Table des matières

1 Espaces vectoriels 2
1.1 Dé…nition et premières propriétés . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Combinaison linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Indépendance linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.5.1 Dimension d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . 16

1
Chapitre 1

Espaces vectoriels

Le but de ce chapitre est de reconnaître et de décrire la structure d’espace vectoriel

ainsi que des problèmes relatifs aux notions de combinaison linéaire, de dépendance et
d’indépendance linéaire, de système générateur et de base.

1.1 Dé…nition et premières propriétés

Dé…nition 1.1.1 Un K-espace vectoriel est un ensemble non vide E muni :
d’une loi de composition interne, c’est-à-dire d’une application de E E dans E :

E E ! E

(u; v) 7! u + v.

d’une loi de composition externe, c’est-à-dire d’une application de K E dans E :

K E ! E

( ; u) 7! :u.

qui véri…ent les propriétés suivantes :

I. (E; +) est un groupe abélien.
II. 8 ( ; ) 2 K 2 , 8 (x; y) 2 E 2 , on a :
1. ( + ) :x = :x + :x

2
Chapitre 2 : Espaces vectoriels

2. : (x + y) = :x + :y
3. : ( :x) = ( : ) :x
4. 1K :x = x (1K l’élément neutre de de la multiplication de K).

Remarque 1.1.1 Les éléments de E sont appelés des vecteurs. Les éléments de K sont
appelés des scalaires.

Exemple 1.1.1 I. (Le R-espace vectoriel R2 ).

Posons K = R et E = R2 .

R2 = f(x; y) =x 2 R; y 2 Rg

où la loi interne + et la loi externe : sont données par :

8 (x; y) ; (x0 ; y 0 ) 2 R2 ; (x; y) + (x0 ; y 0 ) = (x + x0 ; y + y 0 ) :

8 (x; y) 2 R2 ; 8 2 R; : (x; y) = ( :x; :y) :

(R2 ; +; :) est un espace vectoriel sur R car :

i. (R2 ; +) est un groupe abélien. (La loi interne + est commutative et associative,
l’élément neutre est le vecteur nul (0; 0) et le symétrique de (x; y) est ( x; y)).
ii. 8 ( ; ) 2 R2 , 8 (x; y), (x0 ; y 0 ) 2 R2 , on a :
1)

( + ) : (x; y) = (( + ) x; ( + ) y)

= ( x + x; y + y)

= ( x; y) + ( x; y)

= (x; y) + (x; y) :

2)

: [(x; y) + (x0 ; y 0 )] = : (x + x0 ; y + y 0 )

= ( : (x + x0 ) ; : (y + y 0 ))

= ( :x + :x0 ; :y + :y 0 )

= ( :x; :y) + ( :x0 ; :y 0 )

= : (x; y) + : (x0 ; y 0 ) :

3
Chapitre 2 : Espaces vectoriels

3)

: ( : (x; y)) = : ( :x; :y)

= ( : :x; : :y)

= ( : ) : (x; y) :

4)
1: (x; y) = (1:x; 1:y) = (x; y) :

II. (L’espace vectoriel des fonctions de R dans R).

L’ensemble des fonctions f : R ! R est noté par F(R; R): La loi interne + et la loi
externe : sont données par :
8f; g 2 F(R; R), la fonction f + g est dé…nie par :

8x 2 R; (f + g) (x) = f (x) + g (x) :

8f 2 F(R; R), 8 2 R, la fonction :f est dé…nie par :

8x 2 R; ( :f ) (x) = :f (x) :

(F(R; R); +; :) est un espace vectoriel sur R car :

i. (F(R; R); +) est un groupe abélien. (La loi interne + est commutative et associative,
l’élément neutre est est la fonction nulle, dé…nie par : 8x 2 R; f (x) = 0; et le symétrique
de f est l’application g de R dans R dé…nie par : 8x 2 R; g(x) = f (x)).
ii. 8 ( ; ) 2 R2 , 8f , g 2 F(R; R), on a :
1)

8x 2 R, (( + ) :f ) (x) = ( + ) :f (x)

= :f (x) + :f (x)

= ( :f ) (x) + ( :f ) (x) ,

donc
( + ) :f = :f + :f

4
Chapitre 2 : Espaces vectoriels

2)

8x 2 R, ( : (f + g)) (x) = : (f + g) (x)

= : (f (x) + g (x))

= :f (x) + :g (x)

= ( :f + :g) (x) ,

donc
: (f + g) = :f + :g

3)

8x 2 R, ( : ( :f )) (x) = : ( :f ) (x)

= : :f (x)

= ( : ) :f (x)

= (( : ) :f ) (x) ,

donc
: ( :f ) = ( : ) :f

4)
8x 2 R, (1:f ) (x) = 1:f (x) = f (x) ,

donc
1:f = f

Proposition 1.1.1 Soit E un espace vectoriel sur un corps K. Soient u 2 E et 2 K.

Alors on a :
1. 0K :u = 0E
2. :0E = 0E
3. ( 1K ) :u = u
4. :u = 0E , = 0K ou u = 0E

5
Chapitre 2 : Espaces vectoriels

Preuve. 1) On a

0K + 0K = 0K

) (0K + 0K ) :u = 0K :u

) 0K :u + 0K :u = 0K :u

) 0K :u + 0K :u (0K :u) = 0K :u (0K :u)

) 0K :u + 0E = 0E

) 0K :u = 0E :

2) La preuve est semblable en partant de l’égalité

0E + 0E = 0E :

3) On a

u + ( 1K ) u = 1K :u + ( 1K ) u

= (1K + ( 1K )) :u

= 0K :u = 0E ,

donc ( 1K ) u est le symétrique de u, c-à-d

( 1K ) :u = u:

4) D’après les propriétés précédentes, on a :

si = 0K ou u = 0E alors :u = 0E :

Pour la réciproque, soient 2 K un scalaire et u 2 E un vecteur tels que :u = 0E :

Supposons di¤érent de 0K . On doit alors montrer que u = 0E . Comme 6= 0K ,
1
alors est inversible pour le produit dans le corps K. Soit son inverse.
On a

:u = 0E
1 1
) : ( :u) = :0E
1 1
) : :u = :0E

) (1K ) :u = 0E

) u = 0E .

6
Chapitre 2 : Espaces vectoriels

1.2 Sous-espace vectoriel

Dé…nition 1.2.1 Soit E un K-espace vectoriel. Une partie F de E est appelée un sous-
espace vectoriel si :
1) 0E 2 F:
2) 8u; v 2 F , u + v 2 F:
3) 8u 2 F , 8 2 K, :u 2 F:

Exemple 1.2.1 1. L’ensemble F1 = f(x; y) 2 R2 =x + y = 0g est un sous-espace vectoriel

de R2 . En e¤et :
(a) (0; 0) 2 F1 ,
(b) 8 (x; y) ; (x0 ; y 0 ) 2 F1 , on a
8
< x+y =0
,
: x0 + y 0 = 0

donc
(x + x0 ) + (y + y 0 ) = 0

et ainsi
(x + x0 ; y + y 0 ) = (x; y) + (x0 ; y 0 ) 2 F1 .

(c) 8 (x; y) 2 F1 , 8 2 R, ona

x + y = 0,

donc
:x + :y = 0

d’où
( :x; :y) = : (x; y) 2 F1 .

2. L’ensemble F2 = f(x; y) 2 R2 =x + y = 2g n’est pas un sous-espace vectoriel de R2 .

En e¤et le vecteur nul (0; 0) n’appartient pas à F2 :

7
Chapitre 2 : Espaces vectoriels

3. L’ensemble F3 = f(x; y) 2 R2 =x = 0 ou y = 0g n’est pas un sous-espace vectoriel

de R2 .
En e¤et les vecteurs u = (1; 0) et v = (0; 1) appartiennent à F3 , mais pas le vecteur
u + v = (1; 1) 2
= F3 .

Proposition 1.2.1 Soient F , G deux sous-espaces vectoriels d’un K-espace vectoriel E.

- L’intersection F \ G est aussi un sous-espace vectoriel de E.
- La réunion F [ G n’est pas en général un sous-espace vectoriel de E.

Exemple 1.2.2 Soient F1 = f(x; 0) =x 2 Rg, F2 = f(0; y) =y 2 Rg deux sous-espaces

vectoriels de R2 , la réunion F1 [ F2 = f(x; 0) ; (0; y) =x; y 2 Rg n’est pas un s-e-v de R2 car
9 (1; 0), (0; 1) 2 F1 [ F2 mais (1; 0) + (0; 1) = (1; 1) 2
= F1 [ F2 :

Somme de deux sous-espaces vectoriels

Dé…nition 1.2.2 Soient F et G deux sous-espaces vectoriels d’un K-espace vectoriel E.

L’ensemble
F + G = fu + v=u 2 F; v 2 Gg

est appelé somme des sous-espaces vectoriels F et G.

Proposition 1.2.2 Soient F et G deux sous-espaces vectoriels du K-espace vectoriel E.

1. F + G est un sous-espace vectoriel de E.
2. F + G est le plus petit sous-espace vectoriel contenant à la fois F et G.

Sous-espaces vectoriels supplémentaires

Dé…nition 1.2.3 Soient F et G deux sous-espaces vectoriels de E. F et G sont en

somme directe dans E si
F \ G = f0E g :
F + G = E.
On note alors F G = E.
Si F et G sont en somme directe, on dit que F et G sont des sous-espaces vectoriels
supplémentaires dans E.

8
Chapitre 2 : Espaces vectoriels

Exemple 1.2.3 1. Soient F = f(x; 0) =x 2 Rg, G = f(x; x) =x 2 Rg : Montrons que

F G = R2 :
(a) Montrons que F \ G = f(0; 0)g :
Si (x; y) 2 F \ G, alors d’une part (x; y) 2 F donc y = 0, et aussi (x; y) 2 G donc
x = y . Ainsi (x; y) = (0; 0).
(b) Montrons que F + G = R2 .
8 (x; y) 2 R2 , on a

(x; y) = (x y; 0) + (y; y) 2 F + G.

Proposition 1.2.3 F et G sont supplémentaires dans E si et seulement si tout élément

de E s’écrit d’une manière unique comme la somme d’un élément de F et d’un élément
de G.

1.3 Combinaison linéaire

Dé…nition 1.3.1 Soit n 1 un entier, soient v1 , v2 , ...,vn , n vecteurs d’un espace
vectoriel E. Tout vecteur de la forme

u= 1 v1 + 2 v2 + ::: + n vn

(où 1, 2, ..., n sont des éléments de K) est appelé combinaison linéaire des vecteurs v1 ,
v2 , ...,vn :
Les scalaires 1, 2, ..., n sont appelés coe¢ cients de la combinaison linéaire.

Remarque 1.3.1 Si n = 1, alors u = 1 v1 et on dit que u est colinéaire à v1 :

Exemple 1.3.1 1. Dans le R-espace vectoriel R3 , (3; 3; 1) est combinaison linéaire des
vecteurs (1; 1; 0) et (1; 1; 1) car on a l’égalité

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

9
Chapitre 2 : Espaces vectoriels

2. Soient u = (1; 2; 1) et v = (6; 4; 2) : Montrons que w = (4; 1; 8) n’est pas une

combinaison linéaire de u et v . L’égalité
8
>
> 4= +6
>
<
(4; 1; 8) = (1; 2; 1) + (6; 4; 2) , 1=2 +4 .
>
>
>
: 8= +2

Or ce système n’a aucune solution. Donc il n’existe pas , 2 R tels que w = u+v.

Théorème 1.3.1 (Caractérisation d’un sous-espace par la notion de combinaison linéaire):

Soient E un K-espace vectoriel et F une partie non vide de E. F est un sous-espace

vectoriel de E si et seulement si

u + v 2 F pour tous u; v 2 F et tous ; 2 K:

Autrement dit, F est un sous-espace vectoriel de E si et seulement si toute combinaison

linéaire de deux éléments de F appartient à F .

Preuve. Supposons que F soit un sous-espace vectoriel. Et soient u; v 2 F , ,

2 K. Alors par la dé…nition de sous-espace vectoriel :

u 2 F et v 2 F

et ainsi
u + v 2 F:

Réciproquement, supposons que pour chaque u; v 2 F , , 2 K on a u + v 2 F:

- Comme F n’est pas vide, soient u; v 2 F . Posons = = 0. Alors

u + v = 0E 2 F .

- Si u; v 2 F , alors en posant = = 1 on obtient

u + v 2 F.

- Si u 2 F et 2 K (et pour n’importe quel v , en posant = 0), alors

u 2 F.

10
Chapitre 2 : Espaces vectoriels

Théorème 1.3.2 Soit fv1 ; v2 ; :::; vn g un ensemble …ni de vecteurs d’un K-espace vectoriel
E. Alors :
L’ensemble des combinaisons linéaires des vecteurs fv1 ; v2 ; :::; vn g est un sous-espace
vectoriel de E.
C’est le plus petit sous-espace vectoriel de E (au sens de l’inclusion) contenant les
vecteurs fv1 ; v2 ; :::; vn g.

Notation. Ce sous-espace vectoriel est appelé sous-espace engendré par v1 ; v2 ; :::; vn

et est noté V ect (v1 ; v2 ; :::; vn ).
Preuve. 1. On appelle F l’ensemble des combinaisons linéaires des vecteurs
fv1 ; v2 ; :::; vn g.
(a) 0E 2 F car F contient la combinaison linéaire particulière 0K v1 +0K v2 +:::+0K vn :
(b) Si u; v 2 F , alors 9 ( 1 ; 2 ; :::; n ), ( 1 ; 2 ; :::; n ) 2 K tq
8
< u = v + v + ::: + v
1 1 2 2 n n
,
: v = v1 + v2 + ::: + vn
1 2 n

doncu

+v = ( 1 + 1 ) v1 +( 2 + 2 ) v2 + ::: + ( n + n ) vn 2 F.

(c) De même,

:u = : ( 1 v1 + 2 v2 + ::: + n vn )

= ( : 1 ) v1 + ( : 2 ) v2 + ::: + ( : n ) vn 2 F:

donc : F est un sous-espace vectoriel.

2. Si G est un sous-espace vectoriel contenant fv1 ; v2 ; :::; vn g, alors il est stable
par combinaison linéaire ; il contient donc toute combinaison linéaire des vecteurs
fv1 ; v2 ; :::; vn g. Par conséquent F est inclus dans G : F est le plus petit sous-espace
(au sens de l’inclusion) contenant fv1 ; v2 ; :::; vn g :

11
Chapitre 2 : Espaces vectoriels

1.4 Indépendance linéaire

Dé…nition 1.4.1 Une famille fv1 ; v2 ; :::; vp g de E est une famille libre ou linéairement
indépendante si toute combinaison linéaire nulle

1 v1 + 2 v2 + ::: + p vp =0

est telle que tous ses coe¢ cients sont nuls, c’est-à-dire

1 = 0, 2 = 0,..., p = 0:

Dans le cas contraire, c’est-à-dire s’il existe une combinaison linéaire nulle à coe¢ -
cients non tous nuls, on dit que la famille est liée ou linéairement dépendante. Une telle
combinaison linéaire s’appelle alors une relation de dépendance linéaire entre les vj .

Exemple 1.4.1 1. Soient v1 = (1; 1; 1), v2 = (2; 1; 0), v3 = (2; 1; 1). Est-ce que la
famille fv1 ; v2 ; v3 g est libre ou liée ?
On a : 8
>
> +2 +2 =0
>
< 1 2 3

1 v1 + 2 v2 + 3 v3 =0, 1 2 + 3 =0 .
>
>
>
: 1 + 3 =0
On résout ce système et on trouve comme seule solution 1 = 0, 2 = 0, 3 = 0: La
famille fv1 ; v2 ; v3 g est donc une famille libre.
2. Considérons la famille v1 = (1; 2; 3), v2 = (4; 5; 6), v3 = (2; 1; 0). On souhaite
déterminer si elle est libre ou liée. On cherche des scalaires ( 1 ; 2; 3) tels que

1 (1; 2; 3) + 2 (4; 5; 6) + 3 (2; 1; 0) = 0

ce qui équivaut au système :

8
>
> +4 +2 =0
>
< 1 2 3

2 1 +5 2 + 3 =0 .
>
>
>
: 3 1 +6 2 =0

On calcule que ce système est équivalent à :

8
< 2 3=0
1
.
: 2+ 3=0

12
Chapitre 2 : Espaces vectoriels

Ce système a une in…nité de solutions et en prenant par exemple 3 = 1 on obtient 1 =2

et 2 = 1, donc la famille fv1 ; v2 ; v3 g est une famille liée.

Théorème 1.4.1 Soit E un K-espace vectoriel. Une famille F = fv1 ; v2 ; :::; vp g de p 2

vecteurs de E est une famille liée si et seulement si au moins un des vecteurs de F est
combinaison linéaire des autres vecteurs de F .

Preuve. Supposons d’abord F liée. Il existe alors une relation de dépendance

linéaire
1 v1 + 2 v2 + ::: + p vp = 0,

avec k 6= 0 pour au moins un indice k. Donc

k vk = 1 v1 2 v2 ::: p vp ;

Comme k 6= 0, on a

1 2 p
vk = v1 v2 ::: vp ,
k k k

c’est-à-dire que vk est combinaison linéaire des autres vecteurs de F .

Réciproquement, supposons que pour un certain k, on a

vk = 1 v1 + 2 v2 + ::: + p vp ,

alors
1 v1 + 2 v2 + ::: vk + ::: + p vp =0

ce qui est une relation de dépendance linéaire pour F (puisque 1 6= 0) et ainsi la

famille F est liée.

Dé…nition 1.4.2 Soient v1 ; v2 ; :::; vp des vecteurs de E. La famille fv1 ; v2 ; :::; vp g est une
famille génératrice de l’espace vectoriel E si tout vecteur de E est une combinaison linéaire
des vecteurs v1 ; v2 ; :::; vp . C-à-d

8v 2 E, 9 1 ; 2 ; :::; p 2 K tq v = 1 v1 + 2 v2 + ::: + p vp .

On dit aussi que la famille fv1 ; v2 ; :::; vp g engendre l’espace vectoriel E.

13
Chapitre 2 : Espaces vectoriels

Exemple 1.4.2 1. Considérons par exemple les vecteurs v1 = (1; 0; 0), v2 = (0; 1; 0),
v3 = (0; 0; 1) de E = R3 . La famille fv1 ; v2 ; v3 g est génératrice car tout vecteur v =
(x; y; z) de R3 peut s’écrire

(x; y; z) = x (1; 0; 0) + y (0; 1; 0) + z (0; 0; 1) .

2. Soit maintenant v10 = (2; 1), v20 = (1; 1) de R2 . Alors fv10 ; v20 g est aussi une famille
génératrice.
En e¤et, soit v = (x; y) un élément quelconque de R2 : Montrer que v est combinaison
linéaire de fv10 ; v20 g revient à démontrer l’existence de deux réels et tels que

v = v10 + v20 :

Il s’agit donc d’étudier l’existence de solutions au système :

8
< 2 + =x
.
: + =y

Il a pour solution
=x y, = x + 2y

et ceci, quels que soient les réels x et y . Ceci prouve qu’il peut exister plusieurs familles
…nies di¤érentes, non incluses les unes dans les autres, engendrant le même espace vec-
toriel.

1.5 Base
Dé…nition 1.5.1 Soit E un K-espace vectoriel. Une famille B = fv1 ; v2 ; :::; vn g de
vecteurs de E est une base de E si B est une famille libre et génératrice.

Exemple 1.5.1 1. Les vecteurs de Rn : e1 = (1; 0; :::; 0), e2 = (0; 1; :::; 0),..., en =
(0; 0; :::; 1) forment une base de Rn , appelée la base canonique de Rn :
2. Soit v10 = (2; 1), v20 = (1; 1). Montrons que la famille B = fv10 ; v20 g est une base de
R2 .

14
Chapitre 2 : Espaces vectoriels

D’aprés l’exemple précédent, B est une famille génératrice, il nous restera à montrer
que B est une famille libre. On cherche 1, 2 2 R tels que

0 0
1 v1 + 2 v2 + 0.

Ceci conduit au système suivant :

8
< 2 + =0
1 2
.
: 1+ 2 =0

On résout ce système et on trouve comme seule solution 1 = 0, 2 = 0:

La famille fv10 ; v20 g est donc une famille libre, et par suite, B est une base de R2 .

Théorème 1.5.1 Soit B = fv1 ; v2 ; :::; vn g une base de l’espace vectoriel E. Tout vecteur
v 2 E s’exprime de façon unique comme combinaison linéaire d’éléments de B. Autrement
dit, il existe des scalaires 1; 2 ; :::; n 2 K uniques tels que :

v= 1 v1 + 2 v2 + ::: + n vn .

- ( 1; 2 ; :::; n) s’appellent les coordonnées du vecteur v dans la base B.

Preuve. Par dé…nition, B est une famille génératrice de E, donc pour tout v 2
E il existe 1; 2 ; :::; n 2 K tq :

v= 1 v1 + 2 v2 + ::: + n vn .

Cela prouve la partie existence.

Il reste à montrer l’unicité des 1; 2 ; :::; n: Soient 1; 2 ; :::; n 2 K d’autres
scalaires tels que
v= 1 v1 + 2 v2 + ::: + n vn .

Alors, par di¤érence on a :

( 1 1 ) v1 +( 2 2 ) v2 + ::: + ( n n ) vn = 0:

Comme B est une famille libre, ceci implique

1 1 = 0, 2 2 = 0,..., n n =0

15
Chapitre 2 : Espaces vectoriels

et donc
1 = 1, 2 = 2 ,..., n = n:

Théorème 1.5.2 (Théorème de la base incomplète)

Soit E un K-espace vectoriel admettant une famille génératrice …nie.
1. Toute famille libre L peut être complétée en une base. C’est-à-dire qu’il existe une
famille F telle que L [ F soit une famille libre et génératrice de E.
2. De toute famille génératrice G on peut extraire une base de E. C’est-à-dire qu’il
existe une famille B G telle que B soit une famille libre et génératrice de E.

1.5.1 Dimension d’un espace vectoriel

Dé…nition 1.5.2 - Un K-espace vectoriel E admettant une base ayant un nombre …ni
d’éléments est dit de dimension …nie.
- La dimension d’un espace vectoriel de dimension …nie E, notée dimE, est par dé…-
nition le nombre d’éléments d’une base de E.

Convention. dim f0g = 0:

Exemple 1.5.2 Puisque e1 = (1; 0; :::; 0), e2 = (0; 1; :::; 0),..., en = (0; 0; :::; 1) forment
une base de Rn , alors dimRn = n:

Théorème 1.5.3 Soit E un K-espace vectoriel de dimension …nie.

1. Alors tout sous-espace vectoriel F de E est de dimension …nie.
2. dimF dimE:
3. F = E , dimF = dimE:

Preuve. Soit E un espace vectoriel de dimension n et soit F un sous-espace

vectoriel de E. Si F = f0g il n’y a rien à montrer. On suppose donc F 6= f0g et
soit v un élément non nul de F . La famille fvg est une famille libre de F , donc F
contient des familles libres. Toute famille libre d’éléments de F étant une famille libre

16
Chapitre 2 : Espaces vectoriels

d’éléments de E (voir la dé…nition des familles libres), alors comme E est de dimension
n, toutes les familles libres de F ont au plus n éléments.
On considère l’ensemble K des entiers k tels qu’il existe une famille libre de F
ayant k éléments :

K = fk 2 N=9 fv1 ; v2 ; :::; vk g F et fv1 ; v2 ; :::; vk g est une famille libre de F g

Cet ensemble K est non vide (car 1 2 K ) ; K est un sous-ensemble borné de N

(puisque tout élément de K est compris entre 1 et n) donc K admet un maximum.
Notons p ce maximum et soit fv1 ; v2 ; :::; vP g une famille libre de F ayant p éléments.
Montrons que fv1 ; v2 ; :::; vP g est aussi génératrice de F . Par l’absurde, s’il existe w
un élément de F qui n’est pas dans V ect (v1 ; v2 ; :::; vP ), alors la famille fv1 ; v2 ; :::; vP ; wg
ne peut pas être libre (si non p ne serait pas le maximum de K ). La famille fv1 ; v2 ; :::; vP ; wg
est donc liée, mais alors la relation de dépendance linéaire implique que w 2 V ect (v1 ; v2 ; :::; vP )
, ce qui est une contradiction.
Conclusion : (v1 ; v2 ; :::; vP ) est une famille libre et génératrice, donc est une base
de F .
On a ainsi démontré simultanément que :
- F est de dimension …nie (puisque (v1 ; v2 ; :::; vP ) est une base de F ).
- Ainsi dimF = p, donc dimF dimE (puisque toute famille libre de F a au plus
n éléments).
- De plus, lorsque p = n, l’ensemble fv1 ; v2 ; :::; vP g, qui est une base de F , est
aussi une base de E. Tout élément de E s’écrit comme une combinaison linéaire de
v1 ; v2 ; :::; vP , d’où E = F .

Théorème 1.5.4 (Théorème des quatre dimensions).

Soient E un espace vectoriel de dimension …nie et F , G des sous-espaces vectoriels
de E. Alors :
dim (F + G) = dim F + dim G dim (F \ G) :

Corollaire 1.5.1 Si E = F G, alors dimE = dimF + dimG.

17