UNIVERSITE CHEIKH ANTA DIOP DE DAKAR

FACULTE DES SCIENCES ET TECHNIQUES

DEPARTEMENT DE MATHEMATIQUE ET
INFORMATIQUE
Première Année
Algèbre : 2019 - 2020

...

1er juin 2020

Table des matières

1 Espaces vectoriels 3
1.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Définitions et exemples . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Exemples (usuels) d’espaces vectoriels usuels . . . . . . . . . . . 6
1.2 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 Définition et exemples . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Opérations sur les sous-espaces vectoriels . . . . . . . . . . . . . 9
1.3 Bases et dimension d’un espace vectoriel . . . . . . . . . . . . . . . . . 13
1.3.1 Dépendance linéaire et indépendance linéaire . . . . . . . . . . . 13
1.3.2 Bases d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . 15
1.3.3 Dimension d’un espace vectoriel . . . . . . . . . . . . . . . . . . 15
1.3.4 Rang d’un système de vecteurs . . . . . . . . . . . . . . . . . . 17

2
Chapitre 1

Espaces vectoriels

Sommaire
1.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Définitions et exemples . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Exemples (usuels) d’espaces vectoriels usuels . . . . . . . . . 6
1.2 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . 8
1.2.1 Définition et exemples . . . . . . . . . . . . . . . . . . . . . . 8
1.2.2 Opérations sur les sous-espaces vectoriels . . . . . . . . . . . 9
1.3 Bases et dimension d’un espace vectoriel . . . . . . . . . . 13
1.3.1 Dépendance linéaire et indépendance linéaire . . . . . . . . . 13
1.3.2 Bases d’un espace vectoriel . . . . . . . . . . . . . . . . . . . 15
1.3.3 Dimension d’un espace vectoriel . . . . . . . . . . . . . . . . 15
1.3.4 Rang d’un système de vecteurs . . . . . . . . . . . . . . . . . 17

1.1 Généralités

1.1.1 Définitions et exemples

Soit K un corps commutatif (Q, R ou C).

3
1.1. GÉNÉRALITÉS

Définition 1.1.1 On appelle loi de composition externe sur un ensemble E, de do-

maine K à gauche, toute application de K × E dans E. On note :
· : K × E −→ E
(α, x) 7−→ α·x

Définition 1.1.2 On appelle loi de composition externe sur un ensemble E, de do-

maine K à droite, toute application de E × K dans E. On note :
· : E × K −→ E
(x, α) 7−→ x·α

Remarque 1.1.1 1. En général, nous utiliserons la notation 00 ·00 pour désigner la

loi de composition externe.
2. En général la loi de composition externe est aussi appelée la mutiplication externe.

Définition 1.1.3 Soit E un ensemble muni d’une loi de composition interne notée
additivement, et K un corps commutatif. On dira que E est un espace vectoriel sur K
si E vérifie les conditions suivantes :

1. (E, +) est un groupe abélien.

2. Il existe une loi de composition externe sur E notée
· : K × E −→ E
(α, x) 7−→ α · x, vérifiant

(P1 ) α · (x + y) = α · x + α · y, ∀α ∈ K, ∀(x, y) ∈ E 2 .
(P2 ) (α + β) · x = α · x + β · x, ∀(α, β) ∈ K2 , ∀x ∈ E.
(P3 ) α · (β · x) = (αβ) · x, ∀(α, β) ∈ K2 et ∀x ∈ E.
(P4 ) 1K · x = x, ∀ ∈ E.

Remarque 1.1.2 Les éléments de E sont appelés les vecteurs et les éléments de K
sont appelés les scalaires.

4
CHAPITRE 1. ESPACES VECTORIELS

Note 1.1.1 Si E est un espace vectoriel sur K, on dit aussi E est un K-espace vectoriel
ou encore, on écrit : E est un K-e.v ou (E, +, .) est un e.v. sur K.

Remarque 1.1.3 (Règles de calcul dans un espace vectoriel)

Soit (E, +, .) un K-e.v. Alors on a les assertions suivantes :


1. ∀x ∈ E, ∀α ∈ K, α · x = 0E ⇐⇒ α = OK ou x = 0E ;

2. ∀α ∈ K, ∀(x, y) ∈ E 2 , α · (x − y) = α · x − β · y ;

3. ∀α ∈ K, ∀y ∈ E, α · (−y) = −α · y ;

4. ∀(α, β) ∈ K2 , ∀x ∈ E, (α − β) · x = α · x − β · x ;

5. ∀β ∈ K, ∀x ∈ E, (−β) · x = −β · x

Preuve.

1. ⇒) Montrons si α = 0K ou x = 0E , alors α · x = 0E .
Si α = 0K , soit x ∈ E. On a : 0K · x = (0K + 0K ) · x = 0K · x + 0K · x, d’après la
propriété P2 précédente, on a (−0K · x + 0K · x = 0K · x + 0K · x + (−0K · x). Donc
0K · x = 0E .
Si x = 0E , montrons que α · 0E = 0E , ∀α ∈ K. Soit α ∈ K, α · 0E = α · (0E + 0E ).
Donc, α · 0E = α · 0E + α · 0E .
α · 0E + (−α · 0E ) = (α · 0E ) + (α · 0E ) + (−α · 0E ). Donc, 0E = α · 0E + 0E , alors
α.OE = 0E .
⇐) Montrons que si α.x = OE , alors α = 0K ou x = 0E .
Si α 6= 0K et K est un corps, alors ∃α0 ∈ K tel que α · α0 = α0 · α = 1K (car tout
élément non nul d’un corps est inversible). Or, α·x = 0E ⇒ α0 ·(α·x) = α0 ·0E = 0E .
Donc, (α0 · α) · x = 0E . Donc, 1K · x = 0E .
Si x 6= 0E , montrons que α = 0K . Supposons par absurde que α 6= 0K . Comme
α ∈ K ⇒ ∃α00 ∈ K tel que α00 · α = α · α00 = 1K , or α · x = 0E ⇒ α00 · (α · x) = 0E .
Donc, (α00 · α) · x = 0E , donc, 1K · x = 0E , x = 0E , ce qui est en une contradiction.
Par conséquent, α = 0K .

5
1.1. GÉNÉRALITÉS

2. Montrons que ∀(x, y) ∈ E 2 , ∀α ∈ K, α·(x−y) = α·x−α·y. Soient α ∈ K, (x, y) ∈

E 2.
α · (x − y) + α · y = α · (x − y + y) = α · (x + 0E ,
α·(x−y)+α·y = α·(x+0E ) = α·x, donc, α·(x−y)+α·y+(−α·y) = α·x+(−α·y),
α · (x − y) + 0E = α · x − α · y, d’où α · (x − y) = α · x − α · y.
3. En posant x = 0E , dans (2), on a ; :

α · (0E − y) = α · 0E − α · y

Donc α · (−y) = −α · y.

1.1.2 Exemples (usuels) d’espaces vectoriels usuels

1. Tout corps commutatif K est un K-e.v.
– (K, +) est un groupe abélien.
– (K, +, ·) est un K-e.v .
En particulier, (Q, +, ×) est un Q-e.v ; (R, +, ×) est R-e.v ; (C, +, ×) est un C-e.v.
(Z/pZ, +, ×) est un Z/pZ -e.v. (p premier).
√ √ √
Cependant (Q, +, ×) n’est pas un R-e.v , car 1 ∈ Q, 2 ∈ R et 2 · 1 = 2 6 inQ.
De même, (R, +, ×) n’est pas un C-e.v , car 1 ∈ R, i ∈ C, i · 1 = i 6∈ R.
2. Soit K un corps commutatif. Kn = K × K × · · · × K, (n ≥ 1).
– Addition :
Soit X = (x1 , x2 , ..., xn ) et X 0 = (x01 , x02 , ..., x0n ) deux éléments de Kn .

X + X 0 = (x1 + x01 , x2 + x02 , ..., xn + x0n )

– Multiplication externe :
Soient X = (x1 , x2 , ..., xn ) ∈ Kn et α ∈ K. α · X = (α.x1 , α.x2 , ..., α.xn ).
· : K × Kn −→ Kn
(α, X) 7−→ α · X
(K , +, ×) est une K-e.v. De même, (Qn , +, ×) est un Q-e.v ; (Rn , +, ×) est un
n

6
CHAPITRE 1. ESPACES VECTORIELS

R-e.v ; (Cn , +, ×) est un C-e.v ; (Z/pZ, +, ×) est un Z/pZ-e.v, p étant un entier

premier.
3. Soit X un ensemble quelconque et K un corps commutatif. F(X, K) est l’ensemble
des applications de X dans K.
– Addition :
Soient f et g deux éléments de F(X, K).
Soit x ∈ X, on a (f + g)(x) = f (x) + g(x) donc,
f + g : X −→ K
x 7−→ f (x) + g(x)
– Multiplication externe :
Soient α ∈ K et f ∈ F(X, K). Soit x ∈ X, (α · f )(x) = α · f (x).
α · f : X −→ K
x 7−→ α · f (x)
(F(X, K), +, ·) est un K-e.v appelé l’espace vectoriel des applications de X dans
K.
– X = R, K = R, (F(R, R), +, ×) est R-e.v .
– X = N, K = R, (F(N, R), +, ×) est R-e.v, appelé espace vectoriel des suites
réelles .
– X = N, K = C, (F(N, C), +, ×) est C-e.v, appelé espace vectoriel des suites
complexes.
4. Rn [x] l’ensemble des polynômes de degré inférieur ou égal à n, à coefficients dans
R.
Soit p(x) ∈ Rn [x], p(x) = a0 + a1 x + · · · + an xn où ai ∈ R, 0 ≤ i ≤ n.
– Addition :
Soient p(x) = a0 + a1 x + · · · + san xn et q(x) = b0 + b1 x + · · · + bn xn où
ai ∈ R, 0 ≤ i ≤ n et bi ∈ R, 0 ≤ i ≤ n.

p(x) + q(x) = (a0 + b0 ) + (a1 + b1 )x + · · · + (an + bn )xn

– Multiplication externe :
Soient α ∈ K. α · p(x) = (α · a0 ) + (α · a1 )x + · · · + (α · an )xn .

7
1.2. SOUS-ESPACES VECTORIELS

(Rn [X], +, ·) est un R-e.v, appelé l’espace vectoriel des polynômes de degré
inférieur ou égal à n coefficients réels.

1.2 Sous-espaces vectoriels

1.2.1 Définition et exemples

Soit (E, +, ·) est un K-e.v.

Définition 1.2.1 Soit F une partie de E. On dit que F est un sous-espace vectoriel
de E sur K si :

1. F 6= ∅ ;
2. F est stable pour l’addition, i.e, ∀(x, y) ∈ F 2 , x + y ∈ F ;
3. F est stable pour la multiplication externe, i.e, ∀α ∈ K, ∀x ∈ F , on a α · x ∈ F.

Note 1.2.1 Si F est un sous-espace vectoriel de E sur K. On dit aussi que F est un
K-sous espace vectoriel. On note F est K-s.e.v.

Remarque 1.2.1 1. F est un K-s.e.v. si F 6= ∅ , et pour tous (α, β) ∈ K2 , (x, y) ∈

F 2, α · x + β · y ∈ F .
2. Si F est K-s.e.v de E, alors 0E ∈ F .

Exemple 1.2.1 1. E et {0E } sont K-s.e.v de E.

2. Vérifier que F = {(x, y, z) ∈ R3 : 2x − 3y + 4z = 0} est un s.e.v de (R3 , +, ·).
3. Vérifier que G = {(x, y, z, t) ∈ R4 : xy = 0} n’est pas un sous-espace vectoriel de
R4 .
Les exemples suivants sont à montrer :
4. (F(R, R), +, ·) est un R-e.v.
– H1 = {f ∈ F(R, R) : f est continue sur R} est un R-s.e.v .
– H2 = {f ∈ F(R, R)/f est paire} est un R-s.e.v .

8
CHAPITRE 1. ESPACES VECTORIELS

– H3 = {f ∈ F(R, R)/f est impaire} est un R-s.e.v .

R1
– H4 = {f ∈ F(R, R)/ 0 f (t)dt} est un R-s.e.v .

5. (Rn [x], +, ·) est un R-e.v .

– G1 = {p(x) ∈ Rn [x]/p0 (0) = 0} est un R-s.e.v .
– G1 = {p(x) ∈ Rn [x]/p(1) = p0 (1) = 0} est un R-s.e.v .

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.

a) Intersection

Proposition 1.2.1 F ∩ G est un sous-espace vectoriel de E sur K.

Preuve.

1. F ∩ G 6= ∅.
On a 0E ∈ F car F est un sous-espace vectoriel, de même que G.
Donc, 0E ∈ F ∩ G, d’où F ∩ G 6= ∅.

2. Soient (α, α0 ) ∈ K2 et (X, X 0 ) ∈ (F ∩ G)2 , α · X + α0 · X 0 ∈ F ∩ G. X ∈ F ∩ G ⇒

X ∈ F et X ∈ G ; X 0 ∈ F ∩ G ⇒ X 0 ∈ F et X 0 ∈ G.
On a X, X 0 ∈ F ⇒ α · X + α0 · X 0 ∈ F , car F est un s.e.v.
De même X, X 0 ∈ G ⇒ α · X + α0 · X 0 ∈ G, car G est un s.e.v.
Donc α · X + α · X 0 ∈ F ∩ G. Ainsi, F ∩ G est un sous-espace vectoriel de E.

T
Remarque 1.2.2 Soit (Fi )i∈I une famille de K-s.e.v de E . Alors i∈I Fi est un K -
s.e.v de E.

b) Réunion

Proposition 1.2.2 F ∪ G n’est pas en général un sous-espace vectoriel de E.

9
1.2. SOUS-ESPACES VECTORIELS

Preuve. On sait que (R2 , +, ·) un R-e.v . On pose F1 = {λ · µ1 /λ ∈ R}, µ1 = (1, 0)}

qui est un sous-espace vectoriel. Il en est de même de F2 = {λ · µ2 /λ ∈ R}, µ2 = (0, 1)}.
F1 ∪ F2 n’est pas un sous-espace vectoriel de R2 , car µ1 + µ2 6∈ F1 ∪ F2 .

Remarque 1.2.3 F ∪ G est un sous-espace vectoriel de E si et seulement si F ⊂ G

ou G ⊂ F .

c) Complémentaire d’un sous-espace vectoriel

Proposition 1.2.3 CE F n’est pas sous-espace vectoriel de E.

Preuve. Comme F est un sous-espace vectoriel de E, alors, 0E ∈ F . Donc, 0E 6∈ CE F .

Donc CE F n’est pas un sous-espace vectoriel de E.

d) Sous-espace vectoriel engendré

Définition 1.2.2 Soient (u1 , u2 , ..., un ) des vecteurs de E. On appelle combinaison li-
néaire des éléments (u1 , u2 , ..., un ), un élément de la forme λ1 · u1 + λ2 · u2 + · · · + λn · un ,
où λi ∈ K, i = 1, 2, ..., n.

Exemple 1.2.2 1. (Rn , +, ·) est un R-espace vectoriel. Soit X = (x1 , x2 , ..., xn ) ∈

Rn .
X = x1 (1, 0, ..., 0) + x2 (0, 1, 0, ..., 0) + · · · + xn (0, 0, ..., 1). X est une combinaison
linéaire des éléments (1, 0, ..., 0), (0, 1, 0, ..., 0), ..., (0, 0, ..., 1).
2. (Rn [x], +, ·) est un R-espace vectoriel. Soit p(x) = a0 + a1 x + a2 x2 + · · · + an xn un
élément de Rn [x]. p(x) est une combinaison linéaire des éléments 1, x, x2 ,..., xn .
3. (R2 , +, ·) est un R-espace vectoriel. u = (2, 3) = 2 · (1, 0) + 3 · (0, 1). u est une
combinaison linéaire de (1, 0) et (0, 1).

Proposition 1.2.4 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 de toutes
les combinaisons linéaires d’éléments de A.

10
CHAPITRE 1. ESPACES VECTORIELS

Note 1.2.2 F est appelé le sous-espace vectoriel de E engendré par A.

F = V ect(A) = lin(A). A est appelée partie génératrice de F.

Définition 1.2.3 Soit A une partie non vide d’un K-e.v de E. On appelle sous-espace
engendré par A, le plus petit sous-espace vectoriel de E contenant A. V ect(A) =
T
A⊂F F (où F est s.e.v de E contenant A).

Remarque 1.2.4 1. X ∈ V ect(A) ⇐⇒ ∃a1 , a2 , ..., as ∈ A, et ∃α1 , α2 , ..., αs ∈ K tel

que X = α1 · a1 + · · · + αs · as .
2. Si A = φ, alors V ect(A) = {0E }.
3. Pour montrer qu’une partie G de E est un K-s.e.v de E, il suffit de montrer que
G 6= ∅, et que tout élément de G est une combinaison linéaire de vecteurs de E.

Exemple 1.2.3 1. G1 = {(x, y, z) ∈ R3 /2x − 3 + z = 0} = V ect{(1, 0, −2), (0, 1, 3)}

.
2. G2 = {p(x) ∈ R3 [x]/p(1) = p0 (1) = 0} = V ect{1 − 2x + x2 , 2 − 3x + x3 }.

e) Somme de sous-espaces vectoriels

Proposition 1.2.5 F + G est un sous-espace vectoriel de E sur K.

Preuve.
– On a 0E ∈ F et 0E ∈ G, donc 0E ∈ F + G 6= ∅.
– Soient X, Y ∈ F + G et (α, β) ∈ K2 . X ∈ F + G ⇒ ∃x0 ∈ F, y 0 ∈ G tel que
X = x0 + y 0 . De même, Y ∈ F + G ⇒ ∃x” ∈ F, y” ∈ G tel que X = x” + y”.
Ainsi, α·X +β·Y = α(x0 +y 0 )+β(x”+y”) = z+z 0 ∈ F +G, avec z = αx0 +βx” ∈ F
et αy 0 + βy” ∈ G. Par conséquent, F + G est un sous-espace vectoriel de E.

Remarque 1.2.5 F + G = lin(F ∪ G).

Définition 1.2.4 On dit que deux sous-espaces vectoriels F et G de E sont supplémen-

taires dans E si F ∩ G = {0E } et F + G = E.

Remarque 1.2.6 Soient F1 , F2 , ..., Fn des K-e.v de E.

11
 1.2. SOUS-ESPACES VECTORIELS

Pn
1. i=1 Fi = F1 + F2 + · · · + Fn est un K-e.v de E.
2. Les sous-espaces vectoriels F1 , F2 , ..., Fn sont dits supplémentaires dans E, si :

n
X n
X
Fi = E et Fj ∩ ( Fi ) = {0E }, (∀j = 1, 2, ..., n)
i=1 i=1,i6=j

Théorème 1.2.1 (Caractérisation des sous-espaces vectoriels supplémentaires)

Soient E1 et E2 deux K-s.e.v de E. Alors les conditions suivantes sont équivalentes :
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 et x2 ∈ E2 .
(
x1 = 0E

3. E = E1 + E2 et ∀x1 ∈ E1 , ∀x2 ∈ E2 , x1 + x2 = 0E ⇒
x2 = 0E

Preuve.
1) ⇒ 2) Comme E1 et E2 sont supplémentaires dans E, on a E1 + E2 = E et E1 ∩ E2 =
{0E }. Soit X ∈ E∃x1 ∈ E1 , x2 ∈ E2 tel que X = X1 + X2 . Supposons ∃x01 ∈ E1
et x02 ∈ E2 tel que X = x01 + x02 . Donc x1 + x2 = x01 + x02 , donc x1 − x01 = x02 − x2 .
x1 − x01 ∈ E1 et x02 − x2 ∈ E donc x1 − x01 ∈ E1 ∩ E2 et x02 − x2 ∈ E1 ∩ E2 .
Or E1 ∩ E2 = {0E }, d’où x1 − x01 = 0E et x02 − x2 = 0E , donc x1 = x01 et x2 = x02 ,
d’où l’écriture unique.
2) ⇒ 3) On a : )
E1 s.e.v de E
⇒ E1 + E2 s.e.v de E doncE1 + E2 ⊂ E
E2 s.e.v de E
Soit X ∈ E ⇒ ∃x1 ∈ E1 et x2 ∈ E2 tel que X = x1 + x2 donc X ∈ E1 + E2 , donc
E ⊂ E1 + E2 d’où E1 + E2 = E.
Soit x1 ∈ E1 et x2 ∈ E2 tel que x1 + x2 = 0E . Or 0E = 0E + 0E . Donc x1 = 0E et
x2 = 0E , car l’écriture de 0E est unique.
3) ⇒ 1) D’après 3) on a E1 + E2 = E. Vérifions que E1 ∩ E2 = 0E . Soit X ∈ E1 ∩ E2 .
X ∈ E1 et X ∈ E2 ; et X + (−X) = 0E , et d’après le 3), X = 0E . D’où le résultat.

12
CHAPITRE 1. ESPACES VECTORIELS

Définition 1.2.5 On dit que deux sous-espaces vectoriels E1 et E2 constituent une

somme directe de E s’ils vérifient l’une des conditions équivalentes du théorème précé-
dent.

Note 1.2.3 E1 ⊕ E2 = E.

Exemple 1.2.4 1. On pose E1 = {(x, 0) : x ∈ R} et E2 = {(0, x) : x ∈ R}. Vérifier

que E1 ⊕ E2 = R2 .
2. On pose P = {f ∈ F(R, R) : f paire} et P = {f ∈ F(R, R) : f impaire}.
Vérifier que P ⊕ I = F(R, R).

1.3 Bases et dimension d’un espace vectoriel

1.3.1 Dépendance linéaire et indépendance linéaire

Définition 1.3.1 Soit {u1 , u2 , ..., un } une famille de vecteurs d’un K-e.v E. On dit que
la famille {u1 , u2 , ..., un } est liée s’il existe des scalaires non tous nuls (α1 , α2 , ..., αn ) ∈
Kn tels que α1 · u1 + · · · + αn · un = 0E .

Remarque 1.3.1 1. On dit que les vecteurs u1 , u2 , ..., un sont linéairement dépen-
dants si la famille {u1 , u2 , ..., un } est liée.
2. La famille {u1 , u2 , ..., un } est liée si l’un au moins des vecteurs est une combinaison
linéaire des autres vecteurs, i.e ∃p ∈ {1, 2, ..., n} tel que up = ni=1,i6=p αi ui .
P

Définition 1.3.2 Soit {u1 , u2 , ..., un } une famille de vecteurs d’un K-e.v E. On dit que
la famille {u1 , u2 , ..., un } est libre, si toute relation α1 · u1 + · · · + αn · un = 0E implique
α1 = α2 = · · · = αn = 0K . Autrement dit, les vecteurs {u1 , u2 , ..., un } sont linéairement
indépendants, si (α1 , α2 , ..., αn ) ∈ Kn , on a α1 · u1 + · · · + αn · un = 0E ⇒ α1 = α2 =
· · · = αn = 0K .

Remarque 1.3.2 Soit {ui /i ∈ I} une famille de vecteurs du K-e.v E. La famille

{ui /i ∈ I} est libre si ∀n ∈ N∗ , {u1 , u2 , ..., un } est libre.

13
1.3. BASES ET DIMENSION D’UN ESPACE VECTORIEL

Exemple 1.3.1 1. La famille S1 = {u1 , u2 } avec u1 = (1, 1) et u2 = (1, 2) est libre.

2. La famille {(1, 2, 0), (−2, −1, 1), (0, 3, 1)} est libre .
3. La famille {sin(t), cos(t)} est libre .

Proposition 1.3.1 Soit E un K-e.v. Alors les assertions suivantes sont vérifiées :
1. Toute famille réduite à un vecteur non nul est libre.
2. Toute famille de E contenant le vecteur nul est liée.

Preuve.
1. Soit u ∈ E tel que u 6= 0E . Soit α ∈ K tel que α · u = 0E . Ceci implique α = 0K
donc {u} est libre.
2. Soit S 0 = {u1 , ..., uk , 0E , uk+1 , ..., un } une famille de vecteurs de E. On a 0K · u1 +
0K ·u2 +· · ·+0K ·uk−1 +1K ·0E +0K ·uk+1 +· · ·+0K ·un = 0E . On a une combinaison
linéaire nulle dont les coefficients ne sont pas tous nuls. Donc S’ est une famille
liée.

Proposition 1.3.2 Soit (E, +, ·) un K-e.v. Alors les assertions suivantes sont véri-
fiées :
1. Toute famille de vecteurs de E contenant un sous-ensemble lié est lié.
2. Tous sous-ensemble d’une famille libre est libre.

Preuve.
1. Soit S = {u1 , ..., up , up+1 , ..., un } une famille de n vecteurs de E. Si {u1 , ..., up } est
liée, donc ∃k ∈ {1, ..., p} tel que uk = pi=1,i6=k αi ui donc ∃k ∈ {1, ..., n} tel que
P

uk = pi=1,i6=k αi ui avec αp+1 = αn = ... = 0K , donc S est une famille liée.

P

2. Soit S = {u1 , ..., up , ..., un } une famille libre de vecteurs de E. S 0 = {u1 , ..., up }
est un sous-ensemble de S’. Soient α1 , ..., αp ∈ K tel que pi=1 αi ui = 0E . Donc
P
Pp
i=1 αi ui + 0K · up+1 + · · · + 0K · un = 0E . Comme {u1 , ..., up , ..., un } est une famille
libre, donc α1 = α2 = · · · = αp = 0K . Donc S’ est une famille libre.

14
CHAPITRE 1. ESPACES VECTORIELS

1.3.2 Bases d’un espace vectoriel

Définition 1.3.3 Soit S = {u1 , ..., un } une famille de vecteurs du K-e.v E. On dit que
S est une base de E, si S est une famille libre et génératrice de E.

Exemple 1.3.2 1. B == {e1 , e2 , ..., en } est une base de Rn , avec e1 = (1, 0, ..., 0),
e2 = (0, 1, ..., 0), ..., en = (0, 0, ..., 1). Elle est appelée base canonique de Rn .
(a) {(0, 1), (1, 0)} est la base canonique de R2 .
(b) {(1, 0, 0), (0, 1, 0), (0, 0, 1)} est la base canonique de R3 .
2. {(1, 3, 0), (0, 2, 1)} est une base de F = {(x, y, z) ∈ R3 /3x − y + 2z = 0}.
3. B = {1, x, x2 , ..., xn } est la base canonique de Rn [n].

Théorème 1.3.1 Soit B = {u1 , ..., un } une base du K-e.v E. Alors pour tout X ∈ E,
il existe unique n-uplet (α1 , ..., αn ) ∈ Kn tel que X = ni=1 αi ui et les αi (1 ≤ i ≤ n)
P

sont les composantes de X dans la base B.

Exemple 1.3.3 1. Soit B = {e1 , e2 , e3 } la base canonique de R3 , et u = (5, 6, 7) ∈

R3 . On a : u = 5 · e1 + 6 · e2 + 7 · e3 .
2. Soit B 0 = {e01 , e02 , e03 } une autre base de R3 , telle que e01 = (−1, 1, 1), e02 =
(1, −1, 1), et e03 = (1, 1, −1). On a u = 13 0
e
2 1
+ 6e02 + 11 0
e
2 3

1.3.3 Dimension d’un espace vectoriel

Remarque 1.3.3 Toutes les bases d’un espace vectoriel ont le même nombre d’élé-
ments.

Définition 1.3.4 On appelle dimension du K-e.v E, le nombre d’éléments d’une base

de E.

Note 1.3.1 dimK (E) = dim(E).

Remarque 1.3.4 dimK ({0E }) = 0.

15
1.3. BASES ET DIMENSION D’UN ESPACE VECTORIEL

Exemple 1.3.4 1. dimR (Rn ) = n et dimR (Rn [x]) = n + 1.

Définition 1.3.5 On dit qu’un K-e.v E est de dimension finie s’il admet un système
générateur fini.

Proposition 1.3.3 Soit E un K-e.v de dimension finie et E 6= {0E }. Alors de toute

famille génératrice de E, on peut extraire une base de E.

Théorème 1.3.2 (de la base imcomplète) Soit E un K-e.v de dimension finie et

E 6= {0E }. Alors pour toute famille libre {u1 , ..., up } de E, il existe des vecteurs
v1 , ..., vp ∈ E tels que {u1 , ..., up , v1 , ..., vp } soit une base de E. Autrement dit, si E
est un K-e.v de dimension finie et E 6= {0E } , alors toute famille libre de E peut être
complètée de manière à avoir une base de E.

Proposition 1.3.4 Soit E un K-e.v de dimension n, et S un système de vecteurs de

E tels que card (S) = n. Alors les conditions suivantes sont équivalentes :
1. S est libre ;
2. S est un système générateur de E ;
3. S est une base de E.

Exemple 1.3.5 1. S = {(0, 1, 1), (1, 0, 1), (1, 1, 0)} est une famille libre de R3 ,et
card (S) = 3. Ainsi, S est une base de R3 .
2. S 0 = {(1, 1, 1, 1), (0, 2, 1, −1)} est une famille libre R4 . On montre qu’en complè-
tant S’ avec u = (0, 0, 1, 0) et v = (0, 0, 0, 1), on obtient une nouvelle famille S”
libre. Et comme, card (S”) = 4, alors S” est une base de R4 .

Proposition 1.3.5 Soit E un K-e.v de dimension finie. Alors les sous-espaces vecto-
riels 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 1.3.6 E1 = {(x, y) ∈ R2 /y = 0} et E2 = {(x, y) ∈ R2 /x = 0} sont deux

sous-espaces vectoriels de R2 . B1 = {(1, 0)} et B2 = {(0, 1)} sont respectivement des
bases de E1 et E2 . Or B1 ∪ B2 est une base de R2 (la base canonique par ailleurs) ,
donc E1 et E2 sont supplémentaires dans R2 , i.e , E1 ⊕ E2 = R2 .

16
CHAPITRE 1. ESPACES VECTORIELS

Théorème 1.3.3 Soient E un K-e.v de dimension finie, F et G deux K-s.e.v de E.

Alors , on a les asssertions suivantes :
1. F est de dimension finie et dimK (F ) ≤ dimK (E).
2. F = E ⇐⇒ dimK (F ) = dimK (E).
( (
F ⊂G G⊂F
3. F = G ⇐⇒ ⇐⇒
dimK (F ) = dimK (G) dimK (F ) = dimK (G)

Remarque 1.3.5 SOit E un K-e-.v de dimension n.

1. Toute partie libre de E a au plus n éléménts.
2. Toute partie génératrice de E a au moins n éléménts.

Théorème 1.3.4 (Formule de Grassman) Soient E1 et E2 deux K-s.e.v de E de

dimension finie.

dimK (E1 + E2 ) = dimK (E1 ) + dimK (E2 ) − dimK (E1 ∩ E2 )

1.3.4 Rang d’un système de vecteurs

Définition 1.3.6 Soit S = {u1 , ..., un } un système de vecteurs de E. On appelle rang
de S le nombre maximal de vecteurs linéairement indépendants que l’on peut extraire de
S. Autrement dit, le rang de S est la dimension du sous-espace vectoriel de E engendré
par S. On note Rg(S) = dimK (V ect(S)).

Remarque 1.3.6 Soit S = {u1 , ..., un } un système de vecteurs de E. Alors 1 ≤

Rg(S) ≤ n.

Exemple 1.3.7 Soit S = {u1 , u2 , u3 } avec u1 = (1, 1); u2 = (1, 0)etu3 = (1, 2). S est
une famille liée, car dim(R2 ) = 2. Mais S 0 = {u1 , u2 } est une famille libre (à vérifier),
donc Rg(S) = Rg(S 0 ) = 2.

Définition 1.3.7 Soient S1 et S2 deux systèmes de vecteurs du K-e.v E. On dit que

S1 et S2 sont équivalents si lin(S1 ) = lin(S2 ).

17
1.3. BASES ET DIMENSION D’UN ESPACE VECTORIEL

Définition 1.3.8 Soit S un système de vecteurs de E. On appelle opération élémentaire

dans S, l’une des opérations suivantes :

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

2. Multiplication d’un élémént de S par un scalaire non nul.

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

Remarque 1.3.7 Soit S un système de vecteurs de E. Si l’on effectue sur S une ou plu-
sieurs opérations éléméntaires, alors les différents systèmes de vecteurs obtenus restent
équivalents à S.

Théorème 1.3.5 Soit S = {u1 , ..., up } un système de vecteurs de Kp . On suppose

les vecteurs ordonnés comme suit ; pour chaque uk de S, si l’une des composantes par
exemple celle d’ordre rk est non nulle, les vecteurs suivant uk ont tous la composante
d’ordre rk nulle, alors le système est libre.

Autrement : S = {u1 , ..., un }

u1 = (x11 , x12 , ..., x12 xii 6= 0
u2 = (0, x22 , ..., x2p
u3 = (0, 0, x33 , ..., x3p
un−1 = (0, 0, ..., xn−1,p−1 xn−1,p )
un = (0, ..., 0, xnp )
 
x11 · · · · · · · · · x1,p
 
 0
 x2,2 · · · ··· x2p 

 0 0 x3,3 ··· x11 
 
 .
.. .. 

 . 

0 ··· 0 0 xpn

Exemple 1.3.8 Il suffit de considérer les vecteurs u1 = (1, 2, 3, 4), u2 = (0, 3, −1, 0) et
u3 = (0, 0, 2, 4).

18
CHAPITRE 1. ESPACES VECTORIELS

Méthode de Gauss-Jordan

On utilisera cette méthode pour :

1. Montrer qu’un système est libre ou lié ;
2. Trouver la relation de dépendance linéaire ;
3. Trouver une base d’un sous-espace vectoriel ;
4. Calculer le rang d’un système de vecteurs ;
5. Déterminer er la dimension d’un sous-espace vectoriel.

Remarque 1.3.8 Le s.e.v. engendré par le système ne change pas si l’on effectue sur
ce système S une ou plusieurs opérations élémentaires.

Exemple 1.3.9 (R2 , +, ) S = {(u1 , u2 , u3 }

u1 =(1, 1) ; 
u2 = (1, 2) ; u3 (1,0) 
1 1 L1 1 1 L01 = L1
   
(S)   1 2 
 L2 ∼ (S 0 )   0 1

 L02 = L2 − L1
1 0 L3 0 −1 L03 = L3 − L1
  0 (2)
1 1 L1 = L01
  0 (2)
(S 0 ) 
 0 2 
 L2 = L2 .
(2)
0 0 L3 = L03 + L02
Conséquence :
1) On a une ligne nulle donc le système S est liée.
2) Rg(S) = nombre de lignes non nulles = 2
3) S” = {L”1 , L”2 } est une base de Lin(S).
4) L”3 = 0 =⇒ L03 + l20 = 0
(L3 − L1 ) + (L2 − L1 ) = 0
L3 + L2 − 2L1 = 0 =⇒ u3 + u2 − 2u1 = 0 .

Exemple 1.3.10 (R3 , +, ) et S = {v1 , v2 , v3 } v1 = (1, −2, 3), v2 = (0, 1, 1), v3 =

(2, −1, 0)

19
1.3. BASES ET DIMENSION D’UN ESPACE VECTORIEL

   
1 −2 3 L1 1 −2 3 L01 = L1
   
S 
 0 1 1  L2
 ∼ (S 0 ) 
 0 1 1 
 L02 = L2
2 −1 0 L3 0 3 −6 L03 = L3 − L1
 
(2)
1 −2 3 L1 = L01
(2)
 
(S”) 
 0 1 1 
 L2 = L02 .
(2)l
0 0−9 L3 = L03 − 3L02
Conclusion :

1. On a abouti à une forme échelonnée et aucune ligne n’est nulle. Donc le système
est libre.
2. Rg(S) = nombre de lignes non nulles = 3
3. dim(Lin(S)) = Rg(S) = 3
(2) (2) (2)
4. {L1 , L2 , L3 } forment une base de Vect(S).

20