go-back Retour

Espaces de dimension finie

📝 Mini-cours GRATUIT

Méthode 1 : Étudier des familles de vecteurs

C.L. = combinaison linéaire

a) Famille liée

Soit F=(u1,,un) une famille de vecteurs de E.

La famille F est liée dans E (on dit aussi que les vecteurs sont linéairement dépendants dans E s'il existe (λ1,,λn)Kn{(0,,0)} tel que λ1u1++λn.un=0E.

(λ1,,λn)Kn{(0,,0)} signifie qu' il existe au moins un indice i{1,,n} tel que λi0.

Exemple : On considère dans E=R3 les vecteurs u1=(1,0,1), u2=(1,2,3) et u3=(1,2,5).

La famille (u1,u2,u3) est liée dans R3 car on observe que 2u1u2u3=0K3.

Théorème : une famille est liée si et seulement si l'un des vecteurs s'exprime comme une C.L des autres.

b) Famille libre

Définition : Soit F=(u1,,un) une famille de vecteurs de E.

F est libre dans E si la famille n'est pas liée.

Cela revient à dire, F est libre dans E (on dit aussi que les vecteurs sont linéairement indépendants dans E) si (λ1,,λn)Kn : λ1u1++λnun=0E (λ1=0,λ2=0,,λn=0).

Exemple :

On considère E=R3 muni de sa structure canonique d'ev.

Soient u1=(2,1,5), u2=(1,1,1) et u3=(1,1,3).

Soient (λ1,λ2,λ3)R3 tel que λ1u1+λ2u2+λ3u3=0E.

On obtient le système :

{2λ1λ2+λ3=0λ1+λ2+λ3=05λ1λ2+3λ3=0.

On utilise la méthode du pivot de Gauss.

(211111513).

On effectue les opérations suivantes :

L2L212L1 et L3L352L1.

(2110321203212).

On revient au système :

{2λ1λ2+λ3=03λ2+λ3=0.

On peut exprimer les solutions en fonction de λ2 par exemple.

λ3=3λ2 et 2λ1=λ2λ3=4λ2. Donc λ1=2λ2.

Les solutions du système sont{(2λ2,λ2,3λ2)λ2R}=vect((2,1,3)).

En choisissant par exemple λ2=1, on obtient la solution (2,1,3).

Cela signifie qu'on a la relation linéaire: 2u1+u23u3=0E

Donc la famille est liée.

À retenir :

Montrer que la famille F=(ui)1in est libre est équivalent à montrer que le système linéaire λ1u1++λnun=0E d'inconnues λi n'admet que la solution nulle comme solution.

Attention : n vecteurs libres ne signifient pas 2 à 2 non colinéaires.

Exemple : a=(1,0), b=(0,1) et c=a+b=(1,1) dans R2. Les vecteurs a, b et c sont deux à deux non colinéaires mais pourtant la famille (a,b,c) est liée.

c) Famille génératrice

Soit la famille F=(u1,,un) de vecteurs de l'espace vectoriel E.

La famille F est une famille génératrice de E si vect(F)=E.

On dit dans ce cas que la famille F engendre E.

Comme on a toujours vect(F)E, on a la définition équivalente suivante :

Définition équivalente :

La famille F est une famille génératrice de E si pour tout vecteur u de E il existe (λ1,,λn)Kn tels que u=λ1u1++λnun.

d) Base

Définition d'une base : une base d'un ev ou un sev est une famille qui est à la fois libre et génératrice.

Théorème : caractérisation d'une base.

B=(u1,,un) est une base de E pour tout vecteur u de E il existe un unique n-uplet (λ1,,λn) de Kn tel que u=λ1u1++λnun.

Le n-uplet (λ1,,λn) s'appelle les coordonnées du vecteur u dans la base B.

Méthode 2 : Étudier la dimension d’un sev ou d’un ev

Définition : Un espace vectoriel est dit de dimension finie s’il possède une famille génératrice finie.

Théorème de la base extraite : De toute famille génératrice, on peut extraire une base finie.

Théorème de la base incomplète : Soit $\rm E$ espace vectoriel de dimension finie. Toute famille libre de $\rm E$ peut être complétée en une base de $\rm E$.

Théorème/définition : Si $\rm E$ est un espace vectoriel de dimension finie, alors toutes les bases de $\rm E$ ont le même nombre d'éléments (le même cardinal), c’est la dimension de $\rm E$, noté $\rm dim(E)$.

Remarque : Si $\rm dim(E)=1$, $\rm E$ est une droite vectorielle. Si $\rm \dim(E)=2$, $\rm E$ est un plan vectoriel.

Théorème : Soit $\rm F$ un $\rm sev$ de dimension $\rm n$ et soit ${\mathcal B}$ une famille de $\rm F$.

  • Si ${\mathcal B}$ est une famille de cardinal $\rm n$ libre alors ${\mathcal B}$ est une base de $\rm F$.
  • Si ${\mathcal B}$ est une famille de cardinal $\rm n$ génératrice alors ${\mathcal B}$ est une base de $\rm F$.

Théorème : Si $\rm E$ est un espace vectoriel de dimension finie et si $\rm F$ est un sous-espace vectoriel de $\rm E$, alors $\rm F$ est de dimension finie et $\rm dim(F)\leq dim(E)$.

On a également $\rm dim(F)=dim(E)\Leftrightarrow F=E$.

Formule des dimensions : Soit $\rm F$ et $\rm G$ des $\rm sev$ de $\rm E$ de dimension finie. On a alors la formule dite des dimensions ou de Grassmann : $\rm \dim(F+G)$ $\rm = \dim(F)+\dim(G) - \dim(F \cap G)$.

En particulier, si $\rm F$ et $\rm G$ sont en somme directe, on a $\rm \dim(F\oplus G) = \dim(F)+\dim(G)$.

Propriété: Si $\rm E$ et $\rm F$ sont des espaces vectoriels de dimension finie, $\rm dim(E\times F)=dim(E)+dim(F)$.

Définition: Si $(x_1,\ldots,x_n)$ est une famille finie de $\rm E$, on appelle rang de $(x_1,\ldots,x_n)$ la dimension de $\mathrm{F=Vect}(x_1,\ldots,x_n)$, noté $\mathrm{rg}(x_1,\ldots,x_n)$.

Exemples à connaître: Soient $n,p\in\mathbb N^*$.

  • Si on pose $\rm e_1= (1,0,\ldots,0), e_2$ $\rm = (0,1,0,\ldots,0), \ldots, e_n= (0,\ldots,0,1)$, la famille $\rm (e_1,\ldots,e_n)$ est une base de $\mathrm K^n$ appelée base canonique.
    $\dim(\mathbb K^n)=n$.
  • La famille $\rm (1,X,X^2,\ldots,X^n)$ est une base de $\mathbb K_n[\rm X]$ appelée base canonique.
    $\dim(\mathbb K_n[\mathrm X])=n+1$
  • Pour tous $i\in [|1 ~;n|]$ et $j\in [|1~ ;p|]$, si on note $\mathrm E_{i,j}$ la matrice de $\mathrm M_{n,p}(\mathbb K)$ dont les coefficients sont nuls sauf le coefficient en $(i,j)$, qui est égal à $1$, la famille $(\mathrm E_{i,j})_{1\leq i\leq n~ ; 1\leq j\leq p}$ est une base de $\mathrm M_{n,p}(\mathbb K)$ appelée base canonique.
    $\dim(\mathrm M_{n,p}(\mathbb K))=np$

Attention, $\rm \mathbb K[X]$ est de dimension infinie ! La famille $(\mathrm X^k)_{k\in\mathbb N}$ est une base de $\rm K[X]$ appelée base canonique.

NOMAD EDUCATION

L’app unique pour réussir !