Vous êtes sur la page 1sur 8

EA

Chapitre 4

Espaces vectoriels

S
NS
4.1 Espace vectoriel
K désigne un corps R ou C.

Définition 4.1.1 Un espace vectoriel sur K, noté K − e.v. est un ensemble E muni de
,E
deux lois :
— Une loi de composition interne "l’addition"

⊕ : E × E −→ E
ed

(u, v) 7−→ u + v,

— Une loi de composition externe "multiplication"


ou

: K × E −→ E
(λ, u) 7−→ λ • u,
ez

vérifiant pour tous u, v, w ∈ E et λ, µ ∈ K les propriétés suivantes :


1. u + v = v + u.
M

2. (u + v) + w = v + (u + w).
3. ∃0E ∈ E/u + 0E = u.
4. ∀u ∈ E, ∃(−u) ∈ E/u + (−u) = 0E .
5. 1 • u = u.
6. λ • (µ • u) = (λµ) • u.
7. λ • (u + v) = λ • u + µ • v.
8. (λ + µ) • u = λ • u + µ • u.

41
4.2. SOUS ESPACE VECTORIEL CHAPITRE 4. ESPACES VECTORIELS

Exemple 4.1.2 1. R2 muni de l’addition et de la multiplication définies par :

⊕ : R2 × R2 −→ R2
0 0 0 0
((x, y), (x , y )) 7−→ (x + x , y + y ),

EA
: R × R2 −→ R2
(λ, (x, y)) 7−→ λ • (x, y) = (λx, λy),

S
est un R −e.v.. Plus généralement, Rn = {(x1 , x2 , · · · , xn ), /xi ∈ R} est un R −e.v. (sera
traité en cours).

NS
2. L’ensemble F(R, R) des fonctions de R dans R muni des lois :

⊕ : F(R, R) × F(R, R) −→ F(R, R)


(f, g) 7−→ (f + g)(x) = f (x) + g(x),
,E
: R × F(R, R) −→ F(R, R)
(λ, f ) 7−→ (λ • f )(x) = λf (x),
ed

est un R − e.v. (sera traité en cours).


3. L’ensemble des matrices n × p muni de l’addition et de la multiplication par un
scalaire (voir chapitre 1 pour la definition de ces lois), est un R−e.v. (à faire en exercice).
ou

Proposition 4.1.3 Soit E un espace vectoriel sur u corps K et λ ∈ K. On a


— 0 • u = 0E .
— λ • 0E = 0 E .
— (−1) • u = −u
ez

— λ • u = 0E ⇔ λ = 0 ou u = 0E .
M

4.2 sous espace vectoriel


Notons que la notion de sous espace vectoriel est interessante, elle consiste à vérifier
seulement trois conditions. Considérons E un K − e.v. et F une partie de E.

Définition 4.2.1 L’ensemble F est un sous espace vectoriel (s.e.v.) de E si :


— 0E ∈ F .
— u + v ∈ F pour tous u, v ∈ F (F est stable pour la loi interne).
— λ • u ∈ F pour tous λ ∈ K et u ∈ F (F est stable pour la loi externe).

42
CHAPITRE 4. ESPACES VECTORIELS
4.3. SOMME DE DEUX SOUS ESPACES VECTORIELS

Exemple 4.2.2 (A faire en cours)


1. F = {(x, y) ∈ R2 /x + y = 0} est un s.e.v. de R2 .
2. G = {(x, y) ∈ R2 /x + y = 2} n’est pas un s.e.v. de R2 .
3. H = {(x, y) ∈ R2 /x = 0 ou y = 0} n’est pas un s.e.v. de R2 .
4. I = {(x, y) ∈ R2 /x > 0 et y > 0} n’est pas un s.e.v. de R2 .

EA
Exemple 4.2.3 (A faire en cours).
L’ensemble F = {X ∈ Rp /AX = 0}, où A est une matrice n × p des solutions d’un
système homogène est un s.e.v. de Rp .

Théorème 4.2.4 Si F est un sous espace vectoriel de E alors F est un espace vectoriel

S
pour les lois induites de E.

NS
Proposition 4.2.5 Soient F et G deux s.e.v. de E.
— F ∩ G est un s.e.v de E.
— F ∪ G n’est pas un s.e.v de E.
— CEF n’est pas un s.e.v de E.
— L’intersection F1 ∩ F2 ∩ · · · Fn d’une famille quelconque de s.e.v de E est un s.e.v
,E
de E.

4.3 Somme de deux sous espaces vectoriels


Dans la proposition çi-dessus enonce que l’union de deux sous espaces vectoriels F et
ed

G n’est pas un sous espace vectoriel, il est utile de connaitre les s.e.v. qui contiennent à
la fois F et G, en particulier le plus petit d’entres eux (au sens de l’inclusion).

Définition 4.3.1 La somme de deux s.e.v F et G est


ou

F + G = {u + v/u ∈ F, v ∈ G} .

Exemple 4.3.2 (A faire en cours)


ez

Soient F = {(x, y, z) ∈ R3 /y = z = 0} et G == {(x, y, z) ∈ R3 /x = z = 0}. Determi-


ner F + G.

Proposition 4.3.3 — F + G est un s.e.v.


M

— F + G est le plus petit s.e.v contenant à la fois F et G.

4.4 Sous espaces vectoriels supplémentaires/ Somme


directe de s.e.v
Définition 4.4.1 Soient F et G deux s.e.v de E. F et G sont en somme directe dans E
si

43
4.5. SOUS ESPACE ENGENDRÉ/ FAMILLE
CHAPITRE
GÉNÉRATRICE
4. ESPACES VECTORIELS

— F ∩ G = {0E }.
— F +G = E. On note F ⊕G = E. Dans ce cas, F et G sont des s.e.v supplémentaires
dans E.

Proposition 4.4.2 F et G sont supplémentaires dans E ssi tout élément de E s’écrit

EA
d’une maniere unique comme la somme d’un élément de F et d’un élément de G.

Exemple 4.4.3 (A faire en cours)


1. Soient F = {(x, 0) ∈ R2 /x ∈ R} et G = {(0, y) ∈ R2 /y ∈ R}.
Montrer que F ⊕ G = R2 .
2. Soient F(R, R) = {{ : R −→ R}, P = {f /f (x) = f (−x)} et

S
I = {f /f (−x) = −f (x)}. Montrer que les s.e.v P et I sont supplémentaires dans
F(R, R).

4.5 Sous espace engendré/ famille génératrice


NS
Soient v1 , v2 , · · · , vp , p > 1 des vecteurs de l’e.v E.
,E
4.5.1 Combinaison lineaire
Définition 4.5.1 "Combinaison lineaire"
Tout vecteur u de la forme u = λ1 v1 + λ2 v2 + · · · + λp vp où λ1 , λ2 , · · · , λp ∈ K, est
ed

appelé combinaison linéaire des vecteurs v1 , v2 , · · · , vp . Les scalaires λ1 , λ2 , · · · , λp sont


appelés coefficients de la combinaison linéaire.
ou

4.5.2 Structure de l’ensemble des combinaisons linéaires


Théorème 4.5.2 "Structure de l’ensemble des combinaisons linéaires"
— L’ensemble F des combinaisons linéaires des vecteurs v1 , v2 , · · · , vp est un s.e.v de
ez

E.
— F est le plus petit s.e.v de E (au sens de l’inclusion) contenant les vecteurs v1 , v2 , · · · , vp .
On dit que F est le s.e.v engendré par v1 , v2 , · · · , vp ou bien la famille {v1 , v2 , · · · , vp }
est génératrice de F , et on note F =< v1 , v2 , · · · , vp >.
M

     

 1 0 0 

     
Exemple 4.5.3 1. La famille 0 , 1 , 0 , engendre R3 .
 

0 0 1
( ! !)
1 0
2.La famille , , engendre R2 .
0 1
( ! !)
1 1
3. La famille , , engendre R2 .
1 −1

44
CHAPITRE 4. ESPACES VECTORIELS 4.6. FAMILLE LIBRE/ LIÉE

Remarque 4.5.4 Il peut exister plusieurs familles engendrant le même espace (ou sous
espace) vectoriel.

4.5.3 Liens entre familles génératrices

EA
0
Proposition o4.5.5
n Soit F = {v1 , v2 , · · · , vp } une famille génératice de E. Alors F =
0 0 0
v1 , v2 , · · · , vp est aussi génératrice de E ssi tout vecteur de F est une combinaison
0
linéaire de vecteurs de F .

Proposition 4.5.6 Si la famille de vecteurs F = {v1 , v2 , · · · , vp } engendre E et si un

S
des vecteurs de F , vi0 est combinaison linéaire des autres, alors la famille F − {vi0 } est
une famille génératrice de E.

4.6 Famille libre/ liée


NS
Soient v1 , v2 , · · · , vp , p > 1 des vecteurs de l’e.v E.
,E
Définition 4.6.1 On dit que la famille de vecteurs {v1 , v2 , · · · , vp } de E est libre, ou que
les vecteurs v1 , v2 , · · · , vp sont linéairement indépendants noté "LI" si

λ1 v1 + λ2 v2 + · · · + λp vp = 0 ⇒ λ1 = λ2 = · · · = λp = 0.
ed

Dans le cas contraire, c-à-d s’il exitent des coefficients λi non tous nuls tels que λ1 v1 +
λ2 v2 +· · ·+λp vp = 0, la famille de vecteurs {v1 , v2 , · · · , vp } est dite liée, ou que les vecteurs
ou

v1 , v2 , · · · , vp sont linéairement dépendants noté "LD".

Exemple 4.6.2 (Sera traité en cours).


Les familles de vecteurs {v1 , v2 , v3 } de R3 sont-elles libres ?
ez

1.      
1 2 2
     
v1 = 1 , v2 = −1 , v3 = 1 .
M

1 0 1
2.      
1 4 2
 
v2 = 5

v1 = 2 , , v3 =  
1 .
3 6 0

Théorème 4.6.3 La famille de vecteurs F = {v1 , v2 , · · · , vp } est liée si et seulement si


au moins un des vecteurs de F est combinaison linéaire des autres vecteurs.

45
4.7. BASE D’UN ESPACE VECTORIEL CHAPITRE 4. ESPACES VECTORIELS

4.7 Base d’un espace vectoriel


Définition 4.7.1 Une famille B = {v1 , v2 , · · · , vn } de vecteurs de E est une base de E
si B est une famille libre et génératrice.

Théorème 4.7.2 Soit B = {v1 , v2 , · · · , vn } une base de l’e.v E.

EA
Tout vecteur s’exprime de maniere unique comme combinaison linéaire d’éléments de B,
c-à-d il existe λ1 , λ2 , · · · , λn ∈ K tels que

v = λ1 v1 + λ2 v2 + · · · + λn vn ,

λ1 , λ2 , · · · , λn sont les coordonnées du vecteur v dans la base B.

S
Exemple 4.7.3(Atraiter en cours).

NS
   

 1 0 0 
     
1. 0 , 1 , 0 , est une base de R3 , dite base canonique.

0 0 1 
2. Rn [X] = {polynômes p/d0 p 6 n} est R − e.v. La famille {1, X, · · · , X n } est une
base de Rn [X].
,E
3. L’e.v des matrices d’ordre 2 admet une base formée de
! ! ! !
1 0 0 1 0 0 0 0
M1 = , M2 = , M3 = , M1 = .
0 0 0 0 0 1 0 1
ed

4. Déterminons une base du s.e.v F = {(x, y, z) ∈ R3 /2x + y + 3z = 0} de R3 .

4.7.1 Existence d’une base


ou

Théorème 4.7.4 Tout espace vectoriel E admettant une famille génératrice admet une
base.
ez

4.7.2 Base incomplète


Théorème 4.7.5 Soit E un espace vectoriel admettant une base de nombre de vecteurs
fini. Alors
M

— De toute famille génératrice on peut extraire une base.


— Toute famille libre peut être complétée de manière à former une base.

4.8 Espace vectoriel de dimension finie


Théorème 4.8.1 Si E est e.v admettent un nombre fini de vecteurs comme base, toutes
les bases de E ont le même nombre d’éléments, ce nombre entier est appelé dimension de
E et est noté dimE.

46
CHAPITRE 4. ESPACES VECTORIELS
4.9. RANG D’UNE FAMILLE DE VECTEURS

Corollaire 4.8.2 Dans un e.v E de dimension finie n, toute famille de plus de n vecteurs
est liée et une famille de moins de n vecteurs ne peut être génératrice.

Remarque 4.8.3 Si E = {0E } alors dimE = 0.

Exemple 4.8.4 1. dimR2 = 2, dimR3 = 3, plus généralement, dimRn = n.

EA
2. dimRn [X] = n + 1.

Théorème 4.8.5 Soit E un e.v telle que dimE = n. Alors


— Toute famille génératrice de n éléments est une base.
— Toute famille libre de n éléments est une base.

S
Théorème 4.8.6 Soit E un e.v de dimension n et F un s.e.v de E. Alors
— dimF 6 dimE.

NS
— dimF = dimE ⇔ E = F .

Théorème 4.8.7 Soit E un e.v de dimension n, F et G deux s.e.v de E. Alors



F ∩ G = {0E }
,E
E =F ⊕G⇔
dimE = dimF + dimG.

Proposition 4.8.8 Soit E un e.v de dimension n, F et G deux s.e.v de E. On a

dim(F + G) = dimF + dimG − dim(F ∩ G),


ed

en particulier,
dim(F ⊕ G) = dimF + dimG.
ou

4.9 Rang d’une famille de vecteurs


Définition 4.9.1 Soit {v1 , v2 , · · · , vp } une familleurs de E. Le rang de la famille {v1 , v2 , · · · , vp }
ez

est la dimension du s.e.v < v1 , v2 , · · · , vp >. On note

rg(v1 , v2 , · · · , vp ) = dim < v1 , v2 , · · · , vp >


M

Proposition 4.9.2 — 0 6 rg(v1 , v2 , · · · , vp ) 6 p.


— Si dimE = n, rg(v1 , v2 , · · · , vp ) 6 n

Remarque 4.9.3 — Le rang d’une famille de vecteurs vaut 0 ssi tous les vecteurs
sont nuls.
— Le rang d’une famille de vecteurs {v1 , v2 , · · · , vp } vaut p ssi c’est une famille libre.

Exemple 4.9.4 (A faire en cours).


Quelle est le rang de la famille {v1 , v2 , v3 } dans R4 ?.

47
4.10. DETERMINATION DU RANG D’UNE FAMILLE DE VECTEURS PAR LA
MÉTHODE D’ÉCHELONNEMENT DE GAUSS CHAPITRE 4. ESPACES VECTORIELS

4.10 Determination du rang d’une famille de vec-


teurs par la méthode d’échelonnement de GAUSS
4.10.1 Méthodologie

EA
Soit {v1 , v2 , · · · , vp } une famille de vecteurs. Soit la matrice A = (v1 , v2 , · · · , vp ) consti-
tuée des vecteurs v1 , v2 , · · · , vp en colonnes. Il s’agit d’appliquer la méthode de Gauss sur
les colonnes de la matrice A, on transforme la matrice A en une matrice échelonnée par
rapport aux colonnes.

Proposition 4.10.1 Le rang de la matrice (v1 , v2 , · · · , vp ) n’est pas modifié par les opé-

S
rations élémentaires suivantes sur les vecteurs
— vi ←− λvi avec λ 6= 0.

NS
— vi ←− λvi + λvj avec λ 6= 0 et i 6= j.
— vi ←→ vj .
De plus, l’e.v < v1 , v2 , · · · , vp > est conservé par ces opérations.
Le rang de la matrice A est énoncé dans la proposition suivante.
,E
Proposition 4.10.2 Le rang de la matrice échelonnée par colonnes est égal au nombre
de colonnes non nulles.

Remarque 4.10.3 La méthode de Gauss classique concerne les opérations sur les lignes.
Les opérations sur les colonnes de A correspondent aux opérations sur les lignes de la
ed

matrice transposée At .

Exemple 4.10.4 (Sera fait en cours.)


Déterminer le rang de la famille des cinq vecteurs de R4 ?
ou

         
1 −1 3 3 3
1  2   2   5  8
v1 =  
 , v2 = 


, v3 = 


,
 
v4 =   , v5 =
 
 
1  0  −1  0  1
ez

1 1 −3 −1 1
M

48