BCPST Espaces vectoriels

ESPACES VECTORIELS
Dans tout ce qui suit, K désigne soit R, soit C, et n un entier naturel non nul.

I – L’espace Kn
Définition 1 :
L’espace vectoriel Kn est l’ensemble des n-uplets d’éléments de K :
n
© ££ ¤¤ ª
K = (x 1 , x 2 , . . . , x n ) , ∀k ∈ 1, n , x k ∈ K .

Remarque : On parle d’espace vectoriel réel si K = R et d’espace vectoriel complexe si K = C.

Définition 2 :
Les éléments de Kn sont appelés vecteurs, les éléments de K sont appelés scalaires. Pour tout vecteur
u = (x 1 , x 2 , . . . , x n ), les scalaires x k sont appelés composantes du vecteur u. Le vecteur (0, 0, . . . , 0) est
appelé vecteur nul de Kn et noté 0Kn .
¡ ¢
Remarque : Deux vecteurs sont égaux ssi leurs composantes sont égales : u = (x 1 , x 2 , . . . , x n ) et v = y 1 , y 2 , . . . , y n
££ ¤¤
sont égaux ⇐⇒ ∀k ∈ 1, n , x k = y k . Une égalité de vecteurs revient donc à n égalités de scalaires.
On définit deux opérations sur Kn , en procédant composante par composante :

Définition 3 :
L’addition dans Kn et le produit par un scalaire sont définis par :

– ∀(u, v) ∈ (Kn )2 , la somme de u = (x 1 , x 2 , . . . , x n ) et v = y 1 , y 2 , . . . , y n est le vecteur de Kn

¡ ¢
¡ ¢
u + v = x1 + y 1 , x2 + y 2 , . . . , xn + y n .
– ∀λ ∈ K, ∀u ∈ Kn , le produit du scalaire λ par le vecteur u = (x 1 , x 2 , . . . , x n ) est le vecteur de Kn
λu = (λx 1 , λx 2 , . . . , λx n ) .

Remarque :

– Pour n = 2 et K = R, l’espace vectoriel R2 correspond au plan, et la somme de deux vecteurs ainsi que le
produit par un scalaire peuvent s’interpréter à l’aide des connaissances usuelles sur les vecteurs du plan. De
même pour n = 3 et K = R.
– L’addition ainsi définie est associative (∀(u, v, w) ∈ (Kn )3 , u + (v + w) = (u + v) + w), commutative
(∀(u, v) ∈ (Kn )2 , u + v = v + u) et possède un élément neutre qui est 0Kn (∀u ∈ Kn , u + 0Kn = u).

Exemple 1 : Pour λ = −1, le vecteur (−1)u est noté −u et appelé vecteur opposé de u. On peut ainsi définir une
soustraction de vecteurs : u − v = u + (−v).

Les règles de calcul dans un espace vectoriel sont les mêmes que les règles vues en géométrie :

Propriété 1 :
(règles de calcul dans un espace vectoriel)

1o) ∀(λ, µ) ∈ K2 , ∀u ∈ Kn , (λ + µ)u = λu + µu .

2o) ∀λ ∈ K, ∀(u, v) ∈ (Kn )2 , λ(u + v) = λu + λv .
3o) ∀(λ, µ) ∈ K2 , ∀u ∈ Kn , λ(µu) = (λµ)u .
4o) ∀u ∈ Kn , 1 · u = u .

Démonstration : Toutes ces propriétés sont tellement immédiates qu’il serait dommage de perdre du temps à
écrire leur démonstration.

Page 1/8
BCPST Espaces vectoriels

Propriété 2 :
Pour tout λ ∈ K et tout x ∈ Kn :

1o) λu = 0Kn ⇐⇒ λ = 0 ou u = 0Kn .

¡ ¢

2o) (−λ)u = λ(−u) = −(λu) = −λu .

notation

Démonstration : À nouveau évident.

Les deux opérations précédentes permettent de définir la notion de combinaison linéaire :

Définition 4 :
Soit p ∈ N∗ , (u k )1≤k≤p une famille de p vecteurs de Kn .
On appelle combinaison linéaire de la famille (u k )1≤k≤p tout vecteur u tel qu’il existe une famille de
p
λk u k .
X
scalaires (λk )1≤k≤p de telle sorte que u =
k=1

Exemple 2 :

1o) Dans C3 , le vecteur i(1, −1 + i, 2i) − 3(4 − 2i, −1, i + 2) est une combinaison linéaire des vecteurs (1, −1 + i, 2i) et
(4 − 2i, −1, i + 2).
2 ) Dans R3 , le vecteur u = (−1, −6, 7) est-il combinaison linéaire des vecteurs e 1 = (1, 3, −3) et e 2 = (1, −3, 5) ?
o

II – Sous-espaces vectoriels
Définition 5 :
Une partie F de Kn est appelée sous-espace vectoriel de Kn si elle vérifie les propriétés suivantes :

1o) F 6= ; (un s.e.v. est non vide).

2o) ∀(u, v) ∈ F 2 , ∀(λ, µ) ∈ K2 , λu + µv ∈ F (un s.e.v. est stable par combinaison linéaire).

Propriété 3 :
Si F est un sous-espace vectoriel de Kn , alors 0Kn ∈ F .

Démonstration : F étant non vide, on choisit un de ses éléments u, puis u = v et λ = µ = 0.

Exemple 3 : Le singleton contenant le vecteur nul est un sous-espace vectoriel (c’est le plus petit possible...). Kn
est un sous-espace vectoriel (c’est le plus grand possible...).
Dans R2 et R3 , l’identification géométrique nous permet de déterminer tous leurs sous-espaces vectoriels, et ceux
qui n’en sont pas.
Dans R4 , on note u 1 = (−1, 2, 3, 0) et u 2 = (3, −1, 0, 4) et on définit F = u ∈ R4 , ∃(α, β) ∈ R2 , u = αu 1 + βu 2 .
© ª

G = (x, y, z, t ) ∈ R4 , x − 2y + 3z = 0 et − x + 3y − z + 4t = 0 est un sous-espace vectoriel de R4 .

© ª

H = (a, b, c, d ) ∈ R4 , 3a − b + 4c + d = 1 est-il un sous-espace vectoriel de R4 ? I = (x, y) ∈ R2 , x y = 0 est-il un

© ª © ª

sous-espace vectoriel de R2 ?

Remarque : À la place de la condition 2, on peut aussi démontrer deux conditions : d’une part
2
(u, v) ∈ F ⇒ u + v ∈ F ,et d’autre part u ∈ F ⇒ ∀λ ∈ K, λu ∈ F (stabilité par addition et par multiplication par
un scalaire).
On montrerait par une récurrence immédiate :

Propriété 4 :
Si F est un sous-espace vectoriel de Kn , alors toute combinaison linéaire de vecteurs de F appartient à F .

Démonstration : À tester.

L’intersection de sous-espaces vectoriels reste un sous-espace vectoriel :

Page 2/8
BCPST Espaces vectoriels

Propriété 5 :
L’intersection de deux sous-espaces vectoriels de Kn est un sous-espace vectoriel de Kn .

Démonstration : L’occasion d’utiliser la définition, et de constater que tout marche bien.

Remarque :

– Interprétation géométrique en dimension 3 : intersection de deux plans, d’une droite et d’un plan.
– Attention : la réunion de deux sous-espaces vectoriels n’est pas forcément un sous-espace vectoriel . On
peut même montrer que si F et G sont des sous-espaces vectoriels , F ∪ G est un sous-espace vectoriel ssi
F ⊂ G ou G ⊂ F (cas triviaux).

Corollaire 1 :
L’intersection de k sous-espaces vectoriels de Kn (k ≥ 2) est un sous-espace vectoriel de Kn .

Le type de sous-espace vectoriel qui sera constamment rencontré est le cas des sous-espaces vectoriels en-
gendrés par une famille de vecteurs :

Définition 6 :
Soit (u i )1≤i ≤k une famille de vecteurs.
On appelle sous-espace vectoriel engendré par les vecteurs (u i )1≤i ≤p l’ensemble défini par
( )
p n o
Vect u 1 , . . . , u p = u ∈ Kn , ∃(λ1 , . . . , λp ) ∈ Kp , u = λi u i = λ1 u 1 + . . . + λp u p , (λ1 , . . . , λp ) ∈ Kp .
¡ ¢ X
i =1

Démonstration : Assez rapide.

Remarque :

– Un sous-espace vectoriel engendré est un sous-espace vectoriel : cela donne une autre méthode (à privilégier)
pour prouver qu’un ensemble est un sous-espace vectoriel .
– Dans le cas d’un sous-espace vectoriel engendré par un seul vecteur non nul, on parle de droite vectorielle.
Dans le cas d’un sous-espace vectoriel engendré par deux vecteurs non proportionnels, on parle de plan
vectoriel.

Exemple 4 : Cas de F dans l’exemple précédent.

Propriété 6 :
Soit (u i )1≤i ≤p une famille de vecteurs.
¡ ¢
Vect u 1 , . . . , u p est le plus petit (au sens de l’inclusion) espace vectoriel contenant les vecteurs u 1 , . . ., u p .
¡ ¢
Démonstration : Vect u 1 , . . . , u p est inclus dans tout sous-espace vectoriel qui contient la famille.

Exemple 5 : On définit F = u = (x, y, z, t ) ∈ R4 , 2x + 3y − 4z = 0 et x + y + 2z − t = 0 . On montre que F =

© ª

Vect (u 1 , u 2 ). On constate qu’il n’y a pas unicité de l’écriture d’un espace vectoriel sous forme d’espace vectoriel
engendré.

Propriété 7 :
Soient (k, p) ∈ N∗ , avec k < p, et (u i )1≤i ≤p une famille de vecteurs.

1o) u ∈ Kn est combinaison linéaire des (u i )1≤i ≤k ssi u ∈ Vect (u 1 , . . . , u k ).

2o) Les vecteurs u k+1 , . . . , u p sont combinaisons linéaires des vecteurs u1 , . . . , uk ssi
¡ ¢
Vect u 1 , . . . , u p = Vect (u 1 , . . . , u k ).

Démonstration : Le point 1o) est immédiat. Pour le point 2o), la CN se déduit de 1o) (une seule inclusion à prouver),
et la CS est immédiate.

Remarque : Ce résultat montre que l’on peut enlever des vecteurs combinaisons linéaires des autres dans un
sous espace vectoriel engendré sans que cela ne le modifie. On pourrait aussi montrer qu’on peut remplacer tout
vecteur u par une combinaison linéaire de ce vecteur avec les autres (du type u + α1 u 1 + . . . + αk u k ).

Page 3/8
BCPST Espaces vectoriels

III – Bases
Il s’agit de chercher à décrire un sous-espace vectoriel de Kn à partir d’un nombre le plus réduit possible de ses
éléments, à l’aide de la notion de base. Dans tout ce qui suit, F désigne un sous-espace vectoriel de Kn .

1o ) Familles génératrices
Définition 7 :
¡ ¢
On dit que la famille (u i )1≤i ≤p est une famille génératrice finie de F si F = Vect u 1 , . . . , u p .

En d’autres termes, une famille est génératrice de F si tout vecteur de F peut s’écrire comme combinaison
linéaire de vecteurs de la famille (d’après la propriété 7).

Exemple 6 : La famille (−2, 1, 2), (0, 3, 1), (−8, 1, 7) est-elle génératrice de R3 ? Même question avec la famille
(−2, 1, 2), (0, 3, 1), (−8, 1, 8). C’est l’occasion de faire le lien avec les systèmes linéaires.

Il est clair qu’en ajoutant des vecteurs à une famille génératrice, elle reste génératrice :

Propriété 8 :
Si (u i )1≤i ≤k est une famille génératrice de F , alors, pour toute famille (u i )k+1≤i ≤p de vecteurs de F , la
famille (u i )1≤i ≤p est génératrice de F .

Démonstration : Évident, les coefficients des (u i )k+1≤i ≤p étant nuls.

Ainsi on peut ajouter des vecteurs quelconques à une famille génératrice d’un sous-espace vectoriel , elle reste
génératrice.
On peut d’autre part enlever les vecteurs combinaison linéaire des autres :

Propriété 9 :
Soit (u i )1≤i ≤k+1 une famille génératrice de F .
Alors (u i )1≤i ≤k est une famille génératrice de F ssi u k+1 est combinaison linéaire des (u i )1≤i ≤k .

Démonstration : La CN ne se démontre pas, la CS est très rapide.

On peut donc enlever des vecteurs qui sont combinaison linéaire des autres dans une famille génératrice d’un
sous-espace vectoriel , elle reste génératrice.

2o ) Familles libres
Définition 8 :
On dit que la famille (u i )1≤i ≤k de vecteurs de Kn est une famille libre finie ssi ∀(λ1 , . . . λk ) ∈ Kk ,
λ1 u 1 + λ2 u 2 + . . . + λk u k = 0Kn =⇒ λ1 = λ2 = . . . = λk = 0 .
Si une famille de vecteurs n’est pas libre, on dit que la famille est liée.

Remarque : En résumé, pour une famille libre une combinaison linéaire de vecteurs de la famille est nulle ssi
tous les scalaires sont nuls. Lorsqu’une famille de vecteurs est libre, on dit aussi que les vecteurs en question sont
linéairement indépendants.

Exemple 7 :

– Une famille (u) à un seul élément est libre ssi u 6= 0Kn .

– Une famille à deux vecteurs non nuls est libre ssi les deux vecteurs ne sont pas colinéaires.
– Toute famille contenant le vecteur nul est liée.
– Toute famille contenant deux fois le même vecteur est liée (ou : les vecteurs d’une famille libre sont tous
distincts).
– Reprenons l’exemple 6, dans les deux cas.

Page 4/8
BCPST Espaces vectoriels

D’après la définition, une famille est liée s’il existe une combinaison linéaire non triviale nulle de ces vecteurs.
Ce que l’on peut également caractériser sous la forme :

Propriété 10 :
Une famille est liée ssi l’un des vecteurs peut s’écrire comme combinaison linéaire des autres.

Démonstration : Par double implication.

Exemple 8 : Retour au dernier cas de l’exemple précédent, où l’on exprime un vecteur en fonction des autres.

De même que pour les familles génératrices, observons ce qui se passe avec l’ajout ou la suppression de
vecteurs dans une famille libre :

Propriété 11 :
Toute sous-famille d’une famille libre est libre.

Démonstration : Évidente avec la définition.

Remarque : Toute surfamille d’une famille liée est liée.

Propriété 12 :
Soit (u i )1≤i ≤k une famille libre.
La famille (u i )1≤i ≤k+1 est libre ssi u k+1 n’est pas combinaison linéaire des vecteurs u 1 , . . ., u k .

Démonstration : CN immédiate, CS par l’absurde.

3o ) Bases
Les familles libres et génératrices permettent d’aboutir à une notion fondamentale dans les espaces vectoriels : la
notion de base.

Définition 9 :
On appelle base du sous-espace vectoriel F toute famille finie libre et génératrice de F .

Exemple 9 : Pour vectC (i + 1, −1, 0, 2), 2i, i − 1, −1, eiπ/3 , une base est immédiate. Pour F = (x, y, z) ∈ C3 ,
© ¡ ¢ª ©
ª
x + y + z = 0 et x + iy − z = 0 c’est un peu moins évident mais nous allons le faire.

Théorème 1 :
Tout sous-espace vectoriel de Kn autre que {0K n } admet des bases. De plus, toutes les bases d’un même
sous-espace vectoriel ont le même cardinal : on appelle ce cardinal la dimension de F , noté dim(F ).

Démonstration : Admis.
© ª
Remarque : Par convention, on dira que le sous-espace vectoriel 0Kn admet pour base la famille vide, et donc
que dim (0Kn ) = 0 .

Exemple 10 :

– On examine le cas d’une droite vectorielle, d’un plan vectoriel. Celui également de F = u ∈ R4 ,
©

∃(α, β, γ) ∈ R3 , u = (α − β, β + 2γ, α − β + γ, 2α + β − γ) . Plus généralement, celui de F = Vect (u 1 , . . . , u k ).

ª

– Cas d’une famille orthogonale de 2 vecteurs dans le plan, de 3 vecteurs dans l’espace.

Propriété 13 :
p
B = (e 1 , . . . , e p ) est une base du sous-espace vectoriel F ssi ∀u ∈ F , ∃!(x 1 , x 2 , . . . , x p ) ∈ Kp , u =
X
xi e i .
i =1
Les scalaires x i sont appelés coordonnées (ou composantes) de u dans la base B.

Page 5/8
BCPST Espaces vectoriels

Démonstration : Voilà qui est intéressant à écrire, en décomposant existence et unicité.

Remarque : Ainsi la dimension d’un sous-espace vectoriel est le nombre minimal de vecteurs qu’il faut donner
pour déterminer entièrement ce sous-espace vectoriel (c’est-à-dire être capable d’écrire tout vecteur du sous-
espace vectoriel ). C’est le nombre de composantes permettant d’exprimer tout vecteur, ou encore (graphique-
ment) le nombre d’axes nécessaires pour repérer tout vecteur.

Propriété 14 :
1 , 0, . . . , 0) ∈ Kn .
££ ¤¤
Pour tout i ∈ 1, n , on définit le vecteur e i = (0, . . . , 0, |{z}
i ième
La famille (e 1 , . . . , e n ) est une base de Kn appelée base canonique.

Démonstration : Tout découle de la propriété précédente.

Remarque : On en déduit que dim Kn = n .

¡ ¢

La notion de base permet d’utiliser la notation matricielle dans les espaces vectoriels :

Définition 10 :
Soit B = (e 1 , . . . , e p ) une base de F .
À tout u ∈ F de coordonnées (x i )1≤i ≤p dans B est associée la matrice colonne
MatB (u) = (x i )1≤i ≤p ∈ Mp,1 (K), matrice contenant les coordonnées de u dans la base B.

Remarque : On peut alors utiliser les opérations matricielles (somme et produit par un scalaire) pour effectuer
des opérations dans Kn : MatB (λu + µv) = λMatB (u) + µMatB (v).

Exemple 11 : Déterminer MatB (u) où u = (2, 3) et B = (e 1 , e 2 ) avec e 1 = (−1, 1) et e 2 = (3, −2).

Par extension, on peut définir la matrice d’une famille de vecteurs dans une base donnée :

Définition 11 :
Soit B = (e 1 , . . . , e p ) une base de F , et F = (u 1 , . . . , u k ) une famille de vecteurs de F .
La matrice de F dans la base B est la matrice, notée MatB (F ), appartenant à Mp,k (K) et dont la
££ ¤¤
j -ième colonne, pour tout j ∈ 1, k , est MatB (u j ).

IV – Familles et dimension
La connaissance de la dimension d’un sous-espace vectoriel renseigne sur ses familles libres et ses familles généra-
trices.

1o ) Familles libres
Propriété 15 :
Toute famille libre dans un sous-espace vectoriel de dimension p contient au plus p vecteurs. Toute
famille de plus de p vecteurs d’un sous-espace vectoriel de dimension p est liée.

Démonstration : Admis.

Remarque : dim F est donc le nombre maximum de vecteurs pour qu’une famille soit libre dans F : lorsque ce
maximum est atteint, la famille devient une base grâce à la propriété suivante :

Propriété 16 :
Toute famille libre à p éléments dans un sous-espace vectoriel de dimension p est une base.

Démonstration : S’obtient à partir de la propriété 15 : si u ∈ F , on montre que (e 1 , . . . , e p , u) est liée, ce qui entraîne
¡ ¢
que u ∈ Vect e 1 , . . . , e p .

On peut ainsi utiliser la dimension pour comparer deux sous-espaces vectoriels :

Page 6/8
BCPST Espaces vectoriels

Propriété 17 :
Soient F et G deux sous-espaces vectoriels de Kn .

1o) Si F ⊂ G, alors dim(F ) ≤ dim(G).

2o) Si F ⊂ G, alors (F = G ⇐⇒ dim(F ) = dim(G)).

Démonstration : Une base de F est une famille libre de G...

Remarque :

– La réciproque de 1o) est bien sûr fausse.

– On en déduit que le seul sous-espace vectoriel de Kn de dimension n est Kn (à ne pas oublier pour éviter des
incohérences), et que tout sous espace vectoriel strict d’un espace vectoriel F est de dimension strictement
inférieure à celle de F .
– Si F et G sont des sous-espace vectoriel de Kn , la propriété précédente entraîne que dim(F ∩G) ≤ min(dim F, dimG).
De plus, si F * G et G * F , alors l’inégalité précédente est stricte.

2o ) Familles génératrices
En ce qui concerne les familles génératrices, le résultat est inversé grâce au théorème suivant :

Propriété 18 :
Toute famille génératrice dans un sous-espace vectoriel de dimension p possède au moins p vecteurs.

Démonstration : Admis.

Remarque : dim F est donc le nombre minimum de vecteurs pour qu’une famille soit génératrice de F : lorsque
ce minimum est atteint, la famille devient une base.

Propriété 19 :
Toute famille génératrice à p éléments dans un sous-espace vectoriel de dimension p est une base.

Démonstration : S’obtient également à partir de la propriété précédente : si (e 1 , . . . , e p ) est liée, alors l’un des
¡ ¢ ¡ ¢
vecteurs est combinaison linéaire des autres, donc par exemple Vect e 1 , . . . , e p = Vect e 1 , . . . , e p−1 , ce qui conduit
à une contradiction.

Remarque : Très utile en pratique : lorsqu’on connaît la dimension p d’un sous-espace vectoriel , pour prouver
qu’une famille contenant p vecteurs est une base, il suffit de prouver qu’elle est libre ou génératrice.

3o ) Rang d’une famille

Les propriétés précédentes concernant les familles de vecteurs peuvent se traduire à l’aide de la notion de rang :

Définition 12 :
Soit F = {u i }1≤i ≤p une famille finie de vecteurs de Kn .
F
¡ ¢
On appelle rang de la famille la dimension de Vect u 1 , . . . , u p :
¡ ¡ ¢¢
rg(u 1 , . . . , u p ) = dim Vect u 1 , . . . , u p .

Remarque : Le rang d’une famille de vecteurs est donc le nombre maximum de vecteurs linéairement indépen-
dants dans cette famille.

Exemple 12 : Rang de la famille (−3, 1),(1, 2),(−2, 3) sans aucun calcul.

On en déduit alors :

Page 7/8
BCPST Espaces vectoriels

Propriété 20 :
Soit F un sous-espace vectoriel de Kn , et F = (u i )1≤i ≤p une famille de vecteurs de F .

1o) rg(u 1 , . . . , u p ) ≤ dim(F ) et rg(u 1 , . . . , u p ) ≤ p .

2o) (u i )1≤i ≤p est libre dans F ssi rg(u 1 , . . . , u p ) = p .
3o) (u i )1≤i ≤p est une famille génératrice de F ssi rg(u 1 , . . . , u p ) = dim(F ) .

Démonstration : Immédiat (utilise les propriétés précédentes liant familles libres et dimension, et familles généra-
trices et dimension).

Le rang d’une famille de vecteurs ne peut donc pas dépasser le nombre de vecteurs de la famille, ni le nombre
de composantes de chaque vecteur.
Remarque : Si B est la base canonique de Kn et F est une famille de vecteurs de Kn , alors rg(F ) = rg MatB (F )
¡ ¢

: on peut donc utiliser la méthode du pivot pour déterminer le rang d’une famille de vecteurs.

Exemple 13 : On considère les vecteurs u 1 = (−2 , 3 , 0 , 1), u 2 = (1 , 0 , − 1 , 2) et u 3 = (2 , 3 , 1 , − 1) : déterminer

rg(u 1 , u 2 ), rg(u 1 , u 2 , u 3 ).

Page 8/8