Espaces vectoriels

Mathématiques - Licence 1 (semestre 2)

2025 – 2026

1 / 51
Sommaire

1 Espaces vectoriels

2 Familles de vecteurs

3 Dimension des espaces vectoriels

Exemples introductifs – Vecteurs du plan

#» #»
Le plan est muni d’un repère (O; i ; j ).
• Si #»
u a pour coordonnées (x , y ) et #»
v a pour coordonnées (x ′ , y ′ ),
alors #»
u + #»
v est le vecteur du plan de coordonnées (x + x ′ , y + y ′ ).
• Si λ est un nombre réel, alors λ #»
u est le vecteur du plan de
coordonnées (λx , λy ).
Par exemple :

(1, −2) + (3, 0) = (4, −2) = 2(2, −1),

( )
1
π 2, − + (−2π, −1) = −2(0, 1).
π

3 / 51
Exemples introductifs – Vecteurs de Rn
Soit n ∈ N∗ .
• Un n-uplet de nombres réels est la donnée ordonnée de n nombres
réels.
On note (x1 , . . . , xn ) un n-uplet et Rn l’ensemble de tous les
n-uplets, c’est-à-dire

Rn = {(x1 , . . . , xn ) | x1 ∈ R, . . . , xn ∈ R}.

• Si u = (x1 , . . . , xn ) et v = (y1 , . . . , yn ) sont deux n-uplets et λ un

nombre réel, on définit les n-uplets

u + v = (x1 + y1 , . . . , xn + yn ) et λu = (λx1 , . . . , λxn ).

• Les mêmes règles de calcul que celles vues en Outils Mathématiques

1 pour les vecteurs du plan (n = 2) ou de l’espace (n = 3)
s’appliquent dans Rn (avec ces deux opérations).

4 / 51
Exemples introductifs – Matrices

Soient n ∈ N∗ , p ∈ N∗ .
• On note Mn,p (R) l’ensemble des matrices à n lignes et p colonnes à
coefficients réels.
• Si A = (ai,j )1≤i≤n et B = (bi,j )1≤i≤n sont deux matrices de Mn,p (R)
1≤j≤p 1≤j≤p
et λ est un nombre réel, on définit les matrices de Mn,p (R)
suivantes :

A + B = (ai,j + bi,j )1≤i≤n et λA = (λai,j )1≤i≤n .

1≤j≤p 1≤j≤p

• On a vu au S1 les propriétés satisfaites par l’addition et le produit

par un nombre réel : associativité, distributivité, existence d’un
élément neutre, d’un opposé, etc.

5 / 51
Exemples introductifs

Les ensembles Rn et Mn,p (R), munis des deux opérations décrites, sont
des exemples d’espaces vectoriels.

6 / 51
Définition d’un espace vectoriel – addition
Définition 1
On dit qu’un ensemble non vide E est muni d’une addition, notée +, si on
donne une façon d’associer à tous u, v de E , un élément u + v de E . On
considère les propriétés suivantes :
1 La loi + est associative : pour tous u, v , w de E , on a
(u + v ) + w = u + (v + w ).
2 La loi + admet un élément neutre : il existe un élément dans E ,
noté 0E , tel que, pour tout u ∈ E ,
u + 0E = u = 0E + u.
3 On suppose que la loi + admet un élément neutre 0E .
Tout élément de E admet un opposé (symétrique pour la loi +) :
pour tout u ∈ E , il existe dans E un élément, noté −u, tel que
u + (−u) = 0E = (−u) + u.
4 La loi + est commutative : pour tous u, v de E , on a
u + v = v + u.
7 / 51
Définition d’un espace vectoriel – produit externe
Définition 2
Soit E un ensemble non vide muni d’une addition +. On dit que E est
muni d’un produit externe · si on donne une façon d’associer à tout
u ∈ E et tout nombre réel λ ∈ R un élément λ · u de E .
On considère les propriétés suivantes :
5 Distributivité sur l’addition de E : pour tous u, v de E , et pour
tout λ ∈ R, on a
λ · (u + v ) = λ · u + λ · v .
6 Distributivité sur l’addition de R : pour tous λ, µ de R, et pour
tout u ∈ E , on a
(λ + µ) · u = λ · u + µ · u.
7 Associativité : pour tous λ, µ de R, et pour tout u ∈ E , on a

(λµ) · u = λ · (µ · u).

8 Pour tout u ∈ E , on a 1 · u = u.
8 / 51
Définition d’un espace vectoriel

Définition 3
On appelle espace vectoriel sur R (en abrégé : R-e.v. ou simplement
e.v.) tout ensemble non vide E muni d’une addition + et d’un produit
externe · vérifiant les propriétés 1 à 8 précédentes.
Les éléments de E sont appelés vecteurs.
Les éléments de R sont appelés scalaires.
Le vecteur 0E est appelé le vecteur nul.

Exemple 4

Soit A une partie non vide de R. L’ensemble F(A, R) des fonctions

définies sur A et à valeurs réelles est un espace vectoriel pour l’addition et
le produit externe définis, pour tous f : A → R, g : A → R et λ ∈ R, par :

∀x ∈ A, (f + g)(x ) = f (x ) + g(x ) et (λ · f )(x ) = λf (x ).

9 / 51
R-espaces vectoriels de référence

Les ensembles qui suivent sont des espaces vectoriels sur R qui servent
de référence.
Soient n ∈ N∗ , p ∈ N∗ .
• Rn , l’ensemble des vecteurs (x1 , . . . , xn ) avec x1 , . . . , xn réels ;
• Mn,p (R), l’ensemble des matrices à n lignes et p colonnes à
coefficients réels, en particulier Mn (R) ;
• R[X ], l’ensemble des polynômes à coefficients réels ;
• Rn [X ], l’ensemble des polynômes de R[X ] de degré ≤ n ;
• F(A, R), avec A ⊂ R, l’ensemble des fonctions de A dans R ;
• RN = F(N, R), l’ensemble des suites réelles (un )n∈N , pour l’addition
et le produit externe définis dans le chapitre 2 et l’exemple 4.

10 / 51
Règles de calcul dans un espace vectoriel E
Proposition 5
1 L’élément neutre 0E est unique : si un vecteur v ∈ E est tel que
pour tout u ∈ E on a v + u = u = u + v , alors v = 0E .
2 Si u ∈ E , l’opposé −u de u est unique : si v ∈ E est tel que
u + v = 0E = v + u alors v = −u.
3 Pour tous u, v de E , on pose u − v = u + (−v ). On a les règles de
calcul suivantes, valables pour tous u, v , w de E et tous λ, µ de R :
a si u + v = u + w , alors v = w ;
b λ · 0E = 0E ;
c 0 · u = 0E ;
d −(λ · u) = (−λ) · u = λ · (−u) ;
e λ · (u − v ) = λ · u − (λ · v ) ;
f (λ − µ) · u = λ · u − (µ · u) ;
g si λ · u = 0E , alors λ = 0 ou u = 0E ;
h si λ · u = µ · u et u ̸= 0E , alors λ = µ ;
i si λ · u = λ · v et si λ ̸= 0, alors u = v .
11 / 51
Sous-espaces vectoriels : définition
Proposition-Définition 6
Soit E un espace vectoriel. Un sous-espace vectoriel (en abrégé : s.e.v.)
de E est une partie F de E telle que :
1 F n’est pas vide ;
2 F est stable par addition :
pour tous u, v dans F , on a : u + v ∈ F ;

3 F est stable par produit externe :

pour tout u ∈ F et tout λ ∈ R, on a : λ · u ∈ F .
Alors F est un espace vectoriel (pour les lois induites de celles de E ). En
particulier, 0E ∈ F et 0F = 0E .
Exemples 7
• Soit E un e.v. Alors {0E } et E sont des s.e.v. de E .
• Soit E un e.v. et soit u ∈ E (fixé).
Alors Ru = {α · u | α ∈ R} est un s.e.v. de E .
12 / 51
Sous-espaces vectoriels : proposition et pratique
Proposition 8
Soit F une partie d’un espace vectoriel E .
Alors F est un sous-espace vectoriel de E si, et seulement si,
1 F n’est pas vide et
2 pour tous u, v dans F et tout λ ∈ R, on a : λ · u + v ∈ F.

Exemples 9
√
• E = R2 , F = {(x , y ) ∈ R2 | 3 x + 2 y = 0} est un s.e.v. de E ;
• E= R2 , G = {(x , y ) ∈ R2 | x2 + y = 0} n’est pas un s.e.v. de E .
• E = RN , l’ensemble H des suites convergentes est un s.e.v. de E .

Remarque 10 (importante)
Dans la pratique, pour vérifier qu’un ensemble donné est un espace
vectoriel, on montre très souvent que c’est un s.e.v. d’un e.v. connu.

13 / 51
Sous-espaces vectoriels : exemples
Exemples 11
1 Soient n ∈ N∗ , p ∈ N∗ . Soit A ∈ Mn,p (R).
L’ensemble V des solutions dans Rp du système d’équations
linéaires homogène de matrice A, c’est-à-dire
    

 x1 0  
 ..   .. 
V = (x1 , . . . , xp ) ∈ R | A  .  =  .  ,
p

 

xp 0

est un sous-espace vectoriel de Rp . En particulier,

• une droite du plan contenant l’origine est un s.e.v. de R2 ;
• une droite ou un plan de l’espace contenant l’origine sont des
s.e.v. de R3 .
2 Soit I un intervalle de R. L’ensemble C(I, R) = {f : I → R continue}
est un sous-espace vectoriel de F(I, R).

14 / 51
Intersection et somme
Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E .
Proposition 12
L’ensemble F ∩ G est un sous-espace vectoriel de E .

Remarque 13
La réunion F ∪ G n’est pas, en général, un s.e.v. de E .

Proposition-Définition 14
On appelle somme des sous-espaces vectoriels F et G, l’ensemble

F + G = {f + g | f ∈ F , g ∈ G}.

C’est un sous-espace vectoriel de E contenant F et G.

Proposition 15
F + G est le plus petit sous-espace vectoriel de E contenant F et G,
c’est-à-dire que :
si K est un s.e.v. de E qui contient F et G alors K contient F + G.
15 / 51
Somme directe de sous-espaces vectoriels
Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E .
Définition 16
On dit que F et G sont en somme directe si, pour tout vecteur u de
F + G, il existe un unique couple (f , g) avec f ∈ F et g ∈ G tel que
u = f + g. L’unicité se traduit par :


f1 = f
si f1 + g1 = f + g avec f1 ∈ F , g1 ∈ G, f ∈ F , g ∈ G, alors et


g1 = g.
On écrit alors F + G = F ⊕ G.

Exemples 17

• Deux droites vectorielles de R2 qui ne sont pas confondues sont en

somme directe.
• Les s.e.v. F = {(b + c, b − c, c) | b ∈ R, c ∈ R} et
G = {(a, 2a, −a) | a ∈ R} de R3 sont en somme directe.
16 / 51
Somme directe de sous-espaces vectoriels : caractérisations
Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E .
Proposition 18
F et G sont en somme directe si, et seulement si,

∀f ∈ F , ∀g ∈ G, (f + g = 0E ⇒ f = 0E et g = 0E ).

Proposition 19
F et G sont en somme directe si, et seulement si, F ∩ G = {0E }.

Exemples 20
• Deux plans vectoriels de R3 ne sont jamais en somme directe.
{ }
• Les droites D1 = (a, a, a) ∈ R3 | a ∈ R et
{ }
D2 = (b, 0, −b) ∈ R3 | b ∈ R de R3 sont en somme directe.
On remarque que le vecteur u = (1, 0, 0) n’est pas dans D1 ⊕ D2 .

17 / 51
Sous-espaces vectoriels supplémentaires
Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E .
Définition 21
On dit que F et G sont supplémentaires dans E lorsque E = F ⊕ G,
c’est-à-dire que E = F + G et F et G sont en somme directe.
On dit alors que le s.e.v. G est un supplémentaire du s.e.v. F dans E .

Exemples 22
Dans les exemples suivants, F et G sont supplémentaires dans E .
1 E = R3 , F = {(b + c, b − c, c) | b ∈ R, c ∈ R} et
G = {(a, 2a, −a) | a ∈ R} (exemple 17).
L’unique écriture du vecteur u = (2, 3, 1) de R3 comme somme d’un
vecteur de F et d’un vecteur de G est
u = (5, 9, −2) + (−3, −6, 3),

où (5, 9, −2) ∈ F (b = 7 et c = −2) et (−3, −6, 3) ∈ G (a = −3).

18 / 51
Sous-espaces vectoriels supplémentaires, exemples

Exemples 22
2 E = F(R, R), F = {f : R → R paire} et G = {f : R → R impaire}.
3 E = Mn (R),
{ } { }
F = A ∈ Mn (R) | t A = A et G = A ∈ Mn (R) | t A = −A .

19 / 51
Sous-espaces vectoriels supplémentaires : caractérisations

Proposition 23
Les affirmations suivantes sont équivalentes :
1 F et G sont supplémentaires dans E .
2 Tout vecteur u de E peut être écrit de manière unique sous la
forme u = f + g avec f ∈ F et g ∈ G.
3 E = F + G et F ∩ G = {0E }.

Exemples 24
• E = R2 , F et G deux droites vectorielles distinctes de R2 .
• E = R3 , F un plan vectoriel de R3 et G une droite vectorielle de R3
qui n’est pas contenue dans le plan F .

20 / 51
Sommaire

1 Espaces vectoriels

2 Familles de vecteurs

3 Dimension des espaces vectoriels

Exemple introductif
• Le système linéaire homogène


 x − 2y + t = 0
x − y − z + 4t = 0 est équivalent au système


x − 3y + z − 2t = 0
échelonné réduit
{
x − 2z + 7t = 0
y − z + 3t = 0.

• L’ensemble V de ses solutions est un sous-espace vectoriel de R4 .

Il se décrit en utilisant par exemple les inconnues secondaires z et t :
{ }
V = (2z − 7t, z − 3t, z, t) ∈ R4 | z ∈ R, t ∈ R
= {z(2, 1, 1, 0) + t(−7, −3, 0, 1) | z ∈ R, t ∈ R}.

L’objectif est d’étudier la possibilité d’écrire un sous-espace vectoriel

donné sous cette forme.
22 / 51
Combinaison linéaire
Soit E un espace vectoriel.
Définition 25
Soit p ∈ N∗ et soient u1 , . . . , up des vecteurs de E . On dit qu’un vecteur
u de E est combinaison linéaire de u1 , . . . , up , s’il existe des scalaires
λ1 , . . . , λp tels que
u = λ1 u1 + · · · + λp up .
Les scalaires λ1 , . . . , λp s’appellent coefficients de la combinaison
linéaire.

Exemple 26
Dans R4 , posons u1 = (1, 2, 0, 1), u2 = (2, 1, 3, −1) et u3 = (3, 3, 3, 0).
Soit u = (5, 4, 6, −1).
On a u = 21 u1 + 32 u2 + 12 u3 , donc u est combinaison linéaire des
vecteurs u1 , u2 et u3 .
Remarquons que ce n’est pas la seule. Par exemple :
u = u1 + 2u2 (+0u3 ).
23 / 51
Sous-espace vectoriel engendré

Proposition-Définition 27
Soit p ∈ N∗ et soient u1 , . . . , up des vecteurs de E . Alors l’ensemble V
de toutes les combinaisons linéaires des vecteurs u1 , . . . , up est un
sous-espace vectoriel de E .
On l’appelle sous-espace vectoriel engendré par u1 , . . . , up et on le
note
déf.
V = Vect(u1 ; . . . ; up ) = {λ1 u1 + · · · + λp up | λ1 ∈ R, . . . , λp ∈ R}.

Notation : si F = (u1 ; . . . ; up ), on note Vect(F) = Vect(u1 ; . . . ; up ).

Proposition 28
Le s.e.v. Vect(u1 ; . . . ; up ) est le plus petit sous-espace vectoriel de E
contenant les vecteurs u1 , . . . , up :
si un s.e.v. F de E contient u1 , . . . , up alors Vect(u1 ; . . . ; up ) ⊂ F .

24 / 51
Sous-espace vectoriel engendré

Proposition 28
Le s.e.v. Vect(u1 ; . . . ; up ) est le plus petit sous-espace vectoriel de E
contenant les vecteurs u1 , . . . , up :
si un s.e.v. F de E contient u1 , . . . , up alors Vect(u1 ; . . . ; up ) ⊂ F .

Exemple 29
{ }
(2z − 7t, z − 3t, z, t) ∈ R4 | z ∈ R, t ∈ R
= Vect((2, 1, 1, 0); (−7, −3, 0, 1)).

25 / 51
Propriétés des s.e.v. engendrés
Proposition 30
Soient n ∈ N∗ , m ∈ N∗ et u1 , . . . , um , v1 , . . . , vn des vecteurs de E .
Alors :
• Vect(u1 ; . . . ; um ; 0E ) = Vect(u1 ; . . . ; um ) ;
• Vect(u1 ; . . . ; um ) + Vect(v1 ; . . . ; vn ) = Vect(u1 ; . . . ; um ; v1 ; . . . ; vn ) ;
• L’espace vectoriel Vect(u1 ; . . . ; um ) est inchangé si :
• on échange deux vecteurs ui et uj ;
• on ajoute à un vecteur ui une combinaison linéaire des autres
vecteurs ;
• on remplace un vecteur ui par λui avec λ ∈ R, λ ̸= 0 .
Exemple 31
Dans R3 , on considère u1 = (1, 0, −2), u2 = (2, −1, 1) et u3 = 2u1 − u2 .
On a
Vect (u1 ; u2 ; u3 ) = Vect (u1 ; u2 ; u3 − 2u1 + u2 ) = Vect (u1 ; u2 ; 0R3 )
= Vect (u1 ; u2 )
26 / 51
Famille génératrice d’un e.v.

Définition 32
Une famille F de vecteurs de E est dite génératrice de E (ou on dit que
F engendre E ) si tout vecteur de E s’écrit comme combinaison linéaire
d’un nombre fini de vecteurs de F.
On écrit alors E = Vect(F), l’ensemble des combinaisons linéaires finies
de vecteurs de F.
Cas d’une famille finie : Une famille finie F = (g1 ; . . . ; gr ) de vecteurs de
E engendre E si, pour tout vecteur u de E , il existe r nombres réels
λ1 , . . . , λr tels que u = λ1 g1 + · · · + λr gr .
Autrement dit, F = (g1 ; . . . ; gr ) engendre E si, et seulement si,
E = Vect(F) = Vect(g1 ; . . . ; gr ).
Remarque 33
Si F et G sont deux familles de vecteurs de E avec F ⊂ G et si F
engendre E , alors G engendre E .

27 / 51
Famille libre, liée

Définition 34
• Une famille F de vecteurs de E est dite libre si pour tous vecteurs
u1 , . . . , up de F et tous scalaires λ1 , . . . , λp , on a
λ1 u1 + · · · + λp up = 0E =⇒ λ1 = · · · = λp = 0.
Dans ce cas, on dit aussi que les vecteurs de la famille F sont
linéairement indépendants.
• Une famille F de vecteurs de E est dite liée si elle n’est pas libre,
autrement dit s’il existe des vecteurs u1 , . . . , up de F et des scalaires
λ1 , . . . , λp non tous nuls tels que
λ1 u1 + · · · + λp up = 0E .

28 / 51
Famille libre, liée

Cas fini : soit F = (u1 ; . . . ; up ) une famille finie de vecteurs de E .

• F est libre si pour tous scalaires λ1 , . . . , λp , on a
λ1 u1 + · · · + λp up = 0E =⇒ λ1 = · · · = λp = 0.
• F est liée s’il existe des scalaires λ1 , . . . , λp non tous nuls tels que
λ1 u1 + · · · + λp up = 0E .

Remarque 35
Toute sous-famille d’une famille libre est libre : si F et G sont deux
familles de vecteurs de E avec F ⊂ G et si G est libre, alors F est libre.

29 / 51
Famille génératrice d’un e.v., famille libre, liée
Exemples 36

E F libre ? génératrice
de E ?

R2 ((1, −1); (0, 1); (1, 1)) non oui

R3 ((1, 1, 1); (1, 2, 3)) oui non

(( 1 1 ) ( 0 1 ) ( 1 0 ) ( 1 1 ))
M2 (R) 00 ; 01 ; 01 ; 01 non non

{ }
(x , y , z) ∈ R3 | x − y + 2z = 0 ((1, 1, 0); (−2, 0, 1)) oui oui

Pour le deuxième exemple ci-dessus, on montre que

Vect((1, 1, 1); (1, 2, 3)) = {(a, b, c) ∈ R3 | a − 2b + c = 0}.

30 / 51
Propriétés des familles libres/liées

Remarque 37
• Une famille de vecteurs contenant le vecteur nul est liée ;
• si une famille de vecteurs est libre, alors elle ne contient pas le
vecteur nul.
• Une famille de vecteurs contenant deux vecteurs égaux est liée ;
• si une famille de vecteurs est libre, alors ses vecteurs sont deux à
deux distincts.

31 / 51
Propriétés des familles libres/liées

Définition 38
Soient F = (u1 , . . . , up ) et G = (v1 , . . . , vn ) deux familles de vecteurs.
On note
F ⊔ G = (u1 , . . . , up , v1 , . . . , vn )
leur concaténation, c’est-à-dire la famille formée des vecteurs de F
suivis de ceux de G, en préservant l’ordre et en conservant les vecteurs
même s’ils sont répétés.
Par exemple, si F = (u1 ; . . . ; up ), alors F ⊔ (u) = (u1 ; . . . ; up ; u) même
si le vecteur u est un des vecteurs ui .
Proposition 39
Soit F une famille libre d’un espace vectoriel E et soit u ∈ E un vecteur.
Alors la famille F ⊔ (u) est libre si, et seulement si, u ̸∈ Vect(F).

32 / 51
Bases – Définition et exemples

Définition 40
On dit qu’une famille ordonnée de vecteurs d’un espace vectoriel E est
une base de E si elle est à la fois libre et génératrice de E .
{ }
Par exemple, si V = (x , y , z) ∈ R3 | x − y + 2z = 0 , on a donc vu
que B = ((1, 1, 0); (−2, 0, 1)) est une base de V .
Autres bases de V : B ′ = ((−2, 0, 1); (1, 1, 0)),
B ′′ = ((0, 2, 1); (−2, 0, 1)).

Exemple 41 (Exemple fondamental 1)

Soit n ∈ N∗ . La famille (e1 ; e2 ; . . . ; en ) avec

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

est une base de Rn . On l’appelle base canonique de Rn .

33 / 51
Bases – Exemples
Exemple 42 (Exemple fondamental 2)
Soient n ∈ N∗ et p ∈ N∗ . La famille (E1,1 ; . . . ; E1,p ; . . . ; En,1 ; . . . ; En,p ) où
j-ème colonne
↓
 .. 
0 . 0
 0 
 
Ei,j = 
 · · · 0 1 0 · · ·  ← i-ème ligne

 0 
 
..
0 . 0
est une base de Mn,p (R).

Exemple 43 (Exemple fondamental 3)

• La famille (1; X ; X 2 ; . . . ; X n ) est une base de l’espace vectoriel
Rn [X ].
• La famille (X k )k∈N est une base de l’espace vectoriel R[X ].

34 / 51
Bases et coordonnées

Proposition-Définition 44
Soit E un espace vectoriel muni d’une base B. Tout vecteur de E s’écrit
de façon unique comme combinaison linéaire finie de vecteurs de B.
Les coefficients de cette combinaison linéaire s’appellent les
coordonnées du vecteur dans la base B.

Proposition-Définition 45 (Cas d’une base finie)

Soit E un espace vectoriel admettant une base finie B = (v1 ; . . . ; vn ).
Alors pour tout vecteur u ∈ E il existe une unique famille ordonnée de n
scalaires λ1 , . . . , λn telle que u = λ1 v1 + · · · + λn vn .
Les coefficients λ1 , . . . , λn de cette combinaison linéaire s’appellent
( les)
λ1
coordonnées du vecteur u dans la base B et on les note [u]B = .. .
.
λn

35 / 51
Bases finies et coordonnées : exemples

Exemples 46
 
( ) −1
−1 0 0
• La matrice A = a pour coordonnées [A]B =  
 1 dans
1 2
2
la base B = (E1,1 ; E1,2 ; E2,1 ; E2,2 ) de M2 (R).
• La famille B = ((1, 1, 0); (−2, 0, 1)) est une base de
{ }
V = (x , y , z) ∈ R3 | x − y + 2z = 0 .
( )
Le vecteur v = 0, 1, 12 est dans V et a pour coordonnées
( )
1
[v ]B = 1 dans la base B.
2

36 / 51
Bases - propriétés

Propriétés 47
Soit F une famille de vecteurs d’un espace vectoriel E .
• On suppose que F est libre maximale, c’est-à-dire que F est libre
et, pour tout vecteur u ∈ E , la famille F ⊔ (u) n’est pas libre.
Alors F est une base de E .
• On suppose que F est génératrice minimale de E , c’est-à-dire que
F est génératrice de E et, pour tout vecteur u ∈ F , la famille
F \ (u) n’est pas génératrice de E .
Alors F est une base de E .

Proposition 48

Soient F et G deux s.e.v. de E , de bases respectives B et B ′ .

Alors F et G sont supplémentaires dans E si, et seulement si, la famille
B ′′ = B ⊔ B ′ est une base de E .

37 / 51
Sommaire

1 Espaces vectoriels

2 Familles de vecteurs

3 Dimension des espaces vectoriels

Espaces vectoriels de type fini

Définition 49
On dit qu’un espace vectoriel est de type fini s’il admet une famille
génératrice finie (i.e. ayant un nombre fini d’éléments).

Exemples 50
Soient n ∈ N∗ , p ∈ N∗ et soit A une partie de R.
• Rn est de type fini,
• Mn,p (R) est de type fini,
• Rn [X ] est de type fini,
• R[X ] n’est pas de type fini,
• F(A, R) est de type fini si, et seulement si, A est fini.

39 / 51
Existence et construction de bases

Théorème 51 (Théorème de la base incomplète)

Soit E un espace vectoriel avec E ̸= {0E } et soit F une famille
génératrice de E .
Alors on peut compléter toute famille libre de E en une base de E à
l’aide d’éléments de F.
Réécriture lorsque E est de type fini.
Soient p ∈ N∗ et r ∈ N∗ , (ℓ1 ; . . . ; ℓp ) une famille libre finie de E et
(g1 ; . . . ; gr ) une famille génératrice finie de E .
Alors il existe un nombre entier n ≥ p et une base (e1 ; . . . ; en ) de E telle
que :
• pour tout i ∈ {1; . . . ; p}, on a ei = ℓi ,
• pour tout i ∈ {p + 1; . . . ; n}, on a ei ∈ {g1 ; . . . ; gr }.

40 / 51
Existence et construction de bases

Théorème 52 (Théorème de la base extraite)

Soit E un espace vectoriel avec E ̸= {0E } et soit F une famille
génératrice de E .
Alors il existe une base de E constituée d’éléments de F.
Réécriture lorsque E est de type fini.
Soit F = (g1 ; . . . ; gr ) une famille génératrice finie de E .
Alors il existe un nombre entier n ≤ r et une base (e1 ; . . . ; en ) de E telle
que :
pour tout i ∈ {1; . . . ; n}, on a ei ∈ {g1 ; . . . ; gr }.
vectoriel de type fini admet une base finie.
Corollaire 53
Tout espace vectoriel de type fini qui n’est pas {0E } admet une base finie.

41 / 51
Dimension des espaces vectoriels
Le nombre d’éléments d’une famille finie F est appelé cardinal de F.
Soit E un espace vectoriel de type fini avec E ̸= {0E }.
Proposition 54
Si E possède une famille génératrice de cardinal m ≥ 1, alors toute
famille de vecteurs de E de cardinal > m est liée.
Exemple 55
La base canonique (e1 ; . . . ; en ) de Rn est en particulier génératrice de Rn
et son cardinal est n, donc toute famille libre de vecteurs de Rn contient
au plus n vecteurs.

Corollaire 56
Toutes les bases de E ont le même nombre d’éléments.
Définition 57
On appelle dimension de E , et on note dim(E ), le cardinal de l’une,
quelconque, des bases de E .
Par convention, dim ({0E }) = 0 et {0E } a pour base l’ensemble vide ∅.
42 / 51
Dimension des espaces vectoriels

Exemples 58
Soient n ∈ N∗ , p ∈ N∗ . Alors :
{ }
• dim (x , y , z) ∈ R3 | x − y + 2z = 0 = 2,
• dim (Rn ) = n,
• dim (Mn,p (R)) = np,
• dim (Rn [X ]) = n + 1,
• la dimension de l’espace vectoriel des solutions d’un système linéaire
homogène est donnée par le nombre d’inconnues non principales
(après échelonnement du système). À re-vérifier sur chaque exemple.

Remarque 59
Lorsqu’un e.v. n’admet pas de famille génératrice finie, on dit qu’il est de
dimension infinie.
Par la suite, un espace vectoriel de type fini sera dit de dimension finie.

43 / 51
Application du théorème de la base incomplète

Exemple 60
Dans R3 , considérons la famille F = (u1 ; u2 ) avec u1 = (1, 3, 2) et
u2 = (−2, 1, −4).
La famille F est libre.
Grâce au théorème de la base incomplète et à l’aide de vecteurs (bien)
choisis dans la base canonique (e1 ; e2 ; e3 ) de R3 , on peut compléter F en
une base de R3 , par exemple (u1 ; u2 ; e1 ) ou (u1 ; u2 ; e3 ), mais pas
(u1 ; u2 ; e2 ) (pourquoi ?).

44 / 51
Dimension et familles

Proposition 61
Soit E un espace vectoriel de dimension finie n ≥ 1.
• Toute famille de cardinal > n est liée ;
• toute famille libre est de cardinal ≤ n.
• Toute famille génératrice de E est de cardinal ≥ n ;
• toute famille de cardinal < n n’est pas génératrice de E .

Exemple 62
(( ) ( ) ( ))
3 − 12 0 1 0 0
La famille F = ; ; 1 de M2 (R) n’est pas
0 1 1 0 2 0
génératrice de M2 (R) car dim(M2 (R)) = 4 et card(F) = 3 < 4.

45 / 51
Dimension et familles
Proposition 63
Soient E un espace vectoriel de dimension finie n ≥ 1 et F une famille de
n vecteurs de E . Alors les propriétés suivantes sont équivalentes :
1 la famille F est une base de E ;
2 la famille F est une famille libre de E ;
3 la famille F est une famille génératrice de E .

Exemple 64
Sachant que R3 est un espace vectoriel de dimension 3, pour montrer
que la famille
(( ) ( √ ))
1
7, 3, ; (5, −π, 0); − 2, 0, 0
2

composée de 3 vecteurs de R3 , est une base de R3 , il suffit de vérifier

qu’elle est libre.
46 / 51
Dimension et sous-espaces vectoriels

Proposition 65
Soient E un espace vectoriel et F un sous-espace vectoriel de E .
Si E est de dimension finie, alors F l’est aussi et on a dim(F ) ≤ dim(E ).

Proposition 66
Soit E un espace vectoriel de dimension finie. Si F est un s.e.v. de E
(F ⊂ E ) tel que dim(F ) = dim(E ), alors F = E .

Exemple 67
{ }
Soit V = (x , y , z) ∈ R3 | x − y + 2z = 0 ; c’est un e.v. de dimension
2.
Soit H = Vect(w1 ; w2 ) avec w1 = (1, 3, 1) et w2 = (3, 1, −1).
Alors H est un s.e.v. de V et dim(H) = 2 = dim(V ), donc H = V .

47 / 51
Dimension, somme et supplémentaires

Proposition (Rappel proposition 48)

Soient F et G deux sous-espaces vectoriels de E , de bases respectives
B et B ′ .
Alors F et G sont supplémentaires dans E si, et seulement si, la famille
B ′′ = B ⊔ B ′ est une base de E .

Corollaire 68
Soient F et G deux sous-espaces vectoriels d’un e.v. E de dimension finie.
Si F et G sont en somme directe, alors

dim(F ⊕ G) = dim(F ) + dim(G).

48 / 51
Dimension, somme et supplémentaires

Proposition 69

Soient E un espace vectoriel de dimension finie et F un sous-espace

vectoriel de E .
Alors F admet un supplémentaire dans E et tout supplémentaire de F
dans E est de dimension dim(E ) − dim(F ).

Exemple 70
Soit F = (u1 ; u2 ) avec u1 = (1, 3, 2) et u2 = (−2, 1, −4) dans R3 . On a
vu qu’on pouvait compléter la famille F en une base (u1 ; u2 ; e1 ) de R3 .
Soit F = Vect(F), on vérifie que F est une base de F .
Alors G = Vect(e1 ) est un supplémentaire de F dans R3 .
Remarque : la famille (u1 ; u2 ; e3 ) est aussi une base de R3 donc
G ′ = Vect(e3 ) est aussi un supplémentaire de F dans R3 . Mais Vect(e2 )
n’en est pas un car (u1 ; u2 ; e2 ) n’est pas une base de R3 .

49 / 51
Dimension, somme et supplémentaires
On peut calculer la dimension de la somme de deux s.e.v. grâce à la
formule :
Proposition 71 (Formule de Grassmann)
Soient F et G deux sous-espaces vectoriels de dimension finie d’un
espace vectoriel E . Alors

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

Corollaire 72
Soient E un espace vectoriel de dimension finie et soient F et G deux
sous-espaces vectoriels de E .
Alors les affirmations suivantes sont équivalentes :
1 E =F ⊕G;
2 F ∩ G = {0E } et dim(E ) = dim(F ) + dim(G) ;
3 E = F + G et dim(E ) = dim(F ) + dim(G).

50 / 51
Caractérisation des sous-espaces vectoriels de Rn
Proposition 73
Soient n ∈ N∗ et F une partie de Rn . Alors F est un sous-espace
vectoriel de Rn si, et seulement si, il existe p ∈ N∗ et une matrice
A ∈ Mp,n (R) tels que
    

 x1 0 

 ..   .. 
F = (x1 , . . . , xn ) ∈ R | A  .  =  .  ,
n

 

xn 0
c’est-à-dire que F est l’ensemble des solutions d’un système de p
équations linéaires homogènes à n inconnues.

Exemples 74
• Les s.e.v. de R2 sont {0R2 }, les droites vectorielles et R2 .
• Les s.e.v. de R3 sont {0R3 }, les droites vectorielles, les plans
vectoriels et R3 .
51 / 51