Chapitre 1

ESPACES VECTORIELS

1.1 Définitions et Exemples

Soit K un corps commutatif.

Définition 1.1.1. Soient E et K deux ensembles :

i) On appelle loi de composition enterne sur E de domaine K à gauche toute appli-
cation de K × E → E.
· K×E → E
On note
(α, x) 7→ α · x
ii) On appelle loi de composition externe sur E de domaine K à droite toute appli-
cation de E × K → E.
· E×K → E
On note
(x, α) 7→ x · α

Remarque 1.1.2. .

1. En général nous utiliserons la notation « · » pour désigner le loi de composition

externe.

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.

2) Soit K un corps commutatif.

K × K {z
× ... × K}
Kn = |
n f ois
Soient X = (x1 , x2 , ..., xn ) et Y = (y1 , y2 , ..., yn ) deux éléments de Kn et α ∈ K.
X + Y = (x1 + y1 , x2 + y2 , ..., xn + yn ) et αX = (αx1 , αx2 , ..., αxn )
(Kn , +, .) est un K-espace vectoriel.
(Qn , +, .) est un Q-espace vectoriel.
(Rn , +, .) est un R-espace vectoriel.
(Cn , +, .) est un C-espace vectoriel.
3) Soient X un ensemble quelconque et K un corps commutatif.
F(X, K) , l’ensemble des applications de X dans K.
Soient f et g ∈ F(X, K).
f: X → K
x 7→ f (x)
g: X → K
x 7→ g(x)

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.

4) Rn [x] : l’ensemble des polynômes de degré inférieur ou égal à n à coefficients

réels.
Soit P (x) ∈ Rn [x]. Donc P (x) = a0 + a1 x + ... + an xn avec ai ∈ R, 1 ≤ i ≤ n.
Soient P (x), Q(x) ∈ Rn [x] et α ∈ R.
P (x) = a0 + a1 x + ... + an xn et Q(x) = b0 + b1 x + ... + bn xn .
P (x) + Q(x) = a0 + b0 + (a1 + b1 )x + ... + (an + bn )xn .
α.P (x) = αa0 + αa1 x + ... + αan xn .
(Rn [x], +, .) est un R-espace vectoriel appelé espace vectoriel des polynômes de degré
inférieur ou égal à n à coefficients réels.

1.2 Sous-espace vectoriel

1.2.1 Définitions et Exemples

Définition 1.2.1. Soient E un K-e.v et F une partie de E. On dit que F est un
sous-espace vectoriel de E si F vérifie les conditions suivantes :

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 .

Remarque 1.2.2. Soit E un K-e.v.

1) Une partie F de E et un sous-espace vectoriel de E sur K sssi :

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

1.2.2 Opérations sur les sous-espaces vectoriels

Soient E un K-e.v, F et G deux K-s.e.v de E.
1) L’intersection

Proposition 1.2.5. F ∩ G est un K-s.e.v de E.

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

Proposition 1.2.7. F ∪ G n’est pas en général un K-s.e.v de E.

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 .

Remarque 1.2.8. F ∪ G est un K-s.e.v de E si et seulement si F ⊆ G ou G ⊆ F.

3) Complémentaire d’un sous-espace vectoriel

Proposition 1.2.9. CE F n’est pas en général un K-s.e.v de E.

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.

4) Sous-espace vectoriel engendré

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.

Notation 1.2.13. F est appelé le K-s.e.v de E engendré par A.

F = V ect(A) = Lin(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.

5) Somme de sous-espaces vectoriels

F + G = {x + y : x ∈ F, y ∈ G}

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.

Remarque 1.2.17. F + G = Lin(F ∪ G)

Définition 1.2.18. Un K-e.v E est de dimension finie s’il peut être engendré par
une partie finie.

Définition 1.2.19. On dit que deux sous-espaces vectoriels E1 et E2 du K-e.v E

sont supplémentaires dans E s’ils vérifient les deux conditions suivantes :
E1 ∩ E2 = {0} et E1 + E2 = E .

Remarque 1.2.20. Soient E1 , E2 , ..., En des K-s.e.v E.

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

Théorème 1.2.21. Soient E un K-e.v et E1 , E2 deux K-s.e.v de E. Alors les con-

ditions suivantes sont équivalentes :

11
 1. E1 et E2 sont supplémentaires dans E.

2. Tout élément X de E s’écrit de manière unique sous la forme X = X1 + X2

avec X1 ∈ E1 , X2 ∈ E2 .

3. E = E1 + E2 et ∀X1 ∈ E1 , ∀X2 ∈ E2 , (X1 + X2 = 0) ⇒ (X1 = 0E et

X2 = 0E ).

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.

Proposition 1.2.27. Soit E un K-e.v E. Alors, on a :

1. Toute famille réduite à un vecteur non nul est libre.

2. Toute famille de E contenant le vecteur nul est lié.

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.

2. Tout sous-ensemble d’une famille libre est libre.

Démonstration :

2) Bases

Définition 1.2.29. Soit S = u1 , u2 , ..., un une famille de vecteurs du K-e.v E. On

dit que S = u1 , u2 , ..., un est une base de E sssi S est libre et génératrice de E c’est
à dire ∀X ∈ E,∃λ1 , λ2 , ..., λn ∈ K tel que X = λ1 u1 + λ2 u2 + ... + λn un

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. .

3) Dimension d’un espace vectoriel

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. .

Proposition 1.2.36. Soit E un K-e.v de dimension finie et E 6= {0}. Alors de toute

famille génératrice de E, on peut extraire une base.

Théorème de la base imcomplète

Soit E un K-e.v de dimension finie et E 6= {0}. Pour toute famille libre u1 , u2 , ..., up
de E il existe v1 , v2 , ..., vq tels que u1 , u2 , ..., up , v1 , v2 , ..., vq soit une base de E.
Soit E un K-e.v de dimension finie et E 6= {0}. Alors toute famille libre de E peut
etre compléter de manière à avoir une base de E.

Exemple 1.2.37. .

Proposition 1.2.38. Soit E un K-e.v de dimension finie. Alors les s.e.v E1 et E2

de E sont supplémentaires dans E si et seulement si pour toute base B1 de E1 et
pour toute base B2 de E2 , B1 ∪ B2 est une base de E.

Exemple 1.2.39. .

Proposition 1.2.40. Soit E un K-e.v de dimension finie n et S une famille d’élé-

ments de E. Si Card(S) = dimK (E), alors les conditions suivantes sont équiva-
lentes :

15
 1. S est un sytème générateur de E.

2. S est libre.

3. S est une base.

Exemple 1.2.41. .

Théorème 1.2.42. Soient E un K-e.v de dimension finie et F un s.e.v de E. Alors

on a les assertions suivantes :

1. dimK (F ) ≤ dimK (E).

2. dimK (F ) = dimK (E) si et seulement si E=F.

3. Si G est un s.e.v de E tel que F ⊆ G et dimK (F ) = dimK (G).

Remarque 1.2.43. Soit E un K-e.v de dimension finie n.

1. Toute partie libre de E a au plus n éléments.

2. Toute partie génératrice de E a au moins n éléments.

Théorème 1.2.44. Soient E1 et E2 deux sous-espace vectoriel d’un K-e.v E de

dimension finie. Alors dim(E1 + E2 = dim(E1 ) + dim(E2 ) − dim(E1 ∩ E2 ).

1.2.4 Rang d’un systéme de vecteurs

1) Définition et exemples

Définition 1.2.45. Soit E un K-e.v et S = u1 , u2 , ..., up un système de vecteurs. Le

rang de S est la dimension du s.e.v engendré par S.

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...

Définition 1.2.48. Soient S1 et S2 deux familles devecteurs de E. On dire que S1

et S2 sont équivalentes si et seulement si Lin(S1 ) = Lin(S2 )

Définition 1.2.49. Soit S un système de vecteurs de E. On appelle opération élé-

mentaire dans S, l’une des opérations suivantes :

1. Changement de l’ordre des éléments du système S.

2. Multiplication d’un élément de S par un scaliare non nul.

3. Substitution d’unélément de S par une combinaison linéaire de vecteurs de S.

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