Expaces vectoriels

Abdoul Salam DIALLO 1

Université Alioune DIOP de Bambey
UFR SATIC, Département de Mathématiques
B.P. 30, Bambey, Sénégal

Dans tout ce chapitre K désigne le corps R des nombres réels ou le corps C

des nombres complexes.

1 Définition, propriétés, exemple

Definition 1.1. Soient K un corps et E un ensemble contenant au moins un
élément, noté 0E muni d’une loi de composition interne noté +

x + y ∈ E, ∀x, y ∈ E (1)

et d’une application appelée loi externe:

K×E → E
(λ, x) 7→ λ · x (2)

On dit que (E, +, ·) est un espace vectoriel sur K ou un K-espace vectoriel si

pour tout x, y, z ∈ E et pour tout α, β ∈ K:
1. x + (y + z) = (x + y) + z; (associativité)
2. x + y = y + x; (commutativité)
3. x + 0E = 0E + x = x; (existence d’un élément neutre pour l’addition)
4. x + (−x) = (−x) + x = 0E ; (existence d’un élément oppposé)
5. (α + β) · x = α · x + β · x; (compatibilité avec la somme des scalaires)
6. α · (x + y) = α · x + α · y; (compatibilité avec la somme des vecteurs)
7. α · (β · x) = (αβ) · x; (compatibilité avec le produit des scalaires)
8. 1K · x = x; (compatibilité avec l’unité)
Les éléments d’un espace vectoriel sont appelés vecteurs et les éléments de K
sont appelés scalaires.
L’élément neutre de l’addition 0E est appelé vecteur nul, le symétrique d’un
vecteur x pour l’addition est appelé vecteur opposé de x et est noté −x.
Remark 1.1. Si α est un scalaire et x un vecteur, on écrit aussi αx au lieu
α · x. Si α 6= 0, le vecteur α1 x est aussi noté αx .
1 E-mail: abdoulsalam.diallo@uadb.edu.sn

1
Example 1.1. Quelques exemples classiques.
1. C est un R-espace vectoriel.

2. R et R2 sont des R-espaces vectoriels.

3. Plus généralement, Kn est un K-espace vectoriel.
4. En géométrie, l’ensemble des vecteurs du plan constitue un espace vectoriel
sur R. Il en est de même de l’ensemble des vecteurs de l’espace.

5. Si X est un ensemble, F(X, R) est un R-espace vectoriel pour les opérations

+ et · définies par:

f +g :X → R
t → f (t) + g(t)

et

α·f :X → R
t → α · f (t).

6. De même F(X, C) est muni d’une structure d’espace vectoriel sur C.

7. En particulier, l’ensemble des suites réelles (respectivement complexes) est
muni d’une structure d’espace vectoriel sur R (respectivement sur C).
8. Plus généralement, si E est un K-espace vectoriel et X un ensemble, alors
F(X, E) est un K-espace vectoriel pour les opérations suivantes:

f +g :X → E
t → f (t) + g(t)

et

α·f :X → E
t → α · f (t).

9. L’ensemble K[X] des polynômes à coefficients dans K est un espace vec-

toriel sur K.

Proposition 1.1. Si E est un K-espace vectoriel, alors pour α ∈ K et x ∈ E,

on a:
1. 0K x = 0E et α0E = 0E .
2. −(αx) = α(−x) = (−α)x.

Proof. (0E et 0K désignent respectivement le vecteur nul de E et l’élément nul

de K).

2
 1. Pour x ∈ E, on a:

0E + 0K x = 0K x = (0K + 0K )x = 0K x + 0K x.

En ajoutant aux deux membres de l’égalité l’opposé de 0K x, on obtient:

0K x = 0E .
De même, pour α ∈ K, les égalités

α0E = α(0E + 0E ) = α0E + α0E = 0E

entraı̂nent que α0E = 0E .

2. On a:
αx + (−α)x = (α − α)x = 0K x = 0E
donc (−α)x est l’opposé de αx, cad (−α)x = −(αx).
De même, on a: α(−x) = −(αx).

Proposition 1.2. Si E est un K-espace vectoriel, alors pour α ∈ K et x ∈ E,

on a:
αx = 0E ⇒ (α = 0K ou x = 0E ).
Proof. Supposons αx = 0E et α 6= 0K . Comme K est un corps, α est inversible
et
x = 1x = α−1 (αx) = α−1 0E = 0E
ce qui prouve le résultat.

2 Combinaisons linéaires
Definition 2.1. Soient E un K-espace vectoriel et x1 , x2 , . . . , xn des vecteurs
de E. On appelle combinaison linéaire des vecteurs x1 , x2 , . . . , xn , tout vecteur
de la forme
n
X
λ i xi où (λ1 , · · · , λn ) ∈ Kn . (3)
i=1

Si A est une partie de E, on appelle combinaison linéaire d’éléments de A toute

combinaison linéaire d’un nombre fini déléments de A.
Example 2.1. Dans le R-espace vectoriel C, tout nombre complexe est combi-
naison linéaire à coefficient réel de 1 et i.
Example 2.2. Soient les trois vecteurs:

u = (−1, −2, −3); v = (0, 2, −1); w = (−1, 0 − 4).

Montrons que w est combinaison linéaire des vecteurs u et v. Pour prouver que
le vecteur w est une combinaison linéaire des vecteurs u, v, il faut montrer qu’il
existe deux constantes α1 , α2 telles que

w = α1 u + α2 v.

3
Ce qui donne

 −1 = −α
0 = −2α1 + 2α2 ⇔ α1 = α2 = 1
−4 = −3α1 − α2


Par conséquent w est combinaison linéaire des vecteurs u et v car w = u + v.

3 Produit d’espaces vectoriels

Proposition 3.1. Étant donnés deux K-espaces vectoriels E, F , le produit E×F
muni des lois produits
• l’addition définie par (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 );
• la loi externe définie par: α(x, y) = (αx, αy)

est un espace vectoriel sur K appelé espace vectoriel produit.

Proof. Il suffit de montrer que
• (E × F, +) est un groupe commutatif;

• Vérifier les quatre autre propriétés de la définition.

4 Sous-espaces vectoriels
Soit (E, +, · un K-espace vectoriel.
Definition 4.1. Un sous-espace vectoriel de E est un sous-groupe de (E, +)
qui est stable par multiplication par tout scalaire.
Definition 4.2. Soit E un espace vectoriel. On dit que F est un sous-espace
vectoriel de E si et seulement si F est un espace vectoriel et F ⊂ E.
Remark 4.1. Pour les lois induites, un sous-espace vectoriel de E est un espace
vectoriel sur K.
Example 4.1. Quelques sous-espaces vectoriels classiques.

1. R et iR sont des sous-espaces vectoriels du R-espace vectoriel C.

2. E et {0} sont des sous-espaces vectoriels de l’espace vectoriel E, appelés
sous-espaces vectoriels triviaux de E.
3. Si F est un sous-espace vectoriel de E, alors F(X, F ) est un sous-espace
vectoriel de l’espace vectoriel F(X, E).

Pour montrer qu’un ensemble F est un sous-espace vectoriel d’un espace vecto-
riel E on utilise le théorème suivant:
Theorem 4.1. F est un sous-espace vectoriel de E si et seulement si

4
 1. F ⊂ E
2. 0E ∈ F

3. u, v ∈ F ⇒ u + v ∈ F
4. u ∈ F, α ∈ K ⇒ αu ∈ F
Theorem 4.2. Soit F une partie d’un K-espace vectoriel E. Les propositions
suivantes sont équivalentes:

1. F est un sous-espace vectoriel de E.

2. 0 ∈ F
3. ∀(α, β) ∈ K2 , ∀x, y ∈ F, αx + βy ∈ F .

Proof. Soit F une partie d’un K-espace vectoriel E.

• (1) ⇒ (2). Si F est un sous-espace vectoriel de E, c’est un sous-groupe
de (E, +) donc il contient son élément neutre 0. De plus, la stabilité pour
la multiplication par les scalaires α et β prouve que si x et y sont deux
éléments de F , alors αx et βy sont aussi dans F , et par suite αx + βy est
dans F .
• – F est stable pour l’addition puisque pour (x, y) ∈ F 2 , on a:

x + y = 1x + 1y avec (1, 1) ∈ K2 .

– F est stable pour la multiplication externe puisque pour x ∈ F et

α ∈ K, on a:

αx = αx + 0x avec (α, 0) ∈ K2 et (x, x) ∈ F 2 .

– En particulier, si x ∈ F , son opposé −x = (−1)x appartient à F .

– L’élément neutre 0 de E appartient à F par hypothèse.
Donc F est un sous-groupe de E stable par multiplication scalaire.

Remark 4.2. Dans la caractérisation précédente des sous-espaces vectoriels,

on peut remplacer l’hypothèse 0 ∈ F par F 6= ∅, puisque si x ∈ F , on a:

0 = 0x + 0x ∈ F.

Une autre formulation du théorème précédent est donc: un sous-espace vectoriel

de E est une partie de E non vide et stable par combinaires linéaires.
Remark 4.3. Pour montrer qu’un ensemble est muni d’une structure d’espace
vectoriel, on montre presque toujours à la l’aide théorème précédent, que c’est
un sous-espace vectoriel d’un espace vectoriel connu, ce qui est bien plus rapide
que de revenir à la définition.

5
5 Sous-espace vectoriel engendré par une partie
Proposition 5.1. Une intersection de sous-espaces vectoriels de E est un sous-
espace vectoriel de E.
Proof. Soit E un K-espace vectoriel.

• Tous les sous-espaces vectoriels de E contient le vecteur 0, donc leur in-

tersection aussi.
• Si x et y appartient à chacun des sous-espaces vectoriels, alors αx + βy
aussi, et donc αx + βy appartient à l’intersection.

Par suite, l’intersection est un sous-espace vectoriel.

Theorem 5.1. Soit (Fi )i∈I une famille de sous-espaces vectoriels d’un K-espace
vectoriel E. Alors F = ∩i∈I Fi est un sous-espace vectoriel de E.
Proof. Les Fi étant des sous-groupes du groupe additif E, on a: O ∈ Fi pour
tout i ∈ I; donc 0 ∈ F et F 6= ∅. Soient x et y des éléments de F ; alors pour
tout i ∈ I, x et y appartiennent à Fi . Donc quels que soient les scalaires λ et
µ de K, λx + µy ∈ Fi puisque Fi est un sous-espace vectoriel de E. Par suite
λx + µy ∈ F et F est bien un sous-espace vectoriel de E.
Remark 5.1. (Attention) La réunion de sous-espaces vectoriels n’est pas tou-
jours un sous-espace vectoriel comme le prouve l’exemple de deux droites vecto-
rielles distinctes de R2 .
Proposition 5.2. Soit A une partie de E. Il existe un plus petit sous-espace
vectoriel contenant A. On l’appelle sous-vectoriel engendré par A et on le note
vect(A)

Example 5.1. Si A est vide, le sous-espace vectoriel engendré par A est {0}.
Example 5.2. Dans le R-espace vectoriel C
• le sous-espace vectoriel engendré par {1} est R;
• le sous-espace vectoriel engendré par {i} est l’ensemble des imaginaires
pures;
• le sous-espace vectoriel engendré par {1, i} est C
Proposition 5.3. Soient n ∈ N∗ et A = {a1 , a2 , . . . , an } une partie finie à
n éléments de E. Le sous-espace vectoriel engendré par A est l’ensemble des
combinaisons linéaires des vecteurs a1 , a2 , . . . , an , soit
n n
X o
vect(A) = y ∈ E/∃(λ1 , . . . , λn ) ∈ Kn , y = λi ai .
i=1

6
6 Somme de sous-espaces vectoriels
On a vu que la réunion de deux sous-espaces vectoriels F et G de E n’est pas en
général un sous-espace vectoriel. Le plus petit sous-espace vectoriel contenant
F et G est le sous-espace engendré par F ∪ G qui est en général différent de
F ∪ G.
Proposition 6.1. Si F et G sont deux sous-espace vectoriels de E, le plus petit
sous-espace vectoriel contenant F et G est

H = {x + y/(x, y) ∈ F × G}.

On l’appelle somme de F et G et on le note F + G.

Proof. • On a F ⊂ H car ∀x ∈ F, x = x + 0 avec 0 ∈ G. De même, G ⊂ H.
• D’après le premier point, H est non vide.
• Si (u1 , u2 ) ∈ H 2 et (α1 , α2 ) ∈ K2 , on peut écrire

u1 = x1 + y2 et u2 = x2 + y2 avec (x1 , x2 ) ∈ F 2 et (y1 , y2 ) ∈ G2 .

On a
α1 u1 + α2 u2 = (α1 x1 + α2 x2 ) + (α1 y1 + α2 y2 )
avec α1 x1 + α2 x2 ∈ F et α1 y1 + α2 y2 ∈ G puisque F et G sont deux
sous-espaces vectoriels, et on déduit que α1 u1 + α2 u2 ∈ H.
Donc H est un sous-espace vectoriel de E.
• Soit H 0 un sous-espace vectoriel de E contenant F et G. Étant donné
u ∈ H, prenons (x, y) ∈ F × G tels que u = x + y. Alors x ∈ H 0 et y ∈ H 0 ,
donc u = x + y ∈ H 0 .
Par suite H 0 contient H.
Donc H est bien le plus petit sous-espace vectoriel de E contenant F et
G.
Example 6.1. Si E = K2 , alors E = vect{(1, 0)} + vect{(1, 1)}, puisque tout
élément (x, y) ∈ E 2 peut s’écrire sous la forme (x − y)(1, 0) + y(1, 1).
Proposition 6.2. Soit E un K-espace vectoriel.
• Si F, G et H sont trois sous-espaces vectoriels de E. Le plus petit sous-
espace vectoriel de E contenant F, G et H est

F + G + H = {x + y + z/x ∈ F, y ∈ G, z ∈ H}.

On l’appelle somme des sev F, G et H.

• De même, si E1 , E2 , · · · , En sont des sous-espaces vectoriels de E. On
définit

E1 + E2 + · · · + En = {x1 + x2 + · · · + xn /∀i = 1, · · · , n, xi ∈ Ei }.

Theorem 6.1. Soient E un K-espace vectoriel et E1 , . . . , En , (n ≥ 2), n sous-

espaces vectoriels de E. La somme E1 + · · · + En est le sous-espace vectoriel
engendré par E1 ∪ E2 ∪ . . . ∪ En .

7
7 Sous-espaces vectoriels supplémentaires
7.1 Sous-espaces supplémentaires
Proposition 7.1. Soient F et G deux sous-espaces vectoriels d’un espace vec-
toriel E. Les propositions suivantes sont équivalentes:
1. pour tout x ∈ E, il existe un unique couple (y, z) ∈ F × G tel que

x = y + z.

2. E = F + G et F ∩ G = {0}.
Lorsque ces deux propriétés sont vérifiées, on dit que F et G sont deux sous-
espaces vectoriels supplémentaires et on note E = F ⊕ G.
Proof. Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E.
• Suppons que E = F + G et F ∩ G = {0}. Alors tout élément de E
s’écrit comme somme d’un élément de F et d’un élément de G. Montrons
l’unicité de cette écriture. Supposons

x = y 0 + z 0 = y 00 + z 00 avec (y 0 , y 00 ) ∈ F 2 et (z 0 , z 00 ) ∈ G2 .

Alors y 0 −y 00 = z 00 −z 0 ∈ F ∩G puisque F et G sont deux espaces vectoriels

de G. Donc y 0 − y 00 = z 00 − z 0 = 0.
• Réciproquement, supposons que tout élément de E s’écrive de manière
unique comme la somme d’un élément de F et d’un élément de G.
On a donc E = F + G.
Soit x ∈ F ∩ G. Alors x peut s’écrire x = 0 + x = x + 0. L’unicité de la
décomposition de x comme somme d’un élément de F et d’un élément de
G implique x = 0.
Donc F ∩ G = {0}.

Remark 7.1. Lorsque F et G sont deux sous-espaces vectoriels de E, pour

prouver F ∩ G = {0}, il suffit, comme dans la preuve précédente de montrer
l’implication x ∈ F ∩ G ⇒ x = 0. L’autre inclusion est évidente puisque, F ∩ G
est un sous-espace vectoriel de E, donc il contient le vecteur nul.
Example 7.1. Dans K2 :
• Les sous-espaces vectoriels F = vect{(1, 0)} et G1 = vect{(0, 1)} sont
supplémentaires. En effet, tout élément (x, y) de K2 s’écrit de manière
unique sous la forme α(1, 0) + β(0, 1) avec α = x et β = y.

• Les sous-espaces vectoriels F = vect{(1, 0)} et G2 = vect{(1, 1)} sont

supplémentaires. dans K2 . En effet:
– ∀(x, y) ∈ K2 , (x, y) = (x − y, 0) + (y, y) ∈ F + G;
– si (x, 0) = (y, y), alors y = 0 puis x = 0.

8
Example 7.2. Dans E = K2 , les sous-espaces vectoriels K2 ×{0} et vect{(0, 0, 1)}
sont supplémentaires.

Proposition 7.2. Dans E = F(R, R), l’ensemble P des fonctions paires et

l’ensemble I des fonctions impaires forment deux sous-espaces vectoriels supplémentaires.
Proof. Ce sont deux sous-espaces vectoriels de E, car ils contiennent l’application
nulle et sont stables par combinaison linéaires. Montrons que toute fonction f
de E s’écrit de façon unique comme la somme d’une fonction paire g et d’une
fonction impaire h.
• Unicité. Soit f une fonction de R dans R. Si f = g + h avec g paire et
h impaire, alors

f (x) = g(x) + h(x)
∀x ∈ R,
f (−x) = g(−x) + h(−x) = g(x) − h(x).

D’où pour tout x ∈ R

f (x) + f (−x) f (x) − f (−x)

g(x) = et h(x) = ,
2 2
ce qui prouve l’unicité d’un tel couple (g, h).
• Existence. Il suffit de vérifier que les fonctions g et h définies par

f (x) + f (−x) f (x) − f (−x)

g(x) = et h(x) = ,
2 2
conviennent. On a immédiatement g + h = f et, pour tout x ∈ R,

f (−x) + f (x) f (−x) − f (x)

g(−x) = = g(x) ainsi que h(−x) = = −h(x).
2 2
Les fonctions g et h ci-dessus sont appelées respectivement partie paire
et partie impaire de la fonction f .

7.2 Projections et symétries vectorielles

Definition 7.1. Soient F et G deux sous-espaces vectoriels supplémentaires de
E. L’application p de E dans E qui, à tout élément x ∈ E associe l’unique y de
F tel que x = y + yz avec z ∈ G est appelé projection sur F parallèlement
à G.
Une telle application est aussi appelée projecteur.
Proposition 7.3. Étant donnés deux sous-espaces vectoriels supplémentaires
F et G de E. La projection sur F parallèlement à G est linéaire.
• Son noyau est G.
• Son image, qui est aussi l’ensemble des vecteurs invariants, est égal à F .
Proof. Soient F et G deux sev d’un ev E.

9
 • Soit (x, y) ∈ E 2 ; on peut écrire x = x1 + x2 , y = y1 + y2 avec (x1 , y1 ) ∈ F 2
et (x2 , y2 ) ∈ G2 .
Pour (α, β) ∈ K2 , on a:

αx + βy = (αx1 + βy1 ) + (αx2 + βy2 )

avec
(αx1 + βy1 ) ∈ F et (αx2 + βy2 ) ∈ G
puisque F et G sont des sev. Par suite

p(αx + βy) = αx1 + βy1 = αp(x) + βp(y).

L’application p est donc linéaire.

• Si x ∈ F alors x = 0 + x avec (0, x) ∈ F × G, donc p(x) = 0.
Réciproquement, si p(x) = 0, alors comme x = p(x) + x2 avec x2 ∈ G, on
a x ∈ G. Par suite ker(p) = G.
• On a immédiatement Im(p) ⊂ F et donc aussi l’implication

x = p(x) ⇒ x ∈ F.

Réciproquement, si x ∈ F , alors x = x + 0 avec (x, 0) ∈ F × G, donc

x = p(x) ∈ Im(p).
Par suite Im(p) = F = {x ∈ E/p(x) = x}.

Example 7.3. Dans le plan, si D et D0 sont deux droites vectorielles distinctes,

la projection p sur D parallèlement à D0 est une application linéaire, dont le
noyau est D0 et d’image D.

Example 7.4. De même, si P est un plan vectoriel de R3 et D une droite

vectorielle non contenue dans P , les projections
• p sur P parallèlement à D;
• q sur D parallèlement à P

sont des applications linéaires dont les noyaux sont respectivement D et P et

les images respectivement P et D.
Proposition 7.4. Si p ∈ L(E). Alors p est un projecteur si et seulement si
p ◦ p = p.

Proof. • Si p est un projecteur sur F parallèlement à G, alors pour tout

x ∈ E, on a p(x) ∈ F et donc, p(p(x)) = p(x). Par suite p ◦ p = p.
• Supposons p ◦ p = p. Les ensembles G = ker(p) et F = Im(p) qui sont
respectivement noyau et image de l’endomorphisme p, sont donc des sous-
espaces vectoriels de E.
Montrons qu’ils sont supplémentaires.

10
 – Soit y ∈ F ∩ G. Comme y ∈ F = Im(p), on peut trouver x ∈ E tel
que y = p(x). Or y ∈ G = ker(p) donc
0 = p(y) = (p ◦ p)(x) = p(x) = y.
Par suite F ∩ G = {0}.
– Soit x ∈ E alors
x = p(x) + (x − p(x)).
On a x − p(x) ∈ G puisque
p(x − p(x)) = p(x) − p(p(x)) = 0
et évidement p(x) ∈ F . Ainsi x ∈ F + G et donc E = F + G.

Remark 7.2. Attention. Si F et G sont deux sous-espaces vectoriels supplémentaires

de E, la projection sur F parallèlement à G, est par définition, un endomor-
phisme de E, et non une application linéaire de E dans F . C’est ce qui permet
d’ailleurs de parler de p ◦ p dans la proposition précédente
Definition 7.2. Soient F et G deux sous-espaces vectoriels supplémentaires de
E. On appelle symétrie par rapport à F parallèlement à G, l’application s de
E dans E telle que si x = y + z avec y ∈ F et z ∈ G, on ait s(x) = y − z.
Proposition 7.5. Une symétrie est un automorphisme involutif, cad vérifie
s ◦ s = idE .
Proof. Soient F et G deux sev supplémentaires de E et s la symmétrie par
rappart à F parallèlement à G. Si l’on note p la projection sur F parallèlement
à G, il est immédiat que s = 2p − idE , ce qui prouve que s est linéaire.
Si x = y + z avec y ∈ F et z ∈ G alors s(x) = y − z et (s ◦ s)(x) = y − (−z) = x.
Donc s est involutive, ce qui prouve bien qu’elle est bijective.
Proposition 7.6. Tout endomorphisme involutif de E est une symétrie.
Plus précisement, si s ∈ L(E) est involutif, c’est la symétrie par rapport à
ker(s − idE ) parallèlement à ker(s + idE ).
s+idE
Proof. En posant p = 2 , on a:
s2 + 2s + idE s + idE
p◦p= = =p
4 2
ce qui prouve que l’endomorphisme p est la projection sur F = Im(p) par-
allèlement à G = ker(p). Donc s = 2p − idE est la symétrie par rapport à F
parallèlement à G. Enfin:
G = ker(p) = ker(s + idE )
et
F = {x ∈ E/p(x) = x} = ker(p − idE ) = ker(s − idE ).

Example 7.5. La conjugaison sur C est la symétrie par rapport à R par-

allèlement à iR.
Proof.

11
8 Familles libres, familles génératrices, bases
Dans cette section n désigne un entier naturel.
Si (x1 , · · · , xn ) est une n-liste d’éléments de E, les combinaisons linéaires des
vecteurs x1 , · · · , xn de E s’écrivent
n
X
λ 1 x1 + λ 2 x2 + · · · + λ n xn = λ i xi avec (λ1 , λ2 , · · · , λn ) ∈ Kn .
i=1

En particulier si n = 0, la liste (x1 , · · · , xn ) est vide; la somme est vide et il n’y

a qu’une seule combinaison linéaire qui vaut 0 par définition.

8.1 Familles génératrices

Definition 8.1. Une famille (x1 , · · · , xn ) ∈ E n est génératrice de E si:

E = vect{x1 , · · · , xn }

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

x1 , · · · , xn , ou encore
n
X
n
∀x ∈ E, ∃(λ1 , · · · , λn ) ∈ K , x = λ i xi .
i=1

Remark 8.1. Si une famille est génératrice, toute famille obtenue en permutant
ses éléments est aussi génératrice. Le fait qu’une famille soit génératrice ne
depend donc pas de l’ordre de ses éléments.
Example 8.1. 1. (1, i) est une famille génératrice de C en tant que R-espace
vectoriel.
2. Deux vecteurs non colinéaires du plan en forment une famille génératrice.
3. Trois vecteurs non coplanaires de l’espace en forment une famille génératrice.
4. (1, X, · · · , X n ) est famille génératrice de Kn (K), puisque tout polynôme de
degré inférieur ou ’egal à n s’écrit sous la forme
n
X
ap X p avec ∀p ∈ [0, · · · , n], ap ∈ K.
p=0

En ajoutant des éléments à une famille génératrice, on obtient une autre

famille génératrice:
Proposition 8.1. Toute sur-famille finie d’une famille génératrice est aussi
une famille génératrice.
Proposition 8.2. Soit G une famille génératrice de E. Une famille F d’éléments
de E est une famille génératrice de E si, et seulement si, tout élément de G est
combinaison linéaires d’éléments de F.
Proof. • Si F est une famille génératrice de E, tout élément de E est com-
binaison linéaire d’éléments de F, et à fortiori tout élément de G.

12
 • Réciproquement, supposons que tout élément de G soit combinaison linéaire
d’éléments de F. Puisque E = vect{G} est le plus petit sous-espace vec-
toriel contenant G et que F est un sous-espace vectoriel contenant G, on
en déduit que E ⊂ F, ce qui prouve que F est génératrice.

Example 8.2. Si j = e2iπ/3 , alors (1, j) est une famille génératrice du R-

espace vectoriel C puisque (1, i) est famille génératrice de C et que 1 et i sont
des combinaisons linéaires de 1 et j. Pour le 1, c’est évident, pour le i, il suffit
d’écrire i = √23 j + √13 1

8.2 Familles libres

Definition 8.2. Soit (x1 , · · · , xn ) une famille finie déléments de E.
• On dit que (x1 , · · · , xn ) est une famille libre ou que les vecteurs x1 , · · · , xn
sont linéairement indépendants, si pour tout λ1 , · · · , λn ∈ K, on a:
n
X
λi xi = 0 ⇒ λ1 = λ2 = · · · = λn = 0.
i=1

• Dans le cas contraire, c’est-à-dire, si l’on peutP

trouver une famille (λi )1≤i≤n ∈
n
Kn des scalaires non tous nuls vérifaint i=1 λi xi = 0, on dit que la
famille est liée ou que les vecteurs sont linéairement dépendents.
Remark 8.2. Si une famille est libre, toute famille obtenue en permutant ses
éléments est aussi libre. Le fait qu’une famille soit libre ne depend donc pas de
l’ordre de ses éléments.
Example 8.3. 1. Une famille à un élément x est libre si et seulement x est
non nul. En effet:
• Si x = 0, on a 1x = 0 avec 1 6= 0 et donc x forme une famille liée.
• Si x 6= 0, alors λx =⇒ λ = 0.
2. Dans le R-espace vectoriel C, la famille (1, i) est libre, puisque pour tout
(a, b) ∈ R2 :
a + ib = 0 ⇒ a = b = 0.

3. Dans K3 , les vecteurs e1 = (1, 0, 0), e2 = (0, 1, 0) et e3 = (0, 0, 1) forment

une famille libre.
Proposition 8.3. • Toute sous-famille d’une famille libre est libre.
• Toute sur-famille d’une famille liée est liée.
Proof. Ces deux résultats sont controposées l’un de l’autre. Démontrons le
premier. Soit (xi )1≤i≤n une famille libre. Prenons une famille constituée de
p vecteurs 1 ≤ p ≤ n. Quitte à permuter les xi , on peut supposer que cette
sous-famille est (x1 , · · · , xp ). P
p p
Soit (λk )1≤k≤p Pp ∈ K tel que k=1 λk xk = 0. En posant λp+1 = · · · = λn = 0,
on obtient k=1 λk xk = 0 et comme la famille (xi )1≤i≤n est libre on en déduit
∀i ∈ [1 · · · , n], λi = 0. En particulier ∀i ∈ [1 · · · , p], λi = 0 ce qui prouve que les
vecteurs x1 , · · · , xp sont linéairement indépendants.

13
Remark 8.3. En particuler
• Une famille libre ne peut pas contenir le vecteur nul.
• Une famille libre ne peut pas avir deux vecteurs proportionnels, à fortiori
deux vecteurx égaux.
Remark 8.4. Une famille contenant deux vecteurs proportionnels est liée, mais
une famille d’au moins trois vecteurs peut être liée sans contenir deux propor-
tionnels, comme le prouve, dans le R-espace vectoriel C le famille (1, i, 1 + i).
Proposition 8.4. Soit (xi )1≤i≤n une famille libre et x ∈ E. La famille (x1 , x2 , · · · , xn , x)
est liée si, et seulement si, x est combinaison linéaire de x1 , x2 , · · · , xn .
Pn
Proof. • S’il existe des scalaires λ1 , · · · , λn ∈ K tel que x = i=1 λi xi , alors
on a:
X n
1x + (−λi )xi = 0
i=1

et par suite la famille (x1 , x2 , · · · , xn , x) est liée.

• Si la famille (x1 , x2 , · · · , xn , x) est liée alors il existe α, λ1 , · · · , λn non tous
nuls tel que
Xn
αx + λi xi = 0.
i=1
Pn
Si α = 0, alors i=1 λi xi = 0 avec les λi non tous nuls, ce qui absurde
puisque la famille (xi )1≤i≤n est libre.
On en déduit α 6= 0 et donc
sumni=1 λi
x=− xi .
α

Theorem 8.1. Étant donnée une famille libre (xi )1≤i≤n ainsi que deux familles
de scalaires (λi )1≤i≤n et (µi )1≤i≤n , on a:
n
X n
X
λi xi = µi xi ⇒ ∀i ∈ [1, · · · , n], λi = µi .
i=1 i=1
Pn Pn Pn
Proof. Si i=1 λi xi = i=1 µi xi alors i=1 (λi − µi )xi = 0 et donc:

∀i ∈ [1, · · · , n], λi − µi = 0.

8.3 Bases
Definition 8.3. Une famille (ei )1≤i≤n d’éléments de E est une base de E si
c’est une famille libre et génératrice de E.
Example 8.4. 1. (1, i) est une base du R-espace vectoriel C.
2. Dans le plan, deux vecteurs non colinéaires forment une base.

14
 3. Dans l’espace, trois vecteurs non coplanaires forment une base.
4. La famille B = (ei )1≤i≤n définie par

e1 = (1, 0, · · · , 0),
e2 = (0, 1, 0, · · · , 0), · · · , en = (0, 0, · · · , 1)
Pn
est une base de Kn car l’ǵalité i=1 λi ei = (λ1 , λ2 , · · · , λn ) prouve que
n
tout élément de K s’écrit comme combinaison linéaire des éléments de
B, et qu’une telle combinaison linéaire ne peut être nulle que si tous les
λi sont nuls.
Cette base est appelée base canonique de Kn .
5. (1, X, · · · , X n ) est une base de Kn [X].
6. La famille vide est une base de {0}.

Theorem 8.2. Une famille (ei )1≤i≤n est une base de E si, et seulement si,
pour tout x ∈ E, il existe une unique famille (λi )1≤i≤n ∈ Kn telle que:
n
X
x= λ i ei .
i=1

La famille (ei )1≤i≤n est appelée composantes ou coordonnées de x dans la base

B de E.
Proof. • Si B = (ei )1≤i≤n est une base de E, alors elle génératrice (d’où
l’existence) et libre (d’où l’unicité).
• Réciproquement,

– L’existence de la décomposition prouve que B est génératrice.

Pn Pn
– Supposons i=1 λi ei = 0. Comme 0 = i=1 0ei , l’unicité prouve
que tous les λi sont nuls.
Par suite B est libre.

Example 8.5. 1. Les composantes d’un nombre complexe dans la base (1, i)
sont ses parties réelles et imaginaires.
2. Les composantes de (x1 , x2 , · · · , xn ) dans la base canonique de Kn sont les
scalaires x1 , x2 , · · · , xn .
Pn
3. Les composantes du polynôme P = p=0 ap X p dans la base canonique de
Kn [X] sont les coefficients du polynôme, à savoir les scalaires a0 , a1 , · · · , an .

9 Repères cartésiens
9.1 Définitions
Definition 9.1. On appelle repère cartésien de E, tout couple (Ω, B) où Ω
est un point de E et B est une base de E.

15
Example 9.1. On repère cartésien canonique de Rn , le repère (O, B), où B est
la base canonique de Rn .

Definition 9.2. Soit R = (Ω, B) un repère cartésien de E avec B = (e1 , e2 , · · · , en ).

On appelle famille de coordonnées d’un point M de E dans le repère R,
l’unique n-uplets de scalaires (x1 , x2 , · · · , xn ) tel que
n
−−→ X
ΩM = xi~ei .
i=1

−−→
Remark 9.1. Les xi sont les composantes du vecteur ΩM dans la base B, ce
que prouve l’unicité.

9.2 R‘egles de calcul

Soit R = (Ω, B) un repère cartésien de E.
1. Si A et B sont deux points de E dont les coordonnées dans R sont
−−→
respectivement (x1 , x2 , · · · , xn ) et (y1 , y2 , · · · , yn ), alors l’égalité AB =
−→ −→ −−→
ΩB − ΩA montre que dans la base B, le vecteur AB a pour composantes
(y1 − x1 , y2 − x2 , · · · , yn − xn ).
2. Si A est un point de E de coordonnées (x1 , x2 , · · · , xn ) dans R et ~u un
vecteur de E de composantes (α1 , α2 , · · · , αn ) dans B, alors la relation
−→ −→
ΩB = ΩA +~u, montre que dans R, le point B = A +~u a pour coordonnées
(x1 + α1 , x2 + α2 , · · · , xn + αn ).

16