1

UNIVERSITE CHEIKH ANTA DIOP DE

DAKAR
FACULTE DES SCIENCES ET
TECHNOLOGIE DE L’EDUCATION ET DE
LA FORMATION
Cours Algébre Linéaire
Chapitre1 : Espaces Vectoriels

Dr Oumar FALL
 INTRODUCTION
Ce cours porte sur l’algèbre linéaire. Il est destiné aux étudiants et pro-
fesseurs des collèges et lycées inscrits en F1C1 et/ou L1 de Mathématiques.
Il comporte essentiellement quelques notions fondementales pouvant ser-
vir aux futurs professeurs et aux professeurs de mieux maitriser les conte-
nus et les techniques d’enseignement de l’algèbre linéaire afin d’obtenir une
bonne utilisation de certaines notions d’algébre linéaire dans l’enseignement
des mathématiques dans le moyen secondaire.
Le cours se divise en 3 chapitres ;
Chapitre 1 : Espaces vectoriels.
Chapitre 2 : Applications linéaires.
Chapitre 3 : Calcul matriciel.

2
Chapitre 1

ESPACES VECTORIELS

Tout au long de ce chapitre, K désigne un corps commutatif ( par exemple

R ou C). Les éléments de K sont appelés des scalaires. Les éléments neutres
de l’addition et de la multiplication dans K sont usuellement notés par 0 et
1 respectivement.

1.1 GENERALITES

1.1.1 Notion d’espaces vectoriels

Définition 1.1.1. On appelle espace vectoriel sur un corps K, tout ensemble
E non vide, dont les éléments sont appelés vecteurs, muni de deux lois de
composition :
1. une loi interne, appelée addition et notée ” + ”, telle que (E, +) soit un
groupe commutatif (abélien) c’est à dire vérifiant les quatre proprietés
suivantes :
a. ∀(x, y, z) ∈ E 3 , (x+y)+z = x+(y +z) (la loi ”+” est associative)
b. ∃0E ∈ E tel que : ∀x ∈ E, x + 0E = 0E + x = x (0E est l’ élément
neutre de la loi ” + ”).

3
 c. ∀x ∈ E, ∃(−x) ∈ E tel que : x + (−x) = (−x) + x = 0E ((−x) est
l’opposé de x).
d. ∀(x, y) ∈ E 2 , x + y = y + x (la loi ” + ” est commutative).
2. une loi dite externe qui est une application de K × E dans E, appelé
produit externe ou par un scalaire (α, x) 7→ αx et possédant les quatre
propriétés suivantes :
a. ∀(α, β, x) ∈ K × K × E, (α + β)x = αx + βx (distributivité des
vecteurs par rapport à la somme des scalaires)
b. ∀(α, x, y) ∈ K × E × E, α(x + y) = αx + αy (distributivité des
scalaires par rapport à la somme des vecteurs) .
c. ∀(α, β, x) ∈ K × K × E, α(βx) = (αβ)x.
d. ∀x ∈ E, 1 · x = x (1 est un opérateur unité, on dit aussi que E
est unitaire).

Remarque 1.1.1. 1. ∀(α, x) ∈ K × E, αx = xα.

2. Un espace vectoriel est défini par huit propriétés dont quatre pour la
structure de groupe abélien et quatre pour le produit externe.
3. Si K est un anneau commutatif, alors E est appelé module.
4. Si E = K, alors les huit propriétés précédentes correspondent à celles
définissant un anneau commutatif unitaire.
5. Si E est un espace vectoriel sur K, alors on dit que E est un K espace
vectoriel.

Exemples 1.1.1. 1. Soit ϑ l’ensemble des vecteurs du plan.

(ϑ, +) vérifie les quatre premières propriétés de la définition 1.1.1, donc
(ϑ, +) est un groupe commutatif.
(ϑ, +, ×) vérifie les quatre dernières propriétés de la définition 1.1.1
avec K = R, donc (ϑ, +, ×) est un R espace vectoriel.

4
 2. Soient a et b deux nombres réels avec a < b, I = [a; b] un intervalle de
R. Notons par C(I, R) l’ensemble des fonctions numériques continues
sur I.
Définissons sur C(I, R) une addition ” + ” et une multiplication par un
réel ” × ” :
∀f, g ∈ C(I, R) et ∀x ∈ I, (f + g)(x) = f (x) + g(x).
∀f ∈ C(I, R), ∀α ∈ R et ∀x ∈ I, (αf )(x) = αf (x).
On vérifie aisément que (C(I, R), +, ×) est un R espace vectoriel.
3. Soit RN l’ensemble des suites réelles (Un )n∈N . Munissons RN de deux
opérations :
a. une opération interne ” + ” telle que : ∀ (Un ), (Vn ) ∈ RN ,
(Un ) + (Vn ) = (Un + Vn )n∈N .
b. une opération externe : multiplication ” × ” par un réel telle que :
∀ (Un ) ∈ RN et ∀α ∈ R,
α(Un ) = (αUn )n∈N .
On vérifie aussi que (RN , +, ×) est un R espace vectoriel.
4. L’ensemble C des nombres complexes est à la fois un R espace vectoriel
et un C espace vectoriel.
5. soient n ≥ 2 un entier naturel et Rn = {(x1 , x2 , ..., xn ), xi ∈ R}.
(Rn , +, ×) est un R espace vectoriel avec les opérations :
(x1 , x2 , ..., xn ) + (y1 , y2 , ..., yn ) = (x1 + y1 , x2 + y2 , ..., xn + yn )
et α(x1 , x2 , ..., xn ) = (αx1 , αx2 , ..., αxn ).
Propriétés 1.1.1. Soit E un K espace vectoriel, nous avons les propriétés
suivantes :
1. ∀x ∈ E, 0 · x = 0E et ∀α ∈ K, α · 0E = 0E
2. ∀(α, x) ∈ K × E, αx = 0E ⇒ (α = 0 ou x = 0E ).
3. ∀(α, x) ∈ K × E, (−α)x = α(−x) = −(αx).
4. ∀(α, β, x) ∈ K × K × E, α(x − y) = αx − αy et (α − β)x = αx − βx.

5
1.1.2 Notion de sous espaces vectoriels
Définition 1.1.2. Soit E un espace vectoriel sur un corps K, une partie non
vide F de E est un sous espace vectoriel de E, si F muni des lois induites
de E est un espace vectoriel sur K.

Exemples 1.1.2. 1. Soit E un espace vectoriel sur un corps K.

{0E } et E sont des sous espaces vectoriels de E, appelés sous espaces
triviaux de E.
2. C est un R espace vectoriel et R est un sous espace vectoriel de C.
3. Soit = l’ensemble des fonctions de [a, b] vers R (òu [a, b] est un inter-
valle de R avec a < b ).
(=, +, ×) est un R espace vectoriel. Et =c qui l’ensemble des fonctions
continues sur [a, b] est un sous espace vectoriel de =, de même que =d
qui est l’ensemble des fonctions dérivables sur [a, b].

Théorème 1.1.1. caractérisation des sous espaces vectoriels Soit E

un espace vectoriel sur un corps K, une partie non vide F de E est un sous
espace vectoriel de E, si et seulement si :
1. ∀(x; y) ∈ F 2 ; x + y ∈ F
2. ∀x ∈ F et ∀α ∈ K ; αx ∈ F .

Démonstration. En exercice

Exemples 1.1.3. Soit iR = {ib\b ∈ R}, l’ensemble des nombres imaginaires

purs.
∗ 0 = i × 0 donc 0 ∈ iR. Par conséquent iR 6= ∅
Soient z = ib, z 0 = ib0 deux éléments de iR et α ∈ R,
∗∗ z + z 0 = ib + ib0 = i(b + b0 ) ∈ iR donc (z + z 0 ) ∈ iR
∗ ∗ ∗ αz = α(ib) = i(αb) ∈ iR donc αz ∈ iR.
Ainsi iR est un sous espace vectoriel de C.

6
Remarque 1.1.2. 1. Si F est un sous espace vectoriel d’un K espace
vectoriel E, alors 0E ∈ F .
2. Pour montrer qu’une partie non vide F d’un K espace vectoriel E est
un sous espace vectoriel de E il suffit de montrer que :
∀(x; y) ∈ F 2 et ∀α ∈ K ; αx + y ∈ F .

Exercice1
Montrer que F = {(x1 , x2 , x3 , x4 )/x1 = x2 − 2x3 , x4 = −x3 + 3x1 } est un
sous espace vectoriel de R4 .
Exercice2
Soient F et H deux sous espaces vectoriels d’un K espace vectoriel E.
Montrer que :
1. F ∩ H est un sous espace vectoriel de E.
2. F + H = {x + y \ x ∈ F, y ∈ G} est un sous espace vectoriel de E.
3. F ∪ H est un sous espace vectoriel de E si et seulement si F ⊆ H ou
H ⊆ F.

1.1.3 Systèmes générateurs - Systèmes liés - Systèmes

libres
Définition 1.1.3. Soit E un espace vectoriel sur un corps K. On appelle
combinaison linéaire des éléments x1 , x2 , ..., xn de E à coefficients α1 , α2 , ..., αn
dans K, toute expression de la forme : α1 x1 + α2 x2 + ... + αn xn qu’on note
encore par ni=1 αi xi .
P

On note par V ect(x1 , x2 , ..., xn ) l’ensemble des combinaisons linéaires des

xi (1 6 i 6 n)

Xn
V ect(x1 , x2 , ..., xn ) = { αi xi /α1 , α2 , ..., αn ∈ K}
i=1

7
Exemples 1.1.4. Soit ϑ l’ensemble des vecteurs du plan.
√
−3→−u + 2→ −
v −→ −
w 2 est une combinaison linéaire des vecteurs →
−
u ,→
−
v ,→
−
w
√
de coefficients −3, 2 et − 2.
√
(−3→ −u + 2→−
v −→ −
w 2) ∈ V ect(→
−
u ,→
−
v ,→
−
w ).

Théorème 1.1.2. Soit E un espace vectoriel sur un corps K. Et soit (xi )16i6n
une famille de vceteurs de E.
V ect(x1 , x2 , ..., xn ) est un sous espace vectoriel de E.

Démonstration. exercice

Définition 1.1.4. Soit X un sous ensemble d’un K espace vectoriel E.

L’intersection de tous les sous espaces vectoriels de E contenant X est
un sous espace vectoriel de E, appelé sous espace vectoriel de E engendré par
X. On le note par < X >

Théorème 1.1.3. Soit X un sous ensemble d’un K espace vectoriel E.

< X > est le plus petit sous espace vectoriel de E contenant X.

Démonstration. exercice

Théorème 1.1.4. Si {x1 , x2 , ..., xn } est une famille de vecteurs d’un K es-
pace vectoriel E, alors V ect(x1 , x2 , ..., xn ) =< x1 , x2 , ..., xn >.

Démonstration. exercice

Remarque 1.1.3. Si F et H sont deux sous espaces vectoriels d’un même

K espace vectoriel E, alors F + H =< F ∪ H >.

Définition 1.1.5. Soit E un espace vectoriel sur un corps K et S = {x1 , x2 , ..., xn }

une famille de vecteurs de E. On dit que S est une famille génératrice de E,
si tout vecteur de E est combinaison linéaire des éléments de S.
C’est à dire ∀u ∈ E, ∃α1 , α2 , ..., αn ∈ K tels que u = ni=1 αi xi .
P

On dit aussi que S engendre E.

8
Exemples 1.1.5. 1. En considèrant C comme espace vectoriel réel, S =
{1; i} est une famille génératrice de C.
En effet, ∀z ∈ C, ∃a, b ∈ R tel que z = a × 1 + b × i = a + ib
2. S = {(1; 0; 0); (0; 1; 0); (0; 0; 1) est une famille génératrice de R3 .
En effet ∀(x; y; z) ∈ R3 , (x; y; z) = x(1; 0; 0) + y(0; 1; 0) + z(0; 0; 1).
3. Soit R2 [X] l’ensemble des polynômes de degré inférieur ou égal à 2.
R2 [X] est un R espace vectoriel.
Soit S = {f1 ; f2 ; f3 } ou f1 (x) = 1; f2 (x) = x − 1 et f3 (x) = (x − 1)2 .
S est une famille génératrice de R2 [X].
En effet soit R2 [X] 3 P (x) = ax2 + bx + c avec a, b, c ∈ R.

P (x) = ax2 + bx + c
= ax2 − 2ax + a + 2ax − a + bx + c
= a(x − 1)2 + (2a + b)x − a + c
= a(x − 1)2 + (2a + b)(x − 1) + 2a + b − a + c
= a(x − 1)2 + (2a + b)(x − 1) + (a + b + c)1

En posant α = a; β = 2a + b et γ = a + b + c, on obtient :
P (x) = α(x − 1)2 + β(x − 1) + γ1. Ainsi S engendre E.

Définition 1.1.6. Soit E un espace vectoriel sur un corps K et S = {x1 , x2 , ..., xn }

une famille de vecteurs de E. On dit que S est une famille liée (ou linéairement
dépendante) s’il existe une combinaison linéaire nulle des xi , avec des coeffi-
cients non tous nuls.
C’est à dire il existe α1 , α2 , ..., αn ∈ K dont un au moins n’est pas nul tels
que : α1 x1 + α2 x2 + ... + αn xn = 0E .

Exemples 1.1.6. 1. S = {0E } est lié

9
 2. Toute famille contenant 0E est liée. En effet si S = {x1 , x2 , ..., xn−1 , 0E }),
alors on peut remarquer que,0x1 + 0x2 + ... + 0xn−1 + 1 × 0E = 0 avec
1 6= 0, donc S est liée.
3. Toute famille contenant une famille liée est aussi liée. En effet soit
S = {x1 , x2 , ..., xn }) une famille de vecteur de E.
Supposons que S0 = {x1 , x2 , ..., xp }) (avec p < n) est lée. Pour prouver
que S est liée, il suffit de prendre αp+1 = αp−2 = ... = αn = 0.
De ce fait ni=1 αi xi = pi=1 αi xi + ni=p+1 αi xi = 0 et ∃αi0 avec 1 ≤
P P P

i0 ≤ p tel que αi0 6= 0.

Exercice :
Montrer que tout système contenant deux vecteurs identiques est lié.

Théorème 1.1.5. Si le système S = {x1 , x2 , ..., xn }) est lié, alors l’un des
xi est une combinaison linéaire des autres

Démonstration. Supposons que ni=1 αi xi = 0 avec αp 6= 0.

P

n p−1 n
X X X
αi xi = 0 ⇒ αi xi + αp xp + α i xi = 0
i=1 i=1 i=p+1
p−1 n
1 X 1 X
⇒ xp = − α i xi − αi xi
αp i=1 αp i=p+1
p−1 n
X αi X αi
⇒ xp = (− )xi + (− )xi
i=1
αp i=p+1
αp

Ainsi xp est une combinaison linéaire des autres xi .

Définition 1.1.7. Soit E un espace vectoriel sur un corps K et S = {x1 , x2 , ..., xn }

une famille de vecteurs de E. On dit que S est une famille libre (ou linéairement
indépendante) si toute combinaison linéaire nulle des xi est obtenue avec des
coefficients tous nuls.
C’est à dire : si ni=1 αi xi = 0E , alors α1 = α2 = ... = αn = 0 .
P

10
Exemples 1.1.7. Si S = {x} avec 0E 6= x ∈ E, alors S est libre.

Remarque 1.1.4. 1. Tout système qui n’est pas libre est lié.
2. Dans un système libre, aucun vecteur n’est commbinaison linéaire des
autres
3. Tout sous système d’un système libre est libre.

Définition 1.1.8. On appelle rang d’un système le nombre maximun de vec-

teurs libres que l’on peut extraire

Le nombre entier naturel r est le rang d’un système S si et seulement si,

S contient S0 de rang r et tout système comportant plus de r vecteurs est lié.
Ainsi un système de r vecteurs est libre si et seulement si rang est r.

Définition 1.1.9. Soit S = {x1 , x2 , ..., xn } une famille de vecteurs d’un K

espace vectoriel E. S est une base de E si tout vecteur de E est combinaison
linéaire des éléments de S de façon unique.
Pn
i.e ∀u ∈ E, ∃!(α1 , α2 , ..., αn ) ∈ Kn tel que u = i=1 α i xi .
Dans ce cas les coefficients α1 , α2 , ..., αn sont les coordonnées du vecteur
u dans la base S.

Théorème 1.1.6. Étant donnés E un K espace vectoriel et S = {x1 , x2 , ..., xn }

une famille de vecteurs de E,
S est une base de E si et seulement si S est à la fois un système générateur
de E et une famille libre.

Démonstration. exercice

Exemples 1.1.8. 1. {1} est une base du R espace vectoriel R. {1; i} est
une base du R espace vectoriel C.
2. {(1; 0; 0; ...0); (0; 1; 0; ...; 0); (0; 0; 1; 0; ...; 0)} est une base du R espace
vectoriel Rn , appelée base canonique de Rn

11
 3. {1; x; x2 ; ...; xn } est une base du R espace vectoriel Rn [X] (ensemble des
polynômes de degré inférieur ou égal à n) , appelée base canonique de
Rn [X].

Remarque 1.1.5. 1. Tout espace vectoriel possède des bases.

2. Toutes les bases d’un même espace vectoriel E possède le même cardinal
(même nombre d’éléments), appelé la dimension de l’espace vectoriel E.
On la note par dim(E).
3. Une base est une famille libre maximale.
4. Une base est une famille génératrice minimale.

Exemples 1.1.9. dim(R) = 1 ; dim(C) = 2 ; dim(Rn ) = n ; dim(Rn [X]) =

n+1

Définition 1.1.10. La somme de deux sous espaces vectoriels F + H est dite

directe si F ∩ H = {0E }. On note F ⊕ H.
La somme E1 + E2 + ... + En de n sous espaces vectoriels d’un K espace
P
vectoriel est directe si, ∀1 ≤ j ≤ n, Ej ∩ ( i6=j Ei ) = {0E }. On note E1 ⊕
E2 ⊕ ... ⊕ En

Définition 1.1.11. Si E = F ⊕H (c’est à dire E = F +H et F ∩H = {0E }),

alors F et H sont dits supplémentaires dans E.
Si E = E1 ⊕ E2 ⊕ ... ⊕ En , alors chaque Ei est appelé facteur direct de E

Exemples 1.1.10. C = R ⊕ iR. R2 [X] =< 1 > ⊕ < X > ⊕ < X 2 >.

Théorème 1.1.7. (Représentation unique) Si E = E1 ⊕ E2 ⊕ ... ⊕ En , alors

chaque vecteur de E s’écrit de manière unique comme somme d’éléments des
Ei .
i.e (x ∈ E) ⇒ [∃!(x1 , x2 , ..., xn ) ∈ E1 ×E2 ×...×En /x = x1 +x2 +...+xn ].

Démonstration. exercice

12
1.1.4 Espace vectoriel produit
Soit deux espaces vectoriels E et F sur un même corps K. Considérons
dans le groupe produit des groupes (E, +) et (F, +), l’addition sur E × F est
définie par : (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ).
On vérifie que la multiplication externe définie par : α(x, y) = (αx, αy)
(avec α ∈ K) munit le groupe produit E × F d’une structure d’espace vecto-
riel sur K. L’espace vectoriel ainsi définie s’appelle espace vectoriel produit
E × F.
Et plus généralement, étant donnée une famille (Ei )i∈I d’espaces vectoriels
Q
sur un même corps K, on peut définir sur l’ensemble produit i∈I Ei :
– une loi de groupe en posant (xi )i∈I + (yi )i∈I = (xi + yi )i∈I
– une loi de composition externe en posant : α(xi )i∈I = (αxi )i∈I
Q
Ces deux opérations font de i∈I Ei un espace vectoriel sur K qu’on appelle
espace vectoriel produit de la famille (Ei )i∈I d’espaces vectoriels sur K.

1.1.5 Espace vectoriel quotient

Soit E un K espace vectoriel et F un sous espace vectoriel de E. Définissons
sur E la relation < par : ∀x; y ∈ <, ( x<y) ⇔ [(x − y) ∈ F ].
1. < est réflexive (ie : ∀x ∈ E ; x<x car x − x = 0 ∈ F ).
2. < est symétrique (ie : ∀x; y ∈ E ; (x<y) ⇒ (y<x) car (x − y ∈ F ) ⇒
[−(x − y) = y − x ∈ F ]).
3. < est transitive (ie : ∀x; y; z ∈ E ; [(x<y) et (y<z)] ⇒ (x<z) car
[(x − y) ∈ F et (y − z) ∈ F ] ⇒ [(x − y) + (y − z) = x − z ∈ F ]).
On dit ainsi que < est une relation d’éqivalence.
Soit x ∈ E, x = {y ∈ E / x<y} est un sous ensemble de E appelé classe
d’équivalence de x suivant <.
Et E/< = E/F = {x : x ∈ E} est appelé ensemble quotient de E par
<. On peut remarquer que :

13
 · ∀x ∈ E, x 6= ∅.
·· ∀x; y ∈ E, (x 6= y) ⇒ (x ∩ y = ∅).
· · · ∪x∈E x = E
Définissons sur E/F une addition et une multiplication par un scalaire α ∈ K
de la manière suivante :
∀x, y ∈ E/F ; x + y = x + y. Et
∀x ∈ E/F, α ∈ K ; α × x = αx.
(E/F ; +; 0) est un groupe appelé groupe quotient. De plus,
· α(x + y) = α(x + y) = α(x + y) = αx + αy = αx + αy.
· (α + β)x = (α + β)x = αx + βx = αx + βx = αx + βx.
· α(βx) = α(βx) = α(βx) = (αβ)x = (αβ)x.
· 1x = 1x = αx.
Ainsi (E/F ; +; ×) est un K espace vectoriel appelé espace vectoriel
quotient de E par F .

Remarque 1.1.6. Si E est un K espace vectoriel, F et H deux sous espaces

vectoriels de E tels que E = F ⊕ H, alors l’application π1 : E/F −→ H, qui
à : x = x1 + x2 associe x2 est bijective (avec x1 ∈ F et x2 ∈ H) de plus on
vérifie que :
· π1 (x + y) = π1 (x) + π1 (y).
· π1 (αx) = απ1 (x).
π1 est un isomorphisme d’espaces vectoriels. Et on dit que E/F est iso-
morphe à H ou E/F s’identifie à H. On note E/F ' H.
De même on a : E/H ' F .
Plus généralement, si E = ⊕1≤i≤n Ei alors E/Ej s’identifie à ⊕1≤i6=j≤n Ei

Exemples 1.1.11. On sait que C est espace vectoriel réel et C = R ⊕ iR.

C/R ' iR et C/iR ' R.

14
1.2 Espaces vectoriels de dimensions finies
Définition 1.2.1. Soit E un espace vectoriel sur un corps K.
E est dit de dimension finie s’il possède un système générateur fini :
S = {x1 , x2 , ..., xn }.
Dans ce cas E est l’ensemble des combinaisons linéaires des éléments de
S.

Exemples 1.2.1. 1. On sait que C est espace vectoriel réel et admet

comme système générateur {1; i}, donc il est de dimension finie.
2. Pour n ≥ 1, Rn est un R espace vectoriel. De plus S = {e1 , e2 , ..., en }
(où ei est un n uplet dont la seule composante non nulle est la ième
qui vaut 1 , pour tout 1 ≤ i ≤ n : e1 = (1; 0; ...; 0) ; e2 = (0; 1; ...; 0) ;... ;
en = (0; 0; ...; 1)) est un système générateur fini de Rn . Ainsi Rn est de
dimension finie.
3. S = {1; X; X 2 ; ...; X n } est un système générateur fini du R espace vec-
toriel Rn [X]. De ce fait Rn [X] est de dimension finie.

Théorème 1.2.1. Si S = {x1 , x2 , ..., xn } est générateur d’un K espace vec-

toriel E, alors tout autre système de plus de n vecteurs de E est lié.

Démonstration. exercice

Remarque 1.2.1. 1. Un système générateur contient un nombre maxi-

mum de vecteurs linéairement indépendants
2. Si {x1 , x2 , ..., xn } est une base d’un K espace vectoriel E,alors :
E =< x1 > ⊕ < x2 > ⊕...⊕ < xn >.
Ainsi chaque x ∈ E s’exprime de manière unique sous la forme : x =
α1 x1 + α2 x2 + ... + αn xn .

Théorème 1.2.2. Soit E un espace vectoriel de dimension finie.

15
 1. Tout système générateur contient au moins une base.

2. Tout système libre se complète en une base.

Démonstration. 1. Soit S un système générateur de E. Il sagit d’extraire

de S un système libre maximal.
Soit 0 6= x1 ∈ E. Si E =< x1 >, alors B1 = {x1 } est une base de E.
Si non ∃x2 ∈ S r < x1 > tel que E =< x1 ; x2 >. Et B2 = {x1 ; x2 } est
une base de E.
Si non ∃x3 ∈ S r < x1 ; x2 > tel que E =< x1 ; x2 ; x3 >.
Et B3 = {x1 ; x2 ; x3 } est une base de E.
De proche en proche, on obtient un système {x1 , x2 , ..., xn } libre et
maximal.

2. Soit L un système libre de E. Il sagit d’adjoindre à L des vecteurs

en préservant l’indépendance linéaire du système jusqu’à obtenir un
système générateur.
Posons L = {x1 , x2 , ..., xs } (avec s < n) et soit 0 6= u1 ∈ Er < L >.
L1 = L ∪ {u1 } est libre. De plus si E =< L1 > alors {x1 , x2 , ..., xs , u1 }
est une base de E.
Si non ∃0 6= u2 ∈ E =< L1 > tel que L2 = L1 ∪ {u2 } est libre. De plus
si E =< L2 > alors {x1 , x2 , ..., xs , u1 , u2 } est une base de E.
Ainsi de suite, par itération on construit le système {x1 , x2 , ..., xs , u1 , u2 , ..., un−s }
générateur libre de n vecteurs qui est une base de E.

Corollaire 1.2.1. Si F est un sous espace vectoriel d’un espace vectoriel de

dimension finie E, alors dim F ≤ dim E.
Si B1 = {x1 , x2 , ..., xs } est une base de F , alors elle se complète par
adjonction en une base de E.

16
Théorème 1.2.3. (Equation aux dimensions)
Soit E1 et E2 deux sous espaces vectoriels d’un K espace vectoriel de
dimension finie.
dim (E1 + E2 )= dim E1 + dim E2 − dim (E1 ∩ E2 )

Démonstration. On sait que E1 ∩ E2 est un sous espace vectoriel de E1 et de

E2 . De ce fait si B 0 est une base de E1 ∩ E2 , alors elle se complète en une
base B1 de E1 et en une base B2 de E2 .
Les systèmes B 0 , B1 r B 0 et B2 r B 0 sont deux à deux disjoints et chacun
est libre. De ce fait B = B 0 ∪ (B1 r B 0 ) ∪ (B2 r B 0 ) est libre. De plus B est
g ’enérateur pour E1 + E2 . Et donc une base de ce dernier.
Ainsi

dim(E1 + E2 ) = cardB 0 + card(B1 r B 0 ) + card(B2 r B 0 )

= cardB 0 + cardB1 − cardB 0 + cardB2 − cardB 0
= cardB1 + cardB2 − cardB 0
= dimE1 + dimE2 − dim(E1 ∩ E2 )

Corollaire 1.2.2. Si E1 et E2 sont deux sous espaces vectoriels d’un espace

vectoriel de dimension finie E, alors dim (E1 ⊕ E2 )= dim E1 + dim E2 .

Théorème 1.2.4. E et F étant deux espaces vectoriels sur K de dimensions

respectives finies n et m. Alors dim(E × F ) = dimE + dimF .

Démonstration. Soient {e1 , e2 , ..., en } une base de E et {f1 , f2 , ..., fm } une

base de F . Soit (x, y) un élément quelconque de E × F , alors il existe deux
familles uniques (x1 , x2 , ..., xn ) et (y1 , y2 , ..., ym ) telles que :
x = x1 e1 + x2 e2 + ... + xn en et y = y1 f1 + y2 f2 + ... + ym fm . De ce fait,
(x, y) = x1 (e1 , 0) + x2 (e2 , 0) + ... + xn (en , 0) + y1 (0, f1 ) + y2 (0, f2 ) + ... +
ym (0, fm ) Autrement dit, la famille {(ei , 0); (0, fj )}(1≤i≤n,1≤j≤m) est une base
de E × F , donc dim(E × F ) = n + m = dimE + dimF .

17
Remarque 1.2.2. Le résultat précédent se généralise à p espaces vectoriels,
de dimensions finies sur K : dim(E1 × E2 × ... × Ep ) = dimE1 + dimE2 +
... + dimEp .

Définition 1.2.2. Soit E un K espace vectoriel de dimension n (avec n ≥ 1).

1. Un sous espace vectoriel de E, de dimension 1 est appelé droite vec-
torielle.
2. Un sous espace vectoriel de E, de dimension 2 est appelé plan vecto-
riel.
3. Un sous espace vectoriel de E, de dimension n − 1 est appelé hyper-
plan.

Théorème 1.2.5. Si E un K espace vectoriel de dimension n, alors tout sous

espace vectoriel F de dimension s (avec s < n) possède un supplémentaire
de dimension (n − s)

Démonstration. Si F de dimension s est un sous espace vectoriel de E de

dimension n, alors B1 = {x1 , x2 , ..., xs } est une base de F qui se complète en
une base B = {x1 , x2 , ..., xs , y1 , y2 , ..., yk } de E, avec (k = n − s) d’aprés le
théorème 1.2.2. On vérifie aisément que < y1 , y2 , ..., yk > est le supplémentaire
de F i.e E = F ⊕ < y1 , y2 , ..., yk >.

1.2.1 Exercices
Exercice 1. Soit E un espace vectoriel sur K (avec K = R ou C)
1. Montrer qu’une famille S est liée si, et seulement si, il existe un vecteur
de S qui est combinaison linéaire des autres vecteurs.
2. Montrer que si S contient 0E alors elle est liée.
La réciproque est - elle vraie ?
3. Montrer que si S contient deux vecteurs identiques alors elle est liée.

18
Exercice 2. Soit E = {(x; y; z; t) ∈ R4 x = 2y − z et t = x + y + z}
1. Montrer que E est un espace vectoriel sur R.
2. Déterminer une base de E et préciser sa dimension.

Exercice 3. On considère les vecteurs du R espace vectoriel R4 :

e1 = (0; 1; 1; 1) ; e2 = (1; 0; 1; 1) ; e3 = (1; 1; 0; 1) et e4 = (1; 1; 1; 0).
Soit F = V ect({e1 ; e2 }) et G = V ect({e3 ; e4 }).
Montrer que R4 = F ⊕ G.
√ √
Exercice 4. Soit E l’ensemble des nombres de la forme a + b 2 + c(1 − 2)2
où a ; b et c sont des nombres rationnels quelconques. On suppose E muni de
l’addition des nombres réels et de la multiplication par un nombre rationnel
quelconque.
1. Montrer que E est un espace vectoriel sur Q.
√ √ √ √
2. Que peut-on dire des familles (1; 2; (1 − 2)2 ), (1; 2), (1 − 2; 1 +
√
2).
3. En déduire la dimension de E.

Exercice 5. Soit R3 = R × R × R muni de l’addition interne et de la mul-

tiplication externe définies ∀(x, y, z); (x0 , y 0 , z 0 ) ∈ R3 et ∀α ∈ R par :

(x, y, z) + (x0 , y 0 , z 0 ) = (x + x0 , y + y 0 , z + z 0 )

α(x, y, z) = (αx, αy, αz)

1. Montrer que (R3 ; +; ×) est un espace vectoriel sur R.

2. Soient F1 l’ensemble des triplets de la forme (a − b, a, 2a + b) où a et
b sont des réels quelconques, F2 l’ensemble des triplets (x, y, z) tels que
x= y= z .
Démontrer que F1 et F2 sont des sous espaces vectoriels de R3 et indi-
quer une base de chacun d’eux.

19
 3. Déterminer F1 + F2

4. Vérifier que dim(F1 + F2 ) + dim(F1 ∩ F2 ) = dimF1 + dimF2

Exercice 6. On considère les vecteurs du R espace vectoriel R4 :

u1 = (1; 2; 0; 1) ; u2 = (1; 0; 2; 1) ; u3 = (2; 0; 4; 2).
v1 = (1; 2; 1; 0) ; v2 = (−1; 1; 1; 1) ; v3 = (2; −1; 0; 1) v4 = (2; 2; 2; 2).

1. Montrer que les familles {u1 ; u2 } ; {v1 ; v2 ; v3 } ; {u1 ; u2 ; v1 ; v2 } sont libres.

2. Soit E ⊆ R4 le sous espace engendré par {u1 ; u2 ; u3 }. Déterminer une

base de E. Donner le supplémentaire de E dans R4 .

3. Soit F ⊆ R4 le sous espace engendré par {v1 ; v2 ; v3 }. Déterminer une

base de F .

4. Déterminer E + F .

5. Montrer que (u1 + u2 ) ∈ E ∩ F . Donner une base de E ∩ F .

Exercice 7. Soit E un espace vectoriel sur K (avec K = R ou C).

Soient E1 , E2 et E3 trois sous espaces vectoriels de E, tels que E =
E1 + E2 + E3 .
Montrer que E = E1 ⊕ E2 ⊕ E3 si, et seulement si, E1 ∩ E2 = {0E } et
(E1 + E2 ) ∩ E3 = {0E }

Exercice 8. Soit T l’ensemble des trinômes du second degré au plus

1. Montrer que (T ; +; ×) est un espace vectoriel sur R.

2. Soit F1 l’ensemble des fonctions f1 définies pour tout réel x par :

f1 (x) = (α + β)x2 + 2αx + 3α − β

α et β sont des réels quelconques donnés pour chaque fonction f1 .

Montrer que F1 est un sous espace vectoriel de T .

20
 3. Soit F2 l’ensemble des fonctions f2 définies pour tout réel x par :

f2 (x) = γ(x2 − x − 1)

γ est un réel quelconque donné pour chaque fonction f2 .

Montrer que F2 est un sous espace vectoriel de T .
4. Montrer que F1 et F2 sont supplémentaires dans T .
5. Vérifier que dim(F1 + F2 ) + dim(F1 ∩ F2 ) = dimF1 + dimF2 .

Exercice 9. Soit E = RN l’ensemble des suites réelles. On sait que E est un

R espace vectoriel. Soient (Un ) ; (Vn ) et (Wn ) trois éléments de E, définies
pour tout n ∈ N par :
Un = 2n ; Vn = (−3)n et Wn = n2n
1. Montrer que la famille {(Un ); (Vn ); (Wn )} est libre.
2. Soit F le sous ensemble de E défini par :
F = {(tn ) ∈ E / ∀n ∈ N, tn+3 = tn+2 + 8tn+1 − 12tn }
a. Montrer que F est un sous espace vectoriel de E.
b. Soient (an ) ; (bn ) et (cn ) trois éléments de F telles que :
(a0 ; a1 ; a2 ) = (1; 0; 0) ; (b0 ; b1 ; b2 ) = (0; 1; 0) et (c0 ; c1 ; c2 ) = (0; 0; 1).
Montrer que les suites (an ) ; (bn ) et (cn ) forment une famille génératrice
de F .
c. Vérifier que les suites (Un ) ; (Vn ) et (Wn ) sont des éléments de F .
Puis donner l’expression générale des éléments de F .

Exercice 10. Soit E = R3 [X] l’ensemble des polynômes de degrés inférieur

ou égal à 3.
Soient F = {P ∈ E / P (1) = P (2) = 0} ;
G = {P ∈ E / P (3) = P (4) = 0}
1. Montrer que F et G sont des sous espaces vectoriels de E.
2. Montrer que E = F ⊕ G.

21