Académique Documents
Professionnel Documents
Culture Documents
2021-2022
Définitions
1 Une loi de composition interne (lci) sur un ensemble E est
E × E −→ E
(x , y ) 7−→ x + y
K×E −→ E
(α, x ) 7−→ α.x
Exemples :
1
R2 × R2 −→ R2
((x , y ), (x 0 , y 0 )) 7−→ (x + x 0 , y + y 0 )
est une lci sur R2
2
R × R2 −→ R2
(λ, (x , y )) 7−→ (λx , λy )
est une lce sur R2
Définition
On dit que (E , +, .) est un espace vectoriel (ev) sur K ou un K-ev si :
1 (E , +) est un groupe abélien :
+ est commutative, associative, admet un élément neutre noté 0E et
tout x ∈ E est symétrisable de symétrique −x appelé opposé de x .
2 La lce · vérifie
(E1 ) ∀α ∈ K, ∀x , y ∈ E , α.(x + y ) = α.x + α.y
(E2 ) ∀α, β ∈ K, ∀x ∈ E , (α + β) .x = α.x + β.x
(E3 ) ∀α, β ∈ K, ∀x ∈ E , (αβ) .x = α. (β.x ) = β. (α.x )
(E4 ) ∀x ∈ E , 1.x = x
Les éléments de E sont appelés vecteurs et les éléments de K sont
appelés scalaires.
Remarque :
Un C-ev est un R-ev mais la réciproque n’est pas vraie en général.
Soit F ⊂ E . On veut démontrer que F est un K-ev pour les mêmes lois.
Définition
Soit E un K-ev et F ⊂ E . On dit que F est un K-sev de E si :
◦ 0E ∈ F
◦ ∀x , y ∈ F , x + y ∈ F
◦ ∀α ∈ K, ∀x ∈ F , α.x ∈ F (stabilité pour la loi ·).
Sous-espaces vectoriels
Exemple :
GLn (K) est un sev de Mn (K).
Conséquence
Soit E un K-ev.
1 {0E } et E sont des sev (triviaux).
2 Un sev F de E est un K-ev pour les lois :
F × F −→ F K × F −→ F
(x , y ) 7−→ x + y (α, x ) 7−→ α.x
Propriété
Caractérisation d’un sev
Soit E un K-ev F ⊂ E .
0E ∈ F
F est un sev de E ⇐⇒ ∀x , y ∈ F , x + y ∈ F
∀α ∈ K, ∀x ∈ F , α.x ∈ F
(
F 6= ∅
⇐⇒
∀α, β ∈ K, ∀x , y ∈ F , α.x + β.y ∈ F
(
0E ∈ F
⇐⇒
∀α ∈ K, ∀x , y ∈ F , α.x + y ∈ F
Quelques exemples
1 E =R3 (R-ev).
F = (x , y , z) ∈ R3 ; x − 2y + 3z = 0 est-il un sev de E ?
0E = (0, 0, 0) ∈ F car 0 − 2.0 + 3.0 = 0.
∀α ∈ R, ∀x = (x1 , y1 , z1 ), y = (x2 , y2 , z2 ) ∈ F ,
Or
αx1 + y1 − 2 (αx2 + y2 ) + 3 (αx3 + y3 ) =
α (x1 − 2x2 + 3x3 ) + y1 − 2y2 + 3y3 = 0
Par suite, αx + y ∈ F .
D’où F est un sev de E .
2 n ∈ N, Kn [X ] = {P ∈ K[X ] ; deg P ≤ n} est un sev de K[X ].
Exercice
E1 = {(x , y , z) ∈ R3 ; 3x − 7y = z}
E2 = {(x , y , z) ∈ R3 ; x 2 − z 2 = 0}
E3 = {(x , y , z) ∈ R3 ; x + y − z = 0 et x + y + z = 0}
E4 = {(x , y , z) ∈ R3 ; z(x 2 + y 2 ) = 0}
Exemple:
E = (x , y ) ∈ R2 ; x = 0 est un sev de R2 .
F = (x , y ) ∈ R2 ; y = 0 est un sev de R2 .
Soit x = (0, 1), x ∈ E , donc x ∈ E ∪ F .
Soit y = (1, 0), y ∈ F , donc y ∈ E ∪ F .
x + y = (1, 1), donc x + y ∈/ E et x + y ∈/ F , donc x + y ∈
/ E ∪ F.
2
Par suite, E ∪ F n’est pas un sev de R car il n’est pas stable pour
+.
Remarque
Si F et G sont des sev d’un espace vectoriel E , F ∪ G n’est pas
nécessairement un sev de E .
Propriétés
1 ∀X , Y ⊂ E , (X ⊂ Y =⇒ Vect(X ) ⊂ Vect(Y )).
2 Soit X ⊂ E .
X est un sev de E si, et seulement si, Vect(X ) = X .
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction
Structure d’espace vectoriel
Définition
Sous-espace vectoriel
Propriétés des sous-espaces vectoriels
Familles libres - Familles liées - Familles génératrices
Espaces vectoriels de dimension finie
Combinaison linéaire
Définitions
1 Soit X = {x , . . . , x } une partie finie de E . On appelle
1 n
combinaison linéaire d’éléments de X tout vecteur de la forme
n
X
αi xi
i=1
où pour tout i ∈ Nn , αi ∈ K.
2 Si X est infini, une combinaison linéaire d’éléments de X est
de la forme
m
X
αi xi
i=1
où m ∈ N∗ , et pour tout i ∈ Nm , αi ∈ K et xi ∈ X .
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction
Structure d’espace vectoriel
Définition
Sous-espace vectoriel
Propriétés des sous-espaces vectoriels
Familles libres - Familles liées - Familles génératrices
Espaces vectoriels de dimension finie
Combinaison linéaire
Exemple:
Soit X = {u, v }, avec u = (1, 2) et v = (2, 3) une partie de R2
2u = (2, 4), 3v = (6, 9), 3u + 2v = (7, 12) sont des combinaisons
linéaires d’éléments de X .
Théorème
Soit X une partie non vide de E .
Somme de sev
Définitions
1 Soient F et G des sev de E . Le sev somme de F et G est le
F + G = Vect (F ∪ G)
Somme de sev
Proposition
Caractérisation de la somme
1 Soient F et G des sev de E ,
F + G = {z ∈ E ; ∃(x , y ) ∈ F × G, z = x + y }
Soit z = x + y ∈ E + F , avec x ∈ E et y ∈ F .
w1 = x + t ∈ F et w1 6= x , w2 = y − t ∈ F et w2 6= y
w1 + w2 = x + y = z.
∀z ∈ F + G, ∃!(x , y ) ∈ F × G ; z = x + y
On note F ⊕ G.
n
X
2 Soient F1 , . . . , Fn des sev de E . Fi est dite directe si
i=1
n
X n
Y n
X
∀z ∈ Fi , ∃! (x1 , . . . , xn ) ∈ Fi ; z = xi
i=1 i=1 i=1
n
M
On note Fi .
i=1
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction
Structure d’espace vectoriel
Définition
Sous-espace vectoriel
Propriétés des sous-espaces vectoriels
Familles libres - Familles liées - Familles génératrices
Espaces vectoriels de dimension finie
Proposition
Soient F et G des sev de E .
F + G = F ⊕ G ⇐⇒
F ∩ G = {0E } ⇐⇒
∀(x , y ) ∈ F × G, [x + y = 0 =⇒ (x = 0 et y = 0)]
Proposition
Soient F1 , . . . , Fn des sev de E .
n
X n
M
Fi = Fi ⇐⇒
i=1 i=1
n
X
∀j ∈ Nn , Fj ∩
= {0E } ⇐⇒
Fi
i=1
i6=j
n n
" !#
Y X
∀ (x1 , . . . , xn ) ∈ Fi , xi = 0 =⇒ (∀i ∈ Nn , xi = 0)
i=1 i=1
Sev supplémentaires
Définition
Soient F et G des sev de E . F et G sont dits supplémentaires dans
E si, et seulement si E = F ⊕ G.
Proposition
Soient F et G des sev de E .
(
E ⊂F +G
E = F ⊕ G ⇐⇒
F ∩ G = {0E }
Proposition
Sn (K) et An (K) sont deux sev supplémentaires de Mn (K).
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction
Structure d’espace vectoriel
Familles libres - Familles liées
Sous-espace vectoriel
Familles génératrices
Familles libres - Familles liées - Familles génératrices
Espaces vectoriels de dimension finie
Définition intuitive :
Soit B une famille de vecteurs de E . Si on prend tous les vecteurs
de B à l’exception d’un seul qu’on note u, alors je ne peux pas
retrouver u en faisant une combinaison linéaire de ces autres
vecteurs. Sinon on dit que B est liée.
Exemple: dans R2
Définitions
Soit B = (e1 , . . . , en ) famille de vecteurs de E .
1 On dit que B est libre si :
n
!
X
∀α1 , . . . , αn ∈ K, αi ei = 0E =⇒ ∀i ∈ Nn , αi = 0
i=1
2 Une famille infinie X est dite liée si, et seulement si, il existe
une sous-famille de X qui est liée.
Terminologie :
Exemples :
n
!
X
i
∀α1 , . . . .αn ∈ K, αi X = 0 =⇒ ∀i ∈ Nn , αi = 0
i=1
(polynôme nul)
Soient, dans R3 , u = (1, 1, 0), v = (1, 0, 0), et w = (0, 1, 0).
(u, v , w ) est liée car u = v + w par suite
u + (−1)v + (−1)w = 0.
αu + βv + γw = 0 =⇒ (α
+ β, α + γ, β + γ) = (0, 0, 0)
α+β =0
=⇒ α+γ =0
β+γ =0
=⇒ α = β = γ = 0
αx = 0E =⇒ α = 0
Théorème
Caractérisation d’une famille liée
Soit B = (x1 , . . . , xn ) une famille de E . B est liée si, et seulement
si, l’un de ses vecteurs est une combinaison linéaire de tous les
autres.
Preuve :
B est liée si, et seulement si, il existe α1 , ..., αn ∈ K non tous nuls
n
X
t.q. αi xi = 0E .
i=1
Ces scalaires n’étant pas tous nuls, il existe j ∈ Nn , tel que αj 6= 0.
n
X αi
Par suite, xj = − xi
α
i=1 j
i6=j
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction
Structure d’espace vectoriel
Familles libres - Familles liées
Sous-espace vectoriel
Familles génératrices
Familles libres - Familles liées - Familles génératrices
Espaces vectoriels de dimension finie
D’où
1.x1 − λ2 x2 − ... − λn xn = 0
Comme 1 6= 0, alors B est liée.
Familles génératrices
Definition
Soit X une famille de vecteurs de E . On dit que X est une famille
génératrice de E (ou que X engendre E ) si, et seulement si,
E = Vect(X ).
Interprétation :
Une famille génératrice est une famille qui permet de “générer”
tout l’espace E . On peut construire tout l’espace E en faisant des
combinaisons linéaires de cette famille. En d’autre termes, chaque
vecteur de E est une combinaison linéaire des vecteurs de la famille
génératrice.
Familles génératrices
Exemples :
Familles génératrices
Kn = Vect B
Familles génératrices
h = αu + βv + γw ⇐⇒
(x , y , z) = (α − β + 5γ, 2α + 3β, 2β − γ)
x = α − β + 5γ
⇐⇒ y = 2α + 3β
z = 2β − γ
1
α = (−x + 3y − 5z)
5
1
⇐⇒ β = (2x − y + 10z)
15
γ = 1 (4x − 2y + 5z)
15
Familles génératrices
R3 ⊂ Vect(u, v , w )
Vect(u, v , w ) ⊂ R3
Définition
E étant un K-ev, on dit que E est de dimension finie s’il admet
une famille génératrice finie, i.e. il existe ,(e1 , ..., en ), une famille
de E avec n ∈ N∗ , t.q.
Ainsi,
n
!
X
E = Vect (e1 , ..., en ) ⇐⇒ ∀x ∈ E , ∃α1 , .., αn ∈ K ; x = αi ei
i=1
Exemples :
1 C est un R-ev de dimension finie car il est engendré par (1, i).
Bases
Définition
Soit E un K-ev et B une famille de vecteurs de E . On dit que B
est une base de E , si B est à la fois une famille libre et génératrice
de E .
Exemples :
Bases
Théorème
Théorème fondamental:
Si E est un K-ev de dimension finie admettant une famille
génératrice de cardinal n ≥ 1, alors toute famille libre de E a un
cardinal p ≤ n.
Conséquence
Si E est un K-ev de dimension finie admettant une famille
génératrice de cardinal n ≥ 1, alors toute famille de cardinal p > n
est nécessairement liée.
Lemme
Soit E est un ev de dimension finie et x ∈ E . Si L est une famille
libre de E et si L ∪ {x } est liée alors x ∈ Vect(L).
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction
Structure d’espace vectoriel
Sous-espace vectoriel
Familles libres - Familles liées - Familles génératrices
Espaces vectoriels de dimension finie
Bases
Théorème
Existence d’une base:
Tout K-ev de dimension finie non nulle possède au moins une base.
De plus toutes les bases de E ont le même cardinal.
Définitions
1 Soit E un K-ev de dimension finie. On appelle dimension de
Bases
Exemples :
1 dimR C = 2, dimC C = 1.
2 dimK Kn = n.
3 dimK Kn [X ] = n + 1
Remarque
Si dimC E = n, alors dimR E = 2n
Propriété
(Mm,n (K), +, .) est un K-ev de dimension finie mn.
Bases
Exemple :
!
a b c
A =
d e f
! ! !
1 0 0 0 1 0 0 0 1
= a +b +c
0 0 0 0 0 0 0 0 0
! ! !
0 0 0 0 0 0 0 0 0
+d +e +f
1 0 0 0 1 0 0 0 1
= a.E11 + b.E12 + c.E13 + d.E21 + e.E22 + f .E23
Bases
Théorème
Soit E un K-ev de dimension n ≥ 1.
Bases
Théorème
1 De toute famille génératrice on peut extraire une base.
Bases
Exemple :
Comme elle est aussi de cardinal 3 = dimR R3 , donc c’est une base
de R3 .
Bases
Conséquences
Si E est un K-ev de dimension finie.
En d’autre termes, une base est la plus grande famille libre que l’on
peut trouver (en terme de cardinal), et la petite famille génératrice
qu’on peut trouver.
Définition
Soient E un K-ev de dimension n ≥ 1, B = (e1 , ..., en ) une base de
E et x ∈ E . Alors
n
X
∃! (x1 , ..., xn ) ∈ Kn ; x = xi ei
i=1
Remarque
L’unicité des composantes vient du fait que B est libre.
Exemples :
Proposition
1 Dn (K) = {matrices diagonales d’ordre n} est un sev de
Mn (K) de dimension n.
2 Tns (K) et Tni (K) sont des sev de Mn (K) de dimension
n(n + 1)
.
2
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction
Structure d’espace vectoriel
Sous-espace vectoriel
Familles libres - Familles liées - Familles génératrices
Espaces vectoriels de dimension finie
Pour n = 2.
! ! ! !
a b 1 0 0 1 0 0
T = =a +b +c
0 c 0 0 0 0 0 1
= aE11 + bE12 + cE22
Exemple :
a b c
S = b a0 d ∈ S3 (K)
c d a00
S=
aE11 +b (E12 + E21 )+c (E13 + E31 )+d (E23 + E32 )+a0 E22 +a00 E33 .
3(3 + 1)
dim S3 (K) = =6
2
Remarque
Si BF = (f1 , ..., fp ) est une base de F , et BG = (g1 , ..., gq ) est une
base de G, alors
B = BF ∪ BG engendre F + G. Donc on peut en extraire une base
de F + G.
B est une base de F + G si la somme est directe.
Théorème
dim (F ⊕ G) = dim F + dim G.
Théorème
Existence d’un supplémentaire:
E est un K-ev de dimension finie. Tout sev de E admet (au moins)
un supplémentaire dans E .
Théorème
Soient E un K-ev de dimension finie, F et G des sev de E . Alors
Remarque
n
M n
X
dim Fi = dim Fi .
i=1 i=1
En particulier,
dim E n = n dim E
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction
Structure d’espace vectoriel
Sous-espace vectoriel
Familles libres - Familles liées - Familles génératrices
Espaces vectoriels de dimension finie
Propriétés
Soient F et G deux sev d’un K-ev E de dimension finie n ≥ 1. Les
propriétés suivantes sont équivalentes :
1 E =F ⊕G
Exemple :
Dans R3 , soient u = (1, 0, 1), v = (0, 1, 0) et w = (1, 1, 1).
1 0 1
det(u, v , w ) = 0 1 1 =0
1 0 1
Propriété
Propriété fondamentale:
(x1 , ..., xn ) est libre si et seulement si detB (x1 , ..., xn ) 6= 0
Théorème
Soit A = (aij ) ∈ Mn (K). Alors det(A) = det (C1 , ..., Cn ) où les Cj
sont les vecteurs colonnes de A (exprimés dans la base canonique
B0 de Kn ).
Définition
Soit X = (x1 , ..., xp ) une famille de vecteurs de E . On appellera
rang de X l’entier naturel noté et défini par rg(X ) = dim Vect(X ).
Propriété
rg(X ) est le rang de la matrice A ∈ Mn,p (K) dont les colonnes sont
les composantes des vecteurs xi (i ∈ Np ) dans une base B de E .
Remarques
1 rg(X ) ≤ inf (p, n)).
Propriété
Les vecteurs non nuls d’une famille échelonnée forment une famille
libre.
Joanna Bodgi Tarazi Algèbre linéaire - 048ALLML2
Introduction
Structure d’espace vectoriel
Sous-espace vectoriel
Familles libres - Familles liées - Familles génératrices
Espaces vectoriels de dimension finie
Exemple :