Table des matières

1 Espaces vectoriels 2
1.1 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2 Exemples fondamentaux de sous-espaces vectoriels . . . . . . . . . . . . . . . . . 4
1.2 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Famille génératrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Famille libre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3 Existence de bases (en dimension finie) . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.4 Les théorèmes fondamentaux sur la dimension . . . . . . . . . . . . . . . . . . . 9
1.2.5 Bases en dimension infinie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Somme, somme directe, sous-espaces supplémentaires . . . . . . . . . . . . . . . . . . . 12

1
Chapitre 1
Espaces vectoriels

Sommaire
1.1 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.2 Exemples fondamentaux de sous-espaces vectoriels . . . . . . . . . . . . . . . 4
1.2 Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Famille génératrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.2 Famille libre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3 Existence de bases (en dimension finie) . . . . . . . . . . . . . . . . . . . . . 8
1.2.4 Les théorèmes fondamentaux sur la dimension . . . . . . . . . . . . . . . . . . 9
1.2.5 Bases en dimension infinie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.3 Somme, somme directe, sous-espaces supplémentaires . . . . . . . . . . . . . . . . . 12

1.1 Espaces vectoriels

Définition 1.1 Soit K un corps commutatif. On appelle espace vectoriel sur K un ensemble E sur lequel
on a défini deux lois de composition :
h i
a) Une loi interne c’est-à-dire une application E × E −→ E dite addition, notée +, et vérifiant :
1. (x + y ) + z = x + (y + z ), ∀x, y, z ∈ E.
2. x + y = y + x, ∀x, y ∈ E.
3. II existe un élément de E noté 0E , ou plus simplement 0, dit élément neutre de l’ensemble E,
tel que ∀x ∈ E : x + 0E = x.
4. ∀x ∈ E, il existe un élément de E noté (−x), dit opposé de x, tel que : x + (−x) = 0E .
h i
b) Une loi externe de domaine K c’est-à-dire une application K × E −→ E on note λx (ou λ.x)
l’image dans E du couple (λ, x) ∈ K × E], qui vérifie :
1. λ(µx) = (λµ)x, ∀λ, µ ∈ K, ∀x ∈ E.
2. (λ + µ)x = λx + µx, ∀λ, µ ∈ K, ∀x ∈ E.
3. λ(x + y ) = λx + λy, ∀λ ∈ K, ∀x, y ∈ E.
4. 1.x = x, ∀x ∈ E. (1 étant l’élément neutre de la multiplication dans K).
Les éléments de K sont dits scalaires et ceux de E vecteurs.

2
1.1. ESPACES VECTORIELS 3
Remarque 1.1 1. Tout au long de chapitre nous allons considérer le corps K = R ou C.
2. (E, +) est un groupe abélien (ou commutatif).

Exemple 1.1 1. E = Rn muni des deux lois suivantes :

(x1 , . . . , xn ) +(y1 , . . . , yn ) := (x1 + y1 , . . . , xn + yn )

(1.1)
λ(x1 , . . . , xn ) := (λx1 , . . . , λxn ).

est un espace vectoriel sur R. Ici 0Rn = (0, . . . , 0), l’opposé (−x) de x = (x1 , . . . , xn ) est
(−x1 , . . . , −xn ).
2. De même Cn est muni d’une structure d’espace vectoriel sur C.
3. E = Rn n’est un espace vectoriel sur C.

Exercice 1.1 Soient E un espace vectoriel sur K et F un ensemble quelconque non vide, et soit E l’ensemble
des applications f de F dans E. Montrer que E est un espace vectoriel sur K.

Exercice 1.2 Soient E1 et E2 deux espaces vectoriels sur le même corps K. Montrer que E1 × E2 est un
espace vectoriel sur K.

Proposition 1.1 Pour tout λ ∈ K et pour tout x ∈ E, on a

1. λ0E = 0E et 0x = 0E .
2. λx = 0E ⇒ λ = 0 ou x = 0E .
3. (−λ)x = λ(−x) = −(λx).

Démonstration :
1. On a λ0E = λ(0E + 0E ) = λ0E + λ0E , d’où 0E = λ0E . De plus 0x = (0 + 0)x = 0x + 0x,
d’où 0x = 0E .
2. Supposons λx = 0E et λ , 0. En multipliant par λ−1 , on obtient λ−1 (λx) = λ−1 0E = 0E i.e,
1x = 0E , donc x = 0E .
3. Facile, laissée en exercice.

Exercice 1.3 On munit E = R2 des deux lois suivantes :

(x1 , x2 ) +(y1 , y2 ) = (x1 + y1 , x2 + y2 )

λ(x1 , x2 ) = (λx1 , 0), (λ ∈ R)

E est-il un espace vectoriel sur R ?

Exercice 1.4 On note E = R∗+ , l’ensemble des nombres réels strictement positifs. Montrer que les lois :

x ? y = xy et λ.x = xλ , (x, y ∈ R∗+ , λ ∈ R)

confèrent à E une structure d’espace vectoriel sur R.

ENSAM Casablanca
4 CHAPITRE 1. ESPACES VECTORIELS

1.1.1 Sous-espaces vectoriels

Définition 1.2 Soit E un espace vectoriel et F une partie non vide de E. On dit que F est un sous-espace
vectoriel de E, si la restriction des lois de E à F fait de F un espace vectoriel.

Proposition 1.2 Soit E un espace vectoriel et F ⊂ E. Alors F est un sous-espace vectoriel de E si et

seulement si :
1. F , ∅.
2. ∀x, y ∈ F ⇒ x + y ∈ F .
3. ∀x ∈ F , ∀λ ∈ K ⇒ λx ∈ F .

Remarque 1.2 1. L’élément neutre 0E de E coïncide avec l’élément neutre 0F de chaque sous-espace
vectoriel F . C’est pour cette raison que, dans la suite, on le notera simplement 0 (au lieu de 0E ou
0F ), s’il n’y a pas de risque de confusion.
2. Si F est un sous-espace vectoriel, alors F contient nécessairement le vecteur nul.

Proposition 1.3 F est un sous-espace vectoriel de E si et seulement si :

1. F , ∅.
2. ∀x, y ∈ F , ∀λ, µ ∈ K ⇒ λx + µy ∈ F .

1.1.2 Exemples fondamentaux de sous-espaces vectoriels

1. Droite vectorielle. Soit v ∈ E, v , 0, alors F = {y ∈ E| ∃λ ∈ K : y = λv} est un sous-espace
vectoriel de E dit droite vectorielle engendrée par v

Figure 1.1

En effet F , ∅, car v ∈ F . De plus, F est stable pour les lois de E, car si x, y ∈ F (c’est-à-dire :
x = λv, y = µv ), on a :

x + y = λv + µv = (λ + µ)v ∈ F .

De même, si x ∈ F (c’est-à-dire x = λv ), on a : µx = µ(λv ) = (µλ)v ∈ F .

2. Plan vectoriel. Soient x1 , x2 ∈ E et F = {y ∈ E| ∃λ1 , λ2 ∈ K : y = λ1 x1 + λ2 x2 } est un
sous-espace vectoriel de E, dit sous-espace engendré par x1 et x2 . Si x1 et x2 ne sont pas nuls et
x2 n’appartient pas à la droite vectorielle engendrée par x1 , F est dit plan vectoriel engendré par
x1 et x2 .

ENSAM Casablanca
1.2. BASES 5

Figure 1.2

Exercice 1.5 1. L’ensemble F = {(x, y, z ) ∈ R3 | 2x + y + 3z = 0} est-il un sous-espace vectoriel

de R3 ?
2. La même question pour l’ensemble G = {(x, y, z ) ∈ R3 | 2x − y − z = 1}.
Exercice 1.6 Soient F et G deux sous-espaces vectoriels de E.
T
1. Montrer que F G est un sous-espace vectoriel de E.
S
2. Montrer que F G n’est pas en général un sous-espace vectoriel de E.
3. Montrer que E\F n’est pas un sous-espace vectoriel de E.
Exercice 1.7 Soit R[a,b] = {f : [a, b] −→ R} muni de +. Lequel de ces sous-ensembles est-il un
sous-espace vectoriel ?
1. C 0 ([a, b], R) = {fonctions continues f : [a, b] −→ R}.
2. L’ensemble des applications surjectives (resp. injectives) f : [a, b] −→ R.
3. L’ensemble des applications f : [a, b] −→ R telles que 2f (a) = f (b).
4. L’ensemble des applications f : [a, b] −→ R telles que f (a) = f (b) + 1.

1.2 Bases
1.2.1 Famille génératrice
Définition 1.3 Une famille de vecteurs {v1 , . . . , vp } d’un espace vectoriel E est dite génératrice, si
E = Vect{v1 , . . . , vp }, ce qui veut dire que
∀x ∈ E ∃λ1 , . . . , λp ∈ K tels que x = λ1 v1 + . . . + λp vp .
On dit aussi, parfois, que tout x ∈ E se décompose sur les vecteurs vi , ou encore que tout x ∈ E est
combinaison linéaire des vecteurs vi .
Exemple 1.2 1. Dans R2 la famille {e1 = (1, 0), e2 = (0, 1)} est une famille génératrice car tout
x = (x1 , x2 ) ∈ R2 , s’écrit :
(x1 , x2 ) = x1 (1, 0) + x2 (0, 1) = x1 e1 + +x2 e2 .
2. De plus, l’ensemble {e1 , e2 , v}, avec v = (1, 2). Elle est évidemment génératrice, car pour tout
(x1 , x2 ) ∈ R2 on peut écrire
(x1 , x2 ) = x1 e1 + +x2 e2 + 0v.
Plus généralement : toute famille contenant une famille génératrice est génératrice.

ENSAM Casablanca
6 CHAPITRE 1. ESPACES VECTORIELS
3. Dans R2 , soient v1 = (1, 1) et v2 = (1, −1). Montrons que {v1 , v2 } est génératrice.
Soit x = (a, b) ∈ R2 avec a, b arbitraires : il s’agit de montrer qu’il existe x1 , x2 ∈ R tels que
x = x1 v1 + x2 v2 , c’est-à-dire :

(a, b) = (x1 , x1 ) + (x2 , −x2 ) = (x1 + x2 , x1 − x2 ).

Ceci signifie que quels que soient a et b ∈ R, il existe x1 , x2 ∈ R vérifiant le système

(
x1 + x2 = a
x1 − x2 = b.

a+b a−b
En résolvant, on trouve en effet x1 = 2
et x2 = 2
. Donc {v1 , v2 } est génératrice.

Définition 1.4 Un espace vectoriel E est dit de dimension finie, s’il existe une famille génératrice finie
engendre E; dans le cas contraire, on dit qu’il est de dimension infinie.

Remarque 1.3 Kn est un espace vectoriel de dimension finie, alors que R[X ] est de dimension infinie.

1.2.2 Famille libre

Définition 1.5 Soit {v1 , . . . , vp } une famille finie d’éléments de E. On dit qu’elle est libre, si :

λ1 v1 + . . . + λp vp = 0 ⇒ λ1 = 0, . . . , λp = 0, ∀λi ∈ K, ∀i ∈ {1, . . . , p}.

On dit aussi que les vecteurs v1 , . . . , vp sont linéairement indépendants.

Exemple 1.3 Dans R3 , les vecteurs v1 = (1, 1, −1), v2 = (0, 2, 1), v3 = (0, 0, 5) sont libres. En effet,
supposons qu’il existe des réels λ1 , λ2 , λ3 tels que

λ1 v1 + λ2 v2 + λ3 v3 = 0R3 ,

c’est-à-dire :
λ1 (1, 1, −1) + λ2 (0, 2, 1) + λ3 (0, 0, 5) = 0R3 .
On aura (λ1 , λ1 + 2λ2 , −λ1 + λ2 + 5λ3 ) = (0, 0, 0), ce qui donne immédiatement λ1 = λ2 = λ3 = 0.

Définition 1.6 Une famille qui n’est pas libre est dite liée (on dit aussi que ses vecteurs sont liés ou
linéairement dépendants).

Exemple 1.4 Dans R3 , les vecteurs v1 = (1, 2, 1), v2 = (−1, 3, 1) et v3 = (−1, 13, 5) sont liés, car on a
2v1 + 3v2 − v3 = 0.

Proposition 1.4 Une famille {v1 , . . . , vp } est liée si et seulement si l’un au moins des vecteurs vi s’écrit
comme combinaison linéaire des autres vecteurs de la famille (c’est-à-dire si l’un au moins des vi appartient
à l’espace vectoriel engendré par les autres).
Ou, d’une manière équivalente : une famille {v1 , . . . , vp } est libre si et seulement si aucun des vecteurs
vi n’appartient à l’espace engendré par les autres.

ENSAM Casablanca
Famille libre 7

Figure 1.3: Les vecteurs v1 et v2 forment une famille liée : v2 appartient à l’espace engendré par v1 .

Figure 1.4: Les vecteurs v1 , v2 et v3 forment une famille liée : v3 appartient à l’espace engendré par v1
et v2 .

L’intérêt de la notion de famille libre réside dans la propriété suivante :

Proposition 1.5 Soit {v1 , . . . , vp } une famille libre et x ∈ Vect{v1 , . . . , vp }, (c’est-à-dire x est combi-
naison linéaire des vi ). Alors la décomposition de x sur les vi est unique.
Démonstration. En effet, soient
x = λ1 v1 + . . . + λp vp = µ1 v1 + . . . + µp vp
deux décompositions de x. En faisant la différence on trouve :
0 = (λ1 − µ1 )v1 + . . . + (λp − µp )vp .

Puisque la famille est libre, on a

λ1 − µ1 = 0, . . . , λp − µp = 0
c’est-à-dire : λ1 = µ1 , . . . λp = µp .
Définition 1.7 On appelle base une famille à la fois libre et génératrice.
On a immédiatement :
Proposition 1.6 Une famille {v1 , . . . , vn } est une base de E si et seulement si tout x ∈ E se décompose
d’une façon unique sur les vi , c’est-à-dire : ∀x ∈ E il existe un unique n-uplet (λ1 , . . . , λn ) ∈ Kn tel
que :
x = λ1 v1 + . . . + λn vn .
Les scalaires λi sont dits composantes de x dans la base {v1 , . . . , vn }.

ENSAM Casablanca
8 CHAPITRE 1. ESPACES VECTORIELS
Exemple 1.5 (Base canonique de Rn [X ])
La famille B = {1, X, X 2 , . . . , X n } est une base de Rn [X ]. En effet, tout P ∈ Rn [X ] s’écrit

P (X ) = a0 1 + a1 X + . . . + an X n

avec ai ∈ R, donc B est génératrice. De plus :

λ0 1 + λ1 X + . . . + λn X n = 0 ⇒ λ0 = 0, λ1 = 0, . . . , λn = 0.
Exercice 1.8 Soit F = {(x, y, z ) ∈ R3 | 2x + y + 3z = 0}. Chercher une base de F .
Proposition 1.7 1. {x} est une famille libre ⇔ x , 0.
2. Toute famille contenant une famille génératrice est génératrice.
3. Toute sous-famille d’une famille libre est libre.
4. Toute famille contenant une famille liée est liée.
5. Toute famille {v1 , . . . , vp } dont l’un des vecteurs vi est nul, est liée.
Démonstration.
1. On a λx = 0 ⇒ λ = 0 ou x = 0. Donc, si x , 0, λx = 0 implique λ = 0, ce qui signifie que
{x} est une famille libre.
Réciproquement, supposons {x} libre. Alors, d’après la définition de famille libre, si λx = 0 on a
nécessairement λ = 0, ce qui signifie, toujours que x , 0.
2. Soit {v1 , . . . , vp } une famille génératrice et x = λ1 v1 + . . . + λp vp un élément arbitraire de E.
On peut aussi écrire :

x = λ1 v1 + . . . + λp vp + 0w1 + . . . + 0wq avec w1 , . . . , wq ∈ E.

Donc tout x ∈ E est combinaison linéaire de v1 , . . . , vp , w1 , . . . , wq .

3. Soit F = {v1 , . . . , vp } une famille libre et F 0 une sous-famille de F telle que F 0 = {v1 , . . . , vk }
avec k ≤ p. Si F 0 était liée, l’un des vecteurs v1 , . . . , vk serait combinaison linéaire des autres. Il
existerait donc un élément de F qui s’écrirait comme combinaison linéaire de certains éléments de
F . Or, cela est impossible car F est libre.
4. Soit F = {v1 , . . . , vp } une famille liée et G = {v1 , . . . , vp , w1 , . . . , wq }. Alors l’un des vi est
combinaison linéaire des autres. Or, les vecteurs vi appartiennent à G, donc l’un des éléments de G
est combinaison linéaire des autres, et par conséquent G est liée.
5. Évident d’après le point 4, car il s’agit d’une famille contenant {0} et {0} est liée, d’après 1.

1.2.3 Existence de bases (en dimension finie)

Dans ce paragraphe nous allons montrer que dans tout espace vectoriel E , {0}, de dimension finie,
il existe des bases.
Soit E , {0} un espace vectoriel de dimension finie et G = {v1 , . . . , vp } une famille génératrice : pour
tout x ∈ E, il existe a1 , . . . , ap ∈ K tels que :

x = α1 v1 + . . . + αp vp .

Notons que G contient certainement des familles libres : il suffit de prendre, par exemple, L = {vi } avec
vi ∈ G, vi , 0.

ENSAM Casablanca
Les théorèmes fondamentaux sur la dimension 9
Théorème 1.1 Soit E , {0} un espace vectoriel de dimension finie et G une famille génératrice. Consi-
dérons une famille libre L ⊂ G. Il existe alors une base B de E telle que L ⊂ B ⊂ G.
Démonstration : Soit L l’ensemble des parties libres X de E telles que L ⊂ X ⊂ G. L’ensemble L
n’est pas vide car L ∈ L et L est fini puisque, G étant fini, l’ensemble P (G) des parties de G est finie
et L ⊂ P (G). En outre tout élément de L possède un nombre fini d’éléments. Choisissons dans L une
partie B ayant le plus grand nombre possible d’éléments. Soit p ce nombre et montrons que B est une
base de E. Il suffit de montrer que B est une partie génératrice de E puisque par construction B est une
partie libre de E. Comme G engendre E, il suffit de voir que tout élément de G est combinaison linéaire
des éléments de B. Si Card(G) = p, alors on a B = G. La partie génératrice G de E est donc libre.
Par conséquent G est une base de E et le théorème est démontré.
Supposons maintenant que p < Card(G). Si x est un élément de G n’appartenant pas à B, l’ensemble
B {x} est contenu dans G et possède (p + 1) éléments. Donc la famille B {x} est liée. Si B =
S S

{x1 , . . . , xp }, il existe des scalaires λ1 , . . . , λp , λ non tous nuls tels que

λ1 x1 + . . . + λp xp + λx = 0.

On a nécessairement λ , 0, car si λ = 0 les éléments de B vérifieraient une combinaison linéaire nulle à

coefficients non tous nuls et B ne serait pas libre. On en déduit

λ1 λp
x=− x1 − . . . − xp .
λ λ
Ainsi tout élément x ∈ G est combinaison linéaire des éléments de B et le théorème est démontré.

Ce théorème peut s’exprimer aussi de la manière suivante :

Théorème 1.2 Soit E , {0} un espace vectoriel de dimension finie, alors :
1. De toute famille génératrice on peut extraire une base.
2. (Théorème de la base incomplète). Toute famille libre peut être complétée de manière à former une
base.
Démonstration :
1. C’est en fait ce nous avons établi dans la démonstration ci-dessus.
2. Soit L = {v1 , . . . , vp } une famille libre et G = {w1 , . . . , wq } une famille génératrice quelconque.
La famille G0 = G L est génératrice, car elle est une sur-famille d’une famille génératrice, et elle
S

contient la famille L. D’après le théorème d’existence, il existe une base B telle que L ⊂ B ⊂ G0 .

1.2.4 Les théorèmes fondamentaux sur la dimension

Les résultats de ce paragraphe sont particulièrement importants.
Théorème 1.3 Dans un espace vectoriel E sur K de dimension finie, toutes les bases ont le même nombre
d’éléments. Ce nombre est appelé dimension de E sur K et est noté dimK E.
Corollaire 1.1 1. Dans un espace vectoriel de dimension n, toute famille ayant plus de n éléments est
liée.
2. Dans un espace vectoriel de dimension n, les familles ayant moins de n éléments ne peuvent être
génératrices.

ENSAM Casablanca
10 CHAPITRE 1. ESPACES VECTORIELS
Remarque 1.4 1. Si E = {0}, on pose : dimK E = 0.
2. dimR Rn = n. En effet, comme nous l’avons vu, la famille {e1 , . . . , en }, avec

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

est une base de Rn .

3. La dimension d’un espace vectoriel E dépend non seulement de E mais aussi du corps de base K.
En effet, considérons, par exemple, C muni de la structure d’espace vectoriel sur R définie par les
lois :
(a + ib) +(c + id) = (a + c) + i(b + d)
λ(a + ib) = λa + iλb (λ ∈ R).
Tout élément z ∈ C s’écrit d’une manière unique : z = a1 + bi avec a, b ∈ R, ce qui signifie que
{1, i} est une base et donc dimR C = 2. En revanche, si on considère C comme espace vectoriel sur
le corps C, on a : dimC C = 1.

Proposition 1.8 Soient E1 , . . . , Ep des espaces vectoriels de dimension finie sur le même corps K. Alors :

dimK (E1 × . . . × Ep ) = dimK E1 + . . . + dimK Ep .

Exemple 1.6 On a dimC Cn = n et dimR Cn = 2n.

En général, pour montrer qu’une famille est une base, il faut montrer qu’elle est libre et qu’elle est
génératrice. Cependant, si la famille a exactement autant d’éléments que la dimension de l’espace, on a le
théorème suivant qui est d’un usage fréquent :
Théorème 1.4 Soit E un espace vectoriel de dimension n. Alors :
1. Toute famille génératrice ayant n éléments est une base.
2. Toute famille libre ayant n éléments est une base.

Exercice 1.9 1. Montrer que la famille {v1 , v2 } engendre R2 où v1 = (1, 2) et v2 = (−1, 1).
2. La famille {v1 , v2 } est-elle une base ?

Proposition 1.9 Soit E un espace vectoriel de dimension finie et F un sous-espace vectoriel de E. Alors
F est de dimension finie et de plus, on a
1. dimK F ≤ dimK E.
2. dimK F = dimK E ⇔ E = F .

Exercice 1.10 Soit F = Vect{(1, 2) , (2, 1)}. Montrer que F = R2 .

Exercice 1.11 La famille {v1 , v2 , v3 } ⊂ R3 où v1 = (1, 1, −1), v2 = (2, 1, 3), v3 = (0, −1, 5) est-elle
libre ? Quelle relation linéaire lie ces vecteurs ? Est-elle génératrice ?

Exercice 1.12 Soit F = {P ∈ R2 [X ], P (X ) = λ + (2λ − 3µ)X + µX 2 , (λ, µ ∈ R)}. Montrer que

F est un sous-espace vectoriel de R2 [X ] et donner une base de F .

ENSAM Casablanca
Bases en dimension infinie 11

1.2.5 Bases en dimension infinie

Définition 1.8 Soit E un espace vectoriel, F = {xi }i∈A une famille d’éléments de E, non nécessairement
finie, ni dénombrable. On appelle combinaison linéaire finie (ou simplement combinaison linéaire) de la
famille, toute expression du type :
X
λi xi , où I est une sous-famille finie de A.
i∈I

On appelle sous-espace engendré par F le sous-espace vectoriel de E noté Vect{F }, formé par toutes les
combinaisons linéaires finies des éléments de F .

Vect{F } est un sous-espace vectoriel de E. En effet, si u = λ1 x1 + . . . + λp xp ∈ Vect{F } et v =

µ1 y1 + . . . + µq yq ∈ Vect{F } (avec xi , yi ∈ F ) on a : λu + µv = combinaison linéaire finie d’éléments
de F . Plus précisément, on a :
Proposition 1.10 Vect{F } est le plus petit sous-espace vectoriel de E contenant F . En particulier, si F
est un sous-espace vectoriel de E, Vect{F } = F .
En effet, si G est un sous-espace vectoriel de E contenant F , il doit contenir, à cause de la stabilité, toutes
les combinaisons linéaires finies des éléments de F , c’est-à-dire Vect{F } ⊂ G.
Définition 1.9 1. Une famille F = {xi }i∈A d’éléments de E est dite génératrice si Vect{F } = E,
c’est-à-dire, si ∀x ∈ E il existe une sous-famille finie {x1 , . . . , xp } ⊂ F telle que :

x = λ1 x1 + . . . + λp xp .

2. La famille F est dite libre, si toute sous-famille finie est libre, c’est-à-dire si : ∀I ⊂ A, I finie :
X
λi xi = 0 ⇒ λi = 0, ∀i ∈ I.
i∈I

3. Une famille F est dite base si elle est libre et génératrice.

Proposition 1.11 B est une base de E si et seulement si tout élément de E s’écrit d’une manière unique
comme combinaison linéaire finie d’éléments de B.

Exemple 1.7 (Base canonique de R[X ]).

{1, X, X 2 , . . . , X n , . . .}n∈N est une base de R[X ]. En effet, la famille est génératrice car tout polynôme
s’écrit comme combinaison linéaire finie de {1, X, X 2 , . . . , X n , . . .}n∈N . D’autre part, elle est libre car
si l’on considère une combinaison linéaire finie nulle :

λ0 1 + λ1 X + . . . + λp X p = 0,

on a : λ0 = 0, . . . , λp = 0.

Théorème 1.5 Tout espace vectoriel non réduit à {0} admet une base. Plus précisément :
1. De toute famille génératrice on peut extraire une base.
2. Toute famille libre peut être complétée en une base.

Exercice 1.13 Soit C ∞ ([a, b], E ) l’ensemble des application C ∞ de [a, b] dans E. Montrer que les
familles suivantes sont libres : {x, ex }; {x, sin(x)}; {sin(x), cos(x)} et {1, ex , e2x , . . . , enx }.

ENSAM Casablanca
12 CHAPITRE 1. ESPACES VECTORIELS

1.3 Somme, somme directe, sous-espaces supplémentaires

Définition 1.10 Soient E1 , E2 deux sous-espaces vectoriels d’un espace vectoriel E. On appelle somme
de E1 et E2 le sous-espace de E défini par :

E1 + E2 = {x ∈ E| ∃x1 ∈ E, ∃x2 ∈ E2 : x = x1 + x2 }.

Remarque 1.5 Il s’agit effectivement d’un sous-espace vectoriel de E comme on le vérifie facilement.
Notons F = E1 + E2 . D’après la définition, tout élément de F est somme d’un élément de E1 et d’un
élément de E2 . Mais cette décomposition en général n’est pas unique. En effet, supposons E1 E2 , {0}
T

et soit x0 , 0, x0 ∈ E1 E2 . Si x = x1 + x2 (avec xi ∈ Ei ) on a aussi la décomposition :

T

x = (x1 + x0 ) + (x2 − x0 ).
| {z } | {z }
∈E1 ∈E2

On voit donc qu’une condition nécessaire pour que la décomposition soit unique, est que E1 E2 = {0}.
T

Cette condition est aussi suffisante. Supposons, en effet, que E1 E2 = {0} et soient x = x1 + x2 et
T

x = x01 + x02 deux décompositions de x sur E1 et E2 . Par soustraction, on a :

x1 − x01 = x02 − x2 ∈ E1 ∩ E2 = {0},

| {z } | {z }
∈E1 ∈E2

d’où : x1 = x01 et x2 = x02 . Nous avons ainsi démontré :

Proposition 1.12 Soient E1 et E2 deux sous-espaces vectoriels de E, et soit F = E1 + E2 . La décomposi-

tion de tout élément de F en somme d’un élément de E1 et d’un élément de E2 est unique, si et seulement
si E1 E2 = {0}. On écrit alors :
T

F = E1 ⊕ E2
et on dit que F est somme directe de E1 et E2 .

En d’autres termes :
F = E1 + E2 et


F = E1 + E2


tout élément x ∈ F s’écrit d’une manière unique

 

F = E1 ⊕ E2 ⇔ et ⇔
x = x1 + x2
E1 E2 = {0}

 T 


avec x1 ∈ E1 , x2 ∈ E2


Proposition 1.13 Soient E un espace vectoriel et E1 , E2 deux sous-espaces vectoriels de E. Alors E =

E1 ⊕ E2 si et seulement si pour toute base B1 de E1 et toute base B2 de E2 , {B1 , B2 } est une base de E.
Démonstration. En effet, soient B1 = {ei }i∈I et B2 = {vj }j∈J des bases de E1 et E2 respectivement
et supposons que {ei , vj }(i,j )∈I×J est une base de E. Alors tout x ∈ E s’écrit d’une manière unique :

x = λ1 e1 + . . . + λn en + µ1 v1 + . . . + µm vm
| {z } | {z }
∈E1 ∈E2

c’est-à-dire tout x ∈ E s’écrit d’une manière unique x = x1 + x2 avec x1 ∈ E1 et x2 ∈ E2 , donc

E = E1 ⊕ E2 .
Réciproquement, si E = E1 ⊕ E2 , tout x ∈ E se décompose d’une manière unique sur E1 et E2 , et par
conséquent, sur la famille B = {B1 , B2 }. On en déduit que B est une base de E.

ENSAM Casablanca
1.3. SOMME, SOMME DIRECTE, SOUS-ESPACES SUPPLÉMENTAIRES 13
Définition 1.11 Soit E un espace vectoriel et E1 , E2 deux sous-espaces vectoriels de E. On dit que E1 et
E2 sont supplémentaires (ou que E2 est un supplémentaire de E1 ), si E = E1 ⊕ E2 .
Corollaire 1.2 Soit E un espace vectoriel. Pour tout sous-espace vectoriel E1 , il existe toujours un sup-
plémentaire. Le supplémentaire de E1 n’est pas unique, mais si E est de dimension finie, tous les supplé-
mentaires de E1 ont même dimension.
Théorème 1.6 Soit E un espace vectoriel de dimension finie. Alors
(
E1 E2 = {0}
T
E = E1 ⊕ E2 ⇔
dim E = dim E1 + dim E2
Exemple 1.8 Dans R2 soient v et w sont deux vecteurs indépendants, E1 = Vect{v} et E2 = Vect{w}
les droites vectorielles engendrées par v et par w. On a R2 = E1 ⊕ E2 car {v, w} est une base. Comme
on le voit d’ailleurs sur la Figure 1.5 tout x ∈ R2 se décompose d’une manière unique sur E1 et E2 .

Figure 1.5

Exemple 1.9 Dans R3 , soit π un plan vectoriel et v un vecteur non contenu dans ce plan. On a : R3 =
π ⊕ Vect{v} car si {e1 , e2 } est une base de π, alors {e1 , e2 , v}, est une base de R3 .

Figure 1.6

ENSAM Casablanca
14 CHAPITRE 1. ESPACES VECTORIELS
Proposition 1.14 Soient E un espace vectoriel de dimension finie et E1 , E2 deux sous-espaces vectoriels
de E. On a :
dim(E1 + E2 ) = dim(E1 ) + dim(E2 ) − dim(E1 ∩ E2 ).
En particulier :
dim(E1 ⊕ E2 ) = dim(E1 ) + dim(E2 ).

Exercice 1.14 Soient E un espace vectoriel de dimension finie et F , G deux sous-espaces vectoriels de E.
On note Vect(F G) l’espace vectoriel engendré par F G. Montrer que Vect(F G) = F + G.
S S S

Exercice 1.15 1. La famille B = {(1, 2) , (2, 1) , (1, 1)} est-elle libre dans R2 ?
2. La famille B = {(1, 1, 1) , (1, 2, 1)} est-elle génératrice de R3 ?

ENSAM Casablanca