Chapitre 1

Espaces vectoriels

Ce premier cours d’algèbre linéaire traite des premières définitions et propriétés des
espaces vectoriels de manière générale et ensuite le cas de la dimension finie.

1.1 Structure d’espace vectoriel

Définition 1 Soit E un ensemble muni d’une loi interne notée + et d’une loi externe
notée × définie par
(
K × E → E;
(λ, x) 7→ λ × x
où (K, +, .) est un corps commutatif tels que
1. (E, +) est un groupe abélien
2. ∀λ, µ ∈ K ; ∀x ∈ E : (λ + µ) × x = λ × x + µ × x
3. ∀µ ∈ K, ∀x, y ∈ E :λ × (x + y) = λ × x + λ × y
4. ∀λ, µ ∈ K, ∀x ∈ E : λ × (µ × x) = (λ.µ) × x
5. ∀x ∈ E : 1 × x = x avec 1 l’élément neutre de la loi . dans K
Alors dans ce cas on dit que E un espace vectoriel sur K ou bien que E est un K
espace vectoriel.

Remarque 1 Généralement on travaille avec K = R ou C

Définition 2 Les éléments de E sont dits vecteurs et les éléments de K sont appelés
scalaires. Des fois (surtout en physique) on note les vecteurs par →
−
x.

Proposition 1 Soit E un K espace vectoriel alors ∀ λ , µ ∈ K ; ∀ x, y ∈ E

1. λ × x = 0 ⇔ λ = 0 ou x = 0
2. (λ − µ) × x = λ × x − µ × x
3. λ × (x − y) = λ × x − λ × y

1
Exemple 1 .
1. R et C sont deux-R espaces vectoriels. A noter que C est aussi un C-espace vecto-
riel.
2. L’ensemble des polynômes à coefficients réels est un R-espace vectoriel.
3. De même que l’ensemble des suites numériques ou l’ensemble des fonctions conti-
nues sur [a, b]....

Proposition 2 Soient E1 , E2 , ...En , K espaces vectoriels avec les mêmes lois + et ×.

Alors le produit cartésien : E = E1 × ... × En (produit cartésien) est un K espace vectoriel
muni de la loi interne ⊕ et de la loi externe ⊗ tels que :
∀(x1 , . . . , xn ), (y1 , . . . , yn ) ∈ E et ∀λ ∈ K, on a

(x1 , . . . , xn ) ⊕ (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )

et
λ ⊗ (x1 , . . . , xn ) = (λ × x1 , . . . , λ × xn ).

Exemple 2 Comme (R, +, ×) et (C, +, ×) sont deux R espaces vectoriels alors (Rn , ⊕, ⊗)
et (Cn , ⊕, ⊗) sont aussi des R espaces vectoriels avec n ∈ N∗ où Rn = R × . . . × R.

Notation 1 Par la suite et par simplification, on notera + et × à la place de ⊕ et ⊗.

1.2 Sous espaces vectoriels

Définition : Soit (E, +, ×) un K espace vectoriel et soit F ⊂ E ; F 6= ∅. On dit que F
est un sous espace vectoriel de E si et seulement si (F, +, ×) est un K-espace vectoriel.

Exemple 3 Quelques exemples de sous-espaces vectoriels :

1. Si P = R[X] est l’espace des polynômes à coefficients réels, alors Pn l’ensemble des
polynômes réels de degré inférieur ou égal à n est un sous-espace vectoriel de P.
2. L’ensemble des suites numériques convergentes est un sous-espace vectoriel de l’es-
pace vectoriel des suites numériques.

Notation 2 Par la suite et par simplification, on notera λx à la place de λ × x .

Proposition 3 Soit E un K-espace vectoriel et soit F ⊂ E avec F 6= ∅. Alors F est un

sous espace vectoriel de E si et seulement si
(
∀x, y ∈ F, et ∀λ ∈ K
(I)
x + y ∈ F, et λ x ∈ F.

Ce qui est équivalent à (

∀x, y ∈ F, et ∀λ, µ ∈ K
(II)
λ x + µ y ∈ F..

2
Preuve 1 Si F est un sous espace vectoriel de E, il est évident que la propriété (I) (ou
(II)) est vérifié par définition d’un espace vectoriel. Inversement, supposons que F ⊂ F
avec F 6= ∅ et supposons que la propriété (I) soit vérifiée. Alors (F, +, ×) est un sous-
groupe de (E, +, ×) et toute les autres relations de la définition 1 sont alors valide. Ceci
montre que F est aussi un K-espace vectoriel.

Exemple 4
E = R2 ; F = {(α, 0), α ∈ R est un sous espace vectoriel de R2
E = R3 ; F = {(α, β, α + β), α, β ∈ R est un sous espace vectoriel de R3
E = R2 ; F = {(α, 2α); α ∈ R est un sous espace vectoriel de R2 .

Proposition 4 Soit E un K espace vectoriel et soient F et G deux sous espaces vectoriels

de E alors H = F ∩ G est un sous espace de E.

Preuve 2 Soient x, y ∈ H = F ∩ G et λ ∈ R ⇒ x et y ∈ F et x, y ∈ G or F et G sont

deux sous espaces vectoriel ⇒ x + y ∈ F et x + y ∈ G de même λx ∈ F et λx ∈ G. On a
donc x + y ∈ H = F ∩ G et λx ∈ H = F ∩ G ⇒ H = F ∩ G est un sous espace vectoriel.

Remarque 2 De manière générale, on a aussi

\
1. Si (Fi )i∈I est une famille de sous espace vectoriels de E alors F = Fi est un
i∈I
sous espace vectoriel de E
2. F ∪ G n’est pas (en général) un sous espace vectoriel de E comme le montre
l’exemple suivant :
F = {(α; 0) ; α ∈ R}; G = {(0; β); β ∈ R}. F et G sont deux sous espaces vectoriels
de R2 . Soient x = (α, 0) ∈ F et y = (0, β) ∈ G alors x + y = (α, β) ∈
/ F ∪ G si α
et β 6= 0 , ce qui montre que F ∪ G n’est pas un sous espace vectoriel de R2 .

Définition 3 Soit E un K-espaces vectoriel et F , G deux sous espaces vectoriels de E.

Alors la somme F + G est donnée par

F + G = {x = x1 + x2 , où x1 ∈ F, x2 ∈ G}.

Définition 4 Soit E un K espace vectoriel et soient E1 , ..., En des sous espaces vectoriels
de E. Alors la somme de ces sous espaces vectoriels notée E1 + ... + En est définie par :

E1 + ... + En = {x = x1 + ... + xn où xi ∈ Ei avec i = 1, . . . , n}.

Exemple 5 Soit E = R2 . Posons E1 = {(α, 0); α ∈ R} et E2 = {(0, β); β ∈ R}. Alors

x ∈ E1 +E2 ⇔ x = x1 +x2 où x1 = (α, 0) ∈ E1 et x2 = (0, β) ∈ E2 ⇔ x = (α, β); α, β ∈ R.
Ce qui montre que E1 + E2 = R2 .

Proposition 5 Soit E un K espace vectoriel et soient E1 , ...En , n sous espaces vectoriels

de E. Alors F = E1 + ... + En est un sous espace vectoriel de E.

3
Preuve 3 Soient x, y ∈ F et λ ∈ K : x = x1 + ... + xn ; xi ∈ Ei et y = y1 + ...yn , yi ∈ Ei
avec i = 1, . . . , n. Alors
x + y = (x1 , y1 ) + ... + (xn , yn ) ∈ F et λx = (λx1 ) + ... + (λxn ) ∈ F . Ce qui montre que
F = E1 + ... + En est un sous espace vectoriel de E.

Définition 5 Soit E un K espace vectoriel et F , G deux sous espaces vectoriels de E.

Alors la somme H = F + G est dite somme directe ssi F ∩ G = {0}. Dans ce cas on
note
H = F ⊕ G.

Exemple 6 Soit E = R2 . On pose F = {(α, 0); α ∈ R} et G = {(0, β); β ∈ R}.

On a bien F ∩ G = {0}, ce qui montre que la somme est une somme directe ⇒ H =
F ⊕ G.

Définition 6 Cas général Soient E1 , . . . , En des sous sous espaces vectoriel de E. La

somme H = E1 + ... + En est dite somme directe ssi Ei ∩ Ej = {0} pour i, j = 1, . . . , n
et i 6= j. Dans ce cas on note : H = E1 ⊕ E2 ⊕ ... ⊕ En .

Proposition 6 Soit E un K espace vectoriel et soient F1 et F2 deux sous espaces vecto-

riels de E. Alors la somme F = F1 + F2 est directe ssi tout élément de F se décompose
de manière unique sous la forme :

∀x ∈ F, ∃!(x1 , x2 ) ∈ F1 × F2 , tel que x = x1 + x2 .

Preuve 4 Soit x ∈ F1 + F2 : x = x1 + x2 ; x1 ∈ F1 et x2 ∈ F2 et supposons que x =

x01 + x02 ; x01 ∈ F1 et x02 ∈ F2 ⇒ x1 − x01 + x2 − x02 = 0. Or x1 − x01 ∈ F1 et x02 − x2 ∈ F2 ,
donc x1 − x01 ∈ F1 ∩ F2 et x2 − x02 ∈ F1 ∩ F2 . Si la somme F1 + F2 est directe alors F1 ∩ F2
= {0}, ce qui montre que x1 =x01 et x2 = x02
Donc la décomposition x = x1 + x2 est unique.

Définition 7 Soit E un K espace vectoriel. E1 et E2 deux sous espaces vectoriels de E.

Alors E1 et E2 sont dits supplémentaires dans E ssi

E = E1 ⊕ E2 .

Dans ce cas E1 est le supplément de E2 dans E.

Exemple 7 Soit E = P3 l’espace vectoriel des polynômes de degré inférieur ou égal à 3.

Soient E1 le sous espace vectoriel des polynômes constants et E2 le sous-espace vectoriel
des polynômes de la forme P (x) = ax + bx2 + cx3 , a, b, c ∈ R. Alors, il est clair que E1
et E2 sont supplémentaires dans E.

4
1.3 Dépendance et indépendance linéaire
1.3.1 Famille libre, famille liée
Définition 8 Soit E un K espace vectoriel et soit {v1 , . . . , vn } une famille de n vecteurs
de E. On appelle combinaison linéaire de v1 , . . . , vn tout vecteur v de la forme
v = λ1 v1 + . . . + λn vn où λ1 , . . . , λn ∈ K

Définition 9 Soit E un K espace vectoriel et soit {v1 , . . . , vn } une famille de n vecteurs

de E alors :
1. la famille {v1 , . . . , vn } est dite liée (dans ce cas on dit que les vi , i = 1, . . . , n sont
dépendants) ssi ∃ λ1 , ..., λn non tous nuls (au moins un des λi est non nul) tel
que
λ1 v1 + λ2 v2 + ... + λn vn = 0
2. la famille {v1 , . . . , vn } est dite libre (ou indépendante) ssi :
λ1 v1 + λ2 v2 + ... + λn vn = 0 ⇒ λ1 = λ2 = . . . = λn = 0

Remarque 3 On a les remarques suivantes

— Une famille est libre ssi elle est non liée.
— Une famille contenant le vecteur nul 0 est une famille liée.
— Une sous famille d’une famille libre est une famille libre.
— Une sur-famille d’une famille liée est liée.

Exemple 8 On considère les exemples suivants

1. E = R2 , v1 = (2, −4), v2 = (1, −2), v3 = (3, −6)
{v1 , v2 , v3 } est liée car ∃λ1 , λ2 et λ3 ∈ R tq λ1 v1 + λ2 v2 + λ3 v3 = 0 et au moins un
λi 6= 0. En effet si λ1 = 1, λ2 = 1 et λ3 = -1, on a bien v1 + v2 − v3 = 0.
2. E = R[X] espace vectoriel de polynôme à coefficient dans R. Prenons
P1 (X) = X 2 − 2X + 1, P2 (X) = 3X 2 − 6X + 3. Alors 3P1 − P2 = 0. Donc le
système de vecteurs {P1 , P2 } est liée.
3. E = R3 , e1 = (1, 0, 0), e2 = (0, 1, 0) et e3 = (0, 0, 1). Il est clair que la famille
{e1 , e2 , e3 } est libre car λ1 e1 + λ2 e2 + λ3 e3 = 0 implique que λ1 = λ2 = λ3 = 0.

Remarque : Soit (ui )i∈I une famille d’éléments de E. On dit que la famille (ui )i∈I est
libre ssi ∀J finie , J ⊂ I alors la famille (ui )i∈J est libre.

1.3.2 Sous espace vectoriel engendré par une partie de E

Soit E un K espace vectoriel.
Définition 10 Soit A une partie de
\E, on appelle sous espace vectoriel engendré par A,
le sous espace vectoriel < A >= F où VA est l’ensemble de tous les sous espaces
F∈VA
vectoriels de E contenant A.
Notations : Des fois on note aussi vect(A) ou vec(A).

5
Proposition 7 Le sous espace vectoriel engendré par A est le plus petit sous espace
vectoriel contenant A.

Preuve 5 Tout d’abord, < A > est un sous-espace vectoriel de E car c’est l’intersection
de sous-espaces vectoriels de E. Si G ⊂< A > est un sous espace vectoriel de E contenant
A alors forcément < A >⊂ G et donc < A > est le plus petit sous espace vectoriel
contenant A.

Exemple 9 E = R3 ; A = {u = (0, 1, 1)}

< A > est le sous espace vectoriel engendrée par u (droite vectorielle engendré par u)

Définition 11 Soit B = {u1 , . . . , un } une famille d’éléments de E. Alors le sous espace

vectoriel engendré par {u1 , . . . , un } est donné par
n
( )
X
< u1 , u2 , . . . , un > = x= λi ui ; λi ∈ K .
i=1

Autrement dit, le sous-espace vectoriel engendré par {u1 , . . . , un } est l’ensemble de toutes
les combinaisons linéaires des vecteurs u1 , . . . , un .

1.3.3 Familles génératrices - Bases

E est un K espace vectoriel.
Définition 12 Soit B = {u1 , ..., un } une famille finie d’éléments de E. On dit que {u1 , ..., un }
est une famille génératrice de E (ou système générateur) ssi

n
X
∀u ∈ E, ∃ λ1 , ..., λn ∈ K tel que u = λi ui .
i=1

Dans ce cas E est engendré par {u1 , ..., un }

Remarque 4 Soit F un sous espace vectoriel de E et soit {v1 , ..., vp } une famille de
vecteurs de F . Alors {v1 , ..., vp } est une famille génératrice de F ssi :
p
X
∀v ∈ F, ∃ γ1 , ..., γp ∈ K tel que v = γi vi
i=1

Exemple 10 On considère les exemples suivants :

— E = R2 , u1 = (1, 0) ; u2 = (0, 1). Alors {u1 , u2 } est un système générateur de E
car ∀u ∈ E, u = (λ1 , λ2 ) ∈ R2 , et on a u = λ1 u1 + λ2 u2
— Soit F = {(α, 2α); α ∈ R}. Il est clair que F est un sous espace vectoriel de E =
R2 , engendré par v1 = (1, 2).

Définition 13 Une famille B d’éléments de E est dite base de E ssi cette famille est
libre et génératrice de E.

6
Exemple 11 On considère les exemples classiques suivants
1. E = R2 , e1 = (1, 0) et e2 = (0, 1) {e1 , e2 } est une famille libre et génératrice de E,
donc base de R2 .
2. E = Rn et e1 = (1, 0, . . . , 0), . . . , en = (0, 0, . . . , 1). Alors B = {e1 , e2 , . . . en } est
une base de E dite base canonique de E.
3. E = Rn [X] est l’espace vectoriel des polynômes de degré inférieur ou égal à n. Soit
la famille canonique de vecteurs de E donnée par B = {1, X, X 2 , . . . , X n }. Alors
B est libre et génératrice de E, donc base de E contenant n + 1 éléments et dite
base canonique de E = Rn [X].

Proposition 8 Soit B = {u1 , ..., un } une famille d’éléments de E. Alors B est une base
de E ssi :
n
X
∀x ∈ E, ∃ ! (x1 , ..., xn ) ∈ Kn tel que x = xi ui .
i=1

Autrement dit, tout vecteur de E se décompose (ou s’écrit) de manière unique dans
cette base.
Les scalaires x1 , ..., xn sont appelés les composantes (ou les coordonnées) de x dans la
base B = {u1 , ..., un }.

Exemple 12 .
1. E = R3 ; e1 = (0, 1, 1); e2 = (1,0,1) et e3 = (1,1,0)
∀x ∈ E; ∃! (x1 , x2 , x3 ) ∈ R3 tq : x = x1 e1 + x2 e2 + x3 e3 . Donc {`1 , e2 , e3 } est une
base de E.
2. E = Rn [X] espace vectoriel des polynômes de degrés ≤ n. ∀P ∈ E : ∀x ∈ R
P (x) = an xn + an−1 xn−1 + ... + a1 x + a0 où ai ∈ R; i = 1, ..., n et les ai sont uniques.

1.4 Dimension d’un espace vectoriel

Soit E est un K espace vectoriel.

Proposition 9 Soient B et B 0 (avec B ⊂ B 0 ) deux familles de vecteurs de E :

B = {u1 , ..., up } et B 0 = {u1 , ..., up , up+1 , ..., uq } Alors :
1. B 0 est libre ⇒ B libre
2. B génératrice de E ⇒ B 0 est génératrice de E

p
X
Preuve 6 (1) Supposons que B 0 soit libre. Montrons que B est libre. λi ui = 0 ⇔
i=1
λ1 u1 , ...λp up = 0 ⇔ λ1 u1 + ... + λp up + 0up+1 + 0up+2 + ... + 0uq = 0 ⇒ λ1 = λ2 = ... =
λp = 0 (car B 0 est libre) ⇒ B est libre

7
 (2) Supposons que B soit un système générateur de E : ∀x ∈ E, ∃ x1 , ..., xp ∈ K tel
p
X
que x = xi ui = x1 u1 + ... + xp up ⇒ x = x1 u1 + ...xp up + 0up+1 + ... + 0uq ⇒ x =
i=1
q
X
xi ui . Ce qui montre que B 0 est un système générateur de E.
i=1

Définition 14 Un K-espace vectoriel E est dit de dimension finie ssi E admet une
base finie.

Théorème 1 Soit E un K espace vectoriel de dimension finie : n. Alors toute base de E

admet exactement n vecteurs et on note :

n = dim(E).

Exemple 13 dim(Rn [X]) = n + 1 et dim (Rn ) = n.

Théorème 2 Théorème de la base incomplète : Soit E un K espace vectoriel de

dimension n et soit B1 = {u1 , ...up } un système libre de vecteurs de E avec p < n. Alors
on peut compléter B1 par n − p vecteurs up+1 , ..., un pour avoir une base B = {u1 , ..., un }
de E.

Exemple 14 u1 = (1, 1, 0), u2 = (0, 1, 1) on peut alors compléter {u1 , u2 } par un vecteur
u3 pour obtenir une base de R3 , par exemple u3 = (1, 0, 1) (une infinité de possibilités de
le faire).

1.5 Sous-espaces vectoriels d’un espace vectoriel de

dimension finie
On suppose que E est un K-espace vectoriel de dimension n.

Proposition 10 Soit E un K espace vectoriel de dimension n et soit F un sous-espace

vectoriel de E. Alors : dim (F ) ≤ dim (E) = n.

Exemple 15 E = R3 ; dim E = 3. B1 = {e1 , e2 , e3 } est la base canonique de E

e1 = (1, 0, 0), e2 = (0, 1, 0) et e3 = (0, 0, 1). ∀x = (x1 , x2 , x3 ) ∈ R3 alors x = x1 e1 + x2 e2 +
x3 e 3 .
Soit F = {x = (α, 2α, β) ; α, β ∈ R}. Alors ∀x ∈ F : x = (α, 2α, β) = (α, 2α, 0) + (0, 0, β)
= α(1, 2, 0) + β(0, 0, 1) = αu1 + βu2 avec u1 = (1, 2, 0) et u2 = (0, 0, 1)
Donc {u1 , u2 } est une famille génératrice de F . En plus {u1 , u2 } est libre :
en effet : α1 u1 + α2 u2 = 0 ⇔ α1 (1, 2, 0) + α2 (0, 0, 1) = 0
(
α1 = 0
⇔ (1.1)
α2 = 0

Donc {u1 , u2 } est une base de F et dim F = 2.

8
Proposition 11 Soit E un K espace vectoriel de dimension n. Soient F et G deux sous-
espaces vectoriels de E. Alors
1.
dim (F + G) = dim F + dim G − dim (F ∩ G).
2. Si en plus F ∩ G = {0} (et dans ce cas F + G est une somme directe), alors
dim (F ⊕ G) = dim (F) + dim (G).

Exemple 16 E = R3 ; B0 = {e1 , e2 , e3 } base canonique de R3 avec e1 = (1, 0, 0), e2 =

(0, 1, 0) et e3 = (0, 0, 1). Soit F le sous espace vectoriel F =< e1 , e2 >= {x ∈ E tq x =
αe1 + βe2 , α, β ∈ R}. Soit G le sous-espace vectoriel : G = {x ∈ E tq x = γe3 , γ ∈ R}.
Il est clair que la somme F + G est directe car F ∩ G = {0}. Et on a bien
dim (F ⊕ G) = dim F + dim G .
Si on pose H =< e1 , e3 > alors F ∩ H = {e1 } et la somme F + H n’est pas directe. Dans
ce cas on a dim (F + H) = dim F + dim H − dim (F ∩ H) et F + H = R3 .

1.6 Produit cartésien

Proposition 12 Soient E et F deux K espaces vectoriels et soit E×F le produit cartésien
de E et de F . Alors
dim(E × F ) = dim(E) + dim(F ).
De manière générale, si Ei , i = 1, ..., q sont des K espaces vectoriels alors
dim(E1 × E2 × ... × Eq ) = dim(E1 ) + dim(E2 ) + ... + dim(Eq ).

Preuve 7 Si B1 = {u1 , . . . , un } est une base de E et B2 = {v1 , . . . , vp } une base de F ,

alors tout vecteur w de F × F , s’écrit sous la forme
w = (x1 u1 +. . .+xn un , y1 v1 +. . .+yp vp ) = x1 (u1 , 0)+. . .+xn (un , 0)+y1 (0, v1 )+. . .+yp (0, vp ).
Ce qui montre que B = {(u1 , 0), . . . , (un , 0), (0, v1 ), . . . (0, vp )} est un système générateur
de E × F contenant n + p éléments. Il est facile de vérifier qu’il est aussi libre et donc
forme une base de E × F , ce qui montre que dim(E + F )=dim(E)+ dim(F )=n + p.

Exemple 17 E = R2 ; F = R3 ; dim E = 2 et dim F = 3. Le produit cartésien de E par

F est : E × F = R2 × R3 ≡ R5 et dim (E × F ) = 5 = dim E + dim F .

1.7 Rang d’une famille finie de vecteurs

On va maintenant définir la notion de rang d’un système de vecteurs.
Définition 15 Soit E un K espace vectoriel et soit B1 = {u1 , u2 , ..., up } une famille de
p vecteurs de E.
Soit F le sous-espace vectoriel engendré par u1 , ..., up : F = < u1 , u2 , ..., up >. Alors le
rang de la famille B1 est :
rang(B1 ) = dim(F).

9
Remarque 5 .
— rang (B1 ) ≤ p.
— Le rang de B1 = {u1 , u2 , ..., up } est le nombre maximum de vecteurs indé-
pendants de B1 .

Exemple 18 E = R3 ; B1 = {u1 , u2 , u3 }, u1 = (1, 0, 0), u2 = (0, 1, 0) et u3 = (2, 2, 0)

u3 = 2u1 + 2u2 est un système lié car on exprime u3 en fonction de u1 et u2 . Donc
{u1 , u2 , u3 } n’est pas libre mais {u1 , u2 } est libre ⇒ rang(B1 ) = 2.

Remarque 6 Méthode pratique à voir en TD : méthode type Gauss.

10