Espaces vectoriels

Table des matières

1 Structure d’espace vectoriel 2
1.1 Structure sur un ensemble . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3 Espaces vectoriels de référence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.4 Combinaisons linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.5.2 Exemples importants de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . 7

2 Familles de vecteurs 8
2.1 Sous-espace vectoriel engendré par une famille de vecteurs . . . . . . . . . . . . . . . . . . . . 8
2.2 Familles génératrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 Familles libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.1 Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.3.2 Cardinal d’une famille libre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

1
1 Structure d’espace vectoriel
1.1 Structure sur un ensemble
On appelle structure sur un ensemble une série de lois de composition (addition, produit, etc...) et de
propriétés vérifiées par ces lois. Il y a deux intérêts à structurer un ensemble :
• Dégager des propriétés obtenues à l’aide de cette structure.
• Généraliser ces propriétés à tout autre ensemble qui aura la même structure.

1.2 Définition

Définition 1.1 : Espace vectoriel sur R

Soit E un ensemble non vide muni d’une loi d’addition interne, notée +, et d’une loi de produit externe
par un scalaire, notée ·.
On dit que (E, +, ·) est un espace vectoriel sur R si :
• Propriétés de la loi + :
— Stabilité : ∀(x, y) ∈ E 2 , x + y ∈ E.
— Commutativité : ∀(x, y) ∈ E 2 , x + y = y + x.
— Associativité : ∀(x, y, z) ∈ E3, (x + y) + z = x + (y + z).
— Élément neutre : ∃0E ∈ E tel que ∀x ∈ E, x + 0E = 0E + x = x.
Cet élément, appelé élément nul (ou vecteur nul), est forcément unique.
— Élément symétrique : ∀x ∈ E, ∃!y ∈ E tel que x + y = 0E .
Cet élément, forcément unique, est noté −x.
• Propriétés de la loi · :
— Stabilité : ∀x ∈ E et ∀λ ∈ R, λ · ·x ∈ E.
— Associativité : ∀x ∈ E et ∀(λ, µ) ∈ R2 , λ · (µ · x) = (λ µ) · x = µ · (λ · x).
— Élément neutre : ∀x ∈ E, 1 · x = x.
• Distributivité de la loi · sur la loi + :
— ∀(x, y) ∈ E 2 , ∀λ ∈ R, λ · (x + y) = λ · x + λ · y.
2
— ∀x ∈ E, ∀(λ, µ) ∈ R , (λ + µ) · x = λ · x + µ · x.
Les éléments de R sont appelés scalaires et les éléments de E sont appelés vecteurs.

On peut également dire R-espace vectoriel, espace vectoriel réel ou simplement espace vectoriel.

Propriété 1.2 : Règles de calcul dans un espace vectoriel

(i) ∀x ∈ E, 0 · x = 0E
(ii) ∀λ ∈ R, λ · 0E = 0E .
(iii) ∀λ ∈ R, ∀x ∈ E, λ · x = 0E ⇔ λ = 0 ou x = 0E .

Démonstration. (i) Soit x ∈ E, on a

x + 0 · x = 1 · x + 0 · x = (1 + 0) · x = 1 · x = x

De même, 0 · x + x = x. Ainsi, 0 · x est un élément neutre pour la loi + et donc, par unicité, 0 · x = 0E .
(ii) Soit, de plus, λ ∈ R avec λ 6= 0. On a
1 1 1
     
x=1·x=λ· · x = λ · 0E + · x = λ · 0E + λ · · x = λ · 0E + 1 · x = λ · 0E + x.
λ λ λ

2
 On en déduit donc que λ · 0E est un élément neutre pour la loi + et, comme précédemment, cela donne
λ · 0E = 0E .
(iii) On considère maintenant, x ∈ E et λ ∈ R tels que λ · x = 0E . Si λ 6= 0, alors
1 1
x=1·x= · (λ · x) = · 0E = 0E ,
λ λ
ce qui permet de conclure.

1.3 Espaces vectoriels de référence

On va donner un certain nombre d’exemples d’espaces vectoriels. Pour chacun de ces espaces vectoriels,
on va détailler l’addition et le produit externe et donner l’élément nul.

L’ensemble Rn
Un élément x de Rn s’écrit (on choisit de les écrire en colonnes ici, mais on peut également les écrire en
lignes)  
x1
x 
 2
x 
 
x=  3  avec ∀i ∈ [[1, n]], xi ∈ R
 .. 
 . 
xn
L’addition et le produit externe sont réalisés coordonnée à coordonnée :
         
x1 y1 x 1 + y1 x1 λ x1
x  y   x + y  x  λ x 
 2  2  2 2  2  2
 x3  +  y3  =  x3 + y3  et λ ·  x3  =  λ x3  .
         
 ..   ..   ..  ..   .. 
         
 .  .  .

  .   . 
xn yn x n + yn xn λ xn

L’élément nul de Rn est le vecteur nul  

0
0
 
0
 
 .
0n,1 = 
 .. 
.
0
n
L’ensemble R des vecteurs à n coordonnées dans R est un espace vectoriel.

L’ensemble Mn,p (R) des matrices

Un élément A de Mn,p (R) s’écrit A = (ai,j )1≤i≤n,1≤j≤p ou plus explicitement
 
a1,1 a1,2 ... a1,p
 a2,1 a2,2 ... a2,p 


A=
 .. .. ..  avec ∀i ∈ [[1, n]], ∀j ∈ [[1, p]], ai,j ∈ R
 . . . 
an,1 an,2 . . . an,p

L’addition et le produit externe sont réalisés coordonnée à coordonnée :

     
a1,1 a1,2 ... a1,p b1,1 b1,2 ... b1,p a1,1 + b1,1 a1,2 + b1,2 ... a1,p + b1,p
 a2,1 a2,2 ... a2,p 
  b2,1 b2,2 ... b2,p 
  a2,1 + b2,1 a2,2 + b2,2 ... a2,p + b2,p 
  

+ . =
 . .. ..   .. ..   .. .. .. 
 .
 . . .   .. . .   . . .


an,1 an,2 . . . an,p bn,1 bn,2 . . . bn,p an,1 + bn,1 an,2 + bn,2 . . . an,p + bn,p

3
    
a1,1 a1,2 ... a1,p λ a1,1 λ a1,2 ... λ a1,p
 a2,1 a2,2 ...   λ a2,1
a2,p  λ a2,2 ... λ a2,p 
 

et λ · 
 .. .. .. = .
 .. .. .
 . . .   .. . . 
an,1 an,2 . . . an,p λ an,1 λ an,2 . . . λ an,p
L’élément nul de Mn,p (R) est la matrice nulle
 
0 0 ... 0
0 0 . . . 0


0n,p =
 .. .. .
.. 
. . .
0 0 ... 0
L’ensemble Mn,p (R) des matrices à n lignes et p colonnes à coefficients dans R est un espace vectoriel.

L’ensemble A(D, R) des applications

Soit D ⊂ R, un élément f de A(D, R) s’écrit :
f :D → R
x 7→ f (x)
L’addition et le produit externe sont définis de la manière suivante :
∀x ∈ D, (f + g)(x) = f (x) + g(x) et (λ · f )(x) = λ f (x).
L’élément nul de A(D, R) est l’application nulle f vérifiant
∀x ∈ D, f (x) = 0.
L’ensemble A(D, R) des applications de D dans R est un R-espace vectoriel.

L’ensemble A(N, R) (ou RN ) des suites réelles

Un élément u de A(N, R) s’écrit
u = (un )n∈N .
L’addition et le produit externe sont également ceux définis classiquement sur les fonctions :
∀n ∈ N, (u + v)n = un + vn et (λ · u)n = λ un .
L’élément nul de A(N, R) est la suite nulle u vérifiant
∀n ∈ N, un = 0.
L’ensemble A(N, R) des suites réelles est un R-espace vectoriel.

L’ensemble R[X] des polynômes

Un élément P de R[X] s’écrit avec a0 , a1 , . . . , an des éléments de R
n
X
P = a0 + a1 X + · · · + an X n = ai X i .
i=0

En prenant P et Q de degré inférieur ou égal à r, l’addition et le produit externe sont ceux définis classiquement
sur les fonctions :
r
X r
X r
X r
X
P +Q= (ai + bi ) X i et λ · P = λai X i , avec P = ai X i et Q = bi X i .
i=0 i=0 i=0 i=0

L’élément nul de R[X] est le polynôme nul P vérifiant

P = 0.
L’ensemble R[X] des polynômes à coefficients dans R est un espace vectoriel.

4
 Remarque 1.3 : Intérêt des espaces vectoriels
On remarque donc que, selon le contexte, les éléments d’un espace vectoriel peuvent être des matrices, des
n-uplets de R, des polynômes, des fonctions, des suites... L’étude générale des espaces vectoriels permet
de dégager des propriétés communes à tous ces ensembles structurés.

1.4 Combinaisons linéaires

Définition 1.4 : Famille de vecteurs

Soit p ∈ N∗ , on appelle famille de vecteurs de E tout p-uplet (f1 , . . . , fp ) formé de p vecteurs de E.
On appelle sous-famille de (f1 , . . . , fp ) toute famille comprenant certains des vecteurs f1 , . . . , fp .
On appelle sur-famille de (f1 , . . . , fp ) toute famille comprenant au moins les vecteurs f1 , . . . , fp .

Définition 1.5 : Combinaison linéaire

Un vecteur x de E est dit combinaison linéaire de la famille (f1 , . . . , fp ), s’il existe p éléments
λ1 , λ2 , . . . , λp ∈ R tels que
p
X
x = λ1 · f1 + · · · + λp · fp = λi · fi
i=1

Pour montrer qu’un vecteur x de E est combinaison linéaire d’une famille (f1 , . . . , fp ), on résout l’équation
vectorielle (amenant à un système linéaire) x = λ1 · f1 + · · · + λp · fp , d’inconnues λ1 , . . . , λp .
       
2 1 0 0
3
Exemple 1. Dans R , le vecteur x = 5 est-il combinaison linéaire de la famille 1 , 1 , 0 ?
       
9 1 1 1

Solution.
! ! !!
2 1 1 0 1 1
Exemple 2. Dans M2 (R), la matrice A = est-elle combinaison linéaire de la famille , ?
−1 1 0 1 1 1

Solution.

Exemple 3. Dans R[X], le polynôme P = X 3 +7 est-il combinaison linéaire de la famille (X + 2)3 , (X + 1)2 , 1 ?

Solution.

1.5 Sous-espaces vectoriels

1.5.1 Définition

Définition 1.6 : Sous-espace vectoriel

Soit (E, +, ·) un espace vectoriel, on dit que F est un sous-espace vectoriel de E, si :
(i) F ⊂ E
(ii) F 6= ∅
(iii) ∀x, y ∈ F, x + y ∈ F. (stabilité par addition)
(iv) ∀x ∈ F, ∀λ ∈ R, λ · x ∈ F. (stabilité par multiplication externe)

Une partie non vide de E est donc un sous-espace vectoriel de E si elle stable par addition et par
multiplication externe.

5
 Propriété 1.7 : Un sous-espace vectoriel contient le vecteur nul
Si F est un sous-espace vectoriel d’un espace vectoriel E, alors 0E ∈ F .

Démonstration. Il suffit de prendre λ = 0 dans la condition de stabilité par multiplication externe.

Remarque 1.8 : Sous-espaces vectoriels triviaux

Un espace vectoriel E a toujours au moins deux sous-espaces vectoriels qui sont E lui-même et {0E }.

Théorème 1.9 : Caractérisation d’un sous-espace vectoriel

Soit (E, +, ·) un espace vectoriel, F est un sous-espace vectoriel de E si et seulement si :
(i) F ⊂ E
(ii) 0E ∈ F (ou F 6= ∅)
(iii) ∀x, y ∈ F, ∀λ, µ ∈ R, λ · x + µ · y ∈ F. (stabilité par combinaison linéaire)
On note que l’on peut remplacer la condition de stabilité par addition et par multiplication par un scalaire
par la stabilité par combinaison linéaire.

La condition de stabilité par combinaison linéaire est souvent remplacée par

∀x, y ∈ F, ∀λ ∈ R, λ · x + y ∈ F.

Démonstration. À démontrer en exercice.

Exemple 4. Soit R[X] l’espace vectoriel des polynômes. Soient a ∈ R et Ea l’ensemble des polynômes qui
s’annulent en a. Montrer que Ea est un sous-espace vectoriel de R[X].

Solution.

Exemple 5. Soit A(N, R) l’espace vectoriel des suites. Montrer que l’ensemble des suites convergentes S c
est un sous-espace vectoriel de A(N, R).

Solution.

Exemple 6. Montrer que l’ensemble des matrices inversibles de Mn (R) n’est pas un sous-espace vectoriel
de Mn (R).

Solution.

Propriété 1.10 : Un sous-espace vectoriel est un espace vectoriel

Soient (E, +, ·) un espace vectoriel et F un sous-espace vectoriel de E.
L’ensemble F est lui-même un espace vectoriel pour les lois + et ·.

La caractérisation d’un sous-espace vectoriel est beaucoup plus simple que celle d’un espace vectoriel.
Pour montrer qu’un ensemble est un espace vectoriel, on utilisera cette propriété : on montrera que c’est un
sous-espace vectoriel d’un espace vectoriel de référence.

Démonstration. Il faut démontrer qu’un sous-espace vectoriel vérifie tous les points de la définition 1.1.

6
 Propriété 1.11 : Intersection de sous-espaces vectoriels
Soient (E, +, ·) un espace vectoriel et F et G deux sous-espaces vectoriels de E, alors F ∩ G est un
sous-espace vectoriel de E.

Démonstration. (i) Par définition de F ∩ G, c’est un sous-ensemble de E.

(ii) F et G sont des sous-espaces vectoriels de E, donc 0E ∈ F et 0E ∈ G ainsi 0E ∈ F ∩ G.
(iii) Soient x, y ∈ F ∩ G et λ, µ ∈ R, alors comme F (resp. G) est stable par combinaison linéaire, si x et y
appartiennent à F (resp. G) alors λx + µy ∈ F (resp. G). On a alors λx + µy ∈ F ∩ G.
F ∩ G est donc stable par combinaison linéaire.
Donc F ∩ G est un sous-espace vectoriel de E.

Remarque 1.12 : Union de sous-espaces vectoriels

En général F ∪ G n’est pas un sous-espace vectoriel de E.

Exemple 7. Soit E = R3 , alors F = {(a, b, c) ∈ R3 , a = b} et G = {(a, b, c) ∈ R3 , a = 2b} sont deux

sous-espaces vectoriels de E. Alors

F ∩ G = {(a, b, c) ∈ R3 , a = 0 et b = 0} est encore un sous-espace vectoriel de E.

Cependant, F ∪ G n’est pas un sous-espace vectoriel de E car si

x = (1, 1, 0) ∈ F et y = (2, 1, 0) ∈ G alors x + y = (3, 2, 0) ∈

/ F ∪ G.

F ∪ G n’est pas stable par addition.

1.5.2 Exemples importants de sous-espaces vectoriels

Les ensembles Rn [X]
Soit n un entier naturel, l’ensemble Rn [X] des polynômes de degré inférieur ou égal à n est un sous-espace
vectoriel de R[X].
Attention, l’ensemble des polynômes de degré égal à n ne forme pas un espace vectoriel car il n’est pas
stable pour l’addition.

L’ensemble des solutions d’un système linéaire homogène

L’ensemble des solutions d’un système linéaire homogène est un sous-espace vectoriel de Rp . On pose A la
matrice associée au système (S),
    

 a1,1 x1 + a1,2 x2 + · · · + a1,j xj + · · · + a1,p xp = 0 x1 0

 a2,1 x1 + a2,2 x2 + · · · + a2,j xj + · · · + a2,p xp

= 0 x2  0
   
(S) .. .. ⇔ A
 ..  =  .. 
  


 . .  .  .

 a x + a x + ··· + a x + ··· + a x
n,1 1 n,2 2 n,j j n,p p = 0 xp 0
Démonstration.
(i) Les solutions du système (S) sont dans Rp .
(ii) Le vecteur nul est solution du système (S).
(iii) Soient X1 et X2 deux solutions de (S) et λ, µ ∈ R, on a facilement que λX1 + µX2 est solution de (S).
L’ensemble des solutions du système (S) est donc stable par combinaison linéaire.
Donc l’ensemble des solutions du système (S) est un sous-espace vectoriel de Rp .

7
2 Familles de vecteurs
2.1 Sous-espace vectoriel engendré par une famille de vecteurs

Proposition 2.1 : Sous-espace vectoriel engendré par une famille de vecteurs

Soit (f1 , . . . , fp ) une famille finie de vecteurs d’un espace vectoriel E. L’ensemble des combinaisons
linéaires de la famille (f1 , . . . , fp ) se note
n o
Vect(f1 , . . . , fp ) = λ1 · f1 + λ2 · f2 + · · · + λp · fp avec (λ1 , . . . , λp ) ∈ Rp

Vect(f1 , . . . , fp ) est un sous-espace vectoriel de E, dit sous-espace vectoriel engendré par (f1 , . . . , fp ).

Démonstration. Nous avons

(i) Par définition de Vect(f1 , . . . , fp ), c’est un sous-ensemble de E.
(ii) Comme 0E = 0 f1 + 0 f2 + · · · + 0 fp , alors 0E ∈ Vect(f1 , . . . , fp ).
(iii) Soient u, v ∈ Vect(f1 , . . . , fp ), il existe donc (ai )1≤i≤p et (bi )1≤i≤p des réels tels que
p
X p
X
u= ai · fi et v= bi · fi .
i=1 i=1

Soient λ, µ ∈ R, alors nous avons

p
X p
X p
X
λu + µv = λ ai · fi + µ bi · fi = (λai + µbi ) · fi .
i=1 i=1 i=1

Ainsi λu + µv ∈ Vect(f1 , . . . , fp ). Vect(f1 , . . . , fp ) est donc stable par combinaison linéaire.

Donc Vect(f1 , . . . , fp ) est un sous-espace vectoriel de E.

Exemple 8. Quel est l’ensemble Vect(1, X, X 2 ) ?

Solution.

Méthode 2.2 : Espace vectoriel engendré par une famille

Une manière efficace de montrer qu’un ensemble est un espace vectoriel est de montrer qu’il est un
sous-espace vectoriel engendré par une famille de vecteurs.

( ! )
λ1 + λ2 λ2
Exemple 9. Montrer que F = avec (λ1 , λ2 ) ∈ R2 est un espace vectoriel.
λ1 λ1 − λ2

Solution.
n o
λ1 X 2 + 1 + λ2 X 2 − 1 + λ3 avec (λ1 , λ2 , λ3 ) ∈ R3



Exemple 10. Montrer que G = est un espace
vectoriel.

Solution.

8
2.2 Familles génératrices

Définition 2.3 : Famille génératrice

Une famille (f1 , . . . , fp ) de vecteurs de E est dite génératrice si :

Vect(f1 , . . . , fp ) = E.

Cela revient à dire que tout vecteur de E est une combinaison linéaire de la famille (f1 , . . . , fp ), ou encore :
p
X
∀x ∈ E, ∃ (λ1 , . . . , λp ) ∈ Rp , x = λ1 · f1 + λ2 · f2 + · · · + λp · fp = λi · fi .
i=1

  
 x
 

Exemple 11. Déterminer une famille génératrice de F = y  ∈ R3 vérifiant 3x − y + 4z = 0 .
 

 z 


Solution.
Exemple 12. Pour a ∈ R, on a vu dans l’exemple 4 que l’ensemble des polynômes s’annulant en a était un
espace vectoriel. Soit G l’ensemble des polynômes de degré inférieur ou égal à 2 s’annulant en 1,

G = {P ∈ R2 [X] avec P (1) = 0}

1. Montrer que G est un espace vectoriel.

2. Déterminer une famille génératrice de G.
Solution.

Proposition 2.4 : Règles de calcul

Soient (f1 , . . . , fp , fp+1 ) une famille de vecteurs de E,
(i) Vect (f1 , . . . , fp ) ⊂ Vect (f1 , . . . , fp , fp+1 )
(ii) Si fp+1 est une combinaison linéaire des p autres vecteurs, i.e. fp+1 ∈ Vect(f1 , . . . , fp )

Vect (f1 , . . . , fp ) = Vect (f1 , . . . , fp , fp+1 )

En particulier, Vect (f1 , . . . , fp ) = Vect (f1 , . . . , fp , 0E ).

(iii) Si λ 6= 0, alors
Vect (f1 , . . . , fp ) = Vect (f1 , . . . , λ · fp )

(iv) Si λ1 , . . . , λp−1 ∈ R, alors

 
p−1
X
Vect (f1 , . . . , fp ) = Vect f1 , . . . , λ · fp + λk · fk 
k=1

(v) On peut également échanger deux vecteurs

Vect(f1 , . . . , fi , . . . fj . . . , fp ) = Vect(f1 , . . . , fj , . . . fi . . . , fp )

Un espace vectoriel admettant une famille génératrice admet en fait une infinité de familles génératrices,
certaines étant plus simples que d’autres. Cette proposition est utile pour trouver une famille génératrice
plus simple.

Démonstration. À démontrer en exercice.

9
      
1 2 −4
Exemple 13. Simplifier Vect 1 ,  1  , −1 en effectuant des opérations sur cette famille.
     
2 −1 7

Solution.
     
1 2 −4
Exemple 14. Simplifier Vect 1 ,  1  , −1 en observant qu’un des vecteurs de cette famille est
     
2 −1 7
combinaison linéaire des autres.

Solution.

2.3 Familles libres

2.3.1 Définition

Définition 2.5 : Famille libre, famille liée

Une famille (f1 , . . . , fp ) de vecteurs de E est dite libre si pour tout (λ1 , . . . , λp ) ∈ Rp tel que
p
X
λi · fi = 0E ⇒ ∀i ∈ [[1, p]], λi = 0.
i=1

Une famille qui n’est pas libre est dite liée.

Ceci revient à dire que la seule combinaison linéaire de 0E d’une famille libre (f1 , . . . , fp ) est

0 · f1 + · · · + 0 · fp
     
1 2 −4
Exemple 15. La famille 1 ,  1  , −1 est-elle une famille libre de vecteurs de R3 ?
     
2 −1 7

Solution.

Pour prouver qu’une famille est libre, on est souvent amené à résoudre un système linéaire.

Exemple 16. La famille X 3 − 1, X 2 + X + 1, X − 1 est-elle une famille libre de polynômes de R3 [X] ?

Solution.

Propriété 2.6 : Ecriture unique avec une famille libre

Si une famille (f1 , . . . , fp ) est libre, alors toute combinaison linéaire de (f1 , . . . , fp ) est unique.

p
X p
X p
X
Démonstration. En effet, si x = λi · fi = µi · fi , alors (λi − µi ) · fi = 0E .
i=1 i=1 i=1
D’après la définition d’une famille libre, pour tout i ∈ [[1, p]], λi − µi = 0, et enfin λi = µi . Les deux
combinaisons linéaires sont donc identiques.

10
 Propriété 2.7 : Famille libre
Soit (f1 , . . . , fp ) une famille libre de E et fp+1 ∈ E

(f1 , . . . , fp , fp+1 ) est libre ⇔ fp+1 ∈

/ Vect(f1 , . . . , fp )

On peut aussi écrire

(f1 , . . . , fp , fp+1 ) est liée ⇔ fp+1 ∈ Vect(f1 , . . . , fp )

Démonstration. C’est une conséquence de la proposition 2.4.

En particulier, toute famille contenant le vecteur nul est liée.

Exemple 17. Montrer que X 3 + X + 1, X 3 + X − 1, X 3 + X est famille liée de R3 [X].

Solution.

Familles de polynômes
La proposition qui suit est souvent utilisée pour montrer la liberté d’une famille de polynômes.

Définition 2.8 : Famille de polynômes échelonnée en degré

On dit qu’une famille finie de polynômes non nuls est échelonnée en degré si elle est constituée de
polynômes de degrés deux à deux distincts.

Proposition 2.9 : Famille de polynômes échelonnée en degré

Toute famille de polynômes échelonnée en degré est libre.

Démonstration. Soit (P1 , . . . , Pn ) une famille de polynômes échelonnée en degré. Quitte à permuter les
polynômes, on peut supposer que l’on a

0 ≤ deg(P1 ) < deg(P2 ) < · · · < deg(Pn ).

Soit λ1 , . . . , λn des réels tels que

λ1 P1 + · · · + λn Pn = 0R[X] .
Raisonnons par l’absurde, on suppose que (λ1 , . . . , λn ) 6= (0, . . . , 0). Il existe donc un plus grand indice r tel
que λr 6= 0. On a alors

λ1 P1 + · · · + λr Pr = 0R[X] ⇔ λ1 P1 + · · · + λr−1 Pr−1 = −λr Pr ,

or le polynôme de gauche a pour degré 6 0). Par

max deg(λi Pi ) et celui de droite deg(Pr ) (car λr =
i∈[[1,r−1]]
hypothèse sur le degré des polynômes considérés, on a

max deg(λi Pi ) < deg(Pr ).

i∈[[1,r−1]]

On aboutit donc à une contradiction. Ainsi λ1 = · · · = λn = 0 et donc la famille est libre.

11
2.3.2 Cardinal d’une famille libre

Propriété 2.10 : Sous-famille libre, sur-famille liée

Soit F = (f1 , . . . , fp ) une famille de E
(i) Si F est libre, alors toute sous-famille de F est aussi libre.
(ii) Si F est liée, alors toute sur-famille de F est aussi liée.

Démonstration. (i) Soit (g1 , . . . , gr ) une sous-famille de (f1 , . . . , fp ). Quitte à changer l’ordre de la famille
(f1 , . . . , fp ), on peut supposer que g1 = f1 , . . . , gr = fr . Soient λ1 , . . . λr des réels tels que

λ1 · f1 + · · · + λr · fr = 0E .

En particulier,
λ1 · f1 + · · · + λr · fr + 0 · fr+1 + · · · + 0 · fp = 0E .
Comme la famille (f1 , . . . , fp ) est libre alors tous les scalaires ci-dessus sont nuls et en particulier,
λ1 = · · · = λr = 0. (g1 , . . . , gr ) est bien une famille libre.
(ii) C’est la contraposée du (i).

Exemple 18. La famille X 3 − 1, X − 1 est-elle une famille libre de polynômes de R3 [X] ?

Solution.

Propriété 2.11 : Famille à un vecteur

La famille (f1 ) est libre ⇔ f1 6= 0E

Démonstration. À démontrer en exercice.

Définition 2.12 : Colinéarité

Soit f1 et f2 deux vecteurs de E. On dit que f1 et f2 sont colinéaires si

∃λ ∈ R tel que f1 = λ · f2 ou f2 = λ · f1 .

Propriété 2.13 : Famille à deux vecteurs

La famille (f1 , f2 ) est libre ⇔ f1 et f2 ne sont pas colinéaires.

Démonstration. À démontrer en exercice.

       
1 2 1 2
Exemple 19. 1 et  1  sont non colinéaires, donc la famille 1 ,  1  est libre.
       
2 −1 2 −1
       
1 2 1 2
Exemple 20. 1 et 2 sont colinéaires, donc la famille 1 , 2 est liée.
       
2 4 2 4
Attention, l’argument de colinéarité de la propriété 2.13 n’est valable que pour deux vecteurs.
     
1 2 −4
Exemple 21. 1 ,  1  , −1 est une famille liée et pourtant les vecteurs sont 2 à 2 non colinéaires.
     
2 −1 7

12
2.4 Bases

Définition 2.14 : Base d’un espace vectoriel

Une famille (f1 , . . . , fp ) est une base d’un espace vectoriel E si elle est libre et génératrice.
Autrement dit, pour tout x ∈ E, il existe un unique p-uplet (λ1 , . . . , λp ) ∈ Rp tels que
p
X
x= λi · fi .
i=1

Les scalaires λ1 , . . . , λp sont appelés coordonnées de x dans la base (f1 , . . . , fp ).

On retiendra de cette définition que si une famille B est une base de l’espace vectoriel E, alors
• comme B est génératrice de E, tout vecteur de E s’écrit comme combinaison linéaire des vecteurs de B.
• comme B est libre, cette combinaison linéaire est unique.

Proposition 2.15 : Base de l’espace vectoriel engendré

Soit (f1 , . . . , fp ) une famille de E,

(f1 , . . . , fp ) est une base de Vect(f1 , . . . , fp ) ⇔ (f1 , . . . , fp ) est une famille libre.

Démonstration. À démontrer en exercice.

Nous reprenons les exemples de référence exposés au début du chapitre. Dans ces exemples, nous
rencontrons des bases particulièrement simples que l’on appelle bases canoniques.

Base canonique de Rn
Définissons dans Rn la famille suivante
     
1 0 0
0 1 0
     
0 , e2 = 0 , . . . , en = 0 .
     
e1 = 
 ..   ..   .. 
     
. . .
0 0 1
La famille (e1 , e2 , . . . , en ) est génératrice de Rn et libre, c’est la base canonique de Rn .
Pour x ∈ Rn , il existe un unique n-uplet (x1 , x2 , . . . , xn ) ∈ Rn (coordonnées de x) tels que
 
x1
x 
n  2
x
X  
x= xi e i =  3 

.
i=1  .. 
 . 
xn

Base canonique de Mn,p (R)

Définissons dans Mn,p (R) les matrices Ei,j dont tous les coefficients sont nuls sauf celui de la ième ligne et de
la j ème colonne qui vaut 1.
     
1 0 0 ... 0 0 1 0 ... 0 0 0 0 ... 0
0 0 0 . . . 0 0 0 0 . . . 0 0 0 0 . . . 0
  
  
E1,1 =
 .. .. .. ,
..  E1,2 =
 .. .. .. ,
..  ..., En,p =
 .. .. .. .
.. 
. . . . . . . . . . . .
0 0 0 ... 0 0 0 0 ... 0 0 0 0 ... 1
La famille (E1,1 , E1,2 , . . . , En,p ) est génératrice de Mn,p (R) et libre, c’est la base canonique de Mn,p (R).

13
Base canonique de R[X] (hors programme)
La famille de polynômes
(1, X, X 2 , . . . , X n , . . . )
est génératrice de R[X] par définition de R[X]. Elle est aussi libre puisque tout polynôme s’écrit de manière
unique comme combinaison linéaire de cette famille de vecteurs. Cette famille est appelée la base canonique
de R[X].

Base canonique de Rn [X]

L’ensemble Rn [X] des polynômes de degré inférieur ou égal à n est un sous-espace vectoriel de R[X]. La
famille (1, X, X 2 , . . . , X n ) constitue la base canonique de Rn [X].

Remarque 2.16 : Ordre des vecteurs dans une base

Il faut faire attention à l’ordre des vecteurs d’une base. Si l’on change l’ordre des vecteurs d’une base, on
obtient encore une base, mais une base différente de la base de départ.

Exemple 22. Déterminer les coordonnées de P = 5X 3 + X + 3 dans la base canonique de R3 [X].

Solution.

Définition 2.17 : Matrice colonne des coordonnées dans une base

Soient B une base de E et x ∈ E, il existe un unique p-uplet (λ1 , . . . , λp ) ∈ Rp tels que
p
X
x= λi · fi .
i=1

On appelle matrice colonne des coordonnées de x dans la base B la matrice

 
λ1
λ2 
 
 ..  ∈ Mp,1 (R).
MatB (x) =  
 . 
λp

Comme les coordonnées sur une base sont uniques, chaque vecteur a une unique matrice dans une base et
à chaque matrice correspond un unique vecteur dans une base.

Exemple 23. Calculer la matrice de P = 5X 3 + X + 3 dans la base canonique de R3 [X].

Solution.
       
x1 1 −1 1
Exemple 24. Soit x = x2  ∈ R3 , calculer la matrice de x dans la base B =  1  ,  1  , −1.
       
x3 −1 1 1

Solution.

14