Lycée Bellevue – Toulouse Année 2023-2024

MPSI – Mathématiques

Chapitre B8
Espaces vectoriels

Dans tout ce chapitre, K désigne R ou C. On appelle scalaires ses éléments.

I. Espaces vectoriels

A. Définitions
Un espace vectoriel sur K ou K-espace vectoriel est un ensemble E dont les éléments sont
appelés vecteurs, muni de deux opérations

+ : E × E −→ E et · : K × E −→ E
(u, v) 7−→ u + v (λ, u) 7−→ λu

appelées addition et multiplication par un scalaire, satisfaisant les propriétés suivantes :

• L’addition est commutative : ∀(u, v) ∈ E 2 u+v =v+u

• L’addition est associative : ∀(u, v, w) ∈ E 3 (u + v) + w = u + (v + w)
• Il existe un vecteur de E noté 0E et appelé vecteur nul, vérifiant :
∀u ∈ E u + 0E = 0E + u = u
• Tout vecteur u de E possède un opposé noté −u, satisfaisant :
u + (−u) = (−u) + u = 0E
On note v−u au lieu de v + (−u).
La multiplication par un scalaire vérifie :
• ∀(λ, µ) ∈ K2 ∀u ∈ E (λµ)u = λ(µu)
• ∀(λ, µ) ∈ K2 ∀u ∈ E (λ + µ)u = λu + µu
• ∀λ ∈ K ∀(u, v) ∈ E 2 λ(u + v) = λu + λv
• ∀u ∈ E 1K u = u

Remarques.
(i) L’addition est une loi de composition interne alors que la multiplication par un scalaire
est une loi de composition externe.
(ii) Les quatre premiers points signifient que (E, +) est un groupe abélien.
Ainsi un espace vectoriel est un triplet (E, +, ·) où (E, +) est un groupe abélien et ·
est une loi vérifiant les propriétés ci-dessus.

B. Gonard 1
Chapitre B8. Espaces vectoriels I. Espaces vectoriels

Propositions. Pour tout (u, v) ∈ E 2 et tout (λ, µ) ∈ K2 :

(i) 0K u = 0E
(ii) λ0E = 0E
(iii) (−1K )u = −u
(iv) (λ − µ)u = λu − µu
(v) λ(u − v) = λu − λv

Proposition. Soit u ∈ E et λ ∈ K. Alors :

λu = 0E ⇐⇒ (λ = 0K ou u = 0E )

Démonstrations.

2 B. Gonard
Chapitre B8. Espaces vectoriels I. Espaces vectoriels

B. Espaces vectoriels de référence

• Espace vectoriel des n-uplets à coefficients dans K :

Kn = {(x1 , . . . , xn ) | ∀i = 1, . . . , n xi ∈ K} (n ∈ N)

Si x = (x1 , . . . , xn ) y = (y1 , . . . , yn ) et λ∈K alors :

x + y = (x1 + y1 , . . . , xn + yn ) et λx = (λx1 , . . . , λxn )

Opposé : −x = (−x1 , . . . , −xn ) Vecteur nul : 0Kn = (0, . . . , 0)

Exemples. R2 R3 mais aussi K1 = K K0 = {0}

• Espace vectoriel des matrices de taille (n, p) à coefficients dans K :

Mnp (K) (n, p ∈ N∗ )

Si A = (aij ) 16i6n B = (bij ) 16i6n et λ ∈ K alors :

16j6p 16j6p

A + B = (aij + bij ) 16i6n et λA = (λaij ) 16i6n

16j6p 16j6p

Opposé : −A = (−aij ) 16i6n Vecteur nul : 0Mnp (K) = 0np = (0) 16i6n
16j6p 16j6p

• Espace vectoriel des polynômes à coefficients dans K :

K[X]

+∞ +∞
Si P = Q= et λ ∈ K alors :
X X
k
ak X bk X k
k=0 k=0

+∞ +∞
P +Q= (ak + bk )X k et λP = λak X k
X X

k=0 k=0

+∞ +∞
Opposé : −P = k
Vecteur nul : 0K[X] = 0K X k = 0K
X X
−ak X
k=0 k=0

B. Gonard 3
Chapitre B8. Espaces vectoriels I. Espaces vectoriels

• Espace vectoriel des applications de Ω dans K :

KΩ ou F(Ω, K) (Ω est un ensemble non-vide)

Si f et g sont deux applications de Ω dans K et λ ∈ K alors on définit :

f + g : Ω −→ K et λf : Ω −→ K
x 7−→ f (x) + g(x) x 7−→ λ f (x)

En d’autres termes :

∀x ∈ Ω (f + g)(x) = f (x) + g(x) et (λf )(x) = λ(f (x))

Opposé : −f est l’application x 7→ −f (x) Vecteur nul : 0KΩ est l’application x 7→ 0K

Exemples.
- RR est l’espace vectoriel des applications de R dans R, aussi noté F(R, R).
- RN est l’espace vectoriel des suites indexées par N à valeurs dans R.
Si (un )n∈N et (vn )n∈N sont deux suites et λ un scalaire alors

(un )n∈N + (vn )n∈N = (un + vn )n∈N et λ(un )n∈N = (λun )n∈N

- RΩ avec Ω = {1, . . . , n} est naturellement identifié à l’espace vectoriel Rn .

• Produit cartésien de deux K-espaces vectoriels :

Soit E et F deux K-espaces vectoriels. Le produit cartésien des ensembles E et F est :

E × F = {(x, y) | x ∈ E et y ∈ F }

Il est un K-espace vectoriel si on le munit des opérations suivantes :

Pour tous (x, y), (x0 , y 0 ) éléments de E × F et λ scalaire on pose :

(x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) et λ(x, y) = (λx, λy)

Opposé : −(x, y) = (−x, −y) Vecteur nul : 0E×F = (0E , 0F )

• Produit cartésien de n espaces vectoriels :

Plus généralement, si (Ei )i=1,...,n est une famille d’espaces vectoriels sur K, alors
n
E1 × · · · × En =
Y
Ei
i=1

est un K-espace vectoriel, muni des opérations évidentes d’addition et de multiplication

par un scalaire termes à termes.

4 B. Gonard
Chapitre B8. Espaces vectoriels II. Sous-espaces vectoriels

II. Sous-espaces vectoriels

A. Définition
Définition. Soit E un espace vectoriel sur K. Un sous-espace vectoriel de E est une partie
F de E non-vide, stable par addition et par multiplication par un scalaire, i.e., telle que :
∀(u, v) ∈ F 2 u+v ∈F
∀u ∈ F ∀λ ∈ K λu ∈ F
Proposition (Caractérisation des sous-espaces vectoriels). Un ensemble F est un
sous-espace vectoriel de E si et seulement si :
(i) F ⊆ E
(ii) 0E ∈ F
(iii) ∀(u, v) ∈ F 2 ∀λ ∈ K λu + v ∈ F
Démonstration. Si F est une partie non-vide de E alors elle contient un vecteur u. comme
0K ∈ K alors 0K u ∈ F , donc 0E ∈ F .
Le reste se démontre facilement. 
Remarque. Pour démontrer qu’un ensemble F est un sous-espace vectoriel de E on utilise
la caractérisation plutôt que la définition.
Proposition. Si F est un sous-espace vectoriel de E alors F est un espace vectoriel.
Démonstration. Comme F est stable par les lois d’addition et de multiplication par un
scalaire de E, alors par restriction ces lois donnent des lois :

+:F ×F →F et ·:K×F →F

Comme elles vérifient les axiomes de définition d’un espace vectoriel dans E alors elles
vérifient aussi ces lois dans F . 
Remarque. Pour démontrer qu’un ensemble E est un espace vectoriel, il est souvent
plus facile de vérifier qu’il est un sous-espace vectoriel d’un espace vectoriel de référence,
comme Rn , F(I, R), RN ou R[X].
Définition. Soit u1 , u2 , . . . , un des éléments de E et λ1 , λ2 , . . . , λn des scalaires. Alors le
vecteur
λ1 u1 + λ2 u2 + · · · + λn un
est appelé combinaison linéaire des vecteurs u1 , u2 . . . un .
Remarques.
(i) Une combinaison linéaire de plusieurs vecteurs d’un espace vectoriel est élément de cet
espace vectoriel, car un sous-espace vectoriel est stable par addition et multiplication
par un scalaire.
(ii) Un sous-espace vectoriel de E est une partie non-vide de E stable par combinaisons
linéaires.

B. Gonard 5
 Chapitre B8. Espaces vectoriels II. Sous-espaces vectoriels

B. Exemples
Remarque. Quel que soit l’espace vectoriel E, les ensembles {0E } et E sont deux sous-
espaces vectoriels de E.
Exemples géométriques.
(i) Soit ~u un vecteur non-nul de R2 . L’ensemble des combinaisons linéaires de ~u est
l’ensemble :
{ λ~u | λ ∈ R}
Il s’agit de la droite passant par l’origine, de vecteur directeur ~u.
C’est un sous-espace vectoriel de R2 .

(ii) Soit ~u et ~v deux vecteurs de R3 . L’ensemble des combinaisons linéaires de ~u et ~v est

l’ensemble n o
λ~u + µ~v | (λ, µ) ∈ R2
Si ~u et ~v ne sont pas colinéaires alors il s’agit du plan contenant l’origine, dirigé par
les vecteurs ~u et ~v .

Remarques.
(i) Les sous-espaces vectoriels de R2 sont {0R2 }, les droites passant par 0R2 = (0, 0) et
R2 tout entier.
(ii) Les sous-espaces vectoriels de R3 sont {0R3 }, les droites passant par 0R3 = (0, 0, 0),
les plans contenant 0R3 , et R3 tout entier.
Exemple 1. Rn [X] est un sous-espace vectoriel de R[X].
Exemple 2. C 0 (R, R), l’ensemble des fonctions continues de R dans R, est un sous-espace
vectoriel de F(R, R). De même pour C n , C ∞ , etc.
B Exercices 1, 2, 3.

6 B. Gonard
Chapitre B8. Espaces vectoriels II. Sous-espaces vectoriels

C. Intersection de sous-espaces vectoriels

Proposition. Soit (Fi )i∈I une famille de sous-espaces vectoriels d’un espace vectoriel E.
Alors Fi est un sous-espace vectoriel de E.
T
i∈I

Démonstration.

D. Sous-espace vectoriel engendré par une famille finie de vecteurs

Définition. Soit E un K-espace vectoriel, et F = (u1 , . . . , un ) une famille de vecteurs de
E. On note Vect (F) l’ensemble des combinaisons linéaires d’éléments de F :

Proposition. L’ensemble Vect (F) est un sous-espace vectoriel de E.

Définition. Si F est une famille de vecteurs d’un espace vectoriel E alors l’ensemble
Vect (F) est appelé sous-espace vectoriel de E engendré par F.
Exemples.
(i) Dans E = R2 :

F = Vect (u) est

G = Vect (u, v) est

(ii) Dans E = K[X] :

Vect (1, X) = Vect (1) = K2 [X] =

B. Gonard 7
 Chapitre B8. Espaces vectoriels II. Sous-espaces vectoriels

(iii) Dans E = M2 (K), soit :

1 0 0 1 0 0 0 0
! ! ! !
E11 = E12 = E21 = E22 =
0 0 0 0 1 0 0 1

Alors :

Vect (E11 , E22 ) = Vect (E11 , E12 , E22 ) =

Vect (E11 , E21 , E22 ) = Vect (E11 , E12 , E21 , E22 ) =

Démonstration de la proposition.

Remarque. L’espace vectoriel engendré par l’ensemble vide est le plus petit espace vec-
toriel possible :

Vect (∅) =

B Exercice 4.
Exemple 3. Soit E = R3 u = (1, 3, 1) v = (−1, −1, 0) w = (0, 4, 2).
Quel est le sous-espace vectoriel F de E engendré par u, v, et w ?

8 B. Gonard
Chapitre B8. Espaces vectoriels II. Sous-espaces vectoriels

Remarques. Soit F et G deux familles finies de vecteurs de E et w un vecteur de E.

(i) Si w ∈ Vect (F) alors Vect (F ∪ {w}) =

(ii) Si F ⊆G alors Vect (F)

Propositions. Soit F une famille finie de vecteurs de E. Alors :

(i) Vect (F) est le plus petit sous-espace vectoriel de E contenant F.
(ii) Vect (F) est l’intersection de tous les sous-espaces vectoriels de E contenant F.
Remarque. Le point (i) signifie : Soit F une famille finie de vecteurs de E et G un
sous-espace vectoriel de E. Alors :

Démonstration. (ii) Soit F l’intersection des sous-espaces vectoriels de E contenant F :

F =
\
G
G sev de E
F ⊆G

Comme Vect (F) est un sous-espace vectoriel de E contenant F, alors F ⊆ Vect (F).
Pour démontrer l’inclusion réciproque, choisissons un élément u de Vect (F) :

u = λ1 u1 + · · · + λn un

où les λi sont des scalaires et les ui appartiennent à F.

Les ui appartiennent alors à tous les sous-espaces vectoriels G de E contenant F. Comme
ceux-ci sont des sous-espaces vectoriels, ils sont stables par combinaison linéaire et donc
contiennent tous u. Ainsi u est élément de F .
On en déduit que Vect (F) ⊆ F , puis par double inclusion F = Vect (F).
(i) Nous savons que Vect (F) est un sous-espace vectoriel contenant F. D’après ce qui
précède, il est clair que si G est un autre sous-espace vectoriel de E contenant F alors
Vect (F) ⊂ G, car Vect (F) est l’intersection de tous les tels sous-espaces vectoriels.
Ceci signifie que Vect (F) est le plus petit sous-espace vectoriel de E contenant F. 

B. Gonard 9
Chapitre B8. Espaces vectoriels III. Sommes de sous-espaces vectoriels

III. Sommes de sous-espaces vectoriels

A. Somme
Remarque. En général F ∪ G n’est pas un sous-espace vectoriel de E, comme le montre
l’exemple de deux droites non confondues de R2 .
Notation. Soit F et G deux sous-espaces vectoriels de E. On note F + G l’ensemble des
sommes d’un élément de F et d’un élément de G :

Proposition. Si F et G sont des sous-espaces vectoriels de E alors F + G est un sous-

espace vectoriel de E.
Définition. Le sous-espace vectoriel F + G de E est appelé somme de F et de G.

Démonstration.
(i) Si F et G sont inclus dans E, alors tout élément u de F et tout élément v de G est
élément de E. Comme celui-ci est stable par addition, car c’est un espace vectoriel,
alors u + v ∈ E. Ceci montre l’inclusion F + G ⊆ E.
(ii) Comme F et G sont des sous-espaces vectoriels de E alors ils contiennent 0E . Or
0E = 0E + 0E , donc 0E ∈ F + G.
(iii) Soit w1 et w2 deux éléments de F + G et λ un scalaire. Alors il existe (u1 , u2 ) ∈ F 2 et
(v1 , v2 ) ∈ G2 tels que w1 = u1 + v1 et w2 = u2 + v2 . Par les propriétés des opérations
sur les espaces vectoriels :
λw1 + w2 = λ(u1 + v1 ) + (u2 + v2 ) = (λu1 + u2 ) + (λv1 + v2 )
Comme F est un sous-espace vectoriel alors λu1 + u2 ∈ F , comme G est un sous-
espace vectoriel alors λv1 + v2 ∈ G, donc λw1 + w2 ∈ F + G. Ainsi F + G est stable
par combinaisons linéaires.
Finalement, F + G est un sous-espace vectoriel de E. 
Remarques.
(i) La somme F + G contient F et G :

10 B. Gonard
 Chapitre B8. Espaces vectoriels III. Sommes de sous-espaces vectoriels

(ii) Pour tout sous-espace vectoriel F de E :

F + {0E } = F +E = F +F =

B Exercice 5.
Exemple 4. Soit E = R3 , ~u1 = (1, 1, 0), ~u2 = (0, 2, 1), F = Vect (~u1 ) et G = Vect (~u2 ).
Donner une équation de F + G.
Remarque. Si F et G sont deux familles de vecteurs de E alors :

Vect (F) + Vect (G) =

B. Somme directe
Définition. Soit F et G deux sous-espaces vectoriels d’un espace vectoriel E.
On dit que F et G sont en somme directe ou que la somme F + G est directe si tout
élément de F + G s’écrit de manière unique comme somme d’un élément de F et d’un
élément de G.

Proposition. Les sous-espaces vectoriels F et G sont en somme directe si et seulement

si F ∩ G = {0E }.
Démonstration.

T. S. V. P.

B. Gonard 11
 Chapitre B8. Espaces vectoriels III. Sommes de sous-espaces vectoriels

B Exercice 6.

C. Supplémentaires
Définition. Deux sous-espaces vectoriels F et G d’un espace vectoriel E sont dits sup-
plémentaires si tout élément de E s’écrit de façon unique comme somme d’un élément de
F et d’un élément de G :

Exemple 5. Soit
E = R2 F = {(x, 0) | x ∈ R} = Vect (~ı) G = {(0, y) | y ∈ R} = Vect (~) .
Alors F et G sont supplémentaires.
Notation. Si F et G sont supplémentaires alors on note :

Exemple 6. Soit E = R3 puis

n o n o  
F = (x, y, 0) | (x, y) ∈ R2 = Vect (~ı, ~) G = (0, y, z) | (y, z) ∈ R2 = Vect ~, ~k .
Alors E = F + G mais cette somme n’est pas directe.
Théorème. Deux sous-espaces vectoriels F et G de E sont supplémentaires si et seule-
ment si E = F + G et F ∩ G = {0E } :

Démonstration. Conséquence des deux parties précédentes. 

Remarques.
(i) Il est possible d’avoir E = F ⊕ G = F ⊕ H avec G et H différents.
Dans ce cas G est un supplémentaire de F , et H en est un autre.
Pour cette raison il est incorrect d’écrire le supplémentaire de F , il faut écrire un
supplémentaire de F .
(ii) Dans tous les cas : E = E ⊕ {0E }.
(iii) Il ne faut pas confondre supplémentaire et complémentaire.
En effet le complémentaire d’un sous-espace vectoriel n’est jamais un sous-espace
vectoriel, car il ne contient pas 0E .
B Exercice 7.

12 B. Gonard
 Chapitre B8. Espaces vectoriels IV. Familles de vecteurs

IV. Familles de vecteurs

Dans toute cette partie E désigne un espace vectoriel sur K.

A. Familles génératrices
Définition. Soit F = (u1 , . . . , up ) une famille de vecteurs de E. On dit que la famille F
est génératrice de E si E = Vect (F).
Exemple 7. Parmi les familles suivantes de vecteurs de R3 :

F1 = ((1, 0, 0), (0, 1, 0)) F2 = ((1, 0, 0), (0, 1, 0), (2, 0, 0))

F3 = ((1, 0, 0), (0, 1, 0), (0, 1, 1)) F4 = ((1, 0, 0), (0, 1, 0), (0, 0, 0))

F5 = ((1, 0, 0), (0, 1, 0), (2, 0, 0), (0, 0, 1))

Celles qui sont génératrices de R3 sont

Proposition. Si (u1 , . . . , up ) est génératrice de E et si up est combinaison linéaire des

vecteurs u1 , . . . , up−1 alors la famille (u1 , . . . , up−1 ) est génératrice de E.
Démonstration. Comme up est combinaison linéaire des vecteurs u1 , . . . , up−1 alors il existe
des scalaires α1 , . . . αp−1 tels que :

up = α1 u1 + · · · + αp−1 up−1

Comme la famille (u1 , . . . , up ) est génératrice de E alors pour tout u de E il existe des
scalaires λ1 , . . . , λp tels que :
u = λ1 u1 + · · · + λp up
Ceci donne :
u = (λ1 + λp α1 )u1 + · · · + (λp−1 + λp αp−1 )up−1
Ainsi tout vecteur u de E est combinaison linéaire des vecteurs u1 , . . . , up−1 et donc que
la famille (u1 , . . . , up−1 ) est génératrice de E. 
Proposition. Soit F et G deux famille de vecteurs de E telles que F ⊆ G.
Si F est génératrice de E alors G est génératrice de E.
Démonstration. En effet, si F ⊆ G alors Vect (F) ⊆ Vect (G).
Donc si E = Vect (F) alors E ⊆ Vect (G) ⊆ E, donc E = Vect (G) et G est génératrice de
E. 
Exemple 8. Donner une famille génératrice de :
(i) F = {(x, y) ∈ R2 | 3x + 2y = 0}.
(ii) G = {(x, y, z) ∈ R3 | 2x − 5y + 4z = 0}
B Exercice 8.

B. Gonard 13
Chapitre B8. Espaces vectoriels IV. Familles de vecteurs

Proposition. Soit F un sous-espace vectoriel de E, et F un famille génératrice de F .

Alors F est invariant par opérations élémentaires sur les vecteurs de F.
Plus précisément, si F = (u1 , . . . , up ) alors :
• Pour tout (i, j) ∈ {1, . . . , p}2 avec i 6= j et α ∈ K :

F = Vect (u1 , . . . , ui−1 , ui + αuj , ui+1 , . . . , up )

• Pour tout i ∈ {1, . . . , p} et λ ∈ K∗ :

F = Vect (u1 , . . . , ui−1 , λui , ui+1 , . . . , up )

• Pour tout (i, j) ∈ {1, . . . , p}2 avec i < j :

F = Vect(u1 , . . . , uj , . . . , ui , . . . , up )
(i) (j)

Démonstration. Soit F 0 la famille obtenue par opération élémentaire sur les élément de
F, et F 0 = Vect (F 0 ).
On vérifie que F 0 ⊆ Vect (F) et F ⊆ Vect (F 0 ).
Par propriété ceci implique F 0 ⊆ F et F ⊆ F 0 , donc F = F 0 . 
Proposition. Soit F et G deux sous-espaces vectoriels de E. Si F est une famille géné-
ratrice de F et G est une famille génératrice de G, alors F ∪ G est une famille génératrice
de F + G.
Démonstration. On note F = (u1 , . . . , up ) et G = (v1 , . . . , vq ). Comme F est une famille
génératrice de F et G est une famille génératrice de G alors

F = {λ1 u1 + · · · + λp up | (λ1 , . . . , λp ) ∈ Kp }
et G = {µ1 v1 + · · · + µq vq | (µ1 , . . . , µq ) ∈ Kq }

Par définition : F + G = {u + v | (u, v) ∈ F × G}

Donc F + G = {λ1 u1 + · · · + λp up + µ1 v1 + · · · + µq vq | (λ1 , . . . , λp , µ1 , . . . , µq ) ∈ Kp+q }
= Vect (u1 , . . . , up , v1 , . . . , vq )
= Vect (F ∪ G)
Ceci montre bien que la famille F ∪ G est génératrice de F + G. 

14 B. Gonard
 Chapitre B8. Espaces vectoriels IV. Familles de vecteurs

B. Familles libres
Définitions. Soit F = (u1 , . . . , up ) une famille de vecteurs de E. On dit que la famille F
est libre si :

Dans ce cas on dit aussi que les vecteurs u1 , . . . , up sont linéairement indépendants.
Si la famille F n’est pas libre, on dit qu’elle est liée, ou que les vecteurs u1 , . . . , up sont
linéairement dépendants.
Proposition. Une famille est liée si et seulement si un de ses vecteurs est combinaison
linéaire des autres.
Démonstration.

Exemple 7 (suite).

Parmi les familles F1 à F5 celles qui sont libres sont

B Exercices 9, 10.

B. Gonard 15
Chapitre B8. Espaces vectoriels IV. Familles de vecteurs

Proposition. Soit u1 , . . . , up+1 des vecteurs de E.

(i) Si la famille (u1 , . . . , up+1 ) est libre alors la famille (u1 , . . . , up ) est libre.
(ii) Si la famille (u1 , . . . , up ) est liée alors la famille (u1 , . . . , up+1 ) est liée.
(iii) Si la famille (u1 , . . . , up ) est libre alors la famille (u1 , . . . , up+1 ) est liée si et seulement
si up+1 est combinaison linéaire de u1 , . . . , up .
Démonstration. La propriété (ii) est conséquence de la propriété précédente, la propriété
(i) est la contraposée de la propriété (ii).
Démontrons la propriété (iii).
Supposons que la famille (u1 , . . . , up ) est libre et que la famille (u1 , . . . , up+1 ) est liée.
Alors il existe (λ1 , . . . , λp+1 ) ∈ Kp+1 \ {0Kp+1 } tel que λ1 u1 + · · · + λp+1 up+1 = 0E .
Si λp+1 = 0 alors λ1 u1 + · · · + λp up = 0E , ce qui implique λ1 = · · · = λp = 0 car la famille
(u1 , . . . , up ) est libre. Mais la famille (λ1 , . . . , λp+1 ) est supposée non-nulle, donc on ne
peut avoir λp+1 = 0.
p  
Ainsi λp+1 6= 0, donc up+1 = ui , i.e., up+1 est combinaison linéaire de u1 , . . . , up .
X
λi
− λp+1
i=1
Réciproquement, si la famille (u1 , . . . , up ) est libre et up+1 est combinaison linéaire de
u1 , . . . , up alors la famille (u1 , . . . , up+1 ) est liée d’après la proposition précédente. 
Proposition.
• La famille vide est libre.
• Soit u un vecteur de E. Alors la famille (u) est libre si et seulement si u est non-nul.
• Soit u et v deux vecteurs de E. La famille (u, v) est libre si et seulement si aucun des
deux vecteurs n’est colinéaire à l’autre.
En d’autres termes, la famille (u, v) est liée s’il existe λ ∈ K tel que u = λv ou s’il
existe λ ∈ K tel que v = λu.
Proposition. Une famille de polynômes non-nuls de degrés distincts est libre.
Démonstration. Soit (Pi )i=0...n une famille de polynômes non-nuls de degrés distincts.
Quitte à permuter les polynômes Pi on peut supposer qu’ils sont de degrés strictement
croissants.
n
Soit (λi )i=0,...,n une famille de scalaires telle que : λi Pi = 0K[X]
X

i=0
Supposons que cette famille n’est pas la famille nulle. Il existe alors un indice m maximal
tel que λm est non-nul, et donc :
m m−1
λi
λi Pi = 0K[X] puis Pm = −
X X
Pi
i=0 i=0 λm

Comme la famille (P0 , . . . , Pn ) est de degrés strictement croissants alors les degrés de
P0 , . . . , Pm−1 sont strictement inférieurs à celui de Pm donc :
m−1
!
λi
deg − Pi 6 max {deg Pi | i = 0 . . . m − 1} < deg Pm
X

i=0 λm

Ceci est une contradiction, donc la famille (λi )i=0...n est nulle, et ainsi la famille (Pi )06i6n
est libre. 

16 B. Gonard
 Chapitre B8. Espaces vectoriels IV. Familles de vecteurs

Définition. Une famille (P0 , . . . , Pn ) de polynômes est dite de degrés échelonnés si la

suite (deg Pi )i=0...n est strictement croissante.
Corollaire. Une famille de polynômes non-nuls de degrés échelonnés est libre.
Exemple 9. Soit E = RR , et f1 , f2 , f3 les trois vecteurs de E définis par :
π
 
∀x ∈ R f1 (x) = cos x f2 (x) = sin x f3 (x) = cos x +
3
Alors la famille (f1 , f2 ) est libre.
B Exercice 11.

C. Bases
Définition. Soit F = (u1 , . . . , up ) une famille de vecteurs de E. On dit que la famille F
est une base de E si elle est libre et génératrice.
Exemple 7 (suite).

Parmi les familles F1 à F5 les bases sont

Théorème. Soit B = (u1 , . . . , un ) une base de E et u un vecteur de E.

Alors il existe un unique n-uplet (λ1 , . . . , λn ) de scalaires tel que :
u = λ1 u1 + · · · + λn un
Définition. On appelle coordonnées de u dans la base B ce n-uplet.
Démonstration.

B. Gonard 17
 Chapitre B8. Espaces vectoriels IV. Familles de vecteurs

Proposition. Soit B = (u1 , . . . , un ) une famille de vecteurs de E. Si pour tout u ∈ E il

existe un unique n-uplet (λ1 , . . . , λn ) de scalaires tel que u = λ1 u1 + · · · + λn un alors B
est une base de E.
Démonstration. La famille B est génératrice car tout vecteur de E est combinaison linéaire
de ses vecteurs.
Démontrons qu’elle est libre. Soit (λ1 , . . . , λn ) un n-uplet de scalaires tel que :

λ1 u1 + · · · + λn un = 0E

Par hypothèse 0E s’écrit de façon unique comme combinaison linéaire des ui . Or :

0K u1 + · · · + 0K un = 0E

Par unicité on obtient :

λ1 = · · · = λn = 0K
Ceci montre que la famille B est libre.
La famille B est libre et génératrice de E donc c’est une base de E. 
Exemple 10. Dans E = R3 on pose :
B1 = ((1, 0, 0), (0, 1, 0), (0, 0, 1)) B2 = ((1, 0, 0), (1, 1, 0), (1, 1, 1)) u = (9, 3, 7)
Alors les deux familles B1 et B2 sont des bases de E.
Quelles sont les coordonnées de u dans ces bases ?
B Exercice 12.

D. Base canonique
Définition. Soit E = Kn . Pour i = 1, . . . , n on note ei le vecteur ne contenant que des 0
sauf un 1 en i-ème position :

Alors la famille Bc = (e1 , . . . , en ) est une base de Kn , appelée base canonique de Kn .

Les coordonnées du vecteur u = (a1 , . . . , an ) dans cette base sont (a1 , . . . , an ).
Définition. Soit E = Kn [X], où n ∈ N. Alors la famille

est une base de E, appelée base canonique de Kn [X].

n
Les coordonnées du polynôme ak X k dans cette base sont (a0 , . . . , an ).
X

k=0

Définition. Soit E = Mnp (K). On note Eij la matrice ne contenant que des zéros, sauf
un 1 en position (i, j).

18 B. Gonard
 Chapitre B8. Espaces vectoriels IV. Familles de vecteurs

La famille (Eij | 1 6 i 6 n, 1 6 j 6 p) est une base de E, appelée base canonique de

Mnp (K).
Exemple. La base canonique de M2 (R) est (E11 , E12 , E21 , E22 ).

4 −6
!
Les coordonnées de A = dans cette base sont
0 3

Remarque. Les espaces vectoriels RN et RR n’ont pas de base canonique.

B Exercices 13, 14.

E. Dimension
Définition. Un espace vectoriel est dit de dimension finie s’il admet une famille généra-
trice finie.
Théorème.
(i) Si un espace vectoriel est de dimension finie alors il admet une base.
(ii) Dans ce cas toutes ses bases ont le même cardinal.
Définition. On appelle dimension de E et on note dim E le cardinal de ses bases.
Remarque. La démonstration et la suite au chapitre B10 : dimension.
Exemple 11. Les espaces vectoriels Kn , Kn [X] et Mnp (K) sont de dimensions finies, et :

dim Kn = dim Kn [X] = dim Mnp (K) =

F. Extension aux familles infinies

On note toujours E un espace vectoriel sur K.
Définition. Soit E une partie de E. Une combinaison linéaire d’éléments de E est une
combinaison linéaire d’un nombre fini d’éléments de E.
n o
Exemple. Tout polynôme de K[X] est combinaison linéaire d’éléments de X k k∈N .
Définition. Soit E une partie de E.
On note Vect (E) l’ensemble des combinaisons linéaires d’éléments de E.

B. Gonard 19
Chapitre B8. Espaces vectoriels IV. Familles de vecteurs

Proposition. Pour toute partie E de E l’ensemble Vect (E) est un sous-espace vectoriel
de E.
Démonstration. La démonstration est identique au cas où la partie E est finie. On remarque
que la somme de deux combinaisons linéaires d’éléments de E est une combinaison linéaire
d’éléments de E, car l’union de deux ensembles finis est un ensemble fini. 
Remarques.
(i) Comme pour le cas fini, Vect (E) est le plus petit sous-espace vectoriel de E contenant
E, ou l’intersection de tous les sous-espaces vectoriels de E contenant E.
(ii) Soit F un sous-espace vectoriel de E. On dit que E est une partie génératrice de F si
F = Vect (E).
Notation. Soit I un ensemble infini.
(i) On note KI l’ensemble des familles de scalaires indexées par I :
KI = {(λi )i∈I | ∀i ∈ I λi ∈ K}
(ii) On note K(I) l’ensemble des familles presque nulles de scalaires indexées par I, c’est-
à-dire des familles dont tous les termes sont nuls sauf un nombre fini d’entre eux.
Remarque. Si λ = (λi )i∈I est une famille de KI alors le support de λ est l’ensemble des
indices i pour lesquels λi est non-nul. C’est une partie de I.
Ainsi les familles presque nulles sont les familles à support fini.
Exemples.
(i) Dans le cas où I = N : une suite (λn )n∈N est presque nulle si et seulement si elle est
nulle à partir d’un certain rang.
(ii) On peut définir l’ensemble K[X] par :
 
X 
K[X] = ak X k (ak )k∈N ∈ K(N)
 
k∈N

Définition. Soit E une partie de E

(i) On dit que E est libre si toute famille finie d’éléments de E est libre.
(ii) On dit que E est liée si elle n’est pas libre, ce qui signifie qu’il existe une famille finie
d’éléments de E linéairement dépendants.
Exemple 12. Pour tout a ∈ R∗+ on pose fa (x) = ax .
n o
Démontrer que la famille A = fa | a ∈ R∗+ est une famille libre de F(R, R).
Remarque. Comme dans le cas fini, une base de E est une famille E = (ei )i∈I libre et
génératrice de E.
Dans le cas où I est infini, tout vecteur s’écrit de façon unique comme combinaison linéaire
d’éléments de cette famille, ce qui donne en terme de familles presque nulles :
∃!(λi )i∈I ∈ K(I) u=
X
∀u ∈ E λi ei
i∈I

Les λi sont toujours appelés coordonnées de u dans la base E.

n o
Exemple. La famille Xk k ∈ N est une base de K[X], appelée base canonique de
K[X].

20 B. Gonard
Chapitre B8. Espaces vectoriels V. Sous-espaces affines

V. Sous-espaces affines
On note toujours E un espace vectoriel.

A. Définitions
Définition. Soit a un vecteur de E. La translation de E de vecteur a est l’application :

Propositions.
(i) Pour tous vecteurs a et b de E : ta ◦ tb = tb ◦ ta = ta+b
(ii) La translation ta est bijective de réciproque t−a .
Définition. Un sous-espace affine de E est un sous-ensemble de la forme :

où a est un élément de E et F est un sous-espace vectoriel de E.

Remarques.
(i) Ainsi le sous-espace affine A = a + F est l’image du sous-espace vectoriel F par la
translation de vecteur a : A = ta (F )

(ii) Tout singleton {a} avec a ∈ E est un sous-espace affine de E, appelé point de E.
L’image d’un point par une translation est un point.
On peut donc additionner un point et un vecteur, la somme est un point :
−→
Si A est un point et ~u est un vecteur alors B = A + ~u est le point tel que ~u = AB.
On constate que tout élément de E peut être considéré comme un point ou un vecteur.
Exemple 13.
(i) Soit E = R2 . Alors la droite A d’équation y = 2x − 5 est un sous-espace affine.
En effet on peut poser F = Vect ((1, 2)) et a = (0, −5), alors A = a + F .
Plus généralement, les sous-espaces affines de R2 sont les points du plan, les droites
du plan, et le plan tout entier.
(ii) De même les sous-espaces affines de R3 sont les points, les droites, les plans et l’espace
tout entier.

B. Gonard 21
Chapitre B8. Espaces vectoriels V. Sous-espaces affines

Proposition. Soit a et b deux points de E, F et G deux sous-espaces vectoriels de E.

Si a + F = b + G alors F = G et b − a ∈ F .
Remarque. En conséquence le sous-espace vectoriel définissant un sous-espace affine A
est uniquement déterminé.
Par contre le point a peut être remplacé par n’importe quel point de A.
Définition. Si A = a+F est un sous-espace affine de E alors on dit que F est la direction
de A, ou que A est dirigé par F .
Démonstration.

B. Exemples
Proposition. Soit S un système linéaire de n équations à p inconnues.
Soit Sh le système linéaire homogène associé.

+ · · · + a1p xp = b1 + · · · + a1p xp = 0
 
 a x
 11 1
a x
 11 1

. .. .. .. .. ..
 
S: .. . . Sh :  . . .
a x + ··· + a x = b a x + ··· + a x = 0

 
n1 1 np p n n1 1 np p

Alors l’ensemble des solutions de S est un sous-espace affine de Kp .

Sa direction est l’ensemble des solutions du système homogène Sh .
Exemple 14. Résolution du système linéaire :
x + 3y − 2z = 5
(

2x + 5y − z = 4

22 B. Gonard
Chapitre B8. Espaces vectoriels V. Sous-espaces affines

Démonstration. Notons F l’ensemble des solutions du système linéaire homogène Sh .

En utilisant la caratérisation on démontre que F est un sous-espace vectoriel de Kp .
En effet F est inclus dans Kp , il contient son vecteur nul, et il est stable par addition et
multiplication par un scalaire.
Supposons que S est non-vide. Il admet alors au moins un élément x = (x1 , . . . , xp ), qui
est solution de S.
Si y = (y1 , . . . , yp ) est une solution de Sh alors par addition x + y est une solution de S,
donc x + F ⊆ S.
Réciproquement, soit y = (x1 , . . . , xp ) une solution de S.
Par soustraction y − x = (y1 − x1 , . . . , yp − xp ) est solution de Sh , donc appartient à F .
Or y = x + (y − x) donc y ∈ x + F , et on en déduit que S ⊆ x + F .
Ainsi S = x + F : S est un sous-espace affine de Kp . 
Proposition.
(i) Soit I un intervalle de R, a et b deux fonctions continues définies sur I. Alors l’en-
semble des solutions de l’équation différentielle :

y 0 − a(t)y = b(t)

est un sous-espace affine de F(I, R) l’ensemble des fonctions de I dans R.

Sa direction est l’ensemble des solutions de l’équation différentielle homogène associée.
(ii) Soit a, b, c trois réels, et d : R → R une fonction continue sur R. Alors l’ensemble
des solutions de l’équation différentielle

ay 00 + by 0 + cy = d(t)

est un sous-espace affine de F(R, R), de direction l’ensemble des solutions de l’équa-
tion différentielle homogène associée.
Remarque. Dans les deux cas ci-dessus, l’ensemble des solutions s’écrit :

S = {y1 + y0 | y0 ∈ Sh } = y1 + Sh

où y1 est une solution particulière de l’équation différentielle et Sh est l’ensemble des

solutions de l’équation homogène, lequel est un sous-espace vectoriel de l’ensemble des
fonctions de I ou de R dans R.

B. Gonard 23
 Chapitre B8. Espaces vectoriels V. Sous-espaces affines

C. Intersection de sous-espaces affines

Proposition. Soit A = a + F et B = b + G deux sous-espaces affines de E, avec a, b
points de E et F , G sous-espaces vectoriels de E.
Alors l’intersection A ∩ B est :
• soit vide
• soit un sous-espace affine de direction F ∩ G.

Démonstration. Supposons que A ∩ B est non-vide. On note c un élément de A ∩ B.

Démontrons qu’alors A ∩ B = c + F ∩ G.
Soit d ∈ A ∩ B. Comme c ∈ A ∩ B alors c et d sont deux points de A et de B, donc
d − c ∈ F et d − c ∈ G, puis d − c ∈ F ∩ G, et donc d ∈ c + F ∩ G.
On a démontré que A ∩ B ⊆ c + F ∩ G.
Pour démontrer l’inclusion réciproque, notons d un élément de c + F ∩ G.
Alors il existe w ∈ F ∩ G tel que d = c + w.
Comme c ∈ A alors il existe u ∈ F tel que c = a + u. Ainsi d = a + u + w, avec u + w ∈ F ,
donc d ∈ A.
De même on démontre que d ∈ B, donc d ∈ A ∩ B.
On en déduit c + F ∩ G ⊆ A ∩ B, et par double inclusion A ∩ B = c + F ∩ G 
B Exercice 15.

24 B. Gonard