10 Espaces vectoriels

10.1 Objectifs.

Structure d’espace vectoriel. Cette étude doit être accompagnée de nombreux

Sous-espaces vectoriels. exemples issus de l’algèbre (espaces Kn , espaces
de polynômes, espaces de matrices), de l’analyse
(espaces de suites, de fonctions).
Combinaisons linéaires. On ne considèrera que des combinaisons linéaires
Sous-espace engendré. de familles finies.
Une famille finie d’un espace vectoriel E est la
donnée d’une liste finie (x1 , ..., xn ) de vecteurs de
E. Le cardinal de cette famille est n.
Définition d’une famille libre, d’une famille généra- On se limitera à des familles et des bases de car-
trice, d’une base. dinal fini.
Exemple de la base canonique de Kn .

10.2 Espaces vectoriels et sous-espaces vectoriels.

10.2.1 Définition

Définition 1. On appelle K-espace vectoriel (K-ev en abrégé) un ensemble E muni

d’une opération interne notée (+) et d’une opération externe notée (·) vérifiant :

(1) ∀x ∈ E, ∀y ∈ E, ∀z ∈ E, (x + y) + z = x + (y + z)
(2) ∀x ∈ E, ∀y ∈ E, x + y = y + x
→−
(3) il existe un élément neutre appelé vecteur nul noté 0E ou 0 tel que pour tout x ∈
E, x + 0E = x
(4) tout vecteur x de E posséde un symétrique x0 tel que x + x0 = 0E . Le vecteur x0 est
appelée opposé du vecteur x et est noté −x.
(5) ∀λ ∈ K, ∀x ∈ E, ∀y ∈ E, λ · (x + y) = λ · x + λ · y
(6) ∀λ ∈ K, ∀µ ∈ K, (λ + µ) · x = λ · x + µ · x
(7) ∀λ ∈ K, ∀µ ∈ K, λ · (µ · x) = (λµ) · x
(8) ∀x ∈ E, 1K · x = x

10.2.2 Exemples de K-espaces vectoriels.

 E = Rn : cet exemple a été présenté en inroduction ;

 E = C est un C-espace vectoriel avec l’addition et la multiplication usuelle des nombres
complexes ; mais c’est aussi un R-espace vectoriel si on restreint la multiplication aux
nombres réels ;

1 / 11
  E = K[X], ensemble des polynômes à coefficients dans K, est un K-espace vectoriel
avec l’addition usuelle des polynômes et la multiplication d’un polynôme par un scalaire ;
 E = Kn [X], ensemble des polynômes à coefficients dans K de degré au plus n, est un K-
espace vectoriel avec l’addition usuelle des polynômes et la multiplication d’un polynôme
par un scalaire ;
 E = F (R, R) est un R-espace vectoriel avec l’addition usuelle des fonctions et la multi-
plication d’une fonction par un scalaire ;
 E = C 0 (I, R) est un R-espace vectoriel avec l’addition usuelle des fonctions et la multi-
plication d’une fonction par un scalaire ;
 E = D(I, R) est un R-espace vectoriel avec l’addition usuelle des fonctions et la multi-
plication d’une fonction par un scalaire ;
 E = RN est un R-espace vectoriel avec l’addition usuelle des suites et la multiplication
d’une suite par un scalaire ;
 E = Mn,p (K) est un K-espace vectoriel avec l’addition usuelle des matrices et la multi-
plication d’une matrice par un scalaire ;

Exercice 1. Soit E =]0, +∞[ muni des opérations suiivantes :

x ⊕ y = xy et λ ẋ = xλ
Montrer que E muni des opérations ⊕ et · est un R-ev.

10.2.3 Règles de calculs

Règles de calcul dans un espace vectoriel . Soit E un K-espace vectoriel.

(a) ∀x ∈ E, 0 · x = 0E
(b) ∀λ ∈ K, λ · 0E = 0E
(c) ∀x ∈ E, ∀λ ∈ K, (−λ) · x = λ · (−x) = −(λ · x)
(d) Pour n ∈ Z∗ , la notation nx désigne
— soit le vecteur |x + x {z
+ . . . + }x si n ≥ 0,
n termes
— soit le vecteur (−x) + (−x) + . . . + (−x) si n < 0.
| {z }
−n termes
Dans ce cas, n · x = nx.

Proposition . Soit x un vecteur d’un K-espace vectoriel E et λ ∈ K :

λ · x = 0E =⇒ λ = 0 ou x = 0E .

10.2.4 Sous-espaces vectoriels

Dans la suite, pour alléger la notation, on écrira simplement λx pour λ · x.

2 / 11
 Définition 2. Soit E un K-espace vectoriel et F une partie non vide de E.
On dit que F est un sous-espace vectoriel de E (sev. en abrégé) si F est stable par les
opérations (+) et (·) et si F muni de ces opérations possède une structure de K-espace
vectoriel, c’est à dire si les 8 propriétés de la définitions d’un K-espace vectoriel sont
vérifiées pour F.

Théorème . Soit E un K-espace vectoriel et F une partie de E. Alors F est un sous-

espace vectoriel de E si et seulement si
(
F est non vide et
pour tout λ ∈ K, pour tout x ∈ F, pour tout y ∈ F, λx + y ∈ F.

Remarque 1. Un sous-espace vectoriel F d’un espace vectoriel E contient toujours le vec-

teur nul.
En effet, si F est un sous-espace vectoriel de E alors F , ∅ et donc contient au moins un
vecteur que l’on note x.
Comme F est stable pour l’opération (·), il contient le vecteur y = (−1) · x = −x et comme
F est aussi stable pour l’opération (+), il contient aussi le vecteur x + y = x + (−x) = 0E .
Cette remarque est utile pour montrer qu’ une partie F non vide de E n’est pas un sous-
espace vectoriel de E.
Exemple 1. On considère E = R2 et F = {(x, y) ∈ R2 | x = y}.
La partie F est non vide puisque 0R2 = (0, 0) ∈ F.
Soient λ ∈ R, u = (x1 , y1 ) ∈ F et v = (x2 , y2 ) ∈ F. Le vecteur λu + v est le vecteur de
coordonnées (λx1 + x2 , λy1 + y2 ).
Comme u ∈ F, on a x1 = y1 et de même comme v ∈ F, on a x2 = y2 donc la relation
λx1 + x2 = λy1 + y2 est vérifiée donc λu + v ∈ F.
Par conséquent, F est un sous-espace vectoriel de R2 .
Exemple 2. On considère E = R2 et F = {(x, y) ∈ R2 | x = 1}.
La partie F est non vide puisqu’elle contient le vecteur (1, 0).
En revanche, dans cet exemple, F ne contient pas le vecteur nul (0, 0).
Par conséquent, F n’est pas un sous-espace vectoriel de R2 .
Exemple 3. On considère E = R2 et F = {(x, y) ∈ R2 | x2 = y2 }.
La partie F est non vide puisqu’elle contient le vecteur (0, 0).
En revanche, dans cet exemple, F n’est pas stable pour l’addition (+). En effet, les vecteurs
u = (1, 1) et v = (1, −1) appartiennent à F mais le vecteur u + v = (2, 0) n’appartient pas à
F puisque 22 , 02 .
Par conséquent, F n’est pas un sous-espace vectoriel de R2 .
Exemple 4. On considère E = RN et F = {(un ) ∈ E | lim un = 0}.
La partie F est non vide puisqu’elle contient la suite nulle (vecteur nul).
Soient λ ∈ R, (un ) ∈ F, (vn ) ∈ F.
La suite λ(un ) + (vn ) est la suite de terme général λun + vn et on sait d’après les opérations
sur les suites convergentes que cette suite converge vers 0 donc λ(un ) + (vn ) ∈ F et F est un
sous-espace vectoriel de E.

3 / 11
 Exemple 5. On considère E = M3 (R) et F l’ensemble des matrices diagonales de E.
La partie F est non vide puisqu’elle contient la matrice nulle (vecteur nul) qui est bien
diagonale.
D’après les opérations sur les matrices, toute combinaison linéaire de matrices diagonales
est encore une matrice diagonale, donc F est un sous-espace vectoriel de E.

Exercice 2. Dire en justifiant si F est un sous-espace vectoriel de E dans les cas sui-
vants :
(1) E = F (R, R), F = { f ∈ F (R, R) | f (1) = 0} ,
(2) E = F (R, R), F = { f ∈ F (R, R) | f (0) = 1}
(3) E = Rn [X], F = {P ∈ Rn [X] | P0 = 3} ,
n o
(4) E = R2 , F = (x, y) ∈ R2 | x + y + 1 ≥ 0 .

Exercice 3. Dans l’espace vectoriel E = R[X], le sous-ensemble

F = {P ∈ E | P(−X) = P(X)}
est-il un sous-espace vectoriel ?

10.2.5 Opérations sur les sous-espaces vectoriels

 Intersection de sous-espaces vectoriels

Proposition . Soit (Fi )i∈I une famille de sous-espaces vectoriels d’un espace vectoriel
E.
\
Alors F = Fi est un sous-espace vectoriel de E.
i∈I

Une intersection quelconque de sous-espaces vectoriels d’un espace vectoriel E est donc
encore un sous-espace vectoriel de E.
Exemple 6. On considère E = R3 , F1 = {(x, y, z) ∈ E | x + y = 0}, F2 = {(x, y, z) ∈
E | x + z = 0}.
On vérifie aisément que F1 , F2 sont des sous espaces vectoriels de E.
D’après la proposition, F1 ∩ F2 est un sev de E. Explicitons le.
(x, y, z) ∈ E ⇐⇒ x = −y = −z
x=x



= −x

⇐⇒  y

 z = −x


⇐⇒ (x, y, z) = x(1, −1, −1)
Ainsi, F1 ∩F2 est le sous-espace vectoriel de R3 des vecteurs colinéaires au vecteur (1, −1, −1).
On dira que F1 ∩ F2 est le sous-espace vectoriel de R3 engendré par le vecteur (1, −1, −1).
Exemple 7. Dans E = C[X], on considère les sous-ensembles F1 = {P ∈ E | P(1) = 0} et
F2 = {P ∈ E | P(2) = 0}.
Vérifier que F1 , F2 sont des sev et expliciter F1 ∩ F2 .

4 / 11
 Somme de sous-espaces vectoriels

Définition 3. Soit E un K-espace vectoriel et F1 , F2 deux sous-espaces vectoriels de

E. On appelle somme des sous-espaces vectoriels F1 et F2 que l’on note F1 + F2
l’ensemble
F1 + F2 = {x ∈ E|∃x1 ∈ F1 , ∃x2 ∈ F2 , x = x1 + x2 }
F1 +F2 est l’ensemble des vecteurs de E pouvant s’écrire comme la somme d’un vecteur
de F1 et d’un vecteur de F2 .

Proposition . Soit E un K-espace vectoriel et F1 , F2 deux sous-espaces vectoriels de E.

Alors F1 + F2 est un sous-espace vectoriel de E.

Exemple 8. On considère E = R2 , F1 = {(x, y) ∈ E | x = y}, F2 = {(x, y) ∈ E | x = −y}.

Comme F1 , F2 sont des sous-espaces vectoriels de E, F1 + F2 est un sous-espace vectoriel
de E. Déterminons le.
Soit (x, y) ∈ E.
 x + y x + y   x − y −x + y 
(x, y) = , + ,
2 2 2 2
 x+y x+y   x−y −x+y 
Le vecteur 2 , 2 est un vecteur de F1 et le vecteur 2 , 2 est un vecteur de F2 donc
tout vecteur (x, y) de E peut sécrire comme la somme d’un vecteur de F1 et d’un vecteur de
F2 . On a donc l’inclusion E ⊂ F1 + F2 .
L’inclusion réciproque est vraie puisque F1 + F2 est un sous-espace vectoriel de E.
Ainsi, F1 + F2 = E.
Exemple 9. On considère E = R3 , F1 = {(x, y, z) ∈ E | z = 0}, F2 = {(x, y) ∈ E | x = y = z}.
Montrer que E = F1 + F2 .
Exemple 10. On note E = F (R, R) l’espace vectoriel des fonctions de R dans R et appe-
lons F1 le sous-espace vectoriel de E des fonctions impaires et F2 le sous-espace vectoriel
de E des fonctions paires.
Montrons que E = F1 + F2 .
L’inclusion F1 + F2 ⊂ E est vraie puisque F1 + F2 est un sous-espace vectoriel de E.
Montrons l’inclusion réciproque. Soit f ∈ E. On cherche une fonction fi imapire et une
fonction f p paire telles que f = fi + f p . Supposons que fi et f p existent ; elles vérifient
alors : pour tout x ∈ R,
f (x) = fi (x) + f p (x)
f (−x) = − fi (x) + f p (x)
f (x) + f (−x) f (x) − f (−x)
de sorte que f p (x) = et fi (x) = .
2 2
On définit alors les fonctions fi et f p en posant pour tout x ∈ R :
f (x) − f (−x) f (x) + f (−x)
fi (x) = , f p (x) =
2 2
la fonction fi est impaire, la fonction f p est paire et ces fonctions vérifient f = fi + f p .
On a donc E ⊂ F1 + F2 ⊂ E d’où l’égalité.

5 / 11
Exemple 11. On considère E = R3 , F1 = {(x, y, z) ∈ E | z = 0}, F2 = {(x, y) ∈ E | x = y =
z}.
Montrer que E = F1 + F2 .
Exemple 12. On considère, pour un entier n ≥ 2, E = Mn (R), et les sous-espaces vecto-
riels Sn (R) (ensemble des matrices symétriques de E) et A S n (R) (ensemble des matrices
antisymétriques de E).
Montrer que Mn (R) = Sn (R) ⊕ A S n (R).

Dans tous ces exemples, la décomposition trouvée est unique. Ce n’est pas toujours le cas,
comme le montre l’exemple suivant :
Exemple 13. On considère E = R3 , F1 = {(x, y, z) ∈ E | x−z = 0}, F2 = {(x, y) ∈ E | x−y =
0}.
Montrons que E = F1 + F2 .
D’après leur définition, F1 est l’ensemble des vecteurs de la forme (a, b, a) et F2 est l’en-
semble des vecteurs de la forme (c, c, d).
La somme F1 + F2 est un sev de R3 donc F1 + F2 ⊂ R3 .
Réciproquement, soit un vecteur quelconque (x, y, z) de R3 .
On étudie le problème :
(x, y, z) = (a, b, a) + (c, c, d)
qui revient au système linéaire
a+c = x



b+c = y



a+d = z



Ce système a trois équations et quatre inconnues, la méthode de Gauss conduit à la résolu-

tion suivante :
a +c = x



+c =y

b


c −d = x − z



donc en passant d en paramètre
a =


 z−d
= + +

b −x y z−d


c =


x−z+d
on constate que le problème admet une infinité de solution.
 
Par exemple, le vecteur 1 2 3 admet les décompositions suivantes :

(1, 2, 3) = (3, 4, 3) + (−2, −2, 0) = (2, 3, 2) + (−1, −1, 1)

| {z } | {z } | {z } | {z }
∈F1 ∈F2 ∈F1 ∈F2

Cela amène la définition suivante :

Définition 4. Soit E un K-espace vectoriel et F1 , F2 deux sous-espaces vectoriels de E.

On dit que la somme des sous-espaces vectoriels F1 et F2 est directe si tout vecteur de
cette somme s’écrit de manière unique comme la somme d’un vecteur de F1 et d’un
vecteur de F2 .
Lorsque la somme F1 + F2 est directe, on la note F1 ⊕ F2 .

6 / 11
 Proposition . Soit E un K-espace vectoriel et F1 , F2 deux sous-espaces vectoriels de E.
La somme des sous-espaces vectoriels F1 et F2 est directe si et seulement si
F1 ∩ F2 = {0E }.

Exemple 14. On considère E = R3 , F1 = {(x, y, z) ∈ E | z = 0}, F2 = {(x, y) ∈ E | x = y =

z}. Montrer que E = F1 ⊕ F2 .
Exemple 15. Dans E = C[X], montrer que les sev F = {P ∈ C[X] | P0 = 0} et G = {P ∈
C[X] | P(0) = 0} sont en somme directe et qu’on a C[X] = F ⊕ G.
Exemple 16. On note E = F (R, R) l’espace vectoriel des fonctions de R dans R et appe-
lons F1 le sous-espace vectoriel de E des fonctions impaires et F2 le sous-espace vectoriel
de E des fonctions paires. L’étude précédente montre que E = F1 ⊕ F2 .
Exemple 17. On considère, pour un entier n ≥ 2, E = Mn (R), et les sous-espaces vecto-
riels Sn (R) (ensemble des matrices symétriques de E) et A S n (R) (ensemble des matrices
antisymétriques de E).
Alors Mn (R) = Sn (R) ⊕ A S n (R).
Remarque 2. Pour infirmer le caractère direct d’une somme, il suffit d’exhiber un vecteur
se décomposant d’au moins deux façons.
Exemple 18. On considère E = R3 , F1 = {(x, y, z) ∈ E | x−z = 0}, F2 = {(x, y) ∈ E | x−y =
0}.
On a établi E = F1 + F2 mais l’exemple
(1, 2, 3) = 3, 4, 3 + (−2, −2, 0) = (2, 3, 2) + (−1, −1, 1)
|{z} | {z } | {z } | {z }
∈F1 ∈F2 ∈F1 ∈F2

suffit pour affirmer que la somme n’est pas directe.

Exercice 4. Soit F = {P ∈ R[X]| deg(P) ≤ 1} et G = {P ∈ R[X]| P(1) = P0 (1) = 0}.

Montrer que F ⊕ G = R[X].

 Supplémentaire d’un sous-espace vectoriel

Définition 5. Soit E un K-espace vectoriel et F un sous-espace vectoriel de E.

On dit qu’un sev G de E est un supplémentaire de F dans E si F ⊕ G = E.

Proposition . Soient F, G deux sev d’un K-ev E. Les énoncés suivant sont équivalents :
(1) F ⊕G = E
(2) F ∩ G = {0E } et F + G = E
(3) ∀v ∈ E, ∃!x ∈ F, ∃!y ∈ G, v = x + y

Remarque 3. (1) Le sous espace nul {0E } admet E comme supplémentaire

(2) En général, un sev admet plusieurs supplémentaires

7 / 11
Exemple 19. Dans E = C[X], montrer que les sev F = {P ∈ C[X] | P0 = 0} et G = {P ∈
C[X] | P(0) = 0} sont supplémentaires.
Exemple 20. On considère E = R2 , F1 = {(x, y) ∈ E | x = y}, F2 = {(x, y) ∈ E | x = −y}.
Montrer que F1 et F2 sont supplémentaires dans E.
Exemple 21. On considère E = R3 , F = {(x, y, z) ∈ E | z = 0}, G = {(x, y) ∈ E | x = y = z}.
Montrer que G est un supplémentaire de F dans E.
( Z 1 )
Exemple 22. On considère E = C ([0, 1], R), F = f ∈ E f (x)dx = 0 .
0
Montrer que F est un sev de E et que G = { f ∈ E | f constante} définit un supplémentaire
de F dans E.

 Sous espace vectoriel engendré par une partie

Exercice 5. On considère le C-espace vectoriel C3 et les trois vecteurs

e1 = (1, 0, −1), e2 = (0, −i, 1), e3 = (0, 1, 1 + i)
On note E le sous-ensemble formé des combinaisons linéaires des vecteurs e1 , e2 , e3 .
Montrer que E = C3 .

Définition 6. Soient n ∈ N∗ et x1 , x2 , . . . , xn des vecteurs d’un K-ev E.

On appelle combinaison linéaire des vecteurs x1 , . . . , xn tout vecteur de E s’écrivant
n
X
sous la forme λi xi où λ1 , . . . , λn sont des éléments de K.
i=1

Théorème et définition . Soit E un K-ev et X une partie non vide de E.

L’ensemble des combinaisons linéaires de vecteurs de X est un sous-espace vectoriel de
E et on l’appelle sous-espace vectoriel engendré par la partie X.
On le note Vect(X). On a donc
n n
X o
Vect(X) = y ∈ E | ∃n ∈ N∗ , ∃(x1 , . . . , xn ) ∈ X n , ∃(λ1 , . . . , λn ) ∈ Kn , y = λi xi
i=1

Remarque 4. Vect(∅) = {0E }

Exemple 23. Dans R2 , posons e1 = (1, 0) et e2 = (0, 1).
Alors Vect(e1 , e2 ) = R2 . En effet, tout vecteur de R2 est de la forme (x, y) = xe1 + ye2 .
Exemple 24. Dans R3 , posons e1 = (1, 0, 0); e2 = (0, 1, 0) et e3 = (0, 0, 1).
Alors Vect(e1 , e2 , e3 ) = R3 . En effet, tout vecteur de R2 est de la forme (x, y, z) = xe1 + ye2 +
ze3 .
Exemple 25. Dans R2 , posons ε1 = (1, 0) et ε2 = (1, 1).
!
x
Alors Vect(ε1 , ε2 ) = R2 . En effet, tout vecteur de R2 est de la forme qui s’écrit ici
y
(x, y) = (x − y)ε1 + yε2 .

8 / 11
 Exemple 26. Dans R[X], posons e1 = 1, e2 = X et e3 = X 2 .
Alors Vect(e1 , e2 , e3 ) = R2 [X]. En effet, tout polynôme de R2 [X] est de la forme a + bX +
cX 2 = ae1 + be2 + ce3 .

Proposition . Soient F, G deux sev d’un K-ev E.

Vect(F ∪ G) = F + G

Remarque 5. Si a ∈ E, a , 0E alors Vect(a) = Ka est l’ensemble des vecteurs de E coli-

néaires à a.
Remarque 6. Soient a ∈ E, b ∈ E, a , 0E , b , 0E .
(1) S’il existe λ ∈ K tel que b = λa ou a = λb alors Vect(a, b) = Ka est l’ensemble des
vecteurs de E colinéaires à a (ou b).
(2) Si a et b ne sont pas colinéaires (b < Ka) alors Vect(a, b) = Ka + Kb est l’ensemble des
combinaisons linéaires de a et b : c’est le plan vectoriel engendré par a et b.

Exercice 6. Dans R2 [X], on considère les polynômes

P1 (X) = X 2 + 1, P2 (X) = X 2 + X + 1, P3 (X) = 1 − X
Déterminer Vect(P1 , P2 , P3 ).

10.3 Familles libres, liées, génératrices

10.3.1 Familles libres, liées

Définition 7. Soit E un K-ev et e1 , . . . , en des vecteurs de E.

La famille (e1 , . . . , en ) est dite libre si pour tout (λ1 , . . . , λn ) ∈ Kn ,
λ1 e1 + . . . + λn en = 0E =⇒ λ1 = . . . = λn = 0
En d’autres termes, la famille e1 , . . . , en est libre si la seule combinaison linéaire nulle
de ces vecteurs est la combinaison linéaire triviale.

Définition 8. Soit E un K-ev et (ei )i∈I une famille de vecteurs de E.

La famille (ei )i∈I est dite libre si toute sous famille finie est libre

Remarque 7. Pour exprimer la liberté de la famille (ei )i∈I , on dit aussi que les vecteurs ei
indexés par I sont linéairement indépendants.
Exemple 27. E = R2 , e1 = (1, 0), e2 = (0, 1). La famille (e1 , e2 ) est libre.
Exemple 28. E = R[X], e0 = 1, e1 = X, e2 = X 2 , . . . , en = X n . La famille (e0 , e1 , e2 , . . . , en )
est libre.
Exemple 29. E = R2 , e1 = (1, 0), e2 = (0, 1), e3 = (1, 1). La famille (e1 , e2 , e3 ) n’est pas
libre.

9 / 11
 Définition 9. Soit E un K-ev et e1 , . . . , en des vecteurs de E.
La famille (e1 , . . . , en ) est dite liée si elle n’est pas libre.

Remarque 8. Lorsque des vecteurs e1 , . . . , en forment une famille liée, on dit aussi qu’ils
sont linéairement dépendants.
Exemple 30. E = R[X], e0 = 1, e1 = X, e2 = 1 + X. La famille (e0 , e1 , e2 ) est liée.
Exemple 31. Soient a et b deux vecteurs d’un K-ev E.
(1) la famille (a) est libre ssi a , 0E
(2) la famille (a, b) est liée ssi a = 0E ou b est colinéaire à a.

Exercice 7. On considère le C-espace vectoriel C3 et les trois vecteurs

e1 = (1, 0, −1), e2 = (i, −i, 1), e3 = (0, 1, −1 + i)
La famille (e1 , e2 , e3 ) est-elle libre ? liée ?

 Famille de polynômes échelonnée en degré

Définition 10. Soit (Pi )i∈~0,n une famille de polynômes de K[X].

On dit que la famille (Pi )i∈~0,n est échelonnée en degré lorsque les degrés forment une
suite strictement croissante.

Proposition . Toute famille de polynômes échelonnée en degré est libre.

Remarque 9. Toute famille de polynômes dont les degrés sont deux à deux distincts est une
famille libre.
En effet, en réarrangeant l’ordre des polynômes dans la famille, on peut faire en sorte que
la suite des degrés soit strictement croissante.
Exemple 32. La famille (1, 2X, 1+X 2 , X −X 3 , X 5 ) est une famille de polynômes échelonnée
en degré.

10.3.2 Familles génératrices, bases

Définition 11. Soit E un K-ev et (ei )i∈I une famille de vecteurs de E.

La famille (ei )i∈I est dite génératrice de E si tout vecteur de E peut s’exprimer comme
combinaison linéaire finie de vecteurs de la famille (ei )i∈I .

La famille (ei )i∈I est donc génératrice de E ssi Vect{(ei )i∈I } = E.

Exemple 33. R2 = Vect((1, 0); (0, 1)) donc la famille ((1, 0); (0, 1)) est génératrice de R2 .
Exemple 34. R3 = Vect((1, 0, 0); (0, 1, 0); (0, 0, 1)) donc la famille ((1, 0, 0); (0, 1, 0); (0, 0, 1))
est génératrice de R2 .

10 / 11
Exemple 35. E = Rn [X], e0 = 1, e1 = X, e2 = X 2 , . . . , en = X n . La famille (e0 , e1 , e2 , . . . , en )
est génératrice de E.
Exemple 36. E = Rn [X], a ∈ R, e0 = 1, e1 = X − a, e2 = (X − a)2 , . . . , en = (X − a)n . La
famille (e0 , e1 , e2 , . . . , en ) est génératrice de E.
Exemple 37. E = C considéré comme R-ev admet (1, i) comme famille génératrice mais
aussi (1, j) ou encore (2, 1 + 3i).

Définition 12. On appelle base d’un K-ev E toute famille de vecteurs à la fois libre et
génératrice de E.

Théorème . Soit E un K-ev et (ei )i∈I une famille de E. La famille (ei )i∈I est une base
de E ssi tout vecteur de E s’écrit de façon unique comme combinaison linéaire finie de
vecteurs de la famille (ei )i∈I .

Exemple 38. (1) (1, i) est une base du R-ev C

(2) (1) est une base du C-ev C
(3) (1, X, . . . , X n ) est une base de Kn [X]
(4) ((1, 0, 0), (0, 1, 0), (0, 0, 1)) est une base de R3
(5) ((1, 1), (1, i), (i, 1), (i, i)) est une base du R-ev C2

Définition 13. Soit (e1 , . . . , en ) une base du K-ev E et x ∈ E.

Il existe des réels x1 , . . . , xn uniques tels que
n
X
x = x1 e1 + · · · + xn en = xi ei .
i=1

Les réels x1 , . . . , xn sont les coordonnées du vecteur x dans la base (e1 , . . . , en ).

Exercice 8. Soit n ∈ N∗ et a ∈ K∗ .
Montrer que la famille (1, X −a, (X −a)2 , . . . , (X −a)n−1 , (X −a)n ) est une base de Kn [X].

11 / 11