Vous êtes sur la page 1sur 15

Espaces vectoriels

notes de cours MIAS1


H. Le Ferrand
May 2, 2001
Contents
1 Introduction 3
2 Espaces vectoriels 4
2.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2.1 K
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2.2 F(IR) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2.3 IR
IN
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3 Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Sous-espaces vectoriels. Dependance lineaire. 5
3.1 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.1.1 Denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.1.2 Combinaisons lineaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
3.1.3 Notion de sous-espace engendre par une famille nie de vecteurs. . . . . . . . . 6
3.2 Dependance lineaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4 Le concept de base et de dimension 7
4.1 Le resultat fondamental . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4.2 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.3 Equivalence-ligne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.3.1 Un exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4.3.2 La notion fondamentale de matrice . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.3.3 Retour ` a lexemple du debut de cette section . . . . . . . . . . . . . . . . . . . 9
4.3.4 Operations elementaires-lignes sur une matrice . . . . . . . . . . . . . . . . . . 10
5 Espace vectoriel de dimension nie 10
5.1 Theor`eme et denition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
5.2 Somme de sous-espaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.2.1 Un premier resultat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.2.2 Somme de deux sous-espaces . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1

6 Syst`emes lineaires 12
6.1 Generalites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
6.2 Rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6.3 Syst`emes homog`enes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6.3.1 Dimension de lensembles des solutions . . . . . . . . . . . . . . . . . . . . . . . 13
6.3.2 Rang de la transposee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2

1 Introduction
Exemple 1.1 Soit le syst`eme lineaire
(S1)
_
x + 2y z = 1
2x + y + z = 0
(x, y, z) IR
3
(1)
On peut en donner une interpretation geometrique simple : il sagit de lintersection de deux plans
dans lespace (x, y, z).
La situation est plus dicile avec le syst`eme
(S2)
_
x + 2y 3z + t = 1
x + y + z + t = 0
(x, y, z, t) IR
4
(2)
Quelle est la structure de lensemble des solutions ?
Exemple 1.2 Soit leqution dierentielle ordinaire (EDO) tr`es simple :
y

+ m
2
y = 0 (m IR). (3)
Une solution est ici une fonction f : IR IR deux fois derivables veriant :
x IR f

(x) + m
2
f(x) = 0.
Les fonctions x Asinmx et x B cos mx conviennent. Il y en a dautres ! (x C sin(mx + D)).
Quelle est la structure de lensemble des solutions ?
Retour sur le premier exemple (S2) a des solutions, par exemple (1, 1, 0, 0).
(i) si u = (, , , ), u

= (

) sont deux solutions de (S2), (

)
est solution du syst`eme homog`ene :
_
x + 2y 3z + t = 0
x + y + z + t = 0
(x, y, z, t) IR
4
(4)
(ii) si u = (, , , ), u

= (

) sont deux solutions du syst`eme homog`ene alors il en est de


meme pour ( +

, +

, +

, +

) et (, , , ).
(iii) Soit u
0
une solution xee du syst`eme nonhomog`ene (S2). Les solutions de (S2) sont de la forme
u
0
+ u o` u u est solution du syst`eme homog`ene associe (et reciproquement !)
Conclusion 1.3 a) solution u
0
du syst`eme
b) toutes combinaisons lineaires de solutions du syst`eme homog`ene est encore solution du syst`eme
homog`ene.
c) les solutions du syst`emes sont v = u
0
+u o` u u est une solution quelconque du syst`eme homog`ene.
Retour sur le deuxi`eme exemple Soit lequation y

+m
2
y = F. Si f
1
et f
2
verient y+m
2
y = 0
alors
1
f
1
+
2
f
2
aussi. Si est une solution quelconque de y + m
2
y = F, toutes les autres sont du
type f + o` u f verie y

+ m
2
y = 0.
3

2 Espaces vectoriels
2.1 Denition
Un ensemble V = est appele espace vectoriel sur K (K = IR ou l C) sil est muni de deux operations,
V V V, (u, v) u + v
K V V, (, u) u
veriant les axiomes (u, v et w sont dans V , et dans K):
V(1) u + (v + w) = (u + v) + w, u + v = v + u
V(2) il existe un vecteur 0 (le vecteur nul) tel que u V u + 0 = u
V(3) pour tout u V il existe un vecteur u tel que u + (u) = 0
V(4) (u + v) = u + v
V(5) ( + )u = u + u
V(6) ()u = (u)
V(7) 1.u = u
Les elements de V sont appeles vecteurs.
Remarque 2.1 (V, +) est un groupe commutatif.
2.2 Exemples
2.2.1 K
n
Par denition
K
n
= {(
1
, . . . ,
n
), /
i
K, i = 1 . . . n}
On a (
1
, . . . ,
n
) = (
1
, . . . ,
n
) si et seulement si
i
=
i
pour tout i. Les operations sont :
(
1
, . . . ,
n
) + (
1
, . . . ,
n
) = (
1
+
1
, . . . ,
n
+
n
) (5)
(
1
, . . . ,
n
) = (
1
, . . . ,
n
). (6)
Alors, K
n
est un K-espace vectoriel.
Remarque 2.2 Dans le cas n = 1, l C est un l C-espace vectoriel, cest aussi un IR-espace vectoriel.
2.2.2 F(IR)
Soit F(IR) lensemble des applications de IR dans IR muni des operations :
f + g : x (f + g)(x) = f(x) + g(x) (7)
f : x (f)(x) = f(x) ( IR). (8)
F(IR) est un IR-espace vectoriel.
4

2.2.3 IR
IN
Lensemble des suites reelles IR
IN
muni des operations
(u
n
) + (v
n
) = (u
n
+ v
n
) (9)
(u
n
) = (u
n
). (10)
est un IR-espace vectoriel.
2.3 Proprietes
Soit V un K-espace vectoriel, on a les proprietes suivantes :
(i) si u + v = u + w alors v = w.
(ii) lequation u + x = v a une unique solution, notee v u. On a v u = v + (u).
(iii) (u) = u
(iv) 0.u = 0
(v) (u) = (u) = (u) ( K, u V ).
(vi) ()(u) = u
(vii) si u = v avec = 0 alors u = v.
Remarque 2.3 Si u = 0, K, u V , alors = 0 ou u = 0.
Remarque 2.4 Si les a
i
sont dans V , a
1
+ + a
n
=

n
i=1
a
i
, on a :
n

i=1
a
i
+
n

i=1
b
i
=
n

i=1
(a
i
+ b
i
) (11)
_
n

i=1

i
_
a =
n

i=1

i
a (12)
n

i=1

i
a
i
+
n

i=1

i
a
i
=
n

i=1
(
i
+
i
)a
i
(13)
3 Sous-espaces vectoriels. Dependance lineaire.
3.1 Sous-espaces vectoriels
3.1.1 Denition
Un sous-espace S V o` u V est un K-espace-vectoriel, est un ensemble non vide tel que :
(s1) si a et b sont dans S, a + b S ;
(s2) si a S et K, a S.
5

On dit que S est un sous-espace vectoriel de V .
Remarque 3.1 (s1) et (s2) equivaut ` a :
(a, b) S S, (, ) K K, a + b S.
Remarque 3.2 Il est clair (!) que S est un K- espace vectoriel. Un sous-espace est tout simplement
un espace vectoriel contenu dans un espace vectoriel ambiant (pour les memes operations !)
Exemple 3.3 Soit S lensemble des solutions de
_
x + 2y 3z + t = 0
x + y + z + t = 0
(14)
S est sous-espace vectoriel de IR
4
.
Exemple 3.4 Lensemble des solutions de y

+ m
2
y = 0 est un sous-espace vectoriel de F(IR).
Exemple 3.5 des sous-espaces de F(IR) : C(IR), C
1
(IR), C

(IR), les fonctions polynomiales.


3.1.2 Combinaisons lineaires
Denition 3.6 Soit {a
1
, . . . , a
m
} une famille de vecteurs de V . Un vecteur a V est dit
combinaison lineaire des vecteurs a
1
, . . . , a
m
, sil existe
1
, . . . ,
m
K tels que a =

m
i=1

i
a
i
.
On a la propriete immediate :
Proposition 3.7 Soit S un sous-espace de V , toute combinaison lineaire (nie) de vecteurs de S est
encore dans S.
3.1.3 Notion de sous-espace engendre par une famille nie de vecteurs.
{a
1
, . . . , a
m
} une famille de vecteurs de V (m 1). Lensemble de toutes les combinaisons lineaires
des vecteurs a
1
, . . . , a
m
forment un sous-espace vectoriel S = S(a
1
, . . . , a
m
).
Remarque 3.8 S(a
1
, . . . , a
m
) est le plus petit sous-espace vectoriel de V contenant {a
1
, . . . , a
m
}. On
dit que S(a
1
, . . . , a
m
) est le sous-espace engendre par a
1
, . . . , a
m
.
Remarque 3.9 Un probl`eme important est de prouver quun sous-espace vectoriel est engendre par
une famille nie de vecteurs. On peut penser ` a lexemple des suites de Fibonacci.
Remarque 3.10 Lautre question qui suit la precedente, est : si on a S = S(a
1
, . . . , a
m
), n-y-a-t-il
pas trop de a
i
? Un des vecteurs a
i
est peut-etre combinaison lineaire des autres.
6

3.2 Dependance lineaire
Proposition 3.11 Soit {a
1
, . . . , a
m
} une famille de vecteurs de V . Un des vecteurs a
i
peut etre
exprime en fonction des vecteurs a
1
, . . . , a
i1
, a
i+1
, . . . , a
m
si et seulement si il existe (
1
, . . . ,
m
) =
(0, . . . , 0) tel que

1
a
1
+ +
m
a
m
= 0.
Remarque 3.12 Dans ce cas S(a
1
, . . . , a
m
) = S(a
1
, . . . , a
i1
, a
i+1
, . . . , a
m
).
Denition 3.13 On dit que la famille {a
1
, . . . , a
m
} est liee (ou que les vecteurs a
1
, . . . , a
m
sont
lineairement dependants) sil existe (
1
, . . . ,
m
) = (0, . . . , 0) tel que

1
a
1
+ +
m
a
m
= 0.
Dans le cas contraire on dit que la famille est libre (i.e
1
a
1
+ +
m
a
m
= 0 entraine

1
=
2
= =
m
= 0).
Exemple 3.14 {0} est liee !
Exemple 3.15 Si a = 0, {a} est libre.
Exemple 3.16 {a, b} est lineairement dependant si et seulement si a = b ou b =

a.
exercice 1 Dans IR
2
que dire des vecteurs a = (1, 1), b = (1, 1), c = (2, 1) ?
exercice 2 Soit lequation dans IR
3
(ou l C
3
), x
1
+ 2x
2
x
3
= 0. Montrer que S, lensemble des
solutions, est engendre par deux vecteurs u
1
et u
2
.
4 Le concept de base et de dimension
Dans lexercice precedent, S = S(u
1
, u
2
) avec u
1
= (1,
1
2
, 0) et u
2
= (0, 1, 2). Pouvions nous diminuer
le nombre de vecteurs generateurs, i.e a-t-on S = S(u) ? La reponse est non. Cela vient du fait que
le syst`eme (u
1
, u
2
) est libre.
4.1 Le resultat fondamental
Proposition 4.1 Soit S un sous-espace vectoriel dun K-espace vectoriel V . On suppose que S est
engendre par n vecteurs a
1
, . . . , a
n
. Supposons que b
1
, . . . , b
p
soient des vecteurs de S avec p > n.
Alors la famille {b
1
, . . . , b
p
} est liee.
exercice 3 Soit S = S(a
1
, a
2
) et b
1
= 2a
1
+ a
2
, b
2
= a
1
+ a
2
et b
3
= a
1
. Trouver une relation de
dependance entre b
1
, b
2
et b
3
.
7

4.2 Base
Proposition 4.2 Supposons que S, sous-espace vectoriel dun espace vectoriel V , poss`ede deux
syst`emes generateurs nis libres, {a
1
, . . . , a
m
} et {b
1
, . . . , b
n
}. Alors n = m.
Remarque 4.3 On fera attention quun espace vectoriel, meme dailleurs un sous-espace, nadmet
pas necessairement de syst`eme generateur ni.
Denition 4.4 a) Si la famille {b
1
, . . . , b
k
} est libre et engendre V , on dit que cest une base de
V .
b) Supposons que V poss`ede une base formee de k vecteurs. Toutes les autres bases ont alors k
vecteurs. Cet entier est alors appele la dimension de V (dimV = k). Notons que lecriture
dun vecteur sur une base est unique.
Exemple 4.5 La base canonique de K
n
.
Exemple 4.6 Donner dierentes bases de IR
n
[X], ensemble des polyn omes `a coecients reels de
degre n.
4.3 Equivalence-ligne
4.3.1 Un exemple
On travaille dans IR
4
, il sagit de trouver une base du sous-espace vectoriel engendre par a =
(3, 2, 1, 4), b = (4, 1, 0, 2), et c = (10, 3, 2, 6), et de mettre en evidence, sil y a lieu, une relation de
dependance entre a, b et c. Soit (e
1
, e
2
, e
3
, e
4
) la base canonique de IR
4
:
_

_
a = 3e
1
+ 2e
2
+ e
3
+ 4e
4
b = 4e
1
+ e
2
+ 2e
4
c = 10e
1
+ 3e
2
+ 2e
3
+ 6e
4
(15)
Lobjectif est de trouver de nouveaux syt`emes generateurs pour S(a, b, c). On proc`ede de la fa con
suivante :
(I) echanger un vecteur et un autre :
S(b, a, c) = S(a, b, c).
(II) remplacer un vecteur par la somme de ce vecteur et dun multilple dun autre. Par exemple on
verie que :
S(a 2b, b, c) = S(a, b, c).
Remarque 4.7 Une base etant xee (ici la base canonique de IR
4
) les operations precedentes sont en
fait eectuees sur les coecients (ou coordonnees) des vecteurs sur la base.
8

4.3.2 La notion fondamentale de matrice
Denition 4.8 Une famille ordonnee {r
1
, . . . , r
p
} de p vecteurs lignes de K
n
est appelee matrice
p n, (p lignes, n colonnes qui donnent le format de la matrice).
Exemple 4.9 Soit r
1
= (3, 2, 1, 4), r
2
= (4, 1, 0, 2), r
3
= (10, 3, 2, 6), on obtient la matrice 3 4
_
_
_
3 2 1 4
4 1 0 2
10 3 2 6
_
_
_ =
_
_
_
r
1
r
2
r
3
_
_
_ (16)
Plus generalement, si r
i
= (
i1
, . . . ,
in
) (i = 1, . . . , p),
A =
_
_
_
_
_
_

11

12

1n

21

22

2n
.
.
.
.
.
.
.
.
.

p1

p2

pn
_
_
_
_
_
_
(17)
Les colonnes de A sont les vecteurs colonnes de K
p
,
c
1
=
_
_
_
_
_
_

11

21
.
.
.
p1
_
_
_
_
_
_
, . . . , c
n
=
_
_
_
_
_
_

1n

2n
.
.
.
pn
_
_
_
_
_
_
(18)
i) On ecrit A = (
ij
)
1ip,1jn
et parfois (A)
ij
au lieu de
ij
. Lensemble des matrices p n `a
coecients dans K est note M
pn
, ou mieux K
pn
. Ainsi une matrice ligne est un element de
K
1n
et une matrice colonne un element de K
p1
.
Proposition 4.10 K
pn
est K-espace vectoriel de dimension pn.
ii) Si A = (
ij
) K
pn
, sa matrice transposee est notee A
T
et par denition A
T
= (
ij
) K
np
o` u
ij
=
ji
.
Exemple 4.11 A =
_
_
_
3 2 1 4
4 1 0 2
10 3 2 6
_
_
_, A
T
=
_
_
_
_
_
3 4 10
2 1 3
1 0 2
4 2 6
_
_
_
_
_
.
Remarque 4.12 La tranposition transforme les vecteurs lignes en vecteurs colonnes et
reciproquement.
iii) On travaillera avec IR
pn
et l C
pn
. On peut remarquer que si A l C
pn
, il existe A
1
et A
2
dans
IR
pn
telles que A = A
1
+ iA
2
.
4.3.3 Retour `a lexemple du debut de cette section
Il sagit de trouver une base de S(a, b, c) en faisant de lelimination de Gauss.
9

4.3.4 Operations elementaires-lignes sur une matrice
On resume ce que lon a vu. On travaille sur une matrice A K
pn
.
Denition 4.13 On appelle operation elementaire-ligne sur A une operation du type :
(I) echanger deux lignes de A ;
(II) remplacer la ligne r
i
par r
i
+ r
j
(i = j, K) :
(III) remplacer r
i
par r
i
( = 0).
Soit V un K-espace vectoriel muni dune base nie (a
1
, . . . , a
n
). Soit b
1
, . . . , b
p
des vecteurs de V :
b
i
=
i1
a
1
+
i2
a
2
+ +
in
a
n
i = 1 . . . p (19)
Considerons A = (
ij
)
1ip,1jn
la matrice des coecients.
Proposition 4.14 Les operations elementaires-lignes sur A, nous donnent de nouveaux syst`emes
generateurs de S(b
1
, . . . , b
p
) et au nal dans le cadre de lelimination de Gauss, une base de
S(b
1
, . . . , b
p
).
Remarque 4.15 Quand a-t-on (b
1
, . . . , b
p
) libre ?
Remarque 4.16 On peut denir de meme des operations elementaires- colonnes.
exercice 4 Donner une base de S(b
1
, b
2
, b
3
) IR
3
o` u b
1
= (1, 3, 4), b
2
= (4, 0, 1) et b
3
= (3, 1, 2).
5 Espace vectoriel de dimension nie
5.1 Theor`eme et denition
Lemme 5.1 Si (a
1
, . . . , a
p
) est liee et si (a
1
, . . . , a
p1
) est libre alors a
p
S(a
1
, . . . , a
p1
).
Proposition 5.2 Soit V un espace vectoriel possedant un syst`eme generateur ni, alors il possede
une base (evidemment nie).
Denition 5.3 Un espace vectoriel possedant un syst`eme generateur ni est dit espace vectoriel
de dimension nie.
Demonstration 5.4 si V = {0}, la conclusion est immediate.
si V = {0} poss`ede n generateurs, interessons nous aux familles libres de vecteurs de V . Il y
en a car V = {0}. Le cardinal dune telle famille ne peut exceder n. Choisissons une famille
libre de cardianl maximal p : (b
1
, . . . , b
p
). Toute famille de p +1 vecteurs est donc liee. Ainsi, si
b V , (b
1
, . . . , b
p
, b) est lie, or (b
1
, . . . , b
p
) est libre donc b S(b
1
, . . . , b
p
), i.e (b
1
, . . . , b
p
) est une
base de V .
Corollaire 5.5 Si dimV = p et si (a
1
, . . . , a
p
) est libre alors (a
1
, . . . , a
p
) est une base de V .
10

Proposition 5.6 Si V est de dimension nie engendre par a
1
, . . . , a
n
, il est possible de choisir une
base de V parmi les vecteurs a
1
, . . . , a
n
(dans un espace de dimension nie une famille generatrice
contient toujours une base).
Demonstration 5.7 si V = {0}, la conclusion est immediate.
si V = {0} quitte ` a changer lordre des indices, il est possible de choisir une famille {a
1
, . . . , a
r
},
1 r n, libre de plus grand cardinal, i.e nimporte quelle famille de plus de r + 1 a
i
est liee.
Dapr`es le lemme, les vecteurs a
r+1
, . . . , a
n
sont dans S(a
1
, . . . , a
r
), ce qui permet de conclure.
Corollaire 5.8 Si dimV = p et si (a
1
, . . . , a
p
) est generatrice alors (a
1
, . . . , a
p
) est une base de V .
5.2 Somme de sous-espaces
5.2.1 Un premier resultat
On travaille en dimension nie.
Proposition 5.9 Soit b
1
, . . . , b
q
des vecteurs lineairement independants dans V . Si (b
1
, . . . , b
q
) nest
pas une base de V (i.e q < dimV = n), il existe des vecteurs b
q+1
, . . . , b
n
tels que (b
1
, . . . , b
n
) soit une
base de V .
Cette propriete est une version du theor`eme de la base incompl`ete.
Demonstration 5.10 Soit (a
1
, . . . , a
n
) une base de V .
si q = n 1, il existe a
i
S(b
1
, . . . , b
q
), (b
1
, . . . , b
q
, a
i
) est libre, cest une base de V .
si q = ns, supposons la propriete vraie jusqu` a s1 : il existe a
i
S(b
1
, . . . , b
q
), (b
1
, . . . , b
q
, a
i
)
est une famille libre de q +1 = n(s 1) vecteurs, ce qui permet de poursuivre le raisonnement
par recurrence ...
5.2.2 Somme de deux sous-espaces
Denition 5.11 Soit S et T deux sous-espaces vectoriel de V , on pose :
S + T = {s + t ; s S, t T} . (20)
On verie que S + T est un sous-espace vectoriel de V .
Proposition 5.12 Si V est de dimension nie, S un sous-espace vectoriel de V , S est de dimension
nie et dimS dimV .
Preuve 5.13 Si dimV = n, nimporte quelle famille de n + 1 vecteurs de S est liee. Il sut de
considerer une famille maximale libre (s
1
, . . . , s
k
) de S. On a k n et S = S(s
1
, . . . , s
k
).
Remarque 5.14 S = V si et seulement si dimS = dimV .
Proposition 5.15 Si S et T sont deux sous-espaces dun espace de dimension nie, si S T = {0}
alors dim(S + T) = dimS + dimT.
11

Demonstration 5.16 Soit (s
1
, . . . , s
d
) une base de S et (t
1
, . . . , t
e
) une base de T, alors la famille
(s
1
, . . . , s
d
, t
1
, . . . , t
e
) engendre clairement S + T. Si
1
s
1
+
d
s
s
+
1
t
1
+ +
e
t
e
= 0, alors

1
s
1
+
d
s
s
= (
1
t
1
+ +
e
t
e
) et comme S T = {0}, il vient
0 =
1
s
1
+
d
s
s
=
1
t
1
+ +
e
t
e
puis 0 =
1
= =
d
=
1
= =
e
, i.e la famille (s
1
, . . . , s
d
, t
1
, . . . , t
e
) est libre ...
Denition 5.17 Si S T = {0} on dit que la somme S + T est directe et on la note S

T. Dire
que la somme est directe equivaut ` a dire que si x S + T, x = s + t cette ecriture est unique.
exercice 5 Denir et caracteriser la somme directe de trois sous-espaces.
exercice 6 Montrer, S et T etant deux sous-espaces dun espace de dimension nie,
dim(S + T) + dim(S T) = dimS + dimT. (21)
6 Syst`emes lineaires
6.1 Generalites
On condid`ere le syst`eme
(S)
_

11
x
1
+
12
x
2
+ +
1n
x
n
=
1

21
x
1
+
22
x
2
+ +
2n
x
n
=
2
.
.
.
.
.
.
.
.
.

p1
x
1
+
p2
x
2
+ +
pn
x
n
=
p
(22)
`a p equations, n inconnues. On travaille sur IR ( ou l C). Une solution de (S) est un n-uple (
1
, . . . ,
n
)
satisfaisant toutes les egalites ci-dessus.
Considerons la matrice du syst`eme A = (
ij
)
1ip,1jn
et notons c
j
sa j-i`eme colonne. Si
b = (
1
, . . . ,
p
)
T
alors
(
1
, . . . ,
n
) est solution de (S)
1
c
1
+
2
c
2
+ +
n
c
n
= b. (23)
Le syst`eme homog`ene est alors :
x
1
c
1
+ x
2
c
2
+ + x
n
c
n
= 0. (24)
Il y a toujours la solution (0, . . . , 0) !
Supposons que le syst`eme x
1
c
1
+x
2
c
2
+ +x
n
c
n
= b ait une solution x

. Lensemble des solutions


du syst`eme est alors
x

+ S
H
= {x

+ x o` u x est solution du syst`eme homog`ene} (25)


S
H
designe lensemble des solutions du syst`eme homog`ene. Nous devons repondre aux questions
suivantes :
(a) Quand (S) a-t-il des solutions ?
(b) Si oui en trouver ?
(c) S
H
est un sous-espace vectoriel de K
n
, donc est de dimension nie. Quelle est sa dimension ?
En donner une base ?
12

6.2 Rang
Denition 6.1 Soit A = (
ij
) K
pn
dont les colonnes sont notees c
1
, . . . , c
n
. Le rang de A est la
dimension de S(c
1
, . . . , c
n
) (on parle aussi du rang des vecteurs colonnes).
Remarque 6.2
rangA min(p, n). (26)
Proposition 6.3 Le syst`eme x
1
c
1
+ x
n
c
n
= b a une solution (on dira quil est compatible) si et
seulement si une des deux conditions suivantes est satifaite :
(a) b S(c
1
, . . . , c
n
)
(b) dimS(c
1
, . . . , c
n
) = dimS(c
1
, . . . , c
n
, b).
Demonstration 6.4 Dej`a (a) equivaut ` a la comptabilte du syst`eme. Montrons que (a) equivaut ` a
(b) :
si b S(c
1
, . . . , c
n
) alors S(c
1
, . . . , c
n
, b) = S(c
1
, . . . , c
n
) !
si dimS(c
1
, . . . , c
n
) = dimS(c
1
, . . . , c
n
, b), comme S(c
1
, . . . , c
n
) S(c
1
, . . . , c
n
, b), on a
S(c
1
, . . . , c
n
) = S(c
1
, . . . , c
n
, b)...
Exemple 6.5 A titre dexemple, en utilisant lelimination de Gauss (qui ` a chaque etape donne un
syst`eme equivalent au syst`eme initial), regarder si les syst`emes suivants sont compatibles ou non :
_
x
1
+ 2x
2
3x
3
+ x
4
= 1
x
1
+ x
2
+ x
3
+ x
4
= 0
(27)
_

_
3x
1
+ x
2
+ 4x
3
= 1
x
1
+ x
2
+ x
3
= 0
2x
1
+ x
3
= 1
x
1
+ x
2
2x
3
= 0
(28)
Autre formulation : soit A = (c
1
, . . . , c
n
) IR
pn
la matrice du syst`eme, A

= (c
1
, . . . , c
n
, b)
IR
p(n+1)
la matrice augmentee, le syst`eme est compatible si et seulement si rangA = rangA

.
6.3 Syst`emes homog`enes
6.3.1 Dimension de lensembles des solutions
_

11
x
1
+
12
x
2
+ +
1n
x
n
= 0

21
x
1
+
22
x
2
+ +
2n
x
n
= 0
.
.
.
.
.
.
.
.
.

p1
x
1
+
p2
x
2
+ +
pn
x
n
= 0
(29)
A = (
ij
) = (c
1
, . . . , c
n
) IR
pn
. Posons r = rangA = dimS(c
1
, . . . , c
n
) et quitte ` a renumeroter les
colonnes, supposons (c
1
, . . . , c
r
) libre. Il existe alors pour chaque i {r + 1, . . . , n} une relation de
dependance lineaire :
c
i
=
(i)
1
c
1
+
(i)
r
c
r
. (30)
13

Proposition 6.6 Sous les hypoth`eses precedentes,
u
i
= (
(i)
1
, . . . ,
(i)
r
, 0, . . . , 0, 1, 0, . . . , 0)
o` u 1 gure ` a la i-i`eme place, est solution du syst`eme homog`ene et (u
r+1
, . . . , u
n
) est une base de
lensemble des solutions.
Corollaire 6.7 (Theor`eme du rang version1) La dimension de lensemble des solutions dun
syst`eme homog`ene en n inconnues est n r o` u r est le rang de la matrice associee.
Exemple 6.8 Etudions les syst`emes suivants :
_
x
1
+ 2x
2
3x
3
+ x
4
= 0
x
1
+ x
2
+ x
3
+ x
4
= 0
(31)
_

_
x
1
+ x
2
2x
3
+ x
4
= 0
x
1
x
2
+ x
3
+ 3x
4
= 0
2x
1
+ 2x
2
+ 5x
3
= 0
(32)
_
x
1
+ 2x
2
x
3
+ x
4
+ x
5
= 0 (33)
6.3.2 Rang de la transposee
Soit A = (
ij
) IR
pn
, c
i
IR
p1
sa i-i`eme colonne, r
j
IR
1n
sa j-i`eme ligne.
Si x = (x
1
, . . . , x
n
)
T
, on pose
r
i
x =
i1
x
1
+
in
x
n
. (34)
On veriera que
(r + s)x = rx + sx. (35)
Le syst`ema homog`ene associe `a A secrit alors :
_

_
r
1
x = 0
.
.
.
.
.
.
.
.
.
r
p
x = 0
(36)
Proposition 6.9 On a rangA = dimS(r
1
, . . . , r
p
), i.e le rang des vecteurs lignes et le rang des
vecteurs colonnes sont egaux.
Demonstration 6.10 Soit t = dimS(r
1
, . . . , r
p
) et supposons que (r
1
, . . . , r
t
) soit une base de
S(r
1
, . . . , r
p
). On consid`ere les deux syst`emes :
(1)
_

_
r
1
x = 0
.
.
.
.
.
.
.
.
.
r
p
x = 0
(37)
et
(2)
_

_
r
1
x = 0
.
.
.
.
.
.
.
.
.
r
t
x = 0
(38)
14

(1) et (2) ont les memes solutions : clairement, une solution de (1) est une solution de (2). Si x est
solution de (2), pour t + 1 i p, r
i
=
1
r
1
+
t
r
t
, puis r
i
x =

t
k=1

k
r
k
x = 0...
Soit A

la matrice dont les lignes sont r


1
, . . . , r
t
: rangA

t car les colonnes de A

sont des
vecteurs `a t composantes. Ainsi n rangA

n t. Par ailleurs (1) et (2) ont le meme espace de


solutions, qui a pour dimension n rangA = n rangA

n t, ainsi rangA t, en faite le rang


des vecteurs colonnes est plus petit que le rang des vecteurs lignes. Cest ni ! car il sut dappliquer
ceci `a la matrice A
T
.
Corollaire 6.11 rangA
T
= rangA.
15

Vous aimerez peut-être aussi