Académique Documents
Professionnel Documents
Culture Documents
ESPACES VECTORIELS
Remarque 1.1.2. .
1
2. En général, la loi de composition externe est appelée multiplication externe.
Définition 1.1.3. Soit E un ensemble muni d’une loi de commposition externe notée
additivement et K un corps commmutatif. On dit que E est espace vectoriel sur K
si E vérifie les conditions suivantes :
C1 : (E, +) est un groupe Abélien.
K×E → E
C2 : Il existe une loi de composition externe notée « · » :
(α, x) 7→ α · x
satisfaisant aux propriétés suivantes :
i) α · (x + y) = α · x + α · y ∀α ∈ K et ∀(x, y) ∈ E 2 .
ii) (α + β) · x = α · x + β · x) ∀(α, β) ∈ K2 et ∀x ∈ E.
iii) α · (β · x) = (α · β) · x) ∀(α, β) ∈ K2 et ∀x ∈ E.
iv) 1K · x = x ∀x ∈ E.
Remarque 1.1.4. .
Les éléments de E sont appelés les vecteurs et les éléments du corps K sont appelés
les scalaires.
Notation 1.1.5. .
Si E est un espace vectoriel sur un corps K, on dit aussi que E est un K-espace
vectoriel ou encore un K-e.v
Conséquences 1.1.6. .
Soit (E, +, .) un K-e.v. Alors on a les propriétés suivantes :
P1 : ∀α ∈ K, ∀x ∈ E , si α = 0K ou si x = 0E , alors α.x = 0E
P2 : ∀α ∈ K, ∀(x, y) ∈ E 2 , α · (x − y) = α · x − α · y.
P3 :∀α ∈ K, ∀y ∈ E, α · (−y) = −α · y.
P4 : ∀(α, β) ∈ K2 , ∀x ∈ E, (α − β) · x = α · x − β · x).
2
P5 : ∀β ∈ K, ∀x ∈ E, (−β) · x = −β · x.
P6 : ∀α ∈ K, ∀x ∈ E, α.x = OE ⇔ α = 0K ou x = 0E .
Démonstration :
Exemple 1.1.7. .
1) Tout corps commutatif K est un K-espace vectoriel.
(K, +, .) est un K-espace vectoriel.
(Q, +, .) est un Q-espace vectoriel.
(R, +, .) est un R-espace vectoriel.
(C, +, .) est un C-espace vectoriel.
3
Soit x ∈ X et α ∈ K (f + g)(x) = f (x) + g(x) et (αf )(x) = αf (x)
(F(X, K), +, .) est un K-espace vectoriel.
1. F 6= 0.
2. F est stable par rapport à l’addition c’est à dire ∀x, y ∈ F, x + y ∈ F
3. F est stable par rapport à la multiplication externe c’est à dire ∀x ∈ E, ∀α ∈
K, α.x ∈ F .
4
i) F 6= 0.
ii) ∀(x, y) ∈ F , ∀(α, β) ∈ K2 , α.x + β.y ∈ F .
2) Si F est un sous espace vectoriel de E sur K alors 0E ∈ F .
Notation 1.2.3. .
Si F est un sous espace vectoriel de E sur un corps K, on dit aussi que F est un
K-espace vectoriel ou encore un K-s.e.v.
Exemple 1.2.4. .
1) Soit (E, +,.) un K-e.v.
{0} est un K-s.e.v de E.
E est un K-s.e.v de E.
2) (F(R, R), +, .) , l’ensemble des applications de X dans K.
I = {f ∈ F(R, R)/f est impaire}.
I est un R-s.e.v de F(R, R).
h: R → R
x 7→ 0
h(x)=0 et h(-x)=0. Donc h(-x)=-h(x)=0.
h est impaire ⇒ h ∈ I ⇒ I 6= ∅
Soient f, g ∈ I.
f ∈ I⇒ f (−x) = −f (x).
g ∈ I⇒ g(−x) = −g(x).
(f + g)(−x) = f (−x) + g(−x) = −f (x) − g(x) = −(f + g)(−x)
f + g ∈ I.
I est stable par rapport à l’addition.
Soient α ∈ R et f ∈ I.
f ∈ I⇒ f (−x) = −f (x).
(αf )(−x) = αf (−x) = −αf (x) = −(αf )(x)
αf ∈ I.
5
I est stable par mutiplication externe.
I est un R-s.e.v de F(R, R).
De même on montre que P = {f ∈ F(R, R)/f est paire}.
P est un R-s.e.v de F(R, R).
3) (R3 , +, .) est un R e.v.
F = {(x, y, z) ∈ R3 /3x − 4y + z = 0}.
i) 0R3 = (0, 0, 0).
On a 3 × 0 − 4 × 0 + O = 0. Donc 0R3 ∈ F .
D’où F 6= ∅
ii) Soient X = (x, y, z) et Y = (x0 , y 0 , z 0 )
X + Y 0 = (x, y, z) + (x0 , y 0 , z 0 ) = (x + x0 , y + y 0 , z + z 0 )
X ∈ F ⇒ 3x − 4y + z = 0
X 0 ∈ F ⇒ 3x0 − 4y 0 + z 0 = 0
On a 3(x + x0 ) − 4(y + y 0 ) + (z + z 0 ) = (3x − 4y + z) + (3x0 − 4y 0 + z 0 ) = 0
D’où X + X 0 ∈ F
F est stable par rapport à l’addition.
iii) Soient α ∈ R et X = (x, y, z) ∈ F
X ∈ F ⇒ 3x − 4y + z = 0
αX = (αx, αy, αz)
On a 3αx − 4αy + αz = α(3x − 4y + z) = 0
D’où αX ∈ F
F est stable par mutiplication externe.
F est un s.e.v de R3 .
4) (R4 , +, .) est un R e.v.
F = {(x, y, z, t) ∈ R4 /xy = t}.
i) 0R4 = (0, 0, 0, 0).
0R4 ∈ F .
6
D’où F 6= ∅
X = (1, 2, −5, 2) ∈ F car 1 × 2 = 2
Y = (2, 5, 0, 10) ∈ F car 2 × 5 = 10
X + Y = (3, 7, −5, 12) 6∈ F car 3 × 7 6= 12
F n’est pas stable par rapport à l’addition. Donc F n’est pas un s.e.v de R4
Démonstration :
i) 0E ∈ F car F est un K-s.e.v de E.
0E ∈ G car G est un K-s. e.v de E.
Donc 0E ∈ F ∩ G.
ii) Stabilité par l’addition.
Soit X, X 0 ∈ F ∩ G.
X ∈ F ∩ G ⇒ X ∈ F et X ∈ G.
X 0 ∈ F ∩ G ⇒ X 0 ∈ F et X 0 ∈ G.
X ∈ F et X 0 ∈ F ⇒ X + X 0 ∈ F .
X ∈ G et X 0 ∈ G ⇒ X + X 0 ∈ G.
Donc X + X 0 ∈ F ∩ G.
iii ) Stabilité par rapport à la mutiplication externe.
Soit α ∈ K et X ∈ F ∩ G.
X ∈ F ∩ G ⇒ X ∈ F et X ∈ G.
Donc αX ∈ F et αX ∈ G.
7
D’où αX ∈ F ∩ G
Par conséquent F ∩ G est un K-s.e.v de E.
Remarque 1.2.6. Soit (Fi )i∈I une famille de K-s.e.v de E. Alors ∩i∈I est un K-s.e.v
de E.
2) La réunion
Démonstration :
Soit (R2 , +, .) un R-espace vectoriel.
Soient u = (1, 0) et v = (0, 1) ∈ R2 .
F = {λu : λ ∈ R} est un sous-espace vectoriel de R2 .
G = {λv : λ ∈ R} est un sous-espace vectoriel de R2 .
u = 1u ∈ F ⊆ F ∪ G.
v = 1v ∈ G ⊆ F ∪ G.
u + v = (1, 0) + (0, 1) = (1, 1). (1, 1) 6∈ F et (1, 1) 6∈ G. Donc (1, 1) 6∈ F ∪ G.
Donc F ∪ G n’est pas un sous-espace vectoriel de R2 .
Démonstration :
0E ∈ F car F est un K-s.e.v de E.
0E 6∈ CE F . D’où CE F n’est pas un K-s.e.v de E.
8
Définition 1.2.10. Soient u1 , u2 , ..., un des vecteurs de E. On appelle combinaison
linéaire de u1 , u2 , ..., un , un élément de la forme λ1 u1 + λ2 u2 + ... + λn un avec
(λ1 , λ2 , ..., λn ) ∈ Kn .
Exemple 1.2.11. .
Proposition 1.2.12. Soit A une partie non vide de E. Alors, il existe un plus petit
sous-espace vectoriel de E contenant A. Ce sous-espace vectoriel est l’ensemble F
des combinaisons linéaires d’éléments de A.
Démonstration :
1) Montrons que l’ensemble des combinaisons linéaires d’éléments de A est un s.e.v
de E.
i) Soit a ∈ A. 0E = a − a = 1K a − 1K a ∈ F . Donc 0E ∈ F .
ii) Soient (X, X 0 ) ∈ F 2 et (α, α) ∈ K2 .
X ∈ F ⇒ ∃a1 , a2 , ..., as ∈ A et λ1 , λ2 , ..., λs ∈ K tel que X = λ1 a1 + λ2 a2 + ... + λs as .
X 0 ∈ F ⇒ ∃a01 , a02 , ..., a0t ∈ A et λ01 , λ02 , ..., λ0t ∈ K tel que X 0 = λ01 a01 + λ02 a02 + ... + λ0t a0t
.
αX + α0 X 0 = α(λ1 a1 + λ2 a2 + ... + λs as ) + α0 (λ01 a01 + λ02 a02 + ... + λ0t a0t ) = (αλ1 a1 +
αλ2 a2 + ... + αλs as ) + α0 λ01 a01 + α0 λ02 a02 + ... + α0 λ0t a0t ).
Posons βi = αλi , i = 1, ..., s et βi0 = α0 λ0i , i = 1, ..., t.
αX + α0 X 0 = (β1 a1 + β2 a2 + ... + β1 as ) + (β10 a01 + β20 a02 + ... + βt0 a0t ) est une combinaison
linéaire d’éléments de A.
Donc αX + α0 X 0 ∈ F .
D’où F est stable par combinaison linéaire.
Par conséquent F est un s.e.v de E sur K.
9
2) Soit a ∈ A. On a a = 1K a ∈ F . Donc A ⊆ F.
3) Soit F’ un autre s.e.v de E contenant A. Montrons que F ⊆ F 0
X ∈ F ⇒ X = λ1 a1 + λ2 a2 + ... + λs as
Or A ⊆ F 0 , donc ai ∈ F 0 , ∀i = 1, ..., n
D’où X ∈ F 0 . Par conséquent F ⊆ F 0
Remarque 1.2.14. .
1) F = Lin(A) = V ect(A) est le sous-espace de E engendré par A. A est appelé
partie génératrice de F.
2) Pour montrer qu’une partie G d’un K-e.v E est un s.e.v de E, il suffit de montrer
que G est non vide et que tout élément de G est une combinaison linéaire d’un
certain nombre de E.
Exemple 1.2.15. .
1) (R3 , +, .) est un R e.v.
F = {(x, y, z) ∈ R3 /7x + y − 3z = 0}.
i) 0R3 = (0, 0, 0).
On a 7 × 0 + 03 × O = 0. Donc 0R3 ∈ F .
D’où F 6= ∅
ii) Soit X = (x, y, z) ∈ F. Donc 7x + y − 3z = 0. D’où y = −7x + 3z.
X = (x, −7x + 3z, z) = (x, −7x, 0) + (0, 3z, z) = x(1, −7, 0) + z(0, 3, 1).
Posons u = (1, −7, 0) et v = (0, 3, 1) .
X = xu + yv.
F est un sous-espace vectoriel de R3 sur R.
F = Lin{u, v}.
{u, v} est la partie génératrice de F.
10
Proposition 1.2.16. F + G est un K-s.e.v de E.
Démonstration :
i) On a F ⊆ F + G. Comme F 6= ∅, donc F + G 6= ∅.
ii) Soient X et X’ deux éléments de F + G et α, α0 ∈ K.
X ∈ F + G ⇒ ∃x ∈ F et y ∈ G tel que X = x + y.
X 0 ∈ F + G ⇒ ∃x0 ∈ F et y 0 ∈ G tel que X 0 = x0 + y 0 .
αX + α0 X 0 = α(x + y) + α0 (x0 + y 0 ) = αx + αy + α0 x0 + α0 y 0 .
Posons z = αx + α0 x0 ∈ F et z 0 = αy + α0 y 0 .
D’où F + G est un sous-espace vectoriel de E.
Définition 1.2.18. Un K-e.v E est de dimension finie s’il peut être engendré par
une partie finie.
i=n
X
1. Ei = E1 + E2 + ... + En est un K-s.e.v E.
i=1
2. Les sous-espaces vectoriels E1 , E2 , ..., En sont dit supplémentaires dans E sssi
i=n
X Xi=n
Ei = E et Ej ∩ ( Ei ) = 0E .
i=1 i=1
11
1. E1 et E2 sont supplémentaires dans E.
Démonstration :
1) ⇒ 2) Comme E1 et E2 sont supplémentaires, donc E = E1 + E2 et E1 ∩ E2 = {0}.
Soit X ∈ E. Il existe X1 ∈ E1 et X2 ∈ E2 tels que X = X1 + X2 .
Supposons X10 ∈ E1 et X20 ∈ E2 tels que X = X10 + X20 .
On a X = X1 + X2 = X10 + X20 .
Donc X1 − X10 = X20 − X2 .
X1 − X10 ∈ E1 et X20 − X2 ∈ E2 .
X1 − X10 ∈ E1 ∩ E2 et X20 − X2 ∈ E2 ∩ E2 .
Or E1 ∩ E2 = {0}.
Donc X1 − X10 = 0 et X20 − X2 = 0.
D’où X1 = X10 et X20 = X2 .
2) ⇒ 3) E1 et E2 sont des sous-espaces vectoriels de E. Donc E1 + E2 est un sous-
espace vectoriel de E. D’où E1 + E2 ⊆ E. (1).
Soit X ∈ E DoncE + X2 avec X1 ∈ E1 , X2 ∈ E2 . E1 + E2 ⊆ E. (2)
Définition 1.2.22. .
On dit que deux s.e.v E1 et E2 constituent une somme directe de E s’ils vérifient
l’une des conditions équivalentes du théorème précédente.
E1 ⊕ E2 = E.
12
1.2.3 Bases, dimensions d’un espace vectoriel
1) Dépendance linéaire - Indépendance linéaire
Définition 1.2.23. .
Soient {u1 , u2 , ..., un } une famille d’éléments du K-e.v E. On dira que {u1 , u2 , ..., un }
est une famille liée ou que les éléments u1 , u2 , ..., un sont linéairement indépendants
s’il existe des scalaires α1 , α2 , ..., αn non tous nuls tels que α1 u1 + α2 u2 + ... + αn un =
0E .
Définition 1.2.24. .
Soient {u1 , u2 , ..., un } une famille d’éléments du K-e.v E. On dit que {u1 , u2 , ..., un }
est une famille libre ou que les éléments u1 , u2 , ..., un sont sont linéairement indépen-
dants si toute relation α1 u1 + α2 u2 + ... + αn un = 0E implique α1 = α2 = ... = αn =
OK .
Exemple 1.2.25. .
Remarque 1.2.26. .
Soit S = u1 , u2 , ..., un une famille de vecteurs du K-e.v E. {u1 , u2 , ..., un } est lié si
l’un au moins des vecteurs est une combinaison linéaire des autres.
Démonstration :
13
Proposition 1.2.28. Soit E un K-e.v E. Alors, on a :
1. Toute famille de vecteurs de E contenant une sous famille liée est liée.
Démonstration :
2) Bases
Remarque 1.2.30. .
{0E } n’admet pas de base.
Exemple 1.2.31. .
Théorème 1.2.32. .
Soit S = u1 , u2 , ..., un une base du K-e.v E. Alors pour tout X ∈ E, il existe un
nu plet unique (α1 , α2 , ..., αn ) ∈ Kn tel que X = α1 u1 + α2 u2 + ... + αn un . Les
α1 , α2 , ..., αn sont les composantes de X dans la base S = u1 , u2 , ..., un . αi représente
la iime composante de X dans la base S = u1 , u2 , ..., un .
Exemple 1.2.33. .
14
Définition 1.2.34. On appelle dimension d’un K-e.v E, le nombre d’éléments d’une
base de E. On le note dimK E = dim(E).
dimK ({0}) = 0.
Exemple 1.2.35. .
Exemple 1.2.37. .
Exemple 1.2.39. .
15
1. S est un sytème générateur de E.
2. S est libre.
Exemple 1.2.41. .
16
Autrement dit : Le rang de S est le nombre maximal de vecteurs linéairement in-
dépendants que l’on peut extraire de S.
Le rang de S se note Rg(S)/
Remarque 1.2.46. .
Soit S = u1 , u2 , ..., up un système de vecteurs de E. Alors 1 ≤ Rg(S) ≤ p.
Exemple 1.2.47. .
2) Méthode de Gauss-Jordan
En général, on utilisera la méthode du Pivot de Gauss pour la recherche du rang
d’un système de vecteurs, pour la relation de dépendance linéaire entre les vecteurs
d’un sytème, pour trouver la dimension d’un s.e.v, pour vérifier si un système est
libre, pour trouver une base, etc...
Remarque 1.2.50. .
Le sous-espace vectoriel engendré par S ne change pas si on effectue sur ce système
une ou plusieus opérations élémentaires.
17
Exemple 1.2.51. .
18