XIX Espaces vectoriels

26 août 2025

Table des matières

1. Espaces vectoriels et combinaisons linéaires. 1
1.1. Définitions. . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Règles de calcul. . . . . . . . . . . . . . . . . . . . . . . . 1
1.3. Exemples. . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4. Combinaisons linéaires. . . . . . . . . . . . . . . . . . . . 3

2. Sous-espaces vectoriels. 4
2.1. Définitions. . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2. Exemples. . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.3. Opérations sur les sous-espaces vectoriels. . . . . . . . . . 5
a. Intersection. . . . . . . . . . . . . . . . . . . . . . . 5
b. Sous-espace vectoriel engendré par une partie. . . . 6
c. Sous-espace vectoriel engendré par une famille finie. 8
d. Somme. . . . . . . . . . . . . . . . . . . . . . . . . 8
2.4. Somme directe et supplémentaires. . . . . . . . . . . . . . 9

3. Translations, sous-espaces affines. 11

3.1. Translations. . . . . . . . . . . . . . . . . . . . . . . . . . 11
3.2. Sous-espaces affines. . . . . . . . . . . . . . . . . . . . . . 11
3.3. Barycentres (hors programme) . . . . . . . . . . . . . . . 13
3.4. Convexité (hors programme) . . . . . . . . . . . . . . . . 14
 XIX - ESPACES VECTORIELS

Dans tout ce chapitre, K = R ou C. L’important est que K soit un tion scalaire. Ainsi, on pourra écrire λx au lieu de λ · x, pour un scalaire
corps, mais le programme se limite à K = R ou C. λ et un vecteur x.
Exemple 1.1.4. 1. L’ensemble des vecteurs du plan euclidien, celui des
1. Espaces vectoriels et combinaisons linéaires. vecteurs de l’espace euclidien, ou de façon équivalente 1 (R2 , +, ·) et
(R3 , +, ·), d’où les mots «vecteur» et «scalaire». De manière générale,
1.1. Définitions. tous les Rn .
2. (R, +, ×) est un R-espace vectoriel. Remarquez que la loi × est à la
fois loi interne et externe sur R (c’est aussi un Q-espace vectoriel).
Définition 1.1.1.
On appelle K-espace vectoriel ou espace vectoriel sur K (noté K-ev) tout 3. (C, +, ×) est à la fois un C-espace vectoriel et un R-espace vectoriel
triplet (E, +, ·) où E est un ensemble muni d’une loi interne + appelée (et également un Q-espace vectoriel).
addition et d’une loi externe ·, i.e. une application · : K × E → E, vérifiant 4. N, Z et Q ne sont pas des espaces vectoriels ni sur R ni sur C avec
: les opérations usuelles 2 .
(i) (E, +) est un groupe commutatif dont le neutre est noté 0 ; 5. R[X], C[X], R(X) et C(X) sont des espaces-vectoriels (sur quels
(ii) En notant 1 (ou 1K ) le neutre de K pour la multiplication, on a : corps ?)
∀x ∈ E 1 · x = x ;
6. Mn,p (K) est un K-ev.
(iii) ∀(λ, µ) ∈ K2 ∀x ∈ E (λ + µ) · x = λ · x + µ · x (distributivité à
droite) ; Remarque 1.1.5.
Tout C-espace vectoriel est aussi un R-espace vectoriel. La réciproque
(iv) ∀λ ∈ K ∀x, y ∈ E λ · (x + y) = λ · x + λ · y (distributivité à
est fausse : R n’est pas un C-espace vectoriel, du moins pas avec les lois
gauche) ;
usuelles 3
(v) ∀λ, µ ∈ K ∀x ∈ E (λ × µ) · x = λ · (µ.x) (associativité mixte).
Dans toute la suite, (E, +, ·) désigne un K-ev.
Les éléments de E sont appelés vecteurs, et ceux de K sont appelés
scalaires.
1.2. Règles de calcul.
Remarque 1.1.2.
Les vecteurs mathématiques étant des objets mathématiques comme les Théorème 1.2.1 (Règles de calcul).
autres, on ne les marquera plus d’une flèche comme c’est traditionnellement Soit λ ∈ K et x ∈ E.
l’usage dans le secondaire (cet usage est d’ailleurs réservé à la géométrie
euclidienne, alors qu’on verra de nombreux exemples d’espaces vectoriels 1. Il conviendrait, en anticipant un peu, de dire plutôt : «de façon isomorphe».
où les vecteurs ne sont ni ceux du plan, ni ceux de l’espace euclidien). 2. En fait, c’est même vrai quelle que soit la loi qu’on essaie d’y définir. Pourquoi ?
3. Il y aurait moyen d’en définir une, qui serait complètement «tordue» en utilisant
Remarque 1.1.3. le fait que R et C peuvent être mis en bijection mais ça n’aurait vraisemblablement
On omet souvent, pour alléger les notations, de noter le · de la multiplica- aucun intérêt.

1
 XIX - ESPACES VECTORIELS

(iii) Soit (λ, µ) ∈ K2 , (x1 , . . . , xn ) ∈ E. En posant

(i) λ · x = 0E ⇔ λ = 0K ou x = 0E et, en particulier, 0K · x = 0E et z = (λ + µ) · (x1 , . . . , xn )
λ · 0E = 0E .
on a successivement :
(ii) −x = (−1) · x (l’opposé de x dans (E, +) est égal à l’opposé de 1 z = ((λ + µ) ·1 x1 , . . . , (λ + µ) ·n xn )
dans (K, +, ×) multiplié par x).
= (λ ·1 x1 + µ ·1 x1 , . . . , λ ·n xn + µ ·n xn )
= (λ ·1 x1 , . . . , λ ·n xn ) + (µ ·1 x1 , . . . , µ ·n xn )
Démonstration. (i) a) Remarquons tout d’abord qu’on a 0 · x = (0 + 0) · x = = λ · (x1 , . . . , xn ) + µ · (x1 , . . . , xn ).
0 · x + 0 · x et donc par simplification dans (E, +), donc 0 · x = 0. (iv) Soit λ ∈ K, (x1 , . . . , xn ) ∈ E et (y1 , . . . , yn ) ∈ E. En posant
b) Remarquons ensuite qu’on a λ · 0 = λ(0 + 0) = λ · 0 + λ · 0, d’où λ · 0 = 0.
z = λ · (x1 +1 y1 , . . . , xn +n yn )
c) On en déduit λ = 0K ou x = 0E ⇒ λ · x = 0E .
d) Réciproquement, supposons λ · x = 0. Alors, si λ ≠ 0, on a x = 1 · x = on a successivement :
1 1 1
 
λ× · x = · (λ.x) = · 0 = 0 z = (λ · (x1 +1 y1 ), . . . , λ.(xn +n yn ))
λ λ λ
= (λ ·1 x1 +1 λ ·1 y1 , . . . , λ ·n xn +n λ ·n yn )
(ii) On a x + (−1) · x = 1 · x + (−1) · x = (1 − 1) · x = 0 · x = 0. Donc (−1) · x est
bien l’opposé de x dans (E, +). = (λ ·1 x1 , . . . , λ ·n xn ) + (λ ·1 y1 , . . . , λ ·n yn )
= λ · (x1 , . . . , xn ) + λ · (y1 , . . . , yn ).
(v) Soit (λ, µ) ∈ K2 et (x1 , . . . , xn ) ∈ E. On a successivement :
1.3. Exemples. (λ × µ) · (x1 , . . . , xn ) = ((λ × µ) ·1 x1 , . . . , (λ × µ) ·n xn )
= (λ ·1 (µ ·1 x1 ), . . . , λ ·n (µ ·n xn ))
Théorème 1.3.1 (Espace vectoriel produit). = λ · (µ ·1 x1 , . . . , µ ·n xn )
Soient n ∈ N∗ et (E1 , +1 , ·1 ) . . . (En , +n , ·n ) des K-ev. On considère = λ · [µ · (x1 , . . . , xn )] .
l’ensemble produit E = E1 × . . . × En que l’on munit des deux lois
+ : E × E → E et · : K × E → E définies, par les relations suivantes pour
Remarque 1.3.2.
toutes familles (xk )k∈[[1,n]] et (yk )k∈[[1,n]] et tout λ ∈ K :
Cas particuliers :
(x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 +1 y1 , . . . , xn +n yn ) 1. Déjà vu : R2 .
λ · (x1 , . . . , xn ) = (λ ·1 x1 , . . . , λ ·n xn ) 2. Se généralise à tous les Rn , n ∈ N∗ . Exemple de calcul dans R6 .

Alors, (E, +, ·) est un K-ev appelé espace vectoriel produit. Théorème 1.3.3 (Espaces d’applications).
Soit X un ensemble non vide et E un K-ev. On considère F = E X , que
Démonstration.
l’on munit de deux lois :
 F × F −→ ( F

Il suffit de vérifier les 5 points de la définition d’espace vectoriel : 
(i) (E, +) est un groupe (cf. exercices sur les groupes produits vu en TD), et com- +: X → E
mutatif car tous les Ei le sont. (f, g) 7−→
x 7→ f (x) + g(x)


(ii) Soit (x1 , . . . , xn ) ∈ E, on a 1 · (x1 , . . . , xn ) = (1 ·1 x1 , . . . , 1 ·n xn ) = (x1 , . . . , xn ).

2
 XIX - ESPACES VECTORIELS

Attention : il n’y a pas nécessairement unicité des λi . Exemple :

et
 K ×F −→ F

 ( (1, 1) = 1 · (1, 0) + 1 · (1, 3) + 1 · (−1, −2)
·: X → E . 1 1
(λ, f ) 7−→
x 7→ λ · (f (x)) (1, 1) = · (1, 0) + 0 · (1, 3) − · (−1, −2)


2 2
Alors (F , +, ·) est un K-ev.
Exemple 1.4.4.
Exemples menant, comme souvent, à la résolution d’un système :
Démonstration. 1. (3, −3, 0) est-il combinaison linéaire de (1, 0, 0), (0, −1, 2) et
Il suffit de vérifier les 5 points de la définition d’ev. On a déjà vu que (E X , +) était un (1, 0, −3) ?
groupe commutatif. Le lecteur saura vérifier les points (ii) à (v).
2. (−1, 2, 3) est-il combinaison linéaire de (1, 1, 0) et (−1, 1, 3) ?
Exemple 1.3.4. 1. Soit I un intervalle, alors (RI , +, ×) est un R-espace
3. (0, 3 + 3i) est-il combinaison linéaire de (i, 1 − i) et (1 − i, 1) ?
vectoriel, (CI , +, ×) est à la fois un R-espace vectoriel et un C-espace
vectoriel. Remarque 1.4.5.
Pour la deuxième question, on sait y répondre avec le déterminant. Pour
2. L’ensemble des suites à valeurs réelles RN est un R-espace vectoriel,
l’instant ce n’est possible que pour les vecteurs du plan mais bientôt... (à
celui des suites à valeurs complexes est à la fois un R-espace vectoriel
suivre).
et un C-espace vectoriel.
On peut généraliser la définition précédente au cas des familles quel-
conques.
1.4. Combinaisons linéaires.

Définition 1.4.6.
Définition 1.4.1. Soit I un ensemble (xi )i∈I une famille de vecteurs indexées par I. On
Soient u1 , . . . , un des vecteurs de E, avec n ∈ N. On appelle combinaison appelle combinaison linéaire de la famille (xi )i∈I tout vecteur de la forme
n
X
linéaire de u1 , . . . , un tout vecteur de la forme u = λk · uk = λ1 · u1 + X
k=1 λi · x i
. . . + λn · un , avec λ1 , . . . , λn ∈ K. i∈I
Par convention la combinaison linéaire de 0 vecteur vaut 0E .
où (λi )i∈I est une famille de scalaire à support fini c’est-à-dire telle que
l’ensemble des i ∈ I tels que λi ̸= 0 soit fini.
Exemple 1.4.2. 1. 0 est toujours combinaison linéaire de deux vecteurs
quelconques u et v car 0E = 0K u + 0K v. Exemple 1.4.7.  
2. Décomposition dans une base dans le plan ou l’espace. Quelles sont les combinaisons linéaires de la famille X k dans R[X]
  k∈N
Remarque 1.4.3. ? et de la famille X 2k dans R[X] ?
k∈N

3
 XIX - ESPACES VECTORIELS

Remarque 1.4.8 (Opérations sur les combinaisons linéaires).

Une combinaison linéaire de combinaisons linéaires d’une famille de vec- (ii) F est non vide, stable par addition et par multiplication externe ;
teurs est une combinaison linéaire des vecteurs de cette famille. (iii) F est un sous-groupe de E stable par multiplication externe ;
On montre en effet très simplement les points suivants. (iv) F est non vide et ∀λ, µ ∈ K ∀(x, y) ∈ F 2 λx + µy ∈ F .
— La somme de deux combinaisons linéaires d’une même famille est
encore une combinaison linéaire de cette famille. (v) F est non vide et ∀λ ∈ K ∀(x, y) ∈ F2 λx + y ∈ F ;
— Le produit par un scalaire d’une combinaison linéaire d’une famille (vi) 0E ∈ F et ∀λ ∈ K ∀(x, y) ∈ F 2 λx + y ∈ F .
est encore une combinaison linéaire de cette famille.

Démonstration.
2. Sous-espaces vectoriels. On remarque successivement :
(i) ⇒ (ii) Il suffit de prendre λ = 1 pour la stabilité par addition et y = 0 pour la
Dorénavant, nous omettrons d’écrire le · de la multiplication scalaire. stabilité par multiplication externe.
(ii) ⇒ (iii) Supposons (ii). Alors F est stable par multiplication externe, donc en
2.1. Définitions. particulier ∀x ∈ F (−1).x ∈ F . Ainsi, F est stable par opposé. Par ailleurs, F
est non vide et stable par addition, c’est donc un sous-groupe de E.
(iii) ⇒ (iv) Supposons (iii). Alors F est un sous-groupe donc n’est pas vide. Soit
Définition 2.1.1. λ, µ ∈ K et (x, y) ∈ F 2 . F est stable par multiplication externe, donc λx ∈ F et
Soit F ⊂ E. On dit que F est un sous-espace vectoriel (sev) de E si : µy ∈ F . F est un sous-groupe de E, donc λx + µy ∈ F .
(iv) ⇒ (v) Direct avec µ = 1.
(i) 0 ∈ F ;
(v) ⇒ (vi) Supposons (v). Alors F est non vide et contient donc un élément x0 , donc
(ii) F est stable par combinaisons linéaires quelconques de deux vecteurs, contient 0E car 0E = (−1) · x0 + x0 . On en déduit (vi).
i.e. pour tout λ, µ ∈ K, et pour tous x, y ∈ F , λx + µy ∈ F . (vi) ⇒ (i) Supposons (vi). Alors, pour tout (x, y) ∈ F 2 et pour tout (λ, µ) ∈ K2 ,
λx = λx + 0 donc λx ∈ F . De plus, λx + µy = µy + (λx), qui appartient donc
bien à F avec (vi), et l’on a (i).
Remarque 2.1.2.
Il est clair que tout sous-espace vectoriel est stable par multiplication
externe ainsi que par l’addition. Par récurrence, on en déduit que, pour Remarque 2.1.4.
tout n ∈ N, toute combinaison linéaire de n vecteurs d’un sous-espace En pratique pour montrer qu’un sous-ensemble de E est un sous-espace
vectoriel appartient encore à ce sous-espace vectoriel. Donc tout sous- vectoriel, on utilisera (iv) ou (v), qui est généralement le plus rapide à
espace vectoriel est stable par toute combinaison linéaire de ses vecteurs. démontrer.
Exemple 2.1.5.
Proposition 2.1.3. E et {0} sont des sev de E, dits triviaux.
Soit F ⊂ E. Toutes les propositions suivantes sont équivalentes : Exemple 2.1.6.
(i) F est un sous-espace vectoriel de E ; L’ensemble des solutions d’une équation différentielle linéaire homogène
dont la variable est une fonction de I dans R est un sev de RI .

4
 XIX - ESPACES VECTORIELS

2.3. Opérations sur les sous-espaces vectoriels.

Théorème 2.1.7.
Soit F un sous-ensemble de E. Alors F muni des lois induites de E est un Dans toute la suite du chapitre, F et G sont deux sous-espaces vectoriels
K-espace vectoriel si et seulement si F est un sous-espace vectoriel de E. de E.

a. Intersection.
Démonstration. — Supposons que F muni des lois de E soit un K-espace vectoriel.
Alors (F, +) est un groupe abélien donc c’est un sous-groupe de (E, +). De plus,
F est stable par multiplication externe, donc c’est bien un sous-espace vectoriel Théorème 2.3.1. 1. F ∩ G est un sous-espace vectoriel de E.
de E. 2. F ∪ G est un sous-espace vectoriel de E si et seulement si F ⊂ G ou
— Réciproquement, si F est un sous-espace vectoriel de E, on sait qu’il s’agit d’un
sous-groupe de (E, +), donc (F, +) est un groupe abélien. De plus, F est stable
G ⊂ F.
par multiplication externe, donc la multiplication externe de E induit bien une
multiplication externe sur F . On peut aisément vérifier que les propriétés (ii) à Démonstration. 1. On a évidemment 0 ∈ F ∩ G. On vérifie aisément que pour tout
(v) des espaces vectoriels sont alors vérifiées par les lois induites sur F . (x, y) ∈ (F ∩ G)2 et tout λ ∈ K, on a λx + y ∈ F ∩ G.
2. Si un des deux espaces vectoriels est inclus dans l’autre, alors F ∪G est trivialement
un sous-espace vectoriel de E.
Remarque 2.1.8. Supposons à l’inverse qu’aucun des deux sous-espaces vectoriels ne soit inclus
En pratique, pour montrer qu’un ensemble est un espace vectoriel, il est dans l’autre et montrons qu’alors F ∪ G n’est pas un sous-espace vectoriel. F \ G
plus rapide de montrer que c’est un sous-espace vectoriel d’un espace contient au moins un élément x, et G \ F au moins un élément y. Posons alors
z = x + y. Si z appartenait à F , on aurait y = z − x ∈ F ce qui n’est pas le cas.
vectoriel plus gros : on le fera donc quasiment TOUJOURS, et l’on ne De même, on ne peut avoir z ∈ G. Donc z ∈ / F ∪ G, donc F ∪ G n’est pas stable
reviendra presque JAMAIS à la définition complète. par addition.

2.2. Exemples. Exemple 2.3.2.

Dans l’espace, toute droite passant par 0 est l’intersection de deux plans
Exemples géométriques : passant par 0, donc est un sous-espace vectoriel.
Droites dans R2 Soient (a, b, c) ∈ R3 , avec (a, b) ̸= (0, 0). À quelle condi- Cette propriété se généralise en fait à une intersection d’une famille
tion la droite d’équation ax + by = c est-elle un sous-espace vectoriel quelconque de sous-espaces vectoriels :
de R2 ?
Plans dans R3 Même question pour un plan d’équation ax+by +cz +d = Théorème 2.3.3.
0. Soit (Fi )i∈I (resp. F ) une famille (resp. un ensemble) de sous-espaces
Cercles dans R2 Même question pour un cercle dans le plan. vectoriels de E. Alors
\ \
Exemples avec polynômes et fractions rationnelles : quels sont les liens Fi resp. F
entre R, C, Rn [X], Cn [X], R[X], C[X], R(X) et C(X) ? i∈I F ∈F

Exemples avec les fonctions : soit I un intervalle et n un entier naturel, est un sous-espace vectoriel de E.
C n (I, K) est un sous-espace vectoriel de KI .

5
 XIX - ESPACES VECTORIELS

Démonstration. et montrons que V est ce plus petit élément.

Remarquons que le cas de l’intersection d’un ensemble se traite comme le cas particulier Comme E ∈ F , on a F ̸= ∅, donc V est bien défini.
d’une famille : il s’agit de l’intersection de la famille des (Fi )F ∈I où I = F et pour Montrons tout d’abord V ∈ F .
tout G ∈ I, FG = G. Pour tout F ∈ F , on a X ⊂ F , donc
La démonstration s’effectue alors comme la précédente. Notons F l’intersection des \
Fi pour i ∈ I. X⊂ F =V
F ∈F
1. On a évidemment 0 ∈ Fi pour tout i ∈ I, donc 0 ∈ F .
De plus, V est une intersection de sous-espaces vectoriels de E donc c’est un sous-espace
2. Pour tout (x, y) ∈ F 2 et tout λ ∈ K, on a successivement :
vectoriel de E.
∀i ∈ I (x, y) ∈ Fi2 Donc on a V ∈ F .
Il suffit donc maintenant de montrer que V est un minorant de F , c’est-à-dire que
∀i ∈ I λx + y ∈ Fi
pour tout F ∈ F , on a V ⊂ F .
Soit F ∈ F . On a
\
λx + y ∈ Fi \
i∈I V = G
G∈F
donc tout élément de V appartient à tout élément de F , donc en particulier à F . On a
donc V ⊂ F .
Un exemple important d’intersection a priori infinie est donnée dans la V minore donc F pour l’inclusion.
partie suivante. V est donc un élément de F qui minore F : c’est donc son plus petit élément.

Remarque 2.3.5. 1. Tout sous-espace vectoriel de E contenant X

b. Sous-espace vectoriel engendré par une partie.
contient donc Vect(X).
2. Si F est un sous-espace vectoriel de E, alors F est le plus petit
Définition 2.3.4 (Sous-espace vectoriel engendré par une partie). sous-espace vectoriel contenant F , donc Vect(F ) = F .
Soit X une partie (quelconque) du K-espace vectoriel E. On appelle K-
sous-espace vectoriel engendré par X et on note VectK (X) (ou Vect(X) Remarque 2.3.6.
lorsqu’il n’y a pas d’ambiguïté) le plus petit sous-espace vectoriel de E Soit I un ensemble

et (xi )i∈I une famille de vecteurs de E. On no-
contenant X (« plus petit » est à entendre au sens de l’inclusion). tera Vect (xi )i∈I le sous-espace Vect ({ xi | i ∈ I }). En particulier si
I est de la forme [[1, n]], on notera Vect (x1 , . . . , xn ) le sous-espace
Vect ({ x1 , . . . , xn }).
Démonstration.
Cette définition présuppose qu’un tel sous-espace existe et qu’il est unique. L’unicité Le procédé de construction de Vect(X) présenté plus haut est très
sous réserve d’existence du plus petit élément d’un ensemble muni d’une relation d’ordre élégant et peut s’utiliser dans de nombreuses situations. En revanche, il
est connue. Montrons l’existence. est assez peu concret. Heureusement, le théorème suivant nous dit très
Notons F l’ensemble des F tels que :
précisément ce que contient Vect(X).
1. F est un sous-espace vectoriel de E ;
2. et X ⊂ F .
Théorème 2.3.7.
On veut montrer que cet ensemble F possède un plus petit élément pour l’inclusion.
Posons alors Soit X une partie de E. Alors Vect(X) est exactement l’ensemble de
\
V = F toutes les combinaisons linéaires d’éléments de X. Autrement dit :
F ∈F

6
 XIX - ESPACES VECTORIELS

Remarque 2.3.8.
1. Toute combinaison linéaire d’éléments de X appartient à Vect(X). En particulier, pour toute famille finie de vecteurs x1 , . . ., xn ,
2. Pour tout élément x de Vect(X), il existe une famille de coefficients Vect(x1 , . . . , xn ) est l’ensemble
(λα )α∈X à support fini telle qu’on a ( n )
X
n
X λk xk (λ1 , . . . , λn ) ∈ K .
x= λα α.
k=1
α∈X

Dit autrement : il existe un entier n ∈ N, des vecteurs u1 , . . ., un de Exemple 2.3.9. 1. Pour α ∈ R, on note
X (∀k ∈ [[1, n]], uk ∈ X) et des scalaires λ1 , . . ., λn tels qu’on a (
R −→ R
fα : .
n
X x 7−→ e αx
x= λk uk .
k=1

Alors Vect (fα )α∈R est un sous-espace vectoriel de RR qui contient
les fonctions sh, ch mais pas sin ni th (indication : il suffit de remar-
quer que les seules fonctions bornées de ce sous-espace vectoriel sont
Démonstration. les fonctions constantes).
Notons V l’ensemble des combinaisons linéaires d’éléments de X.
Pour montrer V = Vect(X), nous allons montrer que V est le plus petit sous-espace 2. En géométrie dans R2 , si (→−ı , →
−ȷ ) est une base, tout vecteur de R2
vectoriel de E contenant X. est combinaison linéaire de ı et →
→
− −ȷ , donc R2 = Vect(→−ı , →
−ȷ ).

1. V est un sous-espace vectoriel de E. En effet : 3. Dans R3 , si D est une droite vectorielle de vecteur directeur u, alors
a) il contient 0E (combinaison linéaire de 0 vecteur de X) ; D = { λu | λ ∈ K} =  Vect(u).Si P est un plan vectoriel de vecteurs
b) il est stable par addition car la somme d’une combinaison linéaire de p u1 v1
vecteurs de X et d’une combinaison linéaire de q vecteurs de X est une directeurs u = u2  et v = v2 , alors en écrivant une équation
   
combinaison linéaire (d’au plus) p + q vecteurs de X ; u3 v3
c) il est stable par multiplication par un scalaire car le produit par un scalaire paramétrique de P, on voit que tout point P de l’espace est dans
λ d’une combinaison linéaire de n vecteurs de X est la combinaison linéaire
de ces mêmes vecteurs où les coefficients ont tous été multiplié par λ. P si et seulement s’il existe t1 , t2 ∈ R tel que P = t1 u + t2 v, donc
P = Vect(u, v). Exemple avec 2x − y + z = 0.
2. V contient X. En effet pour tout x ∈ X, x est la combinaison linéaire 1 · x, donc
appartient à V . Donc X ⊂ V . 4. R = VectR (1) et C = VectC (1) = VectR (1, i).
3. V minore l’ensemble des sous-espaces vectoriels de E contenant X. En effet, soit
5. E = (F (R, R), +, .) est un ev. On note les fonctions suivantes, définies
F un sous-espace vectoriel de E contenant X. Montrons V ⊂ F .
sur R par exp : x 7→ e x ; expg : x 7→ e −x ; f : x 7→ x sin(2x) et
Soit x ∈ V alors x est combinaison linéaire d’éléments de X. Or F contient X et
est un sous-espace-vectoriel donc est stable par combinaison linéaire. Il contient g : x 7→ x sin(3x). Avec F = Vect(exp, exp)
g et G = Vect(f, g), on a
donc x en particulier. On a donc ∀x ∈ V x ∈ F . ch ∈ F mais sin ∈ / G.
Donc V ⊂ F .
6. L’ensemble des solutions de l’équation différentielle y ′′ + y ′ − 2y = 0
Donc V est le plus petit sous-espace vectoriel de E contenant X. est Vect(f, g) avec f : R → R, x 7→ e −2x et g = exp.

7
 XIX - ESPACES VECTORIELS

3. Quitte à permuter les vecteurs, on peut supposer que i = n. Considérons un

Proposition 2.3.10. vecteur x′ obtenu par combinaison linéaire des xk pour k ∈ [[1, n]] dont le coefficient
Soit X et Y deux parties de E. Alors : de xn est non nul. Posons V = Vect(x1 , . . . , xn ) et V ′ = Vect(x1 , . . . , xn−1 , x′ ) et
montrons V = V ′ . Posons V ′′ = Vect(x1 , . . . , xn−1 , xn , x′ ). x′ étant combinaison
1. X ⊂ Y ⇒ Vect(X) ⊂ Vect(Y ) ; linéaire des xk pour k ∈ [[1, n]], on a V ′′ = V d’après le point précédent.
2. Vect(Vect(X)) = Vect(X). De plus, le coefficient de xn dans cette combinaison linéaire est non nul, donc xn
peut s’exprimer comme combinaison linéaire de x1 , . . ., xn−1 et x′ . Donc, toujours
d’après le point précédent, V ′′ = V ′ . On a donc V = V ′′ = V ′ .

Démonstration. 1. Supposons X ⊂ Y . Alors X ⊂ Y ⊂ Vect(Y ). Donc Vect(Y ) est

un sous-espace vectoriel de E contenant X donc contient Vect(X). Remarque 2.3.12.
2. Posons F = Vect(X). F est un sous-espace vectoriel de E. Donc d’après la 0E est toujours combinaison linéaire de toute famille de vecteurs : on
remarque faite plus haut, Vect(F ) = F . peut donc « l’enlever » d’une famille sans modifier le sev engendré par
cette famille.
Exemple 2.3.13.
c. Sous-espace vectoriel engendré par une famille finie. Dans R3 , avec u1 = (1, 0, 0), u2 = (0, 1, 0) et u3 = (1, 1, 0).
Dans cette sous-partie, on s’intéressera exclusivement au cas où I = 1.
[[1, n]]. La famille (xi )i∈I est donc le n-uplet (x1 , . . . , xn ).
Vect (u1 , u2 , u3 ) = Vect (u1 , u2 )
= Vect (u1 , u3 ).

Proposition 2.3.11. 1. Vect(x1 , . . . , xn ) n’est pas modifié si l’on per- 2. Déterminer une CNS sur w ∈ R3 pour que Vect (u1 , u2 , u3 , w) ̸=
mute deux vecteurs de (x1 , . . . , xn ). Vect (u1 , u2 , u3 ).
2. si pour un i ∈ J1, nK on a xi qui est combinaison linéaire des
autres vecteurs (en particulier, si xi = 0), alors Vect(x1 , . . . , xn ) = d. Somme.
Vect(x1 , . . . , xi−1 , xi+1 , . . . , xn ), c’est-à-dire que l’on peut ôter xi de
la famille sans modifier le sev engendré. Définition 2.3.14.
3. Vect(x1 , . . . , xn ) n’est pas modifié si l’on remplace un des xi par une On appelle somme de F et G l’ensemble de E noté F + G défini par
combinaison linéaire en x1 , . . . , xn dont le coefficient en xi est non F + G = { x + y | x ∈ F, y ∈ G }.
nul.

Théorème 2.3.15. 1. F + G est un sev de E.

Démonstration. 1. C’est une conséquence directe du fait que Vect (x1 , . . . , xn ) =
Vect { x1 , . . . , xn }. 2. F + G est le plus petit sev qui contient F et G :
2. C’est une conséquence du fait que pour toutes parties X et Y de E, si X ⊂ Y ⊂
Vect(X), alors F + G = Vect(F ∪ G).

Vect(X) ⊂ Vect(Y ) ⊂ Vect (Vect(X)) = Vect(X).

8
 XIX - ESPACES VECTORIELS

Démonstration. 1. Immédiat. Montrer que R3 = P1 + P2 .

2. Montrons d’abord que F ⊂ F + G : soit f ∈ F . alors f = f + 0, et 0 ∈ G,
donc f ∈ F + G. On montre bien sûr de même que G ⊂ F + G. On a donc Lemme 2.3.21.
(F ∪ G) ⊂ (F + G).
Soit X et Y des parties de E. Alors
Il suffit ensuite de montrer que pour tout sous-espace vectoriel H de E contenant
F ∪ G, on a (F + G) ⊂ H.
Soit H un sous-espace vectoriel de E. Supposons F ⊂ H et G ⊂ H. Montrons
Vect(X) + Vect(Y ) = Vect(X ∪ Y ).
(F + G) ⊂ H.
Soit z ∈ F + G. Alors il existe x ∈ F et y ∈ G vérifiant z = x + y. On a alors
x ∈ H et y ∈ H donc x + y ∈ H, donc z ∈ H. Démonstration.
Donc F + G ⊂ H. Vect(X ∪ Y ) est un sous-espace vectoriel contenant X ∪ Y , donc contient X. Or tout
espace vectoriel contenant X contient Vect(X), donc Vect(X ∪ Y ) contient Vect(X).
De même, il contient Vect(Y ). Vect(X ∪ Y ) est donc un espace vectoriel contenant les
Remarque 2.3.16. deux sous-espaces vectoriels Vect(X) et Vect(Y ), donc il contient leur somme. On a
Par conséquent, donc Vect(X) + Vect(Y ) ⊂ Vect(X ∪ Y ).
Par ailleurs, Vect(X) + Vect(Y ) contient Vect(X), donc contient X. De même, il
contient Y . Il contient donc X ∪ Y . Or Vect(X) + Vect(Y ) est un sous-espace vectoriel,
F + G = Vect(F ) + Vect(G)
donc il contient Vect(X ∪ Y ). On a donc Vect(X ∪ Y ) ⊂ Vect(X) + Vect(Y ).
= Vect(F ∪ G) On a donc Vect(X ∪ Y ) = Vect(X) + Vect(Y ).
= Vect(G ∪ F ) Remarque 2.3.22.
= G + F. On peut aussi définir la notion de somme de plus de deux sev.

Remarque 2.3.17. 2.4. Somme directe et supplémentaires.

Si A = F + G et a ∈ A, il n’y a pas forcément unicité de la décomposition
a = f + g, avec f ∈ F et g ∈ G, loin de là ! Considérer par exemple le Étant donné des sous-espaces vectoriels F, G de E, F + G est l’ensemble
cas F + F . des vecteurs x de E pouvant s’écrire au moins d’une façon sous la forme
f + g avec, f ∈ F et g ∈ G.
Exemple 2.3.18.
On va s’intéresser ici au cas où, pour tout x, la décomposition est
Si F ⊂ G, alors F + G = G.
unique.

F + G ̸= F ∪ G (sauf si F ⊂ G ou G ⊂ F ). Définition 2.4.1 (Somme directe).

Exemple 2.3.19. Soit F, G deux sev de E, on dit que la somme F + G est directe si
Soit D et D ′ deux droites du plan passant par 0 et non confondues. Alors ∀x ∈ F + G, ∃!(f, g) ∈ F × G, x = f + g.
R2 = D + D ′ .
Dans ce cas, le sous-espace vectoriel F + G est noté
Exercice 2.3.20.
Soit P1 le plan de représentation cartésienne x + 3z = 0 et P2 le plan F ⊕ G.
de représentation cartésienne x + y + z = 0.

9
 XIX - ESPACES VECTORIELS

Remarque 2.4.2.
On peut de même définir la notion de somme directe pour plus de deux Proposition 2.4.5.
sev. F et G sont supplémentaires si et seulement si tout élément de E s’écrit
de manière unique comme somme d’un élément de F et d’un élément de
G.
Proposition 2.4.3 (Caractérisation d’une somme directe de deux sev).
Soit F, G deux sev de E. Les trois propositions suivantes sont équivalentes.
1. F + G est directe. Démonstration.
Direct d’après les définitions.
2. ∀f ∈ F, ∀g ∈ G, f + g = 0E ⇒ f = g = 0E .
3. F ∩ G = {0E }. Exemple 2.4.6.
Montrons que dans R2 , deux droites passant par 0 et non confondues sont
toujours supplémentaires.
Démonstration.
Supposons que F + G est directe. Soit f ∈ F , g ∈ G vérifiant f + g = 0E . Alors, Exercice 2.4.7.
f + g = 0E + 0E , Dans R2 , on note D : x + y = 0, D ′ : x − y = 0 et D ′′ : x − 2y = 0.
|{z} |{z} |{z} |{z}
∈F ∈G ∈F ∈G
1. Montrer R2 = D ⊕ D ′
donc par unicité on a f = g = 0E .
Supposons que ∀f ∈ F, ∀g ∈ G, f + g = 0E ⇒ f = g = 0E . Soit x ∈ F ∩ G, alors 2. Montrer R2 = D ⊕ D ′′
x + −x = 0E ,
|{z}
∈F
|{z} Remarquez qu’il n’y a donc pas unicité du supplémentaire (croire le
∈G
contraire est une faute classique et très grave !).
donc x = 0E . Comme F ∩ G est un sev de E, 0E ∈ F ∩ G, donc F ∩ G = {0E }.
Supposons que F ∩ G = {0E }, montrons que F + G est directe. Soit x ∈ F + G, soit Remarque 2.4.8.
f, f ′ ∈ F , g, g ′ ∈ G vérifiant
x = f + g = f ′ + g′ .
On peut montrer de même que dans R3 , un plan et une droite passant par 0
Alors, et tel que le plan ne contienne pas la droite sont toujours supplémentaires.
f − f ′ = g′ − g ∈ F ∩ G
Exemple 2.4.9.
donc 0E = f − f = g − g, donc f = f ′ et g = g ′ , donc F + G est directe.
′ ′
P : x − y + z = 0 et D : x = t + 1, y = 0, z = 2t + 2. On montre que
→
− → − → − →
− →
− → −
( I , J , K ) est une base de R3 , avec I vecteur directeur de D et ( J , K )
Définition 2.4.4. base de P.
On dit que F est un supplémentaire de G (ou que F et G sont supplé-
mentaires) si Exemple 2.4.10.
E = F ⊕ G, R et iR dans C.
i.e. si les deux conditions suivantes sont remplies : Exercice 2.4.11.
1. la somme F + G est directe ; On note E l’ensemble des applications de R dans R, I celui des applications
2. E = F + G. impaires, et P celui des applications paires.
Montrer E = I ⊕ P .

10
 XIX - ESPACES VECTORIELS

3. Translations, sous-espaces affines.

L’ensemble b − a (a, b) ∈ F 2 est appelé la direction de F et ses


Les sous-espaces affines (sea) généralisent la notion de sev, en éléments sont appelés les vecteurs directeurs de F .
s’affranchissant de la contrainte « passer par 0 ». Ainsi, dans la théorie
des ev, un sev passe toujours par 0.
Là encore on pourra identifier points et vecteurs, mais on essaiera de
Proposition 3.2.2.
noter les points avec des majuscules et les vecteurs avec des minuscules,
Soit u ∈ E, F un sous-espace vectoriel de E. Alors la direction du sous-
comme en géométrie, mais nous passerons souvent d’un point de vue à
espace affine u + F est F . En particulier cette direction est un espace
l’autre.
vectoriel.

Démonstration.
Définition 3.0.1. Notons D la direction de u + F .
−−→
Soit A, B ∈ E, on note AB = B − A. On a

b − a (a, b) ∈ F 2

D=
Remarque 3.0.2. (u + x) − (u + y) (x, y) ∈ F 2

=
La loi + des ev permet de donner un sens à B − A, vus comme points, =

x − y (x, y) ∈ F 2 .
−−→ −−→ −→
qui vaut alors AB = OB − OA.
Or on a directement

3.1. Translations. x − y (x, y) ∈ F 2


F ⊂{x−0|x∈F }⊂ ⊂ F,

donc D = F .
Définition 3.1.1.
Remarque 3.2.3.
Soit un vecteur u ∈ E. On appelle translation de vecteur u l’application −
→
E → E . Notation fréquente : F étant un sea de E, on note F ou F sa direction.
x 7→ x + u Exemple 3.2.4.
Tout sev est un sea.
3.2. Sous-espaces affines. Exemple 3.2.5.
Dessin dans l’espace.
Définition 3.2.1. Exemple 3.2.6.
On appelle sous-espace affine de E toute partie de E qui est le trans- E = RR . On considère l’équation différentielle y ′ + 3y = x2 (E). Montrer
laté d’un sev de E, i.e. toute partie F de la forme F = u + F = que l’ensemble S0 des solutions de l’équation homogène forme un sev de
{ u + x | x ∈ F }, où F est un sev de E et u est un vecteur de E, ensemble E, et l’ensemble S des solutions de (E) forme un sea de direction S0 .
que l’on note aussi u + F .

11
 XIX - ESPACES VECTORIELS

Théorème 3.2.7. Définition 3.2.10.

Soit F un sea de direction F . Soient F et G deux sea de directions F et G.
(i) F est le translaté de sa direction par n’importe lequel de ses points : (i) On dit que F est parallèle à G si F ⊂ G.
∀a ∈ F F = a + F . (ii) On dit que F et G sont parallèles si F = G.
(ii) Soit a ∈ F et b ∈ E. Alors on a

b ∈ F ⇐⇒ a − b ∈ F.
Vocabulaire : « être parallèle à » n’est pas une relation symé-
trique.
Démonstration. Exemple 3.2.11.
F est de la forme c + F , où c ∈ E.
Une droite est parallèle à un plan, mais certainement pas l’inverse.
(i) Soit a ∈ F . On a alors a ∈ c + F , il existe donc u ∈ F tel que a = c + u.
Si v ∈ F , alors a + v = c + (u + v) ∈ c + F , donc a + F ⊂ F .
Réciproquement, si v ∈ F , alors c + v = a + (v − u) ∈ a + F , donc F ⊂ a + F . Théorème 3.2.12 (Intersections de sea).
Ainsi, a + F = F . Soient F et G deux sea de directions F et G. Si F ∩ G ≠ ∅, alors on dit
(ii) On a donc F = a + F . que F et G sont concourants ou sécants, et dans ce cas F ∩ G est un sea
Si b ∈ F , alors par définition de la direction a − b ∈ F . de direction F ∩ G.
Réciproquement, si a − b ∈ F , alors b − a ∈ F et b = a + (b − a) ∈ a + F , donc
b ∈ F.
On a donc bien b ∈ F ⇐⇒ a − b ∈ F . Démonstration.
Supposons F ∩ G ̸= ∅, alors il existe a ∈ F ∩ G . Donc F = a + F et G = a + G.
Montrons alors que F ∩ G = a + F ∩ G :
Soit b ∈ E. On a successivement :
Remarque 3.2.8.
Tout sea contenant 0 est donc un sev. b ∈ F ∩ G ⇐⇒ b ∈ F et b ∈ G
⇐⇒ b − a ∈ F et b − a ∈ G
⇐⇒ b − a ∈ F ∩ G
Corollaire 3.2.9. ⇐⇒ b ∈ a + F ∩ G
Deux sea sont égaux si et seulement s’ils ont même direction et un point
en commun. D’où le résultat.

Démonstration. Théorème 3.2.13 (Parallélisme et intersection).

⇒ : évident.
⇐ : soient F1 et F2 de même direction F et a ∈ F1 ∩ F2 . Alors d’après le théorème
Si F est parallèle à G , alors soit F ∩ G = ∅, soit F ⊂ G .
précédent, F1 = a + F = F2 . En particulier si F et G sont parallèles, alors soit F ∩ G = ∅, soit
F = G.

12
 XIX - ESPACES VECTORIELS

Démonstration. Démonstration. (i) Supposons Λ = 0. Soit (M, N ) ∈ E 2 . On a

Supposons F ⊂ G. Si F ∩ G ̸= ∅, alors il existe a ∈ F ∩ G , donc F = a + F , or F ⊂ G, n n n
donc a + F ⊂ a + G = G . X −−−→ X −−−→ X −−→
λk M Ak = λk M Ak + λk N M
Dans le cas particulier où F et G sont parallèles, on a F ⊂ G et G ⊂ F , d’où k=1 k=1 k=1
F = G. n
X −−→ −−−→
= λk (N M + M Ak )
k=1
n
3.3. Barycentres (hors programme)
X −−−→
= λk N Ak
k=1
Le barycentre est maintenant hors-programme. Cette partie ne sera pas
(ii) Supposons Λ ̸= 0. On a successivement :
nécessairement traitée en cours mais est laissée :
n n
— à titre culturel ; X −−→ X
λk GAk = 0 ⇔ λk (Ak − G) = 0
— parce qu’elle peut être utile en sciences physiques. k=1 k=1
n n
!
X X
⇔ λk Ak − λk G = 0
k=1 k=1
n
1 X
⇔G= λk Ak
Λ
k=1
Définition 3.3.1.
• On appelle système pondéré toute famille de la forme
((A1 , λ1 ), . . . , (An , λn )), où chaque élément (Ai , λi ) est appelé point
pondéré, avec n ∈ N∗ , A1 , . . . , An n points de E, et λ1 , . . . , λn n scalaires
Définition 3.3.2.
de K. n X Soit I un ensemble. On appelle partition finie de I tout k-uplet, pour
• Avec les notations précédentes, on pose Λ = λk . k ∈ N, (I1[
, . . . , Ik ) où les Ii sont des ensembles vérifiant Ij ∩ Ii = ∅ si
k=1
n
i ̸= j et Ii = I. Autrement dit, une partition est un ensemble de
X −−−→ 1⩽i⩽k
(i) Si Λ = 0, alors le vecteur λk M Ak ne dépend pas du point M .
parties de I deux à deux disjointes, dont la réunion est I (on parle aussi
k=1
n de recouvrement de I par des parties deux à deux disjointes).
X −−→
(ii) Si Λ ̸= 0, il existe un unique point G tel que λk GAk = 0. Ce
k=1
point est appelé le barycentre du système pondéré (Ai , λi )i∈[[1,n]] et Exemple 3.3.3. — La partition de l’Europe par le traité de Verdun
1 Xn en 843 est une partition à trois éléments de l’ensemble des points
il vérifie G = λ k Ak . de l’empire de Charlemagne.
Λ k=1
— Notons C0 , C1 et C2 les parties de Z contenant respectivement les
entiers congrus à 0, 1 et 2 modulo 3. Alors (C0 , C1 , C2 ) est une
partition de Z.

13
 XIX - ESPACES VECTORIELS

Théorème 3.3.4 (Associativité du barycentre). Théorème 3.3.7.

Soient I un ensemble non vide, (Ai , λi )i∈I un système de points pondérés Réciproquement, tout sous-ensemble non vide de E stable par barycentre
de somme non nulle, et X soit (I1 , . . . , In ) une partition de I. Pour tout (et même seulement par barycentre de deux points) est un sea.
k ∈ J1, nK, on note Λk = λi , on suppose que Λk est non nul et on note
i∈Ik
alors Gk le barycentre du système pondéré (Ai , λi )i∈Ik . Démonstration.
Soit F un sous-ensemble non vide de E et a un de ses points. Posons F =
Alors le barycentre G de (Ai , λi )i∈I est aussi le barycentre du système { b − a | b ∈ F }. On a F = a + F , il suffit donc de montrer que F est un sous-espace
pondéré (Gk , Λk )k∈J1,nK . vectoriel de E.
F est une partie de E non vide car 0 ∈ F .
Soit x ∈ F et λ ∈ K. Alors a + x et a sont deux éléments de F , donc leur barycentre
Démonstration. λ(a + x) + (1 − λ)a appartient aussi à F . Or ce barycentre est a + λx, donc λx ∈ F . F
n
1 X X 1 X X est donc stable par multiplication externe.
On sait que G = λi Ai et Λk Gk = λi Ai , donc G = ( λi Ai ) =
Λ Λ Soit (x, y) ∈ F . Alors, F étant stable par barycentre, 12 ((a + x) + (a + y)) ∈ F ,
i∈I i∈Ik k=1 i∈Ik
n
1 X
n
X donc a + 12 (x + y) ∈ F , donc 12 (x + y) ∈ F . D’après ce qui précède, on a alors
Λk Gk , et Λ = Λk . x + y = 2 × 12 (x + y) ∈ F . Donc F est stable par addition
Λ
k=1 k=1 Donc F est un sous-espace vectoriel de E. Donc F est un sous-espace affine de
Exercice 3.3.5. E.
En déduire :
1. que les médianes d’un triangle sont concourantes au centre de gravité ; 3.4. Convexité (hors programme)
2. que les droites reliant les milieux des arêtes opposées d’un tétraèdre Cette partie est laissée à titre culturel mais ne sera pas nécessairement
et les droites reliant les centre de gravité des faces au sommet opposé traitée en cours.
sont toutes concourantes en un même point qu’on précisera. Dans ce paragraphe, on prend K = R.
Centre de gravité d’un triangle (ABC)= isobarycentre. Si I est le milieu
de [A, B], alors G =bar((C, 1), (I, 2)).
Définition 3.4.1.
Théorème 3.3.6. On appelle segment de E tout ensemble de la forme
Un sea contient tous les barycentres obtenus à partir de ses points. {λA + (1 − λ)B, λ ∈ [0, 1]} avec A, B ∈ E. Ce segment est noté
[AB] ou [A, B].
Démonstration.
Soit F un sea, A1 . . . An n points de F , et λ1 . . . λn les poids correspondants, Λ =
n
X Remarque 3.4.2.
λk ̸= 0. On note G = bar((Ak , λk )).
[AB] est l’ensemble des barycentres de A et B avec des poids positifs
k=1
A1 ∈ F donc F = A1 + F . Donc G ∈ F ssi G − A1 ∈ F . (facultatif : dont la somme est 1). Faire un dessin.
n
1 X
Or G − A1 = λk (Ai − A1 ), et tous les membres de cette somme sont dans F .
Λ
k=1

14
 XIX - ESPACES VECTORIELS

Définition 3.4.3.
Soit P une partie de E. On dit que P est convexe si ∀(A, B) ∈
P 2 [AB] ⊂ P.

Exemple 3.4.4.
Faire des dessins dans R2 , puis dans R3 .

Théorème 3.4.5.
Tout sea est convexe.

Démonstration.
Immédiat avec le théorème 3.3.6.

Exemple 3.4.6.
On reprend un exemple ancien : pour montrer qu’un cercle n’est pas un
sea (ou un sev), on peut montrer qu’il n’est pas convexe.

La réciproque est fausse, même si le convexe contient 0. Par

exemple, considérons [−1, 1] dans R.

Exemple 3.4.7.
Dans C, tout disque (fermé ou ouvert) est convexe. Se fait avec inégalité
triangulaire en revenant à la définition.

Théorème 3.4.8.
Toute intersection de convexes est convexe.

Démonstration.
Soit I un ensemble
T et (Pi )i∈I une famille de convexes.
Posons P = i∈I Pi l’intersection de cette famille et montrons qu’elle est convexe,
c’est-à-dire
∀(A, B) ∈ P 2 [AB] ⊂ P
Soit (A, B) ∈ P 2 . Il suffit de montrer que pour tout i ∈ I, [AB] ⊂ Pi .
Soit i ∈ I. On a A ∈ P, donc A ∈ Pi . De même T B ∈ Pi . Donc [AB] ⊂ Pi .
On a donc ∀i ∈ I [AB] ⊂ Pi , donc [AB] ∈ i∈I Pi .

15