Académique Documents
Professionnel Documents
Culture Documents
...
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
3
1.1. GÉNÉRALITÉS
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 :
(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.
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
α · (0E − y) = α · 0E − α · y
Donc α · (−y) = −α · y.
– 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
– 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.
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.
8
CHAPITRE 1. ESPACES VECTORIELS
a) Intersection
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= ∅.
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
9
1.2. SOUS-ESPACES VECTORIELS
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.
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
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).
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
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
Note 1.2.3 E1 ⊕ E2 = E.
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 .
13
1.3. BASES ET DIMENSION D’UN ESPACE VECTORIEL
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
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
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
15
1.3. BASES ET DIMENSION D’UN ESPACE VECTORIEL
Définition 1.3.5 On dit qu’un K-e.v E est de dimension finie s’il admet un système
générateur fini.
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.
16
CHAPITRE 1. ESPACES VECTORIELS
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.
17
1.3. BASES ET DIMENSION D’UN ESPACE VECTORIEL
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.
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
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.
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