Tu cherches des exercices pour maîtriser les espaces vectoriels en classe préparatoire ? Voici 28 exercices classés par difficulté croissante, des vérifications élémentaires de sous-espaces vectoriels aux problèmes type concours (X, Mines-Ponts, Centrale). Chaque exercice est corrigé pas à pas, avec le niveau de rigueur attendu aux concours. Les thèmes couverts : sous-espaces vectoriels, familles libres et génératrices, bases et dimension, formule de Grassmann, somme directe et supplémentaire, noyau et image. Une section d’erreurs fréquentes et une FAQ complètent la page.

Légende : ★ = application directe · ★★ = standard · ★★★ = approfondissement · ★★★★ = difficile · ★★★★★ = type concours · I = Incontournable (à maîtriser absolument).

I. Rappel des résultats essentiels

Avant de te lancer dans les exercices, vérifie que tu maîtrises les résultats suivants. Pour le cours détaillé, consulte la page espaces vectoriels : cours complet.

Résultats fondamentaux — Espaces vectoriels
Notion Critère / Formule
Sous-espace vectoriel \(F\) est un sev de \(E\) si : \(F \neq \emptyset\), \(\forall (u,v) \in F^2,\; u+v \in F\), \(\forall \lambda \in K,\; \forall u \in F,\; \lambda u \in F\)
Famille libre \(\displaystyle\sum_{i=1}^{p} \alpha_i e_i = 0_E \Rightarrow \alpha_1 = \cdots = \alpha_p = 0\)
Base Famille libre et génératrice (ou : libre de cardinal \(\dim E\))
Formule de Grassmann \(\dim(F+G) = \dim F + \dim G – \dim(F \cap G)\)
Somme directe \(E = F \oplus G \Leftrightarrow E = F + G \text{ et } F \cap G = \{0_E\}\)
Théorème du rang Si \(f \in \mathcal{L}(E,F)\) : \(\dim \ker f + \dim \mathrm{Im}\, f = \dim E\)
🎁 EN BONUS

+15 exercices corrigés sur les espaces vectoriels (PDF)

Familles libres, bases, Grassmann, somme directe — classés par difficulté avec barème détaillé.

📄 Télécharger le PDF gratuit

Idéal pour réviser la veille d’un DS ou d’une colle.


II. Exercices d’application directe (★ à ★★)

Ces exercices vérifient la maîtrise des définitions fondamentales. Si tu bloques sur l’un d’eux, revois le cours sur les espaces vectoriels avant de continuer.

Exercice 1 (★ — I) ⏱ 10 min

Soit \(F = \{(x,y,z) \in \mathbb{R}^3 \mid x + 2y – z = 0\}\).

  1. Montrer que \(F\) est un sous-espace vectoriel de \(\mathbb{R}^3\).
  2. Déterminer une base de \(F\) et sa dimension.
Voir la correction

1. Vérification que \(F\) est un sev.

  • Non vide : \((0,0,0) \in F\) car \(0 + 2 \times 0 – 0 = 0\).
  • Stabilité par addition : soient \(u = (x_1,y_1,z_1)\) et \(v = (x_2,y_2,z_2)\) dans \(F\). Alors \(x_1+2y_1-z_1 = 0\) et \(x_2+2y_2-z_2 = 0\). On a \((x_1+x_2)+2(y_1+y_2)-(z_1+z_2) = 0\), donc \(u+v \in F\).
  • Stabilité par multiplication scalaire : soit \(\lambda \in \mathbb{R}\). Alors \(\lambda x_1 + 2\lambda y_1 – \lambda z_1 = \lambda(x_1+2y_1-z_1)=0\), donc \(\lambda u \in F\).

2. Base et dimension.

L’équation \(x + 2y – z = 0\) donne \(x = z – 2y\). En paramétrant par \(y\) et \(z\) :

\((x,y,z) = y(-2,1,0) + z(1,0,1)\)

Les vecteurs \((-2,1,0)\) et \((1,0,1)\) ne sont pas colinéaires. C’est une base de \(F\), et \(\dim F = 2\).


Exercice 2 (★ — I) ⏱ 5 min

L’ensemble \(G = \{(x,y) \in \mathbb{R}^2 \mid xy = 0\}\) est-il un sous-espace vectoriel de \(\mathbb{R}^2\) ?

Voir la correction

Non. On a \((1,0) \in G\) et \((0,1) \in G\), mais \((1,0)+(0,1)=(1,1) \notin G\) car \(1 \times 1 = 1 \neq 0\).

\(G\) n’est pas stable par addition : ce n’est pas un sev.

Réflexe concours : pour montrer qu’un ensemble n’est pas un sev, un seul contre-exemple suffit. Cherche deux éléments dont la somme sort de l’ensemble.


Exercice 3 (★) ⏱ 10 min

Les vecteurs \(u_1 = (1,0,1)\), \(u_2 = (1,1,0)\), \(u_3 = (0,1,1)\) forment-ils une base de \(\mathbb{R}^3\) ?

Voir la correction

On calcule le déterminant de la matrice formée par ces vecteurs en colonnes :

\(\det \begin{pmatrix} 1 & 1 & 0 \\ 0 & 1 & 1 \\ 1 & 0 & 1 \end{pmatrix} = 1(1-0) – 1(0-1) + 0 = 1 + 1 = 2 \neq 0\)

La famille est libre. Comme elle contient 3 vecteurs dans \(\mathbb{R}^3\) (de dimension 3), c’est une base de \(\mathbb{R}^3\).


Exercice 4 (★) ⏱ 10 min

Soit \(F = \mathrm{Vect}\{(1,2,1),\,(2,1,-1)\}\).

  1. Quelle est la dimension de \(F\) ?
  2. Le vecteur \((3,3,0)\) appartient-il à \(F\) ?
Voir la correction

1. Les vecteurs \((1,2,1)\) et \((2,1,-1)\) ne sont pas colinéaires (le second n’est pas un multiple du premier). Donc \(\dim F = 2\).

2. On cherche \(\alpha, \beta \in \mathbb{R}\) tels que \(\alpha(1,2,1) + \beta(2,1,-1) = (3,3,0)\), soit :

\(\begin{cases} \alpha + 2\beta = 3 \\ 2\alpha + \beta = 3 \\ \alpha – \beta = 0 \end{cases}\)

De la troisième équation : \(\alpha = \beta\). En reportant dans la première : \(3\alpha = 3\), donc \(\alpha = \beta = 1\). Vérification dans la deuxième : \(2+1 = 3\) ✓.

Conclusion : \((3,3,0) = (1,2,1) + (2,1,-1) \in F\).


Exercice 5 (★) ⏱ 10 min

Déterminer les coordonnées du vecteur \(v = (5,3,4)\) dans la base \(\mathcal{B} = \big((1,0,1),\,(1,1,0),\,(0,1,1)\big)\) de \(\mathbb{R}^3\) (cf. exercice 3).

Voir la correction

On résout \(\alpha(1,0,1) + \beta(1,1,0) + \gamma(0,1,1) = (5,3,4)\) :

\(\begin{cases} \alpha + \beta = 5 \\ \beta + \gamma = 3 \\ \alpha + \gamma = 4 \end{cases}\)

En soustrayant la troisième de la première : \(\beta – \gamma = 1\). Avec \(\beta + \gamma = 3\) on obtient \(2\beta = 4\), soit \(\beta = 2\), \(\gamma = 1\), \(\alpha = 3\).

Conclusion : \([v]_{\mathcal{B}} = (3, 2, 1)\).


Exercice 6 (★) ⏱ 10 min

Soit \(E = \mathbb{R}_3[X]\) et \(F = \{P \in E \mid P(0) = 0\}\).

  1. Montrer que \(F\) est un sous-espace vectoriel de \(E\).
  2. En donner une base et la dimension.
Voir la correction

1. Le polynôme nul vérifie \(0(0) = 0\), donc \(F \neq \emptyset\). Si \(P, Q \in F\) : \((P+Q)(0) = P(0)+Q(0) = 0\). Si \(\lambda \in \mathbb{R}\) : \((\lambda P)(0) = \lambda P(0) = 0\). Donc \(F\) est un sev de \(E\).

2. Tout \(P \in F\) s’écrit \(P(X) = aX + bX^2 + cX^3\) (le terme constant est nul). Donc \(F = \mathrm{Vect}(X, X^2, X^3)\). Cette famille est libre (échelonnée en degré), c’est une base de \(F\). On a \(\dim F = 3\).


Exercice 7 (★) ⏱ 10 min

La famille \((1+X,\; 1-X,\; X+X^2)\) est-elle libre dans \(\mathbb{R}_2[X]\) ?

Voir la correction

On écrit \(\alpha(1+X) + \beta(1-X) + \gamma(X+X^2) = 0\), soit :

\((\alpha + \beta) + (\alpha – \beta + \gamma)X + \gamma X^2 = 0\)

Par identification des coefficients :

\(\begin{cases} \alpha + \beta = 0 \\ \alpha – \beta + \gamma = 0 \\ \gamma = 0 \end{cases}\)

De \(\gamma = 0\) et \(\alpha + \beta = 0\), on tire \(\alpha – \beta = 0\), puis \(\alpha = \beta = 0\).

La famille est libre. Comme \(\dim \mathbb{R}_2[X] = 3\) et la famille a 3 éléments, c’est en fait une base de \(\mathbb{R}_2[X]\).


Exercice 8 (★★ — I) ⏱ 10 min

Soit \(F = \{M \in \mathcal{M}_2(\mathbb{R}) \mid \mathrm{tr}(M) = 0\}\), où \(\mathrm{tr}\) désigne la trace.

  1. Montrer que \(F\) est un sous-espace vectoriel de \(\mathcal{M}_2(\mathbb{R})\).
  2. Donner une base et la dimension de \(F\).
Voir la correction

1. L’application \(\mathrm{tr} : \mathcal{M}_2(\mathbb{R}) \to \mathbb{R}\) est linéaire. Donc \(F = \ker(\mathrm{tr})\) est un sous-espace vectoriel.

2. Si \(M = \begin{pmatrix} a & b \\ c & d \end{pmatrix}\) avec \(a + d = 0\), alors \(d = -a\) et :

\(M = a\begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix} + b\begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix} + c\begin{pmatrix} 0 & 0 \\ 1 & 0 \end{pmatrix}\)

Ces trois matrices sont clairement indépendantes. C’est une base de \(F\), et \(\dim F = 3\).

Vérification : \(\mathrm{tr}\) est surjective, donc \(\dim F = \dim \mathcal{M}_2(\mathbb{R}) – \dim \mathrm{Im}(\mathrm{tr}) = 4 – 1 = 3\). ✓


III. Exercices d’approfondissement (★★ à ★★★)

Cette section aborde les notions de somme directe, de formule de Grassmann et les espaces classiques de matrices et de polynômes. Chaque correction détaille la rédaction attendue en DS.

Exercice 9 (★★) ⏱ 15 min

Soient les sous-espaces de \(\mathbb{R}^4\) :

\(F = \{(x,y,z,t) \in \mathbb{R}^4 \mid x+y = 0 \text{ et } z+t = 0\}\) \(G = \{(x,y,z,t) \in \mathbb{R}^4 \mid x-y = 0 \text{ et } z-t = 0\}\)

Montrer que \(\mathbb{R}^4 = F \oplus G\).

Voir la correction

Bases de \(F\) et \(G\) :

  • \(F\) : \(x = -y\), \(z = -t\) → \((x,y,z,t) = y(-1,1,0,0) + t(0,0,-1,1)\). Base : \(\{(-1,1,0,0),\,(0,0,-1,1)\}\), \(\dim F = 2\).
  • \(G\) : \(x = y\), \(z = t\) → \((x,y,z,t) = y(1,1,0,0) + t(0,0,1,1)\). Base : \(\{(1,1,0,0),\,(0,0,1,1)\}\), \(\dim G = 2\).

Intersection : si \(v \in F \cap G\), alors \(x = -y\) et \(x = y\), d’où \(x = y = 0\). De même \(z = t = 0\). Donc \(F \cap G = \{0\}\).

Conclusion : \(\dim F + \dim G = 2 + 2 = 4 = \dim \mathbb{R}^4\) et \(F \cap G = \{0\}\), donc \(\mathbb{R}^4 = F \oplus G\).


Exercice 10 (★★ — I) ⏱ 10 min

Déterminer le rang de la famille \(\{v_1,v_2,v_3,v_4\}\) avec \(v_1 = (1,2,1)\), \(v_2 = (2,1,-1)\), \(v_3 = (1,-1,-2)\), \(v_4 = (3,3,0)\).

Voir la correction

On échelonne. On garde \(v_1\) et on élimine :

  • \(v_2 – 2v_1 = (0,-3,-3)\)
  • \(v_3 – v_1 = (0,-3,-3) = v_2 – 2v_1\) → \(v_3\) est combinaison de \(v_1, v_2\).
  • \(v_4 – 3v_1 = (0,-3,-3) = v_2 – 2v_1\) → \(v_4\) est aussi combinaison de \(v_1, v_2\).

Les vecteurs \(v_1\) et \(v_2\) sont libres (non colinéaires). Le rang de la famille est 2.


Exercice 11 (★★) ⏱ 15 min

Soient \(F = \mathrm{Vect}\{(1,1,0,0),\,(0,1,1,0)\}\) et \(G = \mathrm{Vect}\{(0,0,1,1),\,(1,0,0,1)\}\) dans \(\mathbb{R}^4\).

  1. Calculer \(\dim(F+G)\) et \(\dim(F \cap G)\).
  2. Déterminer \(F \cap G\).
Voir la correction

1. On vérifie si les 4 générateurs sont indépendants. Notons \(u_1 = (1,1,0,0)\), \(u_2 = (0,1,1,0)\), \(u_3 = (0,0,1,1)\), \(u_4 = (1,0,0,1)\). On observe que :

\(u_1 + u_3 = (1,1,1,1) = u_2 + u_4\)

Donc \(u_1 – u_2 + u_3 – u_4 = 0\) : la famille est liée. On vérifie que \(\{u_1, u_2, u_3\}\) est libre (exercice immédiat). Donc \(\mathrm{rg}(u_1,u_2,u_3,u_4) = 3\).

Ainsi \(\dim(F+G) = 3\). Par la formule de Grassmann : \(\dim(F \cap G) = 2 + 2 – 3 = 1\).

2. On cherche \(v = \alpha u_1 + \beta u_2 = \gamma u_3 + \delta u_4\), soit :

\((\alpha, \alpha+\beta, \beta, 0) = (\delta, 0, \gamma, \gamma+\delta)\)

D’où \(\alpha = \delta\), \(\alpha + \beta = 0\), \(\beta = \gamma\), \(\gamma + \delta = 0\). On tire \(\beta = -\alpha\), \(\gamma = -\alpha\). Avec \(\alpha = 1\) : \(v = (1,0,-1,0)\).

Conclusion : \(F \cap G = \mathrm{Vect}\{(1,0,-1,0)\}\).


Exercice 12 (★★) ⏱ 10 min

Montrer que les fonctions \(f_0 : x \mapsto 1\), \(f_1 : x \mapsto \cos(x)\), \(f_2 : x \mapsto \cos(2x)\) forment une famille libre dans \(\mathcal{F}(\mathbb{R}, \mathbb{R})\).

Voir la correction

Supposons \(\alpha + \beta \cos(x) + \gamma \cos(2x) = 0\) pour tout \(x \in \mathbb{R}\). On évalue en trois points :

  • \(x = 0\) : \(\alpha + \beta + \gamma = 0\)
  • \(x = \displaystyle\frac{\pi}{2}\) : \(\alpha + 0 – \gamma = 0\), soit \(\alpha = \gamma\)
  • \(x = \pi\) : \(\alpha – \beta + \gamma = 0\)

En additionnant les équations \(x=0\) et \(x=\pi\) : \(2\alpha + 2\gamma = 0\), soit \(\alpha = -\gamma\). Avec \(\alpha = \gamma\), on obtient \(\alpha = \gamma = 0\), puis \(\beta = 0\).

La famille est libre.

Méthode : pour montrer qu’une famille de fonctions est libre, on évalue la combinaison linéaire en autant de points que de fonctions. Le système obtenu doit donner tous les coefficients nuls.


Exercice 13 (★★★ — I) ⏱ 20 min

On note \(\mathcal{S} = \{M \in \mathcal{M}_2(\mathbb{R}) \mid M^T = M\}\) l’ensemble des matrices symétriques et \(\mathcal{A} = \{M \in \mathcal{M}_2(\mathbb{R}) \mid M^T = -M\}\) celui des matrices antisymétriques.

  1. Montrer que \(\mathcal{M}_2(\mathbb{R}) = \mathcal{S} \oplus \mathcal{A}\).
  2. Donner une base de \(\mathcal{S}\) et de \(\mathcal{A}\).
Voir la correction

1. Décomposition. Pour toute \(M \in \mathcal{M}_2(\mathbb{R})\), on écrit :

\(M = \underbrace{\displaystyle\frac{M + M^T}{2}}_{\in \,\mathcal{S}} + \underbrace{\displaystyle\frac{M – M^T}{2}}_{\in \,\mathcal{A}}\)

En effet, \(\left(\displaystyle\frac{M+M^T}{2}\right)^T = \displaystyle\frac{M+M^T}{2}\) et \(\left(\displaystyle\frac{M-M^T}{2}\right)^T = -\displaystyle\frac{M-M^T}{2}\). Donc \(\mathcal{M}_2(\mathbb{R}) = \mathcal{S} + \mathcal{A}\).

Intersection : si \(M \in \mathcal{S} \cap \mathcal{A}\), alors \(M^T = M\) et \(M^T = -M\), d’où \(M = -M\), soit \(M = 0\). Donc \(\mathcal{S} \cap \mathcal{A} = \{0\}\).

Conclusion : \(\mathcal{M}_2(\mathbb{R}) = \mathcal{S} \oplus \mathcal{A}\).

2. Bases.

\(\mathcal{S}\) : une matrice symétrique \(2 \times 2\) est de la forme \(\begin{pmatrix} a & b \\ b & d \end{pmatrix}\). Base :

\(\left\{\begin{pmatrix} 1 & 0 \\ 0 & 0 \end{pmatrix},\;\begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix},\;\begin{pmatrix} 0 & 0 \\ 0 & 1 \end{pmatrix}\right\}\), \(\quad \dim \mathcal{S} = 3\).

\(\mathcal{A}\) : une matrice antisymétrique \(2 \times 2\) est de la forme \(\begin{pmatrix} 0 & b \\ -b & 0 \end{pmatrix}\). Base :

\(\left\{\begin{pmatrix} 0 & 1 \\ -1 & 0 \end{pmatrix}\right\}\), \(\quad \dim \mathcal{A} = 1\).

Vérification : \(3 + 1 = 4 = \dim \mathcal{M}_2(\mathbb{R})\) ✓.

Logo-excellence-maths
Progresser en maths sup avec un professeur d'excellence
Tu veux maîtriser l'algèbre linéaire et décrocher les concours ? Un professeur diplômé de Polytechnique t'accompagne pas à pas, avec un suivi sur-mesure et des résultats visibles dès le premier mois.

Exercice 14 (★★★) ⏱ 20 min

Soit \(f : \mathbb{R}^3 \to \mathbb{R}^3\) l’application linéaire définie par \(f(x,y,z) = (x+y,\; y+z,\; x+z)\).

  1. Déterminer \(\ker f\) et \(\mathrm{Im}\, f\).
  2. Vérifier le théorème du rang.
Voir la correction

1. Noyau : \(f(x,y,z) = (0,0,0)\) donne le système :

\(\begin{cases} x + y = 0 \\ y + z = 0 \\ x + z = 0 \end{cases}\)

Des deux premières : \(x = -y\) et \(z = -y\). La troisième : \(-y + (-y) = -2y = 0\), soit \(y = 0\). Donc \(\ker f = \{(0,0,0)\}\) et \(\dim \ker f = 0\).

Image : la matrice de \(f\) dans la base canonique est :

\(A = \begin{pmatrix} 1 & 1 & 0 \\ 0 & 1 & 1 \\ 1 & 0 & 1 \end{pmatrix}\)

On a \(\det A = 2 \neq 0\) (cf. exercice 3). Donc \(\mathrm{rg}(A) = 3\) et \(\mathrm{Im}\, f = \mathbb{R}^3\).

2. Théorème du rang : \(\dim \ker f + \dim \mathrm{Im}\, f = 0 + 3 = 3 = \dim \mathbb{R}^3\) ✓. L’application \(f\) est un automorphisme de \(\mathbb{R}^3\).


Exercice 15 (★★★) ⏱ 15 min

Soit \(a \in \mathbb{R}\). Montrer que la famille \(\big(1,\; (X-a),\; (X-a)^2,\; \ldots,\; (X-a)^n\big)\) est une base de \(\mathbb{R}_n[X]\).

Voir la correction

La famille contient \(n+1\) éléments dans \(\mathbb{R}_n[X]\) qui est de dimension \(n+1\). Il suffit de montrer qu’elle est libre (ou génératrice).

Méthode 1 — Famille échelonnée en degré. Le polynôme \((X-a)^k\) est de degré exactement \(k\), avec coefficient dominant \(1\). La famille est donc échelonnée en degré : pour \(k \in \{0, 1, \ldots, n\}\), le coefficient de \(X^k\) dans \((X-a)^k\) est 1, et il n’apparaît dans aucun \((X-a)^j\) avec \(j\) < \(k\) au même degré dominant. Une telle famille est libre.

Méthode 2 — Formule de Taylor polynomiale. Tout \(P \in \mathbb{R}_n[X]\) s’écrit :

\(P(X) = \displaystyle\sum_{k=0}^{n} \displaystyle\frac{P^{(k)}(a)}{k!}(X-a)^k\)

La famille est donc génératrice. Comme elle a \(n+1\) éléments dans un espace de dimension \(n+1\), c’est une base.


Exercice 16 (★★★ — I) ⏱ 10 min

Soient \(F\) et \(G\) deux sous-espaces vectoriels de \(\mathbb{R}^4\) avec \(\dim F = \dim G = 3\). Montrer que \(\dim(F \cap G) \geq 2\).

Voir la correction

Par la formule de Grassmann :

\(\dim(F + G) = \dim F + \dim G – \dim(F \cap G) = 6 – \dim(F \cap G)\)

Or \(F + G \subset \mathbb{R}^4\), donc \(\dim(F + G) \leq 4\). D’où :

\(6 – \dim(F \cap G) \leq 4 \quad \Rightarrow \quad \dim(F \cap G) \geq 2\)

Ce que le correcteur attend : la citation explicite de la formule de Grassmann et la majoration \(\dim(F+G) \leq \dim E\). Ce sont les deux arguments clés — ne les laisse pas implicites.


Exercice 17 (★★★ — I) ⏱ 15 min

Soient \(F = \{P \in \mathbb{R}_3[X] \mid P(-X) = P(X)\}\) (polynômes pairs) et \(G = \{P \in \mathbb{R}_3[X] \mid P(-X) = -P(X)\}\) (polynômes impairs). Montrer que \(\mathbb{R}_3[X] = F \oplus G\).

Voir la correction

Bases. Un polynôme pair de degré \(\leq 3\) n’a que des termes de degré pair : \(F = \mathrm{Vect}(1, X^2)\), \(\dim F = 2\). Un polynôme impair : \(G = \mathrm{Vect}(X, X^3)\), \(\dim G = 2\).

Somme : pour tout \(P \in \mathbb{R}_3[X]\), on écrit \(P = a + bX + cX^2 + dX^3 = \underbrace{(a + cX^2)}_{\in F} + \underbrace{(bX + dX^3)}_{\in G}\). Donc \(\mathbb{R}_3[X] = F + G\).

Intersection : si \(P \in F \cap G\), alors \(P(-X) = P(X)\) et \(P(-X) = -P(X)\), d’où \(P = -P\), soit \(P = 0\). Donc \(F \cap G = \{0\}\).

Conclusion : \(\mathbb{R}_3[X] = F \oplus G\). Vérification : \(2 + 2 = 4 = \dim \mathbb{R}_3[X]\) ✓.


Exercice 18 (★★★) ⏱ 10 min

Soit \(F = \{(x,y,z,t) \in \mathbb{R}^4 \mid x – y + 2z = 0 \text{ et } 2x + y – z + t = 0\}\). Déterminer une base et la dimension de \(F\).

Voir la correction

On paramètre. De \(x – y + 2z = 0\) : \(x = y – 2z\). En substituant dans la seconde : \(2(y – 2z) + y – z + t = 0\), soit \(3y – 5z + t = 0\), d’où \(t = -3y + 5z\).

Tout élément de \(F\) s’écrit :

\((x,y,z,t) = (y – 2z,\; y,\; z,\; -3y + 5z) = y(1,1,0,-3) + z(-2,0,1,5)\)

Les vecteurs \((1,1,0,-3)\) et \((-2,0,1,5)\) ne sont pas colinéaires. C’est une base de \(F\), et \(\dim F = 2\).

Vérification : le système a 2 équations indépendantes dans \(\mathbb{R}^4\), donc \(\dim F = 4 – 2 = 2\) ✓.


Exercice 19 (★★★) ⏱ 20 min

Soit \(E\) un \(K\)-espace vectoriel, et \(F, G\) deux sous-espaces vectoriels de \(E\). Démontrer que :

\(F \cup G \text{ est un sev de } E \;\Longleftrightarrow\; F \subset G \text{ ou } G \subset F\)
Voir la correction

\(\Leftarrow\) : immédiat. Si \(F \subset G\), alors \(F \cup G = G\), qui est un sev.

\(\Rightarrow\) (par contraposée) : supposons \(F \not\subset G\) et \(G \not\subset F\). Il existe \(u \in F \setminus G\) et \(v \in G \setminus F\).

Considérons \(u + v\).

  • Si \(u + v \in F\) : alors \(v = (u+v) – u \in F\) (car \(F\) est un sev), contradiction avec \(v \notin F\).
  • Si \(u + v \in G\) : alors \(u = (u+v) – v \in G\), contradiction avec \(u \notin G\).

Donc \(u + v \notin F \cup G\). Mais \(u \in F \subset F \cup G\) et \(v \in G \subset F \cup G\). Si \(F \cup G\) était un sev, on aurait \(u + v \in F \cup G\) : contradiction.

Conclusion : \(F \cup G\) n’est pas un sev.


Exercice 20 (★★★) ⏱ 20 min

Soit \(n \geq 1\). Montrer que les fonctions \(x \mapsto e^x,\; x \mapsto e^{2x},\; \ldots,\; x \mapsto e^{nx}\) forment une famille libre dans \(\mathcal{F}(\mathbb{R}, \mathbb{R})\).

Voir la correction

Supposons \(\displaystyle\sum_{k=1}^{n} \alpha_k e^{kx} = 0\) pour tout \(x \in \mathbb{R}\).

Divisons par \(e^{x}\) > \(0\) :

\(\alpha_1 + \alpha_2 e^{x} + \alpha_3 e^{2x} + \cdots + \alpha_n e^{(n-1)x} = 0 \quad \forall x \in \mathbb{R}\)

Faisons \(x \to -\infty\) : tous les termes \(\alpha_k e^{(k-1)x}\) pour \(k \geq 2\) tendent vers 0, donc \(\alpha_1 = 0\).

Il reste \(\displaystyle\sum_{k=2}^{n} \alpha_k e^{kx} = 0\). On divise par \(e^{2x}\) et on fait \(x \to -\infty\) : \(\alpha_2 = 0\).

Par récurrence descendante, on obtient \(\alpha_1 = \alpha_2 = \cdots = \alpha_n = 0\). La famille est libre.


Exercice 21 (★★★) ⏱ 15 min

Soit \(n \in \mathbb{N}\) et \(\varphi : \mathbb{R}_n[X] \to \mathbb{R}_n[X]\) définie par \(\varphi(P) = P – P^\prime\). Démontrer que \(\varphi\) est un automorphisme de \(\mathbb{R}_n[X]\).

Voir la correction

\(\varphi\) est bien définie : si \(\deg P \leq n\), alors \(\deg P^\prime \leq n – 1\), donc \(\deg(P – P^\prime) \leq n\).

\(\varphi\) est linéaire (somme de l’identité et de \(-D\) où \(D\) est la dérivation, toutes deux linéaires).

Injectivité : soit \(P \in \ker \varphi\), c’est-à-dire \(P = P^\prime\). Si \(P \neq 0\), posons \(d = \deg P \geq 0\).

  • Si \(d = 0\) : \(P\) est constante, \(P^\prime = 0 \neq P\) (car \(P \neq 0\)). Contradiction.
  • Si \(d \geq 1\) : \(\deg P^\prime = d – 1 \neq d = \deg P\). Contradiction avec \(P = P^\prime\).

Donc \(P = 0\) et \(\ker \varphi = \{0\}\).

\(\mathbb{R}_n[X]\) est de dimension finie \(n + 1\) et \(\varphi\) est un endomorphisme injectif : \(\varphi\) est un automorphisme.


Exercice 22 (★★★) ⏱ 10 min

Montrer que la famille \((x \mapsto x^n)_{n \in \mathbb{N}}\) est libre dans \(\mathcal{C}^0([0,1], \mathbb{R})\).

Voir la correction

Supposons \(\alpha_0 + \alpha_1 x + \cdots + \alpha_N x^N = 0\) pour tout \(x \in [0,1]\).

Le membre de gauche est un polynôme \(P(x)\) qui s’annule sur \([0,1]\), donc sur une infinité de points. Or un polynôme non nul de degré \(N\) a au plus \(N\) racines. Donc \(P = 0\), c’est-à-dire \(\alpha_0 = \alpha_1 = \cdots = \alpha_N = 0\).

Ceci étant vrai pour tout \(N \in \mathbb{N}\), la famille est libre.

Remarque : cet exercice montre que \(\mathcal{C}^0([0,1], \mathbb{R})\) est un espace vectoriel de dimension infinie (il contient une famille libre infinie).


IV. Exercices de synthèse et type concours (★★★★ à ★★★★★)

Ces exercices demandent de la rigueur, de l’inventivité et une maîtrise solide des notions précédentes. Les trois derniers sont au niveau des oraux et écrits des grands concours (X, ENS, Mines-Ponts, Centrale). Prends le temps de chercher chaque exercice au moins 20 minutes avant de lire la correction.

Exercice 23 (★★★★ — I) ⏱ 25 min

Soit \(E\) un \(K\)-espace vectoriel de dimension finie et \(f \in \mathcal{L}(E)\) un projecteur, c’est-à-dire \(f \circ f = f\). Démontrer que \(E = \ker f \oplus \mathrm{Im}\, f\).

Voir la correction

1. \(\ker f \cap \mathrm{Im}\, f = \{0_E\}\) :

Soit \(x \in \ker f \cap \mathrm{Im}\, f\). Alors \(f(x) = 0_E\) et il existe \(y \in E\) tel que \(x = f(y)\). D’où :

\(0_E = f(x) = f(f(y)) = f^2(y) = f(y) = x\)

Donc \(x = 0_E\).

2. \(E = \ker f + \mathrm{Im}\, f\) :

Pour tout \(x \in E\), on écrit :

\(x = \underbrace{(x – f(x))}_{\in \,\ker f} + \underbrace{f(x)}_{\in \,\mathrm{Im}\, f}\)

En effet : \(f(x – f(x)) = f(x) – f^2(x) = f(x) – f(x) = 0_E\), donc \(x – f(x) \in \ker f\).

Conclusion : \(E = \ker f \oplus \mathrm{Im}\, f\).

Ce que le correcteur attend : la décomposition \(x = (x – f(x)) + f(x)\) est le point-clé. Elle doit apparaître clairement, pas être noyée dans le calcul. En diagonalisation, ce résultat se traduit par le fait que la matrice d’un projecteur est semblable à \(\mathrm{diag}(0, \ldots, 0, 1, \ldots, 1)\).


Exercice 24 (★★★★) ⏱ 35 min

Soit \(K\) un corps infini et \(E\) un \(K\)-espace vectoriel de dimension \(n \geq 1\). Soient \(F_1, \ldots, F_p\) des sous-espaces vectoriels stricts de \(E\). Démontrer que :

\(E \neq F_1 \cup F_2 \cup \cdots \cup F_p\)
Voir la correction

Démonstration par récurrence sur \(p\).

Initialisation (\(p = 1\)) : \(F_1\) est strict, donc \(E \neq F_1\). ✓

Hérédité : supposons le résultat vrai pour \(p\) sous-espaces et montrons-le pour \(p + 1\).

Par hypothèse de récurrence, \(E \neq F_1 \cup \cdots \cup F_p\). Il existe donc \(v \in E \setminus (F_1 \cup \cdots \cup F_p)\). En particulier, \(v \in F_{p+1}\) (sinon on a fini). De plus, \(F_{p+1}\) est strict, donc il existe \(u \in E \setminus F_{p+1}\).

Considérons la famille \(\{u + \lambda v \mid \lambda \in K\}\). Pour \(\lambda \neq \mu\), \(u + \lambda v \neq u + \mu v\) (car \(v \neq 0\)).

Claim : pour chaque \(i \in \{1, \ldots, p\}\), il y a au plus un \(\lambda \in K\) tel que \(u + \lambda v \in F_i\).

Preuve : si \(u + \lambda v \in F_i\) et \(u + \mu v \in F_i\) avec \(\lambda \neq \mu\), alors par différence \((\lambda – \mu)v \in F_i\), soit \(v \in F_i\), contradiction avec \(v \notin F_1 \cup \cdots \cup F_p\).

Donc les \(F_1, \ldots, F_p\) « capturent » au plus \(p\) valeurs de \(\lambda\). Comme \(K\) est infini, il existe \(\lambda_0 \in K\) tel que \(u + \lambda_0 v \notin F_1 \cup \cdots \cup F_p\).

Si \(u + \lambda_0 v \in F_{p+1}\), alors \(u = (u + \lambda_0 v) – \lambda_0 v \in F_{p+1}\) (car \(v \in F_{p+1}\)), contradiction avec \(u \notin F_{p+1}\). Donc \(u + \lambda_0 v \notin F_{p+1}\).

Conclusion : \(u + \lambda_0 v \notin F_1 \cup \cdots \cup F_{p+1}\), donc \(E \neq \displaystyle\bigcup_{i=1}^{p+1} F_i\).

Attention : ce résultat est faux sur un corps fini. Par exemple, \(\mathbb{F}_2^2 = \{(0,0),(1,0),(0,1),(1,1)\}\) est l’union des trois droites \(\mathrm{Vect}(1,0)\), \(\mathrm{Vect}(0,1)\) et \(\mathrm{Vect}(1,1)\). L’hypothèse « \(K\) infini » est donc indispensable.


Exercice 25 (★★★★) ⏱ 30 min

Soient \(a_0, a_1, \ldots, a_n\) des réels deux à deux distincts. Pour chaque \(i \in \{0, \ldots, n\}\), on définit le polynôme de Lagrange :

\(L_i(X) = \ \displaystyle\prod_{j \neq i} \displaystyle\frac{X – a_j}{a_i – a_j}\)
  1. Calculer \(L_i(a_j)\) pour \(i, j \in \{0, \ldots, n\}\).
  2. En déduire que \((L_0, L_1, \ldots, L_n)\) est une base de \(\mathbb{R}_n[X]\).
  3. Montrer que pour tout \((y_0, \ldots, y_n) \in \mathbb{R}^{n+1}\), il existe un unique polynôme \(P \in \mathbb{R}_n[X]\) tel que \(P(a_i) = y_i\) pour tout \(i\).
Voir la correction

1. Par construction, \(L_i(a_j) = \delta_{ij}\) (symbole de Kronecker) :

  • Si \(j = i\) : chaque facteur vaut \(\displaystyle\frac{a_i – a_j}{a_i – a_j} = 1\), donc \(L_i(a_i) = 1\).
  • Si \(j \neq i\) : le facteur \(\displaystyle\frac{a_j – a_j}{a_i – a_j} = 0\) apparaît dans le produit, donc \(L_i(a_j) = 0\).

2. La famille \((L_0, \ldots, L_n)\) a \(n + 1\) éléments dans \(\mathbb{R}_n[X]\) (de dimension \(n + 1\)). Montrons qu’elle est libre.

Soit \(\displaystyle\sum_{i=0}^{n} \alpha_i L_i = 0\). En évaluant en \(a_j\) :

\(\displaystyle\sum_{i=0}^{n} \alpha_i L_i(a_j) = \alpha_j = 0\)

Ceci pour tout \(j \in \{0, \ldots, n\}\). La famille est libre, donc c’est une base de \(\mathbb{R}_n[X]\).

3. On pose \(P = \displaystyle\sum_{i=0}^{n} y_i L_i\). Alors pour tout \(j\) :

\(P(a_j) = \displaystyle\sum_{i=0}^{n} y_i L_i(a_j) = y_j\)

\(P\) est de degré \(\leq n\) et passe par tous les points \((a_i, y_i)\). L’unicité vient de la dimension : l’application \(\Phi : P \mapsto (P(a_0), \ldots, P(a_n))\) de \(\mathbb{R}_n[X]\) dans \(\mathbb{R}^{n+1}\) est linéaire. Son noyau est l’ensemble des polynômes de degré \(\leq n\) ayant \(n + 1\) racines distinctes, donc \(\ker \Phi = \{0\}\). \(\Phi\) est bijective : le polynôme d’interpolation est unique.

Vision algèbre linéaire : l’interpolation de Lagrange, c’est simplement un changement de base dans \(\mathbb{R}_n[X]\) — de la base canonique \((1, X, \ldots, X^n)\) vers la base de Lagrange \((L_0, \ldots, L_n)\). Les coordonnées dans la base de Lagrange sont directement les valeurs \(y_i\).


Exercice 26 (★★★★★ — type X/ENS) ⏱ 40 min

Soit \(E\) un \(K\)-espace vectoriel de dimension \(n \geq 2\) et \(f \in \mathcal{L}(E)\). On suppose que pour tout sous-espace vectoriel \(F\) de \(E\), on a \(f(F) \subset F\). Montrer que \(f\) est une homothétie.

Voir la correction

Étape 1 — Tout vecteur non nul est vecteur propre de \(f\).

Soit \(x \in E\), \(x \neq 0_E\). Le sous-espace \(\mathrm{Vect}(x)\) est de dimension 1. Par hypothèse, \(f(\mathrm{Vect}(x)) \subset \mathrm{Vect}(x)\), donc \(f(x) \in \mathrm{Vect}(x)\).

Il existe donc \(\lambda_x \in K\) tel que \(f(x) = \lambda_x \cdot x\).

Étape 2 — Toutes les valeurs propres sont égales.

Soient \(x, y \in E\) non nuls et non colinéaires. Alors \(x + y \neq 0_E\) (sinon \(y = -x\), contradiction). Par linéarité :

\(f(x+y) = f(x) + f(y) = \lambda_x \cdot x + \lambda_y \cdot y\)

D’autre part, \(x + y \neq 0_E\) donc par l’étape 1 :

\(f(x+y) = \lambda_{x+y} \cdot (x+y) = \lambda_{x+y} \cdot x + \lambda_{x+y} \cdot y\)

Comme \((x, y)\) est libre, par unicité de la décomposition :

\(\lambda_x = \lambda_{x+y} = \lambda_y\)

Si \(x\) et \(y\) sont colinéaires et non nuls, on choisit \(z \in E\) non colinéaire à \(x\) (possible car \(\dim E \geq 2\)). Alors \(\lambda_x = \lambda_z = \lambda_y\).

Conclusion : il existe \(\lambda \in K\) tel que \(f(x) = \lambda x\) pour tout \(x \neq 0_E\). Et \(f(0_E) = 0_E = \lambda \cdot 0_E\). Donc \(f = \lambda \, \mathrm{Id}_E\).

Piège : l’étape 1 seule ne suffit pas. Avoir « tout vecteur non nul est propre » ne signifie pas que \(f\) est une homothétie si on n’a pas montré l’unicité de la valeur propre. Le passage par les vecteurs non colinéaires et la liberté de la famille est le point-clé de la démonstration.


Exercice 27 (★★★★★ — type X/ENS) ⏱ 35 min

Soit \(E\) un \(K\)-espace vectoriel de dimension finie et \(f \in \mathcal{L}(E)\) tel que \(\mathrm{rg}(f) = \mathrm{rg}(f^2)\).

  1. Montrer que \(\ker f = \ker f^2\).
  2. En déduire que \(\mathrm{Im}\, f \cap \ker f = \{0_E\}\).
  3. Montrer que \(E = \ker f \oplus \mathrm{Im}\, f\).
Voir la correction

1. \(\ker f = \ker f^2\).

Inclusion \(\ker f \subset \ker f^2\) : immédiate. Si \(f(x) = 0_E\), alors \(f^2(x) = f(f(x)) = f(0_E) = 0_E\).

Égalité des dimensions : par le théorème du rang appliqué à \(f\) puis à \(f^2\) :

\(\dim \ker f + \mathrm{rg}(f) = \dim E = \dim \ker f^2 + \mathrm{rg}(f^2)\)

Comme \(\mathrm{rg}(f) = \mathrm{rg}(f^2)\), on obtient \(\dim \ker f = \dim \ker f^2\).

Comme \(\ker f \subset \ker f^2\) avec \(\dim \ker f = \dim \ker f^2\), on conclut \(\ker f = \ker f^2\).

2. \(\mathrm{Im}\, f \cap \ker f = \{0_E\}\).

Soit \(x \in \mathrm{Im}\, f \cap \ker f\). Alors \(f(x) = 0_E\) et il existe \(y \in E\) tel que \(x = f(y)\).

Donc \(f^2(y) = f(f(y)) = f(x) = 0_E\), soit \(y \in \ker f^2\).

Par la question 1, \(y \in \ker f\), d’où \(x = f(y) = 0_E\).

3. \(E = \ker f \oplus \mathrm{Im}\, f\).

On a par le théorème du rang : \(\dim \ker f + \dim \mathrm{Im}\, f = \dim E\). Comme \(\mathrm{Im}\, f \cap \ker f = \{0_E\}\) (question 2), on obtient :

\(\dim(\ker f + \mathrm{Im}\, f) = \dim \ker f + \dim \mathrm{Im}\, f = \dim E\)

Donc \(\ker f + \mathrm{Im}\, f = E\), et la somme est directe. Conclusion : \(E = \ker f \oplus \mathrm{Im}\, f\).

Ce que le correcteur attend : la condition \(\mathrm{rg}(f) = \mathrm{rg}(f^2)\) généralise la condition de projecteur \(f^2 = f\) (exercice 23). C’est un résultat puissant : il caractérise les endomorphismes dont l’image et le noyau sont supplémentaires, ce qui est la première étape vers la réduction. La condition équivalente est \(\mathrm{Im}\, f^2 = \mathrm{Im}\, f\), autrement dit la suite \((\mathrm{Im}\, f^k)_{k}\) est stationnaire dès le rang 1.


Exercice 28 (★★★★★ — type Mines-Ponts) ⏱ 40 min

Soient \(p\) et \(q\) deux projecteurs d’un \(\mathbb{R}\)-espace vectoriel \(E\) de dimension finie (\(p^2 = p\) et \(q^2 = q\)).

  1. Montrer que si \(p + q\) est un projecteur, alors \(p \circ q = q \circ p = 0\).
  2. Réciproquement, montrer que si \(p \circ q = q \circ p = 0\), alors \(p + q\) est un projecteur.
  3. Sous les conditions de la question 2, montrer que \(\mathrm{Im}(p+q) = \mathrm{Im}\, p \oplus \mathrm{Im}\, q\) et \(\ker(p+q) = \ker p \cap \ker q\).
Voir la correction

1. \(p + q\) projecteur \(\Rightarrow\) \(pq = qp = 0\).

Développons \((p+q)^2 = p + q\) :

\(p^2 + pq + qp + q^2 = p + q\)

Soit \(p + pq + qp + q = p + q\), d’où :

\(pq + qp = 0 \quad (*)\)

Multiplions \((*)\) à gauche par \(p\) : \(p^2q + pqp = 0\), soit \(pq + pqp = 0\), d’où \(pq = -pqp\).

Multiplions \((*)\) à droite par \(p\) : \(pqp + qp^2 = 0\), soit \(pqp = -qp\).

Par substitution : \(pq = -(-qp) = qp\). Donc \(pq = qp\).

En reportant dans \((*)\) : \(2pq = 0\), soit \(pq = 0\) (car on travaille sur \(\mathbb{R}\)). Et \(qp = pq = 0\).

2. Réciproque.

Si \(pq = qp = 0\) :

\((p+q)^2 = p^2 + pq + qp + q^2 = p + 0 + 0 + q = p + q\) ✓

3. Image et noyau de \(p + q\).

Image : montrons que \(\mathrm{Im}(p+q) = \mathrm{Im}\, p \oplus \mathrm{Im}\, q\).

  • \(\mathrm{Im}\, p \subset \mathrm{Im}(p+q)\) : soit \(x \in \mathrm{Im}\, p\), \(x = p(y)\). Comme \(p+q\) est un projecteur et \((p+q)(x) = p^2(y) + q(p(y)) = p(y) + 0 = x\), on a \(x \in \mathrm{Im}(p+q)\). De même pour \(\mathrm{Im}\, q\).
  • \(\mathrm{Im}(p+q) \subset \mathrm{Im}\, p + \mathrm{Im}\, q\) : pour tout \(x \in \mathrm{Im}(p+q)\), \(x = (p+q)(y) = p(y) + q(y) \in \mathrm{Im}\, p + \mathrm{Im}\, q\).
  • Somme directe : si \(x \in \mathrm{Im}\, p \cap \mathrm{Im}\, q\), \(x = p(u) = q(v)\). Alors \(p(x) = p(q(v)) = 0\) et \(p(x) = p^2(u) = p(u) = x\). Donc \(x = 0_E\).

Noyau : montrons que \(\ker(p+q) = \ker p \cap \ker q\).

  • \(\ker p \cap \ker q \subset \ker(p+q)\) : si \(p(x) = q(x) = 0_E\), alors \((p+q)(x) = 0_E\).
  • \(\ker(p+q) \subset \ker p \cap \ker q\) : si \((p+q)(x) = 0_E\), appliquons \(p\) : \(p^2(x) + pq(x) = p(x) + 0 = p(x) = 0_E\). Donc \(x \in \ker p\). De même, en appliquant \(q\) : \(x \in \ker q\).

Prolongement : ce résultat admet une réciproque complète : \(E = F_1 \oplus \cdots \oplus F_r\) si et seulement s’il existe des projecteurs \(p_1, \ldots, p_r\) tels que \(p_1 + \cdots + p_r = \mathrm{Id}_E\) et \(p_i \circ p_j = 0\) pour \(i \neq j\). C’est le système complet de projecteurs, notion fondamentale en réduction des endomorphismes.


V. Erreurs fréquentes et pièges

Voici les 5 erreurs les plus sanctionnées en DS et concours sur les espaces vectoriels.

Piège n°1 — Oublier de vérifier la non-vacuité.

Pour montrer que \(F\) est un sev, la première étape est \(F \neq \emptyset\) (en général \(0_E \in F\)). Sans cette vérification, la copie est incomplète. Beaucoup d’étudiants sautent cette ligne — le correcteur la cherche systématiquement.

Piège n°2 — Confondre « libre » et « base ».

« La famille est libre, donc c’est une base. »

Faux. Une famille libre n’est une base que si elle est aussi génératrice (ou si son cardinal égale la dimension de l’espace). Écrire : « La famille est libre et a \(\dim E\) éléments, donc c’est une base. »

Piège n°3 — Confondre \(F \cup G\) et \(F + G\).

La réunion \(F \cup G\) n’est (presque) jamais un sous-espace vectoriel (cf. exercice 19). La somme \(F + G = \{u + v \mid u \in F,\; v \in G\}\) l’est toujours. Ne jamais écrire « \(F \cup G\) » quand on veut dire « \(F + G\) ».

Piège n°4 — Mal appliquer la formule de Grassmann.

« \(\dim(F \cap G) = \dim F \cap \dim G\) » — cette écriture n’a aucun sens.

✅ La formule correcte est \(\dim(F + G) = \dim F + \dim G – \dim(F \cap G)\). Pour l’utiliser, il faut connaître trois des quatre quantités pour en déduire la quatrième.

Piège n°5 — Oublier la vérification dimensionnelle.

Après avoir trouvé une base d’un sev \(F\) défini par des équations dans \(\mathbb{R}^n\), toujours vérifier que \(\dim F = n – \mathrm{rg}(\text{système})\). C’est un filet de sécurité gratuit : si les dimensions ne collent pas, tu as fait une erreur de paramétrage.


VI. Questions fréquentes

Comment montrer qu'un ensemble est un sous-espace vectoriel ?

Tu dois vérifier trois conditions : (1) l’ensemble est non vide (en général, montre que \(0_E\) y appartient) ; (2) il est stable par addition : si \(u, v \in F\), alors \(u + v \in F\) ; (3) il est stable par multiplication scalaire : si \(\lambda \in K\) et \(u \in F\), alors \(\lambda u \in F\). En pratique, tu peux regrouper (2) et (3) en une seule condition : \(\forall (\lambda, \mu) \in K^2,\; \forall (u,v) \in F^2,\; \lambda u + \mu v \in F\). Consulte le cours sur les sous-espaces vectoriels pour plus de détails.

Comment savoir si des vecteurs forment une base ?

Deux méthodes principales. Méthode 1 : montre que la famille est libre (en résolvant la combinaison linéaire nulle) et qu’elle a autant d’éléments que la dimension de l’espace — elle est alors automatiquement génératrice. Méthode 2 : calcule le déterminant de la matrice dont les colonnes sont les vecteurs : s’il est non nul, c’est une base (valable uniquement dans \(\mathbb{R}^n\) ou \(K^n\) avec \(n\) vecteurs).

Comment montrer que deux sous-espaces sont supplémentaires ?

Tu dois montrer deux choses : (1) \(F \cap G = \{0_E\}\) (intersection triviale) et (2) \(F + G = E\) (tout vecteur de \(E\) se décompose). En dimension finie, si tu as déjà montré \(F \cap G = \{0_E\}\), il suffit de vérifier \(\dim F + \dim G = \dim E\) pour conclure. C’est le raccourci le plus fréquent en concours.

Quelle est la différence entre espace vectoriel et sous-espace vectoriel ?

Un espace vectoriel est un ensemble muni de deux lois (addition et multiplication par un scalaire) vérifiant 8 axiomes. Un sous-espace vectoriel est un sous-ensemble d’un espace vectoriel qui est lui-même un espace vectoriel pour les mêmes lois. En pratique, en prépa, on ne vérifie jamais les 8 axiomes : on montre les 3 conditions de sous-espace (non vide, stable par +, stable par ·). Voir le cours complet sur les espaces vectoriels.


VII. Pour aller plus loin

Tu as travaillé les 28 exercices ? Voici la suite logique pour consolider et approfondir.

Logo-excellence-maths
Envie de viser les meilleures écoles ?
Travaille avec un professeur diplômé de Polytechnique qui connaît les exigences des concours. Suivi personnalisé, progression rapide, premier cours satisfait ou remboursé.