Chapitre 14

Structure d’espace vectoriel

Dans ce chapitre, (K, +, ×) désigne un corps.

14.1 Présentation
Définition 14.1 Soit E un ensemble muni d’une loi de composition interne
+ et d’une loi de composition externe à domaine d’opérateurs K noté ⊥. On
dit que (E, +, ⊥) est un K-espace vectoriel ou espace vectoriel sur K si et
seulement si :
• (E, +) est un groupe abélien.
• pour tout (λ, µ, x) ∈ K2 × E, λ ⊥ (µ ⊥ x) = (λµ) ⊥ x.
• pour tout x ∈ E, 1 ⊥ x = x.
• pour tout (λ, x, y) ∈ K × E 2 , λ ⊥ (x + y) = λ ⊥ x + λ ⊥ y.
• pour tout (λ, µ, x) ∈ K2 × E, (λ + µ) ⊥ x = λ ⊥ x + µ ⊥ x.
Dans ce cas, les éléments de E s’appellent des vecteurs et ceux de K des
scalaires.
⊥ se note · (et s’oublie). On retient que · est prioritaire sur +.
En particulier le deuxième point se réécrit : pour tout (λ, µ, x) ∈ K2 × E,
externe externe
z }| { z}|{
( λµ )x = λ( µx ).
|{z} | {z }
interne externe
Exemple 14.1 On pose :
(
K×K → K
+:
(x, y) 7 → x+y
(
K×K → K
⊥ :
(λ, x) 7→ λx

109
 CHAPITRE 14. STRUCTURE D’ESPACE VECTORIEL

On note que (K, + ⊥) est un K-espace vectoriel. Cette structure est dite
canonique sur K.
Exemple 14.2 Soient (E, +, ·) et (E ′ , +, ·) deux K-espaces vectoriels. On
pose : (
(E × E ′ ) × (E × E ′ ) → E × E ′
+:
((x, x′ ), (y, y ′)) 7→ (x + y, x′ + y ′ )
(
K × (E × E ′ ) → E × E′
·:
(λ, (x, x′ )) 7→ (λx, λx′ )
(E × E ′ , +, ·) est un espace vectoriel. On dit qu’on a muni E × E ′ de sa
structure vectorielle canonique.
Remarque 14.1 Soit (x, y) ∈ E × E ′ .

(x, y) + (0, 0) = (x, y) = (0, 0) + (x, y)

Donc (0, 0) est le neutre pour +. On le note 0.

Remarque 14.2 On peut généraliser la construction à plus de 2 K-espaces
vectoriels. En particulier, pour tout n ∈ N \ {0, 1}, on a une structure vecto-
rielle canonique sur Kn .
Exemple 14.3 Soit (E, +, ·) un K-espace vectoriel et X un ensemble non
vide. On considère :
 X



E × EX → EX
(
+: X → E

 (f, g) 7→ f +g :

t 7 → f (t) + g(t)


 K → EX
 (
·: X → E

 (λ, f )
 7→ λf :
t 7 → λf (t)
(E X , +, ·) est un K-espace vectoriel. On dit qu’on a muni E X de sa struc-
ture vectorielle canonique.
Application : Soit I un intervalle. RI a une structure vectorielle canonique
couramment utilisée.
CI a une structure vectorielle canonique couramment utilisée.
Remarque 14.3 Soit (E, +, ·) un K-espace vectoriel.
Pour tout (λ, x) ∈ K × E, λx = 0 si et seulement si x = 0 ou λ = 0.
Pour tout (λ, x) ∈ K × E, (−λ)x = λ(−x) = −(λx) = −λx.
Démonstration. Soit (λ, x) ∈ K × E.

Pierron Théo Page 110 Tous droits réservés

 14.2. SOUS-ESPACES VECTORIELS

• λ × 0 + λ × 0 = λ(0 + 0) = λ × 0 = λ × 0 + 0 donc λ × 0 = 0.
De même, 0x + 0x = (0 + 0)x = 0x = 0x + 0 donc 0x = 0.
• Soit (λ, x) ∈ K × E. On suppose λx = 0 et λ 6= 0.
K est un corps et λ 6= 0 donc λ est inversible.
λ−1 (λx) = (λ−1 × λ)x = 1x = x
Or λ−1 (λx) = λ−1 0 = 0.
Donc x = 0
• Soit (λ, x) ∈ K × E. On a λx + (−λ)x = (λ + (−λ))x = 0x = 0.
Or + commute dans E donc −(λx) = (−λ)x.
De même, λx + λ(−x) = λ(x + (−x)) = λ0 = 0.
Or + commute dans E donc −(λx) = λ(−x).
On en déduit le résultat.
Remarque 14.4 Soit (λ, x, y) ∈ K × E 2 . λx = λy si et seulement si λ = 0
ou x = y ;

14.2 Sous-espaces vectoriels

14.2.1 Définition
Définition 14.2 Soit (E, +, ·) un K-espace vectoriel. Une partie F de E
est appelée sous-espace vectoriel deE si et seulement si :
• F 6= ∅
• pour tout (x, y) ∈ F 2 , x + y ∈ F
• pour tout (λ, x) ∈ K × F , λx ∈ F
Remarque 14.5
• Avec les notations de l’énoncé de la définition, F est un sous-groupe de
(E, +). En particulier 0 ∈ F .
• Une partie F de E est un sous-espace vectoriel de E si et seulement si
F 6= ∅ et pour tout (λ, x, y) ∈ K × E 2 , λx + y ∈ F .
• Soit F un sous-espace vectoriel de E. On considère :
(
F ×F → F
⊕:
(x, y) 7 → x+y
(
K×F → F
⊙:
(λ, x) 7 → λx
On note que (F, ⊕, ⊙) est un K-espace vectoriel. En pratique ⊕ est
notée + et ⊙ est notée ·.
Donc, pour montrer que (T, +, ·) est un K-espace vectoriel, on peut
montrer que c’est un sous-espace vectoriel d’un espace vectoriel connu.

Pierron Théo Page 111 Tous droits réservés

 CHAPITRE 14. STRUCTURE D’ESPACE VECTORIEL

Exemple 14.4 L’ensemble L des fonctions lipschitziennes muni des opéra-

tions usuelles est un sous-espace vectoriel de (RR , +, ·), donc est un R-espace
vectoriel.
L’ensemble des suites complexes convergentes muni des opérations usuelles
est un sous-espace vectoriel de (CN , +, ·).

14.2.2 Stabilité de la notion de sous-espace vectoriel

Théorème 14.1 Soit I un ensemble non vide et (Fi )i∈I une famille de
sous-espaces vectoriels d’un K-espace vectoriel E.
\
Fi
i∈I

est un sous-espace vectoriel de E.

T
Démonstration. Pour tout i ∈ I, 0 ∈ Fi donc 0 ∈ Fi . En particulier,
T i∈I
Fi 6= ∅.
i∈I
!2
T
Soit (λ, x, y) ∈ K × Fi et i ∈ I.
i∈I
(λ, x, y) ∈ K×Fi et Fi est un sous-espace vectoriel de E. Donc λx+y ∈ Fi .
T
Donc λx + y ∈ Fi .
T i∈I
Donc Fi est un sous-espace vectoriel de E.
i∈I

Remarque 14.6 Soit E un K-espace vectoriel et A une partie de E. On

appelle F l’ensemble des sous-espaces vectoriels de E contenant A. F =
6 ∅
car E ∈ F .
On pose : \
F = G
G∈F

F est un sous-espace vectoriel de E. A est une partie de F .

F est, au sens de l’inclusion, le plus petit sous-espace vectoriel de E ayant
les deux propriétés précédentes, c’est-à-dire, pour tout sous-espace vectoriel
F ′ de E contenant A, F ⊂ F ′ .
L’espace F est appelé sous-espace vectoriel de E et engendré par A, noté
Vect {A}.
Définition 14.3 Soit E un K-espace vectoriel. On dit que A est une partie
génératrice de A si et seulement si E = Vect {A}.
Exemple 14.5 Vect {∅} = {0}, Vect {E} = E et pour tout x0 ∈ E \ {0},
Vect {x0 } = {λx0 , λ ∈ K}.

Pierron Théo Page 112 Tous droits réservés

 14.2. SOUS-ESPACES VECTORIELS

Proposition 14.1 Soit n ∈ N∗ , E un K-espace vectoriel et (x1 , · · · , xn ) ∈

E n. ( n )
X
Vect {x1 , · · · , xn } = λk xk , (λ1 , · · · , λn ) ∈ Kn

k=1
( n
)
X
Démonstration. On pose F = λk xk , (λ1 , · · · , λn ) ∈ K n
.
k=1
• Comme Vect {x1 , · · · , xn } est un sous-espace vectoriel de E contenant
x1 , · · · xn , F ⊂ Vect {x1 , · · · , xn }.
• – Soit i ∈ J1, nK.
n
X
xi = δi,k xk
k=1

Donc xi ∈ F donc {x1 , · · · , xn } ⊂ F . En particulier F 6= ∅.

– Soit (λ, x, y) ∈ K × F 2 .
n
X
Il existe (λ1 , λ2 , · · · , λn ) ∈ Kn tel que x = λi xi .
k=1
Xn
Il existe (µ1 , µ2, · · · , µn ) ∈ Kn tel que x = µi xi .
k=1

n
X
λx + y = λ(λi + µi )xi
i=1

Or (λλ1 + µ1 , λλ2 + µ2 , · · · , λλn + µn ) ∈ Kn .

– Finalement, F est un sous-espace vectoriel de E contenant (x1 , x2 , · · · , xn )
donc Vect {x1 , · · · , xn } ⊂ F .
Exemple 14.6 On note S l’ensemble des solutions de y ′′ + 3y ′ − 4y = 0.
On travaille dans le R-espace vectoriel RR usuel.
n o
S = Vect x 7→ ex , x 7→ e−4x

En particulier S est un sous-espace vectoriel de RR .

Remarque 14.7 La propriété précédente permet de trouver des sous-espaces
vectoriels sans utiliser la définition.
Exemple 14.7 On pose A = {(λn + (3µ + λ)en )n∈N , (λ, µ) ∈ R2 }. On veut
montrer que A est un R-espace vectoriel.
• On peut utiliser la définition (si le colleur est cinglé).
• On peut montrer à l’aide de la définition que A est un sous-espace
vectoriel de (RN , +, ·).
• On écrit A sous la forme Vect {(n + en )n∈N , (3en )n∈N } donc A est un
sous-espace vectoriel de (RN , +, ·), donc un R-espace vectoriel ;

Pierron Théo Page 113 Tous droits réservés

 CHAPITRE 14. STRUCTURE D’ESPACE VECTORIEL

Remarque 14.8 Le complémentaire d’un sous-espace vectoriel n’est jamais un

sous-espace vectoriel (considérer 0). L’union de deux sous-espaces vectoriels
n’en est pas forcément un.
Exercice : Soit E un K-espace vectoriel. Soit F et G deux sous-espaces
vectoriels de E.
Montrer que F ∪ G est un sous-espace vectoriel de E si et seulement si
(F ⊂ G) ou (G ⊂ F ).
Si F ⊂ G ou G ⊂ F , F ∪ G est un sous-espace vectoriel de E.
On suppose que F ∪ G est un sous-espace vectoriel de E et F 6⊂ G.
Il existe x ∈ F tel que x 6∈ G. x ∈ F ∪ G.
Soit y ∈ G. y ∈ F ∪ G et F ∪ G est un sous-espace vectoriel donc
x + y ∈ F ∪ G.
On suppose x + y ∈ G. G est un espace vectoriel donc x + y − y ∈ G,
donc x ∈ G.
Il y a donc contradiction. Donc x + y 6∈ G. Or x + y ∈ F ∪ G donc
x + y ∈ F.
F est un espace vectoriel donc y + x − x ∈ F donc y ∈ F .
On a donc G ⊂ F .

14.2.3 Somme de sous-espaces vectoriels

Définition 14.4 Soit E un K-espace vectoriel et F et G deux sous-espaces
vectoriels de E. On appelle somme de F et G et on note F + G la partie de
F égale à {x + y, (x, y) ∈ F × G}.
Théorème 14.2 Soit E un K-espace vectoriel et F et G deux sous-espaces
vectoriels de E. F + G est un sous-espace vectoriel de E.

Démonstration.
• (0, 0) ∈ F × G donc 0 ∈ F + G donc F + G 6= ∅.
• Soit (λ, x, y) ∈ K × (F + G)2 .
Il existe (a, b) ∈ F × G tel que x = a + b. Il existe (c, d) ∈ F × G tel
que y = c + d.

λx + y = λa + λb + c + d = (λa + c) + (λb + d)

Or λa + c ∈ F et λb + d ∈ G donc λx + y ∈ F + G.
Donc F + G est un sous-espace vectoriel.

Remarque 14.9
• F + G = Vect {F ∪ G}.

Pierron Théo Page 114 Tous droits réservés

 14.2. SOUS-ESPACES VECTORIELS

• Si F est un sous-espace vectoriel de E distinct de E, Vect {E \ F } = E.

Théorème 14.3 Soit F et G deux sous-espaces vectoriels d’un K-espace
vectoriel E. La décomposition de tout vecteur de F +G en somme d’un vecteur
de F et d’un vecteur de G est unique si et seulement si F ∩ G = {0}.

Démonstration.
• On suppose F ∩ G = {0}.
Soit (x, y, x′ , y ′) ∈ (F × G)2 tel que x + y = x′ + y ′ .
On a x − x′ = y ′ − y. Or x − x′ ∈ F et y ′ − y ∈ G donc (x − x′ , y ′ − y) ∈
(F ∩ G)2 .
Donc x − x′ = 0 et y − y ′ = 0. Donc x = x′ et y = y ′.
• On suppose que tout élément se décompose de manière unique.
Soit x ∈ F ∩ G.
x + (−x) = 0 = 0 + 0
Or (x, −x) ∈ F × G donc 0 = x. Donc F ∩ G ⊂ {0}. L’autre inclusion
est claire.

Définition 14.5 Soit E un K-espace vectoriel, F et G deux sous-espaces

vectoriels de E. On dit que F et G sont en somme directe si et seulement si
F ∩ G = {0}.
On dit que F et G sont supplémentaires si et seulement si tout vecteur
de E se décompose de manière unique sur F × G. Dans ce cas, on note
E = F ⊕ G.
Exemple 14.8
• R2 = Vect {(1, 2)} ⊕ Vect {(3, 7)}.
× ) est un R-espace vectoriel et C = Vect {1} ⊕ Vect {i}.
• (C, +, |{z}
réelle
• On appelle C l’ensemble des suites réelles convergentes, Z l’ensemble
des suites convergant vers 0 et A l’ensemble des suites constantes.
C est un R-espace vectoriel et Z et A sont des sous-espaces vectoriels
de C . De plus, C = Z ⊕ A .

Démonstration.
• Une suite constante qui converge vers 0 est nulle donc Z ∩ A ⊂ {0}.
• Il est clair que {0} ⊂ Z ∩ A .
• Soit u ∈ C . On note l la limite de u.
On note que u = (u − l) + l, u − l ∈ Z et l ∈ A . Donc u ∈ Z + A .
Donc C ⊂ Z + A .
• Il est clair que Z + A ⊂ C .
Finalement, Z ⊕ A = C .

Pierron Théo Page 115 Tous droits réservés

Chapitre 15

Familles de vecteurs

15.1 Décomposition d’un vecteur

15.1.1 Notations
Définition 15.1 Soit I un ensemble non vide. Une famille de vecteurs de
E indicée par I est une application de I → E.
L’ensemble de ces familles est noté E I .
Remarque 15.1 Si I est fini, pour toute famille x ∈ E I , x(I) est fini. La
X
somme des vecteurs manipulés se note xi . De plus, le nombre d’éléments
i∈I
de x(I) est Card(I).
Définition 15.2 Soit I un ensemble non vide et x ∈ E I .
On appelle sous-famille de x toute restriction de x et sur-famille de x tout
prolongement de x.
Remarque 15.2 En pratique on travaille avec des familles finies. Dans ce
cas, on confond, pour tout n ∈ N, E J1,nK et E n .
Définition 15.3 Soit I un ensemble non vide et x ∈ E I .
On appelle combinaison linéaire de x tout vecteur y ∈ E tel qu’il existe
X
λ ∈ KI tel que y = λi xi .
i∈I
On dit qu’on a une relation linéaire dans la famille x ssi il existe une
combinaison linéaire de x nulle à cœfficients non tous nuls.

15.1.2 Familles génératrices

Définition 15.4 Soit I un ensemble, x ∈ E I .
x est dite génératrice ssi Vect {xi , i ∈ I} = E.

125
 CHAPITRE 15. FAMILLES DE VECTEURS

Remarque 15.3
• Si I est finie, Vect {xi , i ∈ I} est l’ensemble des combinaisons linéaires
de la famille x.
• Il existe des espaces vectoriels n’ayant pas de famille génératrice finie,
par exemple K[X].
Démonstration. Supposons qu’il existe une famille (P1 , · · · , Pn ) génératrice
de K[X].
Comme {deg(Pi ), i ∈ J1, nK} est finie, elle admet un plus grand élément
noté p.
n
X
Si P ∈ Vect {P1 , · · · , Pn }, il existe λ1 , · · · , λn ∈ Kn tel que P = λi Pi
i=1
Donc deg(P ) 6 p et K[X] ⊂ Kp [X]. Contradiction.
Définition 15.5 On dit que E est de dimension finie ssi il admet une famille
génératrice finie.
Remarque 15.4 Soit (n, p) ∈ (N∗ )2 et (x1 , · · · , xn , y1 , · · · , yp ) ∈ E n+p .
Si (x1 , · · · , xn ) est génératrice et pour tout i ∈ J1, nK, xi est une combi-
naison linéaire de (y1 , · · · , yp ) alors (y1 , · · · , yp ) est génératrice.
Démonstration. Vect {y1 , · · · , yp } est un sous-espace vectoriel de E qui contient
tous les xi donc E = Vect {x1 , · · · , xn } ⊂ Vect {y1 , · · · , yp}.
Donc E = Vect {y1 , · · · , yp }.
Exemple 15.1 On pose P0 = 1, P1 = X, P2 = X(X − 1) et P3 = X(X −
1)(X − 2).
Soit P ∈ R3 [X]. Montrer qu’il existe (λ, µ, ν, τ ) ∈ R4 tel que P = λP0 +
µP1 + νP2 + τ P3 .
(1, X, X 2 , X 3 ) est génératrice de R3 [X] et on a :
 



P0 =1 


1 = P0

 

 P1 =X  X = P1
ssi
 P2 = X(X − 1)

 

 X 2 = P1 + P2

 

  3
P3 = X(X − 1)(X − 2) X = P1 + 3P2 + P3

Donc (P0 , P1 , P2 , P3 ) est génératrice de R3 [X], d’où le résultat.

15.1.3 Familles libres

Théorème 15.1 Soit n ∈ N∗ , (x1 , · · · , xn ) ∈ E n supposée génératrice.
Les deux assertions suivantes sont équivalentes :
1. il n’y a pas de relation linéaire dans (x1 , · · · , xn )

Pierron Théo Page 126 Tous droits réservés

 15.1. DÉCOMPOSITION D’UN VECTEUR

2. pour tout x ∈ E, il existe un unique (λ1 , · · · , λn ) ∈ Kn tel que x =

n
X
λi xi .
i=1

Démonstration.
1 ⇒ 2 Soit x ∈ E et (λ1 , · · · , λn , µ1 , · · · , µn ) ∈ K2n tel que
n
X n
X
λi xi = x = µi xi
i=1 i=1

n
X
Donc (λi − µi )xi = 0 et par hypothèse, pour tout i ∈ J1, nK, λi = µi .
i=1
n
X
2 ⇒ 1 S’il existe λ1 , · · · , λn ∈ K \ {0} tel que
n
λi xi = 0.
i=1
n
X n
X
On note que 0 = 0xi = λi xi , donc on a deux décompositions
i=1 i=1
distinctes de 0, et la deuxième assertion est fausse.

Définition 15.6 Une famille de vecteurs est dite libre ssi il n’y a pas de
relation linéaire dans la famille.
Une famille de vecteurs est dite liée ssi elle n’est pas libre.
Remarque 15.5
• Une famille contenant le vecteur nul est liée
• Une famille contenant deux fois le même vecteur est liée
• Soit (x1 , · · · , xn+1 ) ∈ E n+1 . Si (x1 , · · · , xn ) est libre et (x1 , · · · , xn+1 )
liée, alors xn+1 est une combinaison linéaire de (x1 , · · · , xn ).
Exemple 15.2 Si (P1 , · · · , Pn ) sont des polynômes non nuls tels que deg(P1 ) <
· · · < deg(Pn ) alors (P1 , · · · , Pn ) est libre.
n
X
Démonstration. Soit (λ1 , · · · , λn ) ∈ K tel que n
λi Pi = 0.
i=1
On pose E = {i ∈ J1, nK, λi 6= 0} et on le suppose non vide. Il admet alors
un plus grand élément noté k.
k−1
X
λi Pi + λk Pk = 0
i=1
k−1
!
X
Or deg(−λk Pk ) = deg(Pk ) et deg λi Pi 6 deg(Pk−1), donc deg(Pk−1 ) >
i=1
deg(Pk ). Contradiction.
Donc E = ∅ et, pour tout i ∈ J1, nK, λi = 0 et (P1 , · · · , Pn ) est libre.

Pierron Théo Page 127 Tous droits réservés

 CHAPITRE 15. FAMILLES DE VECTEURS

15.2 Bases d’un espace vectoriel

15.2.1 Définition et exemples
Définition 15.7 On dit qu’une famille de vecteurs est une base ssi elle est
libre et génératrice.
Ainsi, si (xi )i∈I est une base de E, pour tout x ∈ E, il existe une unique
X
λ ∈ E I tel que y = λi xi .
i∈I
La famille (λi )i∈I s’appelle coordonnées de y dans x.
Exemple 15.3
• C est un C-ev de base 1
• C est un R-ev de base (1, i). Dans ce cas, les coordonnées sont les parties
réelles et imaginaires.
• Kn admet comme base ((δk,p)p∈J1,nK )k∈J1,nK appelée base canonique.
• Kn [X] admet (1, X, · · · , X n ) comme base canonique, et pour tout a ∈
K, (1, X − a, · · · , (X − a)n ) en est une base.
Remarque 15.6 Dans K2 muni de la base canonique ((1, 0), (0, 1)), (1, 2) a
pour coordonnées (1, 2).
Si on le munit de la base ((1, 0), (1, 2)), (1, 2) a pour coordonnées (0, 1).
Ne pas confondre coordonnées et composantes.
Attention aussi à Kn [X] : les coordonnées sur lisent à l’envers, celle des
3X 2 − X + 1 sont (1, −1, 3).

15.2.2 Existence de base

Théorème 15.2 Soit I un ensemble fini non vide, J ⊂ I et x ∈ E I géné-
ratrice et telle que x|J soit libre.
Alors il existe K ⊂ I tel que J ⊂ K et x|K soit une base de E.

Démonstration. On pose E l’ensemble des sur-familles libres de J et N =

{Card(L), L ∈ E}.
Comme J ∈ E, N = 6 ∅ et N est majoré par Card(I) donc N admet un
plus grand élément Card(K) avec K ∈ E.
Montrons que x|K est une base. K ∈ E donc x|K est libre.
Pour tout i ∈ K, xi est clairement une combinaison linéaire de x|K . Soit
i0 ∈ I \ K.
K ∪ {i0 } ⊂ I, J ⊂ K ∪ {i0 } et Card(K ∪ {i0 }) > Card(K), donc x|K∪{i0 }
est liée.
Or x|K est libre donc xi0 ∈ Vect {x|K } et pour tout i, xi ∈ Vect {x|K }.
Or x est génératrice donc x|K aussi.

Pierron Théo Page 128 Tous droits réservés

 15.2. BASES D’UN ESPACE VECTORIEL

Exemple 15.4 Si E est de dimension finie et non réduit à {0}, alors

• E admet une base
• De toute famille génératrice de E, on peut extraire une base (Théorème
de la base extraite)
• Toute famille libre de E peut être complétée en une base (Théorème
de la base incomplète)

15.2.3 Notion de dimension

Proposition 15.1 Si E admet une famille génératrice de n vecteurs alors
toute famille de E de plus de n + 1 vecteurs est liée.
Démonstration. On procède par récurrence. Pour tout n ∈ N∗ , on pose
Hn : Pour tout K-ev E admettant une famille génératrice de n vecteurs,
toute famille de E de plus de n + 1 vecteurs est liée.
• Soit E un ev admettant une famille génératrice à un vecteur noté e.
Soit x, y ∈ E 2 .
Par définition, il existe λ, µ ∈ K2 tel que x = λe et y = µe. Si λ =
µ = 0 alors x et y sont nuls et (x, y) est liée. Sinon, λy − µx est une
combinaison linéaire nulle à cœfficients non tous nuls de (x, y) qui est
aussi liée. D’où H1 .
• Soit n tel que Hn doit vraie, E un K-ev admettant une famille généra-
trice de n + 1 vecteurs (e1 , · · · , en+1 ) et (x1 , · · · , xn+2 ) ∈ E n+2 .
Par définition, pour tout k ∈ J1, n + 2K, il existe (λi,k )i ∈ Kn+1 tel que
n+1
X
xk = λi,k ei
i=1

• Si pour tout k ∈ J1, n + 2K, λn+1,k = 0, x1 , · · · , xn+2 appartiennent

alors en fait à Vect {e1 , · · · , en } qui admet une famille génératrice de n
vecteurs. Cette famille est donc liée par Hn .
• Sinon, il existe k ∈ J1, n+2K tel que λn+1,k 6= 0. Sans perte de généralité,
il est loisible de supposer λn+1,n+2 6= 0. Pour tout k ∈ J1, n + 1K, on
pose alors
λn+1,k
yk = xk − xn+2
λn+1,n+2
On remarque que y1 , · · · , yn+1 appartiennent à Vect {e1 , · · · , en }.
Par Hn , y1 , · · · , yn est liée. Il existe donc µ1 , · · · , µn+1 ∈ Kn+1 tel que
n+1 n+1 n+1
!
X X X
µk λn+1,k
µk yk = 0 ie µk xk − xn+2 = 0
k=1 k=1 k=1 λn+1,n+2

Pierron Théo Page 129 Tous droits réservés

 CHAPITRE 15. FAMILLES DE VECTEURS

Les scalaires apparaissant dans la dernière combinaison linéaire n’étant

pas tous nuls, la famille (x1 , · · · , xn+2 ) est liée.
Finalement, toute famille de n + 2 vecteurs de E est liée, il en est donc
de même de toute famille de plus de n + 2 vecteurs de E. D’où Hn+1 .
• Le principe de récurrence conclut.

Théorème 15.3 Si E est de dimension finie non réduit à {0} alors toutes
les bases de E contiennent le même nombre d’éléments.

Démonstration. Soit b et b′ deux bases de E contenant n et n′ vecteurs.

b est génératrice et b′ est libre, donc n′ 6 n. De même n 6 n′ donc
n = n′ .

Définition 15.8 On suppose E de dimension finie.

Si E = {0}, on appelle dimension de E le nombre 0.
Sinon, on appelle dimension de E le cardinal commun à toutes ses bases.
Dans les deux cas, elle se note dimK (E) ou dim(E) s’il n’y a pas d’ambi-
guïté.
Exemple 15.5
• dimC (C) = 1
• dimR (C) = 2
• dim(Kn ) = n
• dim(Kn [X]) = n + 1
Remarque 15.7 Pour connaître la dimension d’un espace vectoriel de dimen-
sion finie, il suffit d’en trouver une base.
Exemple 15.6 Soit I un intervalle de R, a ∈ C 0 (I).
L’ensemble des solutions de y ′ = ay est un sev de D 1 (I) de dimension 1
car engendré par x 7→ eA(x) avec A une primitive de a.
Proposition 15.2 Si E et E ′ sont de dimension finie, alors E × E ′ est de
dimension finie et dim(E × E ′ ) = dim(E) + dim(E ′ ).

Démonstration. C’est clair si E ou E ′ est réduit à {0}.

Sinon, on note n = dim E et p = dim E ′ . Il existe une base (e1 , · · · , en )
de E et (f1 , · · · , fp ) de E ′ .
Montrons que ((e1 , 0), · · · , (en , 0), (0, f1), · · · , (0, fp )) est une base de E ×
E ′. p
n
X X
• Soit (x, y) ∈ E × E ′ . On écrit x = λi ei et y = µj fj .
i=1 k=1
Alors p
n
X X
(x, y) = λi (ei , 0) + µj (0, fj )
i=1 j=1

Pierron Théo Page 130 Tous droits réservés

 15.2. BASES D’UN ESPACE VECTORIEL

Donc la famille est génératrice.

n
X p
X
• S’il existe λ1 , · · · , λn , µ1 , · · · , µp tel que λi (ei , 0) + µj (0, fj ) = 0
i=1 j=1
alots p
n
X X
λi ei = 0 et µj fj = 0
i=1 j=1

Donc λ = 0 et µ = 0.
D’où dim(E × E ′ ) = n + p.
Définition 15.9 On appelle droite tout ev de dimension 1, plan tout ev de
dimension 2.

15.2.4 Théorème fondamental

Théorème 15.4 On suppose que E est de dimension finie n. Soit (e1 , · · · , en ) ∈
E n.
1. (e1 , · · · , en ) est libre
2. (e1 , · · · , en ) est génératrice
3. (e1 , · · · , en ) est une base
sont trois assertions équivalentes.
Démonstration. Si on prouve 1 ⇔ 2 alors on a le résultat.
1 ⇒ 2 On suppose que (e1 , · · · , en ) n’est pas génératrice. Le théorème
de la base incomplète assure qu’il existe une sur-famille stricte de
(e1 , · · · , en ) qui est une base. Or icelle contient au moins n + 1 vec-
teurs. Contradiction.
2 ⇒ 1 On suppose (e1 , · · · , en ) non libre. On peut alors en extraire une
base qui contient au plus n − 1 vecteurs, ce qui est absurde.
Exemple 15.7
• Soit (P0 , · · · , Pn ) ∈ Kn [X]n+1 tel que pour tout i ∈ J0, nK, deg(Pi ) = i.
Alors (P0 , · · · , Pn ) est une base.
• Soit (a1 , · · · , an ) ∈ Kn . Pour tout i ∈ J1, nK, on pose
YX − aj
Li =
a − aj
j6=i i
n
X
C’est une base de Kn−1 [X]. En effet, si λi Li = 0 alors pour tout
i=1
j ∈ J1, nK,
^
n
X n
X
0= λi Li (aj ) = f (a ) = λ
λi Li j j
i=1 i=1

Pierron Théo Page 131 Tous droits réservés

 CHAPITRE 15. FAMILLES DE VECTEURS

Donc (L1 , · · · , Ln ) est libre dans Kn−1 [X] qui est de dimension n. C’en
est donc une base.

15.3 Étude pratique d’une famille de vecteurs

Soit n ∈ N∗ et (f1 , · · · , fn ) ∈ E n . On construit (g1 , · · · , gn ) ∈ E n en
choisissant i0 ∈ J1, nK, (λ1 , · · · , λn ) ∈ Kn tel que λi0 6= 0, et en posant, pour
n
X
tout i 6= i0 , gi = fi et gi0 = λi fi .
i=1
X λi
On note que pour tout i 6= i0 , fi = gi et fi0 = 1
g
λi0 i0
− gi .
i6=i0 λi0

Théorème 15.5 Vect {f1 , · · · , fn } = Vect {g1 , · · · , gn }. En particulier, f

est génératrice ssi g l’est.
De plus f est libre ssi g l’est.

Démonstration. L’égalité des Vect est déjà montrée.

n
X
On suppose f libre. Soit (µ1 , · · · , µn ) tel que µi gi = 0.
i=1
X
On a µi0 gi0 + µigi = 0.
i6=i0
Donc
X
µi0 λi0 fi0 + (λi µi0 + µi )fi = 0
i6=i0

Or f est libre donc λi0 µi0 = 0 et pour tout i 6= i0 , λi µi0 + µi = 0.

Ainsi µ = 0 et g est libre. De même, si g est libre f aussi.

Définition 15.10 provisoire On appelle rang d’une famille le nombre de

vecteurs utiles de cette famille.
On appelle rang d’une matrice le rang de la famille formée par ses co-
lonnes.
Remarque 15.8 Le théorème précédent assure que le rang est invariant par
pivot de Gauss.
Exemple 15.8 On pose :




A = 1 − 2X + 3X 2 + X 3


B = 1 + X + X2 − X3
2 3
 C + 1 + 2X + 2X + 2X





D = 2 − 2X + 3X 2 − 3X 3

Pierron Théo Page 132 Tous droits réservés

 15.3. ÉTUDE PRATIQUE D’UNE FAMILLE DE VECTEURS

Extraire de (A, B, C, D) une base de Vect {A, B, C, D} et donner les co-

ordonnées de chaque polynôme dans cette base.
Un pivot de Gauss en colonnes assure :

   
1 1 1 2 1 0 0 0
  
 −2 1 2 −2 −2 3 4 2 
rg(A, B, C, D) = rg   = rg 
 

 3 1 2 3  3 −2 −1 −3 
1 −1 2 −3 1 −2 1 −5
   
1 0 0 0 1 0 0 0
   
−2 11 4 22  −2 11 4 0
= rg 
 3
 = rg  =3
 −4 −1 −8
 3
 −4 −1 0
1 0 1 0 1 0 1 0

On en déduit que (A, B, C) est libre et que (A, B, C, D) est liée.

En particulier, (A, B, C) est une base de Vect {A, B, C, D}.
Les coordonnées de A, B et C sont (1, 0, 0), (0, 1, 0) et (0, 0, 1).
En remontant les étapes du pivot, on trouve D = 2B + A − C, donc les
coordonnées de D sont (1, 2, −1).
On a donné un algorithme pour extraire une base d’une famille généra-
trice. Il reste à donner une méthode pour compléter une famille libre en une
base.
Exemple 15.9 On pose f : x 7→ cos(3x) + 1 et g : x 7→ cos(2x) + 3 cos(x).
Montrer que (f, g) est libre dans Vect {1, cos, cos2 , cos3 } = E et compléter
(f, g) en une base de E.
• Montrons que (1, cos, cos2 , cos3 ) est libre. Soit λ, µ, ν, τ tel que λ cos3 +µ cos2 +ν cos +τ =
0.
En π2 , on obtient τ = 0. En 0 et π, on a les relations λ + µ + ν = 0 =
λ − µ + ν.
Donc λ + ν = 0 et µ = 0. En pi3 , λ8 + ν2 = 0 donc λ = ν = 0.
D’où la liberté.
• f = x 7→ 4 cos3 (x) − 3 cos(x) + 1 et g = x 7→ 2 cos2 (x) + 2 cos(x) − 1
par factorisation.
f a pour coordonnées (4, 0, −3, 1) et g (0, 2, 3, −1).
Donc (f, g) est libre.
• On étudie rg(f, g, cos3 , cos2 , cos, 1) en prenant les pivots d’abord dans
les colonnes de f et g.

Pierron Théo Page 133 Tous droits réservés

 CHAPITRE 15. FAMILLES DE VECTEURS

 
4 0 1 0 0 0
 0 2 0 1 0 0
 
rg(f, g, cos3 , cos2 , cos, 1) = rg  
−3 3 0 0 1 0
1 −1 0 0 0 1
 
4 2 1 0 0 −4
 
 0 1 0 1 0 0
= rg 
−3

 0 0 0 1 3 
1 0 0 0 0 0
 
4 2 1 0 0 −4
 
 0 1 0 0 0 0
= rg 
−3

 0 0 0 1 3 
1 0 0 0 0 0
 
4 2 1 0 0 0
 
 0 1 0 0 0 0
= rg 
−3

 0 0 0 1 0
1 0 0 0 0 0

Donc (f, g, cos3 , cos) est une base de E.

15.4 Systèmes linéaires

On suppose E de dimension finie n 6= 0. On munit E d’une base (e1 , · · · , en ).
Soit p 6= 0, (x1 , · · · , xp , y) ∈ E p+1 et (λ1 , · · · , λp ) ∈ Kp .
Pour tout j ∈ J1, pK, on note (α1,j , · · · , αn,j ) les coordonnées de xj dans
(e1 , · · · , en ).
On note (y1 , · · · , yn ) les coordonnées de y dans la même base.
p
X p
X
y= λj xj ssi ∀i ∈ J1, nK, yi = αi,j λj
j=1 j=1

On note ce système d’équations (S).

On note que :
• (x1 , · · · , xp ) est libre ssi l’unique solution homogène du système (S)
d’inconnue (λ1 , · · · , λp ) est 0.
• (x1 , · · · , xp ) est libre ssi (S) admet au plus une solution pour tout
second membre.
• (x1 , · · · , xp ) est génératrice ssi (S) admet au moins une solution pour
tout second membre.

Pierron Théo Page 134 Tous droits réservés

 15.4. SYSTÈMES LINÉAIRES

• Tout système linéaire de n équations à p inconnues peut être interprété

comme une équation vectorielle à p inconnues dans un espace vectoriel
de dimension n muni d’une base.
Théorème 15.6 Soit (S) un système linéaire de n équations à n inconnues.
Les assertions suivantes sont équivalentes :
• (S) admet 0 comme seule solution homogène
• (S) admet au plus une solution pour tout second membre
• (S) admet au moins une solution pour tout second membre
Un tel système est dit de Cramer.

Pierron Théo Page 135 Tous droits réservés

Chapitre 17

Sous-espaces vectoriels d’un

espace vectoriel de dimension
finie

Dans ce chapitre, K est un corps, E un K-espace vectoriel, non réduit à

{0}, de dimension finie notée n.

17.1 Généralités
17.1.1 Dimension d’un sous-espace vectoriel
Théorème 17.1 Soit F un sous-espace vectoriel de E.
• F est de dimension finie et dim(F ) 6 n
• F = E si et seulement si dim(F ) = n

Démonstration.
• L’ensemble F des familles libres de F contient une famille de cardinal
maximal et cette famille est une base de F . On note que les éléments
de F sont des familles libres de E donc possèdent au plus n éléments.
Finalement, F est de dimension finie et dim(F ) 6 n.
• On suppose dim(F ) = n. Il existe une base f de F . f est libre donc f
est une famille libre de vecteurs de E et dim(E) = n.
Donc f est une base de E. E = Vect {f } = F .
• L’autre implication est vraie.

Définition 17.1
• Si n > 2, on appelle hyperplan de E tout sous-espace vectoriel de E de
dimension n − 1.

151
 CHAPITRE 17. SOUS-ESPACES VECTORIELS D’UN ESPACE
VECTORIEL DE DIMENSION FINIE

• Soit f une famille de vecteurs de E. On appelle rang de f et on note

rg(f ) la dimension de Vect {f }.

17.1.2 Représentation d’un sous-espace vectoriel

Soit F un sous-espace vectoriel de E non réduit à {0} et p ∈ N∗ .
Soit (f1 , · · · , fp ) une famille génératrice de F et e = (e1 , · · · , en ) une base
de e.
La donnée des coordonnées de chaque vecteur (f1 , · · · , fp ) dans la base
e permet d’écrire directement un système d’équations paramétriques de F
dans E.
Exercice : On travaille dans R2 [X] muni de sa base canonique c.
On pose F = Vect {1 + X + 2X 2 , 1 + 2X + X 2 , 1 + 3X 2 }. Trouver un
système d’équations cartésiennes de F dans c.
Soit P ∈ R2 [X] de coordonnées (α, β, γ) dans c.

P ∈ F ssi ∃(λ, µ, ν) ∈ R3 , P = λ(1 + X + 2X 2 ) + µ(1 + 2X + X 2 ) + ν(1 + 3X 2 )


λ+µ+ν =α



3
ssi il existe (λ, µ, ν) ∈ R tel que λ + 2µ = β



λ + µ + 3ν = γ

λ+µ+ν =α



3
ssi il existe (λ, µ, ν) ∈ R tel que λ + 2µ = β



γ − 3α + β = 0

Une équation cartésienne de F dans c est −3α + β + γ = 0 où (α, β, γ)

est le nom générique des coordonnées d’un polynôme dans c.
Remarque 17.1 Pour tout sous-espace vectoriel F de E de dimension p,
on a p paramètres dans toute représentation paramétrique optimale et n − p
équations dans toute représentation cartésienne optimale.

17.2 Somme de sous-espaces vectoriels

17.2.1 Généralités
Théorème 17.2 Soit (p, q) ∈ (N∗ )2 . Soit (x1 , · · · , xp+q ) ∈ E p+q .
• Vect {x1 , · · · , xp } + Vect {xp+1 , · · · , xp+q } = Vect {x1 , · · · , xp+q }
• Si (x1 , · · · , xp+q ) est libre, la somme précédente est directe.

Démonstration.

Pierron Théo Page 152 Tous droits réservés

 17.2. SOMME DE SOUS-ESPACES VECTORIELS

• Soit x ∈ Vect {x1 , · · · , xp+q }.

p+q
X
Il existe (λ1 , · · · , λp+q ) ∈ R p+q
tel que x = λi xi .
i=1
p
X q
X
x= λi xi + λi xi
i=1 i=p+1

Donc x ∈ Vect {x1 , · · · , xp } + Vect {xp+1 , · · · , xp+q }.

On procède de même pour la deuxième implication.
• On suppose (x1 , · · · , xp+q ) libre. Soit x ∈ Vect {x1 , · · · , xp }∩Vect {xp+1 , · · · , xp+q }.
p
X
Il existe (λ1 , · · · , λp ) ∈ Kp tel que x = λi xi .
i=1
p+q
X
Il existe (λp+1 , · · · , λp+q ) ∈ Kq tel que x = λi xi .
i=p+1
On a :
p
X p+q
X
λi xi + (−λi )xi = 0
i=1 i=p+1

Or (x1 , · · · , xp+q ) est libre.

Donc, pour tout i ∈ J1, p + qK, λi = 0
Donc x = 0. On a donc Vect {x1 , · · · , xp }∩Vect {xp+1 , · · · , xp+q } ⊂ {0}.
Finalement, Vect {x1 , · · · , xp } ∩ Vect {xp+1 , · · · , xp+q } = {0}.
Remarque 17.2 Quand on « coupe » une base de E en deux, les deux sous-
familles engendrent deux sous-espaces vectoriels supplémentaires.
Exercice : On travaille dans R3 muni de sa base canonique c. On pose :

P = Vect {(1, 1, 1), (2, 5, 1)} et D = Vect {(1, 2, 3)}

Montrer que P ⊕ D = R3 .

 
1 2 1
 
rg((1, 1, 1), (2, 5, 1), (1, 2, 3)) = rg  1 5 2
1 1 3
 
1 0 0
 
= rg  1 1 1
1 −1 2
=3

Donc ((1, 1, 1), (2, 5, 1), (1, 2, 3)) est une famille libre de 3 vecteurs de R3 .
C’est donc une base de R3 .
Donc P ⊕ D = R3 .

Pierron Théo Page 153 Tous droits réservés

 CHAPITRE 17. SOUS-ESPACES VECTORIELS D’UN ESPACE
VECTORIEL DE DIMENSION FINIE

Théorème 17.3 Soit F et G deux sous-espaces vectoriels supplémentaires

de E non réduits à {0}. La concaténation d’une base de F et d’une base de
G est une base de E.
Démonstration. On note p = dim(F ) e q = dim(G). Soit (f1 , · · · , fp ) une
base de F et (g1 , · · · , gq ) une base de G.
p
X q
X
• Soit (λ1 , · · · , λp , µ1 , · · · , µq ) ∈ K p+q
tel que λi fi + µi gi = 0.
i=1 i=1
p
X q
X
On note que λi fi = (−µi )gi .
i=1 i=1
p
X q
X
Comme λi fi ∈ F , (−µi )gi ∈ G et F ∩ G = {0}, on a :
i=1 i=1
p
X q
X
λi fi = 0 et (−µi )gi = 0
i=1 i=1

Or (f1 , · · · , fp ) et (g1 , · · · , gq ) sont libres donc pour tout (i, j) ∈ J1, pK×
J1, qK, λi = 0 = µj .
Donc (f1 , · · · , fp , g1 , · · · , gq ) est libre.
• Soit x ∈ E.
F et G sont supplémentaires donc il existe (a, b) ∈ F × G tel que
x = a + b.
p
X
Il existe (λ1 , · · · , λp ) ∈ Kp tel que a = λi fi .
i=1
Xq
Il existe (µ1 , · · · , µq ) ∈ Kq tel que b = µi gi .
i=1
p
X q
X
Donc x = λi fi + µi gi .
i=1 i=1
Donc x se décompose sur (f1 , · · · , fp , g1 , · · · , gq ). Cette famille est donc
génératrice.
• Finalement, f1 , · · · , fp , g1, · · · , gq ) est une base de E.
Corollaire 17.1 Tout sous-espace vectoriel de E admet un supplémen-
taire.
Démonstration. Soit F un sous-espace vectoriel de E.
• Si F = E ou F = {0}, le résultat est clair.
• On suppose F 6= E et F 6= {0}. On note p = dim(F ).
Par hypothèse, p ∈ J1, n − 1K. Il existe (e1 , · · · , ep ) base de F .
Par définition, (e1 , · · · , ep ) est libre. Le théorème de la base incomplète
assure qu’il existe (ep+1 , · · · , en ) ∈ E n−p tel que (e1 , · · · , en ) soit une
base de E.

Pierron Théo Page 154 Tous droits réservés

 17.2. SOMME DE SOUS-ESPACES VECTORIELS

On a :

Vect {e1 , · · · , ep } ⊕ Vect {ep+1 , · · · , en } = Vect {e1 , · · · , en }

Donc :
f ⊕ Vect {ep+1 , · · · , en } = E
Ce qui assure le résultat.

17.2.2 Dimension
Théorème 17.4 Soit F et G deux sous-espaces vectoriels de E.

dim(F + G) + dim(F ∩ G) = dim(F ) + dim(G)

Démonstration.
• La formule est déjà prouvée si F ∩ G = {0}.
• Il existe un supplémentaire S de F ∩ G dans F .
Montrons que S ⊕ G = F + G.
– Par construction, S ⊂ F donc S + G ⊂ F + G.
– Clairement, {0} ⊂ F + G.
– Soit x ∈ F + G.
Il existe (a, b) ∈ F × G tel que x = a + b.
Il existe (c, d) ∈ S × (F ∩ G) tel que a = c + d.
On note que x = b + c + d, c ∈ S et b + d ∈ G.
Donc x ∈ S + G. Donc F + G ⊂ S + G.
Finalement, F + G = S + G.
– On a S ⊂ F donc (S ∩ G) ⊂ S ∩ (F ∩ G). Donc S ∩ G ⊂ {0}.
Finalement, S ∩ G = {0}.
On a donc S ⊕ G = F + G.
• Comme S ⊕ (F ∩ G) = F , dim(S) + dim(F ∩ G) = dim(F ).
Comme S ⊕ G = F + G, dim(S) + dim(G) = dim(F + G).
Finalement, dim(F ) + dim(G) = dim(F + G) + dim(F ∩ G).

Théorème 17.5 fondamental Soit F et G deux sous-espaces vectoriels

de E tels que dim(F ) + dim(G) = dim(E). Les assertions suivantes sont
équivalentes :
• F ∩ G = {0}
• F +G=E
• F ⊕G = E

Démonstration.

Pierron Théo Page 155 Tous droits réservés

 CHAPITRE 17. SOUS-ESPACES VECTORIELS D’UN ESPACE
VECTORIEL DE DIMENSION FINIE

• On suppose F ∩ G = {0}.
On a dim(F ) + dim(G) = dim(F + G) + dim(F ∩G) donc dim(F + G) =
dim(E).
Or F + G ⊂ E.
Donc E = F + G.
Donc E = F ⊕ G.
• On suppose E = F + G.
On a dim(F ) + dim(G) = dim(F + G) + dim(F ∩G) donc dim(F + G) =
dim(E).
Donc dim(F ∩ G) = 0.
Donc F ∩ G = {0}.
Donc E = F ⊕ G.
• Si E = F ⊕ G, E = F + G et F ∩ G = {0}.

Pierron Théo Page 156 Tous droits réservés