Chapitre 18 PTSI - Lycée de l’Europe

Espaces vectoriels Mathématiques 2024-2025

Chapitre 18 - Espaces vectoriels

Les Anciens ont été, les Anciens sont, et les Anciens seront. Non dans les espaces que nous connaissons,
mais entre eux. Ils vont sereins et primordiaux, sans dimensions et invisibles à nos yeux.
H.P. Lovecraft
Depuis le début de l’année on a rencontré de nombreux problèmes et objets reliés à la linéarités
(systèmes linéaires, équations différentielles linéaires, intégrales). On va expliquer tout cela dans les cha-
pitres d’algèbre linéaire. Tout ceci est relié à une strcture algébrique particulière, la structure d’espace
vectoriel. Les objectifs de ces chapitres sera donc de
— Introduire le cadre de l’algèbre linéaire.
— Généraliser les objets de la géométrie du plan et de l’espace : vecteurs, bases, droites, plans, etc.
— Relier ces notions aux matrices
Dans tout le chapitre, on notera K quand on voudra désigner R ou C.

1 Structure d’espace vectoriel

1.1 Définition
→
−
Commençons par un exemple introductif. Soit P l’ensemble des vecteurs du plan R2 . On peut définir
— une addition entre deux vecteurs (via la règle du parallélogramme).
— le produit d’un vecteur par un scalaire.
Ces deux opérations sont reliées par des relations de distributivité vues dans le chapitre sur la géométrie.
D’un point de vue numérique, tout vecteur du plan peut être repéré par le couple de ses coordonnées
dans une base donnée. On peut alors vérifier que, pour → −u : (x1 , y1 ), →
−
v : (x2 , y2 ), λ ∈ R, on a →
−
u +→
−v :
→
−
(x1 + x2 , y1 + y2 ) et λ u : (λx1 , λy1 ).
Définition 1.1 (Espace vectoriel)

Soit E un ensemble non vide muni de deux opérations

— l’addition : + : E × E → E
— la multiplication par un scalaire : · : K × E → E
E est un K−espace vectoriel si toutes les conditions suivantes sont respectées :
— Pour l’addition :
— Associativité : ∀(→
−u,→ −
v ,→
−w ) ∈ E 3 , (→
−
u +→−v)+→ −w =→ −u + (→
−
v +→−
w ).
— →
− →
− 2 →
− →
−
Commutativité : ∀( u , v ) ∈ E , u + v = v + u . →
− →
−
— Élément neutre : il existe un élément (noté 0E ) tel que ∀→
−
u ∈ E, 0E + →
−u =→ −
u +0E = →−
u.
— Symétrique inverse : tout élément → −u ∈ E admet un inverse (noté −→ −
u ) tel que →
−
u −→
−
u =
0E .
on dit que E muni de l’addition est un groupe.
— Pour la multiplication :
— Associativité : ∀→−u ∈ E, ∀(λ, µ) ∈ K2 , λ · (µ · →
−u ) = (λµ) · →
−
u.
→
− →
−
— Neutre : ∀ u ∈ E, 1 · u = u . →
−
— Distributivité sur les vecteurs : ∀(→−
u,→−
v ) ∈ E 2 , ∀λ ∈ K, λ · (→
−
u +→
−v)=λ·→ −u +λ·→ −v.
→
− 2 →
− →
− →
−
— Distributivité sur les scalaires : ∀ u ∈ E, ∀(λ, µ) ∈ K , (λ + µ) · u = λ · u + µ · u .
Les éléments de E sont appelés vecteurs, les éléments de K sont appelés scalaires.

Page 1/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

Remarque
Attention, la multiplication ne concerne qu’un scalaire et un vecteur ! Hormis dans le cadre de la
géométrie de l’espace, on ne multiplie pas les vecteurs entre eux pour avoir un vecteur !

Notation
Pour éviter d’alourdir les notations, on ne fait pas figurer les flèches sur les vecteurs en maths ! On
enlève aussi le point pour la multiplication par scalaire. Les deux dernières lignes se réécrivent par
exemple :
λ(u + v) = λu + λv et (λ + µ)u = λu + µu
Ceci entraı̂nera des confusions au départ ! On rappelle en effet qu’on ne peut multiplier des vecteurs
que par des scalaires, donc faites bien attention à la nature des objets que vous manipulez ! Dans
la mesure du possible, on réservera
— les lettres grecques pour les scalaires,
— les lettres latines pour les vecteurs.

→
−
Exemple 1. Comme vu en préambule, l’ensemble P des vecteurs du plan (muni des opérations vues
→
− →−
précédemment) est un espace vectoriel. En effet, munissons ce plan vectoriel d’une base ( i , j ). Alors un
→
−
vecteur de P est repéré par ses coordonnées dans cette base. On rappelle que les opérations sont définies
comme suit :
— Addition : (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ),
— Multiplication : λ(x, y) + (x0 , y 0 ) = (λx0 , λy).
→
−
On montre alors que P muni de ces opérations vérifie les propriétés d’un espace vectoriel.
C’est long et fastidieux. On va voir dans un futur très proche que l’on disposera d’un moyen bien plus
efficace pour montrer qu’un ensemble est un espace vectoriel.
Propriété 1.1
Soit E un K-espace vectoriel.
— Soient u ∈ E et λ ∈ K tels que λu = 0E . Alors λ = 0 ou u = 0E .
— Pour tout u ∈ E, (−1) · u = −u.
Preuve :
— Si λ = 0, c’est fini, sinon, λ 6= 0 et
1 1
u= (λu) = · 0E = 0E
λ λ

— Soit v = (−1) · u. Alors

u + v = 1 · u + (−1) · u = (1 − 1) · u = 0u = 0E

Donc v est l’inverse de u, i.e. v = −u.



Page 2/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

1.2 Espaces vectoriels classiques

Les espaces vectoriels de référence sont les suivants. Pour chacun de ces ensembles, on ne va préciser que
les opérations et le vecteur nul si besoin. On ne démontrera pas que les opérations vérifient les axiomes.
Propriété 1.2 (Les espaces vectoriels Kn )
→
− →
−
— Les ensembles P des vecteurs du plan et E des vecteurs de l’espace sont des espaces vectoriels.
— Plus généralement, si n ∈ N∗ alors l’ensemble des n−uplets à valeurs dans K :

Kn = {(x1 , x2 , · · · xn ) tels que pour tout i, xi ∈ K}.

est un espace vectoriel.

— En particulier, pour n = 1, K est un K-espace vectoriel.
— Encore plus bête, pour n = 0, {0} est un K-espace vectoriel (constitué uniquement du vecteur nul).
Cet espace vectoriel est appelé espace vectoriel trivial.
Propriété 1.3 (Les espaces vectoriels K[X], Mn,p (K))
— Les ensembles K[X] et Kn [X] (avec l’addition terme à terme et la multiplication par un scalaire qui
multiplie tous les termes).
— Mn,p (K) est un K−espace vectoriel.
Propriété 1.4
C est un R espace vectoriel avec les opérations

(x + iy) + (x0 + iy 0 ) = (x + x0 ) + i(y + y 0 ) et λ(x + iy) = (λx) + i(λy).

Il est identifié au plan : C ∼ R2 .

Propriété 1.5 (Ensembles d’applications à valeurs dans un espace vectoriel)
Soit A un ensemble et E un K−espace vectoriel. Alors E A , l’ensemble des applications f : A → E, est un
espace vectoriel avec, pour (f, g) ∈ (E A )2 et λ ∈ K,

f + g : x 7→ f (x) + g(x), λ · f : x 7→ λf (x).

En particulier,
— l’ensemble des fonctions réelles définies sur un intervalle I est un R−espace vectoriel,
— KN , l’ensemble des suites à valeurs dans K, est un K−espace vectoriel.
Propriété 1.6 (Produit d’espaces vectoriels)
Soient E et F deux K−espaces vectoriels muni des additions (x, y) 7→ x +E y et (x0 , y 0 ) 7→ x0 +F y 0 et des
multiplications (λ, x) 7→ λ ·E x et (λ, x0 ) 7→ λ ·F x0 . Alors

E × F = {(x, y), x ∈ E, y ∈ F }

est un K−espace vectoriel avec les opérations suivantes :

(x, x0 ) + (y, y 0 ) = (x + x0 , y + y 0 ), et λ(x, x0 ) = (λx, λx0 ).

Le neutre pour l’addition est alors (0E , 0F ).

Propriété 1.7
On peut généraliser ce résultat à un produit cartésien fini E1 × · × Er .

Page 3/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

On pourra utiliser sans réserve dans une copie ou une démonstration que ces ensembles sont des espaces
vectoriels (ce sont des espaces vectoriels "classiques"). Tous ces ensembles ont pour point commun d’avoir
une addition "sympathique" (avec un neutre et un inverse) et une multiplication par un scalaire "qui se
distribue bien par rapport à l’addition". L’exemple à garder en tête (à plus forte raison quand on parlera
de bases) est celui des vecteurs du plan ou de l’espace. Ces opérations amènent à la notion de combinaison
linéaire.

1.3 Combinaisons linéaires

En choisissant un nombre quelconque (fini) de vecteurs (x1 , · · · xn ) de E, on peut chacun les multiplier
par un scalaire pour obtenir le n−uplet (λx1 , · · · λxn ). On peut ensuite faire la somme de tous les éléments
de ce n−uplet et obtenir une combinaison linéaire des vecteurs.
Définition 1.2 (Famille finie de vecteurs)

Une famille finie de vecteurs dans un espace vectoriel E est une liste (x1 , x2 , · · · , xn ) de vecteurs
de E.

Définition 1.3 (Combinaisons linéaires)

Soit E un espace vectoriel et (x1 , · · · xn ) une famille finie de vecteurs de E. Une combinaison linéaire
de ces vecteurs est un vecteur de la forme :
n
X
x= λk xk = λ1 x1 + λ2 x2 + · · · + λn xn
k=1

avec (λ1 , · · · , λn ) ∈ Kn .

Notation
On note V ect(x1 , · · · xn ) l’ensemble des combinaisons linéaires de la famille (x1 , · · · xn ) (voir plus
bas la notion d’espace engendré par une famille de vecteurs.)

Exemple 2. — Soient x et y deux vecteurs de E. 3x − 4y est une combinaison linéaire de x et y.

0E = 0x + 0y l’est également.
→
− →− →
− → −
— Dans le plan P muni d’une base ( i , j ), tout vecteur est une combinaison linéaire de i et j .
— Dans R[X], V ect(1, X, X 2 ) = R2 [X]

MÉTHODE
Pour montrer qu’un vecteur x est une combinaison linéaire des vecteurs x1 , x2 ... et xn , pour l’instant
on n’a pas d’autre méthode qu’une méthode directe : il faut supposer qu’il existe (λ1 , · · · , λn ) tel
que x = λ1 x1 + · · · + λn xn et trouver ces λk (le plus souvent en résolvant un système linéaire).

Exemple 3. Dans K3 , x = (1, 2, 3) est-il combinaison linéaire de x1 = (1, 1, 1), x2 = (1, −1, 2) et
x3 = (1, −1, −1) ?

Page 4/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

On suppose qu’il existe (λ1 , λ2 , λ3 ) tel que

x = λ1 x1 + λ2 x2 + λ3 x3
       
1 1 1 1
2 = λ1 1 + λ2 −1 + λ3 −1
3 1 2 −1
   
1 λ1 + λ2 + λ3
2 =  λ1 − λ2 − λ3  .
3 λ1 + 2λ2 − λ3

On en déduit que (λ1 , λ2 , λ3 ) est une solution du système linéaire :

 
 λ1 + λ2 + λ3 = 1
 λ1 + λ2 + λ3 = 1

λ1 − λ2 − λ3 = 2 ⇔ −2λ2 − 2λ3 = 1
 
λ1 + 2λ2 − λ3 = 3 3λ2 = 1
 

Donc λ2 = 13 , λ3 = − 65 et λ1 = 32 . Ainsi, x = 32 x1 + 13 x2 − 65 x3 et x est une combinaison linéaire des xi .

Exemple 4. P = 2+X est-il une combinaison linéaire de P1 = 1+X 2 , P = X −2X 2 et P = 1+X −X 2 ?

On suppose qu’il existe (λ1 , λ2 , λ3 ) tel que

P = λ1 P1 + λ2 P2 + λ3 P3
2 + X = λ1 (1 + X 2 ) + λ2 (X − 2X 2 ) + λ3 (1 + X − X 2 )
= (λ1 + λ3 ) + (λ2 + λ3 )X + (λ1 − 2λ2 − λ3 )X 2

On en déduit que (λ1 , λ2 , λ3 ) est une solution du système linéaire :

 

 λ1 + λ3 = 2 
 λ1 + λ3 = 2
λ2 + λ3 = 1 ⇔ λ2 + λ3 = 1
 
λ1 − 2λ2 − λ3 = 0 −2λ2 − 2λ3 = −2
 

Le système ici est de rang 2... mais ce n’est pas grave car il est compatible (et admet donc une solution !)
Ses solutions sont
{(2 − λ, 1 − λ, λ), λ ∈ R} = (2, 1, 0) + V ect((1, −1, 1)).
Par exemple (λ1 , λ2 λ3 ) = (2, 1, 0) est solution du système linéaire. Ainsi, P = 2P1 + P2 et P est bien
combinaison linéaire de P1 , P2 et P3 .


 λ1 + λ3 = 0
2
Inversement, P = X n’est pas combinaison linéaire de ces 3 polynômes car le système : λ2 + λ3 = 0

λ1 − 2λ2 − λ3 = 1

n’admet pas de solution !

2 Sous-espaces vectoriels
On l’a vu dans la partie précédente, vérifier qu’un ensemble vérifie les axiomes d’un espace vectoriel,
c’est long et fastidieux. La notion de sous-espace vectoriel va nous aider grandement à montrer que des
ensembles sont des espaces vectoriels.

Page 5/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

2.1 Définition et caractérisation

Définition 2.1 (Sous-espaces vectoriels)

Soit E un K−espace vectoriel et F ⊂ E. On dit que F est un sous-espace vectoriel de E s’il est
lui-même un espace vectoriel (muni de l’addition et de la multiplication induites par celles de E).

Remarque
Autrement dit, il faut vérifier que la somme de deux éléments de F est bien un élément de F puis
que la multiplication d’un vecteur de F par un scalaire λ est bien un élément de F ... puis que F
vérifie les 8 axiomes. Heureusement le théorème suivant va nous permettre de nous passer de cette
vérification !

Théorème 2.1 (Caractérisation des sous-espaces vectoriels)

Soit E un K−espace vectoriel et F ⊂ E. Alors F est un sous-espace vectoriel de E si et seulement

si les trois points suivants sont respectés :
— F est non vide.
— F est stable par addition : ∀(x, y) ∈ F 2 , x + y ∈ F
— F est stable par multiplication par un scalaire : ∀x ∈ F , ∀λ ∈ K λx ∈ F .

Preuve : Évident : les propriétés d’associativité, d’inverse et de distributivité restent vrais sur F dès
lors que les résultats des opérations sur F restent dans F . 

MÉTHODE
Pour montrer qu’un ensemble est un espace vectoriel, on montrera dans 99.99% des cas que c’est un
sous-espace vectoriel d’un espace vectoriel E "classique" (i.e. indroduit dans la section précédente).
On devra à cet effet :
— Montrer qu’il est non vide (le plus souvent, on montrera qu’il contient le vecteur nul de E)
— Montrer les 2 points suivants en montrant qu’il est stable par combinaison linéaire :

∀(x, y) ∈ F 2 , ∀(λ, µ) ∈ K2 , λx + µy ∈ F.

Exemple 5. — L’ensemble
F = {(x, y, z) ∈ R3 tels que x + 2y − z = 0}
est un R-espace vectoriel. En effet
— F est un sous-ensemble de R3 qui est un R-espace vectoriel,
— F est non vide, puisqu’il contient le triplet (0, 0, 0).
— Si u = (x, y, z) et v = (x0 , y 0 , z 0 ) sont deux vecteurs de F et si (λ, µ) ∈ R2 , alors
λu + µv = λ(x, y, z) + µ(x0 , y 0 , z 0 ) = (λx + µx0 , λy + µy 0 , λz + µz 0 )
et
(λx + µx0 ) + 2(λy + µy 0 ) − (λz + µz 0 ) = λ(x + 2y − z) + µ(x0 + 2y 0 − z 0 ) = 0.
Donc λu + µv ∈ F .

Page 6/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

C’est un plan vectoriel de R3 .

— Soit n ∈ N. L’ensemble Kn [X] des polynômes de degré n ou moins est un K−espace vectoriel. En
effet,
— Kn [X] ⊂ K[X] qui est un K−espace vectoriel,
— Le polynôme nul appartient à Kn [X],
— Si (P, Q) ∈ Kn [X]2 et si (λ, µ) ∈ K2 , alors deg(λP ) 6 n, deg(µQ) 6 n et

deg(λP + µQ) 6 max(deg(λP ), deg(µQ)) 6 n.

Donc λP + µQ ∈ Kn [X].
— De même, l’ensemble des polynômes P vérifiant P (1) = 0 est un sous-espace vectoriel.
— L’ensemble C 0 (I, R) des fonctions continues d’un intervalle I dans R est un R−espace vectoriel,
puisque c’est un sous-espace vectoriel de l’ensemble des fonctions de I dans R : la fonction nulle est
bien continue et une combinaison linéaire de fonctions continues est continue.
— Plus généralement, pour k ∈ N (ou k = ∞), l’ensemble C k (I, R) est également un R−espace vectoriel.
— Soient (a, b) ∈ R2 . L’ensemble des solutions l’équation différentielle y 00 + ay 0 + by = 0 est un sous-
espace vectoriel de C 2 (I, R) (qui est bien un espace vectoriel par ce qui précède) et il est non vide
puisque la fonction nulle est solution. En effet, si y et z sont deux solutions de cette équation, et si
λ et µ sont deux scalaires, alors

(λy + µz)00 + a(λy + µz)0 + b(λy + µz) = λ(y 00 + ay 0 + b0 ) + µ(z 00 + az 0 + bz) = 0

(c’est le principe de superposition).

Remarque
A contrario, on peut montrer qu’un ensemble n’est pas un sous-espace vectoriel en montrant au
choix, qu’il ne contient pas le vecteur nul, ou qu’il n’est pas stable par addition ou par multiplication
par un scalaire.

Exemple 6. — L’ensemble F défini par

F = {(x, y, z) ∈ R3 tels que x + 2y − z = 1}

n’est pas un espace vectoriel car il ne contient pas (0, 0, 0). On peut aussi voir que ce n’est pas un
espace vectoriel car il contient u = (1, 0, 0) mais ne contient pas λu pour λ 6= 1.
— L’ensemble F des suites réelles croissantes n’est pas un espace vectoriel. En effet, la suite définie
par un = n est croissante, mais la suite (vn )n définie par vn = −un = −n n’est pas croissante. Ainsi
u ∈ F mais −u ∈ / F.
Définition 2.2 (S)

it E un K−espace vectoriel.
— Alors E et {0E } sont des sous-espaces vectoriels de E dits triviaux.
— Si u est un vecteur non nul de E, alors l’ensemble

V ect(u) = {λu, λ ∈ K}

est un sous-espace vectoriel de E (c’est la droite engendrée par u).

Page 7/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

Remarque
Quand on se représente un sous-espace vectoriel, il faut toujours avoir en tête la représentation
d’une droite dans le plan qui passe par l’origine oue d’une droite et/ou d’un plan de l’espace
passant par l’origine.

Exemple 7. Les matrices symétriques (resp. antisymétriques) forment un espace vectoriel.

Les fonctions paires (resp. impaires) forment un espace vectoriel.
Propriété 2.1 (Intersection de sous-espaces vectoriels)
Soient (Fi )i∈I un ensemble quelconque
T (éventuellement infini) de sous-espaces vectoriels d’un même espace
E. Alors l’intersection des Fi : Fi est un sous-espace vectoriel de E.
i∈I
T
Preuve : Soit F = Fi . Cahcun de ces sous-espace Fi contient 0E donc 0E ∈ F . Par ailleurs, si
i∈I
x, y ∈ F 2 et si (λ, µ) ∈ K2 , alors

∀i ∈ I, (x, y) ∈ Fi2 donc ∀i ∈ I, λx + µy ∈ Fi .

T
Donc λx + µy ∈ Fi . 
i∈I

Remarque
Attention ! En règle générale une union de sous-espaces vectoriels n’est pas un espace vectoriel !
Prenez par exemple la réunion de deux droites distinctes, ce n’est ni une droite, ni un plan. Par
ailleurs, on voit qu’en général, ce genre d’ensemble n’est pas stable par somme.

Page 8/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

2.2 Sous-espace engendré

Définition 2.3 (Famille engendrant un espace vectoriel)

Soit E un K−espace vectoriel et (x1 , ·, xn ) une famille d’éléments de E. On appelle sous-espace

vectoriel engendré par cette famille (noté V ect(x1 , · · · xn )) l’ensemble des combinaisons linéaires de
vecteurs de cette famille :

V ect(x1 , · · · xn ) = {λ1 x1 + · · · + λn xn x, (λ1 , · · · , λn ) ∈ Kn }.

Autrement dit :
n
X
u ∈ V ect(x1 , · · · xn ) ⇔ ∃(λ1 , · · · , λn ) ∈ Kn tels que u = λk xk .
k=1

Exemple 8. — V ect(0E ) = {0E } puisque n’importque quelle combinaison linéaire du vecteur nul sera
nul.
— R3 = V ect((1, 0, 0), (0, 1, 0), (0, 0, 1)). En effet, si u = (x, y, z) ∈ R3 , alors

u = x · (1, 0, 0) + y · (0, 1, 0) + z · (0, 0, 1).

Propriété 2.2
Soit E un K−espace vectoriel, F un sous-espace vectoriel et (x1 , · · · , xn ) une famille d’éléments de F
alors V ect(x1 , · · · , xn ) ⊂ F .
Preuve : C’est une simple conséquence du fait que les sous-espaces vectoriels sont stables par combinaison
linéaire. 

Remarque
En fait, V ect(u1 , · · · , un ) est le plus petit sous-espace vectoriel contenant (u1 , · · · , un ) (au sens de
l’inclusion).

Exemple 9. On montre par double inclusion que K2 [X] = V ect(1, X, X 2 ).

— {1, X, X 2 } ⊂ K2 [X]. Donc par la propriété précédente, V ect(1, X, X 2 ) ⊂ K2 [X].
— Inversement, soit P ∈ K2 [X]. Alors (par définition), P est de degré inférieur à 2, donc il existe
(a0 , a1 , a2 ) ∈ K3 tels que P = a0 + a1 X + a2 X 2 . Donc P ∈ V ect(1, X, X 2 ). On a bien montré que
K2 [X] ⊂ V ect(1, X, X 2 ).

Exemple 10. Étudions F = {(x, y, z) ∈ R3 tels que x + y + z = 0}.

C’est un sous-espace vectoriel de R3 . En effet, c’est un ensemble non vide de R3 (il contient (0, 0, 0)) stable
par combinaison linéaire.
Par ailleurs, F est la solution d’un "système" linéaire à trois équations (et une seule inconnue). En
exprimant x en fonction de y et z, on obtient que

F = {(−y − z, y, z), (y, z) ∈ R2 } = {y(−1, 1, 0) + z(−1, 0, 1), (y, z) ∈ R2 } = V ect((−1, 1, 0), (−1, 0, 1))

Page 9/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

 
1 1
Exemple 11. Soit A = et F le sous ensemble de M2 (R) défini par
2 0

F = {M ∈ M2 (R) tels que AM = M A}.

 
a b
Soit M = une matrice de F . Alors
c d
   
a+c b+d a + 2b a
AM = = MA =
2a 2b c + 2d c

Ainsi,
2b − c = 0 −a + b + d = 0 −a + b + d = 0
   
a + c = a + 2b   
   

b + d = a  −a + b + d = 0
 
 2b − c = 0

 2b − c = 0
⇔ ⇔ ⇔


 2a = c + 2d 

2a − c − 2d = 0 

 2b − c = 0 

 0=0
   
2b = c 2b − c = 0 0=0 0=0
Le système linéaire est de rang 2 (il admet donc deux inconnues principales, a et b et deux inconnues
secondaires c et d). Ses solutions sont donc :
n c c  o  1 1   
1 1
 
+ d, , c, d , (c, d) ∈ R2 = c , , 1, 0 + d(1, 0, 0, 1), (c, d) ∈ R2 = V ect , , 1, 0 , (1, 0, 0, 1) .
2 2 2 2 2 2

Ainsi, quand on traduit ces coordonnées en termes de matrices,

 c c
   1 1   
F = 2 + d 2 , (c, d) ∈ R2 = c 2 2 + d 1 0 , (c, d) ∈ R2
c d 1 0 0 1
 1 1    
2 2 ,I
1
= V ect 2 = V ect A, I2 = V ect(A, I2 ).
1 0 2

3 Somme de sous-espaces vectoriels

On a vu que l’union n’était pas la bonne notion pour "créer des espaces plus gros".
Ici, E est un K−espace vectoriel.

3.1 Définition
Définition 3.1 (Somme de sous-espaces vectoriels)

Soient F et G deux sous-espaces vectoriels de E. La somme de F et G est l’ensemble défini par

F + G = {u + v, u ∈ F, v ∈ G}
= {u ∈ E, tel que ∃ (uF , uG ) ∈ F × G tels que u = uF + uG }.

Remarque
— Autrement dit, F + G est l’ensemble de toutes les sommes possibles de vecteurs de F et de
G.
— La décomposition d’un vecteur de F + G n’est pas forcément unique.

Page 10/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

On en déduit directement la propriété suivante :

Propriété 3.1
F + G est un sous-espace vectoriel de E contenant F ∪ G (c’est d’ailleurs le plus petit sous-espace vectoriel
content F ∪ G).

Exemple 12. Dans R2 , soit u1 = (2, 3) et u2 = (−1 − 1). Alors R2 = V ect(u1 ) + V ect(u2 ).
— ⊂ Dans un sens,
V ect(u1 ) + V ect(u2 ) = {u1 + u2 , u ∈ V ect(u1 ), v ∈ V ect(u2 )}
= {λu1 + µu2 , (λ, µ) ∈ R2 } ⊂ R2 .

— ⊃ Inversement, soit u ∈ R2 . Alors, u est de coordonnées u = (a, b). Montrons que u est une
combinaison linéaire de x et y : cherchons (λ, µ) tels que
(
a = 2λ − µ
   
a 2λ − µ
u = λu1 + µu2 i.e. = i.e.
b 3λ − µ b = 3λ − µ
(
λ=b−a
On obtient que Ainsi,
µ = 3b − 2a

u = (b − a)u1 + (3b − 2a)u2

et u ∈ V ect(u1 ) + V ect(u2 ). Au final, R2 ⊂ V ect(u1 ) + V ect(u2 )
Donc R2 = V ect(u1 ) + V ect(u2 ).
→
− →− → −
Exemple 13. Munissons l’espace E du repère (O, i , j , k ) et posons
→
− →
− →
− → − →
−
F = V ect( i ) + V ect( j ) et G = V ect( i + j , k ).
Décrivons F et G :
— Pour F ,
→
− →
− →
− →
−
F = V ect( i ) + V ect( j ) = {λ i + µ j , (λ, µ) ∈ R2 }
= {(λ, µ, 0), (λ, µ) ∈ R2 }
(on peut montrer alors que F est le plan d’équation z = 0).
— Pour G,
→
− → − →− →
− → − →
−
G = V ect( i + j , k ) = {λ( i + j ) + µ k , (λ, µ) ∈ R2 }
= {(λ, λ, µ), (λ, µ) ∈ R2 }
C’est un plan (dont on peut montrer qu’il est d’équation x − y = 0).
La somme de F et G est égale à R3 tout entier : on a d’abord évidemment que F + G ⊂ R3 . Inversement,
si u = (x, y, z) ∈ R3 , alors, on cherche v ∈ F et w ∈ G tels que u = v + w.
 
λ
v ∈ F donc ∃(λ, µ) ∈ R2 tels que v = µ
0
 0
λ
w ∈ G donc ∃(λ0 , µ0 ) ∈ R2 tels que v = λ0 
µ0

Page 11/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

0 0
 
λ + λ0 λ + λ = x λ = x − λ
   
x  
On a alors que y  = µ + λ0 , i.e. µ + λ0 = y soit µ = y − λ0 Donc en posant par exemple λ0 = 0
z µ0 µ0 = z µ0 = z

 

(l’inconnue secondaire peut être choisie comme on veut), on obtient que
u = (x, y, 0) + (0, 0, z) ∈ F + G
| {z } | {z }
∈F ∈G

Donc F + G = R3 .

Encore une fois, on a une inconnue secondaire donc la décomposition n’est pas unique ! Si on avait pris
λ0 = x, on aurait obtenu
u = (x, y, 0) + (0, 0, z) = (0, y − x, 0) + (x, x, z)
| {z } | {z } | {z } | {z }
∈F ∈H ∈F ∈H

Exemple 14. Soit l’ensemble des fonctions réelles (qui est un R−espace vectoriel). Soit P le sous-
RR
espace des fonctions paires et I le sous-espace des fonctions impaires. Alors RR = P + I. Raisonnons par
analyse-synthèse :
— Analyse : soit f ∈ RR et supposons qu’il existe g et h tels que
f = g + h i.e. ∀x ∈ R, f (x) = g(x) + h(x) avec g paire et h impaire.
Alors
f (x) + f (−x)

 g(x) =
(
f (−x) = g(−x) + h(−x) = g(x) − h(x)

∀x ∈ R, donc ∀x ∈ R, 2
f (x) = g(x) + h(x) h(x) = f (x) − f (−x)

2
— Synthèse : Posons g : x 7→ f (x)+f
2
(−x)
et h : x 7→ f (x)−f
2
(−x)
. Alors un calcul simple montre que g
est une fonction paire et h est une fonction impaire. Par ailleurs, si x ∈ R,
f (x) + f (−x) f (x) − f (−x)
f (x) = + = g(x) + h(x)
2 2
On a bien décomposé toute fonction de RR comme la somme d’une fonction paire et d’une fonction
impaire. Donc RR = P + I (on n’a montré que l’inclusion de la gauche vers la droite, mais la réciproque
est évidente).
Propriété 3.2
Soient (u1 , · · · , un ) et (v1 , · · · , vp ) deux familles de vecteurs de E. On a

V ect(u1 , · · · , un ) + V ect(v1 , · · · , vp ) = V ect(u1 , · · · , un , v1 , · · · , vp )

Page 12/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

3.2 Sommes directes

Définition 3.2 (Somme directe de sous-espaces vectoriels)

Soient F et G deux sous-espaces vectoriels de E. On dit que F et G sont en somme directe, (ou que
la somme F +G est directe), ssi pour tout u ∈ F +G, il existe un unique couple (uF , uG ) ∈ F ×G
tel que u = uF + uG . On note alors F ⊕ G la somme F + G.

→
− →
− →
− − →
→ −
Exemple 15. Dans l’exemple précédent, F = V ect( i ) + V ect( j ) et G = V ect( i + j , k ) n’étaient
pas en somme directe, puisque la décomposition d’un vecteur de F + G n’était pas unique. Sur le dessin,
on se rend compte que l’intersection de ces deux plans n’est pas nulle.
La propriété suivante va nous donner un moyen pratique de vérifier que deux espaces sont en somme
directe :
Théorème 3.1 (Caractérisation de la somme directe)

Soient F et G deux sous-espaces vectoriels. Alors les points suivants sont équivalents :
1. F et G sont en somme directe.
2. F ∩ G = {0E }.
3. ∀(u, v) ∈ F × G, (u + v = 0E ) ⇒ (u = 0E et v = 0E ).

Preuve : 1 ⇒ 2 On le montre par contraposée. Si F ∩ G 6= {0E } alors F ∩ G contient un vecteur non

nul u. Ainsi, u ∈ F et −u ∈ G. Donc

0E = 0E + 0E = |{z} −u
u + |{z}
|{z} |{z}
∈F ∈G ∈F ∈G

et la décomposition de 0E n’est pas unique. F et G ne sont donc pas en somme directe.

2 ⇒ 3 Soient (u, v) ∈ F × G, tels que (u + v = 0E ). Alors

u = −v et u ∈ F et − v ∈ G. donc u ∈ F ∩ G = {0E }.

Donc u = 0E = v.
3 ⇒ 1 Soit x un élément de F + G. Supposons qu’il existe deux couples (uF , uG ) et (u0F , u0G ) tels que
u = uF + uG = u0F + u0G . Alors
(
0 0 0 0 u0F − uF = 0E
uF + uG = uF + uG donc (uF − uF ) + (uG − uG ) = 0E et donc
| {z } | {z } u0G − uG = 0
=0E =0E
(
u0F = uF
Donc et la somme est directe. 
u0G = uG

→
− →
− →
− − →
→ −
Exemple 16. Dans l’exemple précédent : soit F = V ect( i ) + V ect( j ) et G = V ect( i + j , k ) et
u ∈ F ∩ G. Alors
— u ∈ F : ∃(λ, µ) ∈ R2 tels que u = (λ, µ, 0).
— u ∈ G : ∃(λ0 , µ0 ) ∈ R2 tels que u = (λ0 , λ0 , µ0 ).
Par égalité, on obtient que λ = λ0 = µ et µ0 = 0. Ainsi, u = (λ, λ, 0) ∈ V ect(1, 1, 0). Donc F ∩ G =
V ect(1, 1, 0) et on retrouve que F et G ne sont pas en somme directe.

Page 13/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

→
−
Exemple 17. Par contre F et G0 = V ect( k ) sont en somme directe. Soit u ∈ F ∩ G0 . Alors
— u ∈ F : ∃(λ, µ) ∈ R2 tels que u = (λ, µ, 0).
— u ∈ G0 : ∃λ0 ∈ R tels que u = (0, 0, λ0 ).
Par égalité, on obtient que λ = λ0 = µ = 0. Ainsi, u = (0, 0, 0) et F et G0 sont en somme directe.

MÉTHODE
En pratique, on utilise toujours le point 2 pour montrer que deux espaces sont en somme directe.

Exemple 18. Soient F = {(x, y) ∈ R2( , t.q. x − 2y = 0} et G = {(x, y) ∈ R2 , t.q. 3x − y = 0}.

x − 2y = 0
Soit u ∈ F ∩ G. Alors u = (x, y) avec , i.e. (x, y) = (0, 0). Donc u = 0R2 et F ∩ G = {0R2 } :
3x − y = 0
F et G sont en somme directe.

3.3 Sous-espaces supplémentaires

Définition 3.3 (Sous-espaces supplémentaires)

Soient F et G deux sous-espaces vectoriels de E. On dit que F et G sont dits supplémentaires dans
E si on a F ⊕ G = E, c’est-à-dire si la somme F + G est directe et égale à E.

Exemple 19. Revenons rapidement sur les exemples précédents.

— Dans R2 , soit u1 = (2, 3) et u2 = (−1 − 1). Alors R2 = V ect(u1 ) ⊕ V ect(u2 ).
→
− →
− →
− − →
→ −
— Pour F = V ect( i ) + V ect( j ) et H = V ect( i + j , k ), F et H ne sont pas supplémentaires
puisqu’ils ne sont pas en somme directe.
— Soient F = {(x, y) ∈ R2 , t.q. x − 2y = 0} et G = {(x, y) ∈ R2 , t.q. 3x − y = 0}. On a vu
précédemmentquela somme
 était directe. Par ailleurs
 F = Vect((1,
 2)) et G= V ect((1, 3)). Donc
 
1 1 2 x 2 x 1 1
F ⊕G = V ect , = R . En effet, si ∈ R alors = (3x−y) +(−2x+y) .
2 3 y y 2 3

Remarque
— Il ne faut pas confondre supplémentaire et complémentaire !
— Un même sous-espace vectoriel F peut admettre plusieurs supplémentaires (et en pratique il
en admet une infinité).

Théorème 3.2 (Caractérisations des sous-espaces supplémentaires)

Soient F et G deux sous-espaces de E. Les propositions suivantes sont équivalentes.

1. F et G sont supplémentaires dans E.
2. F + G = E et F ⊕ G = {0E }.
3. Pour tout u ∈ E, il existe un unique couple (uF , uG ) ∈ F × G tel que u = uF + uG .

Preuve : Le théorème découle de la carctérisation précédente. 

Page 14/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

Exemple 20. Dans R3 , considérons

F = {(x, y, z) ∈ R3 tels que x − y + 2z = 0} et G = {(x, y, z) ∈ R3 tels que x = 2y = −z}

Soit (x, y, z) ∈ F ∩ G. Alors

  

x − y + 2z = 0 
x − y + 2z = 0 x = 0

x = 2y ⇔ x − 2y = 0 ⇔ y = 0
  
x = −z x+z =0 z=0
  

Donc F ∩ G = {0E }.
Soit maintenant u ∈ R3 . Montrons que
uestla somme de F
 d’un élément et d’un élément de G. Tout
1 −2 2
d’abord, on remarque que F = V ect 1 ,  0  et G = V ect  1 . Ainsi,
0 1 −2
     
1 −2 2
F + G = V ect 1 ,  0  ,  1 
0 1 −2

Soit u(x, y, z) ∈ R3 . Montrons que u ∈ F + G, i.e. qu’il existe (λ1 , λ2 , λ3 ) tel que :
         
x 1 −2 2 λ1 − 2λ2 + 2λ3
u = y  = λ1 1 + λ2  0  + λ3  1  =  λ1 + λ3 
z 0 1 −2 λ2 − 2λ3
On aboutit donc à un système à trois équations et trois inconnues :
x + 2y + 2z

  
λ − 2λ + 2λ = x

λ1 = x + 2λ2 − 2λ3 =
λ1 − 2λ2 + 2λ3 = x
 λ1 − 2λ2 + 2λ3 = x
 
 1 2 3 

 3
y−x 1 −2x + 2y − z
 
λ1 + λ3 = y ⇔ 2λ2 − λ3 = y − x ⇔ 2λ 2 − λ 3 = y − x ⇔ λ2 = + λ3 =
   3 x − y  2 2 3
λ2 − 2λ3 = z λ2 − 2λ3 = z − λ =z+
   
−x + y − 2z

3 
2 2 λ3 =

3
Ainsi,      
1 −2 2
x + 2y + 2z   −2x + 2y − z   −x + y − 2z  
u= 1 + 0 + 1 ∈F +G
3 3 3
0 1 −2
et F + G = R3 .
Au final, F et G sont supplémentaires dans R3 .
Exemple 21. Dans R3 , considérons

F = V ect(X 2 + 1) et G = {P ∈ R2 [X] tels que P (1) = 0}

Soit P ∈ F ∩ G. Alors, il existe (λ, µ) tels que

P = λ(X 2 + 1) et P (1) = 0.

On a alors que P (1) = 2λ = 0. Donc P = 0 et F ∩ G = {0R2 [X] }.

Par ailleurs, On a vu dans le chapitre sur les polynômes que

P (1) = 0 ⇔ (X − 1)|P ⇔ P (X) = (X − 1)(a0 + a1 X)

Page 15/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

On en déduit que G = V ect(X − 1, X 2 − X). Donc F + G = V ect(X 2 + 1, X − 1, X 2 − X). Soit maintenant

P = a0 + a1 X + a2 X 2 ∈ R2 [X]. Montrons qu’il existe (λ1 , λ2 , λ3 ) tels que

P = λ1 (X 2 + 1) + λ2 (X − 1) + λ3 (X 2 − X)
a0 + a1 X + a2 X 2 = (λ1 − λ2 ) + (λ2 − λ3 )X + (λ1 + λ3 )X 2

On aboutit donc à un système à trois équations et trois inconnues :

a2 + a1 + a0

   
λ1 =
λ1 − λ2 = a0
  λ1 − λ2 = a0  λ1 − λ2 = a0


 2
a2 + a1 − a0
  
λ2 − λ3 = a1 ⇔ λ2 − λ3 = a1 ⇔ λ2 − λ3 = a1 ⇔ λ2 =
    2
λ1 + λ3 = a2 λ2 + λ3 = a2 − a0 2λ3 = a2 − a1 − a0
   
λ3 = a2 − a1 − a0



2
Ainsi,
a2 + a1 + a0 2 a2 + a1 − a0 a2 − a1 − a0 2
P = (X + 1) + (X − 1) + (X − X) ∈ F + G.
2 2 2
Donc R2 [X] = F + G.

Remarque
On verra dans le chapitre sur la dimension que la partie fastidieuse (montrer que la somme est
égale à l’espace tout entier) pourra être supprimée juste par des considérations de dimension.

4 Familles finies de vecteurs

4.1 Familles libres et liées
La notion centrale dans cette partie est celle de famille libre. Pour la comprendre reprenons le cas de
deux vecteurs →
−
u et →−
v . Ils sont dits colinéaires si l’un est un multiple de l’autre, i.e. si

∃λ ∈ K tel que →
−
v = λ→
−
u ou ∃µ ∈ K tel que →
−
u = µ→
−
v.

ce qui nous donne deux conditions... ce qui n’est pas très pratique. Et on ne peut pas se passer de l’une ou
l’autre (que se passe-t-il si →
−
u = 0 ou si →
−
v = 0). Heureusement, on peut se passer du "ou" en regroupant
ces deux égalités.
Propriété 4.1
Soient u et v deux vecteurs d’un espace vectoriel E. u et v sont colinéaires si et seulement si
→
−
∃(λ, µ) ∈ K\{(0, 0)} tel que λ→
−
u + µ→
−
v = 0.
Et inversement,
Propriété 4.2
Soient u et v deux vecteurs d’un espace vectoriel E. u et v ne sont pas sont colinéaires si et seulement si
→
−
∀(λ, µ) ∈ K2 , λ→
−
u + µ→
−
v = 0 ⇒ (λ, µ) = (0, 0).

Ils sont alors dits libres.

Maintenant, pour p vecteurs quelconques :

Page 16/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

Définition 4.1 (S)

it E un K-espace vectoriel et (x1 , · · · xp ) une famille de p vecteurs. Cette famille est dite libre si et
seulement si
X p
∀(λ1 , · · · , λp ) ∈ Kp , λk xk = 0 ⇒ (λ1 , · · · , λp ) = (0, · · · , 0).
k=1

— Les vecteurs d’une telle famille sont dits linéairement indépendants.

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

Commençons par quelques exemples dans R2 et R3 :

   
1 1
Exemple 22. — La famille , est libre. En effet, soient (λ, µ) ∈ R2 tels que
0 1
       
1 1 λ+µ 0
λ +µ = =
0 1 µ 0

Alors µ = λ = 0.
     
1 1 4
— La famille , , est liée. En effet,
0 1 3
             
4 1 1 4 1 1 0
= +3 i.e. − + +3 =
3 0 1 3 0 1 0
   
1 3
Exemple 23. Soient V1 = 0 et V2 = −1 Montrons que la famille (V1 , V2 ) est libre.
2 1
Soient (λ1 , λ2 ) ∈ R2 tels que λ1 V1 + λ2 V2 = 0. Montrons que (λ1 , λ2 ) = (0, 0).
 
λ1 + 3λ2 = 0
 λ1 + 3λ2 = 0

−λ2 = 0 ⇔ λ2 = 0
 
2λ1 + λ2 = 0 −5λ2 = 0
 

Au final, λ1 = λ2 = 0 et la famille est libre.

Page 17/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

MÉTHODE
Pour montrer qu’une famille (x1 , · · · , xp ) est libre, on fait TOUJOURS comme suit : On regarde
les solutions de λ1 x1 + · · · + λp xp = 0 qui sera sous la forme d’un système linéaire.
— Si (λ1 , · · · , λp ) = (0, · · · , 0) est la seule solution, la famille est libre.
— Si le système admet d’autres solutions, la famille est liée.

     
1 4 2
Exemple 24. Soient V1 = 2, V2 = 5 et V3 = 1. Regardons si la famille (V1 , V2 , V3 ) est libre
3 6 0
ou liée.
Soient (λ1 , λ2 , λ3 ) ∈ R3 tels que λ1 V1 + λ2 V2 + λ3 V3 = 0. Alors
  
λ1 + 4λ2 + 2λ3 = 0
 λ1 + 4λ2 + 2λ3 = 0
 λ1 + 4λ2 + 2λ3 = 0

2λ1 + 5λ2 + λ3 = 0 ⇔ −3λ2 − 3λ3 = 0 ⇔ λ2 + λ3 = 0
  
3λ1 + 6λ2 = 0 −6λ2 − 6λ3 = 0 λ2 + λ3 = 0
  

Ce systèmeest de rang 2 et amdet donc une infinité de solutions. Ses solutions sont V ect(2, −1, 1) en
 λ1 = 2

particulier λ2 = −1 est solution et la fmaille est liée.

λ3 = 1


Remarque
Dire qu’une famille (u1 , · · · , ur ) est liée revient donc à dire qu’il existe (λ1 , · · · , λr ) non tous nuls
n
P
tels que λk uk = 0. On attire l’attention sur le fait que non tous nuls (i.e. au moins un des λk
k=1
est non nul) ne veut pas dire la même chose que tous non nuls (i.e. tous les λk sont nons nuls).

Propriété 4.3
Soit (u1 , · · · ur ) une famille de vecteurs. Alors cette famille est liée si et seulement si au moins l’un des
vecteurs est combinaison linéaire des autres.
Preuve : ⇐ Supposons qu’un des vecteurs soit combinaison linéaire des autres. Par exemple (sans
perdre de généralité) que up soit combinaison linéaire de (u1 , u2 , · · · up−1 ). Alors
p−1
X
up = λ1 u1 + · · · λp−1 up−1 = λk uk i.e. λ1 u1 + · · · λp−1 up−1 − up = 0.
k=1

La famille est donc liée.

⇒ La famille (u1 , · · · ur ) est liée. Donc il existe (λ1 , · · · λr ) non tous nuls tels que
r
X
λk uk = λ1 u1 + · · · + λr ur = 0
k=1

Au moins un des λk est non nul. Sans perdre de généralité, supposons que ce soit λ1 (on se ramène à ce
cas là en permutant l’ordre des vecteurs uk dans la famille). Alors
r r  
X X λk
λ1 u1 + λk uk = 0 i.e. u1 = − uk .
λ1
k=2 k=2

Page 18/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

Propriété 4.4
Une famille de vecteurs contenant le vecteur nul est toujours liée.
Preuve : Supposons que la famille soit de la forme (u1 = 0, u2 , · · · up ), alors en prenant λ1 = 1 et
λ2 = · · · = λp = 0, on obtient que
Xp
λk uk = λ1 u1 = 0
k=1

La famille est donc liée. 

Remarque
En petite dimension, la notion de famille libre/liée est simple à caractériser :
→
−
— Dans R, une famille de 1 vecteur (→ −u ) est libre si et seulement si → −
u 6= 0 .
— Dans R2 , une famille de 2 vecteurs (→ −
u,→−v ) est libre si et seulement si → −
u et →
−
v ne sont pas
colinéaires.
— Dans R3 , une famille de 3 vecteurs (→−u,→−
v ,→−
w ) est libre si et seulement si → −
u, →
−
v et →
−
w ne sont
pas coplanaires.

Exemple 25. — Dans Kn , les ei = (0, · · · , 0, 1, 0, · · · , 0) forment une famille libre.

— Dans K[X], (1, X, X 2 , · · · , X n ) est une famille libre.
— Dans Mn,p (K), les matrices élémentaires (Ei,j )16i6n forment une famille libre.
16j6p
On parlera un peu plus bas du fait que ce sont les bases canoniques de ces espaces.

Exemple 26. Soit f1 : x 7→ x2 , f2 : x 7→ sin(x) et f3 : x 7→ ex . Montrons que la famille (f1 , f2 , f3 ) est

libre dans C 0 (R, R). Soient (λ1 , λ2 λ3 ) ∈ R3 tels que λ1 f1 + λ2 f2 + λ3 f3 soit la fonction nulle. On a alors

∀x ∈ R, λ1 f1 (x) + λ2 f2 (x) + λ3 f3 (x) = 0

∀x ∈ R, λ1 x2 + λ2 sin(x) + λ3 ex = 0
En particulier pour x = 0, λ3 e0 = 0 i.e. λ3 = 0.
Ensuite pour x = π, λ1 π 2 + λ3 eπ = λ1 π 2 = 0 i.e. λ1 = 0.
π
Enfin pour x = , λ2 = 0.
2
Au final, (λ1 , λ2 , λ3 ) = (0, 0, 0) et la famille de fonctions est libres.
Propriété 4.5
Soient (P0 , P1 , · · · , Pr ) une famille de polynômes de K[X] degré 2 à 2 distincts. Cette famille est libre.
Preuve : On peut supposer (quitte à réordonner les polynômes) que deg(P0 ) < deg(P1 ) < · · · < d(Pr ).
Soient alors (λ0 , λ1 , · · · , λr ) ∈ Kr+1 tels que λ0 P0 + · · · + λr Pr = 0. On peut alors s’en sortir avec l’une
des 2 méthodes suivantes pour montre que pour tout k, λk = 0 :
— Montrons de proche en proche que tous les λk sont nuls. Si λr 6= 0, alors d’après le chapitre précédent

λ0 P0 + · · · + λr−1 Pr−1 + λr Pr = 0 donc deg(λ0 P0 + · · · + λr Pr ) = dg(Pr ) = deg(0),

| {z } | {z }
deg6deg(Pr−1 <deg(Pr )) deg(Pr )

Page 19/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

ce qui est impossible. Donc λr = 0.

Maintenant, soit k > 0. Si on a montré que tous les (λr , · · · , λk+1 ) étaient nuls, alors

λ 0 P0 + · · · + λ k Pk + 
λk+1 k+1 + · · · + 
P r = λ0 P0 + · · · + λk Pk = 0

 λr
P

Maintenant, si λk 6= 0, alors, on peut refaire le même raisonnement sur les degrés et montrer que
deg(λ0 P0 + · · · + λk Pk ) = deg(Pk ) ce qui est incompatible avec le fait que λ0 P0 + · · · + λk Pk = 0.
Donc (λr , · · · , λk ) = (0, · · · , 0) au final, les λk sont tous nuls.
— Soit A = {k ∈ J0, nK tels que λk 6= 0}. Si A est vide, alors cela signifie que tous les λk sont nuls et
on a fini la preuve.
Sinon, A est non vide et admet donc un plus grand élément k0 , i.e. λk0 6= 0 et pour k > k0 , λk = 0.
Ainsi λ0 P0 + · · · + λk0 Pk0 = 0. Le meme raisonnement qu’au point précédent nous assure alors
que deg(λ0 P0 + · · · + λk0 Pk0 ) = deg(Pk0 ) ce qui est encore une fois incompatible avec le fait que
λ0 P0 + · · · + λk0 Pk0 = 0. Donc λk0 = 0, ce qui est exclus.


Définition 4.2 (Famille échelonnée de polynômes)

Une famille de polynômes (P0 , P1 , · · · , Pr ) tels que deg(P0 ) < deg(P1 ) < · · · < deg(Pr ) est appelée
une famille échelonnée.

Remarque
En particulier (ce sera très souvent le cas en pratique), une famille de polynômes (P0 , P1 , · · · Pp )
telle que deg(Pi ) = i sera toujours libre.

Exemple 27. Soit a ∈ K. La famille de polynômes (1, X − a, (X − a)2 , · · · , (X − a)p ) est libre, puisque
c’est une famille échelonnée (deg((X − a)k = k). Cette famille est donc libre. C’est la base de Taylor en
a de Kp [X] (voir plus loin la définition de base).
Propriété 4.6
— Toute sous-famille d’une famille libre est libre. En particulier, si (u1 , · · · up ) est une famille libre et
si q 6 p, (u1 , · · · uq ) est aussi une famille libre.
— Toute sur-famille d’une famille liée est liée. En particulier, si (u1 , · · · up ) est une famille liée et qu’on
y rajoute des vecteurs : ((u1 , · · · ur ) avec r > p), alors (u1 , · · · ur ) est aussi une famille liée.
— Soit (u1 , · · · up ) une famille libre et up+1 ∈/ V ect(u1 , · · · up ), alors (u1 , · · · up , up+1 ) une famille libre.

4.2 Familles génératrices

Définition 4.3 (Famille génératrice)

Soit E un K−espace vectoriel et (u1 , · · · , up ) une famille de E. Cette famille est dite génératrice si
E = V ect(u1 , · · · up ) i.e.
p
X
∀x ∈ E, ∃(α1 , · · · , αp ) ∈ Kp tels que x = αk xk = α1 u1 + · · · + αp up .
k=1

Page 20/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

   
1 2
Exemple 28. — Soient u1 = et u2 = . Montrons que la famille (u1 , u2 ) est une famille
1 1
génératrice de R2 .      
x 2 x x
Il suffit de montrer que pour tout ∈R , ∈ V ect(u1 , u2 ). Soit donc un vecteur de
y y y
R2 . Montrons qu’il existe (λ, µ) ∈ R2 tels que
( (
x = λ + 2µ λ = −x + 2y
         
x 1 2 x λ + 2µ
=λ +µ i.e. = i.e. i.e.
y 1 1 y λ+µ y =λ+µ µ=x−y
 
x
Ainsi, = (−x + 2y)u1 + (x − y)u2 ∈ V ect(u1 , u2 ). Donc la famille (u1 , u2 ) est une famille
y
génératrice de R2 .
 
1
— Soient u1 et u2 comme précédemment et u3 = . Alors la famille (u1 , u2 , u3 ) est aussi une famille
0
génératrice de R2 . En effet, tout vecteur (x, y) de R2 peut s’écrire sous la forme
 
x
= (−x + 2y)u1 + (x − y)u2 + 0u3 .
y
   
2 1 0
— Dans R , la famille formée par les vecteurs u1 = et u2 = n’est pas génératrice. En effet,
0 0
(0, 1) ne peut clairement pas s’écrire comme combinaison linéaire de u1 et u2 .
   
1 0
3
— Dans R , la famille formée par les vecteurs u1 = 1 et u2 = 1 n’est pas génératrice. En effet,
  
0 1
3
supposons que u = (x, y, z) ∈ R et essayons d’écrire u comme combinaison linéaire de u1 et u2 :


 x=λ
u = λu1 + µu2 ⇔ y = λ + µ

z=µ

 
0
Il apparaı̂t assez clair que ce système n’admet des solution que si y = x + z. Ainsi, pour u = 1, 
0


 λ=0
le système devient λ + µ = 1 . Ce système n’admet pas de solution et donc (0, 1, 0) ∈
/ V ect(u1 , u2 ).

µ=0

 
1
3
— Par contre, toujours dans R , la famille formée par les vecteurs u1 , u2 et u3 = 0 est pas

1
génératrice. En effet, reprenons u = (x, y, z) ∈ R3 et essayons d’écrire u comme combinaison linéaire
de u1 , u2 et u3 :
x+y−z

  
 λ=
x = λ + ν
  x=λ+ν


 2
y−x+z
 
u = λu1 + µu2 + νu3 ⇔ y = λ + µ ⇔ y − x = µ − ν ⇔ µ =
   2
z =µ+ν z =µ+ν
  


ν =
 x − y+z
2

Page 21/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

Au final,
x+y−z −x + y + z x−y+z
(x, y, z) = u1 + u2 + u3
2 2 2
Exemple 29. — La famille des ei = (0, · · · , 0, 1, 0, · · · , 0) est une famille génératice de Kn .
— La famille (1, X, X 2 , · · · , X n ) est une famille génératice de Kn [X].
— Les matrices élémentaires (Ei,j )16i6n forment une famille génératrice de Mn,p (K) cf. chapitre sur
16j6p
les matrices).

Remarque
Une famille génératrice de V ect(u1 , · · · , up ) est (u1 , · · · , up ).

Propriété 4.7
Toute famille contenant une famille génératrice de E est une famille génératrice de E.
Preuve : En effet, supposons que E soit engendré (on utilise "engendré" plutôt que "généré") par une
famille (u1 , u2 , · · · up ). Soit une famille cotenant strictement la précédente (supposons par exemple qu’elle
soit de la forme (u1 , u2 , · · · up , up+1 , up+2 , · · · uq ). Alors

E ⊂ V ect(u1 , · · · up ) ⊂ V ect(u1 , · · · uq ) ⊂ E.

et la chaı̂ne d’inclusions est en fait une chaı̂ne d’égalités ! Donc V ect(u1 , · · · uq ) = E et (u1 , · · · uq ) engendre
E. 

4.3 Bases
Définition 4.4 (Base d’un espace vectoriel)

Soit E un K−espace vectoriel et F = (u1 , · · · , up ) une famille finie de vecteurs de E. On dit que
F est une base de E si F est une famille libre et génératrice de E.

Théorème 4.1 (Caractérisation des bases - Coordonnées dans une base)

Soit E un K−espace vectoriel et F = (u1 , · · · , up ) une famille finie de vecteurs de E. F est une
base de E si et seulement si
p
X
p
∀u ∈ E, ∃!(λ1 , · · · , λp ) ∈ K tel que u = λk uk = λ1 u1 + · · · + λp up
k=1

Preuve : ⇒ Soit u ∈ E. Comme F est une famille génératrice de E, u ∈ V ect(F). Donc

p
X
p
∃(λ1 , · · · , λp ) ∈ K tel que u = λk uk
k=1
Pp
Supposons maintenant qu’il existe une autre famille de scalaires (λ01 , · · · , λ0p ) ∈ Kp tels que u = 0
k=1 λk uk .
Alors
X p Xp Xp
0
λk uk = λk uk i.e. (λ0k − λk )uk = 0
k=1 k=1 k=1

Page 22/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

Or, la famille (u1 , · · · up ) est libre. On en déduit que pour tout k ∈ J1, pK, λ0k − λk = 0, i.e. que λk = λ0k
pour tout k. La décomposition est bien unique.
⇐ Supposons que
p
X
∀u ∈ E, ∃!(λ1 , · · · , λp ) ∈ Kp tel que u = λk uk = λ1 u1 + · · · + λp up
k=1

L’existence nous dit donc que pour tout u de E, u ∈ V ect(u1 , · · · up ). Donc (u1 , · · · up ) est une famille
génératrice de E.
Par ailleurs en particulier pour u = 0, il existe un unique (λ1 , · · · , λp ) ∈ Kp tel que λ1 u1 + · · · + λp up = 0
et ce p-uplet ne peut donc être que (0, · · · , 0). La famille (u1 , · · · up ) est donc libre. C’est donc une base
de E. 

Définition 4.5 (Coordonnées dans une base)

Avec les notations du théorème ci-dessus, les scalaires λ1 , · · · , λp sont appelés coordonnées du
vecteur u dans la base (u1 , · · · , up ).

Remarque
Une base est donc en un certain sens "une meilleure famille génératrice possible" puisqu’on a
existence et unicité des coordonnées. Le caractère "générateur" nous donne l’existence de ces
coordonnées, le caractère "libre" nous donne l’unicité. On verra dans le chapitre sur la dimension
que les bases d’un espace vectoriel (de dimension finie) ont toutes le même cardinal. Par exemple
dans les exemples suivants, les bases de R2 auront toutes 2 éléments, celles de R3 auront toutes 3
éléments, etc...

Remarque
Certains espaces vectoriels sont munis d’une base "naturelle" liée à leur construction, qu’on appelle
base canonique. Ce n’est pas la seule base possible (tous les K− espaces vectoriels ont une infinité
de bases) mais c’est celle qui découle de la construction.

Exemple 30. — Dans Kn , les vecteurs ei = (0, · · · , 0, 1, 0, · · · , 0) forment une base de cet espace
puisque c’est une famille libre et génératrice.
— La famille de polynômes (1, X, X 2 , · · · , X n ) forme une base de Kn [X].
— Dans Mn,p (K), les matrices élémentaires (Ei,j )16i6n forment une base de Mn,p (K).
16j6p

MÉTHODE
Pour montrer qu’une famille F est une base d’un espace vectoriel E, pour l’instant, on peut au
choix
— revenir à la définition, i.e. montrer que cette famille est libre et génératrice dans E.
— utiliser la caractérisation : montrer que chaque élément de E se décompose de manière
unique comme combinaison linéaire d’éléments de F.
On verra dans le chapitre sur la dimension une méthode beaucoup plus simple basée justement sur
la dimension (et le cardinal de la base) qui nous permettra de nous passer d’une moitié de cette

Page 23/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

méthode.

Exemple 31. — D’après les calculs effectués précédemment, la famille composée de u1 = (2, 1) et
u2 = (1, 1)
  est génératrice
 de R2 et ces vecteurs ne sont pas colinéaires. Cette famille est donc libre.
2 1
Ainsi, , forme une base de R2 . De plus, un vecteur (x, y) ∈ R2 a pour coordonnées
1 1
(−x + 2y, x − y) dans la base (u1 , u2 ).
— Par contre, les familles ((1, 0), (1, 1), (4, 3)) et ((1, 0), (0, 0)) ne sont pas des bases de R2 . La première
n’est pas libre dans R2 . La seconde n’est pas génératrice.
— D’après les calculs effectués précédemment, dans R3 , la famille composée de u1 = (1, 1, 0), u2 =
(0, 1, 1) et u3 = (1, 0, 1)
forme une base de R3 . De plus, un vecteur (x, y, z) ∈ R3 a pour coordonnées
x+y−z −x+y+z x−y+z
2 , 2 , 2 dans la base (u1 , u2 , u3 ).
— Par contre, la famille ((1, 1, 0), (0, 1, 1)) n’est pas une base de R3 puisqu’elle n’est pas génératrice.
Exemple 32. Soit F = {(x, y, z) ∈ R3 tels que x + 2y − z = 0}. Cherchons une base de F .
       
x x −2 1
y  ∈ F ⇔ x = −2y + z ⇔ y  =  1  y + 0 z
z z 0 1
       
−2 1 −2 1
Donc F = V ect  1  , 0. Ainsi, la famille  1  , 0 est génératrice de F et comme les
0 1 0 1
deux vecteurs
qui la
 composent
  ne sont pas colinéaires, cette famille est libre. Une base de F est donc
−2 1
donnée par  1  , 0.
0 1
Propriété 4.8
Soient F et G deux sous-espaces vectoriels d’un espace E qui sont en somme directe (i.e. tels que F ∩ G =
{0E }). Soit (u1 , · · · , up ) une base de F et (v1 , · · · , vq ) une base de G. Alors (u1 , · · · , up , v1 , · · · , vq ) est
une base de F ⊕ G, dite adaptée à la somme directe F ⊕ G.
Autrement dit, on trouve une base de F ⊕ G en concaténant une base de F et une base de G. Sur la
figure suivante, on a un plan F et une droite G qui sont supplémentaires dans R3 . On trouve une base de
R3 en concaténant une base de F et une base de G :

Page 24/25
Chapitre 18 PTSI - Lycée de l’Europe
Espaces vectoriels Mathématiques 2024-2025

Propriété 4.9
Soit F = (u1 , · · · , up , up+1 , · · · , up+q ) une famille libre de E. Les sous-espaces vectoriels F =
V ect(u1 , · · · , up ) et G = V ect(up+1 , · · · , up+q ) sont alors en somme directe. Si de plus, F est une base de
E, alors F et G sont supplémentaires dans E.
         
1 0 1 1 0
Exemple 33. La famille 1 , 1 , 0 est une base de R3 . F = V ect 1 , 1 est un
0 1 1 0 1
 
1
plan (d’équation x − y + z = 0) et G = V ect 0 est une droite. La propriété précédente nous dit
1
alors que F et G sont supplémentaires dans R . 3

Page 25/25