14
GMP S2 Mathématiques – Espaces vectoriels – Cours GMP – S2 – Espaces vectoriels – Cours – Rev 2020 ESPACES VECTORIELS PLAN 1 GROUPES, ANNEAUX ET CORPS ............................................................................................................................... 1 1.1 GROUPE ............................................................................................................................................................. 1 1.1.1 Définition et propriétés ................................................................................................................................ 1 1.1.2 Sous-groupe................................................................................................................................................. 2 1.2 ANNEAU............................................................................................................................................................. 2 1.3 CORPS ............................................................................................................................................................... 3 2 ESPACE VECTORIEL .................................................................................................................................................. 3 2.1 DEFINITION ET PROPRIETES...................................................................................................................................... 3 2.2 SOUS-ESPACE VECTORIEL ........................................................................................................................................ 4 3 VECT : ESPACE ENGENDRE ....................................................................................................................................... 4 3.1 COMBINAISONS LINEAIRES DOBJETS .......................................................................................................................... 4 3.2 ESPACE ENGENDRE PAR UN ENSEMBLE DOBJETS ........................................................................................................... 5 3.3 FAMILLE GENERATRICE DUN ESPACE .......................................................................................................................... 6 3.4 FAMILLES LIBRES, FAMILLES LIEES .............................................................................................................................. 8 4 BASE ET DIMENSION D’UN K-EV .............................................................................................................................. 9 4.1 BASE DUN ESPACE VECTORIEL .................................................................................................................................. 9 4.2 UNICITE DE LA DECOMPOSITION ..............................................................................................................................10 4.3 DIMENSION DUN ESPACE VECTORIEL ........................................................................................................................12

GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

  • Upload
    others

  • View
    9

  • Download
    0

Embed Size (px)

Citation preview

Page 1: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

ESPACES VECTORIELS

PLAN

1 GROUPES, ANNEAUX ET CORPS ............................................................................................................................... 1

1.1 GROUPE ............................................................................................................................................................. 1 1.1.1 Définition et propriétés ................................................................................................................................ 1 1.1.2 Sous-groupe................................................................................................................................................. 2

1.2 ANNEAU............................................................................................................................................................. 2 1.3 CORPS ............................................................................................................................................................... 3

2 ESPACE VECTORIEL .................................................................................................................................................. 3

2.1 DEFINITION ET PROPRIETES...................................................................................................................................... 3 2.2 SOUS-ESPACE VECTORIEL ........................................................................................................................................ 4

3 VECT : ESPACE ENGENDRE ....................................................................................................................................... 4

3.1 COMBINAISONS LINEAIRES D’OBJETS .......................................................................................................................... 4 3.2 ESPACE ENGENDRE PAR UN ENSEMBLE D’OBJETS ........................................................................................................... 5 3.3 FAMILLE GENERATRICE D’UN ESPACE .......................................................................................................................... 6 3.4 FAMILLES LIBRES, FAMILLES LIEES .............................................................................................................................. 8

4 BASE ET DIMENSION D’UN K-EV .............................................................................................................................. 9

4.1 BASE D’UN ESPACE VECTORIEL .................................................................................................................................. 9 4.2 UNICITE DE LA DECOMPOSITION ..............................................................................................................................10 4.3 DIMENSION D’UN ESPACE VECTORIEL ........................................................................................................................12

Page 2: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 1 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

Espaces vectoriels

C’est la base de l’algèbre : dans quels types d’espaces se situent des objets tels que des nombres, des

matrices, des vecteurs, des polynômes, des fonctions, …) et quelles sont les propriétés de ces espaces

lorsqu’on les munit d’une loi de composition interne (opération entre objets) ?

(un peu comme un astrophysicien étudie les objets présents dans l’espace, mais aussi leurs interactions

possibles (gravitation, électromagnétisme, …) et l’espace lui-même).

L’objectif est alors de construire un cadre à l’aide d’espaces « modèles » et d’opérations, et parmi eux

un modèle « standard », nommé espace vectoriel, doté d’une structure et de propriétés bien précises

et servant de cadre général applicable à différentes classes d’objets (scalaires (entiers, réels,

complexes), vecteurs, matrices, suites, polynômes, fonctions, et toutes sortes d’objets inventés pour

une occasion précise).

1 Groupes, anneaux et corps

1.1 Groupe

1.1.1 Définition et propriétés

Groupe (E, •) :

Ensemble E d’objets muni d’une loi de composition interne (lci) • (l’addition, notée +, la

multiplication, notée ×, ou toute autre loi, que l’on notera généralement •), telle que :

1. ( ), E E, Ex y x y∀ ∈ × • ∈ (propriété de stabilité) ;

2. la loi • est associative : ( ) ( )x y z x y z• • = • • ;

3. • possède un unique élément neutre E

0 , dans E ;

4. Tout élément x de E admet un unique inverse 1x

− dans E ( 1 1

E0x x x x− −• = • = )

exemples de groupes : contre-exemples :

( ) ( ) ( ) ( ) ( )* *, , , , ,, , , , + + + × ×ℤ ℚ ℝ ℚ ℝ

{ }( ),1 ; 1− ×

( ), , point 4. non vérifié pour tout sauf 1x×ℤ

( ), E, (0 1), point 4. non vérifié pour 0x× = =ℝ

( ),

E

, où est l'ensemble de tous les

vecteurs colinéaires à un vecteur donné,

y compris le vecteur nul (0 0)

u uV V

u

+

=

� �

( ), ou ou , où est l'ensemble de tous

les vecteurs colinéaires à ou à ,

y compris le vecteur nul : point 1. non vérifié

u v u vV V

u v

+� � � �

� �

x x

x x-1

x y

x z

x x y•x

( )x y z• •x

E

y z•

( )x y z• •

x y-1

x 0E x z-1

Page 3: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 2 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

exemples de groupes : contre-exemples :

( ),

E

, où est l'ensemble de toutes

les suites arithmétiques (0 suite nulle)

a aU U+

=

( ), , où est l'ensemble de toutes

les suites géométriques : point 1. non vérifié

g gU U+

( )( ) ( ),

E

E , où E est l'ensemble de toutes

les bijections de E sur E (0 )Id=

�G G

( )( ) ( ),

:

, où est l'ensemble de toutes les

fonctions strictement décroissantes de sur

point 1. non vérifié

D DF Fℝ � ℝ

ℝ ℝ

( )( ) ( ),2 2

E 2

, où est l'ensemble de

toutes les matrices carrées de dimension 2

à coefficients réels (0 O )

+

=

ℝ ℝM M

( )( )

( )

,2 E 2

2

1 0, (0 ) : point 4. : des

0 1

matrices de ne sont pas inversibles.

× = =

M

M

I

Remarque : la loi • n’est pas nécessairement commutative (il n’est pas imposé à x y• d’être égal à

y x• . Lorsqu’elle l’est, on dit qu’on a un groupe commutatif ou abélien.

1.1.2 Sous-groupe

Sous-groupe :

(H, •) est un sous-groupe de (E, •) si : H E⊂ et (H, •) est un groupe (donc E

0 H∈ ).

exemples de sous-groupes : contre-exemples :

( ) ( ), , est un sous-groupe de .+ +ℤ ℝ

( ) ( ){ } { }

, , est un sous-groupe de

où multiples de 0 .

n

n n

+ +

= ∪

ℤ ℤ

( ) ( )( )

, ,

,

n'est pas un sous-groupe de .

car n'est pas un groupe (point 4.).

+ +

+

ℕ ℤ

( ) ( )

( )

,

,

, ,

,

est un sous-groupe de où

est l'ensemble de tous les vecteurs

du plan

u u v

u v

V V

V

u v

+ +� � �

� �

� �

( ) ( ),

,

, ,

.

n'est pas un sous-groupe de

car

i j k

i j k

V V

V V

+ +

� � �

� � �

( )( ) ( )( )( )

, ,2 2

2

est un sous-groupe de

où est l'ensemble des matrices

scalaires de dimension 2.

S

S

+ +ℝ ℝ

M M

M

( )( )( )( ) ( ) ( )

,

,

2

3 2 3

n'est pas un sous-groupe de

car .

+

+ ⊄

ℝ ℝ ℝ

M

M M M

1.2 Anneau

Anneau (E, +, •) :

Ensemble E d’objets muni de deux lci + et • telles que :

1. (E, +) est un groupe abélien, dont l’élément neutre est noté 0 ;

2. ( ), E E, Ex y x y∀ ∈ × • ∈ (stabilité de E par •) ;

3. la loi • est associative : ( ) ( )x y z x y z• • = • • ;

4. • est distributive par rapport à + : ( ) ( ) et x y z x y x z x y z x z y z• + = • + • + • = • + •

Un anneau est dit commutatif si la loi • l’est.

Un anneau est dit unitaire si la loi • possède un élément neutre, (souvent noté 1) E∈ .

exemples d’anneaux :

( ) ( ) ( ) ( ), , , , , , , ,, , et sont des anneaux commutatifs et unitaires.+ × + × + × + ×ℤ ℚ ℝ ℂ

[ ]( ) [ ] { }, , est un anneau commutatif et unitaire ( = polynômes à variable réelle ).X X+ ×ℝ ℝ

( )( ), , est un anneau unitaire non commutatif.n + ×ℝM

Page 4: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 3 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

1.3 Corps

Corps (E, +, •) :

Anneau unitaire (E, +, •) tel que, avec E* = E \ {0}, (E*, •) est un groupe.

(on note simplement 0 l’élément neutre de l’addition)

Un corps est dit commutatif si la loi • l’est.

exemples de corps : contre-exemples :

( ) ( ) ( ), , , , , ,, et : corps commutatifs.+ × + × + ×ℚ ℝ ℂ ( ) ( )*, , ,, car n'est pas un groupe

(problème de l'existence dans de l'inverse

d'un entier).

+ × ×ℤ ℤ

( )( ) ( ), , est un corps ( est

l'ensemble des fonctions d'une variable réelle).

+ ×ℝ ℝF F

( )( )( )( )

,

*,

, ,

,

n'est pas un corps car

n'est pas un groupe (ici,

problème de l'existence elle-même

de l'inverse d'une matrice).

n p

n p

+ ×

×

M

M

2 Espace vectoriel

2.1 Définition et propriétés

K-Espace vectoriel (V, +, ×) :

Groupe abélien (V , +) d’élément neutre 0V, sur lequel agit un corps K par le biais d’une loi de

composition externe (lce) × . Dans K, on note 0 et 1 les éléments neutres de + et × (ses lci).

On a, en particulier :

1. * *1 1, ! tel que 0Vv V v V v v

− −∀ ∈ ∃ ∈ + =

2. ( ), , v K V v Vλ λ∀ ∈ × × ∈ (stabilité de V par la lce) ; 2bis. , 0 0 et 1Vv V v v v∀ ∈ × = × = ;

2ter. ( ) ( ), ,2 2, , K u v V u v Vλ µ λ µ∀ ∈ ∀ ∈ + ∈

3. × est distributive par rapport à + : ( ) ( )1 2 1 2 1 2 1 2 et u u u u u u uλ λ λ λ λ λ λ× + = × + × + × = × + ×

(attention au signe + : l’addition dans K n’est pas l’addition dans V !)

exemples d’espaces vectoriels (et vérification de points ci-dessus) nℝ , espace des vecteurs de dimension n à coordonnées réelles :

( )( ) ( ), , ,..., , ,...,1 2 1 2, n n

n nv v v v v v v vλ λ λ λ λ∀ = ∈ × = ∈� �ℝ ℝ ℝ ; , 0 0 et 1

nv v v v∀ ∈ × = × =

�� � � �ℝ

:1 1 1, ! tel que 0 1

n nv v v v v v v

− − −∀ ∈ ∃ ∈ + = = − = − ×�� � � � � � �

ℝ ℝ

( ),2 3 ℝM , espace des matrices de dimensions 2,3 à facteurs réels :

( ) ( ), ,,2 3 2 3

A , Aa c e a c e

b d f b d f

λ λ λλ λ

λ λ λ

∀ = ∈ × = ∈

ℝ ℝ ℝM M ;

( ), ,3 2 3 2A , 0 A O et 1 A A∀ ∈ × = × =ℝM ;

( ) ( ), , , :2 3 2 3 2 3A , !A tel que A A O A A 1 Aa c e a c e

b d f b d f

− − − ′ ′ ′∀ = ∈ ∃ ∈ + = = − = − × = − − − ℝ ℝM M

( ){ }: telles que 1 0V f f= → − =ℝ ℝ (élément neutre de + : la fonction nulle V∈ )

( ) ( )( ) ( ), , 1 1 0, donc f V f f f Vλ λ λ λ∀ ∈ × − = × − = ∈ℝ

( ) ( )( ) ( ) ( ), 2, 1 1 1 0 0 0, donc f g V f g f g f g V∀ ∈ + − = − + − = + = + ∈

( ) ( ): ), ! telle que 0 ( 1 1 0V

f V g V f g g f g f∀ ∈ ∃ ∈ + = = − − = − − =

Page 5: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 4 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

2.2 Sous-espace vectoriel

Sous-espace vectoriel :

S est un sous-espace vectoriel (sev) de V si :

V est un K-espace vectoriel, S V⊂ et S est un K-espace vectoriel (donc 0V S∈ ).

exemples de sev de ℝ -espaces vectoriels contre-exemples 3

V = ℝ , espace des vecteurs de dimension 3

à coordonnées réelles (donc visualisable

comme notre espace usuel) ;

, avec et réels

0

x

S y x y

=

(plan vectoriel

plongé dans cet espace)

3V = ℝ ; , avec et réels positifs

0

x

S y x y

=

...

0 , , mais n'est pas un -espace

vectoriel : (sauf si 0 )

S S V S

u S u S u

∈ ⊂∈ ⇒ − ∉ =

�ℝ�� � �

2V = ℝ (plan vectoriel) ;

( ){ }, |2S x y y x= ∈ =ℝ (droite vectorielle)

2V = ℝ (plan vectoriel) ;

1 2S S S= ∪ =

( ){ } ( ){ }, | , |2 2S x y y x x y y x= ∈ = ∪ ∈ = −ℝ ℝ

* *,1 2

0 , , mais n'est pas un -ev :S S V S

u S v S u v S

∈ ⊂∈ ∈ ⇒ + ∉

�ℝ

� � � �

3 Vect : espace engendré

Dans les parties 3 et 4, les éléments de V cités, , ,...,1 2 n

v v v� � �

ou , ,...,1 2 n

e e e , sont tous non nuls.

3.1 Combinaisons linéaires d’objets

Combinaison linéaire :

Soit V un ℝ -espace vectoriel et , ,...,1 2 n

v v v� � �

des éléments de V.

Une combinaison linéaire de ces éléments est la somme ...1 1 2 2 n nv v vλ λ λ+ + +� � �

où i

λ ∈ℝ .

Elle est donc elle-même élément de V.

(en effet, (V, +) est un groupe (stabilité par +) et on a la stabilité par la lce ×)

exemples de combinaisons linéaires dans un ℝ -espace vectoriel nℝ , comme ℝ -espace vectoriel des vecteurs de dimension n à coordonnées réelles :

( ), , 2 3n n nu v w u v∈ × = − ∈� � � � �ℝ ℝ ℝ

( )3SℝM , comme ℝ -espace vectoriel des matrices scalaires de dimension 3 à facteurs réels :

( ) ( ), , ,3 3

A B C D , E 2A B 3C DS S

∈ = − + − ∈ℝ ℝM M

V , comme ℝ -espace vectoriel des fonctions de ℝ dans ℝ ( )telles que 1 0f − = :

( ), , 3 , 3f g h V k f g h V∈ = + − ∈

Page 6: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 5 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

3.2 Espace engendré par un ensemble d’objets

L’ensemble de toutes les combinaisons linéaires de , ,...,1 2 n

v v v� � �

est noté ( ), ,...,1 2 n

v v v� � �

Vect et est

nommé sous-espace engendré par , ,...,1 2 n

v v v� � �

.

Propriété 3.2 :

( ), ,...,1 2 n

Vect v v v� � �

est un espace vectoriel, qui est V lui-même ou un sous-espace vectoriel de V.

Explication :

* Vu dans le point précédent : toute combinaison linéaire de , ,...,1 2 n

v v v� � �

est élément de V.

( ), ,...,1 2 n

Vect v v v� � �

est donc inclus dans V.

* ( )( ), ,..., , ,1 2 nVect v v v + ×� � � est-il un K-espace vectoriel ? Vérifions les points-clés de la définition :

a. ( )( ), ,..., ,1 2 nVect v v v +� � � doit être un groupe abélien

1. stabilité : soit deux combinaisons linéaires ...1 1 2 2 n nv v vλ λ λ+ + +� � �

et ...1 1 2 2 n nv v vµ µ µ+ + +� � �

.

Il est clair que leur somme est dans ( ), ,...,1 2 n

Vect v v v� � �

;

2. associativité : immédiate ;

3. élément neutre : la combinaison (= 0V) telle que ( ) ( ), ,..., , ,...,1 2

0 0 0n

λ λ λ = ;

4. inverse unique de ...1 1 2 2 n nv v vλ λ λ+ + +� � �

: ...1 1 2 2 n nv v vλ λ λ− − − −� � �

b. Points vus en définition d’un espace vectoriel :

2. stabilité par la lce : ( ) ( ), ... , ,...,1 1 2 2 1 2

,n n n

v v v K Vect v v vλ λ λ λ+ + + ∈ ×� � � � � �

( ) ( )... ... , ,...,1 1 2 2 1 1 2 2 1 2n n n n nv v v v v v Vect v v vλ λ λ λ λλ λλ λλ× + + + = + + + ∈� � � � � � � � �

3. distributivité : immédiate

Exemple 1 :

( ) ( ) ( ), , , , ,2 2

1 2 1 21 1 1 1 alorsV v v Vect v v= = = − =� � � �ℝ ℝ

En effet :

On sait déjà que ( ), 2

1 2Vect v v ⊂� �

ℝ . A-t-on l’inclusion contraire ?

( ) ( ) ( )

( ) ( ) ( )

, , , , :

, , . ,

2

1 2 1 1 2 2

1 2

2

1 2 1 2

tel que

il suffit de prendre et .2 2

Donc

a b v v a b

a b a b

a b Vect v v Vect v v

λ λ λ λ

λ λ

∀ ∈ ∃ + =+ −= =

∈ ⊂

� �ℝ

� � � �ℝ

Par exemple : ( ), 1 23 1 2v v= +� �

2plan ℝ

Page 7: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 6 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

Exemple 2 :

[ ] ( ) [ ], , , , , ,2

2 1 2 3 1 2 3 2 (polynômes de degré 2) 1 alorsV X p p x p x Vect p p p X= ≤ = = = =ℝ ℝ

En effet : on sait déjà que

( ) [ ], ,1 2 3 2

Vect p p p X⊂ ℝ . A-t-on l’inclusion

contraire ?

[ ] ( )

( )[ ] ( )

, , ,

:

,

, , .

, ,

2

2 1 2 3

2

1 1 2 2 3 3

1 2 3

2

1 2 3

2 1 2 3

tel que

il suffit de prendre et .

Donc

ax bx c X

p p p ax bx c

c b a

ax bx c Vect p p p

X Vect p p p

λ λ λ

λ λ λλ λ λ

∀ + + ∈ ∃

+ + = + += = =

+ + ∈

Exemple 3 :

( ) ( ) ( ), , , , , , . ,3 3

1 2 1 21 1 0 1 0 1 A-t-on ?V v v Vect v v= = = =� � � �ℝ ℝ

On sait déjà que ( ), 3

1 2Vect v v ⊂� �

ℝ . A-t-on l’inclusion contraire ?

( ) ( ) ( )( ) ( ) ( )

, , , ? , , ,

, , , , , ,

3

1 2 1 1 2 2

1 1 2 2 1 1 2 2 1 2 1 2

tel que ?

0 + 0

a b c v v a b c

v v

λ λ λ λλ λ λ λ λ λ λ λ λ λ∀ ∈ ∃ + =

+ = = +

� �ℝ

� �

Or tous les triplets ( ), ,a b c ne vérifient pas cette condition qui veut que a b c= + , loin de là !

Ici, les vecteurs 1 2 et v v� �

engendrent un plan P inclus dans 3ℝ : ( ),

1 2Vect v v

� �= P. Mais les vecteurs

de 3ℝ n’appartenant pas à ce plan ne peuvent être combinaisons linéaires de 1 2 et v v

� �.

3.3 Famille génératrice d’un espace

L’ensemble { }, ,...,1 2 n

e e e d’éléments de même nature (vecteurs, polynômes, matrices, suites, etc.) est

nommé famille génératrice de ( ), ,...,1 2 n

Vect e e e .

Plusieurs familles peuvent être génératrices du même espace vectoriel.

Exemple 1 : ( ( ) :2DℝM matrices diagonales de dimension 2,2 à coefficients réels)

( ), :2

1 0 0 0 0 1 0 0 0A

0 0 0 1 0 0 0 0 1D

aVect a b

b

= = = +

ℝM ,

( ) ( ), :2

1 0 0 0 0 1 0 0 0A

0 1 0 1 0 0 1 0 1D

aVect a a b

b

= = = + + − −

ℝM

( ), , :2

1 0 0 0 1 0 0 1 0 0 0 1 0A

0 1 0 1 0 0 0 0 1 0 1 0 02 2 2D

a a a aVect b

b

= = = + + + − − ℝM

[ ]2espace Xℝ

( )2plan D ℝM

Page 8: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 7 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

Exemple 2 :

,, :

1 0 1 0

0 1 0 1i j

aVect i j v a b

b

= = = = = +

� �

� � �P ,

( ),, :

1 2

1 1 1 1

0 1 0 1i j

aVect v v v a b b

b

− − = = = = = − − − − −

� �� � �

P

( ) ( ) ( ),, , :

1 2 3

1 1 1 1 1 12 2 2

0 1 2 0 1 2i j

aVect v v v v a b a b a b

b

− − = = = = = = + + + + + − −

� �� � � �

P

Exemple 3 :

( ) [ ] ( ) ( ) ( ) ( ): , : , : :2 2

1 2 3 2 1 2 31Vect p x p x x p x x X p x ax bx c cp x bp x ap x= = + + = + +֏ ֏ ֏ ℝ

( ) [ ] ( ) ( ) ( ), , :2 2

4 5 2 2 4 5 21 1Vect p x p x p x X p x ax bx c c a p ap a b c p= + = + = = = + + = − + + + −ℝ

( ) [ ]( ) ( ) ( ) ( ) ( )

, , , :2 2

1 6 3 7 2

2

1 6 3 7

1 1

2 2 2

Vect p p x p x p x x X

p x ax bx c a b c p a b p a b p a b p

= = − = = + =

= + + = + + − + + + − +

n.b. : Les combinaisons montrées dans ces exemples prouvent qu’un élément de l’espace considéré

est élément de Vect, donc que l’espace est inclus dans Vect, mais pas le contraire. Cette inclusion

« réciproque » est le résultat acquis de la propriété 3.2.

2plan ℝ

[ ]2espace Xℝ

Page 9: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 8 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

3.4 Familles libres, familles liées

On l’a vu, plusieurs familles peuvent engendrer le même espace vectoriel et le nombre d’éléments

qu’elles contiennent n’est pas forcément le même.

Il serait intéressant, pour un espace vectoriel donné, de chercher une famille capable de l’engendrer

et dont le nombre d’éléments soit minimal.

On appelle famille liée un ensemble { }, ,...,1 2 n

e e e dont un élément est une combinaison linéaire des

autres : [ ] ( ); ... ...1 1 2 2 1 1 1 11 et non tous nuls tels que i k k k k k n ni kk n e e e e e eλ λ λ λ λ λ− − + +≠∃ ∈ = + + + + + + .

Exemples (en reprenant ceux de la partie 4.1) :

Dans la famille de matrices , ,1 0 0 0 1 0

0 1 0 1 0 0

, 1 0 1 0 0 0

0 1 0 0 0 1

= − −

.

Dans la famille de vecteurs , ,1 2 3

1 1 1

0 1 2u u u − = = = −

� � �,

3 1 23 2u u u= − −� � �

.

Dans la famille de polynômes { }, , ,2 2

1 6 3 71 1p p x p x p x x= = − = = + ,

7 3 6 1p p p p= − + .

Attention : tout élément ie d’une famille liée n’est pas forcément une combinaison linéaire des

autres. Dans , ,1 2 3

1 2 0

0 0 1u u u = = =

� � �,

3u�

n’est pas combinaison linéaire de 1u�

et 2u�

.

Proposition 3.4-1 :

{ }, ,...,1 2 n

e e e est liée ( ) ...1 1 2 21 non tous nuls tels que 0i n n Vi n

e e eλ λ λ λ≤ ≤⇔ ∃ + + + = .

Démonstration :

* ⇒ : ... ...1 1 2 2 1 1 1 1

1

0 avec 1n

k k k k k n n i i V k

i

e e e e e e eλ λ λ λ λ λ λ− − + +=

= + + + + + + ⇒ = = −∑

* ⇐ : 1 1

0 avec 0n n

ii i V k k i

i i ki k

e e eλλ λ

λ= =≠

−= ≠ ⇒ =∑ ∑ , et donc la famille est liée.

On appelle famille libre ou linéairement indépendante une famille non liée.

Aucun de ses éléments n’est une combinaison linéaire des autres.

Propriété 3.4-2 : { }, ,...,1 2 n

e e e est libre ( ) ( ),..., ,...,1

1

0 0 0n

i i V n

i

eλ λ λ=

⇔ = ⇒ = ∑ .

Exemples de familles libres :

1

0i =

�, comme tout singleton d’un élément non nul, est libre.

,1 0

0 1i j = =

� � est libre. En effet : ( ) ( ), ,

1

1 2 1 2

2

00 0 0

0i j

λλ λ λ λ

λ

+ = ⇔ = ⇔ =

�� �

,1 1

2 1u v − = =

� � est libre.

En effet : ( ) ( ), ,1 2 1 2

1 2 1 2

1 2 1

00 0 0

2 3 00u v

λ λ λ λλ λ λ λ

λ λ λ− =

+ = ⇔ = ⇔ ⇔ = + =

�� �

Page 10: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 9 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

, , ,1 0 0 0 0 1 0 0

0 0 1 0 0 0 0 1

est libre.

{ }, , 21x x x x x֏ ֏ ֏ est libre ; { }, ,2

1 1x x x x x x+ +֏ ֏ ֏ est libre.

{ }sin , cosx x x x֏ ֏ est libre ; { }, ex

x x x֏ ֏ est libre.

Proposition 3.4-3 : Si { }, ,...,1 2 n

e e e est une famille liée où ne est combinaison linéaire des autres

éléments, alors ( ) ( ), ,..., , ,...,1 2 1 2 1n n

Vect e e e Vect e e e −= .

Démonstration :

( ) ( )

( )

, ,...,

, ,...,

1 1 1 1

1 2

1 1 1 1 1

1 2 1

n n n n n

n i i i i n n i i n i i i n i i

i i i i i

n

v Vect e e e v e e e e e e

v Vect e e e

λ λ λ λ λ µ λ λ µ− − − −

= = = = =

∈ ⇔ = = + = + = +

⇔ ∈

∑ ∑ ∑ ∑ ∑

Exemple :

( ) ( ) ( )( ) ( ) ( )( ) ( )( ) ( )( )( ) ( ) ( ) ( ) ( )( ) ( )( ) ( ) ( ) ( )( )( ) ( )

, , , , , , , , , .

, , , , , , , ,

, ,

21 0 0 1 1 1 . En effet : 2 1 0 2 0 1 1 1

Or 1 1 1 0 0 1 , donc 2 1 0 2 0 1 1 0 0 1

1 0 0 1

Vect v a b a b b a a b

v a b a b b a a b

a b

= = = + + + − +

= + = = + + + − + +

= +

Ainsi, les vecteurs v de ( ) ( ) ( )( ), , , , ,1 0 0 1 1 1Vect sont ceux de ( ) ( )( ), , ,1 0 0 1Vect .

Le couple ( ),1 1 est ici superflu, associé à ( ),1 0 et ( ),0 1 , pour engendrer 2ℝ .

4 Base et dimension d’un K-ev

4.1 Base d’un espace vectoriel

Base :

Soit V un K -espace vectoriel et , ,...,1 2 ne e e des éléments de V.

B = ( ), ,...,1 2 n

e e e est une base de V si, et seulement si :

* B est linéairement indépendante, * ( ), ,...,1 2 n

Vect e e e V= (B engendre V).

Exemple :

( ) ( ) ( ){ }

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( )( )( ) ( ) ( )( ) ( )

, , , , , , , ,

, , , , , , , , , , , ,

, , , , , , , ,

, , , , , , , , :

3

1 2

1 2 3 3 1 2 3

1

3

1 0 1 1 0 0 0 1 0 est une base de .

* linéairement indépendante ?

0

1 0 1 1 0 0 0 1 0 0 0 0 0 0 0 0

0

* 1 0 1 1 0 0 0 1 0 ?

1 0 1 1 0 0 0 1 0

Vect

v a b c c a c b

λ λλ λ λ λ λ λ λ

λ

− −

+ =− + + − = ⇔ = ⇔ = =

− − =

= = − − + + − −

( ) ( ) ( )( ), , , , , , , ,31 0 1 1 0 0 0 1 0

(inclusion réciproque : propriété 3.2)

Vect⊂ − −ℝ

Page 11: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 10 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

4.2 Unicité de la décomposition

Propriété 4.2 : Soit v un élément d’un K-ev V et B une base de V.

Alors la décomposition de v dans cette base est unique.

Démonstration :

Supposons deux décompositions différentes de v (deux combinaisons linéaires de la même famille

montrant des coefficients différents) : ( ) ( ), ,..., , ,..., .1 2 1 2

1 1

avec n n

i i i i n n

i i

v e eλ µ λ λ λ µ µ µ= =

= = ≠∑ ∑

Par différence : ( )1 1 1

0 0n n n

i i i i V i i i V

i i i

e e eλ µ λ µ= = =

− = ⇔ − =∑ ∑ ∑ .

Or la famille { }, ,...,1 2 n

e e e est libre, puisque B = ( ), ,...,1 2 n

e e e est une base de V.

La propriété 3.4-2 établit alors que pour tout i, 0i iλ µ− = .

Ainsi, les deux combinaisons linéaires sont obligatoirement identiques.

Coordonnées :

Les coefficients de cette unique décomposition sont alors appelés coordonnées de v dans la base B.

La propriété 4.2 est bien une propriété des bases, car dans une famille génératrice liée, la

décomposition de v ne serait pas unique !

Reprenons divers exemples vus précédemment.

Exemple 1 :

( ) ( ) ( )( )( )

( ) ( ) ( ) ( ) ( ) ( )

( ) ( ) ( )

, , , , , , , ,

, ,

, , , , , , , , , , , ,

, , , , , , , , ,

3

1 2

1 2 3 3 1 2 3

1

1 2 3

1 0 1 1 0 0 0 1 0 .

La décomposition de dans cette famille est-elle unique ?

1 0 1 1 0 0 0 1 0

est unique. 1 0 1 1 0 0 0

Vect

v a b c

a

a b c b c a c b

c

λ λλ λ λ λ λ λ λ

λ

λ λ λ

− − =

=

+ =− + + − = ⇔ − = ⇔ = − + − − =

( )( ), 3

1 2 3

1 0 est une base de

et , et sont les coordonnées de dans cette base.vλ λ λ− ℝ

Exemple 2 :

( )

( )

,

, ,

,

2

2 11 2

1 2 1 2

1 2 1

1 2

1 1. La décomposition de dans cette famille est-elle unique ?

2 1

1 1 2

22 1 3 33

aVect v

b

aaa a b a b

a bbb

λ λλ λλ λ λ λ

λ λ λ

λ λ

− = =

= −− =− + − + + = ⇔ ⇔ ⇔ =+ + = =

, 2

1 2

1 1est unique. est une base de

2 1

et et sont les coordonnées de dans cette base.vλ λ

Exemple 3 :

( ) ( ), :2

1 0 0 0 0 1 0 0 0 est une base de A

0 1 0 1 0 0 1 0 1D

aa a b

b

= = + + − − ℝM

Page 12: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 11 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

Exemple 4 :

( ), , 2 1 2 3

1 3 1 3 3 1

2 1 2 1 2 1

1 0 0 0 1 0 0 1 0 0 0 1 0A

0 1 0 1 0 0 0 0 1 0 1 0 0

0 0

0 0

D

aVect

b

a aa

b bb

λ λ λ

λ λ λ λ λ λλ λ λ λ λ λ

= = = + + − −

+ + = = − ⇔ = ⇔ ⇔ − − = = +

ℝM

Deux conditions sont à respecter par trois coefficients : on peut donner à 1λ la valeur que l’on

souhaite, ce qui nous fera obtenir 2λ et

3λ . La décomposition de A dans cette famille n’est pas

unique et donc , ,1 0 0 0 1 0

0 1 0 1 0 0

n’est pas une base de ( )2SℝM .

Cela correspond au fait que cette famille est liée. En effet : 1 0 1 0 0 0

0 1 0 0 0 1

= − −

.

Exemple 5 :

,, , :1 2 3 1 2 3

1 2 3 1 3

2 3 2 3

1 1 1 1 1 1

0 1 2 0 1 2

3

2 2

i j

aVect u u u v

b

a a b

b b

λ λ λ

λ λ λ λ λλ λ λ λ

− − = = = = = = + + − −

− + + = = − − ⇔ ⇔ − + = = −

� �� � � �

P

Deux conditions sont à respecter par trois coefficients : on peut donner à 3λ la valeur que l’on

souhaite, ce qui nous fera obtenir 1λ et

2λ . La décomposition de v�

dans cette famille n’est pas

unique et donc , ,1 2 3

1 1 1

0 1 2u u u − = = = −

� � � n’est pas une base de

,i j� �P .

Cela correspond au fait que cette famille est liée. En effet : 3 1 23 2u u u= − −� � �

.

Exemple 6 :

( ) [ ] ( )

( ) ( ) [ ]

, , :

, , , ,

2 2

4 5 2 2 1 4 2 5 3 2

2 2

2 2

1 1 2 2 3 1 3 3

1 2 1

2

1 2 3 2

1 2 3

1 1

est unique. 1 1 est une base de

et , et son

Vect p x p x p x X p x ax bx c p p p

a a

ax bx c x x x b a b c

c c a

x x x X

λ λ λ

λ λλ λ λ λ λ λ λ λ

λ λ λ

λ λ λ

λ λ λ

= + = + = = = + + = + +

= = ⇔ + + = + + + + ⇔ + = ⇔ = + − + = = −

+ +

( )t les coordonnées de dans cette base.p x

Base canonique :

Il s’agit de la base dont les éléments sont unitaires et orthogonaux entre eux, dont les coordonnées

sont « les plus simples possibles » (composées de « 0 » et de « 1 »).

Les coordonnées d’un vecteur dans la base canonique sont appelées ses composantes.

Exemples :

( ) ( )( ) ( ) ( ) ( )( )

[ ] ( ) ( )

, , , , , , , , , , ,

, , , , ,

2 3

2

2 2

1 0 0 1 ; 1 0 0 0 1 0 0 0 1 ;

1 0 0 0 0 1 0 01 ;

0 0 1 0 0 0 0 1

V V

V X x x V M

= → = = → =

= → = = → =

ℝ ℝ

ℝ ℝ

B B

B B

Page 13: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 12 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

4.3 Dimension d’un espace vectoriel

Proposition 4.3-1 :

Soit B = ( ), ,...,1 2 n

e e e une base d’un K-ev V, soit v un élément de V.

Alors la famille { }, ,..., ,1 2 n

e e e v est liée.

Preuve : en effet puisque v se décompose dans la base B.

Proposition 4.3-2 :

Soit B = ( ), ,...,1 2 n

e e e une base d’un K-ev V, et { }, ,...,1 2 p

v v v une famille d’éléments de V, où p n> .

Alors la famille { }, ,...,1 2 p

v v v est liée.

Démonstration :

Nommons X la famille { }, ,...,1 2 p

v v v et Y la partie { }, ,...,1 2 n

v v v strictement incluse dans X.

1) Si Y est liée, la combinaison linéaire entre l’un de ses éléments et les autres existe aussi dans X et

donc X est liée également.

2) Si Y est libre, montrons que Y est alors une base de V puis, grâce à la proposition 4.3-1, nous

pourrons conclure que X est liée.

B = ( ), ,...,1 2 n

e e e est une base de V. Donc :

...

...

...

...

11 1 12 2 1 1

21 1 22 2 2 2

1 1 2 2

n n

n n

n n nn n n

e e e v

e e e v

e e e v

λ λ λλ λ λ

λ λ λ

+ + + = + + + = + + + =

Le fait que { }, ,...,1 2 n

v v v soit libre implique qu’aucun des iv n’est combinaison linéaire des autres,

autrement dit : aucune des listes ( ), ,...,1 2i i in

λ λ λ n’est combinaison linéaire des autres listes.

On est donc en présence d’un système de Cramer : sa matrice peut être inversée, et il existe donc

des coefficients ijµ uniques tels que :

...

...

...

...

11 1 12 2 1 1

21 1 22 2 2 2

1 1 2 2

n n

n n

n n nn n n

v v v e

v v v e

v v v e

µ µ µµ µ µ

µ µ µ

+ + + = + + + = + + + =

Comme tout élément v de V est une combinaison linéaire des ie , il est aussi par ce système une

combinaison linéaire des iv . Donc ( ),...,

1 nV Vect v v⊂ . On sait que la proposition 3.2 établit

l’inclusion contraire. Ainsi, la définition étant respectée, Y est une base de V.

Enfin, grâce à la proposition 4.3-1, X est liée.

Proposition 4.3-3 :

Soit B = ( ), ,...,1 2 n

e e e une base d’un K-ev V. Alors la famille { }, ,...,1 2 1n

e e e − ne peut engendrer V.

En effet, tout élément v de la forme neλ ne peut être combinaison linéaire de { }, ,...,

1 2 1ne e e − .

Ces trois dernières propositions montrent deux résultats fondamentaux :

Toutes les bases d’un K-espace vectoriel comportent obligatoirement le même nombre d’éléments.

Toute famille libre comportant ce nombre précis d’éléments est une base de ce K-espace vectoriel.

Un élément de plus, et la famille est liée, un élément de moins et la famille ne peut engendrer V.

Page 14: GMP - EV - Cours · GMP S2 Mathématiques – Espaces vectoriels – Cours Page 1 sur 13 GMP – S2 – Espaces vectoriels – Cours – Rev 2020 Espaces vectoriels C’est la base

GMP S2 Mathématiques – Espaces vectoriels – Cours

Page 13 sur 13

GMP – S2 – Espaces vectoriels – Cours – Rev 2020

Dimension d’un K-ev :

La dimension d’un espace vectoriel V est le nombre d’éléments d’une de ses bases quelconques.

Exemples :

( ) ( ) ( )( )( ) ( )( ) ( )( ) ( )( )

[ ]( ) [ ]( )

dim dim dim

dim dim dim dim

dim dim

2 3

2

2 2

2

2 ; 3 ; ;

2 ; ; 4 ; ;

3 ; 1

n

D Dn n

n

n

n n

X X n

= = =

= = = =

= = +

ℝ ℝ ℝ

ℝ ℝ ℝ ℝ

ℝ ℝ

M M M M

Proposition 4.3-4 :

Soit B = ( ), ,...,1 2 n

e e e une base d’un K-ev V et ( ), ,...,1 2 pi i i

e e e′ =B une liste formée de p éléments de B

(donc p n≤ ). Alors { }, ,...,1 2 pi i i

e e e engendre un sous-espace vectoriel de V dont ′B est une base.

Exemples :

[ ] ( ){ }( ) ( )[ ] ( ){ }( ) ( )

, , ,

, , dim

, ,

, dim

2 3

2

2

2

1

;

1 ; 3

sev de ;

1 ; 2

V X ax bx c a b c

x x V

W X bx c b c V

x W

= = + + ∈

= =

= = + ∈

′ = =

ℝ ℝ

ℝ ℝ

B

B

( ) ( )

( )

( )

, ,

, dim

,

dim

2

2

0;

0

1 0 0 0; 2 ;

0 0 0 1

0 sev de ;

0 0

1 0; 1

0 0

D

aV a b

b

V

aW a V

W

= = ∈

= =

= ∈

′ = =

ℝ ℝ

M

B

B