-2
Table des matières
21 Espaces vectoriels 1
1 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Structure d’espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Familles finies de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.1 Familles génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Familles libres - Familles liées . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.3 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3 Somme de deux sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.1 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Sous-espaces vectoriels supplémentaires . . . . . . . . . . . . . . . . . . . . 9
0 TABLE DES MATIÈRES
Chapitre 21
Espaces vectoriels
Dans ce chapitre, K désigne R ou C.
1 Espaces vectoriels
1.1 Structure d’espace vectoriel
Définition 1.1 (Loi externe).
Soit E un ensemble, on appelle loi de composition externe sur E toute application de
K × E −→ E qui à tout élément x de E et tout scalaire λ de K associe un élément de E
que l’on note λ . x ou encore λx.
Définition 1.2 (Groupe).
Soit E un ensemble, on appelle groupe un couple (E, ∗) dont ∗ est une opération qui
satisfait les quatre axiomes suivants :
(i) Loi de composition interne :
Pour tous a et b éléments de E, a ∗ b ∈ E.
(ii) Associativité :
Pour tous éléments a, b et c de E, alors (a ∗ b) ∗ c = a ∗ (b ∗ c).
(iii) Élément neutre.
Il existe un élément e de E tel que, pour tout a dans E, e ∗ a = a ∗ e = a, « e est
appelé élément neutre du groupe (E, ∗).
(iv) Symétrique.
Pour tout élément a de E, il existe b dans E tel que a ∗ b = b ∗ a = e, où e est
l’élément neutre. b est appelé symétrique de a.
Exemple 1.1. (Z, +), (K, +), (K[X], +) et (K∗ , ×) sont des groupes, mais (N, +), (Z, ×) et
(K[X], ×) ne sont pas des groupes.
2 Espaces vectoriels
Définition 1.3 (Espace vectoriel).
On appelle espace vectoriel sur K (ou K-espace vectoriel) tout ensemble E muni d’une loi
de composition interne notée + et d’une loi de composition externe notée · tel que :
(i) (E, +) est un groupe commutatif
(ii) la loi externe · vérifie les quatre propriétés :
(a) Pour tous éléments λ, µ de K et tout élément x de E, on a (λ+µ)x = λ·x+µ·x.
(b) Pour tout élément λ de K et tous éléments x, y de E, on a λ·(x+y) = λ·x+λ·y.
(c) Pour tous éléments λ, µ de K et tout élément x de E, λ · (µ · x) = (λµ) · x.
(d) Pour tout élément x de E, 1 · x = x.
Exemples 1.2.
1. (K, +, ·) est un K-espace vectoriel.
2. (C, +, ·) est un R-espace vectoriel, mais (R, +, .) n’est pas un C-espace vectoriel.
3. (K[X], +, ·) est un K-espace vectoriel.
4. Soit (n, p) ∈ N2 , alors (Mn,p (K), +, ·) est un K-espace vectoriel pour les lois interne et
externe définies par :
(a) ∀A = (Ai,j ) ∈ Mn,p , ∀B = (Bi,j ) ∈ Mn,p , A + B = (Ai,j + Bi,j ) ;
(b) ∀A = (Ai,j ) ∈ Mn,p , ∀λ ∈ K, λ · A = (λAi,j ).
5. Soit X un ensemble non vide et E un K-espace vectoriel alors l’ensemble E X des appli-
cations de X dans E est un K-espace vectoriel pour les lois interne et externe définies
par :
(a) ∀(f, g) ∈ (E X )2 , ∀x ∈ X, (f + g)(x) = f (x) + g(x) ;
(b) ∀f ∈ E X , ∀x ∈ X, ∀λ ∈ K, (λ · f )(x) = λ · f (x).
En particulier, l’ensemble des suites d’éléments de K est un K-espace vectoriel pour les lois
usuelles.
6. L’ensemble des vecteurs du plan (ou de l’espace) est un espace vectoriel sur R pour les lois
usuelles.
Définition 1.4 (Vocabulaire).
Pour un K-espace vectoriel :
(i) les éléments de E sont appelés vecteurs ;
(ii) les éléments de K sont appelés scalaires ;
(iii) la loi · est appelée multiplication par un scalaire.
Théorème 1.1 (Espace vectoriel produit).
Soient n ∈ N∗ et E1 , E2 , . . . , En des K-espaces vectoriels.
On munit l’ensemble produit E = E1 × · · · × En des deux lois + et · définies par :
(i) ∀(v1 , . . . , vn ), (w1 , . . . , wn ) ∈ E1 × · · · × En :
(v1 , . . . , vn ) + (w1 , . . . , wn ) = (v1 + w1 , . . . , vn + . . . , wn ).
(ii) ∀λ ∈ K, ∀(v1 , . . . , vn ) ∈ E1 × . . . × En :
λ · (v1 , . . . , vn ) = (λ · v1 , . . . , λ · vn ).
Alors (E, +, ·) est un K-espace vectoriel.
Exemple 1.3. Pour tout n ∈ N∗ , (Kn , +, ·) est un K-espace vectoriel.
1 Espaces vectoriels 3
1.2 Sous-espace vectoriel
Définition 1.5 (Sous-espace vectoriel).
Soit E un K-espace vectoriel et F une partie de E. On dit que F est un sous-espace
vectoriel (sev) de E si :
(i) F 6= ∅ ;
(ii) ∀(x, y) ∈ F 2 , x + y ∈ F ;
(iii) ∀λ ∈ K, ∀x ∈ F, λ.x ∈ F .
Exemple 1.4. {0E } et E sont des sous-espaces vectoriels de E.
Proposition 1.1.
Tout sous-espace vectoriel de E est un espace vectoriel pour les lois induites par celles de
E.
Remarque. On montre rarement qu’un ensemble est un espace vectoriel en utilisant la définition
1.3 page 2, mais plutôt que c’est un sev d’un espace vectoriel connu.
Proposition 1.2 (Caractérisation d’un sev).
Soit E un K-espace vectoriel et F une partie de E. F est un sous-espace vectoriel de E si,
et seulement si :
(i) F 6= ∅ ;
(ii) ∀(x, y) ∈ F 2 , ∀λ ∈ K, λ.x + y ∈ F .
Exercices 1.1.
1. Montrer que l’ensemble P = {(x, y, z) ∈ R3 / x − y + 2z = 0} est un R-espace vectoriel.
2. Soit I un intervalle de R. Montrer que l’ensemble des applications continues de I vers K
et l’ensemble des applications de classe C 1 de I vers K sont des K-espaces vectoriels.
3. Montrer que l’ensemble Kn [X] des polynômes de degrés inférieurs ou égaux à n est un
K-espace vectoriel.
4. Soit a une fonction continue sur un intervalle I à valeurs dans K. Montrer que l’ensemble
des solutions de l’équation différentielle y 0 + ay = 0 est un K-espace vectoriel.
5. Soient a et b deux scalaires dans K. Montrer que l’ensemble des solutions de l’équation
différentielle y 00 + ay 0 + by = 0 est un K-espace vectoriel.
6. Soit A ∈ Mn,p (R). Soit AX = 0 un système d’équations linéaires homogènes à p variables.
Montrer que l’ensemble des vecteurs solutions est un sous-espace vectoriel de Rp .
Proposition 1.3 (Intersection de deux sous-espaces).
Soient F et G deux sous-espaces vectoriels d’un K-espace vectoriel E. Alors l’intersection
F ∩ G est un sous-espace vectoriel de E.
Corollaire (Généralisation).
L’intersection F1 ∩ F2 ∩ F3 ∩ . . . ∩ Fn d’une famille de n sous-espaces vectoriels de E est un
sous-espace vectoriel de E.
4 Espaces vectoriels
Exemple 1.5. Soit D le sous-ensemble de R3 défini par :
D = (x, y, z) ∈ R3 | x + 3y + z = 0 et x − y + 2z = 0 .
Est-ce que D est sous-espace vectoriel de R3 ? L’ensemble D est l’intersection de F et G, les
sous-ensembles de R3 définis par :
F = (x, y, z) ∈ R3 | x + 3y + z = 0
G = (x, y, z) ∈ R3 | x − y + 2z = 0
Ce sont deux plans passant par l’origine, donc des sous-espaces vectoriels de R3 . Ainsi D = F ∩ G
est un sous-espace vectoriel de R3 , c’est une droite vectorielle.
Attention
La réunion de deux sev de E n’est pas en général un sous-espace vectoriel de E.
2 Familles finies de vecteurs
2.1 Familles génératrices
Définition 2.1 (Combinaison linéaire).
Soient E un K-espace vectoriel, n ∈ N∗ et (v1 , . . . , vn ) ∈ E n .
On dit qu’un vecteur x de E est combinaison linéaire des vecteurs v1 , . . . , vn s’il existe
un n-uplet de scalaires (λ1 , . . . , λn ) ∈ Kn tel que :
n
X
x = λ1 v1 + · · · + λn vn = λ k vk .
k=1
Proposition 2.1 (Structure de l’ensemble des combinaisons linéaires).
Soient E un K-espace vectoriel, n ∈ N∗ et (v1 , . . . , vn ) ∈ E n . L’ensemble des combinaisons
linéaires des vecteurs {v1 , . . . , vn } est un sous-espace vectoriel de E, noté Vect(v1 , . . . , vn ).
Ce sous-espace vectoriel est appelé sous-espace engendré par les vecteurs v1 , . . . , vn
Méthodologie. On peut démontrer qu’une partie F d’un espace vectoriel E est un sous-espace
vectoriel de E en montrant que F est égal à l’ensemble des combinaisons linéaires d’un nombre
fini de vecteurs de E.
2 Familles finies de vecteurs 5
Définition 2.2 (Familles génératrices).
Soient E un K-espace vectoriel, n ∈ N∗ et {v1 , . . . , vn } une famille de n vecteurs de E.
On dit que {v1 , . . . , vn } est une famille génératrice de E si Vect(v1 , . . . , vn ) = E. Au-
trement dit :
n
X
∀x ∈ E, ∃(λ1 , . . . , λn ) ∈ Kn , x = λ1 v1 + · · · + λn vn = λ k vk .
k=1
Remarque.
Lorsque un ev F est tel que F = Vect(v1 ) avec v1 6= 0F , on dit que F est une droite vectorielle
et si F = Vect(v1 , v2 ) avec (v1 , v2 ) non colinéaires, on dit que F est un plan vectoriel.
Exemple 2.1.
— {1} est une famille génératrice du K-espace vectoriel K.
— {1, i} est une famille génératrice du R-espace vectoriel C.
— {1, X, . . . , X n } est une famille génératrice du K-espace vectoriel Kn [X].
— Soit F = {(x, y, z) ∈ R3 / 3x + 2y + z = 0}. Montrons que F est un plan vectoriel de R3 ,
pour cela déterminons une famille génératrice de F .
∀(x, y, z) ∈ F ⇐⇒ z = −3x − 2y
⇐⇒ (x, y, z) = (x, y, −3x − 2y)
⇐⇒ (x, y, z) = x(1, 0, −3) + y(0, 1, −2)
Donc F = Vect(u, v) avec u = (1, 0, −3) et v = (0, 1, −2) qui sont clairement non coli-
néaires. C’est bien un plan vectoriel.
Proposition 2.2 (Surfamille génératrice).
Soient E un K-espace vectoriel, n, p ∈ N∗ , p > n et (v1 , . . . , vn , vn+1 , . . . , vp ) ∈ E p . Si
(v1 , . . . , vn ) est une famille génératrice de E, alors (v1 , . . . , vn , . . . , vp ) est aussi une famille
génératrice de E, cette famille est appelée surfamille.
Proposition 2.3 (Sous-famille génératrice).
Soient E un K-espace vectoriel, n ∈ N∗ et (v1 , . . . , vn , vn+1 ) des vecteurs de E.
Si E = Vect (v1 , . . . , vn , vn+1 ) et vn+1 ∈ Vect (v1 , . . . , vn ), alors E = Vect (v1 , . . . , vn ). La
famille de vecteurs (v1 , . . . , vn ) est appelée sous-famille génératrice de E.
Remarque. Cette proposition affirme que l’on peut supprimer d’une une famille génératrice les vec-
teurs qui sont combinaisons linéaires des autres vecteurs. La sous-famille obtenue reste génératrice
de E. Ce procédé permet donc de trouver des familles génératrices de cardinal minimal.
6 Espaces vectoriels
2.2 Familles libres - Familles liées
Définition 2.3 (Familles libres - Familles liées).
Soient E un K-espace vectoriel, n ∈ N∗ et (v1 , . . . , vn ) une famille de n vecteurs de E.
— On dit que (v1 , . . . , vn ) est une famille libre de E si :
∀(λ1 , . . . , λn ) ∈ Kn , λ1 v1 + · · · + λn vn = 0E =⇒ λ1 = · · · = λn = 0.
— On dit que (v1 , . . . , vn ) est une famille liée de E si elle n’est pas libre, autrement
dit :
∃(λ1 , . . . , λn ) ∈ Kn \ {(0, . . . , 0)}, λ1 v1 + · · · + λn vn = 0E .
Remarques.
— On dit que les éléments d’une famille libre(resp. liée ) sont linéairement indépendants
(resp. linéairement dépendants).
— Toute famille contenant 0E est liée.
— Pour tout vecteur v non-nul de E, la famille {v} est libre.
Exemple 2.2.
— {1} est une famille libre du K-espace vectoriel K.
— {1, i} est une famille libre du R-espace vectoriel C.
— {1, X, . . . , X n } est une famille libre du K-espace vectoriel Kn [X].
— Dans le R-espace vectoriel RC , la famille t 7→ eit , t 7→ e−it est libre.
Proposition 2.4 (Famille liée).
Soient E un K-espace vectoriel, n ∈ N∗ et (v1 , . . . , vn ) des vecteurs de E.
La famille (v1 , . . . , vn ) est liée si, et seulement si, un au moins des vecteurs de la famille
est combinaison linéaire des autres vecteurs.
Remarque. Pour deux vecteurs v1 , v2 de E, (v1 , v2 ) est liée si, et seulement si, v1 et v2 sont
colinéaires i.e. il existe λ ∈ K tel que v1 = λv2 ou v2 = λv1 .
Définition 2.4 (Polynômes de degrés échelonnés).
La famille (P0 , ..., Pn ) de polynômes de K[X] est dite de degrés échelonnés si :
deg(P0 ) < · · · < deg(Pn ).
Proposition 2.5 (Sous-famille libre).
Soient E un K-espace vectoriel, p ∈ N∗ et (v1 , . . . , vp ) ∈ E p . Si (v1 , . . . , vp ) est une famille
libre de E, alors pour tout n ∈ N tel que n < p, alors la sous-famille (v1 , . . . , vn ) est aussi
une famille libre de E.
Proposition 2.6 (Famille libre dans K[X]).
Toute famille finie de polynômes non nuls K[X] et de degrés échelonnés est libre.
Proposition 2.7 (Surfamille libre).
Soient E un K-espace vectoriel, n ∈ N∗ et (v1 , . . . , vn , vn+1 ) des vecteurs de E.
Si (v1 , . . . , vn ) est une famille libre et vn+1 ∈
/ Vect (v1 , . . . , vn ), alors (v1 , . . . , vn , vn+1 ) est
aussi une famille libre de E.
2 Familles finies de vecteurs 7
Remarque. Cette proposition affirme que l’on peut ajouter à une une famille libre des vecteurs qui
ne sont pas combinaisons linéaires des autres vecteurs. La surfamille obtenue reste libre dans E.
Ce procédé permet donc de trouver des familles libres de cardinal de plus en plus grand.
2.3 Bases
Définition 2.5 (Base).
Soient E un K-espace vectoriel, n ∈ N∗ et (v1 , . . . , vn ) une famille de n vecteurs de E.
On dit que la famille (v1 , . . . , vn ) est une base de E si (v1 , . . . , vn ) est une famille libre et
génératrice.
Exemple 2.3.
— {1} est une base du K-espace vectoriel K.
— {1, i} est une base du R-espace vectoriel C.
— {1, X, . . . , X n } est une base du K-espace vectoriel Kn [X].
— La famille (u, v) avec u = (1, 0, −3) et v = (0, 1, −2) est une base du R-espace vectoriel
F = {(x, y, z) ∈ R3 / 3x + 2y + z = 0}.
Théorème 2.1 (Décomposition dans une base).
Une famille B = (e1 , . . . , en ) de vecteurs de E est une base de E si, et seulemnt si :
n
X
n
∀x ∈ E, ∃!(x1 , . . . , xn ) ∈ K , x = xk ek ;
k=1
(x1 , . . . , xn ) sont appelés coordonnées (ou composantes) de x dans B.
Exemple 2.4. Soient u = (1, 2) et v = (3, 4) deux vecteurs de R2 , montrer que B = (u, v) est
une base de R2 et déterminer les coordonnées de (3, 2) dans cette base.
Théorème-Définition 2.1 (Base canonique de Kn ).
Soit n ∈ N∗ . Dans le K-espace vectoriel Kn , la famille (e1 , . . . , en ) de n vecteurs de E
définis par :
∀i ∈ [[1, n]], ei = (0, . . . , 0, 1, 0, . . . , 0) (le 1 est à la i-ème place)
est une base de Kn appelée base canonique de Kn .
Exemple 2.5.
— La famille B = ((1, 0), (0, 1)) est la base canonique de R2 .
— La famille B = (1, X, . . . , X n ) est la base canonique de Kn [X].
— La famille B = (Ei,j )16i,j6n est la base canonique de Mn,p (K). On rappelle que Ei,j est
la matrice de Mn,p (K) dont tous les éléments sont nuls sauf celui de la i-ème ligne et la
j-ème colonne qui vaut 1. (Ei,j )16i6n,16j6p
— Soit E = Vect (sin, cos) et f : x 7→ sin(x − π/4).Montrer que B = (sin, cos) est une base de
E, montrer que f ∈ E et déterminer ses coordonnées dans la base B.
Remarque. Il existe des espaces vectoriels ayant des bases comportant un nombre infini d’éléménts :
K[X] admet comme base (X n )n∈N .
Autre exemple, une base de KN , ensemble des suites avec ei = (δi,n )n suite dont tous les termes
sont nuls sauf le i-ème terme qui vaut 1, KN possède donc une base avec un nombre infini d’élé-
ments.
8 Espaces vectoriels
Théorème 2.2 (Existence d’une base).
Tout espace vectoriel admet au moins une base
3 Somme de deux sous-espaces vectoriels
Comme la réunion de deux sous-espaces vectoriels F et G n’est pas en général un sous-espace
vectoriel, il est utile de connaître les sous-espaces vectoriels qui contiennent à la fois les deux
sous-espaces vectoriels F et G, et en particulier le plus petit d’entre eux (au sens de l’inclusion).
3.1 Généralités
Définition 3.1 (Somme de deux sous-espaces).
Soient F et G deux sous-espaces vectoriels d’un K-espace vectoriel E.
L’ensemble {u + v / u ∈ F, v ∈ G} est appelé somme des sous-espaces vectoriels F et G.
Cette somme est notée F + G.
F +G
Remarque. On a F ⊂ F + G et G ⊂ F + G.
Attention
Bien que F ∪ G ⊂ F + G, mais l’on a F ∪ G 6= F + G. On verra dans la prochaine proposition
que F + G est le plus petit espace vectoriel contenant F ∪ G.
Proposition 3.1.
Soient F et G deux sous-espaces vectoriels du K-espace vectoriel E. Alors F + G est un
sous-espace vectoriel de E.
Remarque. F + G est le plus petit sous-espace vectoriel contenant F ∪ G.
Proposition 3.2 (Somme d’espaces vectoriels engendrés).
Soit (u1 , . . . , up , v1 , . . . , vn ) des éléments d’un espace vectoriel. Si F = Vect (u1 , . . . , up ) et
G = Vect (v1 , . . . , vn ), alors F + G = Vect (u1 , . . . , up , v1 , . . . , vn ).
Exemple 3.1. Déterminons F + G dans le cas où F et G sont les sous-espaces vectoriels de R3
suivants :
F = (x, y, z) ∈ R3 | y = z = 0 G = (x, y, z) ∈ R3 | x = z = 0 .
et
3 Somme de deux sous-espaces vectoriels 9
Exemple 3.2. Soient F et G les deux sous-espaces vectoriels de R3 suivants :
F = (x, y, z) ∈ R3 | x = 0 G = (x, y, z) ∈ R3 | y = 0 .
et
z G
0
y
Dans cet exemple, montrons que F + G = R3 .
3.2 Sous-espaces vectoriels supplémentaires
Définition 3.2 (Définition de la somme directe de deux sous-espaces).
Soient F et G deux sous-espaces vectoriels de E. F et G sont en somme directe dans E
si
(i) F ∩ G = {0E } ;
(ii) F + G = E.
On note alors F ⊕ G = E et on dit aussi que F et G sont des sous-espaces vectoriels
supplémentaires dans E.
Proposition 3.3 (Décomposition dans une somme directe).
Soient E un K-espace vectoriel et F , G deux sous-espaces vectoriels de E. On a F ⊕ G = E
si, et seulement si, tout élément de E s’écrit d’une manière unique comme la somme d’un
élément de F et d’un élément de G. Autrement dit :
∀x ∈ E, ∃!(x1 , x2 ) ∈ F × G, x = x1 + x2 .
Remarque.
— Il n’y a pas unicité du supplémentaire d’un sous-espace vectoriel donné.
— L’existence d’un supplémentaire d’un sous-espace vectoriel sera prouvée dans le cas parti-
culier des espaces vectoriels de dimension finie.
Exemple 3.3. Dans le R-espace vectoriel F(R, R) des fonctions de R dans R, on considère le
sous-espace vectoriel des fonctions paires P et le sous-espace vectoriel des fonctions impaires I.
Montrons que P ⊕ I = F(R, R).
Proposition 3.4 (Base d’une somme directe).
Soient E un K-espace vectoriel et F , G deux sev de E. Si (e1 , e2 , . . . , en ) est une base
de F et (e01 , e02 , . . . , e0p ) est une base de G, alors E = F ⊕ G si, et seulement si,
(e1 , e2 , . . . , en , e01 , e02 , . . . , e0p ) est une base de E.
10 Espaces vectoriels
Exemple 3.4.
1. Soient F = (x, 0) ∈ R2 | x ∈ R et G = (0, y) ∈ R2 | y ∈ R .
Montrons que F ⊕ G = R2 .
2. Gardons F et notons G0 = (x, x) ∈ R2 | x ∈ R . Montrons que l’on a aussi F ⊕ G0 = R2 .
3. De façon plus générale, deux droites distinctes du plan passant par l’origine forment des
sous-espaces supplémentaires.
Exemple 3.5. Est-ce que les sous-espaces vectoriels F et G de R3 définis par
F = (x, y, z) ∈ R3 | x − y − z = 0 G = (x, y, z) ∈ R3 | y = z = 0
et
sont supplémentaires dans R3 ?
G
F
Exercices d’application.
1. Trouver des sous-espaces vectoriels distincts F et G de R3 tels que
(a) F + G = R3 et F ∩ G 6= {0} ;
(b) F + G 6= R3 et F ∩ G = {0} ;
(c) F + G = R3 et F ∩ G = {0} ;
(d) F + G 6= R3 et F ∩ G 6= {0}.
2. Soient F = (x, y, z) ∈ R3 | x + y + z = 0 et G = Vect (1, 1, 1) ⊂ R3 .
(a) Montrer que F est un espace vectoriel. Trouver deux vecteurs u, v tels que F =
Vect(u, v).
(b) Calculer F ∩ G et montrer que F + G = R3 . Que conclure ?
3. Soient A = ( 10 00 ), B = ( 00 01 ), C = ( 00 10 ), D = ( 01 00 ) des matrices de M2 (R).
(a) Quel est l’espace vectoriel F engendré par A et B ? Idem avec G engendré par C et
D.
(b) Calculer F ∩ G. Montrer que F + G = M2 (R). Conclure.
3 Somme de deux sous-espaces vectoriels 11
