Espaces vectoriels en prépa : sous-espaces, bases et dimension

Les espaces vectoriels sont un socle de l'algèbre linéaire en prépa. Le chapitre installe le vocabulaire qui revient ensuite partout : matrices, applications linéaires, systèmes, polynômes, suites et géométrie. Si les définitions paraissent abstraites au départ, elles servent en réalité à répondre à des questions simples : quels objets peut-on additionner, quelles directions suffisent pour tout décrire, et combien de paramètres sont vraiment nécessaires ?

La difficulté vient souvent d'un mélange entre intuition géométrique et rédaction formelle. Un plan dans l'espace donne une image mentale utile, mais un sous-espace de polynômes ou de matrices demande la même rigueur. En DS comme en colle, le bon réflexe consiste à nommer l'espace ambiant, vérifier les stabilités, puis conclure avec une base ou une dimension quand c'est possible.

1. Définir le cadre avant de calculer

Un espace vectoriel sur un corps \(\mathbb{K}\) est un ensemble muni d'une addition et d'une multiplication par les scalaires de \(\mathbb{K}\), avec les propriétés attendues de compatibilité. En prépa scientifique, les exemples les plus fréquents sont \(\mathbb{R}^n\), \(\mathbb{C}^n\), les espaces de polynômes, les suites, les fonctions et les matrices.

Le point important n'est pas de réciter tous les axiomes à chaque exercice. Il faut surtout reconnaître quand on travaille dans un espace vectoriel déjà connu. Cette reconnaissance permet ensuite de prouver qu'un ensemble plus petit est un sous-espace vectoriel, ou qu'une famille de vecteurs en décrit tout ou partie.

2. Prouver qu'un ensemble est un sous-espace

Pour montrer qu'une partie \(F\) d'un espace vectoriel \(E\) est un sous-espace vectoriel, la méthode standard est courte : on vérifie que \(F\) est non vide, puis que pour tous \(x,y \in F\) et tous scalaires \(\lambda,\mu\), le vecteur \(\lambda x+\mu y\) appartient encore à \(F\). Cette stabilité par combinaison linéaire rassemble la stabilité par addition et par multiplication externe.

Dans les exercices, il existe souvent des chemins plus rapides. Un ensemble de solutions d'un système linéaire homogène est un sous-espace. Le noyau d'une application linéaire est un sous-espace de l'espace de départ. L'image d'une application linéaire est un sous-espace de l'espace d'arrivée. Un espace engendré par une famille de vecteurs est, par construction, un sous-espace.

Le piège classique est d'oublier l'homogénéité. Les solutions d'une équation linéaire avec second membre non nul forment en général un espace affine, pas un sous-espace vectoriel. Le test du vecteur nul est alors un signal rapide : un sous-espace doit contenir le vecteur nul de l'espace ambiant.

3. Familles libres, génératrices et bases

Une famille \((u_1,\ldots,u_p)\) est libre si la seule combinaison linéaire nulle est la combinaison triviale : \(\lambda_1u_1+\cdots+\lambda_pu_p=0\) impose \(\lambda_1=\cdots=\lambda_p=0\). Elle est génératrice de \(E\) si tout vecteur de \(E\) s'écrit comme combinaison linéaire des \(u_i\).

Une base réunit les deux propriétés. Elle donne à la fois une description complète de l'espace et une écriture unique de chaque vecteur. Cette unicité est capitale : c'est elle qui rend possible le calcul de coordonnées, puis la représentation matricielle des applications linéaires. Pour prolonger ce lien, l'article sur les applications linéaires et matrices reprend précisément le passage des bases aux matrices.

En pratique, tester une famille demande de choisir la bonne question. Si l'on cherche la liberté, on part d'une relation linéaire nulle et on montre que tous les coefficients sont nuls. Si l'on cherche le caractère générateur, on prend un vecteur quelconque de l'espace visé et on cherche à l'écrire comme combinaison de la famille. Si le nombre de vecteurs correspond déjà à la dimension connue, une seule des deux propriétés peut suffire.

4. Utiliser la dimension comme outil de décision

La dimension d'un espace vectoriel de dimension finie est le nombre de vecteurs dans une base. Cette définition est puissante parce que toutes les bases d'un même espace ont le même cardinal. On peut donc parler de la dimension sans choisir une base particulière.

La dimension transforme souvent une preuve longue en argument court. Si \(F\subset G\) et si \(\dim(F)=\dim(G)\), alors \(F=G\). Si une famille libre contient exactement \(\dim(E)\) vecteurs, elle est une base de \(E\). Si une famille génératrice contient exactement \(\dim(E)\) vecteurs, elle est aussi une base. Ces critères sont très fréquents en prépa, notamment pour éviter des calculs inutiles.

Il faut toutefois annoncer clairement l'espace concerné. Dire qu'une famille contient trois vecteurs ne suffit pas : trois vecteurs peuvent former une base d'un espace de dimension trois, être trop peu nombreux dans un espace de dimension quatre, ou être liés dans un espace de dimension deux. La dimension n'est utile que lorsqu'elle est rattachée au bon espace.

5. Sommes de sous-espaces et formule de Grassmann

Si \(F\) et \(G\) sont deux sous-espaces d'un même espace vectoriel \(E\), leur somme \(F+G\) regroupe les vecteurs qui s'écrivent \(f+g\), avec \(f\in F\) et \(g\in G\). Cette somme est elle-même un sous-espace de \(E\). Elle est directe lorsque l'écriture est unique, ce qui revient à \(F\cap G=\{0_E\}\) dans le cas de deux sous-espaces.

La formule de Grassmann relie les dimensions : \(\dim(F+G)=\dim(F)+\dim(G)-\dim(F\cap G)\). Elle rappelle que les dimensions ne s'additionnent pas naïvement lorsque les sous-espaces se recouvrent. L'intersection mesure exactement ce qui a été compté deux fois.

Pour montrer que \(E=F\oplus G\), une stratégie efficace consiste à prouver l'inclusion \(F+G\subset E\), l'intersection triviale, puis l'égalité des dimensions. Selon l'exercice, on peut aussi exhiber directement l'écriture unique. Les deux approches sont valides, mais la rédaction doit préciser ce qui prouve la somme et ce qui prouve le caractère direct.

6. Rédiger proprement en exercice

La rédaction en algèbre linéaire gagne en clarté quand elle suit un ordre stable. D'abord, nomme l'espace ambiant et le corps de scalaires si ce n'est pas évident. Ensuite, identifie l'objet demandé : sous-espace, base, dimension, somme, intersection ou coordonnées. Enfin, choisis la preuve qui correspond à cet objet.

1. Pour un sous-espace, utilise la stabilité par combinaison linéaire ou reconnais un noyau, une image, un espace engendré ou un système homogène.
2. Pour une base, prouve liberté et génération, ou combine une propriété avec un argument de dimension.
3. Pour une dimension, construis une base explicite, utilise une formule connue ou passe par une application linéaire adaptée.
4. Pour une somme directe, traite séparément la somme, l'intersection et les dimensions si elles interviennent.

Cette routine évite les conclusions trop rapides. Elle aide aussi à repérer les erreurs de niveau : une famille vit dans un espace, une dimension est un entier, un sous-espace est un ensemble de vecteurs. Mélanger ces objets donne des phrases qui semblent familières mais ne prouvent rien.

7. Organiser les révisions du chapitre

Pour réviser efficacement, sépare les compétences. Commence par les preuves de sous-espace, puis les tests de liberté et de génération, puis les calculs de bases et de dimensions. Ajoute ensuite les sommes et intersections, qui demandent souvent de combiner plusieurs réflexes.

Après un exercice, ne te contente pas de relire la correction. Demande-toi quel signal a orienté la méthode : présence d'un système homogène, nombre de vecteurs égal à une dimension, inclusion entre sous-espaces, besoin de montrer une écriture unique. Cette manière de travailler rejoint le rappel actif en prépa, car elle force à retrouver la décision mathématique avant de regarder la solution.

PSD peut servir de support complémentaire pour revoir les définitions et critères du chapitre par petites sessions. Les flashcards de maths prépa restent utiles si elles accompagnent un vrai travail d'exercices, pas si elles remplacent la rédaction.

8. Pièges fréquents à éviter

Le premier piège est de confondre appartenance et inclusion. Un vecteur appartient à un espace, tandis qu'un sous-espace est inclus dans un autre. Écrire ces relations correctement clarifie déjà une grande partie de la preuve.

Le deuxième piège est de déclarer une famille génératrice parce qu'elle contient beaucoup de vecteurs. Le nombre de vecteurs donne un indice, jamais une preuve complète sans dimension connue et propriété associée. Une famille trop grande peut être génératrice, mais elle peut aussi contenir des redondances.

Le troisième piège est d'appliquer une formule de dimension sans vérifier les hypothèses. La formule de Grassmann concerne deux sous-espaces d'un même espace vectoriel de dimension finie. Les critères de base par cardinal supposent eux aussi que la dimension de l'espace visé est connue.

Conclusion

Les espaces vectoriels deviennent plus accessibles quand on les organise autour de quelques questions : dans quel espace travaille-t-on, quels vecteurs suffisent à décrire l'ensemble, et combien de directions indépendantes sont nécessaires ? Les sous-espaces structurent les objets, les bases donnent des coordonnées, la dimension permet de conclure proprement.

En prépa, le chapitre n'est pas seulement une liste de définitions. C'est une boîte à outils pour toute l'algèbre linéaire. Une bonne maîtrise des sous-espaces, des bases et des dimensions rend ensuite les matrices, les applications linéaires et les changements de base beaucoup plus lisibles.

Questions fréquentes

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

On vérifie qu'il est non vide, inclus dans un espace vectoriel connu, puis stable par combinaison linéaire. Dans beaucoup d'exercices, il est plus rapide de le reconnaître comme noyau, image, ensemble de solutions d'un système linéaire homogène ou sous-espace engendré.

Quelle différence entre famille libre, génératrice et base ?

Une famille libre ne contient aucune dépendance linéaire non triviale. Une famille génératrice permet d'obtenir tous les vecteurs de l'espace par combinaison linéaire. Une base est à la fois libre et génératrice, ce qui donne une écriture unique de chaque vecteur.

Pourquoi la dimension est-elle si importante ?

La dimension donne le nombre minimal de directions nécessaires pour décrire un espace. Elle permet de conclure à l'égalité de deux sous-espaces quand une inclusion est connue, de contrôler une base et d'utiliser les formules sur les sommes.

Comment travailler ce chapitre sans recopier le cours ?

Il faut s'entraîner à identifier le type d'objet en jeu : sous-espace à reconnaître, famille à tester, base à construire, dimension à calculer. Après chaque exercice, reformule la décision mathématique qui a permis de conclure.

Sources et références

• Inspection générale de l'éducation, du sport et de la recherche, Programme de mathématiques MPSI et MP2I, classes préparatoires aux grandes écoles.
• Inspection générale de l'éducation, du sport et de la recherche, Programme de mathématiques MP, classes préparatoires aux grandes écoles.
• MIT OpenCourseWare, 18.06 Linear Algebra, cours de Gilbert Strang, Massachusetts Institute of Technology.
• Mathematics LibreTexts, Bases, Schilling, Nachtergaele et Lankham.

À propos de l'auteur

Équipe PSD

Des contenus conçus pour aider les étudiants de prépa scientifique à réviser plus efficacement, sans multiplier les outils.