Chapitre 1

Espaces vectoriels réels

1.1 Notion d’espace vectoriel réel

– La notion d’un espace vectoriel est une notion fondamentale en mathématiques

et en physique.
– En algèbre linéaire, un espace vectoriel est un ensemble d’objets appelés
vecteurs, que l’on peut additionner entre eux, et que l’on peut multiplier
par un scalaire (pour les étirer, les rétrécir, les tourner, ...etc).
– Un espace vectoriel est un ensemble muni d’une structure permettant
d’effectuer ces combinaisons linéaires.

Définition 1.1 a
On appelle espace vectoriel réel (ou R-espace vectoriel) un ensemble non vide
E d’éléments désignés par x, y, . . . appelés vecteurs, muni d’une structure
algébrique définie par la donnée de deux opérations (dites aussi lois) :
Addition vectorielle : a
A tous vecteurs x et y de E correspond un vecteur de E désigné par
x + y et appelé somme de x et y. L’addition vectorielle est aussi appelée
(loi interne sur) E (+ : E × E → E).
Multiplication par un scalaire : a
A tout α de R et tout x de E correspond un vecteur désigné par (α · x)
et appelé produit de x par α. La multiplication par un scalaire est une
(loi externe sur) E (· : R × E → E).
Ces deux lois satisfont aux conditions suivantes :
1. Pour tout x, y ∈ E, x + y = y + x (commutativité)
2. Pour tout x, y, z ∈ E, x + (y + z) = (x + y) + z (associativité) .

3
 3. Il existe un vecteur (unique), noté 0E et appelé vecteur nul, tel que
x + 0E = x pour tout x ∈ E.
4. pour tout vecteur x ∈ E, il existe un vecteur (unique) de E, noté −x
et appelé opposé de x, tel que x + (−x) = 0E .
5. ∀x, y ∈ E, ∀α, β ∈ R, on a :
(a) α.(β.x) = (αβ).x (b) (α + β).x = α.x + β.x
(c) 1R .x = x (d) α.(x + y) = α.x + α.y
Remarque 1.1 a
L’ensemble vide ∅ n’est pas un espace vectoriel (0E 6∈ ∅).

Proposition 1.1 (Régles élémentaires dans un R-espace vectoriel E)

a Pour α ∈ R et x ∈ E, on a :
1. 0R .x = 0E et α.0E = 0E .
2. −(α.x) = α.(−x) = (−α).x.
3. α.x = 0E =⇒ (α = 0R ou x = 0E )

Preuve
(1) Pour x ∈ E,

0E = 0R .x + (−0R .x)
= (0R + 0R ).x + (−0R .x)
= 0R .x + (0R .x + (−0R x))
= 0R .x + 0E
= 0R .x.

De même pour α.0E = 0E .

(2) On a
α.x + (−α).x = (α − α).x = 0R .x = 0E .
Donc, (−α).x = −(α.x). De même, on a α.(−x) = −(α.x).
(3) Si α 6= 0, x = 1.x = α1 .(α.x) = α1 .0E = 0E .

Exemples 1.1
1. {0E } est un espace vectoriel sur R K.

2. R est R-espace vectoriel.

3. L’ensemble Mn,p (R) des matrices à n-lignes et à p-colonnes est un R-

espace vectoriel.

4
 4. (Rn , +, ·) : L’ensemble des n-uplets de nombres réels est noté Rn . Par
exemple,

R2 := {(x, y) | x, y ∈ R} ,
R3 := {(x, y, z) | x, y, z ∈ R} ,
Rn := {(x1 , x2 , . . . , xn ) | x1 , x2 , . . . , xn ∈ R} .

Munissons Rn des opérations d’addition et de multiplication par un

scalaire définies au moyen des formules suivantes :

Addition : a
On définit l’addition sur les n-uplets d’une manière naturelle comme suit :
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) := (x1 + y1 , x2 + y2 , . . . , xn + yn ).

On déduit facilement que l’addition sur Rn vérifie les propriétés (1) − (4) de
la définition, où l’élément neutre est 0Rn := (0, 0, . . . , 0) et l’élément opposé
de (x1 , x2 , . . . , xn ) est
−(x1 , x2 , . . . , xn ) := (−x1 , −x2 , . . . , −xn ).

Multiplication par un scalaire : a

Soient α ∈ R et (x1 , x2 , . . . , xn ) un élément de Rn

α(x1 , x2 , . . . , xn ) := (αx1 , αx2 , . . . , αxn ).

La multiplication par un scalaire sur Rn vérifie la propriété (5) de la définition.
Donc (Rn , +, ·) est un R-espace vectoriel.

Exemple 1.1 aL’espace (R[X], +, ·)

Munissons R[X] ; l’ensemble des polynômes à une indéterminée à coefficients
dans R, des opérations d’addition et de multiplication par un scalaire définies
au moyen des formules suivantes :
Addition : n n n
X X X
ai X i + bi X i := (ai + bi )X i .
i=0 i=0 i=0

Multiplication par un scalaire : a

Soit α ∈ R. On définit la multiplication d’un polynôme par α comme suit :
n
! n
X X
i
α ai X := αai X i .
i=0 i=0

(R[X], +, ·) est un R-espace vectoriel.

5
1.2 Produit scalaire
Soit E un espace vectoriel réel.

Définition 1.2 a
On appelle produit scalaire dans E toute opération qui fait correspondre à
chaque couple (x, y) de vecteurs de E un réel, noté (x | y) et appelé produit
scalaire de x et y, satisfaisant aux conditions suivantes :
1. Pour tout x, y ∈ E : (x | y) = (y | x) (symétrie).
2. Pour tout x, y, z ∈ E et pour tout α, β ∈ R : (αx + βy | z) = α(x |
z) + β(y | z) (linéarité à gauche).
3. Pour tout x ∈ E non nul : (x | x) > 0 (défini positif ).

Remarque 1.2
– Dans la définition précédente, la condition (2) exprime la linéarité à
gauche du produit scalaire. La linéarité à droite est obtenue en utilisant
(1) et (2) :

(x | αy + βz) = (αy + βz | x) = α(y | x) + β(z | x) = α(x | y) + β(x | z).

– Pour α = β = 0 dans (2), on a : (0 | z) = 0 et par symétrie (z | 0) = 0.

Donc, le produit scalaire de x et y est nul si x est nul ou y est nul. En
particulier (x | x) est nul si et seulement si x = 0.

Définition 1.3 a
Soit x un vecteur de E. On appelle norme de x, noté kxk, le nombre réel
p
(x | x). On dit que x est unitaire si kxk = 1.

Remarque 1.3 a
– Pour tout α ∈ R et x ∈ E ;
p p p
kαxk = (αx | αx) = α2 (x | x) = |α| (x | x) = |α| kxk.
x
– Pour tout x ∈ E non nul, le vecteur kxk
est unitaire.

Exemple 1.2 (Produit scalaire canonique) a

Dans l’espace vectoriel réel R2 , on définit l’opération :
((x1 , x2 ) | (y1 , y2 )) = x1 y1 + x2 y2 .

Cette opération est symétrique. En effet,

((x1 , x2 ) | (y1 , y2 )) = x1 y1 + x2 y2 = y2 x2 + y1 x1 = ((y1 , y2 ) | (x1 , x2 )) .

6
Elle est aussi linéaire à gauche :
(α(x1 , x2 ) + β(x′1 , x′2 ) | (y1 , y2 )) = ((αx1 + βx′1 , αx2 + βx′2 ) | (y1 , y2 ))
= (αx1 + βx′1 )y1 + (αx2 + βx′2 )y2
= α(x1 y1 + x2 y2 ) + β(x′1 y1 + x′2 y2 )
= α ((x1 , x2 ) | (y1 , y2 )) + β ((x′1 , x′2 ) | (y1 , y2 )) .
En plus, si (x1 , x2 ) 6= (0, 0), on a ((x1 , x2 ) | (x1 , x2 )) = x21 + x22 > 0.
Donc, on a un produit scalaire sur R2 , dit produit scalaire canonique.
De manière générale, le produit scalaire canonique dans Rn est défini par :
((x1 , x2 , . . . , xn ) | (y1 , y2 , . . . , yn )) = x1 y1 + x2 y2 + · · · + xn yn .
Exemple 1.3 (Produit scalaire non canonique) a
On peut définir sur Rn d’autres produit scalaire (différents du produit scalaire
canonique). Par exemple, sur R3 , l’opération :
((x1 , x2 , x3 ) | (y1 , y2 , y3 )) = 2x1 y1 + 3x2 y2 + 4x3 y3 ,
définit un produit scalaire.
Définition 1.4 (Orthogonalité) a
L’espace vectoriel réel E est muni d’un produit scalaire (. | .).
1. On dit que deux vecteurs x et y de E sont orthogonaux si (x | y) = 0.
On note alors, x ⊥ y.
2. Deux sous-ensembles F et G de E sont orthogonaux si ∀x ∈ F et
∀y ∈ G, (x | y) = 0. On note alors, F ⊥ G.
3. Soit F un sous-ensemble de E. L’orthogonal de F est l’ensemble F ⊥
défini par :
F ⊥ = {x ∈ E | (x | y) = 0 ∀y ∈ F } .
C’est l’ensemble de tout les éléments de E qui sont orthogonaux à tout
les éléments de F .
Proposition 1.2 (Théorème de Pythagore) a
Deux vecteurs x et y de E sont orthogonaux si, et seulement si,
kx + yk2 = kxk2 + kyk2 .
Preuve
On a :
kx + yk2 = (x + y | x + y) = (x | x) + (x | y) + (y | x) + (y | y)
= (x | x) + 2(x | y) + (y | y) = kxk2 + 2(x | y) + kyk2 .
Donc, kx + yk2 = kxk2 + kyk2 si et seulement si (x | y) = 0.

7
1.3 Sous-espaces vectoriels et familles génératrices
Définition 1.5 (Combinaisons linéaires) a
Soient x1 , ..., xn des vecteurs de E. On appelle combinaison linéaire de x1 , ..., xn ,
toute somme :
α1 x1 + α2 x2 + ... + αn xn ,
où α1 , ..., αn sont des éléments de R.
L’ensemble des combinaisons linéaires de x1 , ..., xn est noté V ect(x1 , ..., xn )
ou x1 , ..., xn .

Remarque 1.4 a
Il est clair qu’une combinaison linéaire des éléments de E est aussi un
élément de E. Par conséquent, si x1 , ..., xn sont des vecteurs de E, alors

V ect(x1 , ..., xn ) ⊆ E.

Exemples 1.2
1. Le vecteur nul est combinaison linéaire de x1 , x2 , , ..., xn . Pour voir cela,
il suffit de prendre α1 = α2 = · · · = αn = 0 (combinaison triviale).
2. Une combinaison linéaire des vecteurs (1, 2) et (−2, 0) de R2 s’écrit de
la forme

x(1, 2) + y(−2, 0) = (x − 2y, 2x + 0y) = (x − 2y, 2x),

avec x, y ∈ R. Alors,

V ect ((1, 2), (−2, 0)) = {(x − 2y, 2x) | x, y ∈ R} .

Définition 1.6 (Sous-espaces vectoriels) a

On appelle sous-espace vectoriel de E tout sous-ensemble de E qui est lui-
même un espace vectoriel pour les opérations d’addition et de multiplication
par un scalaire définies dans E.

Remarque 1.5 a
Un sous-espace vectoriel F de E, ne peut pas être vide (0E ∈ F forcément).

Proposition 1.3 (Caractérisation des sous-espaces vectoriels) a

Un sous ensemble F de E est un sous-espace vectoriel de E si et seulement
si :
1. 0E ∈ F (n’est pas vide).
2. Pour tout α, β ∈ R et pour tout x, y ∈ F , on a αx + βy ∈ F .

8
Preuve
⇒)
Si F est un sous espace vectoriel de E, alors F un espace vectoriel non
vide. Donc, il contient un vecteur x, et par suite il contient aussi −x. Par
conséquent, 0E = x + (−x) ∈ F . Pour tous α et β de R et x et y de F ,
αx ∈ F et βy ∈ F . Donc, αx + βy ∈ F .
⇐)
Supposons que les conditions (1) et (2) sont vérifiées. Alors, pour tout α ∈ R
et tout x ∈ F , αx ∈ F . Donc, la loi externe est bien définie. En plus, pour
tous x, y ∈ F , x + y ∈ F , −x = (−1)x ∈ F et 0E = x + (−x) ∈ F . La loi
+ est associative et commutative car E est un espace vectoriel. Les autres
assertions sont toujours valides car E est un espace vectoriel. Donc, F est un
espace vectoriel.

Remarque 1.6 a
Dans la pratique :
– Pour montrer qu’un ensemble est muni d’une structure d’espace vecto-
riel, on montre en général que c’est un sous-espace vectoriel d’un espace
vectoriel connu, ce qu’est plus rapide que de revenir à la définition.
– Dans tout espace vectoriel E, il y a toujours deux sous-espaces vectoriels
dits triviaux : {0E } et E.
– Pour montrer que F est un sous-espace vectoriel de E :
1. On montre que : F ⊆ E.
2. On montre que : F 6= ∅ ; la plupart du temps on montre que 0E ∈
F.
3. On montre que : ∀α, β ∈ R, ∀x, y ∈ F , on a αx + βy ∈ F .

Exemples 1.3
1. A = {(x, y) ∈ R2 | x + 2y = 0} est un sous-espace vectoriel de R2 . En
effet, A ⊆ R2 , (0, 0) ∈ A et ∀α, β ∈ R et ∀(x, y), (x′ , y ′ ) ∈ A, on a :

α(x, y) + β(x′ , y ′ ) = (αx + βx′ , αy + βy ′ ),

et
(αx + βx′ ) + 2(αy + βy ′ ) = α(x + 2y) + β(x′ + 2y ′ ) = 0.
Donc, α(x, y) + β(x′ , y ′ ) ∈ A. Par conséquent, A est un sous-espace
vectoriel de R2
2. B = {(x, y) ∈ R2 | x + 2y = 1} n’est pas un sous-espace vectoriel de
R2 . En effet, (0, 0) 6∈ B. Donc, une partie d’un espace vectoriel n’est
pas nécessairement un espace vectoriel.

9
Proposition 1.4 a
Si x1 , ..., xn sont des vecteurs de E, alors V ect(x1 , ..., xn ) est un sous-espace
vectoriel de E.

Remarque 1.7 (Comment montrer que F est un sev d’un ev E ?) a

Pour cela, il suffit de montrer qu’il existe x1 , ..., xn des vecteurs de E tels que
F = V ect(x1 , ..., xn ).

Exemple 1.4 a
L’ensemble A = {(x, y) ∈ R2 | x − y = 0} est un sous-espace vectoriel de R2 .
En effet,

A = {(x, x) | x ∈ R} = {x(1, 1) | x ∈ R} = V ect ((1, 1)) .

Définition 1.7 (Somme de deux sous-espaces vectoriels) a

Soient F et G deux sous-espaces vectoriel d’un espace vectoriel E. La somme
de F et G est l’ensemble

F + G := {x + y ∈ E | x ∈ F et y ∈ G}.

Proposition 1.5 a
L’intersection et la somme de deux sous-espaces vectoriels d’un espace vec-
toriel E sont aussi des sous-espaces vectoriels de E.

Preuve
(Exercice)

Proposition 1.6 a
La réunion de deux sous espace vectoriel est un espace vectoriel si et seule-
ment si F ⊂ G ou G ⊂ F .

Preuve
(Exercice)

Définition 1.8 (Famille génératrice) a

Une famille {x1 , .., xn } d’éléments de E est dite génératrice de E si :

E = V ect(x1 , x2 , ..., xn ).

C’est-à-dire, si tout élément de E s’écrit comme combinaison linéaire des

éléments x1 , ..., xn :

∀x ∈ E, ∃λ1 , λ2 , ..., λn ∈ R : x = λ1 x1 + λ2 x2 + ... + λn xn .

On dit que x1 , ..., xn engendrent E.

10
Exemples 1.4
1. Le sous-espace vectoriel engendré par un vecteur non nul est formé de
tous les multiples de ce vecteur. On appelle un tel sous-espace droite
vectorielle. Un sous-espace vectoriel engendré par deux vecteurs non
multiples l’un de l’autre est appelé plan vectoriel.

2. Tout nombre complexe s’écrit de la forme z = a×1+b×i avec a, b ∈ R.

Donc, {1, i} est une famille génératrice de C en tant que R-espace vec-
toriel.

3. Tout élément de F = {(x, y, z) ∈ R3 | x + 2y − z = 0} s’écrit sous la

forme :

(x, y, z) = (x, y, x + 2y) = (x, 0, x) + (0, y, 2y) = x(1, 0, 1) + y(0, 1, 2).

Donc, {(1, 0, 1); (0, 1, 2)} est une famille génératrice de F .

4. On considère le sous-espace vectoriel de R3 ;

G = (x, y, z) ∈ R3 | x + 2y − z = 0; x − y + 2z = 0 .

On a :
  
x + 2y − z = 0 x + 2y − z = 0 x = −y
(x, y, z) ∈ G ⇐⇒ ⇐⇒ ⇐⇒
x − y + 2z = 0 3y − 3z = 0 y=z

Alors (x, y, z) = (−y, y, y) = y(−1, 1, 1). Donc, la famille {(−1, 1, 1)}

est une famille génératrice de G.
5. Tout élément (x, y) de l’espace réel R2 s’écrit de la forme :
(x, y) = x(1, 0) + y(0, 1).
Donc,
R2 = V ect ((1, 0), (0, 1)) .
De même,
R3 = V ect ((1, 0, 0), (0, 1, 0), (0, 0, 1)) .
Pour tout i ∈ {1, 2, . . . , n}, on considère ei l’élément de Rn dont tous
les coordonnées sont nulles sauf celle à la i-ième place qui vaut 1. C’est-
à-dire ;
e1 = (1, 0, 0, . . . , 0), e2 = (0, 1, 0, . . . , 0), ..., en = (0, 0, . . . , 0, 1).
Alors,
Rn = V ect(e1 , e2 , . . . , en ).
En effet,
(x1 , x2 , . . . , xn ) = x1 e1 + x2 e2 + · · · + xn en .

11
Proposition 1.7
1. Si {x1 , ..., xn } est une famille génératrice d’un espace vectoriel E et
{y1 , .., yp } est une famille d’éléments de E, alors {x1 , ..., xn , y1 , .., yp }
est encore génératrice.
2. Si une famille est génératrice, toute famille obtenue en permutant ses
éléments est aussi génératrice. Le fait qu’une famille soit génératrice
ne dépend donc pas de l’ordre de ses éléments.

Preuve

1. La famille {x1 , ..., xn } est génératrice de E. Alors, tout vecteur de E

s’écrit de la forme α1 x1 + ... + αn xn (les αi sont des scalaires). On peut
toujours voir cette écriture de la forme α1 x1 + ... + αn xn + 0y1 + ... + 0yp .
Donc, tout élément de E est combinaison linéaire des éléments de
la famille {x1 , ..., xn , y1 , .., yp }. Alors, {x1 , ..., xn , y1 , .., yp } est encore
génératrice.

2. Si on change les termes de l’écriture α1 x1 + ... + αn xn (les αi sont des

scalaires) rien ne va changer car la loi + est commutative.

Remarque 1.8 a
La famille génératrice n’est pas unique. Par exemple, V ect((1, 1, 1)) admet
les familles {(1, 1, 1)}, {(2, 2, 2)} comme familles génératrices.

1.4 Dépendance et indépendance linéaires

Définition 1.9 (famille libre et famille liée) a
Soient {x1 , x2 , ..., xn } une famille finie d’éléments d’un espace vectoriel réel
E.
1. On dit que {x1 , x2 , ..., xn } est une famille libre ou que les vecteurs
x1 , x2 , ..., xn sont linéairement indépendants, si

∀λ1 , .., λn ∈ R, (λ1 x1 +λ2 x2 +...+λn xn = 0E =⇒ λ1 = λ2 = ... = λn = 0).

2. Dans le cas contraire, c’est-à-dire si l’on peut trouver une famille de

scalaires λ1 , .., λn non pas tous nuls vérifiant λ1 x1 + λ2 x2 + ... + λn xn =
0E , on dit que la famille {x1 , x2 , ..., xn } est liée ou que les vecteurs
x1 , x2 , .., xn sont linéairement dépendants.

12
Exemples 1.5
1. On a 1R .0E = 0E donc {0E } est toujours liée.
2. Si x 6= 0, alors ∀λ ∈ R, λx = 0 =⇒ λ = 0. Donc, {x} les libre. Donc,
la famille {x} est libre si et seulement si x 6= 0.
3. Soit {e1 , e2 , . . . , en } la famille de Rn considérée dans l’exemple précédent.
Soient λ1 , λ2 , . . . , λn ∈ R des scalaires tels que

λ1 e1 + λ2 e2 + · · · + λn en = (0, 0, . . . , 0).

Donc, (λ1 , λ2 , . . . , λn ) = (0, 0, . . . , 0), et ainsi, λ1 = λ2 = · · · = λn =

0. Par conséquent, {e1 , e2 , . . . , en } est une famille libre de Rn . Par
exemple, {(1, 0), (0, 1)} est libre dans R2 et {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
est libre dans R3 .

Proposition 1.8
1. Toute sur-famille d’une famille liée est liée.
2. Toute sous-famille d’une famille libre est libre.
En particulier,
– Une famille libre ne peut pas contenir le vecteur nul.
– Une famille libre ne peut pas avoir deux vecteurs proportionnels, et a
fortiori deux vecteurs égaux.

Preuve

1. Si {x1 , ..., xn } est une famille liée, alors ∃α1 , ..., αn non tous nuls tels
que α1 x1 + ... + αn xn = 0. Si on considère y ∈ E, on a α1 x1 + ... +
αn xn + αn+1 y = 0 avec αn+1 = 0 et α1 , ..., αn+1 ne sont pas tous nuls.
Donc, {x1 , ..., xn , y} est liée.

2. Soit S une famille libre finie de E et S ′ ⊂ S une sous famille de S. Si S ′

est liée alors d’après (1), S est aussi liée. Absurde. Donc, S ′ est libre.

Remarque 1.9 a
{0E } est une famille liée donc elle ne peut être une sous famille d’une famille
libre. La même chose pour une famille de la forme {x, αx} avec x ∈ E et
α ∈ R.

Proposition 1.9 a
Soient {x1 , x2 , ..., xn } une famille libre de E et x ∈ E. La famille {x1 , ..., xn , x}
est liée si et seulement si x est une combinaison linéaire de x1 , ..., xn .

13
Preuve
La famille {x1 , ..., xn , x} est liée si et seulement si ils existent λ1 , ..., λn , α ∈ R
non tous nuls tels que λ1 x1 + ... + λn xn + αx = 0. Il est clair que α 6= 0 sinon
tous les scalaires sont nuls car {x1 , x2 , ..., xn } une famille libre de E. Donc,
la famille {x1 , ..., xn , x} est liée si et seulement si x = −1 α
(λ1 x1 + ... + λn xn )
(c’est-à-dire combinaison linéaire de x1 , ..., xn ).

Proposition 1.10 (L’unicité de la décomposition) a

Soit {x1 , ..., xn } une famille libre. Soient α1 , .., αn , β1 , ..., βn des scalaires.
Alors,

α1 x1 +α2 x2 +...+αn xn = β1 x1 +β2 x2 +...+βn xn =⇒ α1 = β1 , α2 = β2 , ..., αn = βn .

Preuve
On a :

α1 x1 + α2 x2 + ... + αn xn = β1 x1 + β2 x2 + ... + βn xn
⇒ (α1 − β1 )x1 + (α2 − β2 )x2 + ... + (αn − βn )xn = 0
⇒ α1 − β1 = α2 − β2 = ... = αn − βn = 0,

car {x1 , ..., xn } est libre.

Remarque 1.10 (Comment prouver qu’une famille est libre ou liée ?)

a
Famille libre : a
Il suffit d’appliquer la définition en supposant qu’on a une combinaison
linéaire nulle des x1 , . . . , xn et en montrant que tous les coefficients
sont nuls, c’est-à-dire :

λ1 x1 + · · · + λn xn = 0 =⇒ λ1 = · · · = λn = 0.

Dans Rn , on se ramène à un système linéaire homogène qu’on doit

résoudre et avoir l’unique solution 0Rn .

Famille liée : a
Il suffit de prouver l’existence des scalaires λ1 , . . . , λn non tous nuls
tels que
λ1 x1 + · · · + λn xn = 0.
En d’autre terme, il suffit d’écrire un des vecteurs x1 , . . . , xn en fonction
des autres vecteurs.

14
Exemple 1.5 a
Déterminons la nature des deux familles suivantes :

A = {(1, 0, 1), (0, 0, 1), (1, 1, 1)} et B = {(1, 0, 1), (1, 1, 0), (2, 1, 1)}

Soit x, y, z ∈ R tels que x(1, 0, 1) + y(0, 0, 1) + z(1, 1, 1) = (0, 0, 0). Alors,


 x+z =0
z =0

x+y+z =0

Ainsi, x = y = z = 0. Par suite, A est libre.

Soit x, y, z ∈ R tels que x(1, 0, 1) + y(1, 1, 0) + z(2, 1, 1) = (0, 0, 0). Alors,

 x + y + 2z = 0
y+z =0

x+z =0

Ainsi, x = y = −z. Donc, B n’est pas libre. En effet, pour x = y = 1 et

z = −1, on a

(1, 0, 1) + (1, 1, 0) + (−1)(2, 1, 1) = (0, 0, 0).

On a pu remarquer dès le début que (2, 1, 1) = (1, 0, 1) + (1, 1, 0) et déduire

directement que cette famille est liée.

1.5 Base d’un espace vectoriel

Définition 1.10 a
• On dit qu’une famille finie de vecteurs est une base de E si elle est libre et
engendre E.
• Si E est muni d’un produit scalaire (. | .), une base de E est dite orthogonale
si ces vecteurs sont orthogonaux deux à deux.
• De plus, si tous les vecteurs de la base sont unitaires, la base est ainsi dite
orthonormale.

Remarque 1.11 a
De la définition ci-dessus, si (x1 , x2 , . . . , xn ) est une famille libre de E, alors
c’est une base de V ect(x1 , x2 , . . . , xn ).

15
Proposition 1.11 a
Une famille de vecteurs (e1 , e2 , . . . , en ) est une base de E si, et seulement
si, tout vecteur x de E s’exprime de manière unique sous la forme d’une
combinaison linéaire des vecteurs e1 , e2 , . . . , en .
C’est-à-dire,
(e1 , e2 , . . . , en ) est une base de E
m
∀x ∈ E, ∃!λ1 , λ2 , . . . , λn ∈ R; x = λ 1 e 1 + λ 2 e 2 + · · · + λn e n .

Preuve
(Exercice)

Remarque 1.12
1. Les coefficients λ1 , λ2 , . . . , λn dans la proposition précédente sont ap-
pelés composantes ou coordonnées de x dans la base (e1 , e2 , . . . , en ).
Dans une base, tout vecteur est entièrement déterminé par ses compo-
santes.
2. Si la base (e1 , e2 , . . . , en ) est orthonormale, alors, pour tout i ∈ {1, . . . , n},
on a

(x | ei ) = (λ1 e1 + λ2 e2 + · · · + λn en | ei )
= λ1 (e1 | ei ) + · · · + λi (ei | ei ) + . . . λn (en | ei )
= λi (ei | ei )
= λi .

Exemples 1.6
1. Pour 1 ≤ i ≤ n, on pose

e1 = (1, 0, . . . , 0); e2 = (0, 1, 0, . . . , 0); . . . ; en = (0, . . . , 0, 1).

La famille Bn = (e1 , e2 , . . . , en ) est une base orthonormale de Rn , dite

la base canonique de Rn .
2. B2 = ((1, 0); (0, 1)) est la base canonique de R2 .
3. B3 = ((1, 0, 0); (0, 1, 0); (0, 0, 1)) est la base canonique de R3 .
4. La famille ((1, 1, 0); (0, 1, 1); (1, 0, 1)) est une base de R3 (qu’est différente
de la base canonique B2 ). Elle n’est pas orthogonale.
5. Soit n un entier naturel. La famille des polynômes (1, X, X 2 , . . . , X n )
est une base de Rn [X] (dite base canonique).

16
1.6 Dimension d’un espace vectoriel
Définition 1.11
1. Un espace vectoriel E est dit de dimension finie s’il possède une famille
génératrice finie. Dans le cas contraire, E est dit de dimension infinie.
2. Un espace euclidien est un espace vectoriel E de dimension finie muni
d’un produit scalaire.

Théorème 1.1 (Théorème de la base incomplète) a

Soit E un espace vectoriel de dimension finie.
1. Toute famille libre de E peut être complétée en une base de E.
2. Toute famille génératrice de E contient une base de E.

Du théorème précédent, on déduit le corollaire suivant :

Corollaire 1.1 a
Tout espace vectoriel E de dimension finie et non réduit au vecteur nul admet
une base. En fait, de toute famille génératrice de E on peut extraire une base.

Théorème 1.2 (Admis) a

Si (e1 , ..., en ) est une base de E, toute famille de vecteurs (x1 , ..., xk ) dont le
nombre des éléments k est supérieur strictement à n est liée.

Corollaire 1.2 a
Si (e1 , . . . , en ) et (e′1 , . . . , e′k ) sont deux bases de E, alors k = n.

Preuve
Du théorème précédent, nous déduisons que k ≤ n ainsi que n ≤ k, par
échange de rôle de deux bases. Il s’ensuit que k = n.

Définition 1.12 (Dimension d’un espace vectoriel) a

Soit E un espace vectoriel de dimension finie. On appelle dimension de E le
nombre de termes d’une base quelconque B de E notée dim ER = Card(B).
Si E se réduit au seul vecteur nul, on dit que sa dimension est nulle :
dim{0E } = 0.

17
Exemples 1.7
1. dim (Rn ) = n et dim (Rn [X]) = n + 1.
2. Le sous-espace vectoriel réel F = {(x, y, z) ∈ R3 | x + 2y − z = 0} de
R3 est de dimension finie et possède la base ((1, 0, 1); (0, 1, 2)). Donc,
dim F = 2.

Proposition 1.12 (Caractérisations d’une base) a

Supposons que E soit de dimension finie non nulle n.
1. Toute famille libre à n termes est une base de E.
2. Toute famille génératrice à n termes est une base de E.
Preuve

1. Une famille libre à n termes qui ne serait pas une base se prolongerait
en une base, d’après le théorème des bases incomplète, et la dimension
de E serait alors supérieure n.
2. D’une famille génératrice à n termes qui ne serait pas une base on
pourrait extraire une base, d’après le théorème des bases incomplète,
et la dimension de E serait alors inférieure à n.
Proposition 1.13 a
Si E est de dimension finie et F est un sous-espace vectoriel de E, alors F
est de dimension finie et dim F ≤ dim E. En outre, dim F = dim E si et
seulement si F = E.
Comment montrer qu’une famille est une base ?
Pour prouver qu’une famille {x1 , . . . , xn } est une base d’un sous espace vec-
toriel F , il y a deux façons de faire :
– Prouver que la famille est libre et génératrice ;
– Prouver que tout vecteur de F est combinaison linéaire de façon unique
des xi .
La difficulté dans les deux démarches se situe au même endroit : c’est le
caractère générateur (donc l’existence des coefficients, appelés coordonnées
dans le cas d’une base), qui pose problème.
Si on connait d’avance que dim F = n, on a le choix entre montrer que ”la
famille est libre à n éléments” ou ” qu’elle est génératrice à n éléments”.
Exemple 1.6 a
Montrons que la famille A = {(1, 0, 1), (0, 0, 1), (1, 1, 1)} est une base de R3 .
D’après les exemples précédents, A est libre. En plus, CardA = 3 = dim R3 .
Donc, A est une base de R3 .

18
Théorème 1.3 (Formule de Grassmann) a
Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E de dimen-
sion finie. Alors,
dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G).
Définition 1.13 (Espaces vectoriels supplémentaires) a
Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E. La somme
F + G est dite directe si F ∩ G = {0E }. Dans ce cas la somme F + G est
notée F ⊕ G.
Si F ⊕ G = E, on dit que F et G sont supplémentaires dans E.
Proposition 1.14 a
Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E. On a
équivalence entre :
1. F et G sont en somme directe.
2. Tout vecteur de F + G se décompose de manière unique comme
somme d’un vecteur de F et d’un vecteur de G (∀x ∈ F + G, ∃!a ∈
F, ∃!b ∈ G, tels que x = a + b).
Théorème 1.4 (Caractérisation de la supplémentarité en termes de bases)
Soient E un espace vectoriel de dimension finie n et F et G deux sous-espaces
vectoriels de E munis des bases e = (e1 , ..., ep ) et f = (f1 , ..., fq ), respective-
ment. On a équivalence entre :
1. E = F ⊕ G
2. B = (e1 , . . . , ep , f1 , . . . , fq ) est une base de E.
Proposition 1.15 (Existence d’une base orthonormale d’un espace Euclidien)
Tout espace euclidien admet une base orthonormale.
Exemple 1.7 a
Cherchons une base orthonormale du sous-espace vectoriel A = {(x, y, z) ∈ R3 | x + y − z = 0}.
Il est facile de voir que A = Vect {u = (1, 0, 1), v = (0, 1, 1)}. On peut vérifier
que {u, v} est libre mais elle n’est pas orthogonale. En effet,
(u | v) = 1.
Cherchons, w = αu + βv tel que (u | w) = 0, ce est équivalent à α(u |
u) + β(u | v) = 0. Or, (u | u) = 2 et (u | v) = 1. Ainsi, 2α + β = 0. Prenons,
β = 2 et ainsi α = −1. Donc, w = −u + 2v = (−1, 2, 1). Par conséquent,
(u, w) est une base orthogonale de A, mais pas normale. Pour finir, on prend
u
e1 = kuk w
= √u2 et e2 = kwk = √w6 , et alors (e1 , e2 ) est une base orthonormale
de A.

19