Chapitre 1

Compléments d’algèbre linéaire

fi
1.1 Espaces vectoriels
1.1.1 Définitions et exemples

Sa
Définition 1.1.1. On appelle espace vectoriel sur K ou (K .e.v) un ensemble E, muni de
deux lois :
une loi de composition interne, notée +, telles que
1. ∀x, y, z ∈ E ,
x + y ∈ E , x + 0E = 0E + x = x, pour tout x, y, z ∈ E , (x + y) + z = x + (y + z),
2. ∀ x ∈ E, il existe y ∈ E tel que x + y = 0E
3. ∀x, y ∈ E, x + y = y + x
en
Une loi externe, notée ., qui est une application de K × E dans E vérifiant :
1. ∀λ ∈ K , x ∈ E, λ.x ∈ E
2. ∀λ ∈ K , x , y ∈ E , λ.(x + y) = λ.x + λ.y
3. ∀λ, µ ∈ K , x ∈ E , (λ.µ).x = λ.(µ.x)
4. ∀x ∈ E , 1.x = x
Im

Les éléments de E sont appelés les vecteurs et les éléments de K sont appelés les scalaires.
Exemple 1.1.1. 1. (R, +, .) est un R.e.v.
2. (C, +, .) est un K.e.v.
3. E et F deux K.e.v alors E × F est un K.e.v pour les lois suivantes :
∀(x, y), (x0 , y 0 ) ∈ E, ∀λ ∈ K
(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) , λ.(x, y) = (λ.x, λ.y) ∈ E × F
4. En général, si E1 , . . . , En sont des K.e.v alors E1 × · · · × En est un K.e.v pour les
lois suivantes :
∀x = (x1 , . . . , xn ) ∈ E1 × · · · × En , ∀y = (y1 , . . . , yn ) ∈ E1 × · · · × En , λ ∈ K
(x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
λ.(x1 , . . . , xn ) = (λ.x1 , . . . , λ.xn )

1
2 CHAPITRE 1. COMPLÉMENTS D’ALGÈBRE LINÉAIRE

5. (K[X], +, .) est un K espace vectoriel pour les lois suivantes :

n q sup(n,p)
X X X
∀P, Q ∈ K[X] , P = ak X k , Q = bk X k , P + Q = (ak + bk )X k
k=0 k=0 k=0

n
X
∀λ ∈ K , λ.P = λ.ak X k
k=0

6. (Mn,p (K), +, .) est un K espace vectoriel

7. Soit X un ensemble et E un K espace vectoriel alors E X = F(X, E) est un K espace
vectoriel pour les lois suivantes :

fi
∀f, g ∈ E X , (f + g)(x) = f (x) + g(x) , ∀x ∈ X

∀λ ∈ K , (λ.f )(x) = λ.f (x)

vectoriel .

1.1.2 sous-espace vectoriel

Sa
Remarque 1.1.1. Si E1 = · · · = En = E alors E1 × · · · × En = E n est un K espace

Par conséquent (Rn , +, .) est un R espace vectoriel et (Cn , +, .) est un K espace vectoriel

Définition 1.1.2. On appelle sous espace vectoriel d’un K ev E toute partie F de E

en
vérifiant :
– 0E ∈ F
– ∀ x, y ∈ E; λ, µ ∈ K, λx + µy ∈ E

Proposition 1.1.1. Soit E un K espace vectoriel et F ⊆ E. Alors F est un sous-espace

vectoriel de E si, et seulement si,
Im

1- 0F ∈ F
2- ∀x, y ∈ F , x + y ∈ F
3- ∀λ ∈ K , x ∈ F , λ.x ∈ F
si, et seulement si,
1-F 6= ∅
2-∀x, y ∈ F, λ ∈ K , λx + y ∈ F

Exemple 1.1.2. 1. Les quels des ensembles suivants est un K espace vectoriel .
E = R2 , F1 = {(x, y) ∈ E/x − 2y = 0} , F2 = {(x, y) ∈ E/x.y = 0}
2. E = R[X] , F3 = {P ∈ E/deg(P ) = 3} , F4 = {P ∈ E/Deg(P ) ≥ 2}

Théorème 1.1.1. Si F est un sous-espace vectoriel d’ un K espace vectoriel E alors F

est un K espace vectoriel pour les lois induites

Exemple 1.1.3. Kn [X] est un K espace vectoriel . C’est en fait sous-espace vectoriel de
K[X].
1.1. ESPACES VECTORIELS 3

1.1.3 Opérations
Proposition 1.1.2. Soit E un K espace vectoriel , F et G deux sous-espace vectoriel de
E alors
F ∩ G = {x ∈ E/x ∈ F et x ∈ G}
est un sous-espace vectoriel de E.
Remarque 1.1.2. La réunion de deux sous-espace vectoriel n ’est pas en général un
sous-espace vectoriel de E.
Exemple 1.1.4. Soient F = {(a, 0), a ∈ R} et G = {(0, b), b ∈ R}.
Montrer que F et G sont deux sous-espaces vectoriels de R.
Prouver que F ∪ G n’est pas un sous-espace vectoriel .

fi
Réponse 1.1.1. F = {(a, 0), a ∈ R} = vect(1, 0)
G = {(0, b), b ∈ R} = vect(0, 1)
(1, 0) ∈ F et (0, 1) ∈ G mais (1, 1) = (1, 0) + (0, 1) ∈
/ F ∪G

E alors

est un sous-espace vectoriel de E.

Sa
Proposition 1.1.3. Soit E un K espace vectoriel , F et G deux sous-espace vectoriel de

F + G = {a + b/a ∈ F et b ∈ G}

Remarque 1.1.3. Les opérations d’intersection et de somme de sous-espace vectoriel

sont associatives et commutatives possédent 0E comme élément neutre. En particulier pour
F1 , . . . , Fn des sous-espace vectoriel de E, on peut introduire les sous-espaces vectoriels
en
n
X n
X
∩ni=1 Fi = F1 ∩ F2 · · · ∩ Fn et Fi = F1 + · · · + Fn = { xi / xi ∈ Fi }
i=1 i=1

Proposition 1.1.4. Soit E un K espace vectoriel et (Fi )i∈I une famille de sous-espaces
vectoriels de E Alors ∩i∈I Fi est un sous-espace vectoriel de E.
Im

1.1.4 Combinaison linéaire d’une famille de vecteurs

Définition 1.1.3.
1. Soit E un K espace vectoriel , x1 , . . . , xn des vecteurs de E. Une combinaison linéaire
de (x1 , . . . , xn ) est un vecteur y de E de la forme :
n
X
y= αi xi , αi ∈ K
i=1
.
2. Soit E un K espace vectoriel , (xi )i∈I = A une famille de vecteursPde E. Une
combinaison linéaire de (xi )i∈I est un vecteur y de E de la forme y = i∈I αi xi où
les αi sont tous nuls sauf un nombre fini c’est à dire ;
n
X
∃n ∈ N , ∃xi1 , . . . , xin ∈ A , αi1 , . . . , αin ∈ K telque y = α i k xi k
i=1
4 CHAPITRE 1. COMPLÉMENTS D’ALGÈBRE LINÉAIRE

Définition 1.1.4. Soit E un K espace vectoriel et A une partie non vide de E.

On appelle le sous espace vectoriel engendré par A l’intersection de tous les sous-espace
vectoriel de E contenant A le plus petit sous-espace vectoriel de E contenant A noté
vect(A) ou < A >.

Théorème 1.1.2. V ect(A) est un sous-espace vectoriel de E contenant A. De plus pour

tout sous-espace vectoriel F de E on a

A ⊂ F ⇒ vect(A) ⊆ F

vect(A) apparait comme étant le plus petit sous-espace vectoriel contenant A

fi
Exemple 1.1.5. 1. A = {u} , vect(A) = K.u = {λ.u, λ ∈ K}
2. A = {u, v} , vect(A) = K.u + K.v = {λ.u + µv, λ , µ ∈ K}
3. A = {u1 , . . . , un } ,

1.1.5 Famille libre - Famille génératrice - Base

Définition 1.1.5. Soit E un K espace vectoriel .
Sa
vect(A) = K.u1 + . . . [Link] = {λ1 .u1 + · · · + λn un , λ , µ ∈ K}

1. Une famille (x1 , . . . , xn ) est dite libre si, et seulement si,

n
en
X
∀ α1 , . . . , αn ∈ K, αi xi = 0 alors αi = 0 ∀ 1 ≤ i ≤ n
i=1

2. Une famille (x1 , . . . , xn ) est dite liée si, et seulement si, elle n’est pas libre si, et
seulement si,
n
Im

X
∃α1 , . . . , αn ∈ K; αi xi = 0 et ∃ i0 telque αi0 6= 0
i=1

3. Une famille A = (xi )i∈I est libre si, et seulement si, toute sous famille finie est libre.
4. Une famille A = (xi )i∈I est génératrice de E si, et seulement si, E = vect(A) c ’est
à dire
n
X
∀x ∈ E, ∃n ∈ N; xi1 , . . . , xin ∈ A , αi1 , . . . , αin ∈ K telque x = αik xik
i=1

5. Une base de E est une famille à la fois libre et génératrice.

Exemple 1.1.6. 1. E = R3 , A = {u1 = (1, 1, 0), u2 = (−2, 1, 1), u3 = (0, 3, 1)}. A

est elle libre.
2. E = R[X] , A = (X k )k∈N
1.1. ESPACES VECTORIELS 5

3. E = RR = {f : R → R , x 7→ (x − a)}
Soit a ∈ R , fa : R → R , x 7→ |x − a| Soit n ∈ N , a1 , . . . , an ∈ R tel que
ai 6= aj ∀ i 6= j
Montrons que (fa1 , . . . , fan ) est libre.

Réponses 1.1.1. 1. det(u1 , u2 , u3 ) = 0. Donc A est une famille liée.

2. Soit{X i1 , . . . , X in } ⊆ A , avec {i1 , . . . , in } ⊆ P(N) . Montrons que {X i1 , . . . , X in }
est libre.
Sans perdre de généralité on peut supposer que i1 ≤ i2 · · · ≤ in .
Soit
Xn
αik X ik = 0.(∗)

fi
αi1 , . . . , αin ∈ K telque
k=1

Mque

Soit n ∈ N; a1 , . . . , an ∈ R telsque
libre. Soit αi , 1 ≤ i ≤ n ;
Sa
α ik = 0 , ∀ 1 ≤ k ≤ n ?

En effet, on dérive (*) i1 fois et on prend x = 0. On obtient que αi1 = 0.

Soit 2 ≤ k ≤ n, on dérive ik fois et on prend x=0
3. fa : R → R , x 7→ |x − a|
Pn ai 6= aj ∀ i 6= j. Montrons que fa1 , . . . , fan est
i=1 αi fai = 0. Montrons que αi = 0 , 1 ≤ i ≤ n.
Supposons qu’ il existe i0 tel que αi0 6= 0
en
n
X
αi0 |x − ai0 | = − αi |x − ai |
i=1 , i6=i0

x 7→ |x − ai0 | n’est pas dérivable en ai0 . Or

X
Im

x 7→ αi |x − ai |
i6=i0

est dérivable. Absurde . Donc la famille est libre.

4. E = RR
gk : R → R , x 7→ (sinx)k .

Montrer Pque (gk )k∈N , x 6= kπ est libre.

En effet Pnk=0 αk (sinx)k = 0
Soit P = nk=0 αk X k , P (sinx) = 0. P admet donc une infinité de racines. Absurde.
5.
E = RR , hk : R 7→ R , x 7→ ekx ∀k ∈ N .

Montrer que {h0 , . . . , hn } est libre.

6. Soit Sn (R) = {Mn ∈ R; t A = A}. Trouver une famille génératrice de Sn (R)
6 CHAPITRE 1. COMPLÉMENTS D’ALGÈBRE LINÉAIRE

1.1.6 Espace vectoriel de dimension fini

Définition 1.1.6. Un K espace vectoriel E est dit de dimension finie s’il possède une
famille génŕatrice finie.

Théorème 1.1.3. Tout K espace vectoriel de dimension fini admet au moins une base.

Remarque 1.1.4. Toutes les bases d’un K espace vectoriel possédent le même cardinal.

Démonstration. B1 = (u1 , . . . , un ) une base de E et B2 = (v1 , . . . , vp ) base de E.

B1 est libre, B2 génératrice donc n ≤ p
B2 est génératrice, B1 est libre donc n ≥ p. Donc n = p

fi
Par convention, on note ∅ est une base de {0E }.. Dans ce cas dim{0E } = card(∅) = 0

Proposition 1.1.5. Soit E un K espace vectoriel de dimension n ≥ 1.

1. Une famille libre de E possède au plus n éléments.

Sa
2. Une famille génératrice de E possède au moins n éléments.
3. Une famille libre de cardinal n est une base de E (libre maximal).
4. Toute famille génératrice de cardinal n est une base de E (génératrice maximale)

Exemple 1.1.7. Déterminer les dimensions et définir une base pour chaque espace vectoriel
suivant :

E1 = R , E2 = C , E3 = Rn , E4 = Cn , E5 = Kn [X] , E6 = Mn,p (K)

en
Réponse 1.1.2. 1 est une base de K dite canonique.
(1, i) est une base du Rev C
(X k )k∈[0,n] est une base de Kn [X]
(ei )1≤i≤n base canonique de Kn
(Ei,j )1≤i≤n1≤j≤p base de Mn,p (K)
Im

Théorème 1.1.4. Si (ei )i∈I est une base de E alors

X
∀x ∈ E, ∃!(λi )i∈I ∈ KI ; x = λi ei
i∈I

Définition 1.1.7.

La famille (λi )i∈I est appelée famille de coordonnées de x dans la base (ei )i∈I

Exemple 1.1.8. Soit H = {P ∈ R3 [X]; P (1) = 0} Montrer que H est un sev et

déterminer une base de H.

Réponse 1.1.3. 1. H 6= ∅ car 0K[X] ∈ H

2. ∀P, Q ∈ H , λ ∈ K montrons que λP + Q ∈ H
On a (λ.P + Q)(1) = λ.P (1) + Q(1) = 0 car P, Q ∈ H
P(1)=0
1.1. ESPACES VECTORIELS 7

P (1) = 0 ⇒ (X − 1) divise P . Donc P = (X − 1)(aX 2 + bX + c) Donc

H = vect(X 2 (X − 1) , X.(X − 1) , (X − 1))

2ème méthode : Formule de Taylor au point 1

(X − 1)2 00
0 (X − 1)3
H = {P = P (1)+(X−1)P (1)+ P (2)+ } = vect{(X−1), (X−1)2 , (X−1)3 }
2 3!
Remarque 1.1.5. Si (P1 , . . . , Pn ) est une famille de pôlynomes non nuls tel que degPi 6=
degPj pour i 6= j alors (P1 , . . . , Pn ) est libre.
Proposition 1.1.6. Soit E un K espace vectoriel de dimension n ≥ 1 et F un sous-espace

fi
vectoriel de E Alors dimF ≤ dimE
Remarque 1.1.6. 1. Si F est un sous-espace vectoriel de E tel que dimE = dimF .
Alors E = F

génératrice de Rn [X].
(k)
En effet P = nk=0 P k!(a) (X − a)k
P
Sa
2. Exemple : E = Rn [X], F = {1, (X − a), (X − a)2 , . . . , (X − a)n } est une famille

De plus card(F ) = dimRn [X] = n + 1. Donc F = Rn [X].

Remarque 1.1.7. Soit E, F deux K espace vectoriel de dimensions finies n et p respectivement

dimE × F = dimE + dimF

en
Géneralisation : Soit E1 , . . . , En n K espace vectoriel de dimensions finies alors
n
X
dimE1 × · · · × En = dimEi
i=1

1.1.7 Somme d’une famille finie de sous-espace vectoriel

Im

Somme- Somme directe

Soit F1 , . . . , Fn des sous-espace vectoriel d’un K espace vectoriel .
Définition 1.1.8. ni=1 Fi = { ni=1 xi , 1 ≤ i ≤ n}
P P

Propriété 1.1.1.
F1 + . . . , +Fn
Pn
est le sous-espace vectoriel engendré par F1 ∪ · · · ∪ Fn c’est à dire vect(∪ni=1 ) = i=1 Fi
Théorème 1.1.5. Etant donnés F1 , . . . , Fn n sous-espace vectoriel de E. Les propriétés
suivantes sont équivalentes :
1. Pour tout x ∈ ni=1 Fi , ∃!(x1 , . . . , xn ) ∈ F1 × · · · × Fn tel que x = ni=1 xi .
P P

2. Pour (x1 , . . . , xn ) ∈ F1 × F2 × · · · × Fn , si x1 + · · · + xn = 0 alors x1 = · · · = xn = 0.

P
3. Pour tout j ∈ [|1, n|] on a Fj ∩ {1≤i≤n , i6=j} Fi = {0}
8 CHAPITRE 1. COMPLÉMENTS D’ALGÈBRE LINÉAIRE

Démonstration.
P 1. ⇒ [Link] (x1 , . . . , xn ) ∈ F1 × ·P
· · × Fn telque x1 + · · · + xn = 0E . Or
Fi est un sous-espace vectoriel donc 0E ∈ Fi . D’ après l’unicité de l’ écriture
on obtient x1 = x2 = · · · = xn = 0E
P
2. ⇒ 3. On suppose que ∃ , x 6= 0 tel que x ∈ Fj ∩ {1≤i≤n , i6=j} Fi . Donc

x = xi = x1 + x2 + · · · + xj−1 + xj+1 + · · · + xn

Donc xi = 0, ∀1 ≤ i ≤ n
3. ⇒ 1

P
Définition 1.1.9. La somme Fi est directe lorsque l’une des propriétés du théorème

fi
précédant est vérifiée

Exemple 1.1.9. 1. Dans R3 . Soit u , v , w des vecteurs de R3 qui forment une famille
3
libre de R .

F ⊕ G ⊕ H est égale à R3

Sa
Soit F = vect(u) = R.u , G = vect(v) = R.v , H = vect(w) = R.w. La somme de

2. E = R4 [X] , F = vect(x2 , x4 ) , G = vect(x3 ) , R4 [X] 6= F ⊕ G ⊕ H

Sous-espaces supplémentaires
Soit E un K espace vectoriel , F1 , . . . , Fn n sous-espace vectoriel de E.
en
Définition 1.1.10. Les sous espaces F1 , . . . , Fn P
sont dits supplémentaires dans E lorsque
leur somme est directe et égale à E c’est à dire ni=1 Fi = ⊕ni=1 Fi = E

Théorème 1.1.6. Les propriétés suivantes sont équivalentes

1. F1 , . . . , Fn sont supplémentaires dans E.
2. E = ni=1 Fi et ∀ i ∈ [|1, n|] , Fi ∩ 1≤j≤n,
P P
i6=j Fj = {0}
Im

3. ∀x ∈ E il existe un unique (x1 , . . . , xn ) ∈ F1 × F2 × · · · × Fn tel que x = x1 + · · · + xn