espace vectoriel de E)
x, y ∈ G =⇒ α x + β y ∈ G (G sous-espace vectoriel de E)

=⇒ α x + β y ∈ F ∩ G. 

Remarques.
S
a. Si F et G sont deux sous-espaces vectoriels de E, la réunion F G n’est pas forcément
un sous-espace vectoriel de E.
b. D’après la propriété (a), il suffit pour montrer qu’un ensemble F est un K-ev, de vérifier
que c’est un sous-espace vectoriel d’un K-ev E qui le contient (F ⊂ E).
Algèbre Linéaire – K. Elamri - 12 -

Exemple.
Vérifions que F = { (x, y, z) ∈ R3 / 2x − 3y − z = 0 } est un R-ev.
Pour cela, il suffit de montrer que F est un sous-espace vectoriel de R3 (qui est un R-ev), en
effet :
− (0, 0, 0) = 0R3 ∈ F =⇒ F 6= ∅.
− Soient X1 = (x1 , y1 , z1 ), X2 = (x2 , y2 , z2 ) ∈ F , alors :
X1 + X2 = (x1 + x2 , y1 + y2 , z1 + z2 )
(
2x1 − 3y1 − z1 = 0
et
2x2 − 3y2 − z2 = 0
=⇒ 2(x1 + x2 ) − 3(y1 + y2 ) − (z1 + z2 ) = (2x1 − 3y1 − z1 ) + (2x2 − 3y2 − z2 )
=0+0
=0
Donc X1 + X2 ∈ F, ∀X1 , X2 ∈ F (F est stable pour +).
− Soient X = (x, y, z) ∈ F et α ∈ R, alors α X = (αx, αy, αz) et :
2 α x − 3 α y − α z = α (2x − 3y − z) = α × 0 = 0.
Donc α X ∈ F, ∀X ∈ F, ∀α ∈ R (F est stable pour •).

4 Sous-espaces vectoriel engendré et systèmes généra-


teurs
Théorème 4.1.
L’ensemble F de toutes les combinaisons linéaires des vecteurs u1 , . . . , un d’un K-ev E est un
sous-espace vectoriel de E et si G est un sous-espace vectoriel de E contenant les vecteurs
u1 , . . . , un , alors F est contenu dans G.

Preuve.
Montrons que F est un sous-espace vectoriel de E :
− 0E est une combinaison linéaire de toute famille finie de E, donc 0E ∈ F .
n
X n
X
− Soient x = αi ui et y = βi ui deux vecteurs de F et soient λ, µ ∈ K, alors :
i=1 i=1
n
X n
X n
X n
X
λx + µy = λ αi ui + µ βi u i = (λαi + µβi ) ui = γi ui ∈ F.
i=1 i=1 i=1 i=1

Pour tout i, ui ∈ F puisque ui = 0u1 + . . . + 0ui−1 + 1ui + 0ui+1 + . . . + 0un .


Et si G est un autre sous-espace vectoriel de E contenant les n vecteurs u1 , . . . , un , alors toute
combinaison linéaire de u1 , . . . , un est aussi un vecteur de G, c-à-d : F ⊂ G ; en d’autres termes,
c’est le plus petit sous-espace vectoriel de E (au sens de l’inclusion) contenant les vecteurs
u1 , . . . , u n . 
Définition 4.1 (Sous-espace vectoriel engendré).
Soient u1 , . . . , un des vecteurs de E un K-ev. L’ensemble des combinaisons linéaires de u1 , . . . , un
est appelé le sous-espace vectoriel engendré par les vecteurs u1 , . . . , un .
Algèbre Linéaire – K. Elamri - 13 -

Notation.
On note le sous-espace vectoriel engendré par u1 , . . . , un comme suit :
n
X
Vect(u1 , . . . , un ) = { x ∈ E / ∃ α1 , . . . , αn ∈ K : x = αi ui }.
i=1

Ainsi :
x ∈ Vect(u1 , . . . , un ) ⇐⇒ x est une combinaison linéaire de u1 , . . . , un
n
X
⇐⇒ ∃ (au moins) α1 , . . . , αn ∈ K tels que : x = αi ui .
i=1

Remarque.
L’ensemble {u1 , . . . , un } est un sous-espace vectoriel de E si et seulement si :
Vect(u1 , . . . , un ) = {u1 , . . . , un }.
En effet, on a : {u1 , . . . , un } ⊂ Vect(u1 , . . . , un ).
X n
Et si x = αi ui ∈ Vect(u1 , . . . , un ) et comme {u1 , . . . , un } est un sous-espace vectoriel de
i=1
E, alors x ∈ {u1 , . . . , un }. D’où : Vect(u1 , . . . , un ) ⊂ {u1 , . . . , un }.

Définition 4.2 (Système générateur (Famille génératrice)).


Soit F le sous-espace vectoriel engendré par u1 , . . . , un , alors on dit que les vecteurs u1 , . . . , un
engendrent le sous-espace vectoriel F ou forment un système générateur de F (ou aussi,
forment une famille génératrice de F ).

N.B. (u1 , . . . , un ) est une famille génératrice de F si et seulement si Vect(u1 , . . . , un ) = F :


n
X
Vect(u1 , . . . , un ) = F ⇐⇒ ∀x ∈ F, ∃ (au moins) α1 , . . . , αn ∈ K tels que : x = αi ui .
i=1

Propriétés 4.1.
Toute famille contenant une sous-famille génératrice de F est une famille génératrice de F .

Preuve.
Soit (u1 , . . . , un ) telle que (u1 , . . . , up ) est une famille génératrice de F (p ≤ n), et soit x ∈ F ,
alors ∃ (au moins) α1 , . . . , αp ∈ K tels que :
p n
X X
x= αi ui = αi ui (avec αp+1 = . . . = αn = 0).
i=1 i=1

Donc la famille (u1 , . . . , un ) est aussi génératrice de F . 

Exemples.
1. Vect(0E ) = {0E }.
2. Le sous-espace vectoriel engendré par un seul vecteur u 6= 0E est :
Vect(u) = {x ∈ E / ∃ (au moins) α ∈ K : x = α u}.
Et le sous-espace vectoriel engendré par deux vecteurs u, v est :
Vect(u, v) = { x ∈ E / ∃ (au moins) α, β ∈ K : x = α u + β v }.
Algèbre Linéaire – K. Elamri - 14 -

3. Les vecteurs e1 = (1, 0, . . . , 0), . . . , ei = (0,. . . , 0, 1, 0, . . . , 0), . . . , en = (0, . . . , 0, 1) en-


gendrent Rn (R-ev) : Rn = Vect e1 , . . . , en .
4. F = { (x, y, z) ∈ R3 / x + y + z = 0 } est un sous-espace vectoriel engendré par les vecteurs
(1, 0, −1) et (0, 1, −1).
En effet, si X = (x, y, z) ∈ F , alors : x + y + z = 0 ⇐⇒ z = −x − y.
Et en remplaçant dans la troisième composante du vecteur X, on obtient :
X = (x, y, −x − y) = (x, 0, −x) + (0, y, −y)
= x(1, 0 − 1) + y(0, 1, −1).

Ceci étant vérifié pour tout X ∈ F , ainsi F = Vect (1, 0, −1), (0, 1, −1) .

5 Dépendance et indépendance linéaire


Définition 5.1 (Système lié, Système libre).
Soit S = (u1 , . . . , un ) un système fini de E (un K-ev).
On dit que S est un système lié ou que les vecteurs u1 , . . . , un sont linéairement dépendants
si : Xn
∃ α1 , . . . , αn ∈ K non tous nuls tels que : αi ui = 0E .
i=1

On dit que S est un système libre ou que les vecteurs u1 , . . . , un sont linéairement indé-
pendants si :
n
X
∀ α1 , . . . , αn ∈ K tels que αi ui = 0E , alors α1 = . . . = αn = 0.
i=1
Remarques.
1. "Les scalaires α1 , . . . , αn sont non tous nuls" signifie qu’au moins un de ces scalaires est
non nul.
2. Le fait que les vecteurs u1 , . . . , un sont linéairement indépendants signifie qu’il n’existe
aucune relation linéaire entre ces vecteurs de la forme : α1 u1 + α2 u2 + . . . + αn un = 0E
sauf la relation linéaire triviale : 0 u1 + 0 u2 + . . . + 0 un = 0E (tous nuls).
3. S est libre ⇐⇒ S est non liée (S est liée ⇐⇒ S est non libre).

Exemples.
1. Les vecteurs u = (1, −3) et v = (2, −1) forment une famille libre (dans R2 ).
Soient α, β ∈ R tels que : αu + βv = 0R2 ⇐⇒ α(1, −3) + β(2, −1) = (0, 0)
( (
α + 2β = 0 α = −2β
⇐⇒ =⇒ =⇒ α = 0.
−3α − β = 0 6β − β = 5β = 0 =⇒ β = 0

2. Le système S de R3 , formé des vecteurs u1 = (1, 2, −1), u2 = (2, 1, −1) et u3 = (−3, 0, 1),
est lié. Soient α1 , α2 , α3 ∈ R tels que :
α1 u1 + α2 u2 + α3 u3 = 0R3 (∗) ⇐⇒ α1 (1, 2, −1) + α2 (2, 1, −1) + α3 (−3, 0, 1) = (0, 0, 0).
 

 α 1 + 2α 2 − 3α3 = 0 (1) (2) : α2 = −2α1

⇐⇒ 2α1 + α2 = 0 (2) =⇒ (3) : −α1 + 2α1 + α3 = 0
 
−α1 − α2 + α3 = 0 (3) (1) : α1 + 2α2 − 3α3 = 0
 
Algèbre Linéaire – K. Elamri - 15 -


α2 = −2α1

=⇒ α3 = −α1

α1 − 4α1 + 3α1 = 0 (toujours vraie ∀α1 ∈ R).

Donc il y a une infinité de solutions et le système S est par conséquent lié, c’est qu’il y
a en fait une infinité de relations de dépendance linéaire entre les trois vecteurs u1 , u2 , u3
données par :

α1 u1 − 2α1 u2 − α1 u3 = 0R3 (ceci pour tout α1 ∈ R).

En particulier si on prend α1 = 1, on obtient la relation de dépendance linéaire suivante


liant les trois vecteurs : u1 − 2u2 − u3 = 0R3 .
Propriétés 5.1.
Soit E un K-ev, alors on a :
a. Les vecteurs u1 , . . . , un sont linéairement dépendants si et seulement si au moins l’un des
vecteurs s’écrit comme combinaison linéaire des autres.

b. Si u ∈ E et u 6= 0E , alors le système (u) est libre. Et par contraposée, le système (0E ) est
lié.

c. Tout système contenant 0E est lié. Et par contraposée, tout système libre ne contient pas
0E .

d. Deux vecteurs u et v non nuls sont linéairement dépendants si et seulement s’il existe
λ ∈ K ∗ tel que u = λ v (on dit que les vecteurs u et v sont proportionnels 2 ). Et par
contraposée, u et v sont linéairement indépendants si et seulement si : ∀α ∈ K ∗ , u 6= α v
(u et v ne sont pas proportionnels).

e. Tout système contenant deux vecteurs identiques est lié. Et par contraposée, les vecteurs
d’un système libre sont deux à deux distincts.

f. Tout sous-système d’un système libre est libre. Et par contraposée, tout système contenant
un système lié est lié.

g. Si (u1 , . . . , un ) est libre et (u1 , . . . , un , u) est lié, alors u ∈ Vect(u1 , . . . , un ). Et par contra-
posée, si (u1 , . . . , un ) est libre et si u 6= 0E tel que u ∈ / Vect(u1 , . . . , un ), alors (u1 , . . . , un , u)
est libre.

Preuve.
(a.) u1 , . . . , un sont linéairement dépendants ⇐⇒ ∃ α1 , . . . , αn ∈ K non tous nuls tels que :
Xn
αi ui = 0E . Supposons que αi 6= 0 et soit αi−1 ∈ K son inverse, alors :
i=1

αi ui = −α1 u1 − . . . − αi−1 ui−1 − αi+1 ui+1 − . . . − αn un


=⇒ ui = −(αi−1 α1 )u1 − . . . − (αi−1 αi−1 )ui−1 − (αi−1 αi+1 )ui+1 − . . . − (αi−1 αn )un .

Réciproquement, si ui = α1 u1 + . . . + αn un =⇒ α1 u1 + . . . + (−ui ) + . . . + αn un = 0E , ceci


est une combinaison linéaire des vecteurs u1 , . . . , un égale à 0E et à coefficients non tous nuls
(αi = −1 6= 0).
(b.) Si u 6= 0E , α u = 0E =⇒ α = 0, donc le système (u) est libre.
2. On dit aussi qu’ils sont colinéaires.
Algèbre Linéaire – K. Elamri - 16 -

(c.) Soit S = (u1 , . . . , 0E , . . . , un ), alors on peut toujours écrire :


0u1 + . . . + 0ui−1 + α0E + 0ui+1 + . . . + 0un = 0E (∀α 6= 0).
(d.) u 6= 0E et v 6= 0E sont linéairement dépendants si : ∃ α, β ∈ K non tous nuls tels que
α u + β v = 0E . Si α = 0 =⇒ β v = 0E et comme v 6= 0E alors β = 0 et ce qui est impossible,
donc les deux scalaires sont tous non nuls.
Et par suite : u = −(α−1 )β v = λ v où λ = −α−1 β ∈ K ∗ . La réciproque est évidente.
(e.) Soit S = (u1 , . . . , un ) tel que ui = uj et soit la combinaison linéaire dont les coefficients
sont non tous nuls : 0u1 + . . . + ui − uj + . . . + 0un = 0E .
(f.) Soit V = (u1 , . . . , un ) libre et U = (u1 , . . . , up ) ⊂ V (p < n). En raisonnant par l’absurde,
on suppose que U n’est pas libre, alors il existerait α1 , . . . , αp ∈ K non tous nuls tels que :
α1 u1 + . . . + αp up = 0E .
Par suite la combinaison linéaire α1 u1 + . . . + αp up + αp+1 up+1 + . . . + αn un = 0E (avec
αp+1 = 0, . . . , αn = 0) ayant des coefficients non tous nuls entraine que V est lié et ce qui est
contradictoire avec le fait que V est libre.
(g.) Puisque le système (u1 , . . . , un ) est libre et (u1 , . . . , un , u) est lié, alors ∃ α1 , . . . , αn , α ∈ K
X n Xn
non tous nuls tels que : (αi ui ) + αu = 0E . Si α = 0, alors αi ui = 0, or par hypothèse
i=1 i=1
(u1 , . . . , un ) est libre, donc αi = 0 ∀i = 1, . . . , n, ainsi tous les coefficients α1 , . . . , αn , α sont
tous nuls et ce qui est impossible (car (u1 , . . . , un , u) est lié). Ainsi α 6= 0 et par conséquent
X n
c’est u qui s’écrit comme combinaison linéaire des vecteurs u1 , . . . , un : u = (−α−1 αi )ui ,
i=1
d’où u ∈ Vect(u1 , . . . , un ). 

6 Bases et dimension
Définition 6.1 (Espace vectoriel de dimension finie).
Un K-ev est de dimension finie s’il admet au moins un système générateur fini.
Définition 6.2 (Base).
Soit E un K-ev de dimension finie. Un système fini B = (e1 , . . . , en ) est une base de E s’il
satisfait les deux propriétés suivantes :
i. B est générateur de E ;
ii. B est libre.

Remarques.
Si B = (e1 , . . . , en ) est une base de E alors on a :
1. ei 6= 0E , ∀i = 1, . . . , n (puisque tout système comportant 0E est lié).
2. ei 6= ej , ∀i 6= j (puisque tout système comportant des vecteurs qui se répètent est lié).

Exemple fondamental : La base canonique.


Étant donné l’ev K n (K un corps commutatif) et les vecteurs ei = (0, . . . , 0, 1
|{z} , 0, . . . , 0),
ième position
i = 1, . . . , n, alors le système (e1 , . . . , en ) est une base de K n ; on l’appelle la base canonique de
K n.
En particulier, la base canonique de K est formé du scalaire 1 (l’élément neutre de K ∗ pour la
multiplication (la deuxième loi de composition interne)).
Dans le cas pratique on travaille avec K = R et on note BRcn la base canonique de Rn .
Algèbre Linéaire – K. Elamri - 17 -

Théorème 6.1 (Théorème des composantes).


Le système B = (e1 , . . . , en ) est une base de E (un K-ev) si et seulement si :
n
X
∀x ∈ E, ∃ α1 , . . . , αn ∈ K uniques tels que : x = αi ei .
i=1

Les coefficients α1 , . . . , αn sont appelés les composantes (ou les coordonnées) de x dans la base
B et αi est la ième composante du vecteur x dans B.

Preuve. n
X
Soit x ∈ E, B est générateur de E =⇒ ∃ α1 , . . . , αn ∈ K tels que x = αi e i .
i=1
n
X n
X
Supposons que : ∃ β1 , . . . , βn ∈ K tels que x = βi ei . Alors : (αi − βi )ei = 0E .
i=1 i=1
Or B étant libre, par suite αi − βi = 0 (∀i = 1, . . . , n) et donc : αi = βi (∀i = 1, . . . , n).
Réciproquement, le fait que tout vecteur de E s’écrit comme combinaison linéaire unique des
vecteurs de B, implique que B est un système générateur de E. En plus, si α1 , . . . , αn ∈ K sont
n
X X n
tels que : αi ei = 0E = 0ei , et comme l’écriture (en combinaison linéaire) étant unique
i=1 i=1
alors forcément on a : αi = 0 (∀i = 1, . . . , n), c’est-à-dire que B est aussi libre.
B est libre et générateur de E par conséquent c’est une base de E. 

Exemple.
Soit F = {(x, y) ∈ R2 / x − 2y = 0}, alors B = ((2, 1)) est une base de F :

 Le système B est libre, car (2, 1) 6= 0R2 .

 (x, y) ∈ F ⇐⇒ x − 2y = 0 ⇐⇒ x = 2y =⇒ (x, y) = (2y, y) = y(2, 1) (ceci ∀(x, y) ∈ F ).


Donc : F = Vect((2, 1)), c-à-d : B = ((2, 1)) est un système générateur de F .
Et la composante de tout vecteur (x, y) ∈ F dans la base B est le réel y.

Théorème 6.2.
Soient L et G deux systèmes finis d’un K-ev de dimension finie tels que L est libre, G est
générateur de E et L ⊂ G. Alors il existe une base B de E telle que : L ⊂ B ⊂ G.

Théorème 6.3.
Soit E un K-ev de dimension finie, alors on a les propositions suivantes :

a. Tout système générateur fini de E contient une base de E.

b. E admet une base finie.

Preuve.
(a) On a : ∅ ⊂ G (∅ est supposé libre par convention). D’après le théorème précédent, il existe
B une base de E telle que : B ⊂ G.
(b) Puisque E est de dimension finie, il admet au moins un système générateur fini G et grâce
à la proposition (a) il existe une base contenue dans G. 

Théorème 6.4 (Théorème de la base incomplète).


Si L est un système fini libre de E (un K-ev de dimension finie), alors il existe au moins une
base B de E telle que : L ⊂ B.
Algèbre Linéaire – K. Elamri - 18 -

Preuve.
Grâce au théorème 1.4, il suffit de considérer le système générateur L ∪ G de E (dim E = n)
où G désigne un système générateur fini de E.
Plus précisément, si L = (u1 , . . . , um ) est libre (m < n), on forme la base B en complétant L
par des vecteurs um+1 , . . . , un choisis parmi les vecteurs d’un système générateur quelconque G
de E et on obtient la base B = (u1 , . . . , um , um+1 , . . . , un ). 

Théorème 6.5.
Si E est un K-ev de dimension finie, alors toutes les bases de E ont le même cardinal.

Définition 6.3 (La dimension d’espace vectoriel).


Si E est un K-ev de dimension finie, le cardinal d’une base de E est appelé la dimension de E
et est noté dim E.

Exemples.
1. Pour l’espace vectoriel F = {(x, y) ∈ R2 / x − 2y = 0}, B = ((2, 1)) est une base de F et
card B = 1 (B contient un seul élément), ainsi dim F = 1.

2. dim Rn = card (BRc n ) = n.

N.B. dim E = 0 ⇐⇒ E = {0E } (par convention, on considère que l’ensemble vide ∅ est
libre et c’est un système générateur de {0E }).

Propriétés 6.1.
Soit E un K-ev tel que dim E = n et soit S un système fini de E, alors on a les propriétés
suivantes :
a. Si S est générateur de E alors card (S) ≥ n. Et par contraposée, si card (S) < n alors S
n’est pas générateur de E.

b. Si S est libre alors card (S) ≤ n. Et par contraposée, si card (S) > n alors S est lié.

c. Si card (S) = n, alors les trois propositions suivantes sont équivalentes :

i. S est une base de E ;


ii. S est libre ;
iii. S est générateur de E.

Preuve.
(a) D’après le théorème 1.5, puisque S est générateur de E alors il contient une base B de E :
B ⊂ S et par conséquent card (S) ≥ card (B) = dim E = n.
(b) D’après le théorème de la base incomplète, il existe une base B qui contient L (libre).
L ⊂ B entraine que card (L) ≤ card (B) = dim E = n.
(c) Montrons l’équivalence suivante : S est libre ⇐⇒ S est générateur de E.
=⇒) Soit S = (u1 , . . . , un ) libre et soit u ∈ E, alors le système S 0 = (u1 , . . . , un , u) est
lié (card (S 0 ) > n) et d’après la propriété (3.g), u ∈ Vect(u1 , . . . , un ) c-à-d u s’écrit comme
combinaison linéaire des vecteurs u1 , . . . , un . Ainsi, S est générateur de E.
⇐=) Si S = (u1 , . . . , un ) est générateur de E et supposons par l’absurde que S est lié, alors :
Xn
∃ α1 , . . . , αn ∈ K non tous nuls tels que : αi ui = 0E .
i=1
Algèbre Linéaire – K. Elamri - 19 -

Si αi 6= 0, alors ui s’écrit comme combinaison linéaire des autres vecteurs et comme S est
générateur de E, alors de même le système S 0 = (u1 , . . . , ui−1 , ui+1 , . . . , un ) est générateur de
E, or card (S 0 ) = n−1 et ce qui est impossible. Donc la supposition est fausse et par conséquent
S est libre. 

N.B. Dans le cas où le card inal d’un système de vecteurs coïncide avec la dimension de
l’espace vectoriel, il suffit pour que le système soit une base, de montrer qu’il est soit libre soit
générateur de l’espace vectoriel.

Théorème 6.6.
Si F est un sous-espace vectoriel de E (un K-ev de dimension finie), alors dim F ≤ dim E.
Et si dim F = dim E alors E = F .

Preuve.
Il est clair que F est un espace vectoriel de dimension finie puisque tout système générateur
de E est aussi un système générateurs de F . Soit BF une base de F , F étant libre dans E et
d’après le théorème de la base incomplète, il existe une base BE de E qui contient BF , par
conséquent dim F = card (BF ) ≤ dim E = card (BE ).
Si maintenant on suppose que dim F = dim E = n, toute base B de F contient n vecteurs
et B étant libre et dim E = n = card (B), alors B est aussi une base de E. Par suite tout
vecteur x ∈ E s’écrit comme combinaison linéaire unique des vecteurs de B (que l’on considère
ici comme une base de F ) et donc x ∈ F .
Ainsi ∀x ∈ E, x ∈ F , donc E ⊂ F et d’où l’égalité E = F . 

7 Rang des systèmes finis


Définition 7.1 (Rang d’un système fini).
Le rang d’un système fini S est le plus grand nombre de vecteurs linéairement indépendants que
l’on peut extraire de S.

Notation.
Si S = (u1 , . . . , up ), on note le rang de S : rg(S) = rg(u1 , . . . , up ).

Remarques.
(
i. ∃ S 0 ⊂ S tel que card(S 0 ) = r et S 0 est libre.
1. rg(S) = r ⇐⇒
ii. si S 00 ⊂ S tel que card(S 00 ) > r, alors S 00 est lié.

2. 1 ≤ rg(u1 , . . . , up ) ≤ p.

3. rg(u1 , . . . , up ) = p ⇐⇒ S est libre.


Et par contraposée : rg(u1 , . . . , up ) ≤ p − 1 ⇐⇒ S est lié.

Exemple.
Dans R3 , cherchons le rang des quatre vecteurs suivants :

u1 = (1, 1, 2), u2 = (1, −1, 1)


u3 = (1, 3, 3), u4 = (1, 0, 1)
Algèbre Linéaire – K. Elamri - 20 -

Cherchons si le système (entier) S = (u1 , u2 , u3 , u4 ) est libre ?


Soient α1 , α2 , α3 , α4 ∈ R tels que : α1 u1 + α2 u2 + α3 u3 + α4 u4 = 0R3 (∗)

⇐⇒ α1 (1, 1, 2) + α2 (1, −1, 1) + α3 (1, 3, 3) + α4 (1, 0, 1) = (0, 0, 0)



α1 + α2 + α3 + α4
 = 0 (1)
⇐⇒ α1 − α2 + 3α3 = 0 (2)

2α1 + α2 + 3α3 + α4 = 0 (3)

(3) − (1) =⇒ α1 + 2α3 = 0 =⇒ α1 = −2α3 (4).


En remplaçant dans (2) : −3α2 + 3α3 = 0 =⇒ α2 = α3 (5).
Et en remplaçant (4) et (5) dans (3) : −4α3 + α3 + 3α3 + α4 = 0 =⇒ α4 = 0 (6).
Et à partir de (4), (5), (6), l’équation (∗) devient :

−2α3 u1 + α3 u2 + α3 u3 + 0 u4 = 0R3 (∀ α3 ∈ R) =⇒ −2 u1 + u2 + u3 = 0R3 (7).

Donc S n’est pas libre (on aurait dû le constater tout au début, puisque card(S) = 4 > dim R3 =
3). De même que le sous-système S1 = (u1 , u2 , u3 ) est lié (d’après (7)).
Cherchons si le système S2 = (u1 , u3 , u4 ) est libre ?
Le choix de ce système à 3 éléments (et sans répétition) est arbitraire parmi les 4 sous-systèmes
de S qui sont : (u1 , u2 , u3 ), (u1 , u2 , u4 ), (u1 , u3 , u4 ),(u2 , u3 , u4 ).
Soient α, β, γ ∈ R tels que : α u1 + β u3 + γ u4 = 0R3 .

⇐⇒ α(1, 1, 2) + β(1, 3, 3) + γ(1, 0, 1) = (0, 0, 0)



α + β + γ
 = 0 (1)
⇐⇒ α + 3β = 0 (2)

2α + 3β + γ = 0 (3)

(2) =⇒ α = −3β, en remplaçant dans (3) : −3β + 3β + γ = 0 =⇒ γ = 0,


et en remplaçant dans (1) : −3β + β = 0 =⇒ −2β = 0 =⇒ β = 0 =⇒ α = 0.
Donc α = β = γ = 0 et par suite le sous-système S2 est libre.
Ainsi : rg(S) = card(S2 ) = 3.

Remarque.
n!
Il y a Cnp = (Combinaisons sans répétitions) 3 sous-familles à p vecteurs extraites
p ! (n − p) !
d’une famille contenant n vecteurs.

Théorème 7.1.
La dimension du sous-espace vectoriel engendré par un système fini de vecteurs est égale au
rang de ce système :
dim Vect(u1 , . . . , un ) = rg(u1 , . . . , un ).

Preuve.
Soient S = (u1 , . . . , un ) avec rg(S) = p et F = Vect(u1 , . . . , un ).
Supposons que B = (u1 , . . . , up ) est un sous-système de S formé de p vecteurs linéairement
indépendants, vérifions qu’il est aussi générateur de F .
Étant donné un vecteur u ∈ F alors, ∃ α1 , . . . , αn ∈ K tels que :

u = α1 u1 + . . . + αp up + αp+1 up+1 + . . . + αn un .
3. Le factoriel n (∈ N) est : n! = 1 × 2 × 3 × . . . × (n − 1) × n avec la convention 0! = 1.
Algèbre Linéaire – K. Elamri - 21 -

Or chacun des vecteurs up+1 , up+2 , . . . , un s’écrit comme combinaison linéaire des vecteurs
u1 , . . . , up (D’après Propriété (3.g) et puisque les systèmes (u1 , . . . , up , uj ) sont liés, pour j =
p + 1, . . . , n), et par suite, u est une combinaison linéaire des vecteurs u1 , . . . , up .
D’où B est un système générateur de F et par conséquent c’est une base de F . Et comme
card(B) = p, alors dim F = p = rg(S). 

Remarques.

1. rg(u1 , . . . , up ) = dim Vect(u1 , . . . , up ) ≤ dim E (puisque la dimension de tout sous-espace


vectoriel est toujours inférieure à la dimension de l’espace qui le contient).

2. rg(S) = dim E ⇐⇒ S est générateur de E.


En effet, si S = (u1 , . . . , up ), alors :

rg(S) = rg(u1 , . . . , up ) = dim Vect(u1 , . . . , up ) = dim E


⇐⇒ Vect(u1 , . . . , up ) = E
⇐⇒ S = (u1 , . . . , up ) est un système générateur de E.
Algèbre Linéaire – K. Elamri - 22 -

Exercices

Exercice 1.
Soient deux vecteurs x = (a, b) et y = (c, d) de R2 . Montrer l’équivalence suivante :
x et y sont linéairement dépendants ⇐⇒ ad − bc = 0.

Exercice 2.
Soient u1 , u2 , u3 , u4 4 vecteurs linéairement indépendants d’un espace vectoriel réel E. Vérifier
si les systèmes suivants sont libres ou liés :
S1 = (u1 , u3 , u4 ), S2 = (2u1 + u4 , u2 , −u2 + u4 ), S3 = (u1 + u2 , 3u1 − u2 , u3 , u2 − u3 ).

Exercice 3.
Vérifier que les familles suivantes sont liées et en donner respectivement des relations de dépen-
dance linéaire :
F1 = ((0, 1), (3, 2), (−1, 1)), F2 = ((1, 1, 0), (4, 1, 4), (2, −1, 4)).

Exercice 4.
1. Est-ce que les vecteurs u = (1, 2, 1), v = (1, 1, 1), w = (2, 3, 2) engendrent R3 ?
2. Vérifier que la famille F = ((2, 1), (−1, 2), (1, 3)) est génératrice de R2 . Est-elle une base de
R2 ?

Exercice 5.
1. Dire pourquoi ces ensembles de R3 n’ont pas la structure de sous-espace vectoriel :
A = {(x, y, z) ∈ R3 / z > 1}, B = {(x, y, z) ∈ R3 / xy = 0}, C = {(x, y) ∈ R2 / x2 − y ≥ 1}.
2. Montrer que E = {(x, y, z) ∈ R3 / x − 2y + 3z = 0} est un sous-espace vectoriel de R3 et en
déterminer une base.
3. Vérifier que F = {(x1 , x2 , x3 , x4 ) ∈ R4 / x1 + 3x2 − x3 − x4 = 0 et 2x1 + x4 = 0} est un
R-espace vectoriel et en déterminer une base.

Exercice 6.
1. Soient u = (9, −3, 2), v = (2, 1, 4), w = (1, 0, 1) 3 vecteurs de R3 .

a. Montrer que le système S = (u, v, w) est un système libre. Justifier pourquoi S est une
base de R3 .

b. Trouver les composantes du vecteur x = (1, 2, −1) dans la base S.

2. Mêmes questions pour les vecteurs suivants : u = (0, 1, 1), v = (0, 2, 1), w = (1, 5, 3) et
x = (1, 0, 2).

Exercice 7.
On note F le sous-espace vectoriel engendré par les 4 vecteurs suivants :
u1 = (1, 0, 1), u2 = (−1, 2, 3), u3 = (2, 4, −1), u4 = (3, 1, −1).

a. Déterminer le rang des vecteurs u1 , u2 , u3 , u4 . En déduire la dimension de F .

b. Donner une base de F .

Exercice 8.
1. On considère les vecteurs suivants de R3 : u = (1, 0, a), v = (0, 1, b), w = (1, 1, c).
Pour quelles valeurs de a, b et c le système S = (u, v, w) est-il libre ?
Algèbre Linéaire – K. Elamri - 23 -

Discuter le rang de S dans chaque cas.


2. Soient les vecteurs u = (1, −1, 0), v = (1, 0, −1), w = (0, 1, −1). A quelle condition le vecteur
x = (a, b, c) ∈ Vect(u, v, w) ?

Exercice 9.
Soit le sous-espace vectoriel de R3 donné par :
G = {(3x + 2y, x − y + 5z, −2x + y − 7z)/ x, y, z ∈ R}.
1. Chercher un système générateur S de G.
2. Déterminer le rang des vecteurs de S et en déduire la dimension puis une base de G.
3. Vérifier que le vecteur (16, −3, 1) appartient à G.

Exercice 10.
Étant donnés les 4 vecteurs de R3 : a = (−1, 6, 5), b = (2, −3, −4), c = (2, 3, 0), d = (1, 0, −1).
Montrer que Vect(a, b) ⊂ Vect(c, d).

Exercice 11.
Soient F le sous-espace vectoriel engendré par u = (2, 1, 0), v = (−1, 0, 1), w = (4, 1, −2) et soit
le sous-espace vectoriel G = {(0, x − y, −y)/ x, y ∈ R}.
Chercher une base de F ∩ G et en déduire sa dimension.

Exercice 12.
Soient les deux sous-espaces vectoriels de R3 suivants :
F = {(0, a + 3b, −a + b)/ a, b ∈ R}, G = {(−2c + d, c + d, c − 2d)/ c, d ∈ R} .
a. Déterminer une base de F ∩ G.
b. Donner l’expression du sous-espace vectoriel F ∩ G à partir de cette base.

Exercice 13.
a. Vérifier que les vecteurs u = (1, 1, −1, 1), v = (1, 2, 1, 1), w = (1, 1, −2, 1) sont linéairement
indépendants dans R4 .
b. Compléter la famille libre F = (u, v, w) pour former une base de R4 .

Exercice 14.
Soit F = Vect(u1 , u2 , u3 , u4 ) avec : u1 = (2, −1, −1), u2 = (−1, 2, 3), u3 = (1, 4, 7), u4 = (1, 1, 2).

a. Vérifier que B = (u1 , u2 ) est une base de F . En déduire le rang des vecteurs u1 , u2 , u3 , u4 .
b. Ecrire F sous forme cartésienne.
c. Compléter B en une base de R3 .

Exercice 15.
a. Déterminer un système générateur du sous-espace vectoriel de Rn :
n
X
n
F = {(x1 , . . . , xn ) ∈ R / ai xi = 0} (ai ∈ R, ∀i = 1, . . . , n et a1 6= 0).
i=1

b. En déduire une base de F et sa dimension.

Vous aimerez peut-être aussi