2-3 Familles de vecteurs liées :
Définition
→ → →
On considère une famille F = ( v 1 , v 2 , . . . , v p ) de vecteurs de Rk .
On dit que cette famille est liée, si il existe une combinaison linéaire
nulle non triviale des vecteurs de F, c’est-à-dire si il existe des
scalaires λ1 , λ2 , . . . , λp tels que
→ → → →
λ1 v 1 + λ2 v 2 + . . . + λp v p = 0
et qui ne soient pas tous nuls.
On dit alors que les vecteurs de F sont linéairement dépendants.
Pas tous nuls, cela autorise certains d’entre eux à être nuls. Il y en
a juste au moins un qui n’est pas nul.
De manière équivalente, cela revient à dire qu’il est possible
d’exprimer un des vecteurs comme combinaison linéaire des autres.
En effet, si
→ → → →
λ1 v 1 + λ2 v 2 + . . . λp v p = 0
et si λi ̸= 0 (pour un certain indice i), alors
→ λ1 → λ2 → λi−1 → λi+1 → λp →
vi = − v1− v2 −...− v i−1 − v i+1 − . . . − vp
λi λi λi λi λi
→
et ainsi v i est bien exprimé comme une combinaison linéaire des
autres vecteurs de la famille.
Exemples
1 3 0
→ 2 → 2 → −1
−1, v 2 = 0, v 3 = 1 et
Les vecteurs v 1 =
0 1 1
−1
→ −1 4
1 de R constituent une famille liée. En effet :
v 4 =
→ → → → →
2v 1 − v 2 + 3v 3 − v 4 = 0
Autre exemple : deux vecteurs alignés forment une famille liée
De même, trois vecteurs coplanaires forment une famille liée.
Exemples, suite
Ensuite, on a des remarques à faire assez simples sur les familles
liées :
Si une famille contient le vecteur nul, elle est liée,
si une famille contient deux fois le même vecteur, elle est liée,
si une famille contient deux vecteurs alignés, elle est liée,
si une famille contient trois vecteurs coplanaires, elle est liée,
si on ajoute à une famille quelconque F un vecteur de VectF,
on obtient une famille liée.
si on ajoute un vecteur à une famille déjà liée, elle reste liée,
(par contre, si on enlève un vecteur d’une famille liée, la famille
peut ne pas rester liée !)
2-4 “Liberté” ou indépendance linéaire :
Définition
Une famille de vecteurs qui n’est pas liée est dite “libre”.
Dans ce cas, les vecteurs qui la constituent sont dits “linéairement
indépendants”.
Cette définition est un peu difficile à appréhender, car elle est
donnée un peu “par défaut”.
On peut tout de même donner quelques exemples
Exemples
Une famille constituée d’un seul vecteur non nul est libre.
Une famille constituée de deux vecteurs non alignés est libre.
Une famille constituée de trois vecteurs non coplanaires est
libre.
→ → →
La base canonique ( e 1 , e 2 , . . . , e k ) de Rk est une famille
libre.
Les propriétés suivantes découlent des propriétés correspondantes
des familles liées :
Une famille libre ne contient jamais le vecteur nul,
une famille libre ne contient jamais deux vecteurs alignés,
une famille libre ne contient jamais trois vecteurs coplanaires,
si on enlève un vecteur d’une famille libre, on obtient une
famille libre.
(Par contre, si on ajoute un vecteur à une famille libre, elle peut
perdre sa “liberté”).
Remarque
Cette notion de famille libre donne l’occasion d’un exercice-type :
→ → →
on donne une famille ( v 1 , v 2 , . . . , v p ) de vecteurs, et on demande
si elle et libre ou pas.
La méthode pour répondre à cette question est la suivante : on
cherche une combinason linéaire nulle non triviale, donc des
scalaires λi tels que
→ → → →
λ1 v 1 + λ2 v 2 + . . . + λp v p = 0
Ceci donne un système d’équations linéaires dont les inconnues sont
les λi . Ce système a toujours la solution triviale λi = 0 pour tout i.
Si c’est la seule solution de ce système, alors la famille est libre. Si
ce n’est pas la seule solution, alors la famille est liée. D’où
l’importance de savoir discuter du nombre de solutions d’un
système d’équations linéaires.
2-5 Bases :
Définition
Soit V un sous-espace vectoriel de Rk , une famille de vecteurs de
V est une base de V si
*elle est libre
*et elle engendre V .
Exemple
→
Pour le sous-espace vectoriel réduit à { 0 }, la seule base est la
famille vide (qui est manifestement libre, et parce qu’on considère
qu’une combinaison linéaire d’aucun vecteur est automatiquement
égale au vecteur nul).
Pour une droite vectorielle D, un seul vecteur de cette droite en
constitue une base, à condition de ne pas être le vecteur nul.
Pour un plan vectoriel P, deux vecteurs de ce plan en constituent
une base, à condition qu’ils soient non colinéaires.
Pour Rk , on vu que la base canonique est une base de Rk .
Au passage, on remarque que les bases ne sont pas uniques : un
même sous-espace vectoriel admet toujours une infinité de bases
→
différentes (sauf { 0 })
Théorème
→
Soit (b) une base du sous-espace vectoriel V , et v un vecteur
→
quelconque de V , alors il existe une unique façon d’écrire v comme
combinaison linéaire des vecteurs de (b).
→
Une telle écriture sera appelée une “décomposition” de v sur la
base (b). Ainsi, le théorème signifie que tout vecteur de V se
décompose de manière unique sur la base (b).
Vous connaissez déjà ce résultat pour la base canonique de Rn .
Mais ça marche pour toutes les bases.
Démonstration, début
On sait que la base engendre le sous-espace vectoriel. Donc tout
vecteur s’écrit comme combinaison linéaire des vecteurs de la base
(c’est exactement la définition de l’engendrement). Donc il y a bien
existence d’(au moins) une combinaison linéaire des vecteurs de (b)
→
qui soit égale à v .
Pour l’unicité, on va supposer qu’on a deux telles décompositions,
et on va voir qu’alors elles sont obligatoirement égales : appelons
→ → →
b 1 , b 2 , . . . , b k les vecteurs de la base (b), et supposons qu’on a
→
deux décompositions de v sur (b)
→ → → → → → →
v = λ1 b 1 + λ2 b 2 + . . . + λk b k = µ1 b 1 + µ2 b 2 + . . . + µk b k
→ → →
On fait la différence v − v , pour trouver bien sûr 0 , mais en
utilisant les deux écritures “différentes”, cela donne :
Démonstration, fin
→ → → → → → →
0 = λ1 b 1 + λ2 b 2 + . . . + λk b k − µ1 b 1 + µ2 b 2 + . . . + µk b k
→ → →
= (λ1 − µ1 ) b 1 + (λ2 − µ2 ) b 2 + . . . + (λk − µk ) b k
On obtient donc une combinaison linéaire nulle des vecteurs de la
base. Comme c’est une base, c’est une famille libre, donc la seule
combinaison linéaire nulle est la triviale, c’est-à-dire celle dont tous
les coefficients sont nuls. Ainsi, on a (λi − µi ) = 0 pour tout i.
Donc λi = µi pour tout i. Les deux combinaisons linéaires étaient
donc bien les mêmes, ce qui finit de prouver l’unicité.
Remarque
Toute famille libre est automatiquement une base du sous-espace
vectoriel qu’elle engendre.
2-6 Dimension :
Théorème
Toutes les bases d’un même sous-espace vectoriel ont le même
nombre d’éléments
Définition
Ce nombre s’appelle “dimension” du sous-espace vectoriel
Exemple
→
*{ 0 } est de dimension 0.
*Toute droite vectorielle est de dimension 1. Réciproquement tout
sous-espace vectoriel de dimension 1 est une droite vectorielle
(engendrée par le seul élément d’une base).
*Tout plan vectoriel est de dimension 2 (et réciproquement tout
sous-espace vectoriel de dimension 2 est un plan vectoriel).
*Rk est de dimension k.
Remarque
Une famille libre à k éléments d’un sous-espace vectoriel de
dimension k est automatiquement une base de ce sous-espace
vectoriel (donc automatiquement génératrice).
Une famille à k éléments génératrice d’un sous-espace vectoriel de
dimension k est automatiquement une base de ce sous-espace
vectoriel (donc automatiquement libre).
2-7 Constructions de bases :
Le principe est le suivant : si on ajoute à une famille libre F un
vecteur qui n’appartient pas à Vect(F), alors, on obtient une
nouvelle famille qui est toujours une famille libre, (et qui engendre
un sous-espace vectoriel de dimension un de plus que Vect(F)).
Théorème
(de la base incomplète).
Soit F une famille libre de vecteurs d’un sous-espace vectoriel V .
Soit G une famille qui engendre V . Alors il existe une base de V
qui contienne tous les vecteurs de F et dont tous les autres
vecteurs font partie de G
La “base incomplète” est donc la famille libre F, et on la complète
en lui ajoutant certains vecteurs de G (pas tous !).
Je ne détaille pas la démonstration squi se fait en appliquant le
principe précédent (à chaque vecteur de G : on ajoute un tel
vecteur à la famille en train de se construire s’il n’appartient pas au
sous-espace vectoriel qu’elle engendre)
Une première conséquence de ce résultat est que si on a deux
sous-espaces vectoriels F et G tels que F ⊂ G , alors il existe une
base de G dont les premiers vecteurs constituent une base de F .
On en déduit que si F et G sont deux sous-espaces vectoriels, et si
F ⊂ G , alors dimF ≤dimG .
Et aussi, si F et G sont deux sous-espaces vectoriels, tels que
F ⊂ G et si dimF =dimG , alors F = G .
Au passage, tous les sous-espaces vectoriels de Rk sont de
dimension inférieure (ou égale) à k.