Université Mohammed I

Faculté des Sciences

Département de Mathématiques
Oujda

Module Algèbre 2 , I A S2
Espaces vectoriels - Matrices - Diagonalisation
2023-2024
Chapitre 1

Pr. ELHASSAN IDRISSI

Table des matières

1 Espaces vectoriels 2
1.1 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Dépendance et indépendance linéaires - Bases . . . . . . . . . . . . . . . . . . 7
1.4 Dimension d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Espaces Affines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.6 Sous-espaces affines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.6.1 Intersection de sous-espaces affines . . . . . . . . . . . . . . . . . . . . . 18
1.6.2 Parallélisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.6.3 Repères cartésiens . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

Université Mohammed I Oujda E.H. Idrissi

Chapter 1

Espaces vectoriels

1.1 Espaces vectoriels

Soit K un corps (K = R ou C).

Définition 1.1.1. On appelle espace vectoriel sur K ( en abrégé K − ev )) un ensemble E

muni d’une loi interne ( c’est-à-dire une application E × E −→ E ) dite addition, notée +, et
d’une loi externe K × E −→ E ; (α, u) 7−→ αu telles que :
(A.1) (u + v) + w = u + (v + w), ∀u, v, w ∈ E ( + est associative ).
(A.2) u + v = v + u, ∀u, v ∈ E ( + est commutative).
(A.3) Il existe un élément de E noté 0E , ou plus simplement 0, dit neutre, tel que

∀u ∈ E : u + 0E = 0E + u = u.

(A.4) Pour tout u ∈ E , il existe un élément de E noté (−u ), dit opposé de u, tel que :

u + (−u) = (−u) + u = 0E .

(On exprime ces quatre propriétés en disant que (E, +) est un groupe abélien (ou commutatif ))
(A.5) (γ + µ)u = γu + µu, ∀u ∈ E 2 , ∀(γ, µ) ∈ K2 ;
(A.6) γ(u + v) = γu + γv, ∀(u, v) ∈ E 2 , ∀γ ∈ K2 ;
(A.7) (γµ)u = γ(µu), ∀u ∈ E 2 , ∀(γ, µ) ∈ K2
(A.8) 1.u = u, ∀u ∈ E 2 .
( 1 étant l’élément neutre de la multiplication dans K).
Les éléments de E sont appelés vecteurs ceux de K scalaires.

Exemples 1.1.1. .

1. Le corps K est un K- espace vectoriel, en prenant pour loi interne K×K −→ K; (x, y) 7−→
x + y , et pour loi externe la multiplication dans K ( K × K −→ K; (λ, u) 7−→ λu). Ici,
les éléments de K sont simultanément considérés comme des vecteurs et des scalaires.

Université Mohammed I Oujda E.H. Idrissi

 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 3

2. C est un C-espace vectoriel, et aussi un R- espace vectoriel pour les lois usuelles.

3. Espace vectoriel produit. Soient n ∈ N∗ , E1 , ..., En des K-espaces vectoriels. Le produit

Qn
E = i=1 Ei = E1 × E2 × ... × En est un K-espace vectoriel pour les lois :

(x1 , ..., xn ) + (y1 , ...., yn ) = (x1 + y1 , ..., xn + yn ), ∀((x1 , ..., xn ), (y1 , ...., yn )) ∈ E 2
α (x1 , ..., xn ) = (α x1 , ..., α xn ), ∀α ∈ K, ∀(x1 , ..., xn ) ∈ E

L’élément neutre pour la loi + est 0E = (0E1 , ..., 0En ) et l’opposé de (x1 , x2 , ..., xn ) est
(−x1 , −x2 , ..., −xn ).

En particulier, pour tout n ∈ N∗ , Kn est un K-espace vectoriel pour les lois usuelles.

4. Soient E un K-espace vectoriel, X un ensemble quelconque non vide. L’ensemble E X

des applications de X dans E , est un K-espace vectoriel pour les lois interne et externe
définies par : 
(f + g)(x) = f (x) + g(x) ∀(f, g) ∈ E X × E X
(α f )(x) = αf (x) ∀f ∈ E X , ∀α ∈ K

Ici l’élément neutre est l’application constante nulle et l’opposée de f est définie par
(−f )(x) = −(f (x)).

Par exemple, l’ensemble RN des suites réelles est un R-espace vectoriel pour les lois
usuelles.

5. L’ensemble K[X] des polynômes à une indéterminée et à coefficients dans K est un

K-espace vectoriel avec les lois :

 P i
P P
i (ai X ) + i (bi X i ) = i
i (ai + bi )X )
P i
P i
α( i (ai X )) = i (α ai )X

(Les sommes ne comportent qu’un nombre fini de termes non nuls).

Proposition 1.1.1. Soit E est un K-espace vectoriel. Pour tous α, β de K et pour tous u, v
de E , on a :

1. αu = 0E ⇐⇒ (α = 0K ou u = 0E ).

2. (α − β)u = αu − βu.

3. α(v − u) = αv − αu.

En particulier (−α)u = α(−u) = −(αu).

Preuve 1.1.1. .
 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 4

1. •) αu = (α + 0K )u = αu + 0K u =⇒ 0K u = αu − αu = 0E .
•) αu = α(0E + u) = α0E + αu =⇒ α0E = 0E .
•) Si αu = 0E et si α 6= 0K , alors, en notant α−1 l’inverse de α dans le corps K :

u = α−1 0E = 0E .

2. αu = ((α − β) + β)u = (α − β)u + βu, d’où (α − β)u = (αu) − (βu), qui est noté αu − βu.

3. αv = α((v − u) + u) = α((v − u) + αu, d’où α(v − u) = αv − αu.

( 0E et 0K représentent réspectivement le vecteur nul de E et l’élément nul de K )

1.2 Sous-espaces vectoriels

1. Définition.
Définition 1.2.1. Soit E un K-espace vectoriel. Une partie F de E est un sous-espace
vectoriel ( en abrégé sev ) de E si :

(a) F 6= ∅
(b) i. (u, v) ∈ F × F =⇒ u + v ∈ F
ii. (α, u) ∈ K × F =⇒ αu ∈ F .
( On dit que F est stable par combinaisons linéaires.)

Proposition 1.2.1. Soit E un K-espace vectoriel. Une partie F de E est un sous-espace

vectoriel de E si les lois induites sur F par celles de E , donnent à F la structure
d’espace vectoriel sur K

Remarque 1.2.1. Souvent on montrera que F est un espace vectoriel en montrant que
F est un sous-espace vectoriel d’un espace vectoriel connu.

Proposition 1.2.2. F est un sous-espace vectoriel de E si :

(a) 0E ∈ F
(b) (u, v) ∈ F × F ; (α, β) ∈ K × K =⇒ αu + βv ∈ F

Preuve.
• Supposons que F soit un sous-espace vectoriel.
— Comme F n’est pas vide, soit u ∈ F , alors (−1)u = −u ∈ F et u + (−u) = 0E ∈ F .
— Soient u, v ∈ F, α, β ∈ K. Alors par la définition de sous-espace vectoriel : αu ∈ F
et βv ∈ F et ainsi αu + βv ∈ F .
• Réciproquement, supposons que pour chaque u, v ∈ F, α, β ∈ K on a αu + βv ∈ F .
 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 5

— F 6= ∅ ( car 0E ∈ F ), soient u, v ∈ F . Posons α = β = 0K . Alors αu + βv = 0E ∈ F .

— Si u, v ∈ F , alors en posant α = β = 1 on obtient u + v ∈ F .
— Si u ∈ F et α ∈ K ( et pour n’importe quel v , en posant β = 0K ), alors αu ∈ F .

Exemples 1.2.1. .

(a) E et {0E } sont des sev de E , appelés sous-espaces vectoriels triviaux de E .

(b) R et iR sont de sev du R-espace vectoriel C.
(c) Droite vectoriel. Soit v un vecteur non nul de E ; alors :

F = {u ∈ E | ∃α ∈ K : u = αv} = {λv | λ ∈ K}

est un sous-espace vectoriel de E dit droite vectorielle engendrée par v .

(d) Si F est un sev de E , alors F X est un sev de E X .
(e) Si F est un sous-espace vectoriel de E et si G est un sous-espace vectoriel de F ,
alors G est un sous-espace vectoriel de E ; on dit qu’il y a transitivité de la notion
de sous-espace vectoriel.
(f ) Soit α1 , ..., αn ∈ R. L’ensemble
X
n
F = {(x1 , x2 , ..., x3 ) ∈ Rn / αi xi = 0}
i=1

est un sous-espace vectoriel de Rn . En revanche l’ensemble

X
n
G = {(x1 , x2 , ..., x3 ) ∈ Rn / xi = 1}
i=1

n’est pas un sous-espace vectoriel de Rn , puisqu’il ne contient pas le vecteur nul.

Proposition 1.2.3. Soient (Fi )i∈I une famille de sous-espaces vectoriels de E ; alors
∩i∈I Fi est un sous-espace vectoriel de E .

Preuve. Notons F = ∩i∈I Fi .

(a) F 6= ∅ ; en effet, 0E ∈ F puisque ( ∀i ∈ I, 0E ∈ Fi ).

(b) Soit (u, v) ∈ F × F . On a : ( ∀i ∈ I , ( u ∈ Fi et v ∈ Fi )), donc ( ∀i ∈ I, u + v ∈ Fi ),
d’où u + v ∈ F .
(c) Soit (α, u) ∈ K × F . On a : ( ∀i ∈ I, u ∈ Fi ), donc ( ∀i ∈ I, αu ∈ Fi ), d’où αu ∈ F ).

Remarque 1.2.2. .

(a) La réunion de sous-espaces vectoriels n’est pas en général un sous-espace vectoriel

de E ( exemple : la réunion de deux droites vectorielles distinctes dans Rn ).
 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 6

(b) Le complémentaire E \ F d’un sous-espace vectoriel F n’est pas un sous-espace

vectoriel de E ( car E\F ne contient pas 0E ).

2. Somme directe- supplémentaire

Proposition 1.2.4. -Définition.

Soient E un K -espace vectoriel, F1 , F2 deux sev de E . L’ensemble

F1 + F2 = {v ∈ E; ∃(u1 , u2 ) ∈ F1 × F2 , v = u1 + u2 } = {u1 + u2 ∈ E | (u1 , u2 ) ∈ F1 × F2 }.

est un sous-espace vectoriel de E , appelé somme de F1 et F2 .

Définition 1.2.2. .

(a) On dit que deux espaces vectoriels F1 et F2 sont en somme directe si et seulement
si F1 ∩ F2 = {0}, on note F1 ⊕ F2 au lieu de F1 + F2 .
(b) Si F est un sev de E , on appelle supplémentaire de F tout sous-espace vectoriel
G de E tel que : F ⊕ G = E .

Remarque. Un supplémentaire n’est en général pas unique, et il ne faut surtout pas

confondre cette notion avec le complémentaire de F (le complémentaire d’un sous-
espace vectoriel n’est jamais un sous-espace vectoriel).

Proposition 1.2.5. E = F1 ⊕ F2 si et seulement si tout vecteur u de E s’écrit de façon

unique sous la forme u = u1 + u2 avec u1 ∈ F1 et u2 ∈ F2 .

Preuve 1.2.1. Supposons que E = F1 ⊕ F2 et u = u1 + u2 = u′1 + u′2 avec (u1 , u′1 ) ∈ F12 et
(u2 , u′2 ) ∈ F22 . Alors u1 − u′1 = u′2 − u2 ∈ F1 ∩ F2 , donc u1 − u′1 = u′2 − u2 = 0.
Réciproquement, on a par hypothèse E = F1 + F2 .
Soit u ∈ F1 ∩ F2 , alors u = u + 0 = 0 + u, l’unicité de la décomposition de u comme
somme d’un élément de F1 et d’un élément de F2 implique u = 0 donc F1 ∩ F2 = {0} •

Exercice 1.2.1. .

(a) Soit E1 , E2 deux K-espaces [Link] que E1 × {0E2 } et {0E1 } × E2 sont

deux espaces supplémentaires de E1 × E2 .
(b) Dans R3 , on note u = (1, −1, 0), v = (1, 1, 1),

F1 = {αu / α ∈ R} , F2 = {αv / α ∈ R} , F3 = {(x, y, z) ∈ R3 / x − 2y − z = 0}

Vérifier que
i. F1 , F2 , F3 sont des sous-espaces vectoriels de R3 ,
 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 7

ii. F1 ∩ F3 = F2 ∩ F3 = {0}
iii. F1 et F3 sont supplémentaires dans R3 , de même que F2 et F3 .

3. Sous-espace engendré.

Définition 1.2.3. Une combinaison linéaire de n vecteurs →

−
u1 , ..., −
→n est un vecteur de la
u
forme
X
n
αi −
→
ui = α 1 −
→
u1 + ... + αn −
→n
u où (α1 , ...αn ) ∈ K n .
1

Proposition 1.2.6. Soit un système de vecteurs A = {u1 , ...., un } de l’espace vectoriel

E, n ∈ N∗ . L’ensemble des combinaisons linéaires d’éléments de A,

{λ1 −
→
u1 + ... + λn −
→n
u / (λ1 , ...λn ) ∈ K n }

est un sous-espace vectoriel de E , on l’appelle sev engendré par A et on le note

Vect(A).

Preuve 1.2.2. F est un sev de E , en effet 0 = 0K −

→ −
→n ∈ F et F est stable par
u1 + ... + 0K u
combinaisons linéaires puisque :
X
n X
n X
n
α( λi ui ) + β( µi ui ) = (αλi + βµi )ui
i=1 i=1 i=1

Remarque 1.2.3. V ect(A) est le plus petit ( au sens de l’inclusion ) des sev de E
T
contenant A ( V ect(A) = {F | A ⊂ F et F sev de E}).

Exemples 1.2.2. .

(a) Si A est vide, le sev engendré par A est {0}.

(b) Dans le R-espace vectoriel C, le sev engendré par 1 est R.
(c) Si u est un élément non nul de E, vect(u) est la droite vectorielle engendrée par
u.

1.3 Dépendance et indépendance linéaires - Bases

1. Familles liées, familles libres
Définition 1.3.1. .

(a) On dit qu’une famille (u1 , ..., un ) de vecteurs de E est une famille libre, ou que les
vecteurs sont linéairement indépendants, si

α1 u1 + ... + αn un = 0E =⇒ (∀ i αi = 0K ).
 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 8

(b) On dit qu’une famille (u1 , ..., un ) de vecteurs de E est liée , ou que les vecteurs
sont linéairement dépendants, si
X
n
∃ (α1 , ..., αn ) ∈ K n − {(0, ..., 0)} ; α i ui = 0
i=1

Remaque : si u1 , u2 , ..., un sont linéairement indépendants, ils sont tous distincts.

2. Familles génératrices.

Définition 1.3.2. Soit E un K-espace vectoriel. On dit que (u1 , ..., un ) est une famille
génératrice de E si

∀ u ∈ E, ∃ λ1 , ..., λn ∈ K; u = λ1 u1 + ... + λn un

C’est à dire E = vect{u1 , ..., un }.

Proposition 1.3.1. .

(a) {u} est libre si et seulement si u 6= 0.

(b) Toute famille extraite d’une famille libre est libre.
(c) Une famille {u1 , ..., un } est liée si et seulement si l’un de ses éléments est combinaison
linéaire des autres.
(d) Toute famille de E contenant une famille liée est elle-même une famille liée.
(e) Toute famille {u1 , ..., un } dont l’un des vecteurs ui est nul, est liée.

Preuve 1.3.1. .

(a) On sait que λu = 0E =⇒ λ = 0 ou u = 0E . Donc , si u 6= 0E , λu = 0E implique

λ = 0, ce qui signifie que {u} est une famille libre. Inversement, supposons que
u = 0E , alors 1.U = 0E et {u} n’est pas libre.
(b) Soit A = {u1 , ..., up } une famille libre et A′ une sous-famille de A. Quitte à changer
la numérotation, on peut supposer que A′ = {u1 , ..., uk } , avec k ≤ p. Soit λ1 u1 +
.... + λk uk = 0E , alors λ1 u1 + .... + λk uk + [Link]+1 + .....[Link] = 0E , et Comme {u1 , ..., up }
est libre, alors (λ1 , ..., λk , 0, ..., 0) 6= (0, 0, ....., 0). Donc (λ1 , ..., uk ) 6= (0, ..., 0), et la
famille {u1 , ..., uk } est libre.
(c) Supposons qu’on ait une relation α1 u1 + ... + αn un = 0E , avec par exemple α1 6= 0.
Alors u1 = −α2 (α1 )−1 u2 − α3 (α1 )−1 u3 − ... − αn (α1 )−1 un , donc u1 est combinaison
linéaire de u2 , u3 , ..., un . Inversement, si par exemple u1 est de la forme β2 u2 +
β3 u3 + ... + βn un , avec β2 , ..., βn ∈ K , on a u1 − β2 u2 − ... − βn un = 0, donc (u1 , ..., un )
est une famille liée.
(d) On utilise (c).
(e) Évident d’après 4., car il s’agit d’une famille contenat {0E }, et {0E } est liée,
d’après (a).
 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 9

Exemples 1.3.1. .

(a) E = R3 , u1 = (1, 0, 1), u2 = (2, 1, −1); la famille {u1 , u2 } est libre.

(b) E = R2 , u1 = (1, −1), u2 = (2, 1), u3 = (0, 1); la famille {u1 , u2 , u3 } est liée, puisque
−2u1 + u2 − 3u3 = 0E .
(c) Dans R2 ; la famille {e1 = (1, 0), e2 = (0, 1)} est une famille génératrice car tout
u = (x1 , x2 ) ∈ R2 , s’écrit :

u = (x1 , x2 ) = x1 (1, 0) + x2 (0, 1) = x1 e1 + x2 e2 .

3. Condition de dépendance linéaire de deux vecteurs et de trois vecteurs.

(a) On note V2 espace vectoriel de dimension 2 sur R.

→ −
− → →
− →
− →
− →
−
Soient V2 muni de la base ( i , j ), v1 = x1 i + y1 j , v 2 = x 2 i + y2 j .

Définition 1.3.3. On appelle le déterminant de v1 et v2 le réel x1 y2 − x2 y1 .

x1 x2
Notation : det(−
→
v1 , −
→
v2 ) = = x 1 y2 − x 2 y 1 .
y1 y2

Proposition 1.3.2. − →
v1 et −
→
v2 sont linéairement dépendants si et seulement si det(−
→
v1 , −
→
v2 ) =
→
− →
−
0, et ( v1 , v2 ) est une famille libre si et seulement si leur déterminant est non nul.
Preuve 1.3.2. supposons que x1 y2 − x2 y1 = 0. Si v1 = 0 alors la famille est liée. Si
v1 6= 0 alors x1 ou y1 est non nul; raisonnons avec x1 6= 0, d’où y2 = xx12 y1 et si on
pose α = xx21 , on obtient v2 = αv1 , donc (v1 , v2 ) est liée .

(b) On note V3 espace vectoriel de dimension 3 sur R.

→ −
→ −
− →
Soient V3 muni de la base ( i , j , k ),
−
→ →
− →
− →
− −
→ →
− →
− →
−
v 1 = x 1 i + y 1 j + z1 k , v 2 = x 2 i + y 2 j + z2 k .
x1 x2 x1 x2 y 1 y2
Les déterminants , , sont appelés déterminants
y1 y 2 z1 z2 z1 z 2
 
x1 x2
extraits du tableau des coordonnées des vecteurs →
−
v1 et →
−
v2 :  y1 y2 .
z1 z 2

Proposition 1.3.3. →−
v1 et −→
v2 sont linéairement dépendants si et seulement si les
trois déterminants extraits du tableau des coordonnées de −
→
v1 et −
→
v2 sont nuls.

En utilisant la contraposée de cette équivalence logique, on obtient :

Corollaire 1.3.1. −
→
v1 et −
→
v2 sont linéairement indépendants si et seulement si l’un
au moins des déterminants extraits du tableau des coordonnées de −→
v1 et −
→
v2 est nul
chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 10

Exemple.
Soit trois vecteurs de R3 , u = (2, 0, −1) , v = (−6, 0, 3) , w = (2, 2, −2). Soit
→ −
− → − →
( i , j , k ) la base canonique de R3 .
 
2 −6
Pour u et v le tableau de leurs composantes est :  0 0 
−1 3
Les trois déterminants qui en sont extraits sont :

2 −6 2 −6 0 0
= 0; =0; = 0,
0 0 −1 3 −1 3

donc u et v sont dépendants. Il est évident d’ailleurs que v = −3u.

 
2 2
Pour u et w le tableau de leurs composantes est :  0 2 
−1 −2
2 2
L’un des déterminants extraits de ce tableau est : = 4, il n’est pas nul,
0 2
donc u et w sont linéairement indépendants.

Remarque. Si E est un espace vectoriel de dimension 1 et 2, trois vecteur sont

toujours linéairement dépendants.
→
− →
− → −
− →
− →
− → −
− →
− →
− →
−
Soient −→
v 1 = x 1 i + y 1 j + z1 k , →
v 2 = x 2 i + y 2 j + z2 k , →
v 3 = x 3 i + y 3 j + z3 k
trois vecteurs de V3

Définition 1.3.4. On appelle déterminant du triplet de vecteurs (−

→
v1 , −
→
v2 , −
→
v3 ) relativement
à la base B le scalaire
x1 x2 x3
detB (→
−
v1 , −
→
v2 , −
→
v3 ) = y1 y2 y3
z1 z2 z3

y2 y3 x2 x3 x2 x3
= x1 − y1 + z1
z2 z3 z2 z3 y2 y3

( développement suivant la première colonne )

detB (→
−
v1 , −
→
v2 , −
→
v 3 ) = x 1 y 2 z3 − x 1 z2 y 3 − y 1 x 2 z3 + y 1 z2 x 3 + z1 x 2 y 3 − z1 y 2 x 3 .

On montre,
Proposition 1.3.4. Une base étant choisie dans V3 . Les vecteurs → −
v1 , −
→
v2 , −
→
v3 sont
−
→ →
− →
−
linéairement dépendants si et seulement si detB ( v1 , v2 , v3 ) = 0.

Corollaire 1.3.2. Les vecteurs −

→
v1 , −
→
v2 , −
→
v3 sont linéairement indépendants si et seulement
→
− →
− →
−
si detB ( v1 , v2 , v3 ) 6= 0.
 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 11

4. Bases.
Définition 1.3.5. On appelle base d’un espace vectoriel E toute famille libre de E qui
engendre E .

Proposition 1.3.5. B = {e1 , ..., en } est une base de E si et seulement si tout vecteur u
de E peut s’écrire de façon unique sous la forme :

u = x1 e1 + ... + xn en .

Les scalaires xi sont les coordonnées ( ou composantes ) du vecteur u relativement à

la base B .
On note parfois, u = (x1 , ..., xn ) lorsqu’il n’y a pas d’ambiguité sur la base.

Preuve 1.3.3. Puisque e1 , ..., en engendrent E, u s’écrit d’une manière au moins sous
la forme u = α1 e1 + ... + αn en . Supposons qu’on ait aussi u = α1′ e1 + ... + αn′ en . Alors

(α1 − α1′ )e1 + ... + (αn − αn′ )en = 0E

donc α1 = α1′ , ... , αn = αn′ , puisque e1 , ..., en sont linéairement indépendants.

Inversement.
• e1 , ..., en engendrent E , par hypothèse.
• Soit α1 e1 + ... + αn en = 0E or 0E = 0K e1 + ... + 0K en , d’après l’unicité

α1 = α2 = ... = αn = 0E .

Remarque 1.3.1. Soit B = {e1 , ..., en } une base de E . Il existe alors une bijection :

ϕB : E −→ Kn ; u = x1 e1 + ... + xn en 7−→ (x1 , ..., xn )

Exemples 1.3.2. (a) {1} est une base de K comme K-espace vectoriel.
(b) {1, i} est une base de C comme R-espace vectoriel.
(c) B = {(1, 0, ..., 0), (0, 1, 0, ..., 0), ..., (0, 0, ..., 0, 1)} est une base de Kn comme K-espace
vectoriel , appelée base canonique de Rn .
(d) Si {e1 , e2 , ..., ep } est une base de E , et {e′1 , e′2 , ..., e′k } est une base de E ′ , alors

{(e1 , 0E ′ ), (e2 , 0E ′ ), ..., (ep , 0E ′ ), (0E , e′1 ), (0E , e′2 ), ..., (0E , e′k )}

est une base de l’espace vectoriel produit E × E ′ .

 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 12

1.4 Dimension d’un espace vectoriel

Définition 1.4.1. Soit E un K -espace vectoriel. On dit que E est de dimension finie , s’il
admet une famille génératrice finie. Dans le cas contraire, on dit que E est de dimension
infinie.

Proposition 1.4.1. Si E est engendré par {v1 , v2 , ..., vn }, et si {u1 , ..., up } est une famille libre.
Alors p ≤ n.
X
n
Preuve 1.4.1. On peut écrire u1 = λi v i .
i=1
Puisque u1 6= 0, il existe λi 6= 0, par exemple λ1 , alors on peut écrire
Xn
λi
v 1 = u1 + vi
i=2
λ1

qui est une combinaison linéaire de {u1 , v2 , ..., vn } , donc tout élément de E aussi. On
recommence avec u2 , .....
Après n opérations, si p > n on aurait un+1 combinaison linéaire de u1 , ..., un , ce qui
impossible, donc p ≤ n.

Proposition 1.4.2. Soient n ∈ N∗ , (u1 , ..., un ) ∈ E n+1 , B = {u1 , ..., un }, B ′ = {u1 , ..., un , un+1 }.

/ V ect(B), alors B ′ est libre

1. Si B est libre et si un+1 ∈

2. Si B ′ est génératrice de E et si un+1 ∈ V ect(B), alors B est génératrice.

P
Preuve 1.4.2. 1. Soit (α1 , ..., αn , αn+1 ) ∈ Kn+1 tel que n+1
i=1 αi ui = 0E . Si αn+1P6= 0, alors
Pn n
Un+1 = i=1 (− αn+1 )ui ∈ V ect(B), contradiction. Donc αn+1 = 0, par suite i=1 αi ui =
αi

0E , d’où α1 = ... = αn = 0 ( car B est libre).

2. Soit u ∈ E . Comme B ′ est génératrice de E , il existe (α1 , ..., αn , αn+1 ) ∈ Kn+1 tel que :
u = α1 u1 + ... + αn un + αn+1 un+1
P
Puisque un+1 ∈ V ect(B), il existe (λ1 , ..., λn ) ∈ Kn tel que : un+1 = ni=1 λi ui . On déduit
P P
: u = ( ni=1 αi ui ) + αn+1 un+1 = ni=1 (αi + αn+1 λi )ui ∈ V ect(B). Ce qui montre que B est
génératrice de E .

Théorème 1.4.1. ( Théorème de la base extraite )

Soit E un K -espace vectoriel admet une famille génératrice finie B . Alors on peut extraire
de B une base de E .
Autrement dit, si B = {v1 , ..., vm }, il existe un entier r ≥ 0 et des entiers i1 , ..., ir ∈ {1, ..., m}
tels que {vi1 , ..., vir } soit une base de E
 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 13

Preuve 1.4.3. On suppose E 6= {0}. Soit L = {I ⊂ {1, ..., m} | (vi )i∈I génératrice }. On
pose K = {card(I) | I ∈ L}. K est une partie non vide de {1, ..., m}. Elle admet un plus
petit élément p ≥ 1. Soit J ∈ L tel que card(J) = p. La famille (ui )i∈J est donc une famille
génératrice de E . De plus (ui )i∈J est libre. Sinon, il existe i0 ∈ J tel que ui0 est combinaison
linéaire des autres vecteurs Ui , pour i ∈ J \ {i0 }. Mais alors, si on pose J ′ = J \ {i0 },
alors (ui )i∈J ′ est une famille génératrice de E ayant ( strictement ) moins de p éléments,
contradiction. Ainsi (ui )i∈J est une base de E .
Théorème 1.4.2. Soit E un K-espace vectoriel de dimension finie. Alors :
E admet au moins une base finie, et toutes les bases de E sont finies et ont le même
cardinal.
Définition. Le cardinal d’une base de E est appelé dimension de E sur K et noté dimK (E),
ou dim(E).
Preuve 1.4.4. Puisque E est de dimension finie, E admet au moins une famille génératrice
finie. D’après le théorème de la base extraite, E admet une base.
Soit B = {u1 , ..., un }, B ′ deux bases de E . Comme B est génératrice de E et B ′ est libre,
d’après la proposition 1.4.1. card(B ′ ) ≤ n, de même on a n ≤ card(B ′ ) ( car B est libre et B ′
est génératrice de E ). Donc card(B ′ ) = n.
Remarque 1.4.1. La dimension d’un K-espace vectoriel de dimension finie ”dépend” du corps
K. Par exemple : dimC (C2 ) = 2, mais dimR (C2 ) = 4.

- On convient que l’espace vectoriel {0} est de dimension nulle.

- On appelle droite vectorielle tout espace vectoriel de dimension 1.
- Des vecteurs appartenant à une même droite vectorielle sont dits colinéaires.
- On appelle plan vectoriel tout espace vectoriel de dimension 2.
- Des vecteurs appartenant à un même plan vectorielle sont dits coplanaires.

Proposition 1.4.3. Soit E un espace vectoriel sur K de dimension n.

1. Si {u1 , u2 , ..., up } engendre E , alors p ≥ n, et si p = n alors {u1 , u2 , ..., up } est une base
de E .

2. Si {v1 , v2 , ..., vq } est une famille libre , alors q ≤ n, et si q = n alors {v1 , v2 , ..., vq } est
une base de E .

Preuve. Exercice

Exemples 1.4.1. .

1. K est de dimension 1 sur K.

2. C est de dimension 2 sur R.

3. Kn est de dimension n sur K.

 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 14

4. dim(E × E ′ ) = dim(E) + dim(E ′ ).

Conseils méthodologiques.
Pour déterminer la dimension d’un espace vectoriel E , on détermine une famille B
génératrice de E (ceci montre que E est de dimension finie), puis on vérifie que cette famille
est libre. La famille B est alors une base de E et le nombre de vecteurs dans la famille est
la dimension de E .
Application :
On note E = R3 . Déterminons la dimension de F = {(x, y, z) ∈ E, x − y − z = 0}.
Soit (x, y, z) ∈ E . On a (x, y, z) ∈ F si et seulement si, (x, y, z) = (y + z, y, z) = y.(1, 1, 0) +
z.(1, 0, 1). Donc, F = V ect{(1, 1, 0), (1, 0, 1)}. En particulier, F est un sous-espace vectoriel
de E . Donc, la famille B = {(1, 1, 0), (1, 0, 1)} engendre F qui est donc de dimension finie.
De plus, les vecteurs (1, 1, 0) et (1, 0, 1) ne sont pas colinéaires. Donc, la famille B est libre.
Ainsi, B est une base de F et dim(F ) = 2.

Théorème 1.4.3. (Théorème de la base incomplète )

Soient B = {e1 , e2 , ..., en } une base de E, v1 , v2 , ..., vp , p vecteurs linéairement indépendant
de E , p < n . On peut compléter ces p vecteurs par n − p vecteurs convenablement choisis
parmi les vecteurs de base, pour former une nouvelle base de E .

Dit autrement, cela signifie que toute famille libre A d’un espace vectoriel de dimension
finie peut s’étendre en une base B : A ⊂ B .
On en déduit que tout espace vectoriel non réduit à {0} possède au moins une base.

Preuve 1.4.5. Soient A = {v1 , v2 , ..., vp } une famille libre et B = {e1 , e2 , ..., en } une famille
génératrice de E . Il faut compléter A en une base de E . L’algorithme suivant dépend de la
proposition1.4.2. :
- Si e1 ∈ vect(A), on garde A.
- Sinon, on remplace A par A1 = A ∪ {e1 }, A1 , libre par la prop. 1.4.2. et e1 ∈ vect(A1 ).
On recommence pour tous les autres vecteurs de B . À la fin, on a une nouvelle famille
libre Aq = A ∪ J ,avec J ⊂ B , et e1 , ..., en ∈ vet(Aq ) ⇒ E = vect{e1 , ..., en } ⊂ vect(Aq ) ⊂ E
Ce qui veut dire que Aq est libre et génératrice de E , c’est-à-dire est une base de E . De
plus card(Aq ) = n ⇒ card(J) = n − p.

Dimension d’un sous-espace vectoriel

Proposition 1.4.4. Soit E un K -espace vectoriel de dimension finie et F un sous-espace

vectoriel de E . Alors F est de dimension finie, et de plus :

1. dimK F ≤ dimK E , et dimK F = dimK E ⇐⇒ F = E .

2. F admet au moins un supplémentaire.

Preuve.
 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 15

1. La démonstration est triviale dans le cas où le sous-espace F est réduit à {0E }.
Soit donc F un sous-espace vectoriel de E, F 6= {0E }, et soit n la dimension de E; n
est un entier strictement positif puisque E , qui contient F , n’est pas réduit à {0E }.
Soit v un élément non nul de F : {v} est une partie libre de F , donc F contient des
parties libres.
Toute famille libre d’éléments de F étant une partie libre d’éléments de E (voir la
définition des parties libres), comme E est de dimension n, toutes les parties libres de
F ont au plus n éléments.
On considère l’ensemble A des entiers k tels qu’il existe une partie libre de F ayant k
éléments :

A = {k ∈ N, ∃{u1 , ..., uk } ⊂ F et {u1 , ..., uk } famille libre de F }

Cet ensemble A, non vide ( 1 ∈ A), est un sous-ensemble borné de N (puisque tout
élément de A est compris entre 1 et n) donc il admet un maximum.
Soit p ce maximum et soit {v1 , ..., vp } une famille libre de F ayant p éléments; cette
famille libre est donc une famille génératrice de F . Sinon, il existe v ∈ F tel que
v∈/ vect{v1 , ..., vp }. Mais alors, si on pose J = {v, v1 , ..., vp }, d’après pro.1.4.2, J est une
famille libre ayant ( strictement ) plus de p éléments, contradiction. Ainsi {v1 , v2 , ..., vp }
est une base de F .
On a ainsi démontré simultanément que
•F est de dimension finie (puisque {v1 , ..., vp } est une famille génératrice de F ),
•dim(F ) = p , donc dim(F ) ≤ dim(E) (puisque toute famille libre de F a au plus n
éléments).
De plus, lorsque p = n, le p-uplet (v1 , ..., vp ), qui est une base de F , est aussi une base
de E (car {v1 , ..., vp } est alors une famille libre de E ayant exactement n éléments),
donc tout élément de E s’écrit comme une combinaison linéaire des vi , 1 ≤ i ≤ p , donc
appartient à F , d’où F = E .

2. Soient F sous-espace vectoriel de E , (e1 , ..., ep ) une base de F . D’après le théorème de

la base incomplète on peut construire une base de E de la forme (e1 , ..., ep , ep+1 , ..., en ).
Alors le sev G engendré par {ep+1 , ..., en } est un supplémentaire de F .

Proposition 1.4.5. Si F et G sont deux espaces vectoriels de E , on a :

dim(F + G) = dimF + dimG − dim(F ∩ G).

En particulier, si F et G sont supplémentaires :

dim(F ⊕ G) = dimF + dimG.

Preuve. Voir T.D

 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 16

1.5 Espaces Affines

Définition 1.5.1. Soit E un R-espace vectoriel. On appelle espace affine de direction E ( ou
−−→
sur E ) tout ensemble non vide A muni d’une application : Φ : A × A −→ E ; (M, N ) 7−→ M N
vérifiant les axiomes suivants :
−−→ −−→ −→
(A1 ) ∀(A, B, C) ∈ A × A × A ; AB + BC = AC ( relation de chasles ).
−−→
(A2 ) ∀A ∈ A ; ∀u ∈ E , ∃!B ∈ A ; AB = u.
On définit alors une addition de A × E dans A par :
−−→
A + u = B ⇐⇒ AB = u, (A, B) ∈ A × A , u ∈ E.
Remarquons que

(A + u) + v = A + (u + v) , A ∈ A , (u, v) ∈ E 2 .

- On appelle scalaires les éléments du corps R.

- On appelle vecteurs les éléments de l’espace vectoriel E .
- On appelle points les éléments de l’espace affine A.
Si A est un espace affine sur E , on dit que E est l’espace vectoriel associé à A.
Si E est de dimension finie n , on dit que A est de dimension finie , n. Sinon on dit que
A est de dimension infinie.
Pour n = 1, on dit que A est une droite affine.
Pour n = 2, on dit que A est un plan affine.

Propriétés 1.5.1. ∀ (A, B, C, D) ∈ A4

−−→
1. AB = 0E ⇐⇒ A = B
−−→ −−→
2. AB = −BA
−−→ −−→ −→ −−→
3. AB = CD ⇐⇒ AC = BD ( la règle du parallélogramme ).

Preuve.
−→ −→ −→ −→ −→ −→ −
→
1. . D’après (A1) , AA + AA = AA =⇒ 2AA = AA =⇒ AA = 0E .
−−→ −
→ −−→ −→ −
→
. AB = 0E =⇒ AB = AA = 0E =⇒ A = B ( d’après (A2))
−−→ −−→ −→ −
→ −−→ −−→
2. AB + BA = AA = 0E =⇒ AB = −BA.

3. D’après la relation de chasles,

−−→ −−→ −→ −−→ −−→ −−→ −→ −−→
AB = CD ⇐⇒ AC + CB = CB + BD ⇐⇒ AC = BD.
 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 17

Exemples 1.5.1. 1. Structure affine d’un espace vectoriel

Soit E un R-espace vectoriel. Sur l’ensemble E , définissons une application de E × E
dans E par (u, v) 7−→ v − u. Il est immédiat qu’on a ainsi défini sur E une structure
affine de direction l’espace vectoriel E . On en déduit :
Pour tout espace vectoriel E , il existe au moins un espace affine attaché à E .
Par exemples :
- R considéré comme espace affine sur lui même est une droite affine.
- R × R considéré comme espace affine sur lui même est un plan affine.

2. Produit d’espaces affines

Soient A1 , A2 deux espaces affines respectivement attachés aux espaces vectoriels E1 , E2 .
Pour tout élément M = (A1 , A2 ) de A1 × A2 et tout élément N = (B1 , B2 ) de A1 × A2 ,
posons :
Φ(M, N ) = (ΦA1 (A1 , B1 ), ΦA2 (A2 , B2 )).

On vérifie facilement que l’application Φ définit sur l’ensemble A = A1 × A2 , une

structure d’espace affine attaché à l’espace vectoriel produit E1 × E2 .
A1 × A2 est appelé espace affine produit.

Espaces affines pointés.

Soit O un point quelconque de A. L’application :
−−→
ΦO : E −→ A ; ΦO (u) = M si u = OM .

est une bijection. En effet :

−−→
d’après (A2 ) ΦO est injective et puisque ΦO (ON ) = N, pour tout N ∈ A, ΦO est surjective.
Le choix d’un point O dans A permet de définir une bijection de E sur A, ainsi on peut
munir A d’une structure d’espace vectoriel, mais cette structure dépend du choix de O.
On note (A, O) le R-espace vectoriel obtenu et on l’appelle espace affine pointé, par O.

1.6 Sous-espaces affines

Définition 1.6.1. Soit A un espace affine sur E .
Une partie W de A est un sous-espace affine (en abrégé sea ) de A si l’on peut trouver
un point A de A un sous-espace vectoriel F de E tels que :

W = A + F = {A + u / u ∈ F }

W est appelé sous-espace affine de A passant par A et dirigé par F .

 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 18

Preuve 1.6.1. Soit W un sea de A passant par un point A et dirigé par un sev F . Pour tout
point M ∈ W , on a :
−−→
W =M +F , F = {M N / N ∈ W }
En particulier un sea est un espace affine de direction F . Sa dimension et par définition
celle de F .

Preuve. Soit M = A + u ∈ W = A + F .
Tout élément de M + F est de la forme N = M + v = A + u + v , or F est un sev ,
donc M + F ⊂ A + F = W . Inversement, tout élément de W = A + F est de la forme
N = A + v = M + (−u) + v , donc W ⊂ M + F .
Remarque. Pour montrer qu’une partie W de A est un sea il suffit de montrer que pour
−−→
un point A de W , l’ensemble w = {AM / M ∈ W } est un sev de E , ce sev ne dépend
pas du choix du point A dans W : c’est la direction de W .

Exemples 1.6.1. 1. Tout point p ∈ A peut être vu comme un sea de dimension 0.

2. Soit E un espace vectoriel. Tout sev F de E est un sea de l’espace affine E , et il est
sa propre direction, comme le prouve l’égalité F = 0 + F .
Les sous-espaces affines d’un espace vectoriel sont les sous-espaces de la forme u + F ,
F est un sous-espace vectoriel et u est un vecteur de E .

3. L’ensemble W = {(1 + t, 3 − 2t, −1 + 3t) / t ∈ R} est un sea de R3 passant par le point

A = (1, 3, −1) et dirigé par la droite D, de vecteur directeur u = (1, −2, 3).

1.6.1 Intersection de sous-espaces affines

Soit A un espace affine sur E .
−
→
Preuve 1.6.2. Soit (Wi )i∈I une famille de sea de A . On note Wi la direction de Wi . Alors
T T − →
i∈I Wi soit vide, soit un sea de A, de direction i∈I Wi .

Preuve. Exercice

Preuve 1.6.3. Soit (pi )i∈I une famille non vide de points de A. Il existe un plus petit sea (
au sens de l’inclusion ) contenant les points pi .

Preuve. Il suffit de prendre F le sev engendré par les vecteurs −

p−→
i pj lorsque i et j parcourt
l’ensemble d’indices. W est le sea de direction F passant par un point pi0 fixé arbitrairement
dans la famille.

Définition 1.6.2. Deux sea , W1 et W2 sont dits supplèmentaires s’il en est ainsi de leurs
directions.

Preuve 1.6.4. Si W1 et W2 sont supplèmentaires, alors W1 ∩ W2 est un singleton.

 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 19

Preuve.
−−→ −→ −→ →
−
Si A, B ∈ W1 ∩ W2 , alors AB ∈ W1 ∩ W2 = { 0 } , donc A = B .
Reste à prouver que W1 ∩ W2 est non vide.
−→ −→
Soient A ∈ W1 , B ∈ W2 , Comme E = W1 + W2 ,
−−→ −→ −→
nous pouvons écrire AB = u1 + u2 avec u1 ∈ W1 et u2 ∈ W2 .
Posons alors Ω = A + u1 = B − u2 ∈ W1 ∩ W2 .

1.6.2 Parallélisme
Définition 1.6.3. Soient W et W ′ deux sea de A dirigés respectivement par F et F ′ .

1. On dit que W est parallèle à W ′ si F ⊂ F ′ .

2. On dit que W et W ′ sont parallèles si F = F ′ .

Exercice 1.6.1. Le parallèlisme est une relation d’équivalence.

Remarque 1.6.1. Le résultat clé concernant le parallèlisme est la généralisation du cinquième

postulat d’Euclide.
Soient A un espace affine sur E, F un sev de E et A un point de A. Il existe un et un
seul sea passant par A et dirigé par F . C’est en effet le sea W tel que
−−→
W = {M ∈ A / AM ∈ F } = A + F

Comme corollaire immédiat nous déduisons :

Corollaire 1.6.1. Dans un espace affine, deux sea ayant même direction sont soit disjoints
soit confondus.

1.6.3 Repères cartésiens

Soit A un espace affine de direction E , de dimension n.

Définition 1.6.4. Un repère cartésien de A est la donnée d’un point O de A, appelé origine,
et d’une base (−
→
e1 , −
→
e2 , ..., −
→
en ) de E .

Si R = (O, − →
e1 , −
→
e2 , ..., −
→
en ) est un repère cartésien, on dit que (O, O + −
→
e1 = I1 , O + −
→
e2 =
→
−
I2 , ..., O + en = In ) est un repère affine associé au repère cartésien R .
Pour tout point M de A, ∃!(x1 , x2 , ..., xn ) ∈ Rn tel que
−−→
OM = x1 −
→
e1 + x2 −
→
e2 + ... + xn −
→
en ,
−−→ Pn
utilisons la notation M = O + OM , nous écrirons : M = O + i=1 xi −
→
ei .
 chap.1 I.A Algèbre 2 2023/2024 - FSO- E.H. IDRISSI 20

Les (xi )1≤i≤n s’appellent les coordonnées cartésiennes du point M dans le repère cartésien
R = (O, −
→
e1 , −
→
e2 , ..., −
→
en ) .
Si A = D est une droite , l’unique coordonnée cartésienne x du point M ∈ D dans le
repère cartésien (O, −
→
e1 ), s’appelle l’abscisse de M dans ce repère. On a donc :
−−→
M = O + x−
→
e1 ⇐⇒ OM = x−
→
e1 .
−−−→
Si (M, M ′ ) ∈ D × D, on note M M ′ l’unique scalaire tel que : M M ′ = M M ′ −→
e1 . Ce scalaire
−−−→′ →
−
s’appelle la mesure algèbrique de M M dans le repère cartésien (O, e1 ) : M M ′ = x′ − x.
′
Exercice 1.6.2. 1. Soit (M, M ′ , M ”) ∈ D3 avec M 6= M ”. Montrer que le scalaire M MM
M”
′
ne dépend pas du choix du repère, il ne dépend que des points M, M , M ” ( et de la
structure affine de D).

2. Soit (O, −
→
e1 , −
→
e2 , ..., −
→
en ) un repère cartésien de A.
Montrer que l’application ϕ : Rn −→ A ; (x1 , x2 , ..., xn ) 7−→ O + x1 −
→
e1 + x2 −
→
e2 + ... + xn −
→
en
est un isomorphisme d’espaces affines.