Documente Academic
Documente Profesional
Documente Cultură
Bases
Dimension
Combinaison lineaire
Denition. Dans lespace vectoriel V le vecteur w est combi-
naison linaire des vecteurs v
1
, v
2
, . . . , v
r
, sil existe des scalaires
k
1
, k
2
, . . . , k
r
tels que
w = k
1
v
1
+ k
2
v
2
+ . . . + k
r
v
r
Exemples
1. Dans R
4
, soit
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 1
v
1
=
_
_
1
8
7
6
_
_
, v
2
=
_
_
1
0
3
1
_
_
et w =
_
_
5
24
15
16
_
_
, e =
_
_
1
0
0
0
_
_
w est combinaison lineaire des vecteurs v
1
et v
2
. En eet, on
peut verier que
w = 3v
1
2v
2
3
_
_
1
8
7
6
_
_
2
_
_
1
0
3
1
_
_
=
_
_
5
24
15
16
_
_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 2
e nest pas combinaison lineaire des vecteurs v
1
et v
2
. En eet,
on cherche une solution de
k
1
_
_
1
8
7
6
_
_
+ k
2
_
_
1
0
3
1
_
_
=
_
_
1
0
0
0
_
_
, soit
_
_
k
1
k
2
= 1
8k
1
= 0
7k
1
+ 3k
2
= 0
6k
1
+ k
2
= 0
qui est un syst`eme inconsistant.
2. Dans P
3
soit
p
1
(t) = 1 + 8t + 7t
2
+ 6t
3
p
2
(t) = 1 + 3t
2
+ t
3
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 3
et
q(t) = 5 + 24t + 15t
2
+ 16t
3
u(t) = 1
Le polynome q(t) est combinaison lineaire des polynomes p
1
(t)
et p
2
(t). En eet on verie que q(t) = 3p
1
(t) 2p
2
(t).
Le polynome u(t) nest pas combinaison lineaire des poly-
nomes p
1
(t) et p
2
(t). En eet, on cherche k
1
et k
2
tels que
u(t) = k
1
p
1
(t) + k
2
p
2
(t), cest-`a-dire 1 = k
1
(1 + 8t + 7t
2
+
6t
3
) + k
2
(1 + 0 + 3t
2
+ t
3
).
Lidentication des coecients conduit au meme syst`eme incon-
sistant que celui de lexemple 1.
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 4
3. Dans M
22
soit
C
1
=
_
1 8
7 6
_
, C
2
=
_
1 0
3 1
_
et
A =
_
5 24
15 16
_
, B =
_
1 0
0 0
_
A est combinaison lineaire des matrices C
1
et C
2
. En eet on
verie que A = 3C
1
2C
2
.
B nest pas combinaison lineaire des matrices C
1
et C
2
. En
eet, on cherche k
1
et k
2
tels que B = k
1
C
1
+ k
2
C
2
, ce qui
conduit au meme syst`eme inconsistant que ceux des exemples
precedents.
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 5
Theor`eme. Dans lespace vectoriel V, soit lensemble de vecteurs
S = {v
1
, . . . , v
r
}. Alors
1. Lensemble W des combinaisons linaires de S forme un sous-
espace vectoriel de V.
2. West le plus petit sous-espace vectoriel de V contenant S.
Pr.
1. On verie les deux conditions :
(a)
0
V
Wcar
0
V
= 0v
1
+ . . . + 0v
r
(b) a W,
b Wa +
b Wcar
a W(k
1
, . . . , k
r
) tels que a = k
1
v
1
+ . . . + k
r
v
r
b W(k
1
, . . . , k
r
) tels que
b = k
1
v
1
+ . . . + k
r
v
r
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 6
do` u :
a +
b = (k
1
+ k
1
)v
1
+ . . . + (k
r
+ k
r
)v
r
a +
de V contenant S contient
par denition toutes les combinaisons lineaires de S. Ainsi W
W
.
2
Denition. On appelle lin(S) lespace vectoriel engendre par (les
combinaisons lineaires de) S.
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 7
Independance lineaire
Denition. Soit S = {v
1
, . . . , v
r
} un ensemble de vecteurs de
lespace vectoriel V.
S est dit lineairement independant (ou encore libre) si lequation
vectorielle
k
1
v
1
+. . . +k
r
v
r
=
0, dans les inconnues (k
1
, . . . , k
r
), ne poss`ede
que la solution triviale k
1
= . . . = k
r
= 0.
Dans le cas contraire, S est dit lineairement dependant (ou encore
lie).
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 8
Exemples
1. Dans R
4
, soit S =
_
_
_
_
1
2
3
4
_
_
,
_
_
4
3
2
1
_
_
,
_
_
1
1
1
1
_
_
,
_
_
3
21
399
0
_
_
,
_
_
S est lineairement dependant, car
1
_
_
1
2
3
4
_
_
+ 1
_
_
4
3
2
1
_
_
5
_
_
1
1
1
1
_
_
+ 0
_
_
3
21
399
0
_
_
=
_
_
0
0
0
0
_
_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 9
2. Dans R
4
, soit S =
_
_
_
_
1
2
3
4
_
_
,
_
_
4
3
2
1
_
_
_
_
S est lineairement independant, car
x
_
_
1
2
3
4
_
_
+ y
_
_
4
3
2
1
_
_
=
_
_
0
0
0
0
_
_
x = 0
y = 0
3. Dans V, espace vectoriel quelconque,
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 10
(a) S
1
=
_
0
V
_
est lineairement dependant, car
0
V
=
0
V
R
(b) S
2
= {a} , a =
0
V
est lineairement independant, car alors
a =
0
V
= 0
Remarque Dans V, un ensemble S = {v
1
, . . . , v
r
} avec r 2
est lineairement dependant si et seulement si lun de ces vecteurs
se laisse exprimer comme combinaison lineaire des autres. En eet,
k
1
v
1
+ . . . + k
r
v
r
=
0
k
1
= 0
_
v
1
=
k
2
k
1
v
2
. . .
k
r
k
1
v
r
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 11
ainsi dans lexemple 1. on a
_
_
1
1
1
1
_
_
=
1
5
_
_
1
2
3
4
_
_
+
1
5
_
_
4
3
2
1
_
_
+ 0
_
_
3
21
399
0
_
_
Theor`eme. Dans R
n
, soit S = {a
1
, . . . , a
m
}. Si m > n alors S
est lineairement dependant.
Pr. Lequation vectorielle k
1
a
1
+ . . . + k
m
a
m
=
0 secrit
k
1
_
_
a
11
.
.
.
a
n1
_
_ + + k
m
_
_
a
1m
.
.
.
a
nm
_
_ =
_
_
0
.
.
.
0
_
_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 12
soit
_
_
a
11
a
1m
.
.
.
. . .
.
.
.
a
n1
a
nm
_
_
_
_
k
1
.
.
.
k
m
_
_ =
_
_
0
.
.
.
0
_
_
_
_
1
0
.
.
.
0
_
_
. .
e
1
,
_
_
0
1
.
.
.
0
_
_
. .
e
2
, . . . ,
_
_
0
0
.
.
.
1
_
_
. .
e
n
_
_
BC est lineairement independant car lequation
k
1
e
1
+ k
2
e
2
+ . . . + k
n
e
n
=
0
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 15
secrit aussi I
n
_
_
k
1
k
2
.
.
.
k
n
_
_
=
_
_
0
0
.
.
.
0
_
_
, syst`eme qui na que la solution
triviale.
BC engendre R
n
car tout vecteur x R
n
secrit :
x =
_
_
x
1
x
2
.
.
.
x
n
_
_
= x
1
_
_
1
0
.
.
.
0
_
_
+ x
2
_
_
0
1
.
.
.
0
_
_
+ . . . + x
n
_
_
0
0
.
.
.
1
_
_
cest-`a-dire x = x
1
e
1
+ x
2
e
2
+ . . . + x
n
e
n
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 16
(Les composantes du vecteur x sont egalement les coecients
des vecteurs de BC dans la combinaison lineaire)
2. Dans R
3
,
la collection S =
_
_
_
_
1
0
0
_
_,
_
_
3
1
0
_
_,
_
_
5
2
1
_
_
_
_
est une base de R
3
.
Verication : Il sut de constater que la matrice
A =
_
_
1 3 5
0 1 2
0 0 1
_
_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 17
est inversible. Alors, puisque toute combinaison lineaire de S secrit
k
1
_
_
1
0
0
_
_ + k
2
_
_
3
1
0
_
_ + k
3
_
_
5
2
1
_
_ =
_
_
1 3 5
0 1 2
0 0 1
_
_
_
_
k
1
k
2
k
3
_
_ = A
k,
S est lineairement independant, car, A etant inversible, le sys-
t`eme A
k =
0 na que la solution triviale.
S engendre R
3
, car, A etant inversible, le syst`eme A
k = x
poss`ede une solution unique,
k = A
1
x quelque soit x R
3
.
3. Base canonique de P
n
Soit
BC =
_
e
0
(t) = t
0
, e
1
(t) = t
1
, . . . , e
n
(t) = t
n
_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 18
BC est lineairement independant, car
k
0
e
0
(t) + k
1
e
1
(t) + . . . + k
n
e
n
(t) = 0 t
cest-`a-dire k
0
+ k
1
t + . . . + k
n
t
n
= 0 t est vrai seulement si
k
0
= k
1
= . . . = k
n
= 0 (theor`eme fondamental de lalg`ebre).
BC engendre P
n
, car tout polynome p(t) = a
0
+ a
1
t + . . . +
a
n
t
n
P
n
secrit
p(t) = a
0
e
0
(t) + a
1
e
1
(t) + . . . + a
n
e
n
(t)
(Les coecients du polynome p(t) sont egalement les coe-
cients des vecteurs de BC dans la combinaison lineaire)
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 19
4. Base canonique de M
mn
Soit
BC = {E
ij
: i = 1, . . . , m, j = 1, . . . , n}
avec
E
ij
=
_
_
0 0 0
.
.
.
. . .
.
.
.
. . .
.
.
.
0 1 0
.
.
.
. . .
.
.
.
. . .
.
.
.
0 0 0
_
_
i
j
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 20
BC est lineairement independant, car, par le calcul matriciel,
lequation
m
i=1
n
j=1
k
ij
E
ij
= 0
mn
devient :
_
_
k
11
k
1n
.
.
.
. . .
.
.
.
k
m1
k
mn
_
_ =
_
_
0 0
.
.
.
. . .
.
.
.
0 0
_
_
BC engendre M
mn
car toute matrice A M
mn
, A = (a
ij
)
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 21
secrit :
A =
n
i=1
m
j=1
a
ij
E
ij
(Les elements de la matrice A sont egalement les coecients
des vecteurs de BC dans la combinaison lineaire)
Denition. Soit V un espace vectoriel. Si V contient une base
nie, ou si V est forme du seul vecteur nul, on dira que V est de
dimension nie. Sinon V est de dimension innie.
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 22
Theor`eme. Soit S = {v
1
, . . . , v
n
} , n < une base de les-
pace vectoriel V. Alors toute collection comportant un nombre de
vecteurs superieur `a n est lineairement dependante.
Pr. Soit S
= { w
1
, . . . , w
m
} V avec m > n. On veut montrer
que lequation
k
1
w
1
+ . . . + k
m
w
m
=
0
na pas que la solution triviale. Or, S etant une base, tout vecteur
de V sexprime comme combinaison lineaire des vecteurs de S :
w
i
=
n
j=1
a
ij
v
j
, i = 1, . . . , m
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 23
En remplacant dans lequation il vient :
k
1
(a
11
v
1
+ . . . + a
1n
v
n
) + . . . + k
m
(a
m1
v
1
+ . . . + a
mn
v
n
) =
0
soit en regroupant les termes :
(k
1
a
11
+ . . . + k
m
a
m1
)v
1
+ . . . + (k
1
a
1n
+ . . . + k
m
a
mn
)v
n
=
0
S etant lineairement independant, chacune des parenth`eses ci-dessus
doit etre nulle. Les k
i
doivent donc satisfaire :
a
11
k
1
+ . . . + a
m1
k
m
= 0
.
.
.
a
1n
k
1
+ . . . + a
mn
k
m
= 0
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 24
syst`eme homog`ene dequations lineaires avec plus dinconnues que
dequations, ayant donc des solutions non-triviales. 2
Theor`eme. Toutes les bases dun espace vectoriel `a dimension
nie ont la meme cardinalite (meme nombre delements).
Pr. soit S et S
serait
lineairement dependant, et n m pour la meme raison. 2
Denition. La dimension dun espace vectoriel Vest la cardinalite
dune quelconque de ses bases. On la note dim(V).
Par convention, la dimension de lespace vectoriel compose du seul
vecteur nul est egale `a zero.
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 25
Exemples.
1. dim(R
n
) = n, car la base canonique de R
n
a cardinalite n.
2. dim(P
n
) = n + 1, car la base canonique de P
n
a cardinalite
n + 1.
3. dim(M
mn
) = mn, car la base canonique de M
mn
a cardina-
lite mn.
4. N(A) : Soit W =
_
x R
n
| Ax =
0
_
avec A : m n quel-
conque,
par exemple
A =
_
1 2 8 7
2 5 9 0
_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 26
La matrice echelonnee reduite de A est
R =
_
1 0 22 35
0 1 7 14
_
Lensemble des solutions du syst`eme Ax =
0 est alors
x =
_
_
x
1
x
2
x
3
x
4
_
_
= s
_
_
22
7
1
0
_
_
+ t
_
_
35
14
0
1
_
_
, s, t R
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 27
Soit S = {v
1
, v
2
} =
_
_
_
_
22
7
1
0
_
_
,
_
_
35
14
0
1
_
_
_
_
W = lin(S) : Toute solution du syst`eme Ax =
0 est combi-
naison lineaire de S.
S est lineairement independant, car
s
_
_
22
7
1
0
_
_
+ t
_
_
35
14
0
1
_
_
=
_
_
0
0
0
0
_
_
s
t
_
=
_
0
0
_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 28
S est donc une base de W, et ainsi dim(W) = 2
Theor`eme. Dans lespace vectoriel V avec dim(V) = n (n >
0), soit la collection de vecteurs
S = {v
1
, . . . , v
n
}
1. Si S est lineairement independant, alors S est une base de V.
2. Si S engendre V, alors S est une base de V.
Pr.
1. Supposons que S nengendre pas V, cest-`a-dire quil existe w
V tel que lequation w = x
1
v
1
+. . . +x
n
v
n
na pas de solution ou
encore, que le syst`eme x
0
w+x
1
v
1
+. . . +x
n
v
n
=
0 na que la
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 29
solution triviale. Mais alors { w S}est lineairement independant
et compte n + 1 elements dans un espace vectoriel de dimension
n. Contradiction !
2. Supposons que S nest pas lineairement independant, cest-`a-dire
quil existe un vecteur de S, par exemple v
1
, qui se laisse ecrire
comme combinaison lineaire des autres v
1
= k
2
v
2
+ . . . + k
n
v
n
.
Alors tout vecteur engendre par S lest encore par {v
2
, . . . , v
n
}.
En iterant au besoin, on arrive ainsi `a un ensemble S
, lineairement
independant et encore generateur de V, donc une base de V, de
cardinalite |S
| < n. Contradiction !
2
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 30
Theor`eme. Dans un espace vectoriel V avec dim(V) = n, soit
S
= {v
1
, v
2
, . . . , v
r
} un ensemble lineairement independant quel-
conque, avec r < n. Alors S
, sans quoi S
on obtient un nouvel
ensemble lineairement independant de cardinalite r + 1. En iterant
le processus, on obtient une base de V. 2
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 31