Chapitre 1 Espaces Vectoriels

Algèbre II
Chapitre 1: Espaces Vectoriels

Hamzah Bakhti
API – S2 2023/24
Plan
1. Rappels sur les ensembles
2. Définition et propriétés de base
3. Sous-espaces vectoriels
4. Familles et combinaisons linéaires de vecteurs
5. Espaces vectoriels de dimension finie
2/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

Plan

Groupes
Rappels sur les ensembles
Définition
Un groupe est la donnée d’un ensemble E et d’une loi de composition interne notée ∗ définie de la manière
suivante :
E × E −→ E
(x, y) 7−→ x ∗ y
et telle que (E, ∗) vérifie les trois propriétés suivantes :

i) Elément neutre : Il existe e dans E tel que ∀x ∈ E, e ∗ x = x ∗ e = x.
ii) Associativité : Pour tout x, y, z ∈ E, (x ∗ y) ∗ z = x ∗ (y ∗ z) = x ∗ y ∗ z.
iii) Elément inverse : Pour tout x dans E, il existe x′ dans E tel que : x ∗ x′ = x′ ∗ x = e. On pourra
noter x′ = x−1 .
Si de plus ∀x, y ∈ E, x ∗ y = y ∗ x, on dit que la loi ∗ est commutative et que (E, ∗) est un groupe
commutatif.

Anneaux
Définition
Soit E un ensemble muni de deux lois de composition interne notées ∗ et ⊤. On
dit que (E, ∗, ⊤) est un anneau lorsque :
i) (E, ∗) est un groupe commutatif d’élément neutre noté 0.
ii) Associativité de ⊤ : Pour tout x, y, z ∈ E,
(x⊤y)⊤z = x⊤(y⊤z) = x⊤y⊤z.
iii) Distributivité de ⊤ par rapport à ∗ : Pour tout x, y, z ∈ E,
x⊤(y ∗ z) = x⊤y ∗ x⊤z et x ∗ (y⊤z) = x ∗ y⊤x ∗ z.
Si de plus ∀x, y ∈ E, x⊤y = y⊤x, on dit que la loi ⊤ est commutative et que
(E, ∗, ⊤) est un anneau commutatif.

Corps
Définition
Soit E un ensemble muni de deux lois de composition interne
notées ∗ et ⊤. On dit que (E, ∗, ⊤) est un corps lorsque :
i) (E, ∗, ⊤) est un anneau.
ii) (E, ⊤) est un groupe de neutre 1.
Si de plus (E, ⊤) est commutatif, on dit que (E, ∗, ⊤) est un corps
commutatif.

Plan

Espace vectoriel sur un corps quelconque
Définition et propriétés de base
Exemple
Posons K = R et E = R2 . Un élément u ∈ E est donc

un couple (x, y) avec x et y deux éléments de R.
i) Loi interne : Si u = (x, y) et v = (x′ , y ′ ) sont
deux éléments de R2 , alors :
(x, y) + (x′ , y ′ ) = (x + x′ , y + y ′ )
ii) Loi externe : Si λ est un réel et u = (x, y) est un

élément de R2 , alors :
λ · u = λ · (x, y) = (λx, λy)
iii) L’élément neutre de la loi interne est le vecteur nul

(0,0).
iv) Le symétrique de (x, y) est (−x, −y), que l’on
note aussi −(x, y).

Espace vectoriel sur un corps quelconque
Définition
Soient (E, +) un groupe commutatif et (K, +, ·) un corps commutatif.
On dit que E est un K-espace vectoriel ou un espace vectoriel sur K, s’il existe
une application de K × E vers E, appelée loi externe sur E, qui à
(α, x) ∈ K × E fait correspondre α · x, vérifiant les axiomes suivants :
i) ∀x ∈ E, 1K · x = x.
ii) ∀α ∈ K, ∀β ∈ K, ∀x ∈ E, (α + β) · x = α · x + β · x.
iii) ∀α ∈ K, ∀β ∈ K, ∀x ∈ E, (αβ) · x = α · (β · x).
iv) ∀α ∈ K, ∀x ∈ E, ∀y ∈ E, α · (x + y) = α · x + α · y.
Dans ce cas, les éléments de E sont appelés des vecteurs et se notent x, y, z, . . .,
tandis que les éléments de K sont appelés des scalaires et se notent α, β, γ, λ, ...

Règles de calcul
Théorème
Soit E un K-espace vectoriel, alors on a les règles de calcul
suivantes :
a) ∀x ∈ E, 0K · x = 0E .
b) ∀λ ∈ K, λ · 0E = 0E .
c) ∀λ ∈ K, ∀x ∈ E, λ · x = 0E ⇐⇒ λ = 0K ou x = 0E .

Exemples fondamentaux
Exemple 1
Soient (L, +, ×) un corps commutatif et K un sous-corps de L, alors L
peut-être considéré comme un K-espace vectoriel pour la loi externe définie
comme suit :
K × L −→ L
(λ, x) 7−→ λ · x = λ × x
Par exemple, L = C et K = R, L = R et K = Q ou L = C et K = Q.
En particulier, tout corps K peut-être considéré comme un espace vectoriel sur
lui-même.

Exemple 2
Soit K un corps commutatif, alors pour tout entier n > 1, K n est
un K-espace vectoriel pour la loi externe :
K × K n −→ K n
(λ, x) 7−→ λ · x = (λ1 x1 , λ2 x2 , . . . , λn xn )
où x = (x1 , x2 , . . . , xn ).

Exemple 3
Soient E1 , E2 , . . . , En des espaces vectoriels sur le même corps K. Alors le produit
cartésien E1 × E2 × . . . × En est un K-espace vectoriel pour la loi externe définie par :
K × (E1 × E2 × . . . × En ) −→ E1 × E2 × . . . × En
(λ, (x1 , x2 , . . . , xn )) 7−→ λ (x1 , x2 , . . . , xn ) = (λx1 , λx2 , . . . , λxn )
E1 × E2 × . . . × En s’appelle l’espace vectoriel produit des K-espaces vectoriels

E1 , E2 , . . . , En .

Exemple 4
Soient E un K-espace vectoriel, A un ensemble non vide quelconque et E A l’ensemble de
toutes les applications de A vers E. Alors E A est un K-espace vectoriel pour la loi externe :
K × E A −→ E A
(λ, f ) 7−→ λ · f
où λ · f est l’application de A vers E définie par :
∀a ∈ A, (λ · f )(a) = λ · f (a)
Rappelons aussi que si f et g sont deux applications de A vers E, alors f + g est l’application de
A vers E définie par :
∀a ∈ A, (f + g)(a) = f (a) + g(a)

Plan

Définition et caractérisation
Sous-espaces vectoriels
Définition
Soient E un K-espace vectoriel et F une partie de E. On dit que F est un
sous-espace vectoriel de E, si :
i) (F, +) est un sous-groupe de (E, +).
ii) ∀λ ∈ K, ∀x ∈ F, λ · x ∈ F .
Remarque
Si F est un sous-espace vectoriel de E, alors F est un espace vectoriel pour la loi
externe induite par celle de E :
K × F −→ F
(α, x) 7−→ α · x

Proposition
Soient E un K-espace vectoriel et F une partie de E. Alors F est un
sous-espace vectoriel de E, si, et seulement si :
i) F ̸= ∅.
ii) ∀x ∈ F, ∀y ∈ F, x + y ∈ F .
iii) ∀λ ∈ K, ∀x ∈ F, λ · x ∈ F .
Remarque
Soit K un corps commutatif. Pour montrer qu’un ensemble F est un K-espace
vectoriel, il suffit, dans la plupart des cas, de montrer que F est un sous-espace
vectoriel d’un K-espace vectoriel connu.

Exemple 1
Pour tout K-espace vectoriel E, les parties {0E } et E sont des sous-espaces vectoriels de E.
Exemple 2
L’ensemble F des suites réelles qui tendent vers zéro à l’infini, est un R-espace vectoriel :
F = {(xn )n≥0 ∈ RN : lim xn = 0}

n→∞
Il suffit de montrer que F est un sous-espace vectoriel de E = RN .
Exemple 3
Soit I un intervalle de R, alors C(I, R), l’ensemble des fonctions continues de I vers R, est un R-espace
vectoriel.
Il suffit de vérifier que C(I, R) est un sous-espace vectoriel de RI , l’espace vectoriel de toutes les
applications de I vers R.

Exercice
Déterminer lesquels des ensembles E1 , E2 , E3 et E4 sont des
sous-espaces vectoriels de R3 .
E1 = {(x, y, z) ∈ R3 | 3x − 7y = z}
E2 = {(x, y, z) ∈ R3 | x2 − z 2 = 0}
E3 = {(x, y, z) ∈ R3 | x + y − z = x + y + z = 0}
E4 = {(x, y, z) ∈ R3 | z(x2 + y 2 ) = 0}

Solution
1) i) (0, 0, 0) ∈ E1 .
ii) Soient (x, y, z) et (x′ , y ′ , z ′ ) deux éléments de E1 . On a donc :
3x − 7y = z et 3x′ − 7y ′ = z ′ =⇒ 3(x + x′ ) − 7(y + y ′ ) = (z + z ′ )

=⇒ (x + x′ , y + y ′ , z + z ′ ) ∈ E1 .
iii) Soit λ ∈ R et (x,y,z) ∈ E1 . Alors :
3x − 7y = z =⇒ 3(λx) − 7(λy) = λz
=⇒ λ(x, y, z) = (λx, λy, λz) ∈ E1 .
2) E2 = {(x, y, z) ∈ R3 | x2 − z 2 = 0} c’est-à-dire E2 = {(x, y, z) ∈ R3 | x = z ou

x = −z}. Donc (1, 0, −1) et (1, 0, 1) appartiennent à E2 mais
(1, 0, −1) + (1, 0, 1) = (2, 0, 0) n’appartient pas à E2 qui n’est en conséquence pas un
sous-espace vectoriel de R3 .

Solution
3) E3 est un sous-espace vectoriel de R3 . En effet :
i) (0, 0, 0) ∈ E3 .
ii) Soient (x, y, z) et (x′ , y ′ , z ′ ) deux éléments de E3 . On a donc :
x + y − z = x + y + z = 0 et x′ + y ′ − z ′ = x′ + y ′ + z ′ = 0
=⇒ (x + x′ ) + (y + y ′ ) − (z + z ′ ) = (x + x′ ) + (y + y ′ ) + (z + z ′ ) = 0
=⇒ (x, y, z) + (x′ , y ′ , z ′ ) = (x + x′ , y + y ′ , z + z ′ ) ∈ E3 .
iii) Soit λ ∈ R et (x, y, z) ∈ E3 . Alors :
x + y − z = x + y + z = 0 =⇒ λx + λy − λz = λx + λy + λz = 0
=⇒ λ(x, y, z) = (λx, λy, λz) ∈ E3 .
4) Les vecteurs (1, 0, 0) et (0, 0, 1) appartiennent à E4 mais leur somme

(1, 0, 0) + (0, 0, 1) = (1, 0, 1) ne lui appartient pas donc E4 n’est pas un sous-espace vectoriel de
R3 .

Opérations sur les sous-espaces vectoriels
Proposition (Intersection)
Soit E un K-espace vectoriel, alors l’intersection d’une famille quelconque de
sous-espaces vectoriels de E est un sous-espace vectoriel de E.
Proposition (Somme)
Soient E un K-espace vectoriel, F1 , F2 , . . . , Fn des sous-espaces vectoriels de E, avec
n ≥ 2.
On définit la partie de E, notée F1 + F2 + . . . + Fn , par x ∈ F1 + F2 + . . . + Fn , si
et seulement si, il existe (x1 , x2 , . . . , xn ) ∈ F1 × F2 × . . . × Fn , tel que
x = x1 + x2 + . . . + xn .
F1 + F2 + . . . + Fn est un sous-espace vectoriel de E, appelé sous-espace vectoriel
somme des sous-espaces vectoriels F1 , F2 , . . . , Fn .

Définition (Somme directe)

Soient E un K-espace vectoriel et F1 , F2 , . . . , Fn des sous-espaces vectoriels
de E.
On dit que la somme F1 + F2 + . . . + Fn est directe, si pour tout
x ∈ F1 + F2 + . . . + Fn , il existe un unique
(x1 , x2 , . . . , xn ) ∈ F1 × F2 × . . . × Fn , tel que x = x1 + x2 + . . . + xn .
Notation
Dans le cas où la somme F1 + F2 + . . . + Fn est directe, on la note :
n
M
F1 ⊕ F2 ⊕ · · · ⊕ Fn ou encore Fi
i=1

Lemme
La somme F1 + F2 + . . . + Fn est directe, si et seulement si, pour
tout (x1 , x2 , . . . , xn ) ∈ F1 × F2 × . . . × Fn , on a :
x1 + x2 + · · · + xn = 0 =⇒ x1 = x2 = · · · = xn = 0
Théorème
La somme F1 + F2 + . . . + Fn est directe, si et seulement si :
∀i ∈ {1, 2, . . . , n − 1}, Fi ∩ (Fi+1 + · · · + Fn ) = {0}

Remarque
Soit E un K-espace vectoriel quelconque, alors d’après le théorème précédent,
1) La somme de deux sous-espaces vectoriels F et G de E est directe, si et
seumlement si :
F ∩ G = {0}
2) La somme de trois sous-espaces vectoriels F , G et H de E est directe, si et
seumlement si :
F ∩ (G + H) = {0} et G ∩ H = {0}

Sous-espaces supplémentaires
Définition
Soient E un K-espace vectoriel, F et G deux sous-espaces
vectoriels de E. On dit que F et G sont supplémentaires dans E, si,
i) La somme F + G est directe.
ii) E = F ⊕ G.

Remarque

E = F + G

E = F ⊕ G ⇐⇒ et

∀(x, y) ∈ F × G, x + y = 0 =⇒ x = y = 0

E = F + G

⇐⇒ et

F ∩ G = {0}

Exemple
Soient E = RR le R-espace vectoriel de toutes les fonctions de R vers R, F l’ensemble des
fonctions f ∈ E qui sont paires et G l’ensemble des fonctions f ∈ E qui sont impaires. Alors F
et G sont deux sous-espaces supplémentaires de E.
En effet, Il est clair que F et G sont deux sous-espaces vectoriels de E, car la somme de deux
fonctions paires (resp. impaires) est une fonction paire (resp. impaire), ainsi que la multiplication
d’une fonction paire (resp. impaire) est une fonction paire (resp. impaire).
Si f ∈ F ∩ G, alors f est une fonction qui est à la fois paire et impaire, donc f est nulle, par suite,
F ∩ G = {0}.
Vérifions que E = F + G. Pour cela soit f ∈ E et soient g et h les fonctions définies par :
f (x) + f (−x) f (x) − f (−x)

∀x ∈ E, g(x) = et h(x) =
2 2
Alors g et h sont respectivement paire et impaire et on a f = g + h.

Théorème
Soit E un K-espace vectoriel quelconque. Alors tout
sous-espace vectoriel de E possède au moins un
supplémentaire.

Exercice
Dans E = R4 , on considère les sous-espaces vectoriels :
F = (x, y, z, t) ∈ R4 : x + y + z + t = 0

G = {(2a, −a, 0, a) avec a ∈ R}
1) Démontrer que F et G sont en somme directe.

2) Soit (x, y, z, t) ∈ R4 . Déterminer a ∈ R tel que le vecteur
(x − 2a, y + a, z, t − a) ∈ F .
3) En déduire que F et G sont Supplémentaires.

Solution
1) Soit (x, y, z, t) ∈ F ∩ G Alors d’une part on a
x+y+z+t=0
et d’autre part, il existe a ∈ R tel que (x, y, z, t) = (2a, −a, 0, a). On introduit
ceci dans l’équation précédente, et on trouve
2a − a + 0 + a = 0 ⇐⇒ 2a = 0 ⇐⇒ a = 0.
Ainsi, (x, y, z, t) = (0, 0, 0, 0) et on a F ∩ G = {(0, 0, 0, 0)} donc F et G sont

en somme directe.

Solution
2) On a :
(x − 2a, y + a, z, t − a) ∈ F ⇐⇒ x − 2a + y + a + z + t − a = 0
x+y+z+t
⇐⇒ a = .
2
3) Soit (x, y, z, t) ∈ R4 et posons a = (x + y + z + t)/2. Posons également
(x′ , y ′ , z ′ , t′ ) = (x − 2a, y + a, z, t − a). Alors d’après la question précédente,
(x′ , y ′ , z ′ , t′ ) ∈ F .On sait aussi que (2a, −a, 0, a) ∈ G et que :
(x, y, z, t) = (x′ , y ′ , z ′ , t′ ) + (2a, −a, 0, a).
Ainsi, on a prouvé que (x, y, z, t) ∈ F + G et donc que F + G = E. En utilisant

le résultat de la première question, on conclut que F et G sont supplémentaires.

Plan

Combinaisons linéaires
Familles et combinaisons linéaires de vecteurs
Définition
Soient E un K-espace vectoriel et A = (xi )i∈I une famille
d’éléments de E. On dit qu’un élément x de E est une
combinaison linéaire d’éléments de A, s’il existe une famille de
vecteurs (x1 , x2 , . . . , xn ) de A et il existe α1 , α2 , . . . , αn
éléments de K, tels que :
n
X
x = α1 x1 + α2 x2 + · · · + αn xn = αi x i
i=1

Sous-espaces vectoriels engendrés
Proposition
Soient E un K-espace vectoriel et A une famille non vide d’éléments de E. Alors l’ensemble de toutes les
combinaisons linéaires d’éléments A est un sous-espace vectoriel de E, appelé sous-espace vectoriel
engendré par A et se note Vect(A).
Remarque
1) On vérifie facilement que Vect(A) est l’intersection de tous les sous-espaces vectoriels de E
contenant A. Donc Vect(A) est le plus petit sous-espace vectoriel contenant A, c’est à dire, si F est
un sous-espace vectoriel de E qui contient A, alors F contient aussi Vect(A).
2) Puisque {0} est le plus petit sous-espace vectoriel de E contenant ∅, alors on peut écrire
Vect(∅) = {0}. C’est pour cela qu’on convient d’écrire :
X
αi xi = 0
i∈∅

Familles génératrices
Définition
Soient E un K-espace vectoriel et A une famille d’éléments de E. On dit que A est une famille
génératrice de E, si Vect(A) = E.
Exemples
1) ∅ est une famille génératrice de l’espace vectoriel nul {0}.
2) Pour tout K-espace vectoriel E, E est une famille génératrice de E.
3) A = {e1 , e2 , . . . , en } est une famille génératrice de K n , où :
e1 = (1, 0, . . . , 0), e2 = (0, 1, 0 . . . , 0), . . . , en = (0, . . . , 0, 1)
4) A = {1, X, X 2 , . . . , X n , . . .} est une famille génératrice de K[X].

5) A = {1, X, X 2 , . . . , X n } est une famille génératrice de Kn [X].

Dépendance et indépendance linéaires
Définition
Soient E un K-espace vectoriel et L une famille non vide d’éléments de E.
i) Si L est finie, L = {x1 , x2 , . . . , xn }, on dit que L est libre, si pour tout
(α1 , α2 , . . . , αn ) ∈ K n , on a :
α1 x1 + α2 · x2 + · · · + αn xn = 0 =⇒ α1 = α2 = · · · = αn = 0
ii) Si L est infinie, on dit que L est libre, si toute famille finie d’éléments de L
est libre.
iii) Une famille d’éléments de E qui n’est pas libre est dite liée.

Exemples
1) Toute famille contenant le vecteur nul est liée.
2) Par convention, L = ∅ est une famille libre.
3) Pour tout x ̸= 0, L = {x} est une famille libre.
4) en = (0, . . . , 0, 1) est une famille libre de K n .
5) L = {1, X, . . . , X n } est une famille libre de Kn [X].
6) L = {1, X, X 2 , . . . , X n , . . . . . .} est une famille libre de K[X].

Exemples
7) L = {x(m) : m ∈ N}, où ∀m ∈ N, x(m) = (x(m)
n )n≥0 est la suite de K définie
par : (
1 si n = m
∀n ∈ N, x(m)
n =
0 si n ̸= m
est une famille libre de K N .

8) Soit I un ensemble non vide quelconque, alors L = {fy : y ∈ K ∗ } est une
famille libre du K-espace vectoriel K I de toutes les applications de I vers K où :
(
1 si x = y
∀y ∈ K ∗ , ∀x ∈ K, fy (x) =
0 si x ̸= y

Base d’un espace vectoriel
Définition
Soient E un K-espace vectoriel et B une famille quelconque d’éléments de E.
On dit que B forme une base de E, si B est à la fois une famille libre et
génératrice.
Remarque
1) Si B forme une famille dé́léments de E, alors le “nombre” de bases qu’on
peut former à partir de B est égal au nombre de permutation qu’on peut
faire sur les éléments de B.
2) Par exemple si B = {x1 , x2 , x3 } forme une base de E, alors (x1 , x2 , x3 ),
(x1 , x3 , x2 ), (x2 , x1 , x3 ), (x2 , x3 , x1 ), (x3 , x1 , x2 ) et (x3 , x2 , x1 ) sont
six bases différentes de E.

Exemples
1) Par convention, B = ∅ est une base de l’espace vectoriel nul
{0}.
2) B = {e1 , e2 , . . . , en }, où e1 = (1, 0, . . . , 0),
e2 = (0, 1, 0 . . . , 0), . . ., forme une base de K n .
(e1 , e2 , . . . , en ) s’appelle la base canonique de K n .
3) B = 1, X, . . . , X n forme une base de Kn [X].
(1, X, . . . , X n ) s’appelle la base canonique de Kn [X].
4) B = 1, X, . . . , X n , . . . forme une base de K[X].

Lemme
Soient E un K-espace vectoriel, L une famille libre de E et x ∈ E, alors :
x∈
/ V ect(L) ⇐⇒ L ∪ {x} est libre
Théorème (Caractérisation d’une base)

Soient E un K-espace vectoriel et B une famille dé́léments de E. Alors les propositions
suivantes sont équivalentes :
i) B forme une base de E.
ii) B est une famille génératrice minimal de E.
iii) B est une famille libre maximal de E.

Plan

Définition et exemples
Espaces vectoriels de dimension finie
Définition
Soit E un K-espace vectoriel. On dit que E est de dimension finie sur K, si E possède au moins une famille
génératrice finie. Dans le cas contraire, on dit que E est de dimension infinie.
Exemples
1) Soit K un corps commutatif, alors pour tout entier n ≥ 1, K n est de dimension finie sur K.
En effet, soit A = {e1 , e2 , . . . , en }, où e1 = (1, 0, . . . , 0), e2 = (0, 1, 0 . . . , 0), . . .,
en = (0, . . . , 0, 1), alors A est une famille génératrice finie de K n .
2) Pour tout corps commutatif K et pour tout entier n ≥ 1, Kn [X] est de dimension finie sur K.
Kn [X] = {P ∈ K[X] : deg(P ) ≤ n}

2 n
{1, X, X , . . . , X } est une famille génératrice finie de Kn [X].

Théorème de la dimension finie
Lemme
Soient E un K-espace vectoriel, A et B deux familles d’éléments de E et n un entier
naturel, tels que :
i) Card(A) = n et Card(B) = n + 1.
ii) Tout élément de B est combinaison linéaire d’éléments de A ou autrement dit
B ⊆ Vect(A).
Alors B est liée.
Corollaire
Soient E un K-espace vectoriel de dimension finie et A une partie génératrice finie de
E. Alors pour toute partie libre L de E, on a :
Card(L) ≤ Card(A)

Corollaire
Soit E un K-espace vectoriel. Alors E est de dimension infinie, si et seulement si, E
possède au moins une partie libre infinie.
Exemples
1) Pour tout corps commutatif K, K[X] est un K-espace vectoriel de dimension
infinie, car L = 1, X, X2 , . . . , Xn , . . . est une partie libre infinie de K[X].
2) Si E possède un sous-espace vectoriel de dimension infinie, alors E est de
dimension infinie. Par suite, si E est de dimension finie, alors tout sous-espace
vectoriel de E est de dimension finie.
3) RN est un sous-espace vectoriel de RR , donc RR , l’espace vectoriel de toutes les
applications de R vers R, est de dimension infinie.

Corollaire
Soit E un K-espace vectoriel de dimension finie, alors tout sous-espace vectoriel
de E est aussi de dimension finie.
Corollaire
Tout espace vectoriel de dimension finie possède au moins une base.
Théorème (Théorème de la dimension finie)

Soit E un K-espace vectoriel de dimension finie, alors :
i) Toute base de E est de cardinal fini.
ii) Toutes les bases de E ont même cardinal.

Définition
Soit E un K-espace vectoriel de dimension finie. Le cardinal
commun à toutes les bases de E, s’appelle la dimension de E sur
K et se note dimK (E) ou tout simplement dim(E) s’il n’y a pas
d’ambiguı̈té.
Remarque
La dimension d’un K-espace vectoriel dépend du corps K. Par
exemple on a :
dimC (C) = 1, dimR (C) = 2 et dimQ (C) = ∞

Corollaire
Soit E un K-espace vectoriel de dimension finie = n, alors :
i) Toute famille libre de E est de cardinal ≤ n.
L libre =⇒ Card(L) ≤ n
ii) Toute famille génératrice de E est de cardinal ≥ n.
A génératrice =⇒ Card(L) ≥ n

Corollaire
Soit E un K-espace vectoriel de dimension finie = n, alors :
i) Toute famille libre de cardinal = n est une base de E.
[(L libre) et (Card(L) = n)] =⇒ L base de E
ii) Toute famille génératrice de cardinal = n est une base de E.
[(A génératrice) et (Card(A) = n)] =⇒ A base de E

Théorème de la base incomplète/extraite
Théorème
Soient E un K-espace vectoriel de dimension finie, A une famille génératrice
quelconque de E et L une famille libre de E, telle que L̄ ⊆ A. Alors il existe une
base B de E, telle que :
L⊆B⊆A
Corollaire
Soit E un K-espace vectoriel de dimension finie ≥ 1. Alors :
i) Toute famille libre de E peut-être complétée en une base de E.
ii) De toute famille génératrice de E on peut extraire une base de E.

Espaces vectoriels supplémentaires en dimension finie
Proposition
Soit E un K-espace vectoriel de dimension finie. Alors :
i) Si F et G sont deux sous-espaces vectoriels de E, alors on a :
E = F ⊕ G =⇒ dim(E) = dim(F ) + dim(G)
ii) Si F et G sont deux sous-espaces vectoriels de E, alors on a :
dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G)

Corollaire
Soient E un K-espace vectoriel de dimension finie, F et G deux
sous-espaces vectoriels de E. Alors :

F ∩ G = {0}

E = F ⊕ G ⇐⇒ et

dim(F ) + dim(G) = dim(E)


Remarque
Soient E un K-espace vectoriel de dimension finie, F1 , F2 , . . . , Fn des sous-espaces vectoriels
de E. Alors on vérifie, par récurrence sur n, qu’on a toujours :
dim(F1 + F2 + · · · + Fn ) ≤ dim(F1 ) + dim(F2 ) + · · · + dim(Fn )
Corollaire
Soient E un K-espace vectoriel de dimension finie, F1 , F2 , . . . , Fn des sous-espaces vectoriels
de E. Alors :

F1 + F2 + · · · + Fn = E

E = F1 ⊕ F2 ⊕ · · · ⊕ Fn ⇐⇒ et

dim(F1 ) + · · · + dim(Fn ) = dim(E)


Rang d’une famille de vecteurs
Définition
Soient E un K-espace vectoriel pas nécessairement de dimension
finie et A une partie de E. On appelle rang de la famille A, noté
rg(A), la dimension (finie) de Vect(A).
Remarque
Il est toujours vrai que rg(A) ≤ n, avec égalité si et seulement si
A est libre.

Chapitre 1 Espaces Vectoriels

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre 1 Espaces Vectoriels

Transféré par

Droits d'auteur :

Formats disponibles

Algèbre II

Chapitre 1: Espaces Vectoriels

1. Rappels sur les ensembles

2. Déﬁnition et propriétés de base

4. Familles et combinaisons linéaires de vecteurs

5. Espaces vectoriels de dimension ﬁnie

2/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

1. Rappels sur les ensembles

2. Déﬁnition et propriétés de base

4. Familles et combinaisons linéaires de vecteurs

5. Espaces vectoriels de dimension ﬁnie

3/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

et telle que (E, ∗) vériﬁe les trois propriétés suivantes :

4/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

5/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

6/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

1. Rappels sur les ensembles

2. Déﬁnition et propriétés de base

4. Familles et combinaisons linéaires de vecteurs

5. Espaces vectoriels de dimension ﬁnie

7/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

Posons K = R et E = R2 . Un élément u ∈ E est donc

ii) Loi externe : Si λ est un réel et u = (x, y) est un

λ · u = λ · (x, y) = (λx, λy)

iii) L’élément neutre de la loi interne est le vecteur nul

8/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

9/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

10/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

11/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

12/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

E1 × E2 × . . . × En s’appelle l’espace vectoriel produit des K-espaces vectoriels

13/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

où λ · f est l’application de A vers E déﬁnie par :

14/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

1. Rappels sur les ensembles

2. Déﬁnition et propriétés de base

4. Familles et combinaisons linéaires de vecteurs

5. Espaces vectoriels de dimension ﬁnie

15/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

16/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

17/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

F = {(xn )n≥0 ∈ RN : lim xn = 0}

Il suﬃt de montrer que F est un sous-espace vectoriel de E = RN .

18/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

19/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

3x − 7y = z et 3x′ − 7y ′ = z ′ =⇒ 3(x + x′ ) − 7(y + y ′ ) = (z + z ′ )

iii) Soit λ ∈ R et (x,y,z) ∈ E1 . Alors :

2) E2 = {(x, y, z) ∈ R3 | x2 − z 2 = 0} c’est-à-dire E2 = {(x, y, z) ∈ R3 | x = z ou

20/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

4) Les vecteurs (1, 0, 0) et (0, 0, 1) appartiennent à E4 mais leur somme

21/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

22/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

Déﬁnition (Somme directe)

23/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

∀i ∈ {1, 2, . . . , n − 1}, Fi ∩ (Fi+1 + · · · + Fn ) = {0}

24/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

25/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

26/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

27/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

f (x) + f (−x) f (x) − f (−x)

28/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

29/55 | Chapitre 1: Espaces Vectoriels Hamzah Bakhti | Algèbre II

G = {(2a, −a, 0, a) avec a ∈ R}

1) Démontrer que F et G sont en somme directe.