ESPACES

VECTORIELS
Dfinition : Soit K un corps donn ou , et soit
V un ensemble non vide ayant les deux lois,
addition et multiplication par un scalaire, qui font
correspondre u , v V une somme u + v V et
un u V quelconque et k K un produit k u V .
V est alors appel K -espace vectoriel ou espace
vectoriel sur K (et les lments de V sont appel
vecteurs) si et seulement si les axiomes suivants
sont vrifis :
[ A1 ] : Quels que soient les vecteurs u, v, w V ,
( u + v ) + w = u + ( v + w).
[ A2 ] : Il existe un vecteur de V , not 0V et appel
vecteur nul , u V , u + 0V = 0V + u = u
[ A3 ] : Quels que soient les vecteurs u V , il existe
un vecteur de V not u , pour lequel
u + ( u ) = ( u ) + u = 0V .
[ A4 ] : Quels que soient les vecteurs u, v V ,
u+v = v+u
1

[ M 1 ] : Quels que soient le scalaire k K et quels

que soient les vecteurs u , v V ,
k (u + v ) = k u + k v.
[ M 2 ] : Quels que soient les scalaires a, b K et
quels que soit le vecteur u V ,
( a + b ) u = au + bu .
[ M 3 ] : Quels que soient le scalaire a, b K et
u V , ( ab ) u = a ( bu ) .
[ M 4 ] : Pour le scalaire 1K K , 1K u = u , u V .

Thorme 1 : Soit V un K-espace vectoriel.

ku = 0V k = 0K ou u = 0V
(i)
(ii) Quel que soit le scalaire k K et quel que
soit u V , ( k ) u = k ( u ) = ku .
n facteurs

Exemple 1 : Lensemble K n = K K des n tuples ( a1 ,..., an ) , avec les deux oprations

( a1 ,..., an ) + ( b1 ,..., bn ) = ( a1 + b1 ,..., an + bn )
et
k ( a1 ,..., an ) = ( ka1 ,..., kan ) o ai , bi , k K ,

est un K -espace vectoriel; on note cet espace vectoriel K n . Le vecteur nul de K n tant les n -tuples
dont tous les lments sont nuls, 0 = ( 0,...,0 ) .
Exemple 2 : Soit Mmn ( K ) lensemble des matrices
de type m n dont les lments appartiennent K.
Mmn ( K ) muni des deux lois addition des matrices
et multiplication dune matrice par un scalaire est
un K -espace vectoriel.
Exemple 3 : Soit K [ X ] lensemble des polynmes
dont les coefficients appartiennent K . K [ X ] muni des deux lois addition des polynmes et multiplication dun polynme par un scalaire est un K espace vectoriel .
Exemple 4 : Soit X un ensemble non vide. Considrons lensemble Y [ X , K ] de toutes les fonctions dfinies sur X valeur dans K . La somme
de deux fonctions quelconques f , g V est la
fonction f + g V dfinie par
( f + g )( x ) = f ( x ) + g ( x )

et le produit dune fonction f V par un scalaire

k K est la fonction kf V dfinie par
( kf ) ( x ) = kf ( x ) .
V muni des lois prcdentes est un K -espace
vectoriel.
Dfinition : Soit V un K -espace vectoriel. W V
est appel sous-espace vectoriel de V si et seulement si W est lui-mme un K -espace vectoriel par
rapport aux lois d'addition vectorielle et de multiplication par un scalaire dfinies sur V .
Thorme 2 : W est un sous-espace vectoriel de V
si et seulement si
(i) W n'est pas vide,
(ii) W est ferm pour 1'addition ; w1 , w2 W
implique w1 + w2 W ,
(iii) W est ferm pour la multiplication par un
scalaire v W implique kv W quel que
soit k K .
Thorme 3 : W est un sous-espace vectoriel de
V si et seulement si
(i) 0W et
4

(ii) w1 , w2 W implique aw1 + bw2 W quel

que soit a, b K.
Exemple 5 : Soit V un K -espace vectoriel quelconque. L'ensemble {0V } constitu du seul vecteur

nul, ainsi que 1'espace entier V sont des sousespaces vectoriels de V .

Exemple 6 :
(i)

(ii)

Soit V 1'espace vectoriel 3 . L'ensemble des

vecteurs W dont la dernire composante est
nulle, W = {( a, b, 0 ); a, b } , est un sous-

espace de V .
Soit Mmn ( K ) un K -espace vectoriel des
matrices m n . L'ensemble W des matrices
A = ( aij ) pour lesquelles aij = a ji appeles

matrices symtriques est un sous-espace de

Mmn ( K ) .
(iii) Soit K [ X ] un K -espace vectoriel des polynmes. L'ensemble K n [ X ] des polynmes

de degr n , n tant fix, est un sousespace vectoriel de K [ X ].

(iv) Soit Y [ X , K ] le K -espace vectoriel.
L'ensemble W constitu de toutes les
fonctions bornes est un sous-espace
vectoriel de Y [ X , K ].
Exemple 7 : Considrons un systme homogne
quelconque d'quations linaires n inconnues et
coefficients complexes:
a11 x1 + a12 x2 + + a1n xn = 0

.........................................
am1 x1 + am 2 x2 + + amn xn = 0
L'ensemble W de toutes les solutions de ce
systme homogne est un sous-espace vectoriel de
n
appel espace vectoriel des solutions.
Cependant 1'ensemble des solutions d'un systme
non homogne d'quations linaires n inconnues
nest pas un sous-espace vectoriel de n .
Thorme 4 : Soient U et W deux sous-espaces
vectoriels d'un K -espace vectoriel V . Alors leur
intersection U W est aussi un sous-espace de V .
6

Thorme 5 : L'intersection d'un nombre quelconque de sous-espaces vectoriels d'un K -espace vectoriel V est un sous-espace vectoriel de V .
Dfinition : Soient V un K -espace vectoriel et
v1 ,..., vm V . Un vecteur quelconque de V , de la
forme
a1v1 + a2v2 + + am vm
o les ai K , est appel combinaison linaire de
v1 ,..., vm .
Dfinition : Soit V un K -espace vectoriel.
1). On dit que la famille finie v1 ,..., vm V est lie
ou linairement dpendants, ou simplement dpendants si ( a1 ,..., am ) K m {( 0,...,0 )} , tels que :
a1v1 + a2v2 + + am vm = 0
2). On dit que la famille finie v1 ,..., vm V est libre
ou linairement indpendants, ou simplement
indpendants si ( a1 ,..., am ) K m , tels que :
a1v1 + + am vm = 0 a1 = 0,..., am = 0

3). On dit que la famille infinie ( vi ) I est lie si et

seulement sil existe une sous famille finie de ( vi ) I
qui est lie.
4). On dit que la famille infinie ( vi ) I est libre si et
seulement si toute sous famille finie de ( vi ) I est
libre.
5). On dit que une partie non vide A V est libre
si et seulement si la famille ( v )vA est libre.
Exemple 8 : Les 3 vecteurs de 3 , u = (1, 1, 0 ) ,
v = (1,3, 1) et w = ( 5,3, 2 ) sont dpendants puisque 3u + 2v w = 0 .
Exemple 9 : Montrons que les trois vecteurs
u = ( 6, 2,3, 4 ) , v = ( 0,5, 3,1) et w = ( 0,0,7, 2 ) sont
indpendants.
Thorme 6 : Les lignes non nulles d'une matrice
sous sa forme chelonne sont linairement indpendantes.
Thorme 7 : Les vecteurs non nuls v1 ,..., vm sont
linairement dpendants si et seulement si l'un
8

d'entre eux, vi , est une combinaison linaire des

autres vecteurs.
Theorme 8 : Soit S un sous-ensemble non vide
de V . L'ensemble de toutes les combinaisons
linaires des vecteurs de S , not par Vect ( S ) est
un sous-espace vectoriel de V contenant S . De
plus, si W est un autre sous-espace vectoriel de V
contenant S , alors Vect ( S ) W .
En d'autres termes, Vect ( S ) est le plus petit sousespace de V contenant S .
Dfinition : Vect ( S ) est appel sous-espace engendr par S .
Exemple 10 : Les vecteurs e1 = (1,0,0 ) , e2 = ( 0,1,1)
et e3 = ( 0,0,1) engendrent l'espace vectoriel 3 .
Exemple 11 : L'espace vectoriel m est engendr
par les m vecteurs (1,0,...,0 ) ,..., ( 0,0,...,1) .
Exemple 12 : Les polynmes 1, t , t 2 ,... engendrent
l'espace vectoriel K [T ] de tous les polynmes(en

t ) K [T ] = Vect (1, t , t 2 ,...) . Chaque polynme est

9

une combinaison lineaire de 1 et de puissances de

t.
Dfinition : Soient V un K-espace vectoriel et
F V une famille. On dit que F est une famille
gnratrice ou gnratrice de V si et seulement si
V = Vect ( F ) .
Dfinition : Soit A Mmn ( K ) :
a11 a12 ... a1n
a

a
a
...
21
22
2n

A=
... ... ... ...

...
a
a
a
mn
m1 m 2
Les lignes de A sont
R1 = ( a11 , a12 , ...., a1n ) ,..., Rm = ( am1 , am 2 ,..., amn )
et peuvent tre considres comme des vecteurs de
K n engendrant un sous-espace de K n appel
espace ligne de A , c'est--dire que l'espace ligne de
A = L ( R1 ,..., Rm ) .
De manire analogue, les colonnes de A peuvent
tre considres comme des vecteurs de K m engendrant un sous-espace de K m , appel espace
colonne de A .
10

Supposons maintenant que nous appliquons sur

A les oprations lmentaires sur les lignes
suivantes :
(i) Ri R j ,
(ii) Ri kRi , k 0 , ou
(iii) Ri Ri + k R j
et que nous obtenons une matrice B . Chaque ligne
de B est donc soit une ligne de A , soit une
combinaison linaire des lignes de A . En
consquence l'espace ligne de B est contenu dans
l'espace ligne de A . D'autre part, nous pouvons
appliquer les oprations lmentaires inverses des
prcdentes sur B et obtenir A ; d'o l'espace ligne
de A est contenu dans l'espace ligne de B . En
conclusion A et B ont le mme espace ligne, ce
qui nous conduit au thorme suivant.
Thorme 9 : Deux matrices quivalentes lignes
ont le mme espace ligne.
Thorme 10 : Des matrices chelonnes rduite
par les lignes ont le mme espace ligne si et
seulement si elles ont les mmes lignes non nulles.
11

Exemple 13 : Montrer que l'espace U engendr

par les (1, 2, 1,3) , ( 2, 4,1, 2 ) et ( 3,6,3, 7 ) et
l'espace V engendr par les vecteurs (1, 2, 4,11) et
( 2, 4, 5,14 ) sont gaux, c'est--dire U = V .
Dfinition : Soit U et W deux sous-espaces d'un
K-espace vectoriel V . La somme de U et W est
dfinie U + W = { u + w , u U , wW }
Plus gnralement, la somme de sous espaces U1 ,
,U k de V est dfinie par
k
k

U j = u j : u1 U1 ,..., uk U k

j =1
j =1

Thorme 11 : La somme U1 + + U k de k sousespaces U1 ,,U k de V est aussi un sous-espace de

V.
Exemple 14 : Soit M22 ( K ) l'espace vectoriel des
matrices 2 2 sur K. Soit U l'ensemble des
matrices de M22 ( K ) dont la seconde ligne est
nulle, et soit W l'ensemble des matrices de
M22 ( K ) dont la seconde colonne est nulle :
12

 a
U =
0
a
W =
c

b
: a, b K ,
0

0
: a, c K
0

Donc U et W sont des sous-espaces de M22 ( K ) ;

nous avons
a b

U + W =
: a, b, c K et
c 0

a 0

U W =
: aK
0 0

Dfnition : Un sous-espace U V est dit tre la

somme directe des sous-espaces U1 ,,U k , que l'on
note U = U1 U k si et seulement si chaque
vecteur u U peut tre dcompos d'une manire
unique en u = u1 + + uk avec u1 U1 ,..., uk U k .
Thorme 12 : Soient U ,U1 ,...,U k des sous espaces
dun K-espace vectoriel V . Les proprits
suivantes sont deux deux quivalentes :
1). U = U1 U k
13

2). ( u1 ,..., uk ) U1 U k ,
( u1 + + uk = 0 u1 = 0, ..., uk = 0 )

3).l {1,..., k} ,U l U j = {0V }

1 j n
j l

4). l {2,..., k} ,U l U j = {0V }

1 j l 1
5). ( u1 ,..., uk ) (U1 {0V }) (U k {0V }) ,

( u1 ,..., uk ) est libre (en supposant U1 ,,U k tous

{0} ) .

Dfnition : Soit V1 ,V2 deux sous-espaces dun K espace vectoriel V . Si V = V1 V2 , V1 est dit un
supplmentaire de V2 dans V , V2 est dit un supplmentaire de V1 dans V , et V1 et V2 sont dits supplmentaires dans V .
Exemple 15 : Dans l'espace vectoriel
plan ( xy ) et W le plan yz :

U = {( a, b, 0 ) : a, b

( )

, soit U le

} et W = {( 0, b, c ) : b, c }
14

Alors 3 = U + W puisque chaque vecteur de 3

est la somme d'un vecteur de U et d'un vecteur de
W . Cependant 3 n'est pas la somme directe de U
et de W puisque de telles sommes ne sont pas
uniques ; par exemple ( 3,5, 7 ) = ( 3,1, 0 ) + ( 0, 4,7 ) et
( 3,5,7 ) = ( 3, 4, 0 ) + ( 0,9, 7 )
Exemple 16 : Soit U le plan ( xy ) et W l'axe des
z : U = {( a, b, 0 ) : a, b } et W = {( 0, 0, c ) : c } .

Un vecteur quelconque ( a, b, c ) 3 peut tre crit

sous la forme d'une somme d'un vecteur de U et
d'un vecteur de W d'une seule manire:
( a, b, c ) = ( a, b, 0 ) + ( 0, 0, c )
En consquence 3 est la somme directe de U et
W , c'est--dire 3 = U W .
Dfinition : Un K -espace vectoriel V est dit de
dimension finie n , ou a pour dimension n , on crit
dimV = n ou dim V = n , si et seulement si il

)K

existe des n vecteurs linairement indpendants

e1 ,..., en qui engendrent V . La suite B = { e1 ,..., en }
(ordre est importante) est appele base de V .
Lorsqu'un espace vectoriel n'est pas de dimension
15

finie, on dit qu'il s'agit d'un espace vectoriel de

dimension infinie.

Dfinition : On appelle rang ( A ) = dim Vect ( A )

le rang dune famille A dun K-espace vectoriel

V.
Thorme 13 et dfinition : Une famille finie
B = { e1 ,..., en } est une base dun K -espace
vectoriel V si et seulement si :
n

x V , !( x1 ,..., xn ) K , x = x j e j
n

j =1

x1
sappelle coordox
=
x
,.
..,
x
ou
x
=
( )B ( 1 n ) ( )B
x
n
nnes ou composantes de x dans la base B .
Exemple 17 : Soit V l'espace vectoriel des polynmes de degr 2 :

V = at 2 + bt + c : a, b, c

Les polynmes

16

e1 = 1, e2 = t 1 et e3 = ( t 1) = t 2 2t + 1 forment
une base de V . Soit v = 2t 2 5t + 6 . Trouver ( v )e ,
2

Exemple 18 : Soit K un corps rel ou complexe.

Considrons l'espace vectoriel K n qui contient tous
les n -tuples forms d'lments de K. Les vecteurs
e1 = (1,0,...,0 ) ,..., en = ( 0,0,...,1) forment une base,
appele la base usuelle ou base canonique de K n .
Ainsi K n a pour dimension n .
Exemple 19 : Soit U l'espace vectoriel de toutes
les matrices 2 3 sur un corps K . Les six matrices
1 0 0
0 1 0
0 0 1

,
0 0 0
0 0 0
0 0 0

0 0 0
0 0 0
0 0 0

1 0 0
0 1 0
0 0 1

forment une base de U . Ainsi dimU = 6 .

Plus gnralement, soit Mmn ( K ) l'espace vectoriel
de toutes les matrices m n sur K et soit Eij V la
matrice dont le ij lment est 1 et 0 partout
ailleurs. Alors l'ensemble { Eij } est une base,
17

appele base usuelle de V ; en consquence

dim Mmn ( K ) = mn .
Exemple 20 : Soit K n [T ] l'espace vectoriel des
polynmes en t de degrs n . L'ensemble
1, t ,..., t n des n + 1 polynmes est linairement

indpendant et engendre W . Ainsi il s'agit d'une

base de W et donc dimW = n +1.
L'espace vectoriel V de tous les polynmes n'est
pas de dimension finie puisque aucun ensemble
fini de polynmes n'engendre V .
Thorme 14 : Soient V un K -espace vectoriel,
A = { x1 ,..., x p } et A ' = { x1 , ..., x p , x p+1 ,..., x p+n } .

1). Si A ' est libre, alors A est libre.

2). Si A engendre V , alors A ' engendre V .
Thorme 15 : Soient V un K -espace vectoriel,
A = { x1 ,..., x p } et A ' = { x1 , ..., x p , x p+1}.

1). Si A est libre et x p+1 Vect ( A ) , alors A ' est

libre.
2). Si A ' engendre V et x p+1 Vect ( A ) , alors A
engendre V .
18

Thorme 16 : Soient V un K -espace vectoriel,

A = { x1 ,..., x p } et A ' = { y1 ,..., yq } deux familles

finies de V . Si A engendre V et A ' est libre alors :

1). Si q p .
2). On peut remplacer dau moins une facon q des
vecteurs de A par ceux de A ' pour obtenir une
famille gnratrice de V .
Thorme 17 : Soit V un K -espace vectoriel de
dimension finie. Alors :
1). V admet une base finie.
2). Toutes bases de V sont finies et ont le mme
cardinal.
Thorme 18 : Soient V un K -espace vectoriel
de dimension finie n , A = { x1 , ..., x p } une famille

libre dans V et B = { e1 ,..., en } une base de V .

Alors :
1). Il y a au moins une faon de complter A par
n p vecteurs de B pour obtenir une base V .
2). Il y a au moins une faon de complter A par
n p vecteurs de V pour obtenir une base V .
19

Thorme 19 : Soient V un K -espace vectoriel

de dimension finie et n = dim V . Alors :
1). Toute famille libre de V est finie et a au plus n
lments.
2). Toute famille de V ayant au moins n + 1
lments est lie.
3). Toute famille gnratrice de V a au moins n
lments.
Thorme 20 : Soient V un K -espace vectoriel
de dimension finie, n = dim V et A une famille
finie dlments de V . Deux quelconques de trois
proprits suivantes entranent la troisime :
1). A a n lments
2). A est libre
3). A est gnratrice de V .
Thorme 21 : Soit V un K -espace vectoriel de
dimension finie. Tout sous espace vectoriel V1 V ,
est de dimension finie et dim V1 dim V .
Dfinition :
1). On appelle droite vectorielle tout espace vectoriel ou sous espace vectoriel de dimension 1.
20

2). On appelle plan vectoriel tout espace vectoriel

ou sous espace vectoriel de dimension 2.
3). Soit V un K -espace vectoriel de dimension
finie n 1. On appelle hyperplan tout sous
espace vectoriel de dimension n 1.
Thorme 22 : Soient V un K -espace vectoriel
de dimension finie, n = dim V , V1 V sous espace
vectoriel p = dim V1.
1). V1 admet au moins suplmentaire dans V .
2). Tout suplmentaire de V1 dans V est de dimension n p .
Thorme 23 : Soient V un K -espace vectoriel de
dimension fini, V1 ,V2 V deux sous espaces vectoriels en somme direct. On a laors
dim (V1 V2 ) = dim (V1 ) + dim (V2 )
Thorme 24 : Soient V un K -espace vectoriel de
dimension fini, V1 ,...,Vk V des sous espaces
vectoriels en somme direct. On a laors
dim (V1 Vk ) = dim (V1 ) + + dim (Vk )

21

Thorme 25 : Soient V un K -espace vectoriel de

dimension finie, V1 ,V2 V deux sous espaces vectoriels. Si V1 V2 et dim (V1 ) = dim (V2 ) , alors
V1 = V2 .
Thorme 26 : Soient V1 et V2 deux sous-espaces
vectoriels de dimension finie d'un espace vectoriel
V . Alors V1 + V2 est de dimension finie et
dim (V1 + V2 ) = dimV1 + dimV2 dim (V1 V2 )
Thorme 27 : Soient U et V deux K -espaces
vectoriels de dimension finie. Alors
dim (U V ) = dim (U ) + dim (V )
Thorme 28 : Soient V1,..., Vk des K -espaces
vectoriels de dimension finie. Alors
dim (V1 Vk ) = dim (V1 ) + + dim (Vk )
Exemple 21 : Supposons que U et W soient
respectivement le plan ( xy ) et le plan ( yz ) de
et
lespace 3 ceci U = (a, b,0), a, b

{
W = { (0, b, c), b, c } . Puisque

= U + W et

dim(U + W ) = 3. On a aussi dimU = 2 et dimW = 2 .

22

D'aprs le thorme, 3 = 2 + 2 dim (U W ) cest-dire dim (U W ) = 1.

Soit A une matrice m n quelconque sur un
corps K . Rappelons que l'espace ligne de A est le
sous-espace de K n engendr par les lignes de A , et
l'espace colonne de A est le sous-espace de K m
engendr par ses colonnes. Les dimensions de
l'espace ligne et de l'espace colonne de A sont
appeles, respectivement, le rang ligne et le rang
colonne de la matrice A .
Thorme 29 : Le rang ligne et le rang colonne
d'une matrice A sont gaux.
Dfinition : Le rang de la matrice A , que l'on crit
rang ( A ) , est la valeur commune du rang ligne et du
rang colonne de A .

Ainsi le rang d'une matrice donne le nombre

maximum de lignes indpendantes ainsi que le
nombre maximum de colonnes indpendantes.
Nous pouvons obtenir le rang d'une matrice
comme suit :
23

2 0 1

Supposons
6 3 3 . Rduisons A

10 6 5
sa forme chelonne, en utilisant des oprations
lmentaires sur les lignes de la matrice.
1 2
1 2
0 1
0 1

A do 0 2 3 1 do 0 2 3 1

0 4 6 2
0 0
0 0

Rappelons que les matrices quivalentes lignes ont

le mme espace ligne. Ainsi les lignes non nulles
d'une matrice chelonne forment une base de
l'espace ligne de A . Donc le rang de A est 2 .
1

A=2

Considrons un systme de m quations linaires n inconnues x1 , x2 , . . . , xn sur un corps K

a11 x1 + a12 x2 + + a1n xn = b1
..........................................
am1 x1 + am 2 x2 + + am n xn = bm
ou l'quation matricielle quivalente
AX = B
o A = (aij ) est la matrice des coefficients et
X = ( xi ) et B = (bi ) sont les vecteurs colonnes
24

reprsentant respectivement les inconnues et les

constantes.
Rappelons que la matrice complte ou augmente
de ce systme est dfinie par la matrice
a11 a12 a1n | b1

( A, B ) = ...........................
am1 am 2 am n | bm

Thorme 30 : Le systme d'quations linaires

AX = B a une solution si et seulement si la matrice
des coefficients A et la matrice complte ( A , B)
ont le mme rang.
Thorme 31 : La dimension de l'espace solution
W d'un systme homogne d'quations linaires
AX = 0 est n r o n est le nombre d'inconnues et
r le rang de la matrice des coefficients A.
Exemple 22 : Trouver la dimension et une base de
l'espace solution W du systme d'quations linaires
x + 2 y 4 z + 3r s = 0
x + 2 y 2 z + 2r + s = 0
2 x + 4 y 2 z + 3r + 4s = 0
25