Chapitre 13 - Espaces vectoriels

Dans tout-ce chapitre, K désigne R ou C.

1 Espaces et sous-espaces vectoriels

1.1 Espace Vectoriel : définition

Définition
Un K-espace vectoriel est un ensemble non vide E muni des opérations suivantes :
— une addition entre ses éléments qui soit :
1. associative :

2. commutative :

3. qui admette un élément neutre noté ~0 :

4. telle que tout élément de E ait un opposé :

— une multiplication par les scalaires qui soit :

1. associative :

2. distributive par rapport aux additions :

3. respecte le scalaire 1 :

Vocabulaire et notation :
Les objets que l’on manipule dans l’étude des espaces vectoriels sont de deux types :
• les éléments de K qu’on appelle les scalaires ;
• les éléments de E qu’on appelle les vecteurs.
Pour marquer la différence entre ces deux types d’objets, notera les vecteurs avec une flèche. Progres-
sivement, on arrêtera de les écrire (sauf pour la géométrie du plan et de l’espace). Lorsqu’on se passera
des flèches, pour faire la différence entre le scalaire nul et le vecteur nul, on pourra noter ce dernier 0E .
Remarques :
a) On verra que l’opposé du vecteur ~u est le vecteur (−1).~u qu’on notera −~u. L’existence de −~u permet
~ + ~u ⇐⇒ ~v + ~u − ~u = w
de simplifier les équations : ~v + ~u = w ~ + ~u − ~u ⇐⇒ ~v = w.
~
b) Le choix du vocabulaire n’est pas anodin ; on a créé des ensembles dans lesquelles les règles de calcul
sont les mêmes qu’en géométrie du plan et de l’espace. On s’aidera de représentations géométriques
pour représenter des situations a priori non géométriques.

1
1.2 Espaces Vectoriels : exemples de référence
Il faut s’assurer que les conditions demandées par la définition sont bien vérifiées. Le plus souvent, c’est
un travail relativement fastidieux mais qui ne pose pas de difficultés. On détaillera un des exemples ;
pour les autres on se limite à donner le vecteur nul ainsi que l’opposé d’un vecteur quelconque.

1.2.1 Vecteurs du plan, vecteurs de l’espace

Proposition
→
−
• L’ensemble des vecteurs d’un plan P , noté P , est un R-espace vectoriel.
→
−
• L’ensemble des vecteurs de l’espace E , noté E , est un R-espace vectoriel.

→
− →
−
Un vecteur de P ou de E est la donnée de trois informations :

→
− →
−
Soit ~u un vecteur de P ou E . −~u est le vecteur

Le vecteur nul est l’unique vecteur ayant

→
− →
−
Remarque : il existe d’autres opérations avec les vecteurs de P et de E .

→
− →
−
Attention : on a l’habitude de confondre les vecteurs de P et E avec

1.2.2 Espace vectoriel Kn

Remarque : Soit n ∈ N∗ . Les éléments de Kn sont les n-uplets d’éléments de K. Un élément de Kn
est de la forme ~x = (x1 , . . . , xn ) avec xi ∈ K (pour i ∈ [[1; n]]).

Proposition
Kn est un K-espace vectoriel.

1.2.3 Espace vectoriel des matrices

Proposition
Soit (n, p) ∈ (N∗ )2 , Mn,p (K) est un K-espace vectoriel.

Remarque : Les vecteurs de l’espace vectoriel Mn (K) sont les matrices ; voici typiquement un contexte
dans lequel on ne mettra jamais de flèches sur les vecteurs.

2
1.2.4 Espace vectoriel des polynômes

Proposition
K[X] est un K-espace vectoriel.

Remarque : il existe d’autres opérations dans K[X] :

1.2.5 Espace vectoriel des applications à valeurs dans K

Définition
Soit Ω un ensemble non-vide.
On note KΩ l’ensemble des applications définies sur Ω et à valeurs dans K.

Proposition
Soit Ω un ensemble non-vide. KΩ est un K-espace vectoriel.

Démonstration

Vérifions à-présent que les conditions de la définition sont bien vérifiées.

— Soit f et g deux applications de KΩ . f + g est l’élément de KΩ défini par :

f (x) et g(x) sont dans K et donc l’addition dans KΩ va hériter des propriétés de l’ad-
dition dans K :
1. Associativité :

2. Commutativité :

3. L’élément neutre est

4. Soit f ∈ KΩ . L’application opposée de f est

— Soit f ∈ KΩ et λ ∈ K. λf est
λf (x) est le produit de deux éléments de K et donc, ici aussi, les propriétés de la
multiplication dans K vont garantir les conditions demandées par la définition d’espace
vectoriel :
1. Associativité :

2. Distributivité par rapport aux additions :

3.

3
Remarques :
a) Une suite à valeurs dans K est une application de N dans K. Il suit que l’ensemble des suites à
valeurs dans K est un K-espace vectoriel, on le note KN .
b) On dispose d’une autre opération dans KΩ :

1.3 Deux propriétés des espaces vectoriels

Tout d’abord des règles de calcul qui correspondent à l’intuition :

Proposition
Soit E un K-espace vectoriel, ~u ∈ E et λ ∈ K.
i. 0~u = et λ~0 =

ii. λ~u = ~0 si, et seulement, si :

iii. L’opposé de ~u est unique, c’est le vecteur −1~u, que l’on notera simplement −~u.

Démonstration
Soit ~u ∈ E , λ ∈ K.
i. On a

ii. Supposons que λ~u = ~0. Si λ 6= 0 alors, en multipliant par λ1 , on a ~u = ~0.

La réciproque est donnée par i.
iii. L’existence de l’opposé de ~u est assurée par la définition de la structure d’espace vectoriel.

Rappel sur le produit cartésien d’ensembles :

• Etant donnés deux ensembles non vides A et B, le produit cartésien de A et B est

• On généralise par récurrence à un produit de n ensembles A1 , . . . , An (avec n ∈ N∗ ) :

n
Y
Ai =
i=1

Proposition
Soit E et F deux ensembles ayant des structures de K-espaces vectoriels.
On définit sur l’ensemble produit E × F les opérations suivantes :
• Addition par composantes :
Pour tous (e1 , f1 ) et (e2 , f2 ) dans E × F , on pose (e1 , f1 ) + (e2 , f2 ) = (e1 + e2 , f1 + f2 ).
• Produit de chaque composante par un scalaire :
Pour tous (e, f ) ∈ E × F et λ ∈ K on pose λ(e, f ) = (λe, λf ).

Muni de ces lois, E × F est un K-espace vectoriel dont le vecteur nul est :

4
Remarques :
a) On prolonge sans difficulté cette proposition à un produit fini de K-espace vectoriels : si E1 , . . . En
Yn
sont des K-espaces vectoriels, Ei a également une structure de K-espace vectoriel avec les opé-
i=1
rations définies par composantes.
b) Cela justifie (à nouveau) la structure de K-espace vectoriel de l’ensemble Kn .

2 Sous-espaces vectoriels
Dans la suite, E désigne un K-espace vectoriel.

2.1 Stabilité par combinaison linéaire

Définition
— Une combinaison linéaire de deux vecteurs ~u et ~v de E est un vecteur de la forme

— De façon plus générale, si ~u1 , . . . ~un est une famille finie de vecteurs de E alors
une combinaison linéaire de la famille (~ui )i∈[[1,n]] est un vecteur de la forme

Exemples :
a) On travaille dans le plan muni d’une base (~i, ~j). Le vecteur ~u de coordonnées (5, −2) est combi-
naison linéaire de ~i et ~j : ~u = 5~i + (−2)~j.
De façon générale, tout vecteur ~v du plan est combinaison linéaire de ~i et ~j et les coefficients de
cette combinaison linéaire sont les coordonnées de ~v dans la base (~i, ~j).
b) Dans RR , la fonction définie par f (x) = 3 cos(x) + 7 sin(x) est combinaison linéaire de cos et sin.

Définition
Soit F ⊂ E . On dit que F est un sous-espace de E lorsque :
• F est non-vide.
• F est stable par combinaison linéaire :

Exemples :
a) Soit E un espace vectoriel. {~0} est un sous-espace vectoriel de E :

b) R+ n’est pas un sous-espace vectoriel de R. En effet,

Avant de donner d’autres exemples, on commence par une propriété très utile :

Proposition
Soit E un K-espace vectoriel. ~0E est dans tous les sous-espaces vectoriels de E .

Démonstration
Déjà, E admet des sous-espaces vectoriels car

Soit F un sous-espace vectoriel de E

5
 Méthode (Lorsqu’on veut voir si F est un SEV de E)
On commence par regarder si ~0E est dans F :
— si oui : F est non vide et il reste à voir la stabilité par combinaison linéaire ;
— si non : on conclut directement que F n’est pas un SEV de E .

Exemples :
a) L’ensemble Dn des matrices diagonales de taille n est un sous-espace vectoriel de Mn (K) :

b) D’autres sous-espaces de Mn (K) :

c) Soit n ∈ N∗ . Gln (K)

d) L’ensemble Γ des polynômes de degré 3

e) Soit n ∈ N∗ . Kn [X]

f) F = {f ∈ RR /f (1) = 0} est un sous-espace vectoriel de RR :

g) D’autres sous-espaces vectoriels de RR :

Remarque : le théorème qui suit donne son sens à la notion de sous-espace vectoriel :

Théorème
Soit F un sous-espace vectoriel de E . Alors, F est lui-même un K-espace vectoriel.

Remarque : l’idée qu’il faut se faire des espaces vectoriels est que ce sont les ensembles dans lesquels
on peut faire des combinaisons linéaires.

2.2 Sous-espace vectoriel engendré par une famille de vecteurs

Définition
Soit (~u1 , . . . , ~un ) une famille de vecteurs de E .
— On note Vect(~u1 , . . . , ~un ) l’ensemble des combinaisons linéaires de la famille (~ui )i∈[[1;n]] :

Vect(~u1 , . . . , ~un ) = {λ1 ~u1 + · · · + λn ~un /(λ1 , . . . , λn ) ∈ Kn }

— Vect(~u1 , . . . , ~un ) est le plus petit sous-espace vectoriel de E contenant la famille

(→
−
u i )i∈[[1,n]] . On l’appelle sous-espace vectoriel engendré par la famille (→
−
u i )i∈[[1,n]] .

Le second point de la définition comporte une assertion à vérifier :

Démonstration
Soit F = (ui )i∈[[1,n]] . Montrons que Vect(F) est un sous-espace vectoriel de E :
— En prenant λ1 = · · · = λn = 0K , on a ~0 ∈ Vect(F).

6
 — Soit deux éléments de Vect(F) : ~v = ni=1 λi~ui et w
~ = ni=1 µi ~ui .
P P
Soit α et β deux scalaires, il faut montrer que α~v + β w
~ ∈ Vect(F).
n
X n
X n
X
α~v + β w
~ =α λi ~ui + β µi ~ui = (αλi + βµi )~ui
| {z }
i=1 i=1 i=1 ∈ K

α~v + β w~ est donc une combinaison linéaire d’éléments de F : α~v + β w ~ ∈ Vect(F).

Finalement, Vect(F) est un sous-espace vectoriel de E .
Par définition, tout sous-espace de E qui contient F contient Vect(F). 
n o
Remarque : On adopte la convention Vect(∅) = ~0 .
Cette convention est cohérente : une somme vide est égale à l’élément neutre de l’addition.
n o Par ailleurs,
elle permet de prolonger le résultat démontré ci-dessus : une famille vide génère ~0 qui est un sous-
espace vectoriel.

Définition
Deux vecteurs ~u et ~v sont dits colinéaires

Remarque :

Définition
Soit F un sous-espace vectoriel de E .
• Si F = Vect(~u) avec ~u 6= ~0 alors on dit que F est une droite vectorielle de E .
• Si F = Vect(~u, ~v ) avec ~u et ~v deux vecteurs non nuls et non colinéaires, alors on dit que
F est un plan vectoriel de E .

Exemples :
a) On travaille dans l’espace muni d’une base orthonormée directe (~i, ~j, ~k).
Soit le vecteur ~n(1, 2, −3), on considère Γ : l’ensemble des vecteurs orthogonaux à ~n.

b) K1 [X] est un plan vectoriel de K[X] :

K1 [X] =

c) Ensemble des nombres complexes.

— C peut être envisagé en tant que R-espace vectoriel et alors C = Vect(1, i) car tout complexe z
s’écrit Re(z) × 1 + Im(z) × i qui est une combinaison linéaire à coefficients réels de 1 et i qui
sont évidemment non-colinéaires. C est donc un plan vectoriel réel.
— C peut également être envisagé comme un C-espace vectoriel et alors C = Vect(1) car tout
complexe λ vaut λ × 1. C est donc une droite vectorielle complexe.

7
 Proposition
• L’ensemble des solutions d’un système linéaire homogène à p inconnues et à coefficients
dans K est un sous-espace vectoriel de Kp .
• L’ensemble des solutions sur un intervalle I d’une équation différentielle linéaire ho-
mogène est un sous-espace vectoriel de KI .

Remarque : Les exemples suivants illustrent la proposition, il sont l’occasion de vérifier que les
méthodes qui ont été vues dans les chapitres précédents sont mémorisées.

Exemples :

x + 3y − z = 0
a) Le système linéaire S : a pour solution une droite vectorielle. En effet :
2x + 5y + 3z = 0

b) L’ensemble des solutions de l’équation différentielle linéaire y 0 − t2 y = 0 est une droite vectorielle.
En effet,

c) L’ensemble des solutions de l’équation différentielle linéaire y 00 + y = 0 est

Méthode (Pour démontrer qu’un ensemble F est un K-espace vectoriel)

• On peut toujours vérifier que les axiomes de la définition d’un espace vectoriel sont
vérifiés.
• Il est souvent beaucoup plus rapide de montrer que F est un sous-espace vectoriel
d’un exemple de référence. Pour ce faire, il y a deux stratégies :
— On montre que ~0 ∈ F et que F est stable par combinaisons linéaires.
— F est un sous-espace vectoriel si on parvient à écrire F = Vect(~u1 , . . . , ~un ).

2.3 Somme de sous-espaces vectoriels

Dans ce paragraphe, E désigne un K-espace vectoriel, F et G des sous-espaces vectoriels de E.

Proposition
F ∩ G est un sous-espace vectoriel de E .

Démonstration
— F ∩ G 6= ∅ :

— F ∩ G est stable par combinaison linéaire :

8
Exemple : L’ensemble des fonctions définies et dérivables sur R est un sous-espace vectoriel de RR ,
l’ensemble des fonctions paires est aussi un sous-espace vectoriel de RR . (Les vérifications sont laissées
en exercice.) Il suit que l’ensemble des fonctions définies et dérivables sur R qui sont paires est un
sous-espace vectoriel de RR .

Attention : le plus souvent, F ∪ G n’est pas un sous-espace vectoriel de E.

Prenons un contre-exemple :

Définition
On appelle somme de F et G le sous-ensemble de E dont les éléments se décomposent en
une somme d’un élément de F et d’un élément de G :

F + G = {~u ∈ E / ∃ (~uF , ~uG ) ∈ F × G , ~u = ~uF + ~uG }

Proposition
F + G est le plus petit sous-espace vectoriel de E qui contienne F ∪ G.

Exemple : On travaille dans R3 et on considère F = Vect((1, 0, 0)) et G = Vect((0, 1, 0)).

F + G est l’ensemble des vecteurs de R3 de la forme ~x = f~ + ~g avec f~ ∈ F et ~g ∈ G. On a donc
~x = λ(1, 0, 0) + µ(0, 1, 0) avec λ et µ des réels. Il suit que F + G ⊂ Vect((1, 0, 0), (0, 1, 0)).
L’inclusion réciproque est évidente : tout vecteur de Vect((1, 0, 0), (0, 1, 0)) est par définition de la
forme λ(1, 0, 0) + µ(0, 1, 0) et appartient donc à F + G.
Finalement, F + G = Vect((1, 0, 0), (0, 1, 0)).

Définition
• La somme F + G est dite directe lorsque la décomposition ~u = ~uF + ~uG est unique.
On note alors F ⊕ G.
• On dit que F et G sont supplémentaires lorsque F ⊕ G = E .

Exemple : l’ensemble des fonctions paires et l’ensemble des fonctions impaires sont des sous-espaces
supplémentaires de RR . (On le verra en exercice).

Proposition
F et G sont en somme directe si, et seulement si, F ∩ G = {~0}.

Démonstration

Remarque : il est souvent plus facile de montrer que F ∩ G = {~0} que de prouver l’unicité de la
décomposition des vecteurs de F + G comme somme d’éléments de F et de G.

9
 Méthode (Pour prouver que F et G sont supplémentaires dans E)
Il y a deux étapes :

1. On prouve que F ∩ G = {~0} (on en déduit que la somme est directe).

2. Pour un vecteur quelconque ~x ∈ E il faut prouver que ~x est dans F + G (on a alors
E ⊂ F + G, l’inclusion réciproque étant évidente on en déduit F + G = E ).

Exemple : Dans K2 , si ~u et ~v sont non colinéaires alors Vect(~u) et Vect(~v ) sont supplémentaires.

Remarque : Vect(~v ) n’est pas le seul supplémentaire de Vect(~u). Par exemple, en

est un autre.

3 Familles finies de vecteurs

Dans ce paragraphe, E désigne un K-espace vectoriel, n un entier naturel non nul.
On considère une famille finie de vecteurs de E : (~ui )i∈[[1;n]] .

3.1 Familles libres ou liées

Définition
— La famille (~ui )i∈[[1;n]] est dite libre (de E ) lorsque son unique combinaison linéaire nulle
est triviale (avec tous les coefficients nuls). Autrement dit :

— Dans le cas contraire, la famille est dite liée.

Remarque : le contraire de « Tous les λi sont nuls » est

Exemples :
a) Dans C ∞ (R, R) la famille (cos, sin, exp) est libre.

b) On travaille dans l’espace muni d’une base orthonormée directe (~i, ~j, ~k) et on considère la fa-
mille :(~u(1, 1, −2) ; ~v (3, 1, −5) ; w(−1,
~ 1, 1)).

10
c) Dans K[X], la famille (3X + 1, 2X) est libre. En effet :

Proposition
Soit une famille de polynômes non-nuls (P1 , . . . , Pn ) de K[X].
Si 0 ≤ deg(P1 ) < · · · < deg(Pn ) alors cette famille est libre dans K[X].

Remarque : lorsque deg(P1 ) < · · · < deg(Pn ), on dit que (P1 , . . . , Pn ) est échelonnée en degré.
Exemples :
1. La famille (5, X 2 + X, X 3 − X) est échelonnée en degré, donc elle est libre.
2. La famille (X 2 + X, X 3 − 2X 2 , X 3 + X 2 − X) n’est pas échelonnée en degré, ce qui ne permet
pas de conclure si elle est libre ou liée. (Exercice : prouvez qu’elle est libre).

Méthode (Pour savoir si une famille de vecteurs est libre ou liée)

• On peut toujours se servir de la définition : on prend une combinaison linéaire nulle
des vecteurs et on cherche à décider si ses coefficients sont nécessairement nuls. (Cela
conduit à la résolution d’un système linéaire homogène).
• Si un des vecteurs est combinaison linéaire des autres alors la famille est liée (c’est
d’ailleurs une équivalence mais l’implication réciproque sert rarement).
• Une sous-famille d’une famille libre est libre ; une famille qui contient une sous-famille
liée est liée.

3.2 Familles génératrices ou non ; bases

Définition
Soit F un sous-espace vectoriel de E .
La famille (~ui )i∈[[1;n]] est dite génératrice de F lorsque

Remarque : toute
famille est génératrice de l’espace qu’elle engendre : (~ui )i∈[[1;n]] est génératrice de
Vect (~ui )i∈[[1;n]] .

Méthode (Pour montrer qu’une famille (u

~i )1≤i≤n est génératrice de E)
Deux stratégies sont possibles :
— on peut montrer qu’elle génère tout vecteur de l’espace E ;
— si on dispose d’une autre famille (~vi )1≤i≤p dont on sait qu’elle est génératrice de E , il
suffit de montrer que les v~i sont générés par la famille (u~i )1≤i≤n .

Définition
On dit que la famille (~ui )i∈[[1;n]] est une base de E lorsqu’elle est

Exemples : dans certains espaces de référence, il y a des bases qui sont naturelles, on les appelle
bases canoniques.
a) Dans K2 :

11
b) Dans Kn (avec n ∈ N) :

c) Dans Mn,p (K) (avec (n, p) ∈ (N∗ )2 ) :

d) Dans Kn [X] :

Remarque : il existe d’autres bases pour ces espaces. Par exemple, (1, 1 + X, X + X 2 , . . . , X n−1 + X n )
est aussi une base de Kn [X].

Proposition
Soit B = (~ui )i∈[[1;n]] une famille de vecteurs de E . On a équivalence entre :
i. B est une base ;
ii. tout ~v ∈ E s’écrit de façon unique comme combinaison linéaire des vecteurs de B :

Démonstration
•

Méthode (Pour prouver que la famille (~

u1 , . . . , u
~ n ) est une base de E)
Il y a deux stratégies :
• On peut vérifier que les conditions de la définition sont vérifiées, c’est-à-dire que la
famille est libre et génératrice de E .
• Il est parfois plus simple de prouver que tout vecteur ~v ∈ E s’écrit de façon unique
comme combinaison linéaire de la famille (~u1 , . . . , ~un ).

12
 Définition
Soit B = (u~i )1≤i≤n , une base de E .

D’après la proposition précédente, tout vecteur ~v ∈ E s’écrit de façon unique

~v = x1 u~1 + · · · + xn u~n avec (xi ) ∈ Kn .

Avec ces notations :

— x1 , . . . , xn sont les

— Pour tout i ∈ [[1, n]], xi~ui est est la composante de ~v selon ~ui .
 
x1
—  ...  est la matrice colonne des coordonnées de ~v dans la base B, notée MatB (~v ).
 

xn

Remarques :
a) on a supposé l’existence d’une base B, ce qui semble naturel mais n’est pas évident dans le cas
général. On le prouvera en dimension finie.
b) Il faut faire le parallèle avec la géométrie du plan ou de l’espace : représenter des vecteurs par leurs
coordonnées est naturel.
Exemple : on travaille dans K2 [X]. On note Bcan sa base canonique et F = (X 2 + X + 1, 3X − 1, 2).

a) Rappeler Bcan .

b) Prouver que F est une autre base de K2 [X].

c) Soit P = X 2 + 2X − 1. Donner les matrices colonnes des coordonnées de P dans Bcan et dans F.

d) P est à présent un vecteur quelconque de K2 [X] : P = aX 2 +bX +c. Donner Matcan (P ) et MatF (P ).

e) Quelle opération matricielle permet de passer de Matcan (P ) à MatF (P ) ?

13
3.3 Bases et sommes directes

Proposition
Soit F et G deux sous-espaces de E qui sont en somme directe.
On suppose de plus que BF = (f~1 , . . . , f~n ) et BG = (~g1 , . . . , ~gp ) sont des bases de F et G. Alors,

De plus, on dit que cette base est adaptée à F ⊕ G, on la note (BF , BG ).

Exemple : On travaille dans le plan muni d’une base orthonormée B = (~i, ~j). On considère vecteur
~u(1, −1) et D la droite vectorielle Vect(~u). (~u) est donc une base de D.
Soit Γ l’ensemble des vecteurs orthogonaux à ~u. Γ est la droite vectorielle d’équation x − y = 0, le
vecteur ~v (1, 1) en est un vecteur non nul (on a choisi arbitrairement des coordonnées différentes de
(0, 0) qui satisfont l’équation de Γ).(~v ) est donc une base de Γ.
D et Γ sont supplémentaires car leur intersection est réduite à {~0} et la famille (~u, ~v ) est génératrice
du plan. B 0 = (~u, ~v ) est donc une base du plan qui est adaptée à la somme D ⊕ Γ.

À quoi cela sert-il ?

Si l’on cherche à effectuer la projection orthogonale d’un vecteur w~ sur D, il est beaucoup plus com-
mode d’avoir la décomposition de w ~ dans B 0 que dans B. En effet, si w
~ = λ~u + µ~v alors son projeté
orthogonal sur D est λ~u.

Proposition
Soit (~u1 , . . . , ~un ) une famille libre de E , soit 1 ≤ k < n.
Les sous-espaces Vect(~u1 , . . . ~uk ) et Vect(~uk+1 , . . . , ~un ) sont

Remarque : la démonstration est laissée en exercice.

14