Système Lié Ou Libre

Chapitre 4.
Base et génératrice
§1. Système lié ou libre
Soient ~v1 , · · · ,~vm un système de vecteurs. On se pose la question :
Est-ce que le vecteur ~0 est une combinaison linéaire des ~vi ?
Chapitre 4. Base et génératrice
La réponse est facile : 0~v1 + 0~v2 + · · · + 0~vm = ~0 !
Cette solution n’est pas très intéressante. On s’intéresse à des
solutions plus intéressantes, c’est-à-dire de coefficients non tous
nuls. Ce genre de solutions peut exister ou ne pas exister selon le
choix des ~vi . Ceci conduit à la définition suivante :
Définition. On dit que le système des ~v1 , · · · ,~vm est lié (ou
dépendant) s’il existe des coefficients ak non tous nuls tels que
a1~v1 + a2~v2 + · · · + am~vm = ~0.
Une telle relation est appelée une relation de dépendance linéaire.

Définition. On dit que le système des ~v1 , · · · ,~vm est lié (ou
dépendant) s’il existe des coefficients ak non tous nuls tels que
a1~v1 + a2~v2 + · · · + am~vm = ~0.
Une telle relation est appelée une relation de dépendance linéaire.

Si Non, on dit que le système est libre.
Une autre formulation
Soient ~v1 , · · · ,~vm un système de vecteurs. La question qu’on se
pose ici est : Est-ce que l’un d’eux est une combinaison linéaire des
autres ?
Théorème. Oui ssi le système est lié ; Non ssi le système est libre.
Preuve : Soit k ak ~vk = ~0, tel que l’un des coefficients, par
P
exemple aj , est non nul, alors ~vj est une combinaison linéaire des
autres !
Une autre formulation
Soient ~v1 , · · · ,~vm un système de vecteurs. La question qu’on se
pose ici est : Est-ce que l’un d’eux est une combinaison linéaire des
autres ?
Théorème. Oui ssi le système est lié ; Non ssi le système est libre.
Preuve : Soit k ak ~vk = ~0, tel que l’un des coefficients, par
P
exemple aj , est non nul, alors ~vj est une combinaison linéaire des
autres ! Pourquoi ?
Et réciproquement ?
Comment répondre : Est-ce que ~v1 , · · · ,~vm sont liés ou libres ?
On pose A = (~v1 , · · · ,~vk ) :
Théorème. Le système des ~vi est
lié libre
A échelonne B
si B a une zéro-colonne si B est sans zéro-colonne
Id H
Preuve. On pose et résout un système linéaire sans second membre
x1~v1 + x2~v2 + · · · + xm~vm = ~0, ou bien A~x = ~0.
L’ensemble des solutions est S = {H~u, B~u = ~0}. Si B n’a pas de

zéro-colonne, la seule solution pour B~u = ~0 est le vecteur ~0. Dans
le cas contraire, il y a d’autres solutions.
On pose A = (~v1 , · · · ,~vk ) :
Théorème. Le système des ~vi est
lié libre
A échelonne B
si B a une zéro-colonne si B est sans zéro-colonne
Id H
Preuve. On pose et résout un système linéaire sans second membre
x1~v1 + x2~v2 + · · · + xm~vm = ~0, ou bien A~x = ~0.
L’ensemble des solutions est S = {H~u, B~u = ~0}. Si B n’a pas de

zéro-colonne, la seule solution pour B~u = ~0 est le vecteur ~0. Dans
le cas contraire, il y a d’autres solutions.
Problème : Expliciter une relation de dépendance linéaire des ~vi si
le système est lié
Réponse : Prendre pour ~x une colonne de H sous une zéro-colonne
de B. (pourquoi ça marche ?)
§2. Famille génératrice de Rn
Une famille de vecteurs en dimension n est un système
générateur (ou une famille génératrice) de Rn si tout autre vecteur
de Rn s’exprime en combinaison linéaire des vecteurs de ce système.
Comment répondre :
Est-ce que ~v1 , · · · ,~vm forment une famille génératrice ?
Comment répondre :
Est-ce que ~v1 , · · · ,~vm forment  unefamille génératrice ?
b1
On prend un vecteur quelconque  ...  dans Rn .
 
bn
On pose un système linéaire
 
b1
 .. 
x1~v1 + x2~v2 + · · · + xm~vm =  . 
bn
(il faut traiter les bi comme des paramètres).

On le résout pour voir s’il existe toujours une solution (indépendant
des valeurs des bi ).
Comment répondre :
Est-ce que ~v1 , · · · ,~vm forment  unefamille génératrice ?
b1
On prend un vecteur quelconque  ...  dans Rn .
 
bn
On pose un système linéaire
 
b1
 .. 
x1~v1 + x2~v2 + · · · + xm~vm =  . 
bn
(il faut traiter les bi comme des paramètres).

On le résout pour voir s’il existe toujours une solution (indépendant
des valeurs des bi ). Oui = génératrice.
§3. Base de Rn
Une famille de vecteurs ~v1 , · · · ,~vm est une base de Rn si la famille
est à la fois libre et génératrice.
Théorème : Dans ce cas tout vecteur ~b de Rn s’exprime en
a1~v1 + a2~v2 + · · · + am~vm = ~b. et l’expression est unique. Les ai
sont les coordonnées de ~b dans cette base.
§3. Base de Rn
Une famille de vecteurs ~v1 , · · · ,~vm est une base de Rn si la famille
est à la fois libre et génératrice.
Théorème : Dans ce cas tout vecteur ~b de Rn s’exprime en
a1~v1 + a2~v2 + · · · + am~vm = ~b. et l’expression est unique. Les ai
sont les coordonnées de ~b dans cette base.
Preuve. On prend un vecteur quelconque ~b ∈ Rn . Puisque la famille
est une famille génératrice, ce ~b s’exprime en combinaison linéaire
des ~vi .
Unicité : Si jamais on a deux expressions
a1~v1 + a2~v2 + · · · + am~vm = ~b.
a1′ ~v1 + a2′ ~v2 + · · · + am vm = ~b.
′ ~
on soustrait l’une à l’autre :

(a1 − a1′ )~v1 + (a2 − a2′ )~v2 + · · · + (am − am vm = ~0.
′ )~
Comme le système est libre, tous les coefficients sont nuls. Donc
ai = ai′ pour tout i. Donc les deux expressions sont en effet
identiques. Fin de la preuve.
§4. Comptage
Théorème fondamental : Dans Rn :
1. Un système de n − 1 vecteurs ou moins n’est jamais générateur
(il manque des pivots)
2. Un système de n + 1 vecteurs ou plus n’est jamais libre
3. Une base a exactement n vecteurs.
4. Tout système libre se complète (facilement) en une base.
5. De tout système générateur on peut constituer une base (avec
ou sans combinaison linéaires).
§4. Comptage
Ainsi, dans R2 , deux vecteurs quelconques non co-linéaires
constituent une base. Exemples.
§4. Comptage
Ainsi, dans R2 , deux vecteurs quelconques non co-linéaires
constituent une base. Exemples. Et dans R3 ?
§5. famille génératrice et base dans un sous espaces vectoriel
• Une droite D passant par 0 admet un vecteur directeur. Et
n’importe quel vecteur ~v non-nul de la droite sert comme un
vecteur directeur. On a D = h~vi.
• Un plan P passant par 0
• Un plan P passant par 0 admet deux vecteurs directeurs.
• Un plan P passant par 0 admet deux vecteurs directeurs. Et
n’importe quel couple de vecteurs ~v1 ,~v2 du plan, tant qu’ils
n’importe quel couple de vecteurs ~v1 ,~v2 du plan, tant qu’ils ne sont
pas co-linéaires, autrement dit qu’ils sont libres, peuvent être
utilisés comme vecteurs directeurs. On a P = h~v1 ,~v2 i.
• Dans Rn , on a des objets ayant 1,2,3,4,5 ... vecteurs directeurs.
Ces objets sont appelé des sous espaces vectoriels et ces vecteurs
directeurs sont appelés bases.
Définition. Un sous espace vectoriel de Rn est un sous ensemble E
tel que pour tout ~v1 ,~v2 ∈ E on a ~v1 + ~v2 ∈ E et pour tout ~v ∈ E
et k ∈ R on a k~v ∈ E . Autrement dit toute combinaison linéaires
de vecteurs de E reste dans E . Une base de E est une famille de
vecteurs ~v1 , · · · ,~vk ∈ E telle que
Définition. Un sous espace vectoriel de Rn est un sous ensemble E
tel que pour tout ~v1 ,~v2 ∈ E on a ~v1 + ~v2 ∈ E et pour tout ~v ∈ E
et k ∈ R on a k~v ∈ E . Autrement dit toute combinaison linéaires
de vecteurs de E reste dans E . Une base de E est une famille de
vecteurs ~v1 , · · · ,~vk ∈ E telle que elle soit à la fois libre et
génératrice. Et dimension(E ) = k.
Exemple et Comptage
Exemple. On peut bien sur prendre E = Rn ou E = {0}.
Question Est-ce qu’un cercle ou une demi-droite est un sous
espace vectoriel ? 
 une droite D
Théorème fondamental : Dans un plan P :
un sev E, avec dim(E)=k


 0
1. Un système de 1 vecteurs ou moins n’est jamais
k −1

générateur, 
 2
2. Un système de 3 vecteurs ou plus n’est jamais libre.
k +1

3. Une base V a exactement k vecteurs ~v1 , · · · ,~vk , et constitue un
système de repère : Tout vecteur ~b de E s’exprime en combinaison
linéaire a1~v1 + a2~v2 + · · · + ak ~vk = ~b et l’expression est unique. Les
ai sont les coordonnées de ~b dans cette base.
Exo
L’ensemble des solutions de l’équation x − y − 2z = 0 forme-il un
sous espace vectoriel ? Si oui en donner une base et determiner sa
dimension.
Exo
L’ensemble des solutions de l’équation x − y − 2z = 0 forme-il un
sous espace vectoriel ? Si oui en donner une base et determiner sa
dimension.
L’ensemble
 des solutions s’écrit    
n y + 2z o n 1 2 o
S =  y  , y , z ∈ R = y 1 + z 0 , y , z ∈ R
z 0 1
   
1 2
= h1 , 0i.
0 1
Unebase
  de
 S se constitue simplement des deux vecteurs
1 2
1 , 0, et la dimension est deux (c’est un plan dans R3 ).
0 1
Même exo. pour x + y − z = 0.
§6. Changement de bases, matrice de passage
R2 possède beaucoup de bases. Voici deux exemples :
1 2
U = {~e1 ,~e2 } la base canonique, et V = {~v1 ,~v2 } = { , }.
2 3
1 2
2 3
Il existe une matrice de passage d’une base à une autre (un
changement de repère), elle est obtenue de la manière suivante :
Par exemple on veut passer de U à V :
1. On exprime chaque vecteur dans V en combinaison linéaire des
vecteurs dans U :
1 2
~v1 = 1~e1 + 2~e2 = (~e1 ~e2 ) ; ~v2 = (~e1 ~e2 ) .
2 3
1 2
2 3
vecteurs dans U :
1 2
~v1 = 1~e1 + 2~e2 = (~e1 ~e2 ) ; ~v2 = (~e1 ~e2 ) .
2 3
2. On les assemble ennune matrice : o
1 2
V = {~v1 ,~v2 } = (~e1 ~e2 ) , (~e1 ~e2 )
2 3
1 2
2 3
vecteurs dans U :
1 2
~v1 = 1~e1 + 2~e2 = (~e1 ~e2 ) ; ~v2 = (~e1 ~e2 ) .
2 3
1 2
V = {~v1 ,~v2 } = (~e1 ~e2 ) , (~e1 ~e2 )
2 3

1 2
= (~e1 ~e2 )
2 3
1 2
2 3
vecteurs dans U :
1 2
~v1 = 1~e1 + 2~e2 = (~e1 ~e2 ) ; ~v2 = (~e1 ~e2 ) .
2 3
1 2
V = {~v1 ,~v2 } = (~e1 ~e2 ) , (~e1 ~e2 )
2 3

1 2 1 2
= (~e1 ~e2 ) =U
2 3 2 3
1 2
2 3
vecteurs dans U :
1 2
~v1 = 1~e1 + 2~e2 = (~e1 ~e2 ) ; ~v2 = (~e1 ~e2 ) .
2 3
1 2
V = {~v1 ,~v2 } = (~e1 ~e2 ) , (~e1 ~e2 )
2 3

1 2 1 2
= (~e1 ~e2 ) =U = U PU ,V .
2 3 2 3
1 2
2 3
vecteurs dans U :
1 2
~v1 = 1~e1 + 2~e2 = (~e1 ~e2 ) ; ~v2 = (~e1 ~e2 ) .
2 3
1 2
V = {~v1 ,~v2 } = (~e1 ~e2 ) , (~e1 ~e2 )
2 3

1 2 1 2
= (~e1 ~e2 ) =U = U PU ,V .
2 3 2 3
3. La matrice
de passage PU ,V de la base U vers la base V est donc
1 2
.
2 3
vecteurs dans U :
1 2
~v1 = 1~e1 + 2~e2 = (~e1 ~e2 ) ; ~v2 = (~e1 ~e2 ) .
2 3
vecteurs dans U :
1 2
~v1 = 1~e1 + 2~e2 = (~e1 ~e2 ) ; ~v2 = (~e1 ~e2 ) .
2 3
1 2
V = {~v1 ,~v2 } = (~e1 ~e2 ) , (~e1 ~e2 )
2 3
vecteurs dans U :
1 2
~v1 = 1~e1 + 2~e2 = (~e1 ~e2 ) ; ~v2 = (~e1 ~e2 ) .
2 3
1 2
V = {~v1 ,~v2 } = (~e1 ~e2 ) , (~e1 ~e2 )
2 3

1 2
= (~e1 ~e2 )
2 3
vecteurs dans U :
1 2
~v1 = 1~e1 + 2~e2 = (~e1 ~e2 ) ; ~v2 = (~e1 ~e2 ) .
2 3
1 2
V = {~v1 ,~v2 } = (~e1 ~e2 ) , (~e1 ~e2 )
2 3

1 2 1 2
= (~e1 ~e2 ) =U
2 3 2 3
vecteurs dans U :
1 2
~v1 = 1~e1 + 2~e2 = (~e1 ~e2 ) ; ~v2 = (~e1 ~e2 ) .
2 3
1 2
V = {~v1 ,~v2 } = (~e1 ~e2 ) , (~e1 ~e2 )
2 3

1 2 1 2
= (~e1 ~e2 ) =U = U PU ,V .
2 3 2 3
vecteurs dans U :
1 2
~v1 = 1~e1 + 2~e2 = (~e1 ~e2 ) ; ~v2 = (~e1 ~e2 ) .
2 3
1 2
V = {~v1 ,~v2 } = (~e1 ~e2 ) , (~e1 ~e2 )
2 3

1 2 1 2
= (~e1 ~e2 ) =U = U PU ,V .
2 3 2 3
3. La matrice
de passage PU ,V de la base U vers la base V est donc
1 2
.
2 3
Un autre exemple
U = {~u1 , ~u2 } et V = {~v1 ,~v2 } avec ~v1 = ~u1 + ~u2 et ~v2 = ~u1 − ~u2 .
Quelle est la matrice de passage de U à V, et celle de V à U ?
PU,V permet de convertir les coordonnées dans la base V
aux coordonnées dans la base U
Soit w
~ un vecteur en dimension deux. Imaginons qu’on connait ses
coordonnées de w ~ dans la base V, c’est
à dire
qu’on connait les
a
valeurs a, b tel que w
~ = a~v1 + b~v2 = V .
b
Comme U est une base, le vecteur w ~ a aussi des coordonnées dans
la base U . Comment les trouver ?
a
Théorème Les coordonnées de w ~ dans la base U sont PU ,V .
b

c c
Preuve. On cherche tel que w
~ = c~e1 + d~e2 = U . Or
d d
a
a a
w=V
~ = U PU ,V = U PU ,V .
b b b
Soit w
à dire
qu’on connait les
a
~ = a~v1 + b~v2 = V .
b
a
b

c c
~ = c~e1 + d~e2 = U . Or
d d
a
a a
w=V
~ = U PU ,V = U PU ,V .
b b b

c a
Donc = PU ,V
d b
Soit w
à dire
qu’on connait les
a
~ = a~v1 + b~v2 = V .
b
a
b

c c
~ = c~e1 + d~e2 = U . Or
d d
a
a a
w=V
~ = U PU ,V = U PU ,V .
b b b

c a 1 2 a a + 2b
Donc = PU ,V = = .
d b 2 3 b 2a + 3b
Par exemple w
~ vaut deux fois ~v1 plus trois fois ~v2 . Quelles sont ses
coordonnées dans U ?
Cas général
Base U = (~u1 , · · · , ~un ) Base V = (~v1 , · · · ,~vn )
matrice U PU ,V = V
de passage (~u1 , · · · , ~un )PU ,V = (~v1 , · · · ,~vn )

   
x1 y1
 ..   .. 
conversion CoorU w ~ =. = PU ,V  .  = PU ,V CoorV w ~
xn yn
De plus, PU−1
,V est la matrice de passage de V à U , autrement dit
−1
PU ,V = PV,U . On peut ainsi convertir les coordonnées d’un vecteur
dans la base U aux coordonnées du même vecteur dans la base V.
Exo. Choisir deux vecteurs ~u1 , ~u2 non-colinéaires en dimension deux
(ils forment donc une base U ). Puis former deux autres vecteurs
~v1 ,~v2 à l’aide des combinaisons linéaires des deux premiers, en
prenant soin qu’ils ne sont par co-linéaires (ils forment une nouvelle
base V).
Exo. Choisir deux vecteurs ~u1 , ~u2 non-colinéaires en dimension deux
(ils forment donc une base U ). Puis former deux autres vecteurs
~v1 ,~v2 à l’aide des combinaisons linéaires des deux premiers, en
prenant soin qu’ils ne sont par co-linéaires (ils forment une nouvelle
base V). Demander à votre voisin de retrouver la matrice de
passage de U vers V, et de trouver les coordonnées dans la base U
du vecteur w ~ ayant pour coordonnées 1 et -1 dans la base V.
Même exo dans le SEV x − y − 2z = 0.

Système Lié Ou Libre

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Système Lié Ou Libre

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 4.

a1~v1 + a2~v2 + · · · + am~vm = ~0.

Une telle relation est appelée une relation de dépendance linéaire.

a1~v1 + a2~v2 + · · · + am~vm = ~0.

Une telle relation est appelée une relation de dépendance linéaire.

x1~v1 + x2~v2 + · · · + xm~vm = ~0, ou bien A~x = ~0.

L’ensemble des solutions est S = {H~u, B~u = ~0}. Si B n’a pas de

x1~v1 + x2~v2 + · · · + xm~vm = ~0, ou bien A~x = ~0.

L’ensemble des solutions est S = {H~u, B~u = ~0}. Si B n’a pas de

(il faut traiter les bi comme des paramètres).

(il faut traiter les bi comme des paramètres).

on soustrait l’une à l’autre :

de passage (~u1 , · · · , ~un )PU ,V = (~v1 , · · · ,~vn )

Vous aimerez peut-être aussi