Lahlou Chapitre 2

Filière de « Sciences Économiques et de Gestion »
Semestre II / Session : Printemps-Été 2014-2015
Section A
Module 13 : Algèbre et Mathématiques Financières
Chapitre II :
Espace vectoriel réel
Professeure : Amale LAHLOU

Algèbre et Mathématiques Financières Chapitre II : Espace vectoriel réel
Sommaire
INTRODUCTION ..................................................................................................................... 3
1 STRUCTURE D’ESPACE VECTORIEL ..................................................................................... 3
1.1 LOI DE COMPOSITION INTERNE (L.C.I.) 3
1.2 LOI DE COMPOSITION EXTERNE (L.C.E.) 3
1.3 NOTATIONS 3
1.4 EXEMPLES DE LOIS DE COMPOSITION 3
1.5 PARTIE STABLE POUR UNE LOI DE COMPOSITION 4
1.6 PROPRIETES USUELLES DES LOIS DE COMPOSITION 4
1.7 STRUCTURE D’ESPACE VECTORIEL REEL 5
1.8 HOMOMORPHISME D’ESPACES VECTORIELS 6
2 STRUCTURE DE SOUS-ESPACE VECTORIEL.......................................................................... 6
2.1 DEFINITION DE SOUS-ESPACE VECTORIEL 6
2.2 CRITERE DE SOUS-ESPACE VECTORIEL 6
2.3 INTERSECTION DE SOUS-ESPACES VECTORIELS 7
2.4 REUNION DE SOUS ESPACES VECTORIELS 7
2.5 SOMME DE SOUS-ESPACES VECTORIELS 7
2.6 SOMME DIRECTE DE SOUS-ESPACES VECTORIELS 8
2.7 SOUS-ESPACES VECTORIELS SUPPLEMENTAIRES DE E 9
3 BASE D’UN ESPACE VECTORIEL REEL DE DIMENSION FINIE................................................. 9
3.1 COMBINAISON LINEAIRE DE VECTEURS D’UN ESPACE VECTORIEL REEL 9
3.2 SYSTEME GENERATEUR OU FAMILLE GENERATRICE 10
3.3 DEPENDANCE OU INDEPENDANCE LINEAIRE 12
3.4 BASE D’UN ESPACE VECTORIEL 13
3.5 ORDRE ET RANG D’UN SYSTEME DE VECTEURS 14
3.6 MATRICE ASSOCIEE CANONIQUEMENT A UN SYSTEME DE VECTEURS 14
4 ESPACE VECTORIEL DE DIMENSION FINIE ........................................................................ 15
EXERCICES SOLUTIONNES SE RAPPORTANT AU CHAPITRE II
Pr. Amale LAHLOU 2 Session Printemps-Été 2014-2015

Faculté des Sciences Juridiques Économiques et Sociales, Rabat Semestre II
Chapitre II : Espace vectoriel réel

Introduction
La notion d’espace vectoriel est fondamentale en algèbre linéaire.
1 Structure d’espace vectoriel

1.1 Loi de composition interne (L.C.I.)
Soit 𝐸 un ensemble non vide.
Une Loi de Composition Interne dans 𝐸, notée par exemple par le symbole " ∗ ", est une application qui à
tout couple (𝑥, 𝑦) ∈ 𝐸 × 𝐸 associe un unique élément de 𝐸, noté 𝑥 ∗ 𝑦, appelé le composé de 𝑥 par 𝑦.
1.2 Loi de composition externe (L.C.E.)
Soit E un ensemble non vide et 𝕂 le corps des nombres réels ℝ ou le corps des nombres complexes ℂ.
Une Loi de Composition Externe, notée par exemple ". ", est une application qui à tout couple (𝜆, 𝑥) ∈ 𝕂 × 𝐸
associe un unique élément de 𝐸 noté 𝜆. 𝑥
1.3 Notations
Si " ∗ " est une L.C.I. sur 𝐸, alors le couple (𝐸,∗) est appelé magma.
Les L.C.I. sont notées généralement :
 par la notation additive " + ", on écrit 𝑥 + 𝑦 et on dit « somme de 𝑥 et 𝑦 » ;
 par la notation multiplicative " × ", on écrit 𝑥 × 𝑦 et on dit « produit » de 𝑥 et 𝑦.
Les L.C.E. sont notées généralement par la notation multiplicative ". ", on écrit 𝜆. 𝑥 (ou par simple
juxtaposition 𝜆𝑥) et on dit « produit de 𝑥 par le scalaire 𝜆 ».
1.4 Exemples de lois de composition
 Les opérations usuelles l'addition " + " et la multiplication " × " sont des L.C.I. sur ℕ, ℤ, ℚ et ℝ.
 La soustraction " − " est une L.C.I. sur ℤ, ℚ et ℝ mais elle ne l’est pas sur ℕ (contre exemple : (1,2) ∈
ℕ × ℕ mais 1 − 2 ∉ ℕ).
 La division " ÷ " est une LCI sur ℚ∗ et ℝ∗ mais elle ne l’est pas sur ℕ∗ et ℤ∗ (contre exemple : (1,2) ∈
ℕ∗ × ℕ∗ mais 1 ÷ 2 ∉ ℕ∗ et (1,2) ∈ ℤ∗ × ℤ∗ mais 1 ÷ 2 ∉ ℤ∗ ).
 L’addition définie sur ℝ𝑛 comme suit est une L.C.I. : ∀ 𝑥1 , … , 𝑥𝑛 , (𝑦1 , … , 𝑦𝑛 ) ∈ ℝ𝑛 ,
𝑥1 , 𝑥2 , … , 𝑥𝑛 + 𝑦1 , 𝑦2 , … , 𝑦𝑛 = (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , … , 𝑥𝑛 + 𝑦𝑛 )
 L'addition matricielle " + " est une L.C.I. sur ℳ𝑝,𝑛 (ℝ), ensemble des matrice réelles de type 𝑝, 𝑛 .
 Le produit matriciel " × " est une L.C.I. sur ℳ𝑛 (ℝ), ensemble des matrices réelles carrées d’ordre 𝑛.
 L’intersection " ∩ " , la réunion " ∪ " et la différence symétrique " △ " sont des L.C.I. sur 𝒫(E) ,
l’ensemble des parties de l’ensemble E.
 La composition " ∘ " de deux applications est une L.C.I. sur ℱ(𝐸, 𝐸), l’ensemble des applications d’un
ensemble 𝐸 vers lui même.
 La multiplication externe définie sur ℝ𝑛 comme suit est une L.C.E. :
∀𝜆 ∈ ℝ, ∀(𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∈ ℝ𝑛 𝜆 . 𝑥1 , 𝑥2 , … , 𝑥𝑛 = (𝜆𝑥1 , 𝜆𝑥2 , … , 𝜆𝑥𝑛 )

 La multiplication externe définie sur ℳ𝑝,𝑛 (ℝ) est une L.C.E.

 La multiplication externe définie sur ℱ(𝐸, 𝐸) est L.C.E.
1.5 Partie stable pour une loi de composition
Soit 𝐸 un ensemble muni d’une L.C.I. " + " et d’une L.C.E. ". " et soit 𝐴 une partie non vide de 𝐸.
𝐴 est dite stable par la L.C.I. " + " si pour tous 𝑥, 𝑦 ∈ 𝐴 on a 𝑥 + 𝑦 ∈ 𝐴. Dans ce cas, on dira que " + "
définit, par restriction, une L.C.I. sur 𝐴.
𝐴 est dite stable par la L.C.E. ". " si pour tous 𝑥 ∈ 𝐴 et 𝜆 ∈ 𝐴 on a 𝜆. 𝑥 ∈ 𝐴. Dans ce cas, on dira que ". "
définit, par restriction, une L.C.E. sur 𝐴.
Exemples : 𝒏ℤ = 𝒏𝒌 ∶ 𝒌 ∈ ℤ , sous ensemble de ℤ, est stable pour la multiplication usuelle.
1.6 Propriétés usuelles des lois de composition

Dans tout ce paragraphe, 𝐸,∗ désignera un magma.
La loi " ∗ " est commutative sur 𝐸 si pour tous éléments 𝑥, 𝑦 ∈ 𝐸, on a :
𝑥∗𝑦 =𝑦∗𝑥
La loi " ∗ " est associative sur E si pour tous éléments 𝑥, 𝑦, 𝑧 ∈ 𝐸, on a :
𝑥∗𝑦∗𝑧 = 𝑥∗𝑦 ∗𝑧 =𝑥∗ 𝑦∗𝑧
La loi " ∗ " est distributive par rapport à une autre L.C.I " Τ " sur 𝐸 si pour tous éléments 𝑥, 𝑦, 𝑧 ∈ 𝐸, on a
𝑥 ∗ (𝑦 ⊺ 𝑧) = 𝑥 ∗ 𝑦 ⊺ (𝑥 ∗ 𝑧) et (𝑥 ⊺ 𝑦) ∗ 𝑧 = 𝑥 ∗ 𝑧 ⊺ (𝑦 ∗ 𝑧)
La loi " ∗ " admet un élément neutre 𝑒 ∈ 𝐸 si et seulement si pour tout élément 𝑥 ∈ 𝐸:
𝑥∗𝑒 =𝑒∗𝑥 =𝑥
(En cas d’existence, l’élément neutre est unique)
 Le symétrique d'un élément 𝑥 ∈ 𝐸, lorsqu'il existe, est un élément noté 𝑥 ′ ∈ 𝐸 vérifiant :
𝑥 ∗ 𝑥′ = 𝑥′ ∗ 𝑥 = 𝑒 où 𝑒 étant l’élément neutre du magma 𝐸,∗ .
Exemples :
Sur ℝ :
 l’addition et la multiplication sont des L.C.I. commutatives et associatives ;
 La multiplication est distributive par rapport à l’addition ;
 L’élément 0ℝ est neutre pour l’addition ;
 Tout élément 𝑥 admet un symétrique pour l’addition (opposé), noté – 𝑥 ;
 L’élément 1ℝ est neutre pour la multiplication ;
 Tout élément non nul 𝑥 admet un symétrique (inverse) pour la multiplication, noté 𝑥 −1 .
Sur ℳ𝑝,𝑛 (ℝ) :
 L’addition matricielle est une L.C.I. commutative et associative ;
 La multiplication externe est distributive par rapport à l’addition matricielle ;
 La matrice nulle 0𝑝,𝑛 est neutre pour l’addition ;
 Toute matrice M admet un symétrique pour l’addition (l’opposé), noté – M ;
 La matrice unité I𝑛 est neutre pour la multiplication matricielle sur ℳ𝑛 (ℝ).

Sur 𝒫(𝐸) :
 L’intersection et la réunion sont des L.C.I. commutatives et associatives ;
 L’intersection est distributive par rapport à la réunion et réciproquement ;
 L’élément ∅ est neutre pour la réunion ;
 L’élément 𝐸 est neutre pour l’intersection.
Sur ℱ(𝐸, 𝐸) :
 La composition des applications est en général non commutative ;
 La composition des applications est associative ;
 l’élément 𝑖𝑑𝐸 est neutre pour la composition (pour tout 𝑥 ∈ 𝐸, 𝑖𝑑𝐸 𝑥 = 𝑥) ;
 Un élément 𝑓 admet un symétrique pour la composition si et seulement si 𝑓 est bijective, et dans ce
cas, il sera noté 𝑓 −1 et appelé réciproque de 𝑓.
1.7 Structure d’espace vectoriel réel
Soit 𝐸 un ensemble non vide sur lequel on a définit :
une L.C.I. notée additivement "+ ∶ 𝐸 × 𝐸 ⟶ 𝐸 "
une 𝐿. 𝐶. 𝐸. notée multiplicativement ". ∶ 𝕂 × 𝐸 ⟶ 𝐸 "
Dans le cas de loi externe d’un espace vectoriel, l’ensemble 𝕂 est un corps commutatif appelé corps des
scalaires. En principe on prend le corps ℝ ou ℂ. Dans toute la suite du cours, on prendra 𝕂 = ℝ.
Définition : Le triplet (𝑬 , + ,⋅) est un espace vectoriel réel ou ℝ-espace vectoriel (en abrégé ℝ-e.v.) si,
 La L.C.I. " + " est commutative, associative et admet un élément neutre, noté 𝑂𝐸 ;
 Tout élément de 𝐸 admet un symétrique (opposé) pour la loi " + ", noté "−𝑥" ;
 Pour tous 𝑥, 𝑦 ∈ 𝐸 et pour tous 𝛼, 𝛽 ∈ ℝ on a les quatre propriétés suivantes :
 𝛼 ∙ 𝛽 ∙ 𝑥 = (𝛼 × 𝛽) ∙ 𝑥
 𝛼∙ 𝑥+𝑦 = 𝛼∙𝑥 + 𝛽∙𝑥
 𝛼+𝛽 ∙𝑥 = 𝛼∙𝑥 + 𝛽∙𝑥
 1ℝ ∙ 𝑥 = 𝑥 (1ℝ est l’élément neutre dans ℝ pour la multiplication)
Les éléments d’un ℝ-ev sont appelés des vecteurs. Un ℝ-e.v. contient au moins un vecteur à savoir l’élément
neutre 𝑂𝐸 pour la L.C.I.
Exemples :
 Soit 𝐸 = ℝ𝑛 ensemble des couples de réels. (ℝ𝑛 , +, ∙) est un ℝ-e.v. où les lois " + " et " ∙ " sont
définies par : ∀ 𝑥1 , … , 𝑥𝑛 , (𝑦1 , … , 𝑦𝑛 ) ∈ ℝ𝑛 et ∀𝜆 ∈ ℝ
𝑥1 , … , 𝑥𝑛 + (𝑦1 , … , 𝑦𝑛 ) = 𝑥1 + 𝑦1 , … , 𝑥𝑛 + 𝑦𝑛
𝜆 ∙ 𝑥1 , … , 𝑥𝑛 = 𝜆𝑥1 , … , 𝜆𝑥𝑛
 Soit 𝐸 = 𝒜(𝐴, ℝ) ensemble des applications définies d’un ensemble 𝐴 dans ℝ. (𝒜(𝐴, ℝ), +, ∙) est un
ℝ-e.v. où les lois " + " et " ∙ " sont définies par : ∀𝑓, 𝑔 ∈ 𝒜(𝐴, ℝ), ∀𝜆 ∈ ℝ et ∀𝑥 ∈ 𝐴
𝑓+𝑔 𝑥 =𝑓 𝑥 +𝑔 𝑥
𝜆 ∙ 𝑓 𝑥 = 𝜆𝑓 𝑥

 Soit 𝐸 = ℝ[𝑋] ensemble de polynômes à coefficients dans ℝ. (ℝ[𝑋], +, ∙) est un ℝ-e.v. où les lois
" + " et " ∙ " sont définies par : ∀𝑃, 𝑄 ∈ ℝ[𝑋], ∀𝜆 ∈ ℝ et ∀𝑥 ∈ ℝ
𝑃 + 𝑄 𝑥 = 𝑃 𝑥 + 𝑄(𝑥)
(𝜆 ∙ 𝑃)(𝑥) = 𝜆𝑃(𝑥)
Propriétés : Soit (𝑬, +, ∙) est un ℝ-e.v. Pour tous 𝜶, 𝜷 ∈ ℝ et pour tous 𝒙, 𝒚 ∈ 𝑬 on a :
𝛼 ∙ 0𝐸 = 0𝐸
0ℝ ∙ 𝑥 = 0𝐸
𝛼 ∙ 𝑥 = 0𝐸 ⇔ 𝛼 = 0ℝ 𝑜𝑢 𝑥 = 0𝐸
−𝛼 ∙ 𝑥 = − 𝛼 ∙ 𝑥 = 𝛼 ∙ −𝑥
𝛼−𝛽 ∙𝑥 = 𝛼∙𝑥 − 𝛽∙𝑥
𝛼 ∙ (𝑥 − 𝑦) = 𝛼 ∙ 𝑥 − 𝛼 ∙ 𝑦
1.8 Homomorphisme d’espaces vectoriels
Définition : Soient (𝐸1 , +,∙) et (𝐸2 , +,∙) deux ℝ-e.v. L’application 𝑓 de 𝐸1 dans 𝐸2 est un homomorphisme
d’espaces vectoriels (ou application linéaire) si : ∀𝑥, 𝑦 ∈ 𝐸1 , ∀α ∈ ℝ
𝑓 𝑥+𝑦 =𝑓 𝑥 +𝑓 𝑦
𝑓 𝛼∙𝑥 =𝛼∙𝑓 𝑥
ou équivalent à : ∀𝑥, 𝑦 ∈ 𝐸1 , ∀𝛼, 𝛽 ∈ ℝ
𝑓 𝛼∙𝑥+𝛽∙𝑦 =𝛼∙𝑓 𝑥 +𝛽∙𝑓 𝑥
2 Structure de sous-espace vectoriel

Soit (𝐸, +, ∙) un ℝ-e.v.
2.1 Définition de sous-espace vectoriel
Une partie non vide 𝐹 de 𝐸 est un sous-espace vectoriel (en abrégé s.e.v.) de 𝐸 si 𝐹, muni de la restriction à
𝐹 × 𝐹 de l'addition interne et de la restriction à ℝ × 𝐹 de la multiplication externe, est un ℝ-e.v.
2.2 Critère de sous-espace vectoriel
Une partie 𝐹 de 𝐸 est un s.e.v. de 𝐸 si et seulement si 𝐹 est non vide (en général, on montre que 0𝐸 ∈ 𝐹) et
satisfait aux conditions de stabilité linéaire :
∀𝑥, 𝑦 ∈ 𝐹, 𝑥+𝑦 ∈𝐹
∀𝑥 ∈ 𝐹, ∀𝛼 ∈ ℝ 𝛼∙𝑥 ∈𝐹
ou équivalent à : 𝐹 ≠ ∅ et ∀𝑥, 𝑦 ∈ 𝐹 ∀𝛼, 𝛽 ∈ ℝ 𝛼∙𝑥+𝛽∙𝑦 ∈𝐹
Remarque : Si 𝑭 est un s.e.v. de 𝑬, alors 𝑭 est un ℝ-e.v.
Exemples :
 Soit 𝐸 un ℝ-e.v., les sous ensembles 0𝐸 et 𝐸 sont des s.e.v., dits triviaux de 𝐸. Tout s.e.v. de 𝐸 distinct
de 𝐸, est appelé sous-espace vectoriel strict de 𝐸.
 La droite 𝑥1 , 𝑥2 ∈ ℝ2 ∶ 𝑎1 𝑥1 + 𝑎2 𝑥2 = 0, (𝑎1 , 𝑎2 ) ≠ (0,0) est un s.e.v. du plan ℝ2 et en général,
l’ensemble 𝐻, appelé hyperplan, est un s.e.v de ℝ𝑛 et défini par :
𝐻= 𝑥1 , … , 𝑥𝑛 ∈ ℝ𝑛 ∶ 𝑎1 𝑥1 + ⋯ + 𝑎𝑛 𝑥𝑛 = 0, 𝑎2 , … , 𝑎𝑛 ≠ 0, … ,0
 L’ensemble des fonctions continues 𝒞(ℝ, ℝ) est un s.e.v. de ℱ(ℝ, ℝ).

 ℝ≤𝑛 𝑋 , l’ensemble des polynômes de degré inferieur ou égal à 𝑛 ∈ ℕ à coefficients réels, est un s.e.v.
de ℝ 𝑋 .
Exercice : Montrons que (𝑭, +, . ) est un s.e.v. de ℝ𝟒 où 𝑭 = 𝒙, 𝒚, 𝒛, 𝒕 ∈ ℝ𝟒 ∶ 𝒙 − 𝒚 = 𝟎, 𝒙 + 𝒛 + 𝒕 =
𝟎
On remarque tout d’abord que 𝐹 ≠ ∅ , en effet 0ℝ4 ∈ 𝐹. Montrons la stabilité linéaire : soient
𝑥1 , 𝑦1 , 𝑧1 , 𝑡1 , 𝑥2 , 𝑦2 , 𝑧2 , 𝑡2 ∈ 𝐹 et 𝛼, 𝛽 ∈ ℝ
?
𝛼. 𝑥1 , 𝑦1 , 𝑧1 , 𝑡1 + 𝛽. 𝑥2 , 𝑦2 , 𝑧2 , 𝑡2 = 𝛼𝑥1 + 𝛽𝑥2 , 𝛼𝑦1 + 𝛽𝑦2 , 𝛼𝑧1 + 𝛽𝑧2 , 𝛼𝑡1 + 𝛽𝑡2 ∈ 𝐹
Autrement dit :
𝛼𝑥1 + 𝛽𝑥2 − 𝛼𝑦1 + 𝛽𝑦2 = 0 et 𝛼𝑥1 + 𝛽𝑥2 + 𝛼𝑧1 + 𝛽𝑧2 + 𝛼𝑡1 + 𝛽𝑡2 = 0
Comme 𝑥1 , 𝑦1 , 𝑧1 , 𝑡1 ∈ 𝐹 et 𝑥2 , 𝑦2 , 𝑧2 , 𝑡2 ∈ 𝐹 alors,
𝑥1 − 𝑦1 = 0, 𝑥2 − 𝑦2 = 0, 𝑥1 + 𝑧1 + 𝑡1 = 0 𝑒𝑡 𝑥2 + 𝑧2 + 𝑡2 = 0
On a d’une part,
𝛼𝑥1 + 𝛽𝑥2 − 𝛼𝑦1 + 𝛽𝑦2 = 𝛼. 𝑥1 − 𝑦1 − 𝛽. 𝑥2 − 𝑦2 = 0
et d’autre part,
𝛼𝑥1 + 𝛽𝑥2 + 𝛼𝑧1 + 𝛽𝑧2 + 𝛼𝑡1 + 𝛽𝑡2 = 𝛼. 𝑥1 + 𝑧1 + 𝑡1 + 𝛽. 𝑥2 + 𝑧2 + 𝑡2 = 0
D’où,
𝛼. 𝑥1 , 𝑦1 , 𝑧1 , 𝑡1 + 𝛽. 𝑥2 , 𝑦2 , 𝑧2 , 𝑡2 ∈ 𝐹
𝐹 est un s.e.v. de ℝ4 .
2.3 Intersection de sous-espaces vectoriels
Proposition : L’intersection d’une famille finie de s.e.v. d’un espace vectoriel 𝑬 est un s.e.v. de 𝑬.
Exemple : Montrons que (𝑭, +, . ) est un s.e.v. de ℝ𝟒 où
𝐹= 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ4 ∶ 𝑥 − 𝑦 = 0 𝑒𝑡 𝑥+𝑧+𝑡 =0
On constate que 𝐹 = 𝐹1 ∩ 𝐹2 avec 𝐹1 et 𝐹2 deux s.e.v. de ℝ4 donnés par :
𝐹1 = 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ4 ∶ 𝑥 − 𝑦 = 0 et 𝐹2 = 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ4 ∶ 𝑥 + 𝑧 + 𝑡 = 0
Donc, 𝐹 est un s.e.v. de ℝ4 .
2.4 Réunion de sous-espaces vectoriels
La réunion de deux s.e.v. d’un espace vectoriel 𝐸 n’est pas forcement un s.e.v. de 𝐸.
Contre exemple : Soient 𝑭𝟏 et 𝑭𝟐 sont deux e.s.v. de ℝ𝟑 donnés par :
𝐹1 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 : 𝑥1 = 0 et 𝐹2 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 : 𝑥2 = 0
Soient 0,1,1 ∈ 𝐹1 , 1,0,1 ∈ 𝐹2 et 0,1,1 + 1,0,1 = 1,1,1 n’est pas un élément ni de 𝐹1 ni de 𝐹2 . Donc
𝐹1 ∪ 𝐹2 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 ∶ 𝑥1 = 0 ou 𝑥2 = 0
3
n’est pas un s.e.v. de ℝ .
2.5 Somme de sous-espaces vectoriels

Définition : Soit 𝑬 un ℝ-e.v. et soient 𝑭𝟏 et 𝑭𝟐 deux s.e.v. de 𝑬 On appelle somme des sous-espaces
vectoriels 𝑭𝟏 et 𝑭𝟐 le sous-espace vectoriel de 𝑬, noté 𝑭𝟏 + 𝑭𝟐 , défini par :
𝐹1 + 𝐹2 = 𝑥1 + 𝑥2 ∶ 𝑥1 ∈ 𝐹1 , 𝑥2 ∈ 𝐹2
= 𝑥 ∶ ∃ au moins (𝑥1 , 𝑥2 ) ∈ 𝐹1 × 𝐹2 , 𝑥 = 𝑥1 + 𝑥2
Ainsi,
𝑥 ∈ 𝐹1 + 𝐹2 ⇒ ∃ au moins 𝑥1 ∈ 𝐹1 𝑒𝑡 ∃ au moins 𝑥2 ∈ 𝐹2 tel que 𝑥 = 𝑥1 + 𝑥2
La décomposition (ou l’écriture) de 𝑥 n’est pas unique.
Exemple : Soient 𝑭𝟏 et 𝑭𝟐 sont deux e.s.v. de ℝ𝟑 donnés par :
𝐹1 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 : 𝑥1 = 0 et 𝐹2 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 : 𝑥2 = 0
On remarque que 1,1,3 ∈ 𝐹1 + 𝐹2 . En effet,
∈𝐹1 ∈𝐹2
1,1,3 = 0,1,2 + 1,0,1
∈𝐹1 ∈𝐹2
1,1,3 = 0,1,1 + 1,0,2

La décomposition de 1,1,3 n’est pas unique.
Propriétés : Soit (𝑬, +,∙) est un ℝ-e.v. et soient 𝑭 et 𝑮 deux s.e.v. de 𝑬 :
𝐹+𝐹 =𝐹
𝐹+𝐸 =𝐸
𝐹 + 𝑂𝐸 = 𝐹
𝐹+𝐺 =𝐺+𝐹
Remarque : Pour montrer qu'un ensemble 𝑭 est un ℝ-e.v., le plus souvent, il suffit de montrer qu'il est un
s.e.v. d’un ℝ-e.v. bien connu et pour cela, on utilise le critère de s.e.v. Le mois souvent, on montre qu’il est
l’intersection ou la somme d’un nombre fini de s.e.v.
2.6 Somme directe de sous-espaces vectoriels
Définition : Soit 𝑬 un ℝ-e.v. et soient 𝑭𝟏 et 𝑭𝟐 deux s.e.v. de 𝑬. On appelle somme directe des sous-espaces
vectoriels 𝑭𝟏 et 𝑭𝟐 , le sous-espace vectoriel de 𝑬, noté 𝑭𝟏 ⊕ 𝑭𝟐 , défini par :
𝐹1 ⊕ 𝐹2 = 𝑥 ∶ ∃! (𝑥1 , 𝑥2 ) ∈ 𝐹1 × 𝐹2 𝑥 = 𝑥1 + 𝑥2
Ainsi,
𝑥 ∈ 𝐹1 ⊕ 𝐹2 ⇒ ∃! 𝑥1 ∈ 𝐹1 et ∃! 𝑥2 ∈ 𝐹2 tel que 𝑥 = 𝑥1 + 𝑥2
La décomposition (ou l’écriture) de 𝑥 est unique.
𝐹1 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 : 𝑥2 = 𝑥3 = 0 et 𝐹2 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 : 𝑥1 = 0
On remarque que 1,1,3 ∈ 𝐹1 + 𝐹2 . En effet,
∈𝐹1 ∈𝐹2
1,1,3 = 1,0,0 + 0,1,3

La décomposition de 1,1,3 est unique et elle l’est pour tout élément de 𝐹1 + 𝐹2 , on écrit 1,1,3 ∈ 𝐹1 ⊕ 𝐹2 .

Proposition : Soit 𝑬 un ℝ -e.v. et soient 𝑭𝟏 et 𝑭𝟐 deux s.e.v. de 𝑬, Les propositions suivantes sont
équivalentes :
𝐹1 ∩ 𝐹2 = 0𝐸 ;
Si 𝑥 ∈ 𝐹1 + 𝐹2 , alors 𝑥 s’écrit de façon unique comme 𝑥 = 𝑥1 + 𝑥2 avec 𝑥1 ∈ 𝐹1 et 𝑥2 ∈ 𝐹2 ;
(𝑥1 ∈ 𝐹1 , 𝑥2 ∈ 𝐹2 , 𝑥1 + 𝑥2 = 0𝐸 ) ⇒ 𝑥1 = 𝑥2 = 0𝐸 .
Exemple : Pour montrer que les deux s.e.v. de ℝ𝟑
sont en somme directe, on prend 𝑥1 , 𝑥2 , 𝑥3 ∈ 𝐹1 ∩ 𝐹2 et on montre que 𝑥1 , 𝑥2 , 𝑥3 = 0ℝ3 :
𝑥1 , 𝑥2 , 𝑥3 ∈ 𝐹1
𝑥1 , 𝑥2 , 𝑥3 ∈ 𝐹1 ∩ 𝐹2 ⇒
𝑥1 , 𝑥2 , 𝑥3 ∈ 𝐹2
𝑥1 = 0
⇒
𝑥2 = 𝑥3 = 0
⇒ 𝑥1 = 𝑥2 = 𝑥3 = 0
⇒ 𝑥1 , 𝑥2 , 𝑥3 = 0ℝ3
2.7 Sous-espaces vectoriels supplémentaires de E
Définition : Deux s.e.v. 𝑭𝟏 et 𝑭𝟐 d’un espace vectoriel 𝑬 sont dits supplémentaires de 𝑬 si et seulement si :
𝑬 = 𝑭𝟏 ⊕ 𝑭𝟐 .
𝐹1 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 ∶ 𝑥2 = 𝑥3 = 0 et 𝐹2 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 ∶ 𝑥1 = 0
On a : ℝ3 = F1 ⊕ F2 .
Proposition : Deux s.e.v. 𝑭𝟏 et 𝑭𝟐 d’un ℝ-e.v. 𝑬 sont supplémentaires dans 𝑬 si et seulement si l’une des
trois propriétés suivantes est vérifiée :
1. Pour tout 𝑥 ∈ 𝐸, 𝑥 s’écrit de façon unique comme somme de 𝑥1 et 𝑥2 avec 𝑥1 ∈ 𝐹1 et 𝑥2 ∈ 𝐹2 ;
2. 𝐸 = 𝐹1 + 𝐹2 et 𝐹1 ∩ 𝐹2 = 0𝐸 ;
3. 𝐸 = 𝐹1 + 𝐹2 et (𝑥1 ∈ 𝐹1 , 𝑥2 ∈ 𝐹2 , 𝑥1 + 𝑥2 = 0𝐸 ) ⇒ 𝑥1 = 𝑥2 = 0𝐸 .
Remarque : Dans la pratique, pour montrer que 𝑬 = 𝑭𝟏 + 𝑭𝟐 , on se contentera de vérifier que 𝑬 ⊆ 𝑭𝟏 + 𝑭𝟐 .
Pour montrer que ℝ3 = F1 ⊕ F2 , on procède comme suit :
- 𝐹1 ∩ 𝐹2 = 0𝐸 , propriété déjà montrée
- on montre que ℝ3 ⊆ 𝐹1 + 𝐹2 : pour tout 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3
∈𝐹1 ∈𝐹2
𝑥1 , 𝑥2 , 𝑥3 = 𝑥1 , 0,0 + 0, 𝑥2 , 𝑥3
3 Base d’un espace vectoriel réel de dimension finie

Dans la suite, 𝐸, +,∙ (𝐸 ≠ 0𝐸 ) désigne un ℝ-espace vectoriel.
3.1 Combinaison linéaire de vecteurs d’un espace vectoriel réel
Soient 𝑝-vecteurs 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑝 de E et 𝑝-scalaires λ1 , λ2 , ⋯ , λp de ℝ. Le vecteur 𝑢 de la forme :

𝑢 = 𝜆1 𝑢1 + 𝜆2 𝑢2 + ⋯ + 𝜆𝑝 𝑢𝑝 = 𝜆 𝑖 𝑢𝑖 ∈ 𝐸
𝑖=1
est une combinaison linéaire des 𝑝-vecteurs ; les scalaires 𝜆𝑖 (𝑖 = 1, ⋯ , 𝑝 ) sont les coefficients de la
combinaison linéaire. On dira que le vecteur 𝑢 se décompose sur la famille des 𝑝-vecteurs (la décomposition
n’est pas forcement unique).
Exemples :
 Dans ℝ2 , on considère les vecteurs 𝑢1 = (2, −1), 𝑢2 = −4,2 . L’origine est combinaison linéaire des
vecteurs 𝑢1 et 𝑢2 , en effet :
0ℝ2 = 0,0 = 2𝑢1 + 1𝑢2 = 6𝑢1 + 3𝑢2
La décomposition n’est pas unique.
 Dans ℝ3 , on considère les vecteurs 𝑒1 = (1,0,0), 𝑒2 = 0,1,0 et 𝑒3 = (0,0,1). Tout vecteur 𝑢 =
(𝑥1 , 𝑥2 , 𝑥3 ) est une combinaison linéaire des vecteurs 𝑒1 , 𝑒2 et 𝑒3 :
𝑢 = 𝑥1 , 𝑥2 , 𝑥3 = 𝑥1 𝑒1 + 𝑥2 𝑒2 + 𝑥3 𝑒3
La décomposition est unique.
3.2 Système générateur ou famille génératrice
On dit que les 𝑝-vecteurs 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑝 de 𝐸 forment un système générateur de E (une famille génératrice ou
encore une famille qui engendre 𝐸) si tout vecteur 𝑢 de 𝐸 peut s’écrire comme une combinaison linéaire des
vecteurs 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑝 . Autrement dit,
𝑝
∀𝑢 ∈ 𝐸, ∃ au moins 𝜆1 , 𝜆2 , ⋯ , 𝜆𝑝 ∈ ℝ 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑢 = 𝜆1 𝑢1 + 𝜆2 𝑢2 + ⋯ + 𝜆𝑝 𝑢𝑝 = 𝜆 𝑖 𝑢𝑖

𝑖=1
L’écriture ou la décomposition n’est pas unique.
Exemples :
 On considère les vecteurs 𝑒1 = 1,0,0 , 𝑒2 = 0,0,1 et 𝑒𝟑 = (0,0,1) de ℝ3 . Montrons que la famille
𝑆 = {𝑒1 , 𝑒2 , 𝑒3 } engendre ℝ3 .
Soit 𝑢 = (𝑥1 , 𝑥2 , 𝑥3 ) ∈ ℝ3 , montrons qu’il existe au moins trois réels 𝜆1 , 𝜆2 , 𝜆3 tel que :
𝑢 = 𝜆1 𝑒1 + 𝜆2 𝑒2 + 𝜆3 𝑒3
= 𝜆1 1,0,0 + 𝜆2 (0,0,1) + 𝜆3 (0,0,1)
Ainsi,
𝑥1 = 𝜆1
𝑢 = 𝜆1 𝑒1 + 𝜆2 𝑒2 + 𝜆3 𝑒3 ⇒ 𝑥2 = 𝜆2
𝑥3 = 𝜆3
On obtient,
𝑢 = 𝜆1 𝑒1 + 𝜆2 𝑒2 + 𝜆3 𝑒3
À titre d’exemple, on prend 𝑢 = 3,4,2 = 3𝑒1 + 4𝑒2 + 2𝑒3 (La décomposition est unique).
En général, la famille de 𝑛 vecteurs 𝑒1 = 1,0,0, … ,0 , 𝑒2 = 0,1,0, … ,0 , … , 𝑒𝑖 = 0, … ,0,1,0, … ,0 (la

𝑖 ième projection vaut 1) et 𝑒𝑛 = (0,0, … ,0,1) de ℝ𝑛 est une famille génératrice de ℝ𝑛 .

 On considère les vecteurs 𝑢1 = 0,0,1 , 𝑢2 = 2, −1,0 , 𝑢3 = (0,1, −1) et 𝑢4 = (1,1,1) de ℝ3 .

Montrons que la famille 𝑆 = {𝑢1 , 𝑢2 , 𝑢3 , 𝑢4 } engendre ℝ3 .
Soit 𝑢 = (𝑥1 , 𝑥2 , 𝑥3 ) ∈ ℝ3 , montrons qu’il existe au moins quatre réels 𝜆1 , 𝜆2 , 𝜆3 , 𝜆4 tel que :
𝑢 = 𝜆1 𝑢1 + 𝜆2 𝑢2 + 𝜆3 𝑢3 + 𝜆4 𝑢4
= 𝜆1 0,0,1 + 𝜆2 (2, −1,0) + 𝜆3 (0,1, −1) + 𝜆4 (1,1,1)
On pose,
𝑥1 = 2𝜆2 + 𝜆4
𝑢 = 𝜆1 𝑢1 + 𝜆2 𝑢2 + 𝜆3 𝑢3 + 𝜆4 𝑢4 ⇒ 𝑥2 = −𝜆2 + 𝜆3 + 𝜆4
𝑥3 = 𝜆1 − 𝜆3 + 𝜆4
1 5
𝜆1 = 𝑥1 + 𝑥2 + 𝑥3 − 𝜆4
2 2
1 1
⇒ 𝜆2 = 𝑥 − 𝜆
2 1 2 4
1 3
𝜆3 = 𝑥1 + 𝑥2 − 𝜆4
2 2
On obtient ainsi, 𝜆4 ∈ ℝ
1 5 1 1 1 3
𝑢= 𝑥1 + 𝑥2 + 𝑥3 − 𝜆4 𝑢1 + 𝑥1 − 𝜆4 𝑢2 + 𝑥1 + 𝑥2 − 𝜆4 𝑢3 + 𝜆4 𝑢4
2 2 2 2 2 2
À titre d’exemple, on prend 𝑢 = (3,4,2)
15 5 3 1 11 3
𝑢= − 𝜆 𝑢 + − 𝜆 4 𝑢2 + − 𝜆 𝑢 + 𝜆 4 𝑢4
2 2 4 1 2 2 2 2 4 3
15 3 11
Si λ4 = 0, alors 3,4,2 = 0,0,1 + (2, −1,0) + (0,1, −1) + 0(1,1,1)
2 2 2
Si λ4 = 1, alors 3,4,2 = 5 0,0,1 + (2, −1,0) + 4(0,1, −1) + 1(1,1,1)

La décomposition n’est pas unique.
Théorème : Soit 𝑨 = 𝒖𝟏 , 𝒖𝟐 , ⋯ , 𝒖𝒑 une partie finie de vecteurs de 𝑬. L’ensemble
𝜆1 𝑢1 + 𝜆2 𝑢2 + ⋯ + 𝜆𝑝 𝑢𝑝 ∶ 𝜆1 , 𝜆2 , ⋯ , 𝜆𝑝 ∈ ℝ
noté 𝑉𝑒𝑐𝑡 𝐴 ou 𝑉𝑒𝑐𝑡 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑝 ou encore 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑝 , est l’ensemble de toutes les combinaisons
linéaires des 𝑝-vecteurs de 𝐴.
𝑉𝑒𝑐𝑡 𝐴 est le plus petit s.e.v. contenant 𝐴, appelé sous-espace vectoriel engendré par 𝐴.
Remarque importante : Ce théorème présente une autre façon de montrer qu’un ensemble donné est un
espace vectoriel, il suffit de montrer qu’il est défini comme sous-espace vectoriel engendré par une partie de
vecteurs.
Exemples :
𝑉𝑒𝑐𝑡 ∅ = 0𝐸
Soit A = { 2,0 , 1,3 }. Alors, Vect A = 2,0 , 1,3 = (2α + β, 3β) / α, β ∈ ℝ
Soit 𝐸1 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 ∶ 𝑥1 + 𝑥2 + 𝑥3 = 0
3
= 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ ∶ 𝑥3 = − 𝑥1 − 𝑥2
= 𝑥1 , 𝑥2 , − 𝑥1 − 𝑥2 ∶ 𝑥1 , 𝑥2 ∈ ℝ
= 𝑥1 1,0, −1) + 𝑥2 (0,1, −1 ∶ 𝑥1 , 𝑥2 ∈ ℝ
= 1,0, −1), (0,1, −1

𝐸1 est un sous-espace vectoriel de ℝ3 engendré par la famille de vecteurs 𝑆1 = (1,0, −1), (0,1, −1) .
𝑥1 𝑥2
Soit 𝐸2 = 𝑥3 𝑥4 ∈ ℳ2 ℝ ∶ 𝑥3 − 𝑥4 = 0 𝑒𝑡 𝑥1 + 𝑥2 = 0
𝑥1 𝑥2
= 𝑥3 𝑥4 ∈ ℳ2 ℝ ∶ 𝑥4 = 𝑥3 𝑒𝑡 𝑥2 = −𝑥1
𝑥1 −𝑥1
= 𝑥3 𝑥3 ∶ 𝑥1 , 𝑥3 ∈ ℝ
1 −1 0 0
= 𝑥1 + 𝑥3 ∶ 𝑥1 , 𝑥3 ∈ ℝ
0 0 1 1
1 −1 0 0
𝐸2 = ,
0 0 1 1
1 −1 0 0
𝐸2 est un sous-espace vectoriel de ℳ2 ℝ engendré par la famille de matrices 𝑆2 = , .
0 0 1 1
3.3 Dépendance ou indépendance linéaire
Les 𝑝-vecteurs 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑝 de 𝐸 forment une famille libre (ou sont linéairement indépendants) si toute
combinaison linéaire de ces vecteurs à coefficients non nuls est nécessairement non nulle, c’est-à-dire :
𝜆1 𝑢1 + 𝜆2 𝑢2 + ⋯ + 𝜆𝑝 𝑢𝑝 = 0𝐸 ⇒ 𝜆1 = 𝜆2 = ⋯ = 𝜆𝑝 = 0ℝ
Les𝑝-vecteurs 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑝 de 𝐸 forment une famille liée (ou sont linéairement dépendants) si la famille
n’est pas libre, c’est-à-dire :
∃ 𝜆1 , 𝜆2 , ⋯ , 𝜆𝑝 ∈ ℝ, (𝜆1 , 𝜆2 , ⋯ , 𝜆𝑝 ) ≠ 0,0, ⋯ ,0 𝑡𝑒𝑙𝑞𝑢𝑒 𝜆1 𝑢1 + 𝜆2 𝑢2 + ⋯ + 𝜆𝑝 𝑢𝑝 = 0𝐸
Cette relation est dite « relation de dépendance ».
Calcul pratique : Pour montrer qu’une famille 𝑺 = 𝒖𝟏 , 𝒖𝟐 , ⋯ , 𝒖𝒑 est libre ou liée, on considère une
combinaison linéaire nulle de ses vecteurs 𝝀𝟏 𝒖𝟏 + 𝝀𝟐 𝒖𝟐 + ⋯ + 𝝀𝒑 𝒖𝒑 = 𝟎𝑬 . On obtient ainsi un système
dont les inconnues sont 𝝀𝟏 , ⋯ , 𝝀𝒑 . Deux cas se posent :
 si le système admet une solution unique alors 𝝀𝟏 = ⋯ = 𝝀𝒑 = 𝟎 et 𝑺 est libre
 si le système admet une infinité de solutions, alors le système 𝑺 est lié.
Exemples :
 Dans ℝ3 ,
 les vecteurs 2,1, −3 , −4, −2,5 sont linéairement indépendants, en effet :
2𝜆1 − 4𝜆2 =0
𝜆1 2,1, −3 + 𝜆2 −4, −2,5 = 0,0,0 ⇒ 𝜆1 −2𝜆2 = 0 ⇒ 𝜆1 = 𝜆2 = 0
−3𝜆1 + 5𝜆2 =0
L’unique solution est 𝜆1 = 𝜆2 = 0.
 les vecteurs 2,1, −3 , −4, −2, −6 sont linéairement dépendants, en effet :

2𝜆1 − 4𝜆2 =0
𝜆1 2,1, −3 + 𝜆2 −4, −2, −6 = 0,0,0 ⇒ 𝜆1 −2𝜆2 =0
−3𝜆1 − 6𝜆2 =0
2𝜆1 − 4𝜆2 =0
⇒ 𝜆1 − 2𝜆2 =0
−3𝜆1 − 6𝜆2 =0
⇒ 𝜆1 −2𝜆2 = 0
⇒ 𝜆1 = 2𝜆2
Il existe une infinité de solutions. Il suffit de prendre 𝜆2 = 1 et 𝜆1 = 2. En effet,
2 2,1, −3 + −4, −2, −6 = 0,0,0
Cette relation est dite relation de dépendance.
 Dans ℝ𝑛 , la famille de vecteurs 𝑒1 = 1,0,0, … ,0 , 𝑒2 = 0,1,0, … ,0 , 𝑒𝑖 = 0, … ,0,1,0, … ,0 (la 𝑖 ième
projection vaut 1) et 𝑒𝑛 = (0,0, … ,0,1) de ℝ𝑛 est une famille libre.
 Dans ℝ≤𝑛 [𝑋], la famille 1, 𝑥, 𝑥 2 , … , 𝑥 𝑛 est libre.
1 0 0 1 0 0 0 0
 Dans ℳ2 [𝑋], la famille , , , est libre.
0 0 0 0 1 0 0 1
Propriétés :
Le singleton 𝑢 est libre si et seulement si 𝑢 ≠ 0𝐸 ;
Toute famille de vecteurs contenant le vecteur 0𝐸 est liée ;
Les vecteurs d’une famille libre sont distincts, non colinéaires et non nuls ;
Une famille est liée si et seulement si au moins l’un de ses vecteurs est combinaison linéaire des autres
vecteurs de la famille ;
Toute famille non vide extraite d’une famille libre est libre ;
Toute famille contenant une famille liée est liée.
Exemples :
 Les vecteurs 1,0,0 , 0,1,0 , 0,0,1 , 1,1,1 sont linéairement dépendants, en effet,
1,1,1 = 1,0,0 + 0,1,0 + 0,0,1
 Les vecteurs 2,1, −3 , −4, −2, −6 sont linéairement dépendants, en effet :
−4, −2,6 = −2 2,1, −3 ,
3.4 Base d’un espace vectoriel
Une base d’un ℝ-e.v. 𝐸 est une famille qui est à la fois famille libre et génératrice de 𝐸.
Exemples de bases :
 Soit 𝐸1 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 ∶ 𝑥1 + 𝑥2 + 𝑥3 = 0 = 1,0, −1), (0,1, −1 .
La famille 𝑆1 = 1,0, −1), (0,1, −1 est une famille génératrice de 𝐸1 . En plus, les deux vecteurs sont
linéairement indépendants. Donc, 𝑆1 est une base de 𝐸1 .
 La base canonique de ℝ4 est :
𝑒1 = 1,0,0,0 , 𝑒2 = 0,1,0,0 , 𝑒3 = 0,0,1,0 et 𝑒4 = 0,0,0,1
 Dans ℝ𝑛 , la famille de vecteurs 𝑒1 = 1,0,0, … ,0 , 𝑒2 = 0,1,0, … ,0 , 𝑒𝑖 = 0, … ,0,1,0, … ,0 (la 𝑖 ième
projection vaut 1) et 𝑒𝑛 = (0,0, … ,0,1) de ℝ𝑛 est une base de ℝ𝑛 .

 La famille 1, 𝑥, 𝑥 2 , ⋯ , 𝑥 𝑛 est une base canonique de ℝ≤n [X]

 La famille suivante est une base canonique de 𝑀2 ℝ
1 0 0 1 0 0 0 0
𝐸11 = , 𝐸12 = , 𝐸21 = 𝑒𝑡 𝐸22 =
0 0 0 0 1 0 0 1
Théorème : Pour qu’une famille 𝐵 = 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑝 de vecteurs de 𝐸 soit une base de 𝐸, il faut et il suffit
que tout vecteur 𝑢 de 𝐸, 𝑢 se décompose de façon unique en une combinaison linéaire des vecteurs de la
famille 𝐵. Autrement dit,
∀𝑢 ∈ 𝐸, ∃! 𝜆1 , 𝜆2 , ⋯ , 𝜆𝑝 ∈ ℝ 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑢 = 𝜆1 𝑢1 + 𝜆2 𝑢2 + ⋯ + 𝜆𝑝 𝑢𝑝
Remarque : L’existence de la décomposition vient du fait que 𝐵 est génératrice, et l’unicité du fait que 𝐵 est
libre.
Exemple : Le plus souvent, nous travaillerons dans l'espace vectoriel ℝ𝒏 (𝑛 ≥ 1). La famille des 𝑛-vecteurs
𝑒𝑖 (la 𝑖-ème projection de 𝑒𝑖 vaut 1 et 0 par tout ailleurs) est la base canonique de ℝ𝒏 . Pour tout vecteur
𝑢 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∈ ℝ𝒏, 𝑢 s’écrit de façon unique comme combinaison linéaire des vecteurs 𝒆𝒊 . En effet,
𝑢 = 𝑥1 𝑒1 + 𝑥2 𝑒2 + ⋯ + 𝑥𝑛 𝑒3
3.5 Ordre et rang d’un système de vecteurs

Soit 𝑆 un système de vecteurs d’un ℝ-e.v.
L’ordre de S, noté 𝑜𝑟𝑑𝑟𝑒 𝑆 , est le nombre des vecteurs formant 𝑆 ;
Le rang de S, noté 𝑟𝑎𝑛𝑔 𝑆 ou encore 𝑟𝑔 𝑆 , est égal au plus grand nombre de vecteurs linéairement
indépendants que l’on peut extraire de 𝑆. Autrement dit, ∃ 𝑟 ≤ 𝑜𝑟𝑑𝑟𝑒 𝑆 tels qu’on peut extraire de 𝑆 au
moins une famille libre d’ordre 𝑟 et que toute famille d’ordre supérieur à 𝑟, extraite de 𝑆, est liée :
rang(S) = r
Exemple : Soit le système 𝑆 = 𝑢1 , 𝑢2 , 𝑢3 , 𝑢4 formé des quatre vecteurs,
𝑢1 = 1,0,0 , 𝑢2 = 1,1,1 , 𝑢3 = 0,1,0 et 𝑢4 = 1,1,0
Alors, 𝑜𝑟𝑑𝑟𝑒 𝑆 = 4 et 1 ≤ 𝑟𝑎𝑛𝑔 𝑆 ≤ 4.
On constate que 𝑢1 , 𝑢2 , 𝑢3 , 𝑢4 sont linéairement dépendants : 𝑢4 = 𝑢1 + 0𝑢2 + 𝑢3
Alors 𝑟𝑎𝑛𝑔 𝑆 ≠ 4 et par suite 𝑟𝑎𝑛𝑔 𝑆 ≤ 3. En outre, les trois vecteurs 𝑢1 , 𝑢2 , 𝑢3 sont linéairement
indépendants, ce qui implique que 𝑟𝑎𝑛𝑔 𝑆 = 3.
Propriété : Un système de vecteurs 𝑺 est libre si et seulement 𝑟𝑎𝑛𝑔 𝑆 = 𝑜𝑟𝑑𝑟𝑒 𝑆 .
3.6 Matrice associée canoniquement à un système de vecteurs
Soient 𝐸, +,∙ (𝐸 ≠ 0𝐸 ) un ℝ-espace vectoriel et 𝐵 sa base canonique.
Alors, on associe canoniquement à tout vecteur 𝑢 = (𝑥1 , … , 𝑥𝑛 ) ∈ 𝐸 une matrice uni-colonne 𝑈𝐵 ∈
ℳ(𝑛,1) ℝ dont les coefficients sont les composantes 𝑥1 , … , 𝑥𝑛 :
𝑥1
𝑥2
𝑈𝐵 = ⋮ ∈ℳ 𝑛,1 ℝ
𝑥𝑛

Exemple : Soit 𝐵 la base canonique de ℝ𝟒 . Au vecteur 𝑢 = (2,3, −1,4) ∈ ℝ𝟒 on associe canoniquement la

matrice :
2
3
𝑈𝐵 = ∈ ℳ 4,1 ℝ
−1
4
Soit 𝑆 = 𝑢1 , … , 𝑢𝑚 une famille de 𝑚 vecteurs d’un ℝ-e.v. 𝐸 avec, 𝑢𝑗 = (𝑥1𝑗 , … , 𝑥𝑛𝑗 ) ∈ E. La matrice
associée canoniquement à la famille 𝑆, notée 𝑀𝐵 (𝑆) ∈ ℳ 𝑛,𝑚 (ℝ), est définie par :
𝑢1 𝑢𝑗 𝑢𝑚
𝑥11 ⋯ 𝑥1𝑗 ⋯ 𝑥1𝑚

⋮ ⋮ ⋮
𝑀𝐵 (𝑆) = 𝑥𝑖1 ⋯ 𝑥𝑖𝑗 ⋯ 𝑥𝑖𝑚
⋮ ⋮ ⋮
𝑥𝑛1 ⋯ 𝑥𝑛𝑗 ⋯ 𝑥𝑛𝑚
Exemple : Soit 𝑆 = 𝑢1 , 𝑢2 , 𝑢3 , 𝑢4 une famille de vecteurs de ℝ𝟒 où :
𝑢1 = 1,2,0,0 , 𝑢2 = −1,1,0,0 , 𝑢3 = 0,0,2,3 et 𝑢4 = 2, −1,1,0 .
Alors,
𝑢1 𝑢2 𝑢3 𝑢4
1 −1 0 2
2 1 0 −1
𝑀𝐵 (𝑆) =
0 0 2 1
0 0 3 0
Théorème : Soient 𝐸, +,∙ (𝐸 ≠ 0𝐸 ) un ℝ-espace vectoriel, 𝐵 sa base canonique et 𝑆 = 𝑢1 , … , 𝑢𝑚 une

famille de 𝑚 vecteurs de 𝐸. Le rang du système 𝑆 est égal au rang de la matrice associée canoniquement à la
famille 𝑆 :
𝑟𝑎𝑛𝑔 𝑆 = 𝑟𝑎𝑛𝑔 𝑀𝐵 (𝑆)
4 Espace vectoriel de dimension finie

Un espace vectoriel réel 𝐸 est de dimension finie s’il admet une base constituée d’un nombre fini n de
vecteurs. On note, 𝑑𝑖𝑚 𝐸 = 𝑛.
Exemples :
 L’espace vectoriel trivial 0E n’admet aucune base. Par convention, dim 0E = 0.
 ℝ𝑛 est un espace vectoriel. La base canonique 𝑒1 , 𝑒2 , … , 𝑒𝑛 de ℝ𝑛 contient 𝑛 vecteur. Donc ℝ𝑛 est de
dimension finie et dim ℝ𝑛 = 𝑛.
 ℝ≤𝑛 𝑋 est un espace vectoriel. La base canonique 1, 𝑥, 𝑥 2 , … , 𝑥 𝑛 de ℝ≤𝑛 𝑋 contient 𝑛 + 1
monômes. Donc ℝ≤𝑛 𝑋 est de dimension finie et dim ℝ≤𝑛 𝑋 = 𝑛 + 1.
Théorème : Soit 𝐸 un ℝ-e.v. (𝐸 ≠ 0𝐸 ) avec 𝑑𝑖𝑚 𝐸 = 𝑛, et soit 𝑆 une famille de vecteurs de 𝐸.
Si 𝑆 est génératrice de E alors, 𝑜𝑟𝑑𝑟𝑒 𝑆 ≥ 𝑛 ;
Si 𝑆 est libre de 𝐸 alors, 𝑜𝑟𝑑𝑟𝑒 𝑆 ≤ 𝑛 ;

Si 𝑆 est une base de E alors, 𝑜𝑟𝑑𝑟𝑒 𝑆 = 𝑛 ;

Théorème : Soit 𝐸 un ℝ-e.v. (𝐸 ≠ 0𝐸 ) avec 𝑑𝑖𝑚 𝐸 = 𝑛, et soit 𝐵 une base de 𝐸. Alors :
𝑜𝑟𝑑𝑟𝑒 𝐵 = 𝑛 ;
la famille 𝐵 génératrice de 𝐸 ;
la famille 𝐵 est libre de E.
Réciproquement, toute famille de vecteurs de 𝐸 vérifiant seulement 2 de ces 3 propriétés forme une base de
𝐸 et vérifie automatiquement la propriété restante.
Théorème (base incomplète) : Soient 𝐸 un ℝ -e.v. (différent de 0𝐸 ) de dimension finie et 𝐵=
𝑢1 , 𝑢2 , ⋯ , 𝑢𝑛 une base de 𝐸 . Si 𝑆 = 𝑣1 , 𝑣2 , ⋯ , 𝑣𝑝 est un système libre de 𝐸 (𝑝 ≤ 𝑛 ), on peut alors
compléter le système 𝑆 par (𝑛 − 𝑝) vecteurs 𝑣𝑝+1 , ⋯ , 𝑣𝑛 convenablement choisis dans la base 𝐵 pour obtenir
une nouvelle base de 𝐸 à savoir 𝑣1 , 𝑣2 , ⋯ , 𝑣𝑝 , 𝑣𝑝+1 , ⋯ , 𝑣𝑛 .
Exemple : Soit ℝ4 muni de sa base canonique 𝐵 = 𝑒1 , 𝑒2 , 𝑒3 , 𝑒4 et soit 𝑆 une famille libre donnée par 𝑆 =
𝑣1 , 𝑣2 de ℝ4 où 𝑣1 = 1,2,0,0 et 𝑣2 = −1,1,0,0 . La famille complétée 𝑣1 , 𝑣2 , 𝑒3 , 𝑒4 est base de ℝ4 .
Proposition : Soit 𝐸 un ℝ-e.v. (différent de 0𝐸 ) de dimension finie. Alors,
Si 𝐹 est un s.e.v. de 𝐸, alors 𝐹 est de dimension finie et 0 ≤ dim 𝐹 ≤ dim 𝐸 .
Si 𝐹 est un s.e.v. de 𝐸 et dim 𝐹 = dim 𝐸 , alors 𝐹 = 𝐸.
Si 𝐹1 et 𝐹2 sont deux s.e.v. de 𝐸 , alors les sous-espaces vectoriels 𝐹1 + 𝐹2 et 𝐹1 ⊕ 𝐹2 sont de
dimension finie et :
dim 𝐹1 + 𝐹2 = dim 𝐹1 + dim 𝐹2 − dim 𝐹1 ∩ 𝐹2
dim 𝐹1 ⊕ 𝐹2 = dim 𝐹1 + dim 𝐹2
Exemple :
 Considérons l’espace vectoriel ℝ3 , dim ℝ3 = 3. Soit 𝐹 un sous-espace vectoriel de ℝ3 .
 si dim F = 0, alors 𝐹 se réduit à l’origine,
 si dim F = 1, alors 𝐹 est la droite vectorielle passant par l’origine,
 si dim F = 2, alors 𝐹 est le plan vectoriel contenant l’origine,
 si dim F = 3, alors 𝐹 est exactement ℝ3 .
 Considérons les deux sous-espace vectoriels ℝ3 :
𝐹1 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 ∶ 𝑥2 = 𝑥3 = 0 et 𝐹2 = 𝑥1 , 𝑥2 , 𝑥3 ∈ ℝ3 ∶ 𝑥1 = 0
Il est facile de montrer que 𝐹1 = (1,0,0) , 𝐹1 = 0,1,0 , (0,0,1) et 𝐹1 ∩ 𝐹2 = {(0,0,0)}
ℝ3 = F1 ⊕ F2
De même, dim 𝐹1 = 1 et dim 𝐹2 = 2.
dim 𝐹1 + dim 𝐹2 = 3 = dim ℝ3 = 3
Théorème : Soient E un ℝ-e.v. (différent de 0𝐸 ) de dimension finie et 𝐹1 et 𝐹2 deux s.e.v. supplémentaires
dans 𝐸. Si 𝐵1 = 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑝 et 𝐵2 = 𝑣1 , 𝑣2 , ⋯ , 𝑣𝑞 des bases respectives de 𝐹1 et 𝐹2 , alors la famille
𝐵 = 𝑢1 , 𝑢2 , ⋯ , 𝑢𝑝 , 𝑣1 , 𝑣2 , ⋯ , 𝑣𝑞 est une base de 𝐸.

Corollaire : Soit E un ℝ-e.v. (𝐸 ≠ 0𝐸 ) de dimension finie, et soient F1 et F2 deux s.e.v. de E.

F1 et F2 sont supplémentaires dans E si et seulement si l’une des trois propriétés suivantes est vérifiée :
𝐸 = 𝐹1 + 𝐹2 et 𝐹1 ∩ 𝐹2 = 0𝐸
𝐸 = 𝐹1 + 𝐹2 et dim 𝐸 = dim 𝐹1 + dim 𝐹2
𝐹1 ∩ 𝐹2 = 0𝐸 et dim 𝐸 = dim 𝐹1 + dim 𝐹2

Énoncés des exercices
Exercice 1 : Les sous-espaces suivants sont-ils des sous-espaces vectoriels de ℝ3 ?
𝐹1 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 + 𝑧 ≤ 2
𝐹2 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥𝑦 = 0
𝐹3 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 1, 𝑦=𝑧
𝐹4 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 + 𝑦 = 1
𝐹5 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 2 + 𝑦 2 + 𝑧 2 = 0
𝐹6 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 0, 𝑦 + 2𝑧 = 0
𝐹7 = 𝑥, 𝑦, 0 ∈ ℝ3 ∶ 𝑥 + 𝑦 = 0
𝐹8 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 + 𝑦 = 0
𝐹9 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 𝑦
𝐹10 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 − 𝑦 + 2𝑧 = 0
𝐹11 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 : 𝑥 − 𝑦 + 2𝑧 = 0 𝑒𝑡 𝑥 + 𝑦 = 0
𝐹12 = 2𝑦, −𝑦 + 𝑧, 𝑥 − 𝑧 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
𝐹13 = 𝑦, 𝑦 − 𝑥 + 𝑧, 𝑧 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
Exercice 2 : Montrer que le système 𝑆 = (1,2,3), (0,1,4), (2,3,2) est une famille liée. En déduire la
relation de dépendance.
Exercice 3 : Soit le système 𝑆𝑚 = (𝑚, 1,2,2), (0, 𝑚, 1,1), (1,0, 𝑚, 1) , 𝑚 ∈ ℝ. Pour quelles valeurs du
paramètre 𝑚, le système 𝑆 est-il libre ? est-il lié (donner la relation de dépendance) ?
Exercice 4 (CR-08/09) : Soient trois vecteurs 𝑢1 , 𝑢2 et 𝑢3 donnés par :

𝑢1 = (1,2,2) 𝑢2 = (𝑚, 1,1) 𝑢3 = (0, 𝑚, 1) où 𝑚 ∈ ℝ
On considère la famille formée par ces trois vecteurs 𝑆𝑚 = 𝑢1 , 𝑢2 , 𝑢3 . Pour quelles valeurs du
paramètre 𝑚, le système 𝑆 est-il libre ? est-il lié (donner la relation de dépendance) ?
Exercice 5 : Montrer que le système 𝑆 = (1,1,1), (−1,1,0), (1,0,1) est une base de ℝ3 , puis déterminer les
coordonnés des vecteurs de la base canonique de ℝ3 dans cette base.
Exercice 6 : Soit 𝐵 = 𝑒1 , 𝑒2 , 𝑒3 une base canonique de ℝ3 .
1. Montrer que si 𝐵′ = 𝑒1′ = 1,1,1 , 𝑒2′ = 1, −1,0 , 𝑒3′ = (−1,1, −1) est une autre base de ℝ3 .
2. Trouver les coordonnées de 𝑒1 ,𝑒2 et 𝑒3 dans la base 𝐵′ .
Exercice 7 :
1. Déterminer le rang du système 𝑆 = 𝑢1 = 1,2,2 , 𝑢2 = 0,5,1 , 𝑢3 = (2, −1,3) ;
2. Montrer que le système 𝑆 ′ = 𝑢1′ = 1,1,1 , 𝑢2′ = 1,1,2 , 𝑢3′ = (1,2,3) est une base de ℝ3 et
déterminer les coordonnées du vecteur 𝑣 = (3,8,9) dans cette base.

Exercice 8 : Déterminer le rang de chacun des systèmes suivants :
𝑆1 = 1,1,1 , 3,0, −1 , (−1,1, −1)
𝑆2 = 1,0,1 , 2,1,3 , 2,0,2
𝑆3 = 1,1,1 , 1,1,1 , 1,1,1
Exercice 9 : L’ensemble 𝑃2 [𝑋], ensemble des polynômes de degré 2, est un espace vectoriel de dimension 3.
Les polynômes 𝑝0 𝑥 = 1, 𝑝1 𝑥 = 𝑥 et 𝑝2 𝑥 = 𝑥 2 , forment une base canonique de 𝑃2 [𝑋].
Soient les polynômes 𝑒0′ 𝑥 = 1 , 𝑒1′ 𝑥 = 𝑥 − 2 et 𝑒2′ 𝑥 = (𝑥 − 2)2 de 𝑃2 [𝑋] . Montrer que la famille
{𝑒0′ 𝑥 , 𝑒1′ 𝑥 , 𝑒2′ 𝑥 } forme une base de 𝑃2 [𝑋].
Exercice 10 : L’ensemble 𝑃3 [𝑋], ensemble des polynômes de degré 3, est un espace vectoriel de dimension
4. Notons que la famille 𝐵 = 𝑝0 𝑥 = 1, 𝑝1 𝑥 = 𝑥, 𝑝2 𝑥 = 𝑥 2 , 𝑝3 𝑥 = 𝑥 3 est une base canonique de
𝑃3 [𝑋]. Montrer que la famille 𝐵′ formée des 4 polynômes suivants forme une base de 𝑃3 𝑋 :
𝑃0 𝑥 = 2, 𝑃1 𝑥 = −𝑥 + 4, 𝑃2 𝑥 = 2𝑥 2 + 𝑥 − 2, 𝑃3 𝑥 = 𝑥 3 − 2𝑥 + 1
Exercice 11 : Soit 𝐵 = 𝑒1 , 𝑒2 , 𝑒3 une base de ℝ3 . Montrer que si 𝑎, 𝑏 ∈ ℝ, 𝑎2 + 𝑏 2 = 1 alors le système

𝐵′ = (𝑏𝑒1 + 𝑎𝑒3 , 𝑒2 , −𝑎𝑒1 + 𝑏𝑒3 ) est une autre base de ℝ3 .
Exercice 12 : Montrer que chacun des sous-ensembles suivants est un sous-espace vectoriel d'un espace
vectoriel connu, en donner une base et en déduire sa dimension :
𝑎 𝑏
𝐹1 = ∈ ℳ2 ℝ ∶ 𝑎 + 𝑑 = 0
𝑐 𝑑
3𝑎 + 𝑏 2𝑎 − 4𝑏 𝑎−𝑏
𝐹2 = 2𝑎 − 3𝑏 𝑎 + 2𝑏 𝑎 + 𝑏 ∶ 𝑎, 𝑏 ∈ ℝ
𝑎−𝑏 2𝑎 + 𝑏 2𝑎 − 𝑏
𝑎−𝑏 𝑏 𝑏+𝑎
𝐹3 = 𝑐−𝑎 𝑐+𝑏 𝑐 ∶ 𝑎, 𝑏, 𝑐 ∈ ℝ
𝑐+𝑏 𝑎−𝑏 𝑎+𝑏
𝐹4 = 𝑥, 𝑦 ∈ ℝ2 ∶ 𝑥 + 2𝑦 = 0
𝐹5 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 𝑦 = 𝑧
𝐹6 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 0, 𝑦 = 𝑧
𝐹7 = 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ4 ∶ 𝑥 + 𝑦 − 𝑧 = 0
𝐹8 = 2𝑥, 𝑥 − 2𝑦, 0,3𝑥 + 𝑦 ∶ 𝑥, 𝑦 ∈ ℝ
Exercice 13 : Déterminer une base pour chacun des sous-espaces vectoriels suivants :
𝐹1 = 0, −2,0, −3 , 1,0,1,0 , (2,0,4, −3)

𝐹2 = 1, −1,2, −3 , 1,1,2,0 , (3, −1,6, −6)
𝐹3 = 1,1,1,2 , −1,0, −1,0 , (2,1,1,1)
𝐹4 = 1,1,3 , 1,0,2 , (0,1, −1)
Exercice 14 (CF-10/11) : Déterminer la dimension du sous-espace vectoriel 𝐹 de ℝ3 défini par :

𝐹 = 𝑥 + 2𝑦 + 𝑧, 3𝑥 + 2𝑦 − 𝑧, 𝑦 + 𝑧 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
Exercice 15 (CR-10/11) : Soient 𝑚 ∈ ℝ et le sous-ensemble 𝐹𝑚 défini par :

𝐹𝑚 = 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ4 ∶ 𝑥 − 𝑦 + 2𝑧 − 𝑡 + 2 = 2𝑚
1. Pour quelle valeur du paramètre 𝑚, l’ensemble 𝐹𝑚 est-il un sous-espace vectoriel de ℝ4 ?
2. Déterminer la dimension du sous-espace vectoriel 𝐹1 .
Exercice 16 : Montrer que les deux sous-espaces vectoriels 𝐹1 et 𝐹2 sont supplémentaires dans ℝ3 :
𝐹1 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 + 𝑦 − 3𝑧 = 0
𝐹2 = 1,2, −1
Exercice 17 : Dans ℝ3 , on pose
𝐹1 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 − 𝑦 + 𝑧 = 0
𝐹2 = 1,1,1
Montrer que ℝ3 = 𝐹1 ⨁𝐹2 , et en déduire une base de ℝ3 autre que la base canonique.
Exercice 18 (CF-08/09): Soient les deux sous-ensembles de ℝ3 :

𝐹1 = 2,1,0 , (−1,0,1)
𝐹2 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑦 = 2𝑧, 𝑧 = 𝑥
1. Montrer que 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels de ℝ3 ;
2. Les sous-espaces vectoriels 𝐹1 et 𝐹2 sont-ils supplémentaires dans ℝ3 .
Exercice 19 (CF-10/11) : On considère les deux sous-espaces vectoriels de ℝ3 donnés par :
𝐹1 = 𝑥, 𝑥, 𝑥 ∶ 𝑥∈ℝ
𝐹2 = 0, 𝑦, 𝑧 ∶ 𝑦, 𝑧 ∈ ℝ
Montrer que ℝ3 = 𝐹1 ⊕ 𝐹2 .
Exercice 20 (CR-10/11) : Montrer que 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels supplémentaires dans ℝ3 :
𝐹1 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 2𝑥 + 3𝑦 + 𝑧 = 0
𝐹2 = 𝑥, 0, 𝑧 ∈ ℝ3 ∶ 𝑥−𝑧 =0
Exercice 21 (CF-11/12) : on considère les deux sous-ensembles de ℝ4 donnés par :
𝐹1 = 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ4 ∶ 2𝑥 + 3𝑦 + 𝑧 = 0, 𝑡=0
𝐹2 = 1,0,1,0 , (0,1,0,1)
1. Montrer que 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels supplémentaires dans ℝ4 ;

2. En déduire une base 𝐵′ de ℝ4 autre que la base canonique 𝐵 ;
3. Déterminer les coordonnées du vecteur 𝑢 = (0,2,0,1) ∈ ℝ4 dans la nouvelle base 𝐵′ .
Exercice 22 (CR-11/12) : Montrer que 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels supplémentaires dans ℝ3 :
𝐹1 = 𝑥, −2𝑦, −𝑥 + 𝑦 : 𝑥, 𝑦 ∈ ℝ
𝐹2 = 𝑥, 𝑦, 0 ∈ ℝ3 ∶ 𝑥−𝑦 =0

Solutions
Solution 1 : Vérifions si les sous-ensembles suivants sont des sous-espaces vectoriels de ℝ3 :
𝐹1 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 + 𝑧 ≤ 2
Soit 1,1,1 ∈ 𝐹1 mais 2. 1,1,1 = 2,2,2 ∉ 𝐹1 puisque 2 + 2 > 2 , donc la stabilité de 𝐹1 pour la Loi
Externe (multiplication par un scalaire) n’est pas vérifiée. Ainsi 𝐹1 n’est pas un sous espace vectoriel de ℝ3 .
𝐹2 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥𝑦 = 0
𝑥𝑦 = 0 ⟹ 𝑥 = 0 𝑜𝑢 𝑦 = 0
Donc,
= 𝐹2 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥𝑦 = 0
= 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 0 ∪ 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑦 = 0
= 0, 𝑦, 𝑧 ∶ 𝑦, 𝑧 ∈ ℝ3 ∪ 𝑥, 0, 𝑧 ∶ 𝑥, 𝑧 ∈ ℝ3
Soient 1,0,1 ∈ 𝐹2 et 0,1,1 ∈ 𝐹2 mais 1,0,1 + 0,1,1 = (1,1,2) ∉ 𝐹2 donc la stabilité de 𝐹2 pour la Loi
Interne (addition) n’est pas vérifiée. Ainsi 𝐹2 n’est pas un sous-espace vectoriel de ℝ3 .
𝐹3 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 1, 𝑦 = 𝑧
Comme 0,0,0 ∉ 𝐹3 ( 0,0,0 étant l’élément neutre pour la LCI dans ℝ3 ) alors 𝐹3 n’est pas un sous-espace
vectoriel de ℝ3 .
𝐹4 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 + 𝑦 = 1
Comme (0,0,0) ∉ 𝐹4 donc 𝐹4 n’est pas un sous-espace vectoriel de ℝ3 .
𝐹5 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 2 + 𝑦 2 + 𝑧 2 = 0
On a :
𝑥, 𝑦, 𝑧 ∈ 𝐹5 ⟺ 𝑥2 + 𝑦2 + 𝑧2 = 0
⟺ 𝑥=𝑦=𝑧=0
⟺ 𝐹5 = 0,0,0
𝐹5 est un sous-espace vectoriel trivial de ℝ3 .
𝐹6 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 0, 𝑦 + 2𝑧 = 0
On a :
𝑥=0
𝑥, 𝑦, 𝑧 ∈ 𝐹6 ⟺
𝑦 + 2𝑧 = 0
𝑥=0
⟺
𝑦 = −2𝑧, 𝑧 ∈ ℝ
⟺ 𝐹6 = 𝑧 0, −2,1 ∶ 𝑧 ∈ ℝ
⟺ 𝐹6 = 0, −2,1
3
𝐹6 est le sous-espace vectoriel de ℝ engendré par la famille 0, −2,1 .
𝐹7 = 𝑥, 𝑦, 0 ∈ ℝ3 ∶ 𝑥 + 𝑦 = 0
On a :
𝐹7 = 𝑥, 𝑦, 0 ∈ ℝ3 ∶ 𝑥 + 𝑦 = 0
= 𝑥, 𝑦, 0 ∈ ℝ3 ∶ 𝑦 = −𝑥
= 𝑥, −𝑥, 0 ∶ 𝑥 ∈ ℝ
= 𝑥 1, −1,0 ∶ 𝑥 ∈ ℝ
= 1, −1,0
𝐹7 est le sous-espace vectoriel de ℝ3 engendré par la famille 1, −1,0 .

𝐹8 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 + 𝑦 = 0
On a :
𝐹8 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 + 𝑦 = 0
= 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑦 = −𝑥
= 𝑥, −𝑥, 𝑧 ∶ 𝑥, 𝑧 ∈ ℝ
= 𝑥 1, −1,0 + 𝑧 0,0,1 ∶ 𝑥, 𝑧 ∈ ℝ
= 1, −1,0 , (0,0,1)
3
𝐹8 est le sous-espace vectoriel de ℝ engendré par la famille 1, −1,0 , (0,0,1) .
𝐹9 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 𝑦
On a :
𝐹9 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 𝑦
= 𝑦, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑦, 𝑧 ∈ ℝ
= 𝑦 1,1,0 + 𝑧 0,0,1 ∶ 𝑦, 𝑧 ∈ ℝ
= 1,1,0 , (0,0,1)
3
𝐹9 est le sous-espace vectoriel de ℝ engendré par la famille 1,1,0 , (0,0,1)
𝐹10 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 − 𝑦 + 2𝑧 = 0
On a :
= 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 − 𝑦 + 2𝑧 = 0
𝐹10
= 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑦 = 𝑥 + 2𝑧
= 𝑥, 𝑥 + 2𝑧, 𝑧 ∶ 𝑥, 𝑧 ∈ ℝ
= 𝑥 1,1,0 + 𝑧(0,2,1) ∶ 𝑥, 𝑧 ∈ ℝ
= 1,1,0 , (0,2,1)
𝐹10 est le sous-espace vectoriel de ℝ3 engendré par la famille 1,1,0 , (0,2,1) .
𝐹11 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 − 𝑦 + 2𝑧 = 0 𝑒𝑡 𝑥 + 𝑦 = 0
On a :
=𝐹11 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 − 𝑦 + 2𝑧 = 0 𝑒𝑡 𝑥 + 𝑦 = 0
= 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑦 = 𝑥 + 2𝑧 ∩ 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 + 𝑦 = 0
= 𝐹10 ∩ 𝐹8
𝐹11 est un sous-espace vectoriel de ℝ3 puisque c’est l’intersection entre deux sous-espaces vectoriels de ℝ3 .
𝐹12 = 2𝑦, −𝑦 + 𝑧, 𝑥 − 𝑧 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
On a :
= 𝐹12 2𝑦, −𝑦 + 𝑧, 𝑥 − 𝑧 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
= 𝑥 0,0,1 + 𝑦 2, −1,0 + 𝑧 0,1, −1 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
= 0,0,1 , 2, −1,0 , (0,1, −1)
𝐹12 est le sous-espace vectoriel de ℝ3 engendré par la famille 0,0,1 , 2, −1,0 , (0,1, −1) .
𝐹13 = 𝑦, 𝑦 − 𝑥 + 𝑧, 𝑧 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
On a :
=𝐹13 𝑦, 𝑦 − 𝑥 + 𝑧, 𝑧 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
= 𝑥 0, −1,0 + 𝑦 1,1,0 + 𝑧 0,1,1 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
= 0, −1,0 , 1,1,0 , (0,1,1)
𝐹13 est le sous-espace vectoriel de ℝ3 engendré par la famille 0, −1,0 , 1,1,0 , (0,1,1) .
Solution 2 : Soit le système 𝑆 = (1,2,3), (0,1,4), (2,3,2) . Soient 𝜆1 , 𝜆2 , 𝜆3 ∈ ℝ

𝜆1 (1,2,3) + 𝜆2 (0,1,4) + 𝜆3 (2,3,2) = (0,0,0)
⇒ (𝜆1 + 2𝜆3 , 2𝜆1 + 𝜆2 + 3𝜆3 , 3𝜆1 + 4𝜆2 + 2𝜆3 ) = (0,0,0)

𝜆1 + 2𝜆3 = 0
⇒ 2𝜆1 + 𝜆2 + 3𝜆3 = 0
3𝜆1 + 4𝜆2 + 2𝜆3 = 0
𝜆1 = −2𝜆3
⇒ 𝜆2 = 𝜆3 (2𝐿3 − 3 𝐿2 )
𝜆3 ∈ ℝ
Ainsi, le système 𝑆 est lié. Pour déterminer la relation de dépendance, il suffit de prendre 𝜆3 = 1 :
−2(1,2,3) + (0,1,4) + (2,3,2) = (0,0,0).
3
N.B. : puisque 𝑜𝑟𝑑𝑟𝑒 𝑆 = dim(ℝ ), donc le système 𝑆 est lié si et seulement si det 𝑀𝐵 𝑆 = 0 :
1 0 2
1 3 2 1
det 𝑀𝐵 𝑆 = 2 1 3 = +2 = −10 + 10 = 0
4 2 3 4
3 4 2
Solution 3 : Soit le système 𝑆𝑚 = (𝑚, 1,2,2), (0, 𝑚, 1,1), (1,0, 𝑚, 1) , 𝑚 ∈ ℝ
Déterminons les valeurs de 𝑚 pour lesquelles 𝑆𝑚 est libre ou lié : soient 𝜆1 , 𝜆2 , 𝜆3 ∈ ℝ
𝜆1 (𝑚, 1,2,2) + 𝜆2 (0, 𝑚, 1,1) + 𝜆3 (1,0, 𝑚, 1) = (0,0,0,0)
⇒ (𝑚𝜆1 + 𝜆3 , 𝜆1 + 𝑚𝜆2 , 2𝜆1 + 𝜆2 + 𝑚𝜆3 , 2𝜆1 + 𝜆2 + 𝜆3 ) = (0,0,0,0)

𝑚𝜆1 + 𝜆3 = 0
𝜆1 + 𝑚𝜆2 = 0
⇒
2𝜆1 + 𝜆2 + 𝑚𝜆3 = 0
2𝜆1 + 𝜆2 + 𝜆3 = 0
𝑚𝜆1 + 𝜆3 = 0
𝜆1 + 𝑚𝜆2 = 0
⇒
1 − 𝑚 𝜆3 = 0 𝐿4 − 𝐿3
2𝜆1 + 𝜆2 + 𝜆3 = 0
𝑚𝜆1 = 0
1 cas : Si 𝑚 ≠ 1 alors, 𝜆3 = 0 et 𝜆1 + 𝑚𝜆2 = 0
er
2𝜆1 + 𝜆2 = 0
1er sous cas : Si 𝑚 ≠ 0 alors, 𝜆1 = 𝜆2 = 0 et le système 𝑆 est libre.

2ième sous cas : Si 𝑚 = 0 alors, 𝜆1 = 𝜆2 = 0 et le système 𝑆 est aussi libre.
𝜆1 + 𝜆3 = 0
2ième cas : Si 𝑚 = 1 alors 𝜆1 + 𝜆2 = 0 ce qui implique 𝜆2 = 𝜆3 = −𝜆1
2𝜆1 + 𝜆2 + 𝜆3 = 0
Ainsi, le système 𝑆 est lié. Pour déterminer la relation de dépendance, il suffit de prendre 𝜆1 = 1 :
1,1,2,2 − 0,1,1,1 − 1,0,1,1 = 0,0,0,0
Solution 4 : Soit le système 𝑆𝑚 = 𝑢1 = 1,2,2 , 𝑢2 = 𝑚, 1,1 , 𝑢3 = (0, 𝑚, 1) , 𝑚 ∈ ℝ
1ère méthode : Déterminons les valeurs de 𝑚 pour lesquelles 𝑆𝑚 est libre ou lié : soient 𝜆1 , 𝜆2 , 𝜆3 ∈ ℝ

𝜆1 (1,2,2) + 𝜆2 (𝑚, 1,1) + 𝜆3 (0, 𝑚, 1) = (0,0,0) ⇒ (𝜆1 + 𝑚𝜆2 , 2𝜆1 + 𝜆2 + 𝑚𝜆3 , 2𝜆1 + 𝜆2 + 𝜆3 ) = (0,0,0)
𝜆1 + 𝑚𝜆2 = 0
⇒ 2𝜆1 + 𝜆2 + 𝑚𝜆3 = 0
2𝜆1 + 𝜆2 + 𝜆3 = 0
𝜆1 + 𝑚𝜆2 = 0
⇒ 1 − 𝑚 𝜆3 = 0 𝐿3 − 𝐿2
2𝜆1 + 𝜆2 + 𝜆3 = 0
𝜆1 + 𝑚𝜆2 = 0 (1 − 2𝑚)𝜆2 = 0
1er cas : Si 𝑚 ≠ 1 alors, 𝜆3 = 0 et ce qui implique 𝜆3 = 0 et
2𝜆1 + 𝜆2 = 0 2𝜆1 + 𝜆2 = 0
1
1er sous cas : Si 𝑚 ≠ 2 alors, 𝜆1 = 𝜆2 = 0 et le système 𝑆𝑚 est libre.
1
2ème sous cas : Si 𝑚 = 2 alors, 𝜆2 = −2𝜆1 et le système 𝑆1 est lié. Dans ce cas la relation de dépendance
2
est 𝑢1 − 2𝑢2 = 0ℝ3 (il suffit de prendre 𝜆1 = 1)
𝜆1 + 𝜆2 = 0
2ème cas : Si 𝑚 = 1 alors ce qui implique 𝜆2 = 𝜆3 = −𝜆1
2𝜆1 + 𝜆2 + 𝜆3 = 0
Ainsi, le système 𝑆1 est lié. Pour déterminer la relation de dépendance, il suffit de prendre 𝜆1 = 1 :
𝑢1 − 𝑢2 − 𝑢3 = 0ℝ3
2ième méthode : le système 𝑆𝑚 est libre si et seulement si det 𝑆𝑚 ≠ 0.
1 𝑚 0 1
1 𝑚 2 𝑚
det 𝑆𝑚 = 2 1 𝑚 = −𝑚 = 2𝑚2 − 3𝑚 + 1 = 2 𝑚 − 𝑚−1
1 1 2 1 2
2 1 1
1 1
Ainsi, 𝑆𝑚 est libre si et seulement si 𝑚 ≠ 2 et 𝑚 ≠ 1. et par conséquent, 𝑆𝑚 est lié si et seulement si 𝑚 = 2
ou 𝑚 = 1 et dans ce dernier cas déterminons la relation de dépendance :
1
 Si 𝑚 = 2, alors soient 𝜆1 , 𝜆2 , 𝜆3 ∈ ℝ
1 1
𝜆1 𝑢1 + 𝜆2 𝑢2 + 𝜆3 𝑢3 = 0ℝ3 ⇒ 𝜆1 + 𝜆2 , 2𝜆1 + 𝜆2 + 𝜆3 , 2𝜆1 + 𝜆2 + 𝜆3 = (0,0,0)
2 2
1
𝜆1 + 𝜆2 = 0
2
⇒ 1
2𝜆1 + 𝜆2 + 𝜆3 = 0
2
2𝜆1 + 𝜆2 + 𝜆3 = 0
1
𝜆1 + 𝜆2 = 0
2
⇒ 1
− 𝜆3 = 0 𝐿3 − 𝐿 2
2
2𝜆1 + 𝜆2 + 𝜆3 = 0
1
𝜆 + 𝜆 =0
Alors 𝜆3 = 0 et 1 2 2 ce qui implique 𝜆3 = 0 et 𝜆2 = −2𝜆1 . Ainsi, la relation de
2𝜆1 + 𝜆2 = 0
dépendance est donnée par : 𝑢1 − 2𝑢2 = 0ℝ3
 Si 𝑚 = 1, alors soient 𝜆1 , 𝜆2 , 𝜆3 ∈ ℝ
𝜆1 𝑢1 + 𝜆2 𝑢2 + 𝜆3 𝑢3 = 0ℝ3 ⇒ 𝜆1 + 𝜆2 , 2𝜆1 + 𝜆2 + 𝜆3 , 2𝜆1 + 𝜆2 + 𝜆3 = (0,0,0)
𝜆1 + 𝜆2 = 0
⇒
2𝜆1 + 𝜆2 + 𝜆3 = 0
𝜆3 = −𝜆1
⇒
𝜆2 = −𝜆1
Alors 𝜆3 = 𝜆2 = −𝜆1 . Ainsi, la relation de dépendance est donnée par : 𝑢1 − 𝑢2 − 𝑢3 = 0ℝ3

Solution 5 : Montrons que le système 𝑆 = (1,1,1), (−1,1,0), (1,0,1) est une base de ℝ3 :
Comme 𝑜𝑟𝑑𝑟𝑒 𝑆 = dim⁡ (ℝ3 ) donc, la famille 𝑆 de ℝ3 est une base de ℝ3 si et seulement si 𝑆 est
génératrice, ou si et seulement si 𝑆 est libre (c'est-à-dire, det 𝑀𝐵 (𝑆) = 0 où 𝐵 est la base canonique de ℝ3 ) :
1 −1 1 1 −1 1
1 1
det 𝑀𝐵 (𝑆) = 1 1 0 = 1 1 0 = =1≠0
0 1
1 0 1 0 1 0
alors, le système 𝑆 est bien une base de ℝ3 .
Déterminons les coordonnées des vecteurs de la base canonique e1 , e2 , e3 de ℝ3 dans la base 𝑆 : on pose
𝑒1 = (1,0,0) 𝑢1 = (1,1,1) = 𝑒1 + 𝑒2 + 𝑒3
𝑒2 = (0,1,0) et 𝑢2 = (−1,1,0) = −𝑒1 + 𝑒2
𝑒3 = (0,0,1) 𝑢3 = (1,0,1) = 𝑒1 + 𝑒3
Ainsi, (par la méthode de substitution, une méthode parmi d’autres, voir chapitre III)
𝑢1 = 𝑒1 + 𝑒2 + 𝑒3 𝑒2 = 𝑢1 − 𝑢3
𝑢2 = −𝑒1 + 𝑒2 ⇒ 𝑒1 = −𝑢2 + 𝑒2 = −𝑢2 + 𝑢1 − 𝑢3
𝑢3 = 𝑒1 + 𝑒3 𝑒3 = 𝑢3 − 𝑒1 = 𝑢3 − (−𝑢2 + 𝑢1 − 𝑢3 )
et par suite,
𝑒1 = 𝑢1 − 𝑢2 − 𝑢3
𝑒2 = 𝑢1 − 𝑢3
𝑒3 = −𝑢1 + 𝑢2 + 2𝑢3
Solution 6 : Soit 𝐵 = 𝑒1 , 𝑒2 , 𝑒3 une base canonique de ℝ3 .
1. Montrons que 𝐵′ = 𝑒1′ = 1,1,1 , 𝑒2′ = 1, −1,0 , 𝑒3′ = (−1,1, −1) est une autre base de ℝ3 .
1ère méthode : Soient 𝛼, 𝛽, 𝛾 ∈ ℝ
𝛼𝑒1′ + 𝛽𝑒2′ + 𝛾𝑒3′ = 0ℝ3 ⟹ 𝛼 1,1,1 + 𝛽 1, −1,0 + 𝛾 −1,1, −1 = (0,0,0)

⟹ 𝛼 + 𝛽 − 𝛾, 𝛼 − 𝛽 + 𝛾, 𝛼 − 𝛾 = (0,0,0)
𝛼+𝛽−𝛾 =0
⟹ 𝛼−𝛽+𝛾 =0
𝛼−𝛾 =0
⟹ 𝛼=𝛽=𝛾=0
Donc, 𝐵′ est libre et comme 𝑜𝑟𝑑𝑟𝑒 𝐵′ = dim ℝ3 donc 𝐵′ une bien base de ℝ3 .
2ième méthode : Soient Soit 𝑀𝐵 (𝐵′ ), la matrice carrée d’ordre 3 associée canoniquement au système 𝐵′ :
1 1 −1
𝑀(𝐵′ ) =
1 −1 1
1 0 −1
1 1 −1 1 1 −1
2 0
Comme det 𝑀𝐵 (𝐵′ ) = 1 −1 1 = 2 0 0 = − = 2 ≠ 0, alors 𝐵′ une base de ℝ3 .
1 −1
1 0 −1 1 0 −1
2. Trouvons les coordonnées de 𝑒1 ,𝑒2 et 𝑒3 dans la nouvelle base 𝐵′ .

𝑒1′ = 1,1,1 = 𝑒1 + 𝑒2 + 𝑒3 (1)

′
𝑒2 = 1, −1,0 = 𝑒1 − 𝑒2 (2)
𝑒3′ = (−1,1, −1) = −𝑒1 + 𝑒2 − 𝑒3 (3)
2𝑒2 = 𝑒1′ + 𝑒3′ 1 + (3)
′
⟹ 𝑒1 = 𝑒2 + 𝑒2 (2)
𝑒3 = −𝑒3′ − 𝑒2′ 3 &(2)
1 ′ 1
𝑒1 = 𝑒1 + 𝑒2′ + 𝑒3′
2 2
⟹ 1 ′ 1 ′
𝑒2 = 𝑒 + 𝑒
2 1 2 3
𝑒3 = −𝑒2′ − 𝑒3′
N.B. : une autre méthode plus simple sera vue au chapitre III.
Solution 7 :
1. Déterminons le rang du système
𝑆 = 𝑢1 = 1,2,2 , 𝑢2 = 0,5,1 , 𝑢3 = (2, −1,3)
On sait que 𝑜𝑟𝑑𝑟𝑒 𝑆 = 3 et 1 ≤ 𝑟𝑎𝑛𝑔 𝑆 ≤ 𝑜𝑟𝑑𝑟𝑒 𝑆 .
𝛼𝑢1 + 𝛽𝑢2 + 𝛾𝑢3 = 0ℝ3 ⟹ 𝛼 + 2𝛾, 2𝛼 + 5𝛽 − 𝛾, 2𝛼 + 𝛽 + 3𝛾 = (0,0,0)

𝛼 + 2𝛾 = 0
⟹ 2𝛼 + 5𝛽 − 𝛾 = 0
2𝛼 + 𝛽 + 3𝛾 = 0
𝛼 = −2𝛾
⟹ 𝛽=𝛾
−4𝛾 + 𝛾 + 3𝛾 = 0
𝛼 = −2𝛾
⟹ 𝛽=𝛾
𝛾∈ℝ
Donc, 𝑆 est lié. La relation de dépendance est donnée par : on pose 𝛾 = 1, et donc 𝛼 = −2 et 𝛽 = 1 :
−2𝑢1 + 𝑢2 + 𝑢3 = 0ℝ3
D’où, 1 ≤ 𝑟𝑎𝑛𝑔 𝑆 ≤ 2. Soient 𝛼, 𝛽 ∈ ℝ
𝛼𝑢1 + 𝛽𝑢2 = 0ℝ3 ⟹ 𝛼, 2𝛼 + 5𝛽, 2𝛼 + 𝛽 = (0,0,0)

𝛼=0
⟹ 2𝛼 + 5𝛽 = 0
2𝛼 + 𝛽 = 0
⟹ 𝛼=𝛽=0
D’où, la famille 𝑢1 = 1,2,2 , 𝑢2 = 0,5,1 est libre et ainsi, 𝑟𝑎𝑛𝑔 𝑆 = 2.
2ième méthode : soit 𝑀𝐵 (𝑆), la matrice carrée d’ordre 3 associée canoniquement au système 𝑆 :
1 0 2
𝑀(𝑆) = 2 5 −1
2 1 3
Calculons 𝑟𝑎𝑛𝑔 𝑆 : comme

1 0 2
5 −1 2 5
2 5 −1 = +2 = 16 − 16 = 0,
1 3 2 1
2 1 3
1 0
alors 1 ≤ 𝑟𝑎𝑛𝑔 𝑆 ≤ 2. Et comme, = 5 ≠ 0 alors, 𝑟𝑎𝑛𝑔 𝑆 = 2.
2 5
2. Montrons que le système 𝑆′ = 𝑢1′ = 1,1,1 , 𝑢2′ = 1,1,2 , 𝑢3′ = (1,2,3) est une base de ℝ3 .
1ère méthode : soient 𝛼, 𝛽, 𝛾 ∈ ℝ
𝛼𝑢1′ + 𝛽𝑢2′ + 𝛾𝑢3′ = 0ℝ3 ⟹ 𝛼 + 𝛽 + 𝛾, 𝛼 + 𝛽 + 2𝛾, 𝛼 + 2𝛽 + 3𝛾 = (0,0,0)

𝛼+𝛽+𝛾 =0
⟹ 𝛼 + 𝛽 + 2𝛾 = 0
𝛼 + 2𝛽 + 3𝛾 = 0
𝛾=0 (𝐿2 − 𝐿1 )
⟹ 𝛼 + 𝛽 = 0
𝛼 + 2𝛽 = 0
⟹ 𝛼=𝛽=𝛾=0
Donc 𝑆′est libre et comme 𝑜𝑟𝑑𝑟𝑒 𝑆′ = dim ℝ3 donc 𝑆′ est une base si et seulement si 𝑆′ est libre. Ainsi,
𝑆′ est une base de ℝ3 .
2ième méthode : comme 𝑜𝑟𝑑𝑟𝑒 𝑆′ = dim ℝ3 donc,

𝑆′ est une base ℝ3 ⟺ 𝑆 ′ est libre
⟺ 𝑟𝑎𝑛𝑔 𝑆′ = 3
⟺ det 𝑀(𝑆′) ≠ 0
1 1 1 1 1 1
1 1
det 𝑀𝐵 (𝑆′) = 1 1 2 = 0 0 1 = − = −1 ≠ 0, alors 𝑆′ une base de ℝ3 .
0 1
1 2 3 0 1 2
Comme, 𝑆′ est une base de ℝ3 alors, pour tout vecteur 𝑣 de ℝ,
∃! 𝑥, 𝑦, 𝑧 ∈ ℝ 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑣 = 𝑥𝑢1′ + 𝑦𝑢2′ + 𝑧𝑢3′
C'est-à-dire, pour le vecteur 𝑣 = 3,8,9

3 = 𝑥+𝑦+𝑧 𝑧 = 5 𝐿2 − 𝐿1 𝑧 = 5
8 = 𝑥 + 𝑦 + 2𝑧 ⟹ 𝑥+𝑦 = −2 ⟹ 𝑦 = −4 𝐿3 − 𝐿2
9 = 𝑥 + 2𝑦 + 3𝑧 𝑥 + 2𝑦 = −6 𝑥 = 2
Donc 𝑣𝑆′ = (2, −4,5).
Solution 8 : Déterminons le rang de chacun des systèmes suivants :
𝑆1 = 1,1,1 , 3,0, −1 , (−1,1, −1) , 𝑜𝑟𝑑𝑟𝑒(𝑆1 ) = 3
1ère méthode : Le rang du système 𝑆1 est le nombre des vecteurs de 𝑆1 qui sont linéairement indépendants. On
sait que 0 ≤ 𝑟𝑎𝑛𝑔(𝑆1 ) ≤ 𝑜𝑟𝑑𝑟𝑒(𝑆1 ). Et comme au moins une composante des vecteurs est
non nulle alors, 1 ≤ 𝑟𝑎𝑛𝑔(𝑆1 ) ≤ 𝑜𝑟𝑑𝑟𝑒(𝑆1 ).
Soient 𝜆1 , 𝜆2 , 𝜆3 ∈ ℝ
𝜆1 1,1,1 + 𝜆2 3,0, −1 + 𝜆3 −1,1, −1 = (0,0,0) ⇒ 𝜆1 + 3𝜆2 − 𝜆3 , 𝜆1 + 𝜆3 , 𝜆1 − 𝜆2 − 𝜆3 = (0,0,0)

𝜆1 + 3𝜆2 − 𝜆3 = 0
⇒ 𝜆1 + 𝜆3 = 0
𝜆1 − 𝜆2 − 𝜆3 = 0
⇒ 𝜆1 = 𝜆2 = 𝜆3 = 0
Donc, les trois vecteurs sont linéairement indépendants. Ainsi, 𝑟𝑎𝑛𝑔(𝑆1 ) = 3.

2ème méthode : Le rang du système 𝑆1 est le nombre de colonnes (ou de lignes) de la matrice 𝑀𝐵 (𝑆1 ) (matrice
associée canoniquement au système 𝑆1 ) qui sont linéairement indépendants. On sait que
1 ≤ 𝑟𝑎𝑛𝑔(𝑆1 ) ≤ inf nombre de lignes de 𝑀𝐵 𝑆1 , nombre de colonnes de 𝑀𝐵 (𝑆1 ) .
Soit 𝑀𝐵 (𝑆1 ), la matrice carrée d’ordre 3 associée canoniquement au système 𝑆1 :
1 3 −1
𝑀𝐵 (𝑆1 ) = 1 0 1
1 −1 −1
1 3 −1 1 3 −1
−3 2
Comme det 𝑀𝐵 (𝑆1 ) = 1 0 1 = 0 −3 2 = = 8 ≠ 0 alors les trois vecteurs relatifs
−4 0
1 −1 −1 0 −4 0
aux trois colonnes de la matrice sont linéairement indépendants. Ainsi, 𝑟𝑎𝑛𝑔(𝑆1 ) = 3.
𝑆2 = 1,0,1 , 2,1,3 , (2,0,2) , 𝑜𝑟𝑑𝑟𝑒(𝑆2 ) = 3

On Remarque que les vecteurs 1,0,1 et (2,0,2) sont colinéaires donc, 1 ≤ 𝑟𝑎𝑛𝑔(𝑆2 ) ≤ 2.
1ère méthode : on se demande si les deux vecteurs 1,0,1 et 2,1,3 sont linéairement indépendants :
Soient 𝜆1 , 𝜆2 ∈ ℝ
𝜆1 1,0,1 + 𝜆2 2,1,3 = (0,0,0) ⇒ 𝜆1 + 2𝜆2 , 𝜆2 , 𝜆1 + 3𝜆2 = (0,0,0)
𝜆1 + 2𝜆2 = 0
⇒ 𝜆2 = 0
𝜆1 + 3𝜆2 = 0
⇒ 𝜆1 = 𝜆2 = 0
Donc, les deux vecteurs sont linéairement indépendants. Ainsi, 𝑟𝑎𝑛𝑔(𝑆2 ) = 2.
2ème méthode : comme det 𝑀𝐵 𝑆2 = 0, on cherche une sous matrice d’ordre 2 extraite de la matrice
𝑀_𝐵(𝑆2 ) et dont le déterminant est non nul :
Soit 𝑀𝐵 (𝑆2 ), la matrice carrée d’ordre 3 associée canoniquement au système 𝑆2 :
1 2 2
𝑀𝐵 (𝑆2 ) = 0 1 0
1 3 2
1 2
Comme = 1 ≠ 0 alors les deux premiers vecteurs relatifs aux deux premières colonnes de la matrice
0 1
sont linéairement indépendants. Ainsi, 𝑟𝑎𝑛𝑔(𝑆2 ) = 2.
𝑆3 = 1,1,1 , 1,1,1 , 1,1,1 , 𝑜𝑟𝑑𝑟𝑒(𝑆3 ) = 3
On Remarque que les trois vecteurs sont identiques donc, 1 ≤ 𝑟𝑎𝑛𝑔(𝑆1 ) ≤ 1. Ainsi 𝑟𝑎𝑛𝑔(𝑆3 ) = 1.
Solution 9 : On pose 𝑆 = 𝑝0 𝑥 , 𝑝1 𝑥 , 𝑝2 𝑥 et 𝑆′ = 𝑒0′ 𝑥 , 𝑒1′ 𝑥 , 𝑒2′ 𝑥 . On a :
𝑒0′ 𝑥 = 1 ⟹ 𝑒0′ 𝑥 = 𝑝0 𝑥
𝑒1′ 𝑥 = 𝑥 − 2 ⟹ 𝑒1′ 𝑥 = 𝑝1 𝑥 − 2𝑝0 𝑥
𝑒2′ 𝑥 = 𝑥 − 2 2
= 𝑥 2 − 4𝑥 + 4 ⟹ 𝑒2′ 𝑥 = 𝑝2 𝑥 − 4𝑝1 𝑥 + 4𝑝0 𝑥
Soit 𝑀𝐵 (𝑆′), la matrice carrée d’ordre 3 associée canoniquement au système 𝑆′ :

1 −2 4
𝑀𝐵 (𝑆′) = 0 1 −4
0 0 1
Comme det 𝑀𝐵 (𝑆′) = 1 ≠ 0 alors la famille 𝑆 ′ est une base de 𝑃2 [𝑋].
Solution 10 :
1ère méthode : soient 𝛼, 𝛽, 𝛾, 𝛿 ∈ ℝ

𝛼𝑃3 𝑥 + 𝛽𝑃2 𝑥 + 𝛾𝑃1 𝑥 + 𝛿𝑃0 𝑥 = 0

⟹ 𝛼 𝑥 3 − 2𝑥 + 1 + 𝛽 2𝑥 2 + 𝑥 − 2 + 𝛾 −𝑥 + 4 + 𝛿 2 = 0
⟹ 𝛼𝑥 3 + 2𝛽𝑥 2 + −2𝛼 + 𝛽 − 𝛾 𝑥 + (𝛼 − 2𝛽 + 4𝛾 + 2𝛿) = 0
𝛼=0
2𝛽 = 0
⟹
−2𝛼 + 𝛽 − 𝛾 = 0
𝛼 − 2𝛽 + 4𝛾 + 2𝛿 = 0
⟹ 𝛼=𝛽=𝛾=𝛿=0
La famille 𝐵′ est libre et par suite une base de 𝑃3 𝑋 .
2ième méthode : on a
𝑃3 𝑥 = 𝑝3 𝑥 − 2𝑝1 𝑥 + 𝑝0 𝑥
𝑃2 𝑥 = 2𝑝2 𝑥 + 𝑝1 𝑥 − 2𝑝0 𝑥
𝑃1 𝑥 = −𝑝1 𝑥 + 4𝑝0 𝑥
𝑃0 𝑥 = 2𝑝0 𝑥
Soit 𝑀𝐵 (𝐵′), la matrice carrée d’ordre 3 associée canoniquement au système 𝐵′ :
1 0 0 0
0 2 0 0
𝑀𝐵 (𝐵′ ) =
−2 1 −1 0
1 −2 4 2
𝑏 −𝑎
Comme det 𝑀𝐵 (𝐵′ ) = 2 2
= 𝑏 + 𝑎 = −4 ≠ 0, alors 𝐵′ est une base de 𝑃3 [𝑋].
𝑎 𝑏
Solution 11 :. Montrons que si 𝑎, 𝑏 ∈ ℝ, 𝑎2 + 𝑏 2 = 1 alors 𝐵′ = (𝑏𝑒1 + 𝑎𝑒3 , 𝑒2 , −𝑎𝑒1 + 𝑏𝑒3 ) est une autre
base de ℝ3 .
1ère méthode : Soient 𝛼, 𝛽, 𝛾 ∈ ℝ,
𝛼 𝑏𝑒1 + 𝑎𝑒3 + 𝛽𝑒2 + 𝛾 −𝑎𝑒1 + 𝑏𝑒3 = (0,0,0) ⇒ 𝑏𝛼 − 𝑎𝛾 𝑒1 + 𝛽𝑒2 + 𝑎𝛼 + 𝑏𝛾 𝑒3 = (0,0,0)

𝑏𝛼 − 𝑎𝛾 = 0
⇒ 𝛽=0 Car 𝐵 est une base de ℝ3
𝑎𝛼 + 𝑏𝛾 = 0
𝑏𝛼 − 𝑎𝛾 = 0
⇒ 𝛽 = 0 𝑒𝑡
𝑎𝛼 + 𝑏𝛾 = 0
𝑏𝛼 − 𝑎𝛾 = 0
Or le système admet une solution unique 𝛼, 𝛾 = 0,0 puisque
𝑎𝛼 + 𝑏𝛾 = 0
𝑏 −𝑎
= 𝑎2 + 𝑏 2 = 1 ≠ 0
𝑎 𝑏
Ainsi, on aura 𝛼 = 𝛽 = 𝛾 = 0. D’où, 𝐵′ = (𝑏𝑒1 + 𝑎𝑒3 , 𝑒2 , −𝑎𝑒1 + 𝑏𝑒3 ) est une autre base de ℝ3 .
2ième méthode : Soit 𝑀𝐵 (𝐵′ ), la matrice carrée d’ordre 3 associée canoniquement au système 𝐵′ :
𝑏 0 −𝑎
𝑀𝐵 (𝐵′ ) =
0 1 0
𝑎 0 𝑏
𝑏 −𝑎
Comme det 𝑀𝐵 (𝐵′ ) = = 𝑏 2 + 𝑎2 = 1 ≠ 0, alors 𝐵′ est une base de ℝ3 .
𝑎 𝑏
Solution 12 : Montrons que chacun des sous-ensembles suivants est un sous-espace vectoriel d'un espace
vectoriel connu :
𝑎 𝑏
𝐹1 = ∈ ℳ2 ℝ ∶ 𝑎 + 𝑑 = 0
𝑐 𝑑

On a :
𝑎 𝑏
𝐹1 = ∈ ℳ2 ℝ ∶ 𝑎 + 𝑑 = 0
𝑐 𝑑
𝑎 𝑏
= ∈ ℳ2 ℝ ∶ 𝑎 = −𝑑
𝑐 𝑑
−𝑑 𝑏
= ∶ 𝑎, 𝑏, 𝑑 ∈ ℝ
𝑐 𝑑
0 1 0 0 −1 0
= 𝑏 +𝑐 +𝑑 ∶ 𝑎, 𝑏, 𝑐 ∈ ℝ
0 0 1 0 0 1
0 1 0 0 −1 0
= , ,
0 0 1 0 0 1
0 1 0 0 −1 0
𝐹1 sous-espace vectoriel de ℳ2 (ℝ) engendré par la famille génératrice 𝑆1 = , , .
0 0 1 0 0 1
Soient 𝛼, 𝛽, 𝛾 ∈ ℝ
0 1 0 0 −1 0 0 0 −𝛾 𝛼 0 0
𝛼 +𝛽 +𝛾 = ⟹ 𝛽 𝛾 = 0 0
0 0 1 0 0 1 0 0
⟹ 𝛼=𝛽=𝛾=0
Donc, la famille 𝑆1 est libre et par suite une base de 𝐹1 . Ainsi, dim 𝐹1 = 3.
3𝑎 + 𝑏 2𝑎 − 4𝑏 𝑎−𝑏
𝐹2 = 2𝑎 − 3𝑏 𝑎 + 2𝑏 𝑎 + 𝑏 ∶ 𝑎, 𝑏 ∈ ℝ
𝑎−𝑏 2𝑎 + 𝑏 2𝑎 − 𝑏
On a :
3𝑎 + 𝑏 2𝑎 − 4𝑏 𝑎 − 𝑏
𝐹2 = 2𝑎 − 3𝑏 𝑎 + 2𝑏 𝑎+𝑏 ∶ 𝑎, 𝑏 ∈ ℝ
𝑎−𝑏 2𝑎 + 𝑏 2𝑎 − 𝑏
3 2 1 1 −4 −1
= 𝑎 2 1 1 + 𝑏 −3 2 1 ∶ 𝑎, 𝑏 ∈ ℝ
1 2 1 −1 1 −1
3 2 1 1 −4 −1
= 2 1 1 , −3 2 1
1 2 1 −1 1 −1
3 2 1 1 −4 −1
𝐹2 sous-espace vectoriel de ℳ3 (ℝ) engendré par la famille 𝑆2 = 2 1 1 , −3 2 1 .
1 2 1 −1 1 −1
Soient 𝛼, 𝛽 ∈ ℝ
3 2 1 1 −4 −1 0 0 0 3𝛼 + 𝛽 2𝛼 − 4𝛽 𝛼 − 𝛽 0 0 0
𝛼 2 1 1 + 𝛽 −3 2 1 = 0 0 0 ⟹ 2𝛼 − 3𝛽 𝛼 + 2𝛽 𝛼+𝛽 = 0 0 0
1 2 1 −1 1 −1 0 0 0 𝛼−𝛽 2𝛼 + 𝛽 2𝛼 − 𝛽 0 0 0
3𝛼 + 𝛽 = 0, 2𝛼 − 4𝛽 = 0, 𝛼 − 𝛽 = 0
⟹ 2𝛼 − 3𝛽 = 0, 𝛼 + 2𝛽 = 0, 𝛼+𝛽 =0
𝛼 − 𝛽 = 0, 2𝛼 + 𝛽 = 0, 2𝛼 − 𝛽 = 0
⟹ 𝛼=𝛽=0
𝐹3 = 𝑐−𝑎 𝑐+𝑏 𝑐 ∶ 𝑎, 𝑏, 𝑐 ∈ ℝ
On a :

𝐹3 = 𝑐−𝑎 𝑐+𝑏 𝑐 ∶ 𝑎, 𝑏, 𝑐 ∈ ℝ
1 0 1 −1 1 1 0 0 0
= 𝑎 −1 0 0 +𝑏 0 1 0 +𝑐 1 1 1 ∶ 𝑎, 𝑏, 𝑐 ∈ ℝ
0 1 1 1 −1 1 1 0 0
1 0 1 −1 1 1 0 0 0
= −1 0 0 , 0 1 0 , 1 1 1
0 1 1 1 −1 1 1 0 0
𝐹3 est le sous-espace vectoriel de ℳ3 (ℝ) engendré par la famille génératrice

1 0 1 −1 1 1 0 0 0
𝑆3 = −1 0 0 , 0 1 0 , 1 1 1 .
0 1 1 1 −1 1 1 0 0
Soient 𝛼, 𝛽, 𝛾 ∈ ℝ
1 0 1 −1 1 1 0 0 0 0 0 0
𝛼 −1 0 0 + 𝛽 0 1 0 +𝛾 1 1 1 = 0 0 0
0 1 1 1 −1 1 1 0 0 0 0 0
𝛼−𝛽 𝛽 𝛽+𝛼 0 0 0
⟹ 𝛾−𝛼 𝛾+𝛽 𝛾 = 0 0 0
𝛾+𝛽 𝛼−𝛽 𝛼+𝛽 0 0 0
𝛼 − 𝛽 = 0, 𝛽 = 0, 𝛽+𝛼 =0
⟹ 𝛾 − 𝛼 = 0, 𝛾 + 𝛽 = 0, 𝛾=0
𝛾 + 𝛽 = 0, 𝛼 − 𝛽 = 0, 𝛼+𝛽 =0
⟹ 𝛼=𝛽=𝛾=0
𝐹4 = 𝑥, 𝑦 ∈ ℝ2 ∶ 𝑥 + 2𝑦 = 0
On a :
= 𝑥, 𝑦 ∈ ℝ2 : 𝑥 = −2𝑦
𝐹4
= −2𝑦, 𝑦 ∶ 𝑦 ∈ ℝ
= 𝑦 −2,1 ∶ 𝑦 ∈ ℝ
= −2,1
𝐹4 est le sous-espace vectoriel de ℝ2 engendré par la famille génératrice 𝑆4 = −2,1 . 𝑆4 est une base de
𝐹4 (famille formée par un seul vecteur non nul). Ainsi, dim( 𝐹4 ) = 1.
𝐹5 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 𝑦 = 𝑧
On a :
𝐹5 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 𝑦 = 𝑧
= 𝑥, 𝑥, 𝑥 ∶ 𝑥 ∈ ℝ
= 𝑥 1,1,1 ∶ 𝑥 ∈ ℝ
= 1,1,1
𝐹5 est le sous-espace vectoriel de ℝ3 engendré par la famille génératrice 𝑆5 = 1,1,1 . 𝑆5 est une base de
𝐹5 (famille formée par un seul vecteur non nul). Ainsi, dim( 𝐹5 ) = 1.
𝐹6 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 0, 𝑦 = 𝑧
𝐹6 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = 0, 𝑦 = 𝑧
= 0, 𝑦, 𝑦 ∶ 𝑦 ∈ ℝ
= 𝑦 0,1,1 ∶ 𝑦 ∈ ℝ
𝐹6 = 0,1,1

𝐹6 est un sous-espace vectoriel de ℝ3 engendré par le singleton 𝑆6 = 0,1,1 (un seul vecteur non nul). 𝑆6
est une base de 𝐹6 et donc, dim 𝐹6 = 1.
𝐹7 = 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ4 ∶ 𝑥 + 𝑦 − 𝑧 = 0
On a :
𝐹7 = 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ4 ∶ 𝑥 + 𝑦 − 𝑧 = 0
= 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ4 ∶ 𝑥 + 𝑦 = 𝑧
= 𝑥, 𝑦, 𝑥 + 𝑦, 𝑡 ∶ 𝑥, 𝑦, 𝑡 ∈ ℝ
= 𝑥 1,0,1,0 + 𝑦 0,1,1,0 + 𝑡 0,0,0,1 ∶ 𝑥, 𝑦, 𝑡 ∈ ℝ
= 1,0,1,0 , 0,1,1,0 , (0,0,0,1)
𝐹7 est le sous-espace vectoriel de ℝ4 engendré par la famille 𝑆7 = 1,0,1,0 , 0,1,1,0 , (0,0,0,1) .
𝛼 1,1,0,0 + 𝛽 0,1,1,0 + 𝛾 0,0,0,1 = 0,0,0,0 ⟹ 𝛼, 𝛼 + 𝛽, 𝛽, 𝛾 = 0,0,0,0

⟹ 𝛼=𝛽=𝛾=0
Donc, 𝑆7 est libre et par suite 𝑆7 est une base de 𝐹7 et donc, dim 𝐹7 = 3.
2ième méthode : Soit 𝑀𝐵 𝑆3 , la matrice de type (4,3) associée canoniquement au système 𝑆7 :
1 0 0
1 1 0
𝑀𝐵 (𝑆7 ) =
0 1 0
0 0 1
1 1 0
On calcule le rang du système𝑆7 . Puisque 0 1 0 = 1 ≠ 0 alors 𝑟𝑎𝑛𝑔(𝑆7 ) = 3. Ainsi, dim 𝐹7 = 3.
0 0 1
𝐹8 = 2𝑥, 𝑥 − 2𝑦, 0,3𝑥 + 𝑦 ∶ 𝑥, 𝑦 ∈ ℝ
On a :
𝐹8 = 2𝑥, 𝑥 − 2𝑦, 0,3𝑥 + 𝑦 ∶ 𝑥, 𝑦 ∈ ℝ

= 𝑥 2,1,0,3 + 𝑦 0, −2,0,1 ∶ 𝑥, 𝑦 ∈ ℝ
= 2,1,0,3 , 0, −2,0,1
𝐹8 est le sous-espace vectoriel de ℝ4 engendré par la famille 𝑆8 = 2,1,0,3 , 0, −2,0,1 .
1ère méthode : Soient 𝛼, 𝛽 ∈ ℝ
𝛼 2,1,0,3 + 𝛽 0, −2,0,1 = 0,0,0,0 ⟹ 2𝛼, 𝛼 − 2𝛽, 0,3𝛼 + 𝛽 = 0,0,0,0

⟹ 𝛼=𝛽=0
Donc, 𝑆8 est libre et par suite 𝑆8 est une base de 𝐹8 et donc, dim 𝐹8 = 3.
2 0
1 −2
𝑀𝐵 (𝑆7 ) =
0 0
3 1
2 0
On calcule le rang du système 𝑆8 . Puisque = −4 ≠ 0 alors 𝑟𝑎𝑛𝑔(𝑆8 ) = 2. Ainsi, dim 𝐹8 = 2.
1 −2
Solution 13 : Déterminons une base de chacun des sous-espaces vectoriels :

𝐹1 = 0, −2,0, −3 , 1,0,1,0 , (2,0,4, −3)
𝐹1 est le sous-espace vectoriel de ℝ4 engendré par la famille génératrice

𝑆1 = 0, −2,0, −3 , 1,0,1,0 , (2,0,4, −3) . On cherche les vecteurs de cette famille qui sont linéairement
indépendants.
𝛼 0, −2,0, −3 + 𝛽 1,0,1,0 + 𝛾 2,0,4, −3 = (0,0,0,0) ⟹ 𝛽 + 2𝛾, −2𝛼, 𝛽 + 4𝛾, −3𝛼 − 3𝛾 = (0,0,0,0)
𝛽 + 2𝛾 = 0
−2𝛼 = 0
⟹
𝛽 + 4𝛾 = 0
−3𝛼 − 3𝛾 = 0
⟹ 𝛼=𝛽=𝛾=0
Donc, 𝑆1 est une base de 𝐹1 . dim 𝐹1 = 3.
2ième méthode : Soit 𝑀𝐵 (𝑆1 ) la matrice de type (4,3) associée canoniquement au système 𝑆1 :
0 1 2
−2 0 0
𝑀(𝑆1 ) =
0 1 4
−3 0 −3
0 1 2
1 2
Comme −2 0 0 = 2 = 4 ≠ 0 alors 𝑟𝑎𝑛𝑔(𝑆1 ) = 3.
1 4
0 1 4
Ainsi, la famille 𝑆1 est génératrice et libre, d’où 𝑆1 est une base de 𝐹1 .
𝐹2 = 1, −1,2, −3 , 1,1,2,0 , (3, −1,6, −6)

𝑆2 = 1, −1,2, −3 , 1,1,2,0 , (3, −1,6, −6) . On cherche les vecteurs de cette famille qui sont linéairement
indépendants.
𝛼 1, −1,2, −3 + 𝛽 1,1,2,0 + 𝛾(3, −1,6, −6) = (0,0,0,0)
⟹ 𝛼 + 𝛽 + 3𝛾, −𝛼 + 𝛽 − 𝛾, 2𝛼 + 2𝛽 + 6𝛾, −3𝛼 − 6𝛾 = (0,0,0,0)
𝛼 + 𝛽 + 3𝛾 = 0
−𝛼 + 𝛽 − 𝛾 = 0
⟹
2𝛼 + 2𝛽 + 6𝛾 = 0
−3𝛼 − 6𝛾 = 0
𝛼 = −2𝛾
⟹ 𝛽 = −𝛾
𝛾∈ℝ
Le système 𝑆2 est lié. La relation de dépendance est : 3, −1,6, −6 = 2 1, −1,2, −3 + 1,1,2,0
Soient à nouveau 𝛼, 𝛽 ∈ ℝ
𝛼 1, −1,2, −3 + 𝛽 1,1,2,0 = (0,0,0,0)
⟹ 𝛼 + 𝛽, −𝛼 + 𝛽, 2𝛼 + 2𝛽, −3𝛼 = (0,0,0,0)
𝛼+𝛽 =0
−𝛼 + 𝛽 = 0
⟹
2𝛼 + 2𝛽 = 0
−3𝛼 = 0
⟹ 𝛼=𝛽=0
Donc, la famille 𝑆2′ = 1, −1,2, −3 , 1,1,2,0 est libre et aussi génératrice donc 𝑆2′ une base de 𝐹2 et
dim 𝐹2 = 2.
1 1 3
−1 1 −1
𝑀(𝑆2 ) =
2 2 6
−3 0 −6

1 1 3 1 1 3 1 1 3 −1 1 −1
Comme −1 1 −1 = −1 1 −1 = 2 2 6 = 2 2 6 = 0 alors 1 ≤ 𝑟𝑎𝑛𝑔(𝑆2 ) ≤ 2, et
2 2 6 −3 0 −6 −3 0 −6 −3 0 −6
1 1
puisque ≠ 0 alors 𝑟𝑎𝑛𝑔(𝑆2 ) = 2. Ainsi, la famille 𝑆2′ = 1, −1,2, −3 , 1,1,2,0 est génératrice
−1 1
′
et libre, d’où 𝑆2 est une base de 𝐹2 .
𝐹3 = 1,1,1,2 , −1,0, −1,0 , (2,1,1,1)

𝑆3 = 1,1,1,2 , −1,0, −1,0 , (2,1,1,1) . On cherche les vecteurs de cette famille qui sont linéairement
indépendants. Soit 𝑀𝐵 (𝑆3 ), la matrice de type (4,3) associée canoniquement au système 𝑆3 :
1 −1 2
1 0 1
𝑀𝐵 (𝑆3 ) =
1 −1 1
2 0 1
1 0 1
1 1
Comme 1 −1 1 = − = 1 ≠ 0 alors 𝑟𝑎𝑛𝑔(𝑆3 ) = 3. Ainsi, la famille 𝑆3 est génératrice et libre,
2 1
2 0 1
d’où 𝑆3 est une base de 𝐹3 . Ainsi, dim( 𝐹3 ) = 3.
𝐹4 = 1,1,3 , 1,0,2 , (0,1, −1)
𝐹4 est le sous-espace vectoriel de ℝ3 engendré par la famille génératrice 𝑆4 = 1,1,3 , 1,0,2 , (0,1, −1) .
Comme 𝑜𝑟𝑑𝑟𝑒 𝑆4 = dim⁡ (ℝ3 ), alors la famille 𝑆4 est une base de 𝐹4 si et seulement elle est génératrice de
𝐹4 si et seulement si elle est libre. Par construction, 𝑆4 est une famille génératrice de 𝐹4 donc une base de
𝐹4 . dim( 𝐹4 ) = 3.
Solution 14 : Déterminons la dimension du sous-espace vectoriel 𝐹 de ℝ3 :
𝐹 = 𝑥 + 2𝑦 + 𝑧, 3𝑥 + 2𝑦 − 𝑧, 𝑦 + 𝑧 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
= 𝑥 1,3,0 + 𝑦 2,2,1 + 𝑧 1, −1,1 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
= 1,3,0 , 2,2,1 , 1, −1,1
𝐹 est le sous-espace vectoriel de ℝ3 engendré par le système 𝑆 = 1,3,0 , 2,2,1 , 1, −1,1 , calculons
1 2 1
𝑟𝑔 𝑆 = 𝑟𝑔 𝑀𝐵 (𝑆) = 𝑟𝑔 3 2 −1
0 1 1
On sait que 1 ≤ 𝑟𝑔 𝑆 ≤ 3. Et comme
1 2 1 1 1 1
1 1
det 𝑆 = 3 2 −1 = 3 3 −1 = =0
3 3
0 1 1 0 0 1
1 2
alors, 1 ≤ 𝑟𝑔 𝑆 ≤ 2. Comme ≠ 0, alors 𝑟𝑔 𝑆 = 2 et par suite la famille 𝑆 ′ = 1,3,0 , 2,2,1 est
3 2
une base de 𝐹. Ainsi, dim 𝐹 = 2.
Solution 15 :
Soient 𝑚 ∈ ℝ et le sous-ensemble 𝐹𝑚 défini par :
𝐹𝑚 = 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ4 ∶ 𝑥 − 𝑦 + 2𝑧 − 𝑡 + 2 = 2𝑚
1. Pour que l’ensemble 𝐹𝑚 soit un sous-espace vectoriel de ℝ4 , il faut que 0ℝ4 ∈ 𝐹𝑚 . Ceci implique
2 = 2𝑚, c'est-à-dire, 𝑚 = 1. Donc,

𝐹1 = 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ4 ∶ 𝑥 − 𝑦 + 2𝑧 − 𝑡 = 0
4
= 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ ∶ 𝑡 = 𝑥 − 𝑦 + 2𝑧
= 𝑥, 𝑦, 𝑧, 𝑥 − 𝑦 + 2𝑧 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
= 𝑥 1,0,0,1 + 𝑦 0,1,0, −1 + 𝑧 0,0,1,2 ∶ 𝑥, 𝑦, 𝑧 ∈ ℝ
= 1,0,0,1 , 0,1,0, −1 , 0,0,1,2
𝐹1 est le sous-espace vectoriel de ℝ4 engendré par le système 𝑆1 = 1,0,0,1 , 0,1,0, −1 , 0,0,1,2 , et

comme
1 0 0
0 1 0
𝑟𝑔 𝑆1 = 𝑟𝑔 = 3 = 𝑜𝑟𝑑𝑟𝑒(𝑆1 )
0 0 1
1 −1 2
1 0 0
puisque 0 1 0 ≠ 0 alors 𝑆1 est libre et par suite constitue une base de 𝐹1 . Ainsi, dim 𝐹1 = 3.
0 0 1
Solution 16 : Pour montrer que 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels supplémentaires dans ℝ3 , c’est-à-
dire, ℝ3 = 𝐸1 ⊕ 𝐸2 , plusieurs méthodes sont possibles :
∀𝑢 ∈ ℝ3 , ∃! 𝑢1 ∈ 𝐹1 ∃! 𝑢2 ∈ 𝐹2 tel que 𝑢 = 𝑢1 + 𝑢2
ou encore
ℝ3 = 𝐹1 + 𝐸2 𝑒𝑡 𝐹1 ∩ 𝐹2 = 0ℝ3
ou encore
dim 𝐹1 + dim 𝐹2 = dim ℝ3 𝑒𝑡 𝐹1 ∩ 𝐹2 = 0ℝ3
ou encore
ℝ3 = 𝐹1 + 𝐹2 𝑒𝑡 dim 𝐹1 + dim 𝐹2 = dim ℝ3
 Montrons que dim 𝐹1 + dim 𝐹2 = 3 = dim ℝ3 :

On remarque que :
𝐹1 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 + 𝑦 − 3𝑧 = 0
= 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 = −𝑦 + 3𝑧
= −𝑦 + 3𝑧, 𝑦, 𝑧 ∶ 𝑦, 𝑧 ∈ ℝ
= −1,1,0 , (3,0,1)
𝐹2 = 1,2, −1
𝐹1 est le sous-espace vectoriel engendré par le système 𝑆1 = −1,1,0 , (3,0,1) . Il est facile à montrer que
−1 3
𝑆1 est aussi libre rang 1 0 = 2 = 𝑜𝑟𝑑𝑑𝑟𝑒 (𝑆1 ) donc c’est une base de 𝐸𝐹1 . Ainsi, dim 𝐹1 = 2.
0 1
𝐹2 est le sous-espace vectoriel engendré par le système 𝑆2 = 1,2, −1 qui est en fait une base de 𝐸2 (un
seul vecteur non nul). Ainsi, dim 𝐹2 = 1.
D’où, dim 𝐹1 + dim 𝐹2 = 3 = dim ℝ3 .
 Montrons que 𝐹1 ∩ 𝐹2 = 0ℝ3 . En effet,
𝑥 + 𝑦 − 3𝑧 = 0
𝑥, 𝑦, 𝑧 ∈ 𝐹1 ∩ 𝐹2 ⇒ 𝑧 = −𝑥 ⇒ 𝑥 = 𝑦 = 𝑧 = 0 ⇒ 𝑥, 𝑦, 𝑧 = (0,0,0)
𝑦 = 2𝑥
D’où, 𝐹1 ∩ 𝐹2 = 0ℝ3

 Montrons que ℝ3 = 𝐹1 + 𝐹2 (on montre seulement ℝ3 ⊆ 𝐹1 + 𝐹2 ) ou mieux encore,
−1 3 1
Comme la famille −1,1,0 , 3,0,1 , 1,2, −1 est une base de ℝ3 det 1 0 2 = 6 ≠ 0 alors,
0 1 −1
∀u = x, y, z ∈ ℝ3 ⇒ ∃? α, β, γ ∈ ℝ tel que 𝑢 = 𝛼 −1,1,0 + 𝛽 3,0,1 + 𝛾 1,2, −1

∈𝐹1 ∈𝐹2
Ce qui impliqueℝ3 ⊆ 𝐹1 + 𝐹2 .
Ou mieux encore,
∀u ∈ ℝ3 ∃! 𝑢1 = 𝛼 −1,1,0 + 𝛽 3,0,1 ∈ 𝐹1 ∃! 𝑢2 = 𝛾 1,2, −1 ∈ 𝐹2 tel que 𝑢 = 𝑢1 + 𝑢2
Déterminons 𝛼, 𝛽, 𝛾 :
𝑢 = 𝑥, 𝑦, 𝑧 = 𝛼 −1,1,0 + 𝛽 3,0,1 + 𝛾 1,2, −1 ⇒ 𝑥, 𝑦, 𝑧 = −𝛼 + 3𝛽 + 𝛾, 𝛼 + 2𝛾, 𝛽 − 𝛾

𝑥 = −𝛼 + 3𝛽 + 𝛾
⇒ 𝑦 = 𝛼 + 2𝛾
𝑧 =𝛽−𝛾
2 1
𝛼 = 𝑦− 𝑥+𝑧
3 3
1 1 1
⇒ 𝛽 = 𝑥+ 𝑦+ 𝑧
6 6 2
1 1 1
𝛾= 𝑥+ 𝑦− 𝑧
6 6 2
En conclusion, les deux sous-espaces vectoriels 𝐹1 et 𝐹2 sont supplémentaires dans ℝ3 : 𝐹1 ⊕ 𝐹2 = ℝ3 .
Solution 17 : Pour montrer que 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels supplémentaires dans ℝ3 , c’est-à-
dire, ℝ3 = 𝐸1 ⊕ 𝐸2 , plusieurs méthodes sont possibles :
ou encore
ℝ3 = 𝐹1 + 𝐸2 𝑒𝑡 𝐹1 ∩ 𝐹2 = 0ℝ3
ou encore
ou encore
ℝ3 = 𝐹1 + 𝐹2 𝑒𝑡 dim 𝐹1 + dim 𝐹2 = dim ℝ3
 Montrons que dim 𝐹1 + dim 𝐹2 = 3 = dim ℝ3 :

On remarque que :
𝐹1 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑥 − 𝑦 + 𝑧 = 0
= 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑦 = 𝑥 + 𝑧
= 𝑥, 𝑥 + 𝑧, 𝑧 / 𝑥, 𝑧 ∈ ℝ
= 1,1,0 , (0,1,1)
𝐹2 = 1,1,1
𝐸1 est le sous-espace vectoriel engendré par le système 𝑆1 = 1,1,0 , (0,1,1) . Il est facile à montrer que
1 0
𝑆1 est aussi libre rang 1 1 = 2 = 𝑜𝑟𝑑𝑑𝑟𝑒 (𝑆1 ) donc c’est une base de 𝐹1 . Ainsi, dim 𝐹1 = 2.
0 1

𝐹2 est le sous-espace vectoriel engendré par le singleton 𝑆2 = 1,1,1 qui est en fait une base de 𝐹2 (un
seul vecteur non nul). Ainsi, dim 𝐹2 = 1.
D’où, dim 𝐹1 + dim 𝐹2 = 3 = dim ℝ3 .
 Montrons que 𝐹1 ∩ 𝐹2 = 0ℝ3 . En effet,
𝑥−𝑦+𝑧 = 0
𝑥, 𝑦, 𝑧 ∈ 𝐹1 ∩ 𝐹2 ⇒ ⇒ 𝑥 = 𝑦 = 𝑧 = 0 ⇒ 𝑥, 𝑦, 𝑧 = (0,0,0)
𝑥=𝑦=𝑧
D’où, 𝐹1 ∩ 𝐹2 = 0ℝ3
 Montrons que ℝ3 = 𝐹1 + 𝐹2 (on montre seulement ℝ3 ⊆ 𝐹1 + 𝐹2 ) ou mieux encore,
1 0 1
Comme la famille 1,1,0 , 0,1,1 , 1,1,1 est une base de ℝ3 det 1 1 1 = 1 ≠ 0 alors,
0 1 1
∀u = x, y, z ∈ ℝ3 ⇒ ∃? α, β, γ ∈ ℝ tel que 𝑢 = 𝛼 1,1,0 + 𝛽 0,1,1 + 𝛾 1,1,1

∈𝐹1 ∈𝐹2
Ce qui impliqueℝ3 ⊆ 𝐹1 + 𝐹2 .
Ou mieux encore,
∀u ∈ ℝ3 ∃! 𝑢1 = 𝛼 1,1,0 + 𝛽 0,1,1 ∈ 𝐹1 ∃! 𝑢2 = 𝛾 1,1,1 ∈ 𝐹2 tel que 𝑢 = 𝑢1 + 𝑢2
Déterminons 𝛼, 𝛽, 𝛾 :
𝑢 = 𝑥, 𝑦, 𝑧 = 𝛼 1,1,0 + 𝛽 0,1,1 + 𝛾 1,1,1 ⇒ 𝑥, 𝑦, 𝑧 = 𝛼 + 𝛾, 𝛼 + 𝛽 + 𝛾, 𝛽 + 𝛾

𝑥 =𝛼+𝛾
⇒ 𝑦 = 𝛼+𝛽+𝛾
𝑧 =𝛽+𝛾
𝛼 = −𝑦 + 𝑧 (𝐿3 − 𝐿2 )
⇒ 𝛽 = −𝑥 − 𝑦 + 2𝑧 (𝐿1 )
𝛾 =𝑥+𝑦−𝑧 (𝐿3 )
En conclusion, les deux sous-espaces vectoriels 𝐹1 et 𝐹2 sont supplémentaires dans ℝ3 (𝐹1 ⊕ 𝐹2 = ℝ3 ) et la

famille 1,1,0 , 0,1,1 , 1,1,1 est une base de ℝ3
Solution 18 :
1. Montrons que 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels de ℝ3 :
Comme 𝐹1 est l’ensemble des combinaisons linéaires des deux vecteurs 2,1,0 et (−1,0,1) alors 𝐹1 est, par
construction, un sous-espace vectoriel de ℝ3 engendré par la famille 𝑆1 = 2,1,0 , −1,0,1
De même, 𝐹2 est un sous-espace vectoriel de ℝ3 engendré par la famille 𝑆2 = 1,2,1 , en effet :
𝐹2 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑦 = 2𝑧, 𝑧 = 𝑥
= 𝑧, 2𝑧, 𝑧 ∶ 𝑧 ∈ ℝ
= 𝑧 1,2,1 ∶ 𝑧 ∈ ℝ
= 1,2,1
2. 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels de ℝ3 . Pour montrer que 𝐹1 et 𝐹2 sont supplémentaires dans
ℝ3 , c’est-à- dire, ℝ3 = 𝐹1 ⊕ 𝐹2 , plusieurs méthodes sont possibles (j’ai choisi deux méthodes) :
1ère méthode : on montre


2 −1 1
La famille 2,1,0 , −1,0,1 , 1,2,1 est une base de ℝ3 det 1 0 2 = −2 ≠ 0 alors,
0 1 1
∀u = x, y, z ∈ ℝ3 ⇒ ∃? α, β, γ ∈ ℝ tel que 𝑢 = 𝛼 2,1,0 + 𝛽 −1,0,1 + 𝛾 1,2,1

∈𝐹1 ∈𝐹2
Ou mieux encore,
∀u ∈ ℝ3 ∃! 𝑢1 = 𝛼 2,1,0 + 𝛽 −1,0,1 ∈ 𝐹1 ∃! 𝑢2 = 𝛾 1,2,1 ∈ 𝐹2 tel que 𝑢 = 𝑢1 + 𝑢2
𝑢1 et 𝑢2 sont uniques puisque les familles 𝑆1 et 𝑆2 sont respectivement des bases de 𝐹1 et 𝐹2 .
Si on veut déterminons 𝛼, 𝛽, 𝛾 :
𝑢 = 𝑥, 𝑦, 𝑧 = 𝛼 2,1,0 + 𝛽 −1,0,1 + 𝛾 1,2,1 ⇒ 𝑥, 𝑦, 𝑧 = 2𝛼 − 𝛽 + 𝛾, 𝛼 + 2𝛾, 𝛽 + 𝛾

𝑥 = 2𝛼 − 𝛽 + 𝛾
⇒ 𝑦 = 𝛼 + 2𝛾
𝑧 =𝛽+𝛾
𝛼 =𝑥−𝑦+𝑧
1 3
𝛽 = 𝑥−𝑦+ 𝑧
⇒ 2 2
1 1
𝛾 =− 𝑥+𝑦− 𝑧
2 2
2ième méthode : on montre

2 −1
La famille 𝑆1 = 2,1,0 , −1,0,1 est une base de 𝐹1 rang 1 0 = 2 = 𝑜𝑟𝑑𝑑𝑟𝑒 (𝑆1 ) : dim 𝐹1 = 2
0 1
La famille 𝑆2 = 1,2,1 est aussi une base de 𝐹2 : dim 𝐹2 = 1

D’où,
dim 𝐹1 + dim 𝐹2 = 3 = dim ℝ3
Montrons maintenant que 𝐹1 ∩ 𝐹2 = 0ℝ3 , en effet :
𝑥, 𝑦, 𝑧 ∈ 𝐹1
𝑥, 𝑦, 𝑧 ∈ 𝐹1 ∩ 𝐹2 ⇒
𝑥, 𝑦, 𝑧 ∈ 𝐹2
𝑥, 𝑦, 𝑧 = 𝛼 2,1,0 + 𝛽 −1,0,1 , 𝛼, 𝛽 ∈ ℝ
⇒ 𝑦 = 2𝑥
𝑧=𝑥
𝑥, 𝑦, 𝑧 = 2𝛼 − 𝛽, 𝛼, 𝛽 , 𝛼, 𝛽 ∈ ℝ
⇒ 𝑦 = 2𝑥
𝑧=𝑥
𝑦 = 2𝑥 = 𝛼 = 2 2𝛼 − 𝛽 , 𝛼, 𝛽 ∈ ℝ
⇒
𝑧 = 𝑥 = 2𝛼 − 𝛽 = 𝛽
⇒ 𝑥=𝑦=𝑧=0
⇒ 𝑥, 𝑦, 𝑧 = (0,0,0)
Solution 19 : montrons que les deux sous-espaces vectoriels 𝐹1 et 𝐹2 sont supplémentaires dans ℝ3 , c’est-à-
dire, ℝ3 = 𝐹1 ⊕ 𝐹2 : pour cela montrons
ℝ3 = 𝐹1 + 𝐹2 𝑒𝑡 𝐹1 ∩ 𝐹2 = 0ℝ3
 Montrons ℝ3 = 𝐹1 + 𝐹2 (on montre seulement ℝ3 ⊆ 𝐹1 + 𝐹2 ) :
Soit 𝑥, 𝑦, 𝑧 ∈ ℝ3
𝑥, 𝑦, 𝑧 = 𝑥, 𝑦 − 𝑥 + 𝑥, 𝑧 − 𝑥 + 𝑥
= 𝑥, 𝑥, 𝑥 + 0, 𝑦 − 𝑥, 𝑧 − 𝑥
𝑥, 𝑦, 𝑧 ∈ 𝐹1 + 𝐹2
Puisque 𝑥 , 𝑥, 𝑥 ∈ 𝐹1 et 0, 𝑦 − 𝑥, 𝑧 − 𝑥 ∈ 𝐹2
 Montrons 𝐹1 ∩ 𝐹2 = 0ℝ3 :
𝑥, 𝑦, 𝑧 ∈ 𝐹1
𝑥, 𝑦, 𝑧 ∈ 𝐹1 ∩ 𝐹2 ⇒
𝑥, 𝑦, 𝑧 ∈ 𝐹2
𝑥=𝑦=𝑧
⇒
𝑥=0
⇒ 𝑥=𝑦=𝑧=0
⇒ 𝑥, 𝑦, 𝑧 = (0,0,0)
En conclusion, 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels supplémentaires dans ℝ3 .
Solution 20 : montrons, tout d’abord, que 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels puis montrons que
ℝ3 = 𝐹1 ⊕ 𝐹2 : on remarque que
𝐹1 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 2𝑥 + 3𝑦 + 𝑧 = 0
= 𝑥, 𝑦, 𝑧 ∈ ℝ3 ∶ 𝑧 = −2𝑥 − 3𝑦
= 𝑥, 𝑦, −2𝑥 − 3𝑦 ∶ 𝑥, 𝑦 ∈ ℝ
= 𝑥 1,0, −2 + 𝑦 0,1, −3 ∶ 𝑥, 𝑦 ∈ ℝ
= 1,0, −2 , 0,1, −3
𝐹2 = 𝑥, 0, 𝑧 ∈ ℝ3 ∶ 𝑥−𝑧 =0
= 𝑥, 0, 𝑧 ∈ ℝ3 ∶ 𝑥 = 𝑧
= 𝑥, 0, 𝑥 ∶ 𝑥 ∈ ℝ
= 𝑥 1,0,1 ∶ 𝑥 ∈ ℝ
= 1,0,1
𝐹1 est le sous-espace vectoriel engendré par le système 𝑆1 = 1,0, −2 , 0,1, −3 , et comme
1 0
𝑟𝑔 𝑆1 = 𝑟𝑔 0 1 = 2 = 𝑜𝑟𝑑𝑟𝑒(𝑆1 )
−2 −3
1 0
puisque ≠ 0 alors 𝑆1 est libre et par suite constitue une base de 𝐹1 . Ainsi, dim 𝐹1 = 2.
0 1
𝐹2 est le sous-espace vectoriel engendré par le système 𝑆2 = 1,0,1 qui est en fait une base de 𝐸2 (un seul
vecteur non nul). Ainsi, dim 𝐹2 = 1.
1 0 1
La famille 𝑆 = 1,0, −2 , 0,1, −3 , 1,0,1 est une base de ℝ3 , en effet 𝑑𝑒𝑡 0 1 0 = 3 ≠ 0.
−2 −3 1
alors,
∀𝑢 = 𝑥, 𝑦, 𝑧 ∈ ℝ3 ⇒ ∃? 𝛼, 𝛽, 𝛾 ∈ ℝ tel que 𝑢 = 𝛼 1,0, −2 + 𝛽 0,1, −3 + 𝛾 1,0,1

∈𝐹1 ∈𝐹2
Ou mieux encore,
∀𝑢 ∈ ℝ3 ∃! 𝑢1 = 𝛼 1,0, −2 + 𝛽 0,1, −3 ∈ 𝐹1 ∃! 𝑢2 = 𝛾 1,0,1 ∈ 𝐹2 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑢 = 𝑢1 + 𝑢2
En conclusion, 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels supplémentaires dans ℝ3 .

Solution 21 :

1. Pour montrer que 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels supplémentaires dans ℝ4 , c’est-à-dire,
ℝ4 = 𝐹1 ⊕ 𝐹2 , nous montrerons que :
dim 𝐹1 + dim 𝐹2 = dim ℝ4
𝐹1 ∩ 𝐹2 = 0ℝ4
On remarque que :
𝐹1 = 𝑥, 𝑦, 𝑧, 𝑡 ∈ ℝ4 ∶ 2𝑥 + 3𝑦 + 𝑧 = 0, 𝑡=0
4
= 𝑥, 𝑦, 𝑧, 0 ∈ ℝ ∶ 𝑧 = −2𝑥 − 3𝑦
= 𝑥, 𝑦, −2𝑥 − 3𝑦, 0 ∶ 𝑥, 𝑦 ∈ ℝ
= 𝑥 1,0, −2,0 + 𝑦 0,1, −3,0 ∶ 𝑥, 𝑦 ∈ ℝ
= 1,0, −2,0 , 0,1, −3,0
𝐹2 = 1,0,1,0 , (0,1,0,1)
𝐹1 est le sous-espace vectoriel engendré par le système 𝑆1 = 1,0, −2,0 , 0,1, −3,0 , et comme
1 0
0 1
−2 −3
0 0
1 0
0 1
𝐹2 est le sous-espace vectoriel engendré par le système 𝑆2 = 1,0,1,0 , (0,1,0,1) , et comme
1 0
0 1
1 0
0 1
1 0
0 1
Ainsi, dim 𝐹1 + dim 𝐹2 = 4 = dim ℝ4
En plus, 𝐹1 ∩ 𝐹2 = 0ℝ4 . En effet,
𝑥, 𝑦, 𝑧, 𝑡 ∈ 𝐹1
𝑥, 𝑦, 𝑧, 𝑡 ∈ 𝐹1 ∩ 𝐹2 ⇒
𝑥, 𝑦, 𝑧, 𝑡 ∈ 𝐹2
2𝑥 + 3𝑦 + 𝑧 = 0
⇒ 𝑡=0
𝑥, 𝑦, 𝑧, 𝑡 = 𝛼 1,0,1,0 + 𝛽 0,1,0,1 , 𝛼, 𝛽 ∈ ℝ
2𝑥 + 3𝑦 + 𝑧 = 0
⇒ 𝑡=0
𝑥, 𝑦, 𝑧, 𝑡 = 𝛼, 𝛽, 𝛼, 𝛽 , 𝛼, 𝛽 ∈ ℝ
𝑡=0
𝑥=𝑧=𝛼
⇒
𝑦=𝑡=𝛽
2𝑥 + 3𝑦 + 𝑧 = 0
⇒ 𝑥=𝑦=𝑧=𝑡=0
⇒ 𝑥, 𝑦, 𝑧, 𝑡 = (0,0,0,0)
Et par conséquent les deux sous-espaces vectoriels 𝐹1 et 𝐹2 sont supplémentaires dans ℝ4 : 𝐹1 ⊕ 𝐹2 = ℝ4
2. La famille 𝐵′ = 𝑒1′ = 1,0, −2,0 , 𝑒2′ = 0,1, −3,0 , 𝑒3′ = 1,0,1,0 , 𝑒4′ = (0,1,0,1) est une base de ℝ4
puisque 𝐹1 ⊕ 𝐹2 = ℝ4 et 𝑒1′ , 𝑒2′ est une base de 𝐹1 et 𝑒3′ , 𝑒4′ est une base de 𝐹2 .

3. (Une autre méthode sera décrite au chapitre III) Soit 𝐵 = 𝑒1 , 𝑒2 , 𝑒3 , 𝑒4 la base canonique de ℝ4 . Le
vecteur 𝑢 = (0,2,0,1) ∈ ℝ4 s’écrit :
𝑢 = 0𝑒1 + 2𝑒2 + 0𝑒3 + 1𝑒4
Ainsi, au vecteur 𝑢 = (0,2,0,1) on associe canoniquement la matrice,
0
2
𝑈𝐵 =
0
1
De même comme 𝐵′ est une base de ℝ4 , alors ∃! 𝛼, 𝛽, 𝛾, 𝛿 ∈ ℝ tel que :
𝑢 = 𝛼𝑒1′ + 𝛽𝑒2′ + 𝛾𝑒3′ + 𝛿𝑒4′

= 𝛼 1,0, −2,0 + 𝛽 0,1, −3,0 + 𝛾 1,0,1,0 + 𝛿(0,1,0,1)
= 𝛼 + 𝛾, 𝛽 + 𝛿, −2𝛼 − 3𝛽 + 𝛾, 𝛿
Ainsi,
𝛼+𝛾 =0 𝛿=1 𝛿=1

𝛽+𝛿 =2 𝛽=1 𝛽=1
⟹ ⟹
−2𝛼 − 3𝛽 + 𝛾 = 0 𝛼+𝛾 =0 𝛼 = −1
𝛿=1 −2𝛼 + 𝛾 = 3 𝛾=1
Les coordonnées du vecteur 𝑢 dans la nouvelle base 𝐵′ sont les composantes de la matrice :
−1
1
𝑈𝐵 ′ =
1
1
On vérifie facilement que :
0,2,0,1 = − 1,0, −2,0 + 0,1, −3,0 + 1,0,1,0 + (0,1,0,1)
Solution 22 : Il faut montrer tout d’abord que 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels ℝ3 , puis montrer
qu’ils sont supplémentaires dansℝ3 , c’est-à- dire, ℝ3 = 𝐸1 ⊕ 𝐸2 :
On remarque que :
𝐹1 = 𝑥, −2𝑦, −𝑥 + 𝑦 : 𝑥, 𝑦 ∈ ℝ
= 𝑥 1,0, −1 + 𝑦 0, −2,1 ∶ 𝑥, 𝑦 ∈ ℝ
= 1,0, −1 , (0, −2,1)
𝐹2 = 𝑥, 𝑦, 0 ∈ ℝ3 ∶ 𝑥−𝑦 = 0
= 𝑥, 𝑥, 0 ∈ ℝ3 ∶ 𝑥 ∈ ℝ
= 𝑥 1,1,0 ∶ 𝑥 ∈ ℝ
= 1,1,0
𝐹1 est le sous-espace vectoriel engendré par le système 𝑆1 = 1,0, −1 , (0, −2,1) , et comme
1 0
𝑟𝑔 𝑆1 = 𝑟𝑔 0 −2 = 2 = 𝑜𝑟𝑑𝑟𝑒(𝑆1 )
−1 1
1 0
0 −2

𝐹2 est le sous-espace vectoriel engendré par le système 𝑆2 = 1,1,0 qui est en fait une base de 𝐹2 (un seul
vecteur non nul). Ainsi, dim 𝐹2 = 1. Ainsi, dim 𝐹1 + dim 𝐹2 = 3 = dim ℝ3
En plus, 𝐹1 ∩ 𝐹2 = (0,0,0) . En effet,
𝑥, 𝑦, 𝑧 ∈ 𝐹1
𝑥, 𝑦, 𝑧 ∈ 𝐹1 ∩ 𝐹2 ⇒
𝑥, 𝑦, 𝑧 ∈ 𝐹2
𝑥, 𝑦, 𝑧 = 𝛼 1,0, −1 + 𝛽 0, −2,1 , 𝛼, 𝛽 ∈ ℝ
⇒ 𝑥=𝑦
𝑧=0
𝑥, 𝑦, 𝑧 = 𝛼, −2𝛽, −𝛼 + 𝛽 , 𝛼, 𝛽 ∈ ℝ
⇒ 𝑥=𝑦
𝑧=0
𝑥 = 𝑦 = 𝛼 = −2𝛽
⇒ 𝑧 = −𝛼 + 𝛽 = 0
𝛼, 𝛽 ∈ ℝ
⇒ 𝑥=𝑦=𝑧=0
⇒ 𝑥, 𝑦, 𝑧 = (0,0,0)
Et par conséquent les deux sous-espaces vectoriels 𝐹1 et 𝐹2 sont supplémentaires dans ℝ3 et la famille
1,0, −1 , (0, −2,1), 1,1,0 est une autre base de ℝ3 .


Lahlou Chapitre 2

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Lahlou Chapitre 2

Uploaded by

Copyright:

Available Formats

Filière de « Sciences Économiques et de Gestion »

Semestre II / Session : Printemps-Été 2014-2015

Module 13 : Algèbre et Mathématiques Financières

Professeure : Amale LAHLOU

Pr. Amale LAHLOU 2 Session Printemps-Été 2014-2015

Chapitre II : Espace vectoriel réel

1 Structure d’espace vectoriel

Pr. Amale LAHLOU 3 Session Printemps-Été 2014-2015

 La multiplication externe définie sur ℳ𝑝,𝑛 (ℝ) est une L.C.E.

1.6 Propriétés usuelles des lois de composition

Pr. Amale LAHLOU 4 Session Printemps-Été 2014-2015

Pr. Amale LAHLOU 5 Session Printemps-Été 2014-2015

2 Structure de sous-espace vectoriel

Pr. Amale LAHLOU 6 Session Printemps-Été 2014-2015

Pr. Amale LAHLOU 7 Session Printemps-Été 2014-2015

1,1,3 = 0,1,2 + 1,0,1

1,1,3 = 0,1,1 + 1,0,2

1,1,3 = 1,0,0 + 0,1,3

Pr. Amale LAHLOU 8 Session Printemps-Été 2014-2015

3 Base d’un espace vectoriel réel de dimension finie

Pr. Amale LAHLOU 9 Session Printemps-Été 2014-2015

∀𝑢 ∈ 𝐸, ∃ au moins 𝜆1 , 𝜆2 , ⋯ , 𝜆𝑝 ∈ ℝ 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑢 = 𝜆1 𝑢1 + 𝜆2 𝑢2 + ⋯ + 𝜆𝑝 𝑢𝑝 = 𝜆 𝑖 𝑢𝑖

En général, la famille de 𝑛 vecteurs 𝑒1 = 1,0,0, … ,0 , 𝑒2 = 0,1,0, … ,0 , … , 𝑒𝑖 = 0, … ,0,1,0, … ,0 (la

Pr. Amale LAHLOU 10 Session Printemps-Été 2014-2015

 On considère les vecteurs 𝑢1 = 0,0,1 , 𝑢2 = 2, −1,0 , 𝑢3 = (0,1, −1) et 𝑢4 = (1,1,1) de ℝ3 .

Si λ4 = 1, alors 3,4,2 = 5 0,0,1 + (2, −1,0) + 4(0,1, −1) + 1(1,1,1)

Pr. Amale LAHLOU 11 Session Printemps-Été 2014-2015

Pr. Amale LAHLOU 12 Session Printemps-Été 2014-2015

Pr. Amale LAHLOU 13 Session Printemps-Été 2014-2015

 La famille 1, 𝑥, 𝑥 2 , ⋯ , 𝑥 𝑛 est une base canonique de ℝ≤n [X]

3.5 Ordre et rang d’un système de vecteurs

Pr. Amale LAHLOU 14 Session Printemps-Été 2014-2015

Exemple : Soit 𝐵 la base canonique de ℝ𝟒 . Au vecteur 𝑢 = (2,3, −1,4) ∈ ℝ𝟒 on associe canoniquement la

𝑥11 ⋯ 𝑥1𝑗 ⋯ 𝑥1𝑚

Théorème : Soient 𝐸, +,∙ (𝐸 ≠ 0𝐸 ) un ℝ-espace vectoriel, 𝐵 sa base canonique et 𝑆 = 𝑢1 , … , 𝑢𝑚 une

4 Espace vectoriel de dimension finie

Pr. Amale LAHLOU 15 Session Printemps-Été 2014-2015

Si 𝑆 est une base de E alors, 𝑜𝑟𝑑𝑟𝑒 𝑆 = 𝑛 ;

dim 𝐹1 ⊕ 𝐹2 = dim 𝐹1 + dim 𝐹2

Pr. Amale LAHLOU 16 Session Printemps-Été 2014-2015

Corollaire : Soit E un ℝ-e.v. (𝐸 ≠ 0𝐸 ) de dimension finie, et soient F1 et F2 deux s.e.v. de E.

Pr. Amale LAHLOU 17 Session Printemps-Été 2014-2015

Énoncés des exercices

Exercice 1 : Les sous-espaces suivants sont-ils des sous-espaces vectoriels de ℝ3 ?

Exercice 4 (CR-08/09) : Soient trois vecteurs 𝑢1 , 𝑢2 et 𝑢3 donnés par :

Exercice 6 : Soit 𝐵 = 𝑒1 , 𝑒2 , 𝑒3 une base canonique de ℝ3 .

Pr. Amale LAHLOU 18 Session Printemps-Été 2014-2015

Exercice 8 : Déterminer le rang de chacun des systèmes suivants :

𝑆1 = 1,1,1 , 3,0, −1 , (−1,1, −1)

𝑆2 = 1,0,1 , 2,1,3 , 2,0,2

𝑆3 = 1,1,1 , 1,1,1 , 1,1,1

Exercice 11 : Soit 𝐵 = 𝑒1 , 𝑒2 , 𝑒3 une base de ℝ3 . Montrer que si 𝑎, 𝑏 ∈ ℝ, 𝑎2 + 𝑏 2 = 1 alors le système

𝐹8 = 2𝑥, 𝑥 − 2𝑦, 0,3𝑥 + 𝑦 ∶ 𝑥, 𝑦 ∈ ℝ

𝐹1 = 0, −2,0, −3 , 1,0,1,0 , (2,0,4, −3)

Exercice 14 (CF-10/11) : Déterminer la dimension du sous-espace vectoriel 𝐹 de ℝ3 défini par :

Exercice 15 (CR-10/11) : Soient 𝑚 ∈ ℝ et le sous-ensemble 𝐹𝑚 défini par :

Exercice 17 : Dans ℝ3 , on pose

Exercice 18 (CF-08/09): Soient les deux sous-ensembles de ℝ3 :

Exercice 19 (CF-10/11) : On considère les deux sous-espaces vectoriels de ℝ3 donnés par :

Exercice 21 (CF-11/12) : on considère les deux sous-ensembles de ℝ4 donnés par :

1. Montrer que 𝐹1 et 𝐹2 sont deux sous-espaces vectoriels supplémentaires dans ℝ4 ;

Pr. Amale LAHLOU 20 Session Printemps-Été 2014-2015

Solution 1 : Vérifions si les sous-ensembles suivants sont des sous-espaces vectoriels de ℝ3 :