ECE2-B 2020-2021

2) L’ensemble E = Mn,1 (R) est naturellement muni :

× d’une loi de composition interne (notée +).
On a par exemple, dans M3,1 (R) :
CH III : Espaces vectoriels 
3
 
1
 
4

5 +  0  =  5 
2 −3 −1

× et d’une loi de composition externe (notée ·).

On a par exemple dans M3,1 (R) :
I. Structure vectorielle
   
1 3
3·  0  =  0 
−3 −9
I.1. Notion de loi de composition
Définition  Il est important de ne pas confondre Rn (l’ensemble des n-uplets
de réels) et Mn,1 (R) (l’ensemble des matrices colonnes à coef-
Soit E un ensemble non vide.
ficients réels) et ce même s’il y a une bijection évidente entre
• Une loi de composition interne > sur l’ensemble E est une application ces deux ensembles. Une telle confusion sera systématiquement
> : E × E → E. Autrement dit : ∀(x, y) ∈ E 2 , x > y ∈ E. sanctionnée aux concours.  
,→ si 2 éléments sont dans E, alors x > y ∈ E. 1
On retiendra : (1, 2, 7) = 2
• Une loi de composition externe ∗ sur l’ensemble E est une application 7
∗ : R × E → E. Autrement dit : ∀λ ∈ R, ∀x ∈ E, λ ∗ x ∈ E.
,→ si λ réel et x E, alors λ ∗ x ∈ E.
3) On peut étendre ces deux lois à l’ensemble Mn,p (R) des matrices à n
Exemple lignes et p colonnes.
4) L’ensemble des fonctions F(D, R) définies d’un ensemble D dans R est
1) L’ensemble E = Rn est naturellement muni :
naturellement muni :
× d’une loi de composition interne (notée +). 2
× d’une loi de composition interne (notée +). Si (f, g) ∈ (F(D, R)) :
On a par exemple, dans R2 :
f +g : D → R
(1, 3) + (−2, 5) = (−1, 8) x 7→ f (x) + g(x)
× et d’une loi de composition externe (notée ·).
× et d’une loi de composition externe (notée ·).
On a par exemple dans R2 : λ·f : D → R
x 7→ λ × f (x)
3 · (−2, 5) = (−6, 15)
où l’on a noté × la multiplication entre deux réels.

1
ECE2-B 2020-2021

5) L’ensemble V des v.a.r. est muni d’une loi + et d’une loi · analogues aux 7) Rn [X], ensemble des polynômes à coefficients réels dont le degré est au
lois définies sur F(D, R). On rappelle qu’une v.a.r. est une fonction de Ω plus n est muni des lois de composition définies sur Rn [X].
(qui n’est pas forcément une partie de R) dans R. • Cela demande quand même de vérifier que la somme de deux polynômes

a. Sur l’ensemble Vd des v.a.r. discrètes : de degré au plus n est un polynôme de degré au plus n (pareil pour la
multiplication externe).
× cette loi + est une loi de composition interne puisque la somme de
deux v.a.r. discrètes et discrètes. • Sur l’ensemble des polynômes de degré exactement n, la loi + n’est pas
une loi de composition interne.
× cette loi · est bien une loi de composition externe. En effet, si λ ∈ R
Considérons par exemple n = 2 et les polynômes :
et X est une v.a.r. discrète, alors λ · X est une v.a.r. discrète.
(dans les deux cas, il s’agit de démontrer que le support des variables P (X) = 1 + X 2 et Q(X) = 2X − X 2
obtenues est au plus dénombrable) Alors P et Q sont de degré 2 mais P + Q est de degré 1.
b. Sur l’ensemble Vc des v.a.r. continues (i.e. des v.a.r. à densité) : 8) L’ensemble RN des suites à coefficients réels est naturellement muni :
× cette loi + n’est pas interne. × d’une loi de composition interne (notée +) :

En effet, la somme de deux v.a.r. à densité n’est pas forcément une

(un )n∈N + (vn )n∈N = (un + vn )n∈N
v.a.r. à densité. Considérons par exemple :
× d’une loi de composition externe (notée ·) :
X ,→ U([0, 1]) et Y = 1 − X (,→ U([0, 1]))
λ · (un )n∈N = (λ × un )n∈N
alors X + Y = 1 qui est une v.a.r. discrète ((X + Y )(Ω) = {1}).
où l’on a noté × la multiplication entre deux réels.
Ainsi, X + Y n’est pas une v.a.r. à densité.
× cette loi · n’est pas externe. Remarque
Même si X est une v.a.r. à densité, 0 · X = 0 est un v.a.r. discrète • Arrêtons-nous un peu sur R2 [X]. Chaque polynôme de cet ensemble est
(cette v.a.r. est constante et son support est donc réduit à un seul entièrement déterminé par la valeur de ces coefficients. Par exemple :
élément). × le triplet (1, 2, 3) correspond au polynôme P (X) = 1 + 2X + 3X ,
2

6) On peut de même munir l’ensemble des polynômes R[X]. × le triplet (−2, 1, 0) correspond au polynôme Q(X) = −2 + X.

× d’une loi de composition interne +. Il ne s’agit pas de dire que : P = (1, 2, 3). Cette écriture n’a pas de sens :
Sommer deux polynômes consiste à sommer les coefficients des termes un polynôme ne peut être égal à un triplet. Par contre, on comprend que
de même degré. deux représentations différentes corresponde au même objet.
• On en revient à la remarque précédente sur R et M3,1 (R).
3
× et d’une loi de composition externe ·
Effectuer λ · P consiste à multiplier tous les coefficients de P par λ. Ici aussi, on établir en bijection les ensembles R3 et R2 [X].
Mais, s’il y a bien correspondance un à un des éléments de ces ensembles,
on ne peut dire pour autant que ces éléments sont égaux.

2
ECE2-B 2020-2021

I.2. Notion d’espace vectoriel Vocabulaire

I.2.a) Définition Soit E un espace vectoriel sur R.

Définition informelle • On parle aussi de R-espace vectoriel. À notre niveau, on pourra même
De manière informelle, un espace vectoriel E est un ensemble non vide muni omettre le R et parler simplement d’espace vectoriel.
d’une loi + et d’une loi · qui vérifient les propriétés permettant d’effectuer • Les éléments de E sont appelés vecteurs.
toutes les manipulations algébriques raisonnables sur les éléments de E. • Afin de faire la différence entre réels et vecteurs on note souvent les vecteurs
à l’aide d’une flèche : →−
x.
Définition
Un ensemble non vide E est un espace vectoriel sur R si : • Les réels participant à la multiplication externe sont parfois appelés des
scalaires.
1) E est muni d’une loi d’une loi de composition interne notée + : E×E → E On parle aussi de multiplication par un scalaire pour désigner la loi ·
qui vérifie les propriétés suivantes.
a. ∀(x, y) ∈ E 2 , x + y = y + x (commutativité) Remarque
• L’ensemble E est non vide. On l’a exigé en début de définition.
b. ∀(x, y, z) ∈ E 2 , x + (y + z) = (x + y) + z (associativité)
Cela apparaît aussi dans les propriétés de + puisqu’il existe dans E un
c. ∃ 0E ∈ E tel que : ∀x ∈ E, x + 0E = 0E + x = x (élément neutre) élément particulier noté 0E .
• Si E est un R-ev, alors deux cas se présentent :
d. ∀x ∈ E, ∃y ∈ E, x + y = y + x = 0E (y opposé de x) −
→
× E = {0E } et dans ce cas, E ne contient qu’un seul élément et est donc
un ensemble fini.
2) E est muni d’une loi de composition externe notée · : R × E → E qui −
→ −
→
vérifie les propriétés suivantes. × E 6= {0E } (on dit alors que E n’est pas réduit à {0E }) et dans ce cas,
E contient un nombre infini d’éléments.
a. ∀(λ, µ) ∈ R2 , ∀(x, y) ∈ E 2 , λ · (x + y) = λ · x + λ · y −
→ −
→
(la loi · est distributive à gauche par rapport à la loi + de E) En effet, comme E 6= {0E }, il existe un élément →
−u ∈ E tel que →
−
u 6= 0E .
La loi · étant externe, on a alors, pour tout λ ∈ R : λ · →
−u ∈ E.
b. ∀(λ, µ) ∈ R2 , ∀(x, y) ∈ E 2 , (λ + µ) · x = λ · x + µ · x On vient ainsi de créer autant d’éléments dans E qu’il y en a dans R.
(la loi · est distributive à droite par rapport à « la » loi +)

c. ∀(λ, µ) ∈ R2 , ∀x ∈ E, (λµ) · x = λ · (µ · x) −
→
 On retiendra que le seul R-ev fini est celui réduit à {0E }.
(associativité mixte) Les autres R-ev contiennent un nombre infini d’éléments.
d. ∀(λ, µ) ∈ R2 , ∀x ∈ E, 1·x=x

3
ECE2-B 2020-2021

Pour aller plus loin . . . I.2.b) Propriétés générales d’un espace vectoriel
En mathématiques, on considère souvent des K-ev avec K 6= R. Si l’on se
Théorème 1.
réfère à la définition d’ev, cet ensemble K doit forcément admettre :
Soit E un espace vectoriel.
× une loi +K (présence de λ +K µ dans la définition),

× une loi ×K (présence de λ ×K µ dans la définition).

Soit λ ∈ R et soit →−
x ∈ E.
−
→
On exige de ces deux lois +K et ×K qu’elles vérifient les propriétés suivantes : 1) L’élément neutre 0E de E est unique.
− commutativité, 2) Tout élément → −x ∈ E admet un unique opposé par la loi +.
− associativité, On note alors −→ −x l’opposé de →−
x.
−
→ − →
− existence d’un élément neutre (noté OK pour + et 1K pour ×), 3) λ · 0E = 0E
→
− −→
− existence d’un « symétrique » (on parle d’un opposé pour la loi +K et d’un 4) 0 · x = 0E
inverse pour la loi ×K ), 5) λ · (−→
−x ) = (−λ) · →−
x = −(λ · →−x)
− distributivité de la loi ×K à droite et à gauche de la loi +K . →
− −→ →
− −→
6) λ · x = 0E ⇒ λ = 0 OU x = 0E
On définit ainsi la notion de corps commutatif.
On peut citer comme exemples classiques : R, Q, C. Démonstration.
−
→
1) L’élément neutre 0E de E est unique.
Exemple Supposons par l’absurde que la loi + admet deux éléments neutres dis-
• Les ensembles munis d’une loi de composition interne + et d’une loi de
→
− →
−
tincts 01 et 02 . Alors :
composition externe · cités précédemment, à savoir : →
− → − →
− →
−
× 01 + 02 = 02 car 01 est un élément neutre de la loi +,
→
− → − →
− →
−
Rn , Mn,1 (R), Mn,p (R), F(D, R), R[X], Rn [X], RN × 01 + 02 = 01 car 02 est un élément neutre de la loi +.
→
− →
−
sont des espaces vectoriels. On en conclut que 01 = 02 .
Absurde !
Remarque
2) Supposons par l’absurde que → −x admet deux opposés distincts →
−
y1 et →
−
y2 .
• L’ordre des éléments dans la multiplication externe est important : Alors :
→
− →
− → − → − →
− → − →
− −
→ → − →
−
x ·λ λ·→−
x X × y1 + x + y2 = ( y1 + x ) + y2 = 0E + y2 = y2 .
→
− → − → − →
− →
− → − − −
→ → → −
× y1 + x + y2 = y1 + ( x + y2 ) = y1 + 0E = y1 .
• La définition d’ev ne fait pas apparaître de loi permettant la multiplication
de vecteurs. On ne peut donc, a priori, multiplier deux vecteurs entre eux. On en conclut que → −
y1 = →
−
y2 .
    Absurde !
1 3
 0  ×  0 
−3 −9

4
ECE2-B 2020-2021

−
→ −
→ −
→ −
→ −
→
3) λ · 0E = λ · (0E + 0E ) = λ · 0E + λ · 0E . I.2.c) Notion de combinaison linéaire
−
→ −
→
On ajoute alors −(λ· 0E ) l’opposé de λ· 0E de part et d’autre de l’égalité : Définition
−
→ −
→ −→ −→ −
→ Soit E un R-espace vectoriel et m ∈ N∗ .
λ · 0E + (−(λ · 0E )) = λ · 0E + λ · 0E + (−(λ · 0E ))
−→ −→ − → −
→ Soit (−
→, . . . , −
u 1 u→m ) une famille de vecteurs de E.
alors 0E = λ · 0E + 0E = λ · 0E →
− −
→ −→
• Un vecteur v est une combinaison linéaire des vecteurs u1 , . . . , um s’il
m
existe (λ1 , . . . , λm ) ∈ R tel que :
4) De même, on remarque :

0·→
−
x = (0 + 0) · →
−
x =0·→
−
x +0·→
−
x →
−
v = λ1 · −
→+λ ·−
u1
→ −→
2 u2 + · · · + λm · um

et on ajoute l’opposé de 0 · →
−
x de chaque côté. • Un vecteur → −
v ainsi défini est un élément de E (c’est une conséquence
5) On écrit : directe du fait que + et · sont deux lois de composition).
−
→ −
→
0E = λ · 0E = λ · (→
−
x + (−→
−
x )) = λ · →
−
x + λ · (−→
−
x) Remarque
Par famille de vecteurs, on entend ici un regroupement indexé de vecteurs.
et on ajoute l’opposé de λ · →
− •
x de chaque côté de sorte à obtenir :
• Par exemple :
−(λ · →
−
x ) = λ · (−→
−    
x) 1 1
× 0, 1 est une famille de deux vecteurs de M3,1 (R).
De même, en remarquant : 2 0
   
−
→ 1 1
0E = 0 · →
−
x = (λ + (−λ)) · →
−
x = λ→
−
x + (−λ)→
−
x 3 · 0 + 2 · 1 est une CL des éléments de cette famille.
2 0
on obtient : −(λ · →
−
x ) = (−λ) · →
−
x
en ajoutant de part et d’autre l’opposé de λ→
−
x. × (X 2 , 1 + 2X, 1 − X 4 ) est une famille de trois vecteurs de R4 [X].
−→ √
→
−
6) Supposons λ · x = 0E et λ 6= 0. 2 · X 2 − 2 · (1 + 2X) + e · (1 − X 4 ) est une CL de ces vecteurs.
−3 · X 2 + 37 · (1 − X 4 ) en est une autre.
Dans ce cas : (dans cette dernière CL, on a omis d’écrire 0 · (1 + 2X))
1 1 −→ − →
· (λ · →
−
x ) = · 0E = 0E
λ λ • Le caractère indexé de ces deux familles est ici implicite : elles ont un
−
→ − −→ premier vecteur, puis un deuxième . . .
d’où 1 · →
−
x = 0E et →
x = 0E .
• La notion de combinaison linéaire est au cœur de la structure vectorielle.
Dire que toute CL d’éléments de E est dans E équivaut au fait que les lois
+ et · sont des lois de composition respectivement interne et externe.

5
ECE2-B 2020-2021

II. Sous-espaces vectoriels Propriété

Soit E un R-espace vectoriel.
II.1. Définition
−
→
Définition F est un sev de E ⇒ 0E ∈ F
Soit E un R-espace vectoriel muni des lois + et ·
Une partie non vide F de E est un sous-espace vectoriel de E si : Démonstration.
Soit →
−
x ∈ F (F est non vide donc contient au moins un élément).
a) ∀(→
−
x,→−y ) ∈ F 2, →
−
x +→ −
y ∈ F (F est stable pour la loi +) →
−
• F étant stable par la loi ·, on en déduit que : 0 · x ∈ F .
→
− →
−
b) ∀λ ∈ R, ∀ x ∈ F, λ · x ∈ F (F est stable pour la loi ·)
•Comme → −x ∈ F et F ⊂ E alors → −x ∈ E.
→
− −
→
Remarque Or, dans E : 0 · x = 0E .
−→
• Dire que F est stable par la loi + revient à dire que la loi + est une loi de
On conclut de ces deux points que : 0E ∈ F .
composition interne sur F (+ : F × F → F ).
Remarque
• Dire que F est stable par la loi · revient à dire que la loi · est une loi de
• On utilisera particulièrement la contraposée de cette propriété.
composition externe sur F (· : R × F → F ).
−→
0E 6∈ F ⇒ F n’est pas un sev de E
Exemple
−
→  
x
1) Si E est un ev, {0E } et E sont des sev de E.
• Ainsi, F = {  y  ∈ M3,1 (R) | x+y +z = 1} n’est pas un sev de M3,1 (R).
2) L’ensemble Rn [X] des polynômes de degré inférieur ou égal à n est un z
 
sous-espace vectoriel de R[X]. −→ 0
En effet, 0 =  0  6∈ F .
L’ensemble des polynômes de degré 2 n’est pas un sev de R[X] (ne contient E
0
pas 0 par exemple).
• L’ensemble Vc des variables continues (i.e. des variables à densité) n’est
3) L’ensemble des fonctions réelles paires est un sev de F(R, R).
pas une sev de E = F(Ω, R).
L’ensemble V des v.a.r. est un sev de F(Ω, R). −
→
En effet, 0E est la v.a.r. nulle. Cette v.a.r. est évidemment discrète puisque
L’ensemble Vd des v.a.r. discrètes est un sev de F(Ω, R). son support {0} est fini.
L’ensemble Vc des v.a.r. à densité n’est pas un sev de F(Ω, R).
• L’ensemble des polynômes de degré 2 n’est pas un sev de R[X] puisque ne
4) L’ensemble des suites réelles convergentes est un sev des RN . contient pas le polynôme nul.
 
x
• L’ensemble des suites (un ) dont le premier terme u0 vaut 1 n’est pas un
5) { y ∈ M3,1 (R) | 3x + 2y − z = 0} est un sev de M3,1 (R).
z sev de RN puisque ne contient pas la suite nulle.

6
ECE2-B 2020-2021

Théorème 2 (caractérisation des sev de E). • De plus, ces deux lois vérifient les axiomes des espaces vectoriels puis-
Soit E un R-espace vectoriel. qu’elles font déjà de E un espace vectoriel.
Soit F une partie non vide de E. Démontrons par exemple que la loi + est associative dans F .
Soit (→
−
x,→ −y ,→
−
z ) ∈ F 3 . Alors, comme F ⊂ E, (→
−
x,→
−y ,→
−
z ) ∈ E3.
F est un sous-espace vectoriel de E →
− →
− →
− →
− →
− →
−
Ainsi : ( x + y ) + z = x + ( y + z ) car la loi + est associative dans E.
⇔ ∀(λ, µ) ∈ R2 , ∀(→
−x,→−y ) ∈ F 2, λ · →
−
x +µ·→
−
y ∈F Montrer qu’un ensemble F est un espace vectoriel
⇔ ∀λ ∈ R, ∀(→−
x,→ −y ) ∈ F 2, λ · →−
x +→ −
y ∈F Afin de montrer que F est un ev, il existe deux grandes possibilités.
1) Vérifier tous les axiomes d’espace vectoriel : plutôt long et pénible.
(F est stable par combinaison linéaire d’éléments de F ) (en réalité, on ne le fait jamais)
Démonstration. 2) Montrer que F est un sev d’un ev E de référence : c’est la méthode que
l’on utilise en pratique.
1) (⇒) Soit (λ, µ) ∈ R2 et (→
−
x,→
−
y ) ∈ F 2. On doit alors démontrer que :
Comme F est stable par la loi ·, on a : λ · →
−
x ∈ F et µ · →
−
y ∈ F.
(i) F ⊆ E
Comme F est stable par la loi +, on a λ · → −
x +µ·→−y ∈ F. −
→
(ii) F 6= ∅ : on montre généralement que 0E ∈ F
(⇐) La propriété est vraie pour tout couple (λ, µ). (si ce n’est pas le cas, F n’est pas un espace vectoriel !)
Elle l’est donc pour λ = µ = 1, ce qui montre la stabilité de F par +.
(iii) Si (→
−x,→−
y ) ∈ F 2, → −x +→ −y ∈F
En prenant seulement µ = 0, on prouve que F est stable pour la loi ·
(iv) Si λ ∈ R et x ∈ F , λ · →
→
− −x ∈F
2) Démonstration analogue.
Les points (iii) et (iv) peuvent être remplacés par la propriété :
(iii) Si (λ, µ) ∈ R2 et (→−x,→−
y ) ∈ F 2, λ · →
−x +µ·→ −y ∈F
II.2. Démontrer qu’un ensemble F est un ev
Exercice
Proposition 1. Démontrer que les ensembles suivants sont des espaces vectoriels.
Soit E un R-espace vectoriel.
 
x
1) F = { y ∈ M3,1 (R) | 3x + 2y − z = 0}.
z
F sous-espace vectoriel de E ⇒ F est un espace vectoriel
2) F = {X ∈ Mn,1 (R) | M X = 0}, où M ∈ Mm,n (R).
Démonstration. 3) F = {P ∈ R[X] | P (0) = 2P (1)}.
4) F = {(un ) ∈ RN | ∀n ∈ N, un+2 = un+1 + 2un }.
• On a déjà vu que :
5) F = {f ∈ C 1 (R, R) | ∀x ∈ R, f 0 (x) = f (x)}.
× + est une loi de composition interne pour F (car F est stable par +).
6) F = {M ∈ Mn (R) | t M = M }.
× · est une loi de composition externe pour F (car F est stable par ·).
(c’est l’ensemble des matrices symétriques de Mn (R)).

7
ECE2-B 2020-2021

Illustration sur ces exemples 4) Démontrons que F = {(un ) ∈ RN | ∀n ∈ N, un+2 = un+1 + 2un } est un
Traitons les questions 1) et 4) . sous-espace vectoriel de RN .
 
x (i) F ⊆ RN par définition.
1) Démontrons que F = {  y  ∈ M3,1 (R) | 3x + 2y − z = 0} est un
z
sous-espace vectoriel de M3,1 (R). (ii) F 6= ∅. En effet, la suite constante nulle est élément de F .

(i) F ⊆ M3,1 (R). (iii) F est stable par combinaisons linéaires.

 
0
(ii) F 6= ∅. En effet, 0 ∈ F puisque : 3 × 0 + 2 × 0 − 0 = 0. Soient (λ, µ) ∈ R2 et (→
−
u,→−
v ) ∈ F 2.
0 →
− →
−
• Comme u ∈ F , u est une suite (un ) qui vérifie :

(iii) F est stable par combinaisons linéaires. ∀n ∈ N, un+2 = un+1 + 2un .

En particulier, pour tout n ∈ N : λ un+2 = λ un+1 + 2λ un .
Soient (λ, µ) ∈ R2 et (X1 , X2 ) ∈ F 2 . →
− →
−
  • Comme v ∈ F , v est une suite (v ) qui vérifie :
n
x1
• Comme X1 ∈ F , X1 =  y1  est un vecteur qui vérifie : ∀n ∈ N, vn+2 = vn+1 + 2vn .
z1 En particulier, pour tout n ∈ N : µ vn+2 = µ vn+1 + 2µ vn .
3x1 + 2y1 − z1 = 0.
En particulier : 3λx1 + 2λy1 − λz1 = 0. Considérons maintenant → −
w = (wN ) définie par →−
w = λ·→ −u +µ·→
−
v.
  →
−
La suite w est par définition la suite de terme général :
x2
• Comme X2 ∈ F , X2 =  y2  est un vecteur qui vérifie :
wn = λ un + µ vn
z2
3x2 + 2y2 − z2 = 0.
D’après ce qui précède, pour tout n ∈ N :
En particulier : 3λx2 + 2λy2 − λz2 = 0.
 
x wn+2 = λ un+2 + µ vn+2
Considérons maintenant X = y  défini par X = λ · X1 + µ · X2 . = (λ un+1 + 2λ un ) + (µ vn+1 + 2µ vn )
z
On a alors : = (λ un+1 + µ vn+1 ) + 2 (λ un + µ vn )

3x + 2y − z = 3 (λx1 + µx2 ) + 2 (λy1 + µy2 ) − (λz1 + µz2 ) = wn+1 + wn

= (3λx1 + 2λy1 − λz1 ) + (3µx2 + 2µy2 − µz2 ) Et ainsi →

−
w =λ·→
−
x +µ·→
−
v ∈ F.
= 0

Ainsi, X = λ · X1 + µ · X2 ∈ F .

8
ECE2-B 2020-2021

II.3. Sous-espace vectoriel engendré par une partie Exemple

−
→ −
→
Définition • Si A = {0E }, on a Vect (A) = {0E }.
−
→
Soit E un R-espace vectoriel. • Si A = {→−
a } avec →
−a 6= 0E alors Vect (A) = {λ→−a | λ ∈ R}.
Soit A une partie non vide de E (A ⊆ E). On notera simplement Vect ( a ) au lieu de Vect ({→
→
− −
a }).
→
−
(on parle de droite vectorielle engendrée par a )
• On appelle sous-espace vectoriel engendré par A et on note Vect (A)
→
− −→ → − −
→
l’ensemble des vecteurs de E qui s’écrivent comme combinaison linéaire • Si A = {→−
a , b } avec →
−
a 6= 0E et b 6= 0E alors on a :
→
−
d’éléments de A. Autrement dit : Vect (A) = {λ→ − 2 }.
a + β b | (λ, β) ∈ R
→
− →
− 
On notera simplement Vect → −
a , b au lieu de Vect {→−

p a, b} .
λi →
−
ai | p ∈ N∗ , (λ1 , . . . , λp ) ∈ Rp , (→
−
a1 , . . . , →
−
ap ) ∈ Ap } →
−
P
Vect (A) = {
i=1 (on parle de plan vectoriel engendrée par droite →
−
a et b )
      !
1 0 0
• En particulier, si A = {→
−
a1 , . . . , −
a→
m } (i.e. A fini), on a : • Sur M3,1 (R), Vect 0 , 1 , 0 est l’ensemble des vecteurs →
−
u
0 0 1
 m
 qui s’écrivent sous la forme :
Vect (A) = Vect ( →
−
a1 , . . . , −
a→ λi →
−
ai | (λ1 , . . . , λm ) ∈ Rm
P
m) =        
i=1 1 0 0 α
→
−
u =α0 +β 1 +γ 0 = β
0 0 1 γ
(on note Vect (→
−
a1 , . . . , −
a→ →
− −
→
m ) en lieu et place de Vect ({a1 , . . . , am }))
pour (α, β, γ) ∈ R3 .       !
1 0 0
 On suppose seulement que A est une partie non vide de E. Autrement dit, Vect 0 , 1 , 0 = M3,1 (R).
En aucun cas on ne suppose que A est un espace vectoriel. 0 0 1
Vect (A) est le vectorialisé de A. Partant d’une partie A, on lui
Sur R2 [X], Vect 1, X, X 2 est l’ensemble des polynômes qui s’écrivent sous


•
ajoute tous les éléments lui permettant d’obtenir une structure vec-
la forme :
torielle :
P (X) = α · 1 + β · X + γ · X 2
× pour tout a ∈ A, on ajoute tous les λa avec λ ∈ R,
pour (α, β, γ) ∈ R3 .
× une fois ces ajouts effectués, on ajoute toutes les sommes finies Autrement dit, Vect 1, X, X 2 = R2 [X].


d’éléments de cette nouvelle partie.
En résumé, partant de A, on ajoute toutes les combinaisons linéaires
d’éléments de A.
On construit ainsi un espace vectoriel : c’est Vect (A).

9
ECE2-B 2020-2021

       
1 0 0 1 0 0 0 0 Théorème 3.
• Sur M2 (R), E = Vect , , , est l’ensemble
0 0 0 0 1 0 0 1
Soit E un R-espace vectoriel.
des matrices qui s’écrivent sous la forme :
          Soit A une partie non vide de E (A ⊆ E).
1 0 0 1 0 0 0 0 a b −
→
a· +b· +c· +d· = 1) 0E ∈ Vect (A).
0 0 0 0 1 0 0 1 c d
2) A ⊆ Vect (A).
pour (a, b, c, d) ∈ R4 . Ainsi E = M2 (R).
 3) Vect (A) est un espace vectoriel.
  
1 0 0 0
• F = Vect , est l’ensemble des matrices qui s’écrivent sous Vect (A) est même le plus petit sev de E contenant A :
0 0 0 1
la forme :      
1 0 0 0 a 0 )
a· +b· = • F sev de E
0 0 0 1 0 b ⇒ F ⊇ Vect (A)
• F ⊇A
pour (a, b) ∈R2 .
Ainsi F est l’ensemble des matrices diagonales de M2 (R).
  4) A est un ev ⇔ A = Vect (A).
1 0
• H = Vect est l’ensemble des matrices qui s’écrivent sous la
0 1 5) On a notamment : Vect (Vect (A)) = Vect (A).
forme :     6) A ⊆ B ⇒ Vect (A) ⊆ Vect (B).
1 0 a 0
a· =
0 1 0 a
Démonstration.
pour a ∈ R. −
→
1) En prenant p = 1, λ1 = 0, →−
a ∈ A, on obtient 0 · →
−
a = 0E ∈ Vect (A).
Ainsi H = {a · I2 | a ∈ R} est l’ensemble des matrices scalaires.
      2) En prenant p = 1, λ1 = 1, →−
a ∈ A, on obtient 1 · →
−
a =→−
a ∈ Vect (A).
1 0 0 0 0 1
• K = Vect , , est l’ensemble des matrices de M2 (R) 3) Vect (A) est bien un sev de E car :
0 0 0 1 1 0
qui s’écrivent sous la forme : (i) Vect (A) ∈ E car A ⊆ E et que E est stable par combinaisons linéaires.
−
→
        (ii) Vect (A) 6= ∅ car 0E ∈ Vect (A).
1 0 0 0 0 1 a c
a· +b· +c· = (iii) Vect (A) est stable par la loi +.
0 0 0 1 1 0 c b
(iv) Vect (A) est stable par la loi ·.
pour (a, b, c) ∈ R3 .
Ainsi K est l’ensemble des matrices symétriques de M2 (R). Considérons maintenant un sev F de E qui contient A.
Alors comme F est un sev, s’il contient A, il doit aussi contenir toutes
les combinaisons linéaires d’éléments de A.
Ainsi : F ⊇ Vect (A).

10
ECE2-B 2020-2021

4) (⇒) Soit A un ev. 1) Il suffit de remarquer que :

Comme A ⊇ A, alors, d’après le point 3) , A ⊇ Vect (A).  
De façon évidente, A ⊆ Vect (A). x
F = {y  ∈ M3,1 (R) | 3x + 2y − z = 0}
D’où A = Vect (A).
z
(⇐) Supposons que A = Vect (A).  
Comme Vect (A) est un ev, alors A est un ev. x
= {y  ∈ M3,1 (R) | z = 3x + 2y}
5) Vect (A) est un ev donc en appliquant le point 4 précédente, on obtient : z
Vect (Vect (A)) = Vect (A).  
x
6) Supposons A ⊆ B et soit → −
x ∈ Vect (A). = { y  ∈ M3,1 (R) | x ∈ R, y ∈ R}
Alors il existe (λ1 , . . . , λp ) ∈ Rp et (→
−
a1 , . . . , →
−
ap ) ∈ Ap tels que : 3x + 2y
p    
→
− λi →
−
   
x =
P
ai 1 0 1 0
i=1 = {x · 0 + y · 1 | x ∈ R, y ∈ R} = Vect 0, 1
3 2 3 2
Comme A ⊆ B, pour tout i on a →
−
ai ∈ B et donc →
−
x ∈ Vect (B).
Ainsi F est un espace vectoriel engendré par une famille de deux vecteurs.
2) Il suffit de remarquer que :
MÉTHODO Démontrer qu’un ensemble F est un espace vectoriel  
b a b+c
Afin de montrer que F est un ev, il suffit de l’écrire sous la forme Vect (F) F = { a b a  ∈ M3 (R) | (a, b, c) ∈ R3 }
où F est une famille de vecteurs. b+c a b
Illsutrons cette méthode sur deux exemples.      
  0 1 0 1 0 1 0 0 1
x
= {a · 1 0 1 + b · 0 1 0 + c · 0 0 0 ∈ M3 (R) | (a, b, c) ∈ R3 }
1) Démontrer que {  y  ∈ M3,1 (R) | 3x + 2y − z = 0} est un ev.
z
0 1 0 1 0 1 1 0 0
       
b a b+c 0 1 0 1 0 1 0 0 1
2) Démontrer que { a b a  ∈ M3 (R) | (a, b, c) ∈ R3 } est un ev. = Vect 1 0 1, 0 1 0, 0 0 0
b+c a b 0 1 0 1 0 1 1 0 0

Ainsi F est un espace vectoriel engendré par une famille de trois vecteurs.

11
ECE2-B 2020-2021

Théorème 4. Remarque
→
− −
Soit E un R-espace vectoriel et soit (→
−
a , b ,→
c ) ∈ E3. • Afin d’améliorer la lisibilité de ces propriétés, on a limité l’écriture de celles-
 − ci à des espaces vectoriels engendrés par des familles contenant seulement
→
1) Vect →
−
a , 0E = Vect (→−
a) 2 ou 3 vecteurs.
• Évidemment, ces propriétés restent vraies pour des familles contenant un
(on ne modifie pas l’espace vectoriel engendré par une partie en ajoutant
−
→ nombre quelconque de vecteurs.
0E à cette partie)
 → − →
− − Démonstration.
2) Vect →−a , b = Vect b , → a
À vos stylos !
(on ne modifie pas l’espace vectoriel engendré par une partie en modifiant
l’ordre des termes de la partie)
→
−  → −
3) Pour tout λ ∈ R∗ : Vect λ · → −
a , b = Vect → −

a, b

(on ne modifie pas l’espace vectoriel engendré par une partie par multi-
plication par un scalaire non nul d’un élément de cette partie)
4) Pour tout λ ∈ R et µ ∈ R :

 → − →
−  →−
Vect →
− a + µ · b = Vect →
a , b ,λ · →
− −
a, b

(on ne modifie pas l’espace vectoriel engendré par une partie en ajoutant à
cette partie un vecteur qui apparaît comme CL d’éléments de cette partie.)
5) Pour tout λ ∈ R et µ ∈ R :

 → − − →
−   → − −
Vect →
−
a , b ,→
c + (λ · →
−
a + µ · b ) = Vect →
−
a , b ,→
c

(on ne modifie pas l’espace vectoriel engendré par une partie en ajoutant
à un vecteur de cette partie une CL des autres vecteurs de cette partie.)

12
ECE2-B 2020-2021

Exemple
On peut démontrer, à l’aide du Théorème 4 que la famille :

F = (1 + X, X, X − X 2 , 1 + 2X + X 2 )

est génératrice de R2 [X]. En effet :

Vect 1 + X, X, X − X 2 , 1 + 2X + X 2

Vect 1, X, X − X 2 , 1 + 2X + X 2


=
Vect 1, X, −X 2 , 1 + 2X + X 2


=
Vect 1, X, X 2 , 1 + 2X + X 2


=
Vect 1, X, X 2


=
= R2 [X]

13
ECE2-B 2020-2021

III. Familles génératrices, libres, bases Exemple

     
2 0 0
III.1. Familles génératrices d’un espace vectoriel • La famille 2,  1 , 1 est une famille génératrice de M3,1 (R).
Définition 2 −1 1
Pour le démontrer, on peut revenir à la définition.
Soit E un espace vectoriel.  
x
Soit p ∈ N∗ et soit (→ −
e1 , . . . , →
−
ep ) une famille de vecteurs de E. Soit X = y  ∈ M3,1 (R). Cherchons (a, b, c) ∈ R3 tel que :
→
− →
−
• La famille ( e , . . . , e ) est dite génératrice de E si :
z
1 p

E = Vect (→
−
e1 , . . . , →
−        
ep ) x 2 0 0
y  = a · 2 + b ·  1  + c · 1
Autrement dit, si tout vecteur de E peut s’écrire comme combinaison li- z 2 −1 1
néaire de vecteurs de la famille (→
−
e1 , . . . , →
−
ep ). 
 2a = x
(→
−
e1 , . . . , →
−
ep ) est p
⇐⇒ 2a + b + c = y
⇔ ∀→
−
x ∈ E, ∃(λ1 , . . . , λp ) ∈ Rp , →
− λi · →
− 2a − b + c = z
P 
une famille x = ei
génératrice de E i=1 
L2 ← L2 − L1
L3 ← L3 − L1  2a = x
⇐⇒ b + c = −x + y
• Si E = Vect (→
−
e1 , . . . , →
−
ep ), on dit que la famille (→
−
e1 , . . . , →
−
ep ) engendre E.
− b + c = −x + z

Remarque 
→
− →
− →
− →
− L3 ← L3 + L2  2a = x
• Le fait que E ⊃ Vect ( e1 , . . . , ep ) est trivial : les éléments e1 , . . . , ep sont
⇐⇒ b + c = −x + y
des éléments de E. Ainsi, toute combinaison linéaire de ces éléments est 
2c = −2x + y + z
dans E.
→
− →
−

• Dans cette définition, on a considéré que la famille ( e1 , . . . , ep ) qui engendre L2 ← 2L2 − L3  2a = x
l’ev E est une famille finie d’éléments de E. ⇐⇒ 2b = y − z
2c = −2x + y + z

On peut en fait considérer des familles quelconques de vecteurs. On dit
qu’une famille A (éventuellement infinie) de vecteurs de E est génératrice Ainsi :
de E si : E = Vect (A).       0   0
x x 2 1 1 1 1
• En particulier, comme E est un ev, E = Vect (E), ce qui signifie que y  = · 2 + y − z ·  1  + −x + y + z · 1
l’ensemble E engendre l’espace vectoriel E. z 2 2 2 2 −1 2 2 1
• Si l’on a choisi d’insister en priorité sur le cas des familles finies, c’est parce
que le cas des familles infines n’apparaît jamais en voie ECE. On remarque au passage qu’à x, y, z fixés, le système précédent admet une
unique solution. On en reparlera.

14
ECE2-B 2020-2021

• La démonstration précédente est très marquée 1ère année. Remarque

En réalité, dans la plupart des sujets de concours (tous ?) le caractère • Il pourrait arriver qu’on demande de démontrer qu’une famille F = (→ −
e1 , . . . , →
−
ep )
générateur d’une famille se manifeste de manière plus concrète. n’est pas génératrice d’un espace vectoriel donné. Cela signifie alors que :
On a démontré précédemment que :
p
∃→
−x ∈ E, ∀(λ1 , . . . , λp ) ∈ Rp , →
− λi · →
−
P
      x 6= ei
x 1 0 i=1
F = {y  ∈ M3,1 (R) | 3x + 2y − z = 0} = Vect 0, 1
z 3 2 Autrement dit, il existe un vecteur →
−x qui ne peut s’écrire comme combi-
naison linéaire des vecteurs de famille F.
la 
        
1 0 2 0 −3
Cela permet de conclure que la famille 0, 1 est une famille gé- • Par exemple, la famille F = 0,  0 ,  0  n’est pas une famille
3 2 2 −1 4
nératrice de F . On remarque que cette famille contient deux vecteurs.
 
0
génératrice de M3,1 (R). En effet, 1 ne peut s’écrire comme combinaison
     
1 0 0
• On a déjà vu que la famille F = 0, 1, 0 est génératrice de 0
0 0 1 linéaire des éléments de la famille F.
M3,1 (R) :      
1 0 0  Lorsqu’on parle d’une famille génératrice d’un ev E, il faut systé-
Vect 0, 1, 0 = M3,1 (R) matiquement préciser l’ensemble E engendré sans quoi ce qui est
0 0 1
écrit n’a pas de sens.
On reviendra plus loin sur cette famille particulière.
• On a vu aussi que la famille F = (1, X, X 2 ) est génératrice de R2 [X] : Explications
Vect 1, X, X 2 = R2 [X] Pour bien comprendre les choses, il faut avoir en tête qu’une famille F est


•
toujours génératrice, par définition, de F = Vect (F).
On reviendra plus loin sur cette famille particulière. • Cela revient à dire qu’une famille F est toujours génératrice . . . de l’espace
• On a aussi démontré que F = (1 + X, X, X − X 2 , 1 + 2X + X 2 ) est une qu’elle engendre !
famille génératrice de R2 [X] : (on conviendra qu’une telle propriété n’a que peu d’intérêt)
     
2 0 −3
Vect 1 + X, X, X − X 2 , 1 + 2X + X 2 = R2 [X]


• Dans l’exemple qui précède affirmer que F = 0,  0 ,  0  est
2 −1 4
Pour ce faire, on s’est servi des manipulations algébriques autorisées sur la génératrice de Vect (F) ne démontre rien. Le point d’intérêt de la question
famille (1 + X, X, X − X 2 , 1 + 2X + X 2 ) (cf Théorème 4). est de savoir si F génère M3,1 (R). Autrement dit si Vect (F) = M3,1 (R).

15
ECE2-B 2020-2021

Théorème 5. III.2. Familles libres d’un espace vectoriel

Soit E un R-ev et soit p ∈ N∗ . III.2.a) Notion de dépendance linéaire
Soit (→
−
e1 , . . . , →
−
ep ) une famille de vecteurs de E.
Définition
→
−
Soit v ∈ E. Soit E un R-espace vectoriel et soit m ∈ N∗ .
La famille (→
−
e1 , . . . , →
−
ep ) est La famille (→
−
e1 , . . . , →
−
ep , →
−
v) Soit (−
→, . . . , −
u1 u→
m ) une famille de vecteurs de E.
⇒
génératrice de E est génératrice de E • On dit qu’il existe une relation de dépendance linéaire entre (−→, . . . , −
u1 u→
m)
m
s’il existe (λ1 , . . . , λm ) ∈ R tel que :
Plus généralement, toute sur-famille d’une famille génératrice de E (i.e. toute
λ1 · −
→+λ ·− → −→ − →
famille contenant une famille génératrice de E), est une famille génératrice u1 2 u2 + · · · + λm · um = 0E
de E.
• Cette relation est dite triviale si tous les λi y apparaissant sont nuls.
Démonstration.
Soit F = (→
−
e1 , . . . , →
−
ep ) une famille génératrice de E. Alors : III.2.b) Notion de famille libre

Vect (→
−
e1 , . . . , →
−
ep , →
−
v ) ⊇ Vect (→
−
e1 , . . . , →
−
ep ) = E Définition
Soit E un espace vectoriel.
car F est une famille génératrice de E.
→
− →
− →
− →
− →
− →
− Soit m ∈ N∗ et (→ −
e1 , . . . , −
e→m ) une famille de vecteurs de E.
De manière évidente : Vect ( e1 , . . . , ep , v ) ⊆ E car les vecteurs e1 , . . . , ep , v →
− −
→
• La famille ( e1 , . . . , em ) est libre (dans E) si la seule relation de dépendance
sont des éléments de E.
→
− →
− →
− linéaire entre les vecteurs → −ei est la relation triviale.
Ainsi : E = Vect ( e1 , . . . , ep , v ).
Autrement dit, (→ −
e1 , . . . , −
e→
m ) est libre si :
m 
m P →
− −
→
∀(λ1 , . . . , λm ) ∈ R , λ i · e i = 0E ⇒ λ 1 = · · · = λ m = 0
i=1

Si la famille (→ −
e1 , . . . , −
e→ →
− −
→
m ) est libre, on dit que les vecteurs e1 , . . . , em sont
linéairement indépendants.
• Une famille non libre est dite liée.
Cela signifie qu’il existe une relation de dépendance linéaire non triviale
entre les vecteurs de la famille (→ −
e1 , . . . , −
e→
m ).
→
− −→
Ainsi, la famille ( e1 , . . . , em ) est dite liée (dans E) si :
n 
m P →
− −→
∃(λ1 , . . . , λm ) ∈ R , λi · ei = 0E ET (λ1 , . . . , λm ) 6= (0, · · · , 0)
i=1

16
ECE2-B 2020-2021

Remarque MÉTHODO Démontrer qu’une famille est libre/liée

• La propriété (λ1 , . . . , λm ) 6= (0, · · · , 0) signifie que les λi sont non tous nuls
Illustrons la méthode sur des exemples.
(et pas tous non nuls !). Autrement dit, l’un des λi , au moins, est non nul.      
−→ 1 1 1
• On peut aisément démontrer que toute famille contenant le vecteur 0E est
1) Démontrons que la famille F = 1, 2,  1  est libre.
liée. Considérons à cet égard (→ −
e1 , · · · , −
e→
m ) une famille de vecteurs de E. 0 1 −1
→
− −
→ −
→
La famille ( e1 , · · · , em , 0E ) est liée car : Soit (λ1 , λ2 , λ3 ) ∈ R3 .
−→ −
→
0·→−
e1 + · · · + 0 · − e→
       
m + 1 · 0E = 0E 1 1 1 0
Supposons : λ1 · 1 + λ2 · 2 + λ3 ·  1  = 0. (∗)
et que : (0, · · · , 0, 1) 6= (0, · · · , 0, 0). 0 1 −1 0

Théorème 6.  λ1 + λ2 + λ3 = 0
Soit E un R-ev. Or : (∗) ⇐⇒ λ1 + 2λ2 + λ3 = 0
λ2 − λ3 = 0

L’un des vecteurs de la famille s’exprime
La famille 
⇔ comme combinaison linéaire des autres  λ1 + λ2 + λ3 = 0
(→
−
e1 , . . . , −
e→
m ) est liée
L2 ← L2 − L1
⇐⇒ λ2 = 0
vecteurs de la famille.
λ2 − λ3 = 0

Démonstration. 
→
− ← −  λ1 + λ2 + λ3 = 0
(⇐) Quitte à renuméroter les vecteurs de la famille, supposons que e1 s’ex- L3 L3 L3
⇐⇒ λ2 = 0
prime comme CL des autres vecteurs de la famille.
λ3 = 0

m
Autrement dit, il existe (λ2 , . . . , λm ) ∈ Rm−1 : → − λi · →−
P
e1 = ei . 
i=2 ⇐⇒ λ1 = λ2 = λ3 = 0
Ainsi : (par remontées successives)
−
→
1·→−
e1 − λ2 · → −
e2 − . . . − λm · − e→
m = 0E La famille F est donc libre.
et comme (1, −λ2 , . . . , −λm ) 6= (0, 0, . . . , 0), il existe une relation de
dépendance linéaire non triviale entre les vecteurs → −
e1 , . . . , −
e→
m.
(⇒) Supposons que la famille est liée.
m −
→
λi · →
−
P
Ainsi, il existe (λ1 , . . . , λm ) 6= (0, . . . , 0) tel que : ei = 0E .
i=1
Quitte à renuméroter les vecteurs de la famille, supposons que λ1 6= 0
(l’un des λi - au moins - est non nul).
m m λ
On a alors : λ1 · →
− λi · →
−
ei et ainsi : →
− i →
·−
P P
e1 = e1 = ei .
i=2 λ
i=2 1

17
ECE2-B 2020-2021

    

1 0 −1 3) Démontrons que la famille F = (1, −3 + X, 1 − X 2 ) est libre dans R2 [X].
2) Démontrons que la famille F = 3, 1, −1 est liée.
1 1 1 Soit (λ1 , λ2 , λ3 ) ∈ R3 .
Supposons : λ1 · 1 + λ2 · (−3 + X) + λ3 · (1 − X 2 ) = 0. (∗)
Cherchons (λ1 , λ2 , λ3 ) ∈ R3 tel que :
       
Or : (∗) ⇐⇒ (λ1 − 3 λ2 + λ3 ) · 1 + λ2 · X + (−λ3 ) · X 2 = 0
1 0 −1 0 
λ1 · 3 + λ2 · 1 + λ3 · −1 = 0 (∗)  λ1 − 3 λ2 + λ3 = 0
1 1 1 0 ⇐⇒ λ2 = 0
− λ3 = 0


 λ1 − λ3 = 0 
Or : (∗) ⇐⇒ 3λ1 + λ2 − λ3 = 0 ⇐⇒ λ1 = λ2 = λ3 = 0

λ1 + λ2 + λ3 = 0 (par remontées successives)

Remarque
L2 ← L2 − 3L1

L3 ← L3 − L1  λ1 − λ3 = 0
⇐⇒ λ2 + 2λ3 = 0 • On s’aperçoit que la résolution du système est très simple dans ce dernier
λ2 + 2λ3 = 0

exemple. C’est le cas car la famille de polynôme est échelonnée en degré
 ce qui signifie que les polynômes (P1 , P2 , P3 ) de la famille vérifient :
L2 ← L2 − 3L1 λ1 − λ3 = 0
⇐⇒
λ2 + 2λ3 = 0 deg(P1 ) < deg(P2 ) < deg(P3 )

C’est un cas classique qu’il est utile de connaître.


λ1 = λ3
⇐⇒
λ2 = −2λ3 • Ce n’est évidemment pas le cas de toutes les familles de polynôme.
Ce système homogène à 3 équations et 3 inconnues n’est pas de Cramer. Pour les familles non échelonnées en degré, on ne peut rien dire :
Cela signifie qu’il admet d’autres solutions que (0, 0, 0). × la famille (1 + X, −3 + X, 1 − X 2 ) n’est pas échelonnée en degré. On
En choisissant par exemple λ3 = 1, on obtient une relation de dépendance peut démontrer qu’elle est libre.
linéaire non triviale entre les trois vecteurs considérés. × la famille (1 + X, −3 + X + X 2 , 4 − X 2 ) n’est pas échelonnée en degré.
 
1
 
0
 
−1
 
0 On peut démontrer qu’elle est liée. En effet :
1 · 3 − 2 · 1 + 1 · −1 = 0
1 1 1 0 4 − X 2 = 1 · (1 + X) − 1 · (−3 + X + X 2 )

La famille F est donc liée.

18
ECE2-B 2020-2021

À RETENIR Théorème 7.
Soit E un R-ev et soit m ∈ N \ {0, 1}.
Pour étudier la liberté d’une famille (→
−
e1 , . . . , −
e→
m ), on suppose qu’il existe
une relation de dépendance linéaire entre les vecteurs de cette famille : Soit (→
−
e1 , · · · , −
e→
m ) une famille de vecteurs de E.

m −
→ La famille (→
−
e1 , . . . , −
e→ →
− −−−→
m ) est libre ⇒ La famille ( e1 , · · · , em−1 ) est libre
λi · →
−
P
ei = 0E
i=1
Plus généralement, toute sous-famille d’une famille libre (i.e. toute famille
Cette égalité est équivalente à l’écriture d’un système d’équations linéaires contenue dans une famille libre), est une famille libre.
homogène en les variables λ1 , . . . , λm . Deux cas se présentent alors :
Démonstration.
1) ce système est de Cramer et donc (λ1 , . . . , λm ) = (0, . . . , 0). Soit F = (→ −
e1 , · · · , −
e→m ) une famille libre.
Cela démontre que la relation de dépendance linéaire supposée en début
d’énoncé est la relation triviale. Démontrons que ( e1 , · · · , −
→
− e−−→
m−1 ) est libre.
Soit (λ1 , . . . , λm−1 ) ∈ Rm−1 .
2) ce système n’est pas de Cramer (il admet alors une infinité de solutions).
Supposons que : λ1 · → −
e1 + . . . + λm−1 · −
e−−→ − →
m−1 = 0E .
Ainsi, il existe (λ1 , . . . , λm ) 6= (0, . . . , 0) solution du système et on peut → − →
On a alors : λ1 · → −
e1 + . . . + λm−1 · −e−−→ −
m−1 + 0 · em = 0E .
ainsi exhiber une relation de dépendance linéaire non triviale entre les
La famille (→ −
e1 , · · · , −
e→
m ) étant une famille libre, on en déduit que :
vecteurs →−e .
i

(λ1 , . . . , λm−1 , 0) = (0, . . . , 0, 0)

Ainsi : λ1 = . . . = λm−1 = 0 et la famille (→

−
e1 , . . . , −
e−−→
m−1 ) est libre.

III.2.c) Notion de colinéarité

Définition
Soit E un R-ev.
Soit (→
−
u,→
−v ) ∈ E2.
Les vecteurs →
−
u et →
−
v sont colinéaires si :

(∃α ∈ R, →
−
v =α·→
−
u ) OU (∃β ∈ R, →
−
u =β·→
−
v)

19
ECE2-B 2020-2021

Théorème 8. • Par exemple, on a démontré précédemment que :

Soit E un R-ev.      
x 1 0
1) Une famille (→ −u ) constituée uniquement d’un vecteur non nul de E est F = {y  ∈ M3,1 (R) | 3x + 2y − z = 0} = Vect 0, 1
−
→ z 3 2
libre. (la famille (0E ) est par contre liée comme énoncé précédemment)
2) Une famille (→−u,→ −
v ) constituée de deux vecteurs de E est libre si et seule-    
1 0
ment si ces deux vecteurs sont non colinéaires.
La famille 0, 1 est constituée de deux vecteurs non colinéaires.
3) De manière générale, une famille de vecteurs d’un ev E est liée si l’un 3 2
des vecteurs de cette famille peut s’exprimer comme combinaison linéaire Elle est donc libre.
des autres vecteurs de la famille (déjà vu !). • Dans le cas d’une famille constituée de trois vecteurs, il saute parfois aux
Démonstration. yeux qu’un vecteur s’exprime comme combinaison linéaire des autres vec-
−
→ teur. Cela permet de conclure que la famille est liée.
1) Le seul réel λ tel que λ · →
−
u = 0E est le réel λ = 0 puisque →
−
u est non nul.      
1 1 0
2) On démontre la propriété équivalente : une famille (→
−
u,→
−
v ) constituée Par exemple, la famille 1, 0, 1 est liée car :
de deux vecteurs de E est liée si et seulement si ces deux vecteurs sont 1 1 0
colinéaires.
     
1 1 0
La famille (→
−
u,→
−
v ) est liée 1 = 1 · 0 + 1 · 1
−
→
⇔ il existe (λ1 , λ2 ) 6= (0, 0) tel que : λ1 · →
−
u + λ2 · →
−
v = 0E . 1 1 0

⇔ il existe (λ1 , λ2 ) 6= (0, 0) tel que : λ1 · →

−
u = −λ2 · →
−
v. Exercice
 Les familles Fk suivantes sont-elles libres ?
il existe (λ1 , λ2 ) 6= (0, 0) tel que :
a. F1 = ((1, 2), (1, −1))

λ2 −

 →
−u =− ·→

v (si λ1 6= 0)
⇔ λ1 b. F2 = ((1, 4))
 OU → − λ1 −
v =− ·→



u (si λ2 6= 0) c. F3 = ((0, 0))
λ2
d. F4 = ((1, −2), (2, 3), (1, 0))
Exemple
• Dans les énoncés de concours, on travaille souvent avec des familles qui
contiennent un, deux ou trois vecteurs. Dans les deux premiers cas, ce
théorème permet de conclure rapidement quant à la liberté de la famille
étudiée.

20
ECE2-B 2020-2021

III.2.d) Intérêt des familles libres III.3. Bases d’un espace vectoriel
Théorème 9. III.3.a) Définition
Soit E un espace vectoriel et soit m ∈ N∗ . Définition
Soit (→ −
e1 , . . . , −
e→
m ) une famille libre de vecteurs de E. Soit E un espace vectoriel.
→
−
Si un vecteur u ∈ E s’écrit comme combinaison linéaire de vecteurs de Soit (→ −
e1 , . . . , →
−
en ) une famille de vecteurs de E.
(→
−
e1 , . . . , −
e→
m ) alors cette combinaison linéaire est unique. →
− →
−
• La famille ( e1 , . . . , en ) est une base de E si :

Démonstration. 1) c’est une famille génératrice de E.

→
−
Supposons par l’absurde que u s’écrive à l’aide de deux combinaisons li- 2) c’est une famille libre dans E.
néaires distinctes de (→ −
e1 , . . . , −
e→ ). Autrement dit, il existe (λ , . . . , λ ) ∈ R m • Si B = (→ −
e1 , . . . , →
−
en ) est une base de E, tout vecteur → −x ∈ E se décompose
m 1 m
m
et (µ1 , . . . , µm ) ∈ R deux m-uplets distincts tels que : de manière unique sous forme d’une CL des éléments de B.
→
− →
−
× u = λ1 · e1 + . . . + λm · em
−→ • Autrement dit :

→
− →
− −→
× u = µ1 · e1 + . . . + µm · em
(→
−
e1 , . . . , →
−
en ) n
⇔ ∀→ −x ∈ E, ∃ ! (x1 , . . . , xn ) ∈ Rn , →
− xi · →
−
P
Par soustraction, on obtient : est une x = ei
base de E i=1
−→
0E = (λ1 − µ1 ) · → −
e1 + . . . + (λm − µm ) · − e→
m
→
−
• Les réels (x1 , . . . , xn ) sont appelés les coordonnées de x dans la base B.
Comme (→ −
e1 , . . . , −
e→m ) est une famille libre, cette relation de dépendance li-
néaire est la relation triviale. Exemple
     
Autrement dit, pour tout i ∈ J1, mK, λi − µi = 0 i.e. λi = µi . 2 0 0
Ceci contredit l’hypothèse initiale. • On a déjà démontré que la famille F = 2,  1 , 1 était gé-
2 −1 1
nératrice de M3,1 (R) en revenant à la définition. Plus précisément, on a
démontré :
       
x 2 0 0
y  = a · 2 + b ·  1  + c · 1
z 2 −1 1
 1
 a = 2 x



1 1
⇐⇒ b = 2 y − 2 z



 1 1
c = −x + 2 y + 2 z

21
ECE2-B 2020-2021

   
x 3
Ainsi, le vecteur y  se décompose de manière unique sous forme d’une Ainsi, le vecteur  2  a pour coordonnéees (5, −4, 2) dans la base B.
z −1
CL des éléments de la famille F. • Reprenons à nouveau un exemple déjà traité :
On en déduit queF est une base de M3,1 (R).    
x
 

x y − z −2x + y + z
 x 1 0
Dans cette base, y a pour coordonnées
  , , . F = {y  ∈ M3,1 (R) | 3x + 2y − z = 0} = Vect 0, 1
z 2 2 2
z 3 2
• On l’a déjà dit, cette méthode est très marquée 1ère année.     
Cette méthodologie est à éviter sauf si l’on demande d’exhiber les coordon- 1 0
nées d’un vecteur dans une base. Par La famille 0, 1 étant libre et génératrice, c’est une base de F .
  exemple, trouvons
       les coordonnées 3 2
3 1 1 1
du vecteur  2  dans la base B = 0, 0, 1.
−1 1 2 1 Exemple
1) Montrer que ((1, 1), (2, 1)) est une base de R2 .
Cherchons (a, b, c) ∈ R3 tel que :
Quels sont les coordonnées du vecteur (3, 4) dans cette base ?
       
1 1 1 3 2) Montrer que (1, X, X 2 ) est une base de R2 [X].
a0 + b0 + c1 =  2 
3) Montrer que (1, 2X + 1, X 2 − 3) est une base de R2 [X].
1 2 1 −1  
x
4) Trouver une base de l’ensemble {y  ∈ R3 | 3x + 2y − z = 0}.

 a + b + c = 3
⇐⇒ c = 2 z
a + 2b + c = −1

 III.3.b) Notion de base canonique
L3 ← L3 − L1  a + b + c = 3
⇐⇒ c = 2 On a vu précédemment que la famille ((1, 1), (2, 1)) est une base de R2 . Cette

b = −4 base n’est pas unique. Par exemple, la famille ((1, 0), (0, 1)) est une base de
 R2 . Cette base naturelle de R2 est appelée base canonique de R2 .
L2 ↔ L3  a + b + c = 3 Les espaces vectoriels de référence sont munis d’une base canonique.
⇐⇒ b = −4
c = 2

 
L1 ← L1 − L3  a + b = 1 L1 ← L1 − L2  a = 5
⇐⇒ b = −4 ⇐⇒ b = −4
c = 2 c = 2
 

22
ECE2-B 2020-2021

• L’espace vectoriel Rn • L’espace vectoriel Mn,p (R)

Considérons la famille Bc = (→
−
e1 , →
−
e2 , . . . , →
−
en ), définie par : Considérons la famille Bc = ( Ei,j ) 16i6n , où Ei,j est définie par :
16j6n

→
−
e1 = (1, 0, 0, . . . , 0), →
−
e2 = (0, 1, 0, . . . , 0), . . . , →
−
en = (0, 0, . . . , 0, 1)  
0 ... ... 0 ... ... 0
 .. .. .. 
. . . 
Rn . Rn .

Cette famille est libre et génératrice de C’est donc une base de 
.. .. 

Ainsi, pour tout vecteur → −

x ∈ Rn , il exsite (x1 , x2 , . . . , xn ) ∈ Rn tel que :

 . 0 .  
Ei,j =  0 ... ... 0 1 0 ... 0  — i
.. .. 

n 
. 0 . 
→
−
x =
P
xk · →
−
ek

.. ... ... 
 

k=1  . 
0 ... ... 0 ... ... 0
où (x1 , x2 , . . . , xn ) sont coordonnées du vecteur →
−x dans la base Bc . |
→
−
Attention à ne pas confondre le vecteur x qui est un élément de E et ses j

coordonnées (x1 , x2 , . . . , xn ) qui est un élément de Rn . Cette famille est libre et génératrice de Mn,p (R). C’est donc une base de
• L’espace vectoriel Mn,1 (R) Mn,p (R). Ainsi, pour tout M ∈ Mn,p (R), il exsite (ai,j ) 16i6n tel que :
16j6n

Considérons la famille Bc = (→
−
e1 , →
−
e2 , . . . , →
−
en ), définie par : p
n P
P
      M= ai,j Ei,j
1 0 0 i=1 j=1
0 1 0
→
−
e1 =
 
0
  , →
−
e2 =
 
0
  ,...,→
−
en =
 
 .. 
 .  et donc (a1,1 , a1,2 , . . . , a1,n , a2,1 , . . . , a2,n , . . . , an,1 , . . . , an,n ) sont les coor-
 ..   ..   
 .   .  0 données de la matrice M dans la base canonique Bc .
0 0 1
Exemple
Cette famille est libre et génératrice de Mn,1 (R). C’est donc une base de • On considère l’espace vectoriel M2 (R). Sa base canonique est :
Mn,1 (R). Ainsi, pour tout →−
x ∈ Mn,1 (R), il exsite (x1 , x2 , . . . , xn ) ∈ Rn tel        
que : 1 0 0 1 0 0 0 0
n Bc = , , ,
→
−
x =
P
x →−
e 0 0 0 0 1 0 0 1
k k
k=1  
3 1
où (x1 , x2 , . . . , xn ) sont coordonnées du vecteur →
−
x dans la base Bc . Les coordonnées de la matrice dans la base Bc sont (3, 1, 7, 5).
7 5

23
ECE2-B 2020-2021

• L’espace vectoriel Rn [X]

Considérons la famille Bc = 1, X, X 2 , . . . , X n .

Cette famille est libre et génératrice de Rn [X]. C’est donc une base de
Rn [X]. Ainsi, pour tout P ∈ Rn [X], il exsite (a0 , a1 , . . . , an ) ∈ Rn tel que :
n
P (X) = a0 1 + a1 X + . . . + an X n = ak X k
P
k=0

où (a0 , a1 , . . . , an ) sont coordonnées du polynôme P dans la base Bc .

Exemple
• Déterminons les coordonnées du polynôme Q(X) = (X − 2)3 dans la
base canonique de R3 [X]. On a :

(X − 2)3 = X 3 − 6X 2 + 12X − 8

Ainsi, (−8, 12, −6, 1) sont les coordonnées de (X − 2)3 dans la base
(1, X, X 2 , X 3 ) de R3 [X].
• On peut démontrer que B = (1, X − 2, (X − 2)2 , (X − 2)3 ) est une base
de R3 [X]. Dans cette base, Q a pour coordonnées (0, 0, 0, 1).
Quelles sont les coordonnées des vecteurs de Bc dans cette base ?
× 1=1
Ainsi, 1 a pour coordonnées (1, 0, 0, 0) dans B.
× X = 2 + (X − 2)
Ainsi, X a pour coordonnées (2, 1, 0, 0) dans B.
× X 2 = 4 + 4 (X − 2) + (X − 2)2
Ainsi, X 2 a pour coordonnées (4, 4, 1, 0) dans B.
× X 3 = 8 + 12 (X − 2) + 6 (X − 2)2 + (X − 2)3
Ainsi, X 3 a pour coordonnées (8, 12, 6, 1) dans B.
• Enfin, si P (X) = a0 + a1 X + a2 X 2 + a3 X 3 alors P a pour coordonnées
(a0 + 2a1 + 4a2 + 8a3 , a0 + 4a2 + 12a3 , a2 + 6a3 , a3 ) dans la base B.
(il s’agit d’un changement de base : nous en reparlerons)

24
ECE2-B 2020-2021

IV. Espace vectoriel de dimension finie 2) La démonstration classique consiste à introduire le lemme suivant :
si E possède une base de cardinal n ∈ N∗ alors toute famille possédant
IV.1. Notion de dimension finie strictement plus de n éléments est liée
Définition La démonstration (technique) de ce lemme n’est pas réalisée ici.
Un espace vectoriel est dit de dimension finie s’il admet une base de cardinal Une fois ce résultat démontré, il est alors simple de démontrer, par l’ab-
fini (i.e. constituée d’un nombre fini de vecteurs). surde, que toutes les bases de E ont même cardinal.
Supposons par l’absurde que B1 et B2 sont deux bases de cardinal différent
Théorème 10.
−
→ n et m. Alors, quitte à renuméroter ces bases :
Soit E un R-ev non réduit à {0E }.
Card(B1 ) = n < m = Card(B2 )
Supposons que E admet une famille génératrice finie.
1) Alors E possède une base B de cardinal fini que l’on note n ∈ N∗ . Mais alors la famille B2 est liée. Ceci contredit le fait que B2 est une base.
2) Et toutes les bases de E sont finies et de même cardinal n. Remarque
• Ce nombre n est appelé dimension de l’espace vectoriel E, noté dim E. • Ce théorème signifie que pour déterminer la dimension d’un espace vecto-
−→ riel, il suffit d’en déterminer une base. On obtient en particulier la dimen-
• Par convention, on note dim({0E }) = 0.
sion des ev de référence :
Démonstration. × dim R
3 = 3.


1) La démonstration est basée sur le théorème de la base incomplète. × dim (M2,1 (R)) = 2.
a. Supposons que E possède une famille libre (→ −
e1 , . . . , −
e→
m ) (pas évident) × dim (M3 (R)) = 9.
et une famille génératrice (− →, . . . , −
u1
→) (c’est l’hypothèse) alors :
up
→
− →
− −
→ →
− → × dim (R3 [X]) = 4.
−
× soit tout ui est CL des vecteurs ( e1 , . . . , em ) et dans ce cas, ( e1 , . . . , em )
• On rappelle que le seul espace vectoriel ne contenant qu’un nombre fini de
est génératrice de E. −
→
→
− →
− −
→ vecteurs est l’espace vectoriel qui ne contient que le vecteur nul : {0E }.
× soit l’un des vecteurs ui n’est pas CL des vecteurs ( e1 , . . . , em ) et
• Cela permet de bien comprendre l’intérêt de la notion de base / dimension
dans ce cas, en l’ajoutant aux vecteurs → −
ei précédents, on crée une −→
→
− −
→ →
− d’un ev. Tout ev de dimension finie différent de {0E }, admet une réprésen-
famille ( e1 , . . . , em , ui ) qui est libre dans E.
tation finie (peut être décrit par les éléments constitutifs d’une base).
On itère alors ce procédé qui se termine nécessairement en un nombre
• La démonstration (son esquisse) du théorème de la base incomplète permet
fini d’étapes puisqu’on ne peut ajouter, au maximum, que les p vec-
d’énoncer les deux points suivants.
teurs −→, . . . , −
u 1 u→m . La famille ainsi obtenue est une base de E.
1) Toute famille libre (dans E) peut être complétée en une base de E.
b. Il suffit de démontrer que E possède une famille libre pour conclure.
(c’est le point a.)
On sait que E possède une famille génératrice G. Considérons un élé-
−→ −
→ 2) De toute famille génératrice de E on peut extraire une base de E.
ment → −u 6= 0E (c’est possible car E 6= {0E }) de cette famille.
→
− Ceci signifie que toute famille génératrice de E contient une base de E.
Alors ( u ) est une famille libre que l’on peut compléter en une base
(c’est le point b.)
de E en lui ajoutant au fur et à mesure des vecteurs de G.

25
ECE2-B 2020-2021

IV.2. Cardinal d’une famille libre, d’une famille génératrice Deux cas se présentent alors :
en dimension finie × si λn+1 = 0 alors la précédente égalité se réécrit :
−
→
Théorème 11. λ ·−
1
→ + ... + λ · −
u 1 u→ = 0 n n E
Soit E un espace vectoriel de dimension finie n ∈ N∗ . ce qui montre que λ1 = . . . = λn = 0 puisque la famille F est libre.
Sur les familles libres D’où (λ1 , . . . , λn+1 ) = (0, . . . , 0). Contradiction !
→
− λ1 − → + . . . + − λn · −
a) Toute famille libre possède au plus n vecteurs. × si λn+1 6= 0 alors v = − ·u 1 u→
n
λn+1 λn+1
b) Toute famille libre de n vecteurs est une base de E. c) Déjà fait.
c) Toute famille de q vecteurs avec q > n est liée.
d) Déjà fait.
2. a) Considérons une famille génératrice de E et supposons par l’absurde
d) Toute sous-famille d’une famille libre (dans E) est libre (dans E). que cette famille possède strictement moins de n vecteurs. Alors, on
peut extraire de cette famille une base de E de cardinal m < n.
Sur les familles génératrices Impossible !
a) Toute famille génératrice de E possède au moins n vecteurs. b) Considérons une famille génératrice de E possédant n vecteurs. Sup-
posons par l’absurde que ce n’est pas une base de E. Alors, on peut
b) Toute famille génératrice de E de n vecteurs est une base de E.
en extraire une base de cardinal m < n.
c) Toute famille de q vecteurs avec q < n n’est pas génératrice de E. Impossible !
d) Toute sur-famille d’une famille génératrice de E est génératrice de E.
c) On reprend la démonstration précédente : si E admettait une famille
génératrice de q vecteurs, on pourrait en extraire une base de cardinal
Démonstration. m 6 q < n.
1. a) C’est le lemme évoqué dans la démonstration du théorème précédent. Impossible !
Déjà fait.
b) Soit F = (−
→, . . . , −
u→
d)
u1 n ) une famille libre à n vecteurs.
Montrons que tout élément → −v ∈ E peut s’écrire comme CL des À RETENIR
−
→ −
→
u1 , . . . , un . (cela démontre que la famille F est génératrice)
Soit → − v ∈ E. Alors (− →, . . . , −
u1 u→ →
−
n , v ) est une famille liée car elle possède Toute famille libre de n vecteurs est une base de E.
n + 1 vecteurs. Il existe donc (λ1 , . . . , λn+1 ) 6= (0, . . . , 0) tel que :
Toute famille génératrice de E de n vecteurs est une base de E.
−
→
λ1 · −
→ + ... + λ · −
u1
→ →
−
n un + λn+1 · v = 0E
     
famille base de famille
Card 6 Card 6 Card
libre de E E génératrice de E

26
ECE2-B 2020-2021

MÉTHODO IV.3. Dimension d’un sous-espace vectoriel

Pour démontrer qu’une famille finie F est une base d’un ev E, on peut Théorème 12.
procéder comme suit. Soit E un R-ev de dimension finie n.
1) Démontrer que F est une famille génératrice et Card(F) = dim(E) Soit F un sev de E.
      !
1 0 0 1) Alors F est de dimension finie et dim(F ) 6 dim(E).
La famille F = 0 , 1 , 0 est une base de M3,1 (R).
1 0 1 2)
C’est une famille génératrice.
)
•
  • F sev de E
a ⇒ F =E
En effet, tout vecteur b ∈ M3,1 (R) s’écrit : • dim(F ) = dim(E)
c

a
 
1
 
0
 
0
 Démonstration.
b =a 0 +b 1 + (c − a) 0
1) Supposons démontré que F est de dimension finie p (il s’agit encore une
c 1 0 1
fois d’un procédé de complétion. . . ).
• De plus Card(F) = 3 = dim(M3,1 (R)). Considérons alors B une base de F .
Alors B est une famille libre de F et donc de E.
2) Démontrer que F est une famille libre et Card(F) = dim(E)
      ! En tant que famille libre de E, son cardinal est inférieur à dim(E).
1 0 0 Ainsi : p = Card(B) 6 dim(E).
La famille F = 0 , 1 , 0 est une base de M3,1 (R).
1 0 1 2) Supposons que dim(F ) = dim(E).
• C’est une famille libre. • Comme B est une base de F , Card(B) = dim(F ).
Soit (λ1 , λ2 , λ3 ) ∈ R3 . Supposons que : • On en déduit que : Card(B) = dim(E).
Ainsi B est une famille libre de E telle que Card(B) = dim(E). C’est
       
1 0 0 0 •
λ1 0 + λ2 1 + λ3 0 = 0
donc une base de E.
1 0 1 0
 • D’où F = Vect (B) = E.
 λ1 = 0
On obtient alors le système : λ2 = 0 Remarque
λ1 + λ3 = 0

Pour démontrer que E = F , on peut réaliser les deux étapes suivantes :
D’où λ1 = λ2 = λ3 = 0.
1) démontrer que F ⊂ E.
• De plus Card(F) = 3 = dim(M3,1 (R)).
2) démontrer que dim(F ) = dim(E).
(c’est la méthode que l’on utilisera en pratique - sauf mention du contraire)

27
ECE2-B 2020-2021

      
V. Notion de rang 1 0 0
On en déduit que : rg(F1 ) = dim Vect 0, 1, 0 = 3.
V.1. Notion de rang d’une famille de vecteurs 0 0 1
    
V.1.a) Définition et propriétés 1 0
• Notons F2 = Vect (F2 ) = Vect 0, 1.
Définition (Rang) 0 0
Soit E un R-ev de dimension finie et soit p ∈ N∗ . La famille F2 est :
Soit (−
→, . . . , −
u1
→) ∈ E p .
up × génératrice de F2 (par définition),
On appelle rang de la famille (− →, . . . , −
u1
→) la dimension de l’espace vectoriel
up × libre car constituée de deux vecteurs non colinéaire.
−
→ −
→
engendré par (u1 , . . . , up ). Autrement dit :
C’est donc une base de F2 .
rg(−
→, . . . , −
→) = dim (Vect (− →, . . . , −
→))
    
u1 p u 1u p u 1 0
On en déduit que : rg(F2 ) = dim Vect 0, 1 = 2.
Exercice 0 0
Déterminer le rang des familles suivantes.  
            1
1 0 0 1 0 1
• Notons F3 = Vect (F3 ) = Vect 0.
1) F1 =   0 , 1 , 0
     , F2 =   0 , 1
   F3 =   0
0
0 0 1 0 0 0
                  La famille F3 est :
1 0 0 0 1 0 1 5 1
2) G1 = , , G2 = , , , G3 = , , , × génératrice de F3 (par définition),
1 1 1 0 1 1 1 1 0
     
1 1 0
         
0 3 0 1 0 × libre car constituée d’un vecteur non nul.
 1  1 0 1 −1  4  1 5 C’est donc une base de F3 .
3) H1 = 1, 1, 0 H2 = 0,  1 , −1, 0, 0
                  
1
0 1 1 2 0 4 0 2 On en déduit que : rg(F3 ) = dim Vect 0 = 1.
0
Démonstration.
   
1 0
2) Notons G1 = Vect (G1 ) = Vect , .
     
•
1 0 0 1 1
1) • Notons F1 = Vect (F1 ) = Vect 0, 1, 0. La famille G1 est :
0 0 1
La famille F1 est : × génératrice de G1 (par définition),
× génératrice de F1 (par définition), × libre car constituée de deux vecteurs non colinéaires.
× libre. C’est donc une base de G1 .     
C’est donc une base de F1 . 1 0
On en déduit que : rg(G1 ) = dim Vect , = 2.
1 1
(on pouvait reconnaître de suite la base canonique de M3,1 (R) !)

28
ECE2-B 2020-2021

     
0 0 1 Remarque
• Notons G2 = Vect (G2 ) = Vect , , .
1 0 1 Le rang d’une famille F est donc une mesure du « degré d’indépendance
On remarque que : linéaire » de la famille F. Seules les familles de rang plein sont libres.
      
0 0 1
rg(G2 ) = dim Vect , , Théorème 14.
1 0 1
     Soit E un R-ev de dimension finie n ∈ N et soit p ∈ N∗ .
= dim Vect
0
,
1
= 2 Soit (−
→, . . . , −
u 1
→) ∈ E p .
u
p
1 1
        1) rg(−
→, . . . , −
u1
→) 6 p
up
0 1 5 1
• Notons G3 = Vect (G3 ) = Vect , , , .
1 1 1 0
2) rg(−
→, . . . , −
u1
→) 6 n
up
La famille G3 contient la famille G1 qui est une famille génératrice de
G1 . Ainsi, G1 est génératrice de G1 et :
Démonstration.
rg(G3 ) = dim (Vect (G3 )) = dim (Vect (G1 )) = 2 1) Notons F = Vect (−
→, . . . , −
u1
→).
up
Ainsi, la famille F = (−
→, . . . , −
u1
→) est une famille génératrice de F .
up

Théorème 13. On en déduit que :

dim(F ) 6 Card(F)
Soit E un R-ev de dimension finie et soit p ∈ N∗ .
Soit (−
→, . . . , −
u 1
→) ∈ E p .
up
(le cardinal d’une base i.e. la dimension de l’espace est plus petite que le
cardinal d’une famille génératrice)
La famille (−
→, . . . , −
u →)
u 2) Vect (−
→, . . . , −
→) est un sev de E. Ainsi :
1 p
⇔ rg(−
→, . . . , −
u1
→) = p
up
u 1 up
est libre
dim(Vect (−
→, . . . , −
u1
→)) 6 dim(E) = n
up
Démonstration.
La famille F = (−
u→, . . . , −
1
→) est génératrice de Vect (−
up
→, . . . , −
u1
→).
up
(⇒) Si elle est de plus libre, alors c’est une base de Vect (u1 , . . . , −
−
→ →).
up
−
→ −
→
On en déduit que : dim(Vect (u , . . . , u )) = p.
1 p
(⇐) Si de plus dim(Vect (− →, . . . , −
u1
→)) = p, alors la famille F est une base de
up
−
→ −
→
F = Vect (u1 , . . . , up ) puisque :
× F est génératrice de F ,
× Card(F) = p = dim(F ).
En particulier, la famille F est libre.

29
ECE2-B 2020-2021

V.1.b) Détermination pratique du rang V.2. Notion de rang d’une matrice

On a vu précédemment qu’on ne modifiait pas l’espace vectoriel engendré V.2.a) Définition et propriétés
par une partie en :
−
→ Définition (Rang d’une matrice)
× ajoutant à cette partie le vecteur 0E ,  
| | ··· |
× modifiant l’ordre des éléments de cette partie,
Soit A = C1 C2 · · · Cp  ∈ Mn,p (R).
× multipliant l’un des éléments de cette partie par un réel λ 6= 0, | | ··· |
× ajoutant à cette partie une CL des éléments de cette partie,
On appelle rang de la matrice A, noté rg(A) la dimension de l’espace
× ajoutant à l’un des éléments de cette partie un CL des autres éléments de vectoriel engendré par ses vecteurs colonnes C1 , C2 , . . . , Cp .
cette partie.
On en déduit que ces opérations laissent le rang inchangé. rg(A) = dim(Vect (C1 , C2 , . . . , Cp )).
Exemple      Remarque
    
1 0 0 1 0 Le rang d’une matrice est par définition le rang d’une famille de vecteurs.
rg 3, 5, −1, 2, 0
Ainsi, les propriétés de cet opérateur de rang matriciel se déduisent des
0 0 1 2 0
propriétés vues précédemment.
       
1 0 0 1
= rg 3, 5, −1, 2 Théorème 15.
0 0 1 2 Soit A ∈ Mn,p (R).
       
1 0 0 1 1) rg(A) 6 p
= rg 3, 1, −1, 2
0 0 1 2 2) rg(A) 6 n
       
1 0 0 1
= rg 0, 1, −1, 2
0 0 1 2
       
1 0 0 1
= rg 0, 1, 0, 2
0 0 1 2
     
1 0 0
= rg 0, 1, 0 = 3
0 0 1

30
ECE2-B 2020-2021

V.2.b) Détermination pratique du rang Exemple  

1 0 0 1 0
Théorème 16. rg 3 5 −1 2 0
Soit A ∈ Mn,p (R). 0 0 1 2 0
Notons C1 , . . . , Cp les vecteurs colonnes de A.  
1 0 0 1 0
Notons L1 , . . . , Ln les vecteurs lignes de A. = rg 3 1 −1 2 0
0 0 1 2 0
rg(A) = rg(t A)
 
1 0 0 1 0
Ce qui permet de conclure que : = rg 0 1 −1 2 0
0 0 1 2 0
rg(A) = rg(C1 , . . . , Cp ) = rg(L1 , . . . , Ln )
 
1 0 0 1 0
On a vu précédemment que certains opérations laissent le rang d’une famille = rg 0 1 0 2 0
de vecteurs inchangé. 0 0 1 2 0
On peut traduire ces opérations pour le calcul du rang d’une matrice.  
On ne modifie par le rang d’une matrice en : 1 0 0 0 0
× ajoutant une colonne (resp. ligne) de 0, = rg 0 1 0 0 0
0 0 1 0 0
× modifiant l’ordre des colonnes (resp. lignes) de cette matrice,
× multipliant l’une des colonnes (resp. lignes) de cette matrice par un réel Calcul du rang d’une matrice en pratique
λ 6= 0, • On voit apparaître dans cet exemple une méthode pour déterminer le rang

× ajoutant à cette matrice une colonne (resp. ligne) qui est une CL des autres d’une matrice A : par une suite d’opérations élémentaires, on agit sur la
colonnes (resp. lignes) de cette matrice, matrice A (sans en modifier le rang !) de sorte à obtenir une matrice dont
le rang est plus simple à calculer.
× ajoutant à l’une des colonnes (resp. lignes) de cette matrice une CL des
autres colonnes (resp. lignes) de cette matrice. • On a agi ici sur les colonnes pour copier la démonstration précédente.
D’après le Théorème 16, on aurait aussi pu agir sur les lignes. D’ailleurs,
Exercice si l’on agit uniquement sur les lignes, on ne fait rien d’autre qu’appliquer
Déterminer le rang des matrices suivantes la méthode du pivot de Gauss !

−1 1 0
 
−1 1 −2
 • La matrice obtenue a une forme tout à fait particulière. L’un de ses blocs
A =  0 −1 1 B =  1 −1 2  est la matrice identité Ir . Ses autres blocs sont des matrices nulles. Ce type
0 0 2 2 0 2 de matrice est généralement noté Jr . Ces matrices sont particulièrement
intéressantes pour la détermination du rang puisque rg(Jr ) = r.

31
ECE2-B 2020-2021

V.2.c) Intérêt du calcul du rang

Théorème 17.
Soit A ∈ Mn (R).

1) A est inversible ⇔ rg(A) = n

2) A n’est pas inversible ⇔ rg(A) < n

Remarque
Cette propriété (que l’on démontrera dans un autre cours) est très pratique
pour démontrer qu’une matrice n’est pas inversible. En effet, il est assez
simple de repérer qu’une matrice n’est pas de rang plein. C’est par exemple
le cas d’une matrice :
× qui possède une colonne (resp. ligne) de 0,
× qui possède deux colonnes (resp. lignes) égales,
× qui possède deux colonnes (resp. lignes) proportionnelles,
× qui possède une colonne (resp. ligne) qui est une CL des autres colonnes
(resp. lignes).
Autrement dit, dès qu’on trouve une relation de dépendance linéaire entre
les colonnes (resp. lignes) d’une matrice, celle-ci n’est pas inversible.

32