Département de Mathématiques

Faculté des Sciences Meknès

Université Moulay Ismaı̈l

Chapitre 1

ESPACES VECTORIELS RÉELS

Algèbre 1-SMPC-S 1
Equipe pédagogique SMPC Alg1

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 vec-
teurs, 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’effec-
tuer 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).

1
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. 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 1.2 a
L’ensemble vide ∅ n’est pas un espace vectoriel (0E 6∈ ∅).

Proposition 1.3 (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 .

2
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 1.4

1. {0E } est un espace vectoriel sur n’importe quel corps K.

2. K est K-espace vectoriel.

- L’ensemble Mn,p (K) des matrices à n-lignes et à p-colonnes est un K-espace
vectoriel.

3. (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.

3
(Rn , +, ·) est un R-espace vectoriel

Exemple 1.5 a
L’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
i i
ai X + bi X := (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
α ai X i := αai X i .
i=0 i=0

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

2 Produit scalaire

Soit E un espace vectoriel réel.

Définition 2.1 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. ∀x, y ∈ E : (x | y) = (y | x) (symétrie).

2. ∀x, y, z ∈ E; ∀α, β ∈ R : (αx + βy | z) = α(x | z) + β(y | z) (linéarité à

gauche).

3. ∀x ∈ E, x 6= 0E : (x | x) > 0.

Remarque 2.2
– 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).

4
 – 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 2.3 a
p
Soit x un vecteur de E. On appelle norme de x, noté kxk, le nombre réel (x | x).
On dit que x est unitaire si kxk = 1.

Remarque 2.4 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 2.5 (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 )) .

Elle est aussi linéaire à gauche :

(α(x1 , x2 ) + β(x01 , x02 ) | (y1 , y2 )) = ((αx1 + βx01 , αx2 + βx02 ) | (y1 , y2 ))

= (αx1 + βx01 )y1 + (αx2 + βx02 )y2
= α(x1 y1 + x2 y2 ) + β(x01 y1 + x02 y2 )
= α ((x1 , x2 ) | (y1 , y2 )) + β ((x01 , x02 ) | (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 définie par :

((x1 , x2 , . . . , xn ) | (y1 , y2 , . . . , yn )) = x1 y1 + x2 y2 + · · · + xn yn .

5
Exemple 2.6 (Produit scalaire non canonique) a
On peut définir sur Rn d’autres produit scalaire (différents du produit scalaire cano-
nique). Par exemple, sur R3 , l’opération :

((x1 , x2 , x3 ) | (y1 , y2 , y3 )) = 2x1 y1 + 3x2 y2 + 4x3 y3 ,

définit un produit scalaire.

Définition 2.7 (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 2.8 (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.

6
3 Sous-espaces vectoriels et familles génératrices

Définition 3.1 (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 3.2 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 3.3

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 3.4 (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 3.5 a
Un sous-espace vectoriel F de E, ne peut pas être vide (0E ∈ F forcément).

7
Proposition 3.6 (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. ∀α, β ∈ R, ∀x, y ∈ F , on a αx + βy ∈ F .

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 3.7 a
Dans la pratique :
– Pour montrer qu’un ensemble est muni d’une structure d’espace vectoriel,
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 3.8

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), (x0 , y 0 ) ∈ A, on a :

α(x, y) + β(x0 , y 0 ) = (αx + βx0 , αy + βy 0 ),

8
 et
(αx + βx0 ) + 2(αy + βy 0 ) = α(x + 2y) + β(x0 + 2y 0 ) = 0.

Donc, α(x, y) + β(x0 , y 0 ) ∈ 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 ef-

fet, (0, 0) 6∈ B. Donc, une partie d’un espace vectoriel n’est pas nécessairement
un espace vectoriel.

Proposition 3.9 a
Si x1 , ..., xn sont des vecteurs de E, alors V ect(x1 , ..., xn ) est un sous-espace vectoriel
de E.

Remarque 3.10 (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 3.11 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 3.12 (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 3.13 a
L’intersection et la somme de deux sous-espaces vectoriels d’un espace vectoriel E
sont aussi des sous-espaces vectoriels de E.

Preuve
(Exercice)

9
Proposition 3.14 a
La réunion de deux sous espace vectoriel est un espace vectoriel si et seulement si
F ⊂ G ou G ⊂ F .

Preuve
(Exercice)

Définition 3.15 (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.

Exemples 3.16

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 vectoriel.

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 .

10
 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 .

Proposition 3.17

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.

11
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 3.18 a
La famille génératrice n’est pas unique. Par exemple, V ect((1, 1, 1)) admet les fa-
milles {(1, 1, 1)}, {(2, 2, 2)} comme familles génératrices.

4 Dépendance et indépendance linéaires

Définition 4.1 (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.

Exemples 4.2
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.

12
 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 4.3

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 0 ⊂ S une sous famille de S. Si S 0 est

liée alors par (1), S est aussi liée. Absurde. Donc, S 0 est libre.

Remarque 4.4 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 4.5 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
−1
{x1 , ..., xn , x} est liée si et seulement si x = α
(λ1 x1 + ... + λn xn ) (c’est-à-dire
combinaison linéaire de x1 , ..., xn ).

Proposition 4.6 (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 4.7 (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 .

14
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.

Exemple 4.8 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 directe-

ment que cette famille est liée.

15
5 Base d’un espace vectoriel

Définition 5.1 a
• On dit qu’une famille finie de vecteurs est une base de E si elle est libre et en-
gendre 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 ortho-
normale.

Remarque 5.2 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 ).

Proposition 5.3 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

∀x ∈ E, ∃!λ1 , λ2 , . . . , λn ∈ R; x = λ1 e1 + λ2 e2 + · · · + λn en .

Preuve
(Exercice)

Remarque 5.4

1. Les coefficients λ1 , λ2 , . . . , λn dans la proposition précédente sont appelés com-

posantes ou coordonnées de x dans la base (e1 , e2 , . . . , en ). Dans une base, tout
vecteur est entièrement déterminé par ses composantes.

2. Si la base (e1 , e2 , . . . , en ) est orthonormale, alors, pour tout i ∈ {1, . . . , n}, on

16
 a

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

Exemples 5.5

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).

6 Dimension d’un espace vectoriel

Définition 6.1

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 6.2 (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.

17
 2. Toute famille génératrice de E contient une base de E.

Du théorème précédent, on déduit le corollaire suivant :

Corollaire 6.3 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 6.4 (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 6.5 a
Si (e1 , . . . , en ) et (e01 , . . . , e0k ) 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 6.6 (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.

Exemples 6.7

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 6.8 (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.

18
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 6.9 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 vectoriel 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 6.10 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 .

Théorème 6.11 (Formule de Grassmann) a

Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E de dimension
finie. Alors,
dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G).

19
Définition 6.12 (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 6.13 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 6.14 (Caractérisation de la supplémentarité en termes de bases)

Soient E un espace vectoriel de dimension finie n et F et G deux sous-espaces vec-
toriels de E munis des bases e = (e1 , ..., ep ) et f = (f1 , ..., fq ), respectivement. On a
équivalence entre :
1. E = F ⊕ G
2. B = (e1 , . . . , ep , f1 , . . . , fq ) est une base de E.

Proposition 6.15 (Existence d’une base orthonormale d’un espace Euclidien)

Tout espace euclidien admet une base orthonormale.

Exemple 6.16 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
u √u w w
de A, mais pas normale. Pour finir, on prend e1 = kuk
= 2
et e2 = kwk
= √
6
, et
alors (e1 , e2 ) est une base orthonormale de A.

20
7 Exercices proposés pour la première série

Exercice 7.1 a
Montrer que R∗+ =]0, +∞[ est un R-espace vectoriel pour les deux lois suivantes :

⊕ : (x, y) 7→ x ⊕ y = xy et ⊗ : (λ, x) 7→ λ ⊗ x = xλ .

Exercice 7.2 a
L’ensemble R2 muni des lois suivantes est-il un espace vectoriel sur R :
0 0 0 0
1. (x, y) + (x , y ) = (x + x , y + y ) et λ · (x, y) = (λx, λy).
0 0 0 0
2. (x, y) + (x , y ) = (x + x , y + y ) et λ · (x, y) = (x, λy).
0 0
3. (x, y) + (x , y ) = (0, 0) et λ · (x, y) = (λx, λy).
0 0 0 0
4. (x, y) + (x , y ) = (x + x , y + y ) et λ · (x, y) = (λx, 0).

Exercice 7.3 a
Parmi les ensembles suivants, lesquels qui sont, ou ne sont pas, des sous-espaces
vectoriels ?

1. E1 = {(x, y, z) ∈ R3 : x + y + 3z = 0}.

2. E2 = {(x, y, z) ∈ R3 : x + y − z = 1}.

3. E3 = {(x, y) ∈ R2 : xy = 0}.

4. E4 = {(x, y) ∈ R2 : y = x2 }.

5. E5 = {P ∈ R[X] : P (0) = P (1)}.

0
6. E6 = {P ∈ R[X] : P (0) = 1}.

7. E7 = {f : R → R fonction dérivable}.

8. E8 = {L’ensemble des applications paires de R dans R}.

9. E9 = {L’ensemble des applications impaires de R dans R}.

10. E10 = {L’ensemble des applications croissantes de R dans R}.

21
Exercice 7.4 a
Soit E = RN l’espace vectoriel des suites réelles. On considère les sous-ensembles
suivants ; préciser ceux qui sont des sous-espaces vectoriels de E :

1. Les suites (un ) qui sont bornées.

2. Les suites (un ) qui sont arithmétiques.

3. Les suites (un ) qui sont géométriques.

Exercice 7.5 (Parties Génératrices, Partie Libres et Bases) a

Déterminer une partie génératrice des sous-espaces vectoriels suivants :

1. A = {(x, y, z) ∈ R3 : 3x + 2y + 5z = 0}.

2. B = {(x, y, z) ∈ R3 : x + 2z = 0 et y − 3z = 0}.

Exercice 7.6 a
Soit E = R4 , on note :

a = (3, 7, 1, −5), b = (−1, 3, 3, 1), c = (1, 5, 2, −2) etd = (2, 2, −1, −3).

On pose F = V ect(a, b) et G = V ect(c, d). Montrer que F = G.

Exercice 7.7 a
Décrire le sous-espace engendré par chacune des parties suivantes :

E1 = {(0, 0)} E2 = {(1, 1)} E3 = {(1, 0, 0), (1, 0, 1)}

Exercice 7.8 a
Soientt E un R-espace vectoriel et (e1 , e2 , e3 , e4 ) une famille de 4 vecteurs linéairement
indépendants. Les familles suivantes sont-elles libres ?

1. (e1 , 2e2 , e3 ).

2. (e1 , e3 ).

22
 3. (e1 , 2e1 + e4 , e4 ).
4. (3e1 + e3 , e3 , e2 + e3 ).

Exercice 7.9 a
Pour chacune des familles de R2 suivantes, dire si elle est génératrice, libre ou si
elle constitue une base de R2 :
1. F1 = {(2, 1), (4, 1)}.
2. F2 = {(−1, 2), (4, 3), (6, −1)}.
3. F3 = {(2, −3), (1, 5), (0, 0)}.

Exercice 7.10 a
Déterminer une base et la dimension de chacun des sous-espaces vectoriels suivants :
1. E1 = {(x, y) ∈ R2 : −x + 2y = 0}.
2. E2 = {(2t, −t) ∈ R2 : t ∈ R}.

Exercice 7.11 a
Soit l’ensemble defini par

E = {P ∈ R2 [X] : P (1) = 0},

avec R2 [X] l’ensemble des polynômes à coéfficient réels de degré inférieur ou égal à
2.
1. Montrer que E est un sous-espace vectoriel de R2 [X].
2. Déterminer une base et la dimension de E.

Exercice 7.12 a
Soit H le sous espace vectoriel de R3 defini par

H = {(x, y, z) ∈ R3 / − x + y − 2z = 0}

23
 1. Montrer que H = V ect(U, V ), où U = (1, 1, 0) et V = (−2, 0, 1)

2. Déterminer H ⊥ ; l’espace orthogonal à H.

3. Vérifier que les vecteurs W = (1, −1, 2) et Z = ( −1 , 1 , −1) sont dans H ⊥ .

2 2

Exercice 7.13 (Parties Supplémentaires et somme directe) a

Soient les ensembles :

F = {(x, x, x) ∈ R3 : x ∈ R}, G = {(0, y, z) ∈ R3 : y, z ∈ R}.

1. Montrer que F et G sont deux sous-espaces vectoriels de R3 .

2. Préciser leurs bases, en déduire leurs dimensions.

3. Sont-ils en somme directe ?

Exercice 7.14 a
Soient :

F = {(x, y, z) ∈ R3 : x − 2y + z = 0}, G = V ect{(1, 1, 0)}.

1. Montrer que F et G sont deux sous-espaces vectoriels de R3 .

2. Donner une base de F et une base de G.

3. Montrer que F et G sont supplémentaires.

24