Chapitre 1

Espaces vectoriels

4
CHAPITRE 1. ESPACES VECTORIELS 5

1.1 Généralités sur les espaces vectoriels

1.1.1 Définition et propriétés élémentaires
Définition 1.1: Espace vectoriel

Soient (K,
, ) un corps et E un ensemble muni d’une loi interne + et d’une loi externe
· i.e d’une application : 
K × E −→ E
(λ, x) 7−→ λ · x.
Le triplet (E, +, ·) est dit K-espace vectoriel ou un espace vectoriel sur K s’il vérifie les
propriétés suivantes :
(i) (E, +) est un groupe commutatif ;
(ii) ∀(λ, µ) ∈ K2 , ∀x ∈ E, (λ
µ) · x = λ · x + µ · x ;
(iii) ∀λ ∈ K, ∀(x, y) ∈ E 2 , λ · (x + y) = λ · x + λ · y ;
(iv) ∀x ∈ E, 1K · x = x ;
(v) ∀(λ, µ) ∈ K2 , ∀x ∈ E, (λ  µ) · x = λ · (µ · x).

Remarques :

1. Les éléments de E sont appelés des vecteurs et les éléments de K sont appelés des
scalaires.
2. L’élément neutre du groupe (E, +) est noté 0E ou 0 et appelé le vecteur nul de E.

Théorème 1.1: Règles de calcul

Soit E un K-espace vectoriel.
1. ∀x ∈ E, ∀λ ∈ K :
λ · x = 0E ⇐⇒ (λ = 0K ou x = 0E ).
2. ∀x ∈ E, ∀λ ∈ K :
−(λ · x) = (−λ) · x = λ · (−x).
3. ∀x ∈ E − {0}, ∀λ, µ ∈ K,

λ · x = µ · x =⇒ λ = µ.

4. ∀x ∈ E, ∀λ1 , . . . , λn ∈ K :
n n
!
X X
(λk · x) = λk · x.
k=1 k=1

5. ∀x1 , . . . , xn ∈ E, ∀λ ∈ K :
n n
!
X X
λ · xk = λ · xk .
k=1 k=1
CHAPITRE 1. ESPACES VECTORIELS 6

Exemples :

1. Tout sous-corps L d’un corps K est un K-espace vectoriel.

2. Soient K un corps et n un entier positif. Kn muni par la loi interne :
+: Kn × Kn −→ Kn
((x1 , . . . , xn ), (y1 , . . . , yn )) 7−→ (x1 + y1 , . . . , xn + yn ),
et la loi externe :
·: K × Kn −→ Kn
(λ, (x1 , . . . , xn )) 7−→ (λx1 , . . . , λxn ),
est un K-espace
X vectoriel. X
3. Soient P = an X n ∈ K[X] et Q = bn X n ∈ K[X]. Posons
n∈N n∈N
X
P +Q= (an + bn )X n ,
n∈N

et X
λ·P = λan X n ,
n∈N

alors (K[X], +, ·) est un K-espace vectoriel.

4. Soient K un corps commutatif et A un ensemble quelconque. Notons KA ou F(A, K)
l’ensemble de toute les applications f : A −→ K. Pour f, g ∈ F(A, K) et λ ∈ K posons :
f + g : A −→ K
x 7−→ (f + g)(x) = f (x) + g(x),
et
λ · f : A −→ K
x 7−→ (λf )(x) = λf (x).
Le triplet (F(A, K), +, ·) est un K-espace vectoriel.
5. Soit K un corps. On désigne par KN l’ensemble de toutes les suites d’éléments de K.
Alors KN est un K-espace vectoriel pour la loi interne :
+: KN × KN −→ KN
((un ), (vn )) 7−→ (un + vn )
et la loi externe :
· : K × KN −→ KN
(λ, (un )) 7−→ (λun ).

1.1.2 Combinaisons linéaires

Définition 1.2: Combinaison linéaire d’une famille finie de vecteurs
Soient E un K-espace vectoriel et {x1 , x2 , . . . , xn } une famille de n vecteurs de E. On ap-
n
X
pelle combinaisons linéaire de la famille {x1 , x2 , . . . , xn } tout vecteur de la forme λi xi ,
i=1
où (λ1 , λ2 , . . . , λn ) ∈ Kn .
CHAPITRE 1. ESPACES VECTORIELS 7

Exemples :

1. Dans R2 , (−5, 2) est une combinaison linéaire des vecteurs (−1, 3) et (2, 7). En effet, on
a
(−5, 2) = 3(−1, 3) − (2, 7).
2. Le vecteur 3−X −4X 2 est une combinaison linéaire des vecteurs 1+X 2 et 10−2X −4X 2
dans R2 [X], car
1
3 − X − 4X 2 = −2(1 + X 2 ) + (10 − 2X − 4X 2 ).
2
3. Pour q ∈ R, notons uq la suite de terme général q n . Alors {uq }q∈R est une famille de

n−1
vecteurs de RN . La suite u de terme général 1 + 3n−2 − − 21 est une combinaison
linéaire de la famille {u1 , u3 , u −1 } car u = u1 + 19 u3 + 2u −1 .
2 2

Remarque :

Si un vecteur x est combinaison linéaire des xi , il n’y a pas forcément unicité des scalaires
λi .

Exemple :

Dans R2 , on a

(3, 3) = (1, 1) + 2(0, 1) + 2(1, 0) = 2(1, 1) + (0, 1) + (1, 0).

1.2 Sous-espaces vectoriels

1.2.1 Définition et propriétés
Définition 1.3: Sous-espace vectoriel

Soient (E, +, ·) un K-espace vectoriel. F est dit un sous-espace vectoriel de E si

(i) F est un sous-groupe de (E, +) ;
(ii) F est stable par multiplication par un scalaire i.e ∀λ ∈ K, ∀x ∈ E : λ · x ∈ F .

Dans la pratique, on utilise la caractérisation suivante pour montrer qu’une partie non vide
F est un sous-espace vectoriel de E.
Théorème 1.2: Caractérisation des sous-espaces vectoriels
Soient E un K-espace vectoriel. F ⊂ E est un sous-espace vectoriel de E si et seulement
si :
1. 0E ∈ F ;
2. ∀x, y ∈ F , ∀λ ∈ K : λx + y ∈ F .
CHAPITRE 1. ESPACES VECTORIELS 8

Exemples :

1. {0E } est un sous-espace vectoriel de l’espace vectoriel E. C’est le plus petit sous-espace
vectoriel de E.
2. E est lui même un sous-espace vectoriel de E. C’est le plus grand sous-espace vectoriel
de E.
3. Dans l’espace vectoriel R3 , soit

F := {(x, y, z) ∈ R3 | 2x + y − z = 0}.

Le fait que 2 × 0 +0 − 0 = 0 implique 0R3 = (0, 0, 0) ∈ F . Pour (x1 , y1 , z1 ), (x2 , y2 , z2 ) ∈ F

et λ ∈ R, on a

λ(x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (λx1 + x2 , λy1 + y2 , λz1 + z2 )

et

2(λx1 + x2 ) + (λy1 + y2 ) − (λz1 + z2 ) = λ(2x1 + y1 − z1 ) + (2x2 + y2 − z2 ) = λ · 0 + 0 = 0

donc λ(x1 , y1 , z1 ) + (x2 , y2 , z2 ) ∈ F . D’où F est un sous-espace vectoriel de R3 .

4. Kn [X] := {P ∈ K[X] | deg(P ) ≤ n} est sous-espace vectoriel de K[X], car deg 0 =
−∞ ≤ n et pour tous P, Q ∈ Kn [X] et λ ∈ K, on a

deg(λP + Q) ≤ max{deg(P ), deg(Q)} ≤ n.

d2 f
 
5. L’ensemble F = f : R −→ R | 2 + f = 0 est sous-espace vectoriel de F(R, R). En
dx
effet, c’est clair que 0F (R,R) ∈ F et pour tous f, g ∈ F et λ ∈ R, on a

d2 (λf + g)
 2
d2 g

df
+ (λf + g) = λ + f + + g = 0.
dx2 dx2 dx2

6. F = {(x, y) ∈ R2 | x2 − x + y 3 = 0} n’est pas un sous-espace vectoriel de R2 car n’est

pas stable par multiplication par un scalaire, en effet (1, 0) ∈ F mais (2, 0) 6∈ F .

Théorème 1.3: Stabilité par combinaison linéaire

Soient F un sous-espace vectoriel d’un K-espace vectoriel E et {fi }i∈I ∈ F I . Alors toute
combinaison linéaire de {fi }i∈I appartient à F .

1.2.2 Opérations sur les sous-espaces vectoriels

Théorème 1.4: Intersection de sous-espaces vectoriels - réunion de sous-
espaces vectoriels
1. L’intersection quelconque de sous-espaces vectoriels est un sous-espace vectoriel.
2. La réunion de deux sous-espaces vectoriels est un sous-espace vectoriel si et seule-
ment si l’un est inclus dans l’autre.
CHAPITRE 1. ESPACES VECTORIELS 9

Exemples :

1. Considérons le sous-ensemble de R4 :

F = {(x, y, z, t) ∈ R4 | x + 3y − t = 0 et x + z − t = 0}.

On a
F = F1 ∩ F2
où

F1 := {(x, y, z, t) ∈ R4 | x + 3y − t = 0} et F2 := {(x, y, z, t) ∈ R4 | x + z − t = 0}.

Puisque F1 et F2 sont des sous-espaces vectoriels de R4 , alors F est un sous-espace

vectoriel de R4 .
2. Soit
G = {P ∈ R2 [X] | P (0) = 0 ou P (1) = 0}.
On a
G = G1 ∪ G2
où
G1 := {P ∈ R2 [X] | P (0) = 0} et G2 := {P ∈ R2 [X] | P (1) = 0}.
On a X ∈ G1 et X − 1 ∈ G2 , mais X 6∈ G2 et X − 1 6∈ G1 , donc G1 6⊂ G2 et G2 6⊂ G1 .
Alors, G n’est pas un sous-espace vectoriel de R2 [X].

Définition 1.4: Somme de sous-espaces vectoriels

Soit E un K-espace vectoriel et soient F et G deux sous-espaces vectoriels de E. On
appelle somme de F et G, notée F + G, l’ensemble

F + G := {u + v | u ∈ F et v ∈ G}.

Remarques :

Si F, G et H trois sous-espaces vectoriels de E, on a alors

1. F +G = G+F, F +(G+H) = (F +G)+H, F +{0E } = F, F +E = F, F +F = F.
2. Si H = F + G, l’écriture F = H − G n’a pas de sens.
3. Si F + G = F + H, on ne conclut pas hâtivement que G = H.

Théorème 1.5
La somme F + G est un sous-espace vectoriel de E. De plus F + G contient F et G et
est inclus dans tout sous-espace vectoriel contenant F et G.

Remarques :

F + G se comprend aussi comme étant le plus petit sous-espace vectoriel de E contenant

l’ensemble F ∪ G.
CHAPITRE 1. ESPACES VECTORIELS 10

On peut généraliser la proposition précédente à la somme d’un nombre fini de sous-espaces

vectoriels.
Théorème 1.6
Soit E un K-espace vectoriel et soient F1 , . . . , Fn n sous espaces vectoriels de E. Alors,
la somme

F1 + · · · + Fn = {u1 + · · · + un : (u1 , · · · , un ) ∈ F1 × · · · × Fn }

est un sous-espace vectoriel de E contenant F1 , . . . , Fn .

Remarques :

F1 + · · · + Fn se comprend aussi comme étant le plus petit sous-espace vectoriel de E contenant

l’ensemble ∪ni=1 Fi .

Définition 1.5: Somme directe de deux sous-espaces vectoriels

On dit que deux sous-espaces vectoriels F et G de E sont en somme directe si l’une des
assertions équivalentes suivantes est satisfaite :
1. pour tout w ∈ F + G, il existe un unique couple de vecteurs (u, v) ∈ F × G tel
que w = u + v ;
2. F ∩ G = {0E }.
Dans ce cas, la somme F + G se note F ⊕ G.

Exemple :

Les sous-espace vectoriel de R3 :

F = {(a, a, a) ∈ R3 | a ∈ R} et G = {(x, y, z) ∈ R3 | x = y − 2z}
sont en somme directe, puisque si (a, a, a) ∈ G, alors a = a − 2a, d’où a = 0, par suite
F ∩ G = {0R3 }.

Définition 1.6: Sous-espace vectoriels supplémentaires

Soit E un K-espace vectoriel et soient F et G deux sous-espaces vectoriels de E. On dit
que F est supplémentaire à G dans E si et seulement si

E = F + G et F ∩ G = {0E }.

Exemple :

Dans l’espace vectoriel des fonctions réelles F(R, R), on considère les deux espaces vectoriels :
P = {f ∈ F(R, R) | f paire} et I = {f ∈ F(R, R) | f impaire}.
On a F(R, R) = P ⊕ I. En effet, pour toute f ∈ F(R, R), on a
f (x) + f (−x) f (x) − f (−x)
∀x ∈ R : f (x) = + .
| 2
{z } | 2
{z }
g(x) h(x)
CHAPITRE 1. ESPACES VECTORIELS 11

Puisque g ∈ P et h ∈ I, alors F(R, R) = P + I. De plus, si f ∈ P ∩ I, alors

∀x ∈ R : f (x) = f (−x) = −f (x),
donc
∀x ∈ R : f (x) = 0,
d’où P ∩ I = {0F (R,R) }.

Théorème 1.7: Existence des espaces vectoriels supplémentaires

Soit E un K-espace vectoriel. Tout sous-espace vectoriel de E admet au mois un sous-
espace vectoriel supplémentaire.

1.2.3 Sous-espace vectoriel engendré par une partie

Définition 1.7: Sous-espace vectoriel engendré par une partie
Soit A une partie d’un K-espace vectoriel E. On appelle sous-espace vectoriel engendré
par A l’intersection des sous-espaces vectoriels contenant A. C’est le plus petit sous-espace
vectoriel (pour l’inclusion) contenant A. On le note Vect(A).

Exemples :

1. Vect(∅) = {0E }, car l’espace nul est le plus petit sous-espace vectoriel de E.
2. Vect(E) = E, car Vect(E) est un sous-espace vectoriel contenant E et E est le plus
grand sous-espace vectoriel de E.

Théorème 1.8
Soit A une partie non vide d’un K-espace vectoriel E. Vect(A) est l’ensemble des combi-
naisons linéaires de la famille (a)a∈A .

Définition 1.8: Sous-espace vectoriel engendré par une famille

Soit (xi )i∈I une famille de vecteurs d’un K-espace vectoriel E. On appelle sous-espace
vectoriel engendré par la famille (xi )i∈I le sous-espace vectoriel engendré par la partie
{xi , i ∈ I}. Dans ce cas, on note ce sous-espace vectoriel par Vect({xi , i ∈ I}). Cet
ensemble est alors l’ensemble des combinaisons linéaires de la famille (xi )i∈I .

Exemples :

1. Le sous-espace vectoriel de R3 engendré par la famille A := {(−2, 0, 1), (3, 1, 1)} est
Vect(A) = {a(−2, 0, 1) + b(3, 1, 1) | a, b ∈ R} = {(−2a + 3b, b, a + b) | a, b ∈ R}.
2. Dans C2 [X], soient les vecteurs u = iX − X 2 et v = 1 + i + X. Alors
Vect(u, v) = {λ(iX − X 2 ) + µ(1 + i + X) | λ, µ ∈ C}
= {µ(1 + i) + (iλ + µ)X − µX 2 | λ, µ ∈ C}.
CHAPITRE 1. ESPACES VECTORIELS 12

Théorème 1.9
1. Si un vecteur w est combinaison linéaire des vecteurs (v1 , . . . , vn ) alors

Vect(v1 , . . . , vn , w) = Vect(v1 , . . . , vn ).

2. Si un vecteur w est combinaison linéaire des vecteurs (v1 , . . . , vk−1 , vk+1 , . . . , vn ) alors

Vect(v1 , . . . , vk−1 , vk + w, vk+1 , . . . , vn ) = Vect(v1 , . . . , vn ).

Exemples :

1. Considérons dans R3 les vecteurs

v1 = (−2, 1, 0), v2 = (3, 0, −1) et w = (−8, 1, −2).

Le fait que w = v1 − 2v2 donne

Vect{v1 , v2 , w} = Vect{v1 , v2 }.

2. Dans F(R, R), on a

Vect{1, cos2 , sin2 } = Vect{1, cos2 }.

Théorème 1.10
Soient A et B deux parties d’un K-espace vectoriel E. Alors

A ⊂ B =⇒ Vect(A) ⊂ Vect(B)

et
Vect(A ∪ B) = Vect(A) + Vect(B).

1.3 Partie génératrice, Partie libre et Base

1.3.1 Partie génératrice- Famille génératrice
Définition 1.9: Partie génératrice
Soient E un K-espace vectoriel et X une partie de E. On dit que la partie X est génératrice
de E ou engendre E si tout élément de E est combinaison linéaire de X, i. e E = Vect{X}.
Si X = {xi | i ∈ I}, on dit aussi que la famille {xi }i∈I est génératrice de E ou engendre
E.
CHAPITRE 1. ESPACES VECTORIELS 13

Exemples :

1. Soit n ∈ N∗ . Considérons les vecteurs de Kn suivant

e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en (0, 0, . . . , 1).

Alors Kn = Vect(ei , 1 ≤ i ≤ n). En effet, tout vecteur v = (x1 , . . . , xn ) ∈ Kn peut

s’écrire sous la forme

v = x1 (1, 0, . . . , 0) + · · · + xn (0, . . . , 0, 1) = x1 e1 + · · · + xn en .

2. Dans C vu comme R-espace vectoriel, la famille {1, i} est génératrice.

3. La famille {X k }k∈N engendre K[X] et pour tout n ∈ N, {1, X, . . . , X n } engendre Kn [X].
4. L’ensemble F = {(x, y, z) ∈ R3 | x + 3y − 2z = 0} est un sous-espace vectoriel de R3
engendré par la famille {(−3, 1, 0), (2, 0, 1)}. En effet on a

E = {(x, y, z) ∈ R3 | x = −3y + 2z}

= {(−3y + 2z, y, z) | y, z ∈ R}
= {y(−3, 1, 0) + z(2, 0, 1) | y, z ∈ R}.

5. L’ensemble G = {P ∈ R2 [X] | P (1) = 0} est un sous-espace vectoriel de R2 [X] engendré

par la famille {1−X, 1−X 2 }. En effet, si P = a0 +a1 X +a2 X 2 ∈ G, alors a0 +a1 +a2 = 0,
d’où
P = −a1 − a2 + a1 X + a2 X 2 = −a1 (1 − X) − a2 (1 − X 2 ).
6. Dans RN , considérons le sous-espace vectoriel

H = {(un ) | ∀n ∈ N, un+1 = 3un }.

Puisque
H = {(un ) | ∀n ∈ N, un = u0 × 3n },
alors, la suite (3n )n∈N engendre H.
7. Soit dans C le sous-espace vectoriel

K = {z ∈ C | Re(z) = Im(z)}.

On a
K = {x + iy ∈ C | x = y} = {x(1 + i) | x ∈ R},
donc {1 + i} engendre K.
Remarque :

La partie génératrice d’un K-espace vectoriel n’est pas unique.

CHAPITRE 1. ESPACES VECTORIELS 14

1.3.2 Familles libres, familles liées

Définition 1.10
Soit E un K-espace vectoriel et soit {v1 , . . . , vn } une famille de vecteurs de E. On dit que
la famille {v1 , . . . , vn } est libre ou linéairement indépendante dans E si

∀λ1 , . . . , λn ∈ K, (λ1 v1 + · · · λn vn = 0E =⇒ λ1 = · · · λn = 0K ).

On dit que la famille {v1 , . . . , vn } est liée si elle n’est pas libre, ce qui signifie

∃λ1 , . . . , λn ∈ K, tels que (λ1 , · · · , λn ) 6= (0, · · · , 0) et λ1 v1 + · · · + λn vn = 0E .

Exemples :

1. Une famille à un vecteur est libre si et seulement si ce vecteur est non nul.
2. La famille {e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en (0, 0, . . . , 1)} de Kn est libre.
3. La famille {1, X, X 2 , . . . , X n } est une famille libre de K[X].
4. La famille {sin, cos} est libre dans F(R, R). En effet, soient α, β ∈ R tels que

α sin +β cos = 0F (R,R) ,

alors
∀x ∈ R : α sin x + β cos x = 0.
En particulier α sin 0 + β cos 0 = 0 et α sin π2 + β cos π2 = 0, d’où α = β = 0.
5. La famille {(−2, 1), (−3, 3), (1, 1)} est liée dans R2 , car (−3, 3)−2(−2, 1)−(1, 1) = (0, 0).

Théorème 1.11
Soit n ≥ 2. La famille {v1 , . . . , vn } est liée si et seulement si l’un des vecteurs v1 , . . . , vn
est combinaison linéaire des autres.

1.3.3 Base
Définition 1.11: Base
On appelle base toute famille de vecteurs à la fois génératrice et libre.

Exemples :

1. {1, i} est une base du R-espace vectoriel C.

2. {e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en (0, 0, . . . , 1)} est une base de Kn . Cette base
est appelée la base canonique de Kn .
3. La famille {1, X, X 2 , . . . , X n } est une base de Kn [X]. On l’appelle la base canonique de
Kn [X].
4. La famille {X n }n∈N est une base de K[X].
CHAPITRE 1. ESPACES VECTORIELS 15

Remarques :

1. La famille vide est une base de l’espace vectoriel nul.

2. Il n’y a pas unicité de la base pour un espace vectoriel donné.

Exemples :

1. Les familles {(2, 0, 2), (1, 3, −5), (1, −1, 0)}, {(−1, 1, 0), (1, 4, 2), (1, −2, 7)} et
{(−3, 2, 5), (1, 1, 1), (3, 1, −1)} sont des bases de R3
2. Les familles {−1, 1 + X, (1 + X)2 } et {2, −1 + 2X, X − X 2 } sont des bases de R2 [X].

Théorème 1.12: Propriété fondamentale

Soit B = {e1 , e2 , . . . , en } une base d’un K-espace vectoriel E. Tout élément v de E s’écrit
de façon unique comme combinaison linéaire des ei :
n
X
v= λi e i où λi ∈ K.
i=1

Les scalaires λi s’appellent coordonnées de v dans la base B.

Exemples :
 
2 1 1
1. Les coordonnées du couple (−2, 1) de R dans la base {(1, 1), (5, −1)} est ,− , car
2 2
1 1
(−2, 1) = (1, 1) − (5, −1).
2 2
2. Les coordonnées du polynôme 2 − X 2 + X 3 dans la base canonique de R3 [X] sont
(2, 0, −1, 1). Considérons maintenant la nouvelle base de R3 [X] :

{1, 1 + X, 1 + X + X 2 , 1 + X + X 2 + X 3 }.

Le fait que

2 − X 2 + X 3 = 2 × 1 + (1 + X) − 2 × (1 + X + X 2 ) + (1 + X + X 2 + X 3 ),

implique que les coordonnées de 2 − X 2 + X 3 dans la nouvelle base sont (2, 1, −2, 1).

Théorème 1.13: Base d’une somme directe de deux sous-espaces vectoriels

Soit E un K espace vectoriel et soient F et G deux sous-espace vectoriels de E non réduit
à {0E }. Si BF est une base de F et BG est une base de G, alors BF ∪ BG est une famille
génératrice de F + G. De plus, si F et G sont en somme directe, alors BF ∪ BG est une
base de F ⊕ G.
CHAPITRE 1. ESPACES VECTORIELS 16

Exemples :

1. Considérons dans R4 les sous-espaces vectoriels suivants :

F = Vect{(1, −1, 0, 2)} et G = Vect{(−2, 5, 3, 1), (1, 1, −2, −2)}.
Puisque (1, −1, 0, 2) 6= 0R4 et les vecteurs (−2, 5, 3, 1), (1, 1, −2, −2) ne sont pas coli-
néaire, alors {(1, −1, 0, 2)} et {(−2, 5, 3, 1), (1, 1, −2, −2)} sont respectivement une base
de F et de G. Donc {(1, −1, 0, 2), (−2, 5, 3, 1), (1, 1, −2, −2)} est une famille génératrice
de F + G.
2. Puisque les sous-espace vectoriels de R2 [X] :
F = Vect{1} et G = Vect{X 2 }.
sont en somme directe, alors {1, X 2 } est une base F + G.

1.4 Espaces vectoriels de dimension finie

Définition 1.12: Espace vectoriels de dimension finie
Soit E un K-espace vectoriel. On dit que E est de dimension finie s’il possède une partie
génératrice finie, et de dimension infinie sinon.

Exemples :

1. Les espaces vectoriels Kn pour n ∈ N∗ et Kn [X] pour n ∈ N sont de dimension fine.

2. K[X] est de dimension infinie.

Théorème 1.14: Existence du base

Tout espace vectoriel différent de {0E } et fini admet une base.

Théorème 1.15: Formule de Grassmann

Soit E un espace vectoriel de dimension finie et soient F , G deux sous-espaces vectoriels
de E. Alors
dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G).
En particulier, F et G en somme directe si et seulement si

dim(F + G) = dim(F ) + dim(G).

Théorème 1.16
Si E est un espace vectoriel de dimension finie et si F est un sous-espace vectoriel de E,
alors F est de dimension finie et on a

dim(F ) ≤ dim(E).

De plus, on a
dim(F ) = dim(E) ⇐⇒ F = E.
CHAPITRE 1. ESPACES VECTORIELS 17

Exemple :

Les sous-espaces vectoriels de R2 sont le sous-espace nul, les droites vectorielles et R2 .

Théorème 1.17: Dimension

Si E est de dimension finie, alors toutes les bases de E ont le même nombre d’éléments.
Ce nombre s’appelle la dimension de E et est noté dim(E).

Remarque :

La dimension de l’espace nul est 0.

Exemples :

1. dim Kn = n.
2. dim Kn [X] = n + 1.
3. K[X] est de dimension infinie.
4. dimC C = 1 et dimR C = 2.

Théorème 1.18
Dans un espace vectoriel de dimension n :
1. toute famille libre a au plus n éléments,
2. toute famille libre de n élément est une base,
3. toute famille génératrice a au moins n élément,
4. toute famille génératrice de n élément est une base.

Exemples :

1. La famille {(0, −1, 3), (−1, 3, 0), (3, 0, −1)} est une base de R3 , car elle est libre et
Card{(0, 1, 2), (1, 2, 0), (2, 0, 1)} = 3 = dim R3 .
2. La famille {1, 1 + X, (1 + X)2 } est une base de R2 [X], car elle est libre et Card{1, 1 +
X, (1 + X)2 } = 3 = dim R2 [X].

Théorème 1.19: Caractérisation de la supplémentarité

Soient F et G deux sous-espaces vectoriels d’un espace vectoriel de dimension finie E.
Alors F et G sont supplémentaires dans E si et seulement si au moins deux des trois
assertions suivantes sont vraies :
(i) dim F + dim G = dim E.
(ii) F ∩ G = {0E }.
(iii) F + G = E.