Chapitre 2

Espaces vectoriels

Sommaire
2.1 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.1 Dénition et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.2 Exemples fontamentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.3 Règles de calcul . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.1.4 Produit d'espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2 Sous espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.1 Partie stable pour les deux lois . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.2.2 Dénition d'un sous-esapce espace vectoriel . . . . . . . . . . . . . . . . . . 19
2.2.3 Caractérisation d'un sous-espace vectoriel . . . . . . . . . . . . . . . . . . . 19
2.2.4 Intersections et sommes de sous espaces vectoriels . . . . . . . . . . . . . . 20
2.2.5 Somme de sous espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . 21
2.3 Sommes directes. Sous-espaces supplémentaires ............. 22
2.3.1 Sommes directes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.3.2 Sous-espaces supplémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.4 Sous-espace engendré par une famille de vecteurs. Familles génératrices 23
2.4.1 Combinaison linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.4.2 Sous-espace engendré par une partie . . . . . . . . . . . . . . . . . . . . . . 24
2.4.3 Propriétés des sous-espaces engendrés . . . . . . . . . . . . . . . . . . . . . 25
2.5 Familles libres . Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5.1 Vecteurs colinéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5.2 Famille libre - Famille liée . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.5.3 Propriétés des Familles libres ( liées) . . . . . . . . . . . . . . . . . . . . . 26
2.5.4 Base. Coordonnées d'un vecteur. . . . . . . . . . . . . . . . . . . . . . . . . 27
2.6 Espace de dimension ni . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.6.1 Espace de dimension ni . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
2.6.2 Le théorème de la dimension nie . . . . . . . . . . . . . . . . . . . . . . . 29
2.7 Produit cartésien d'espaces de dimension nie . . . . . . . . . . . . . . . 30
2.8 Rang d'une famille nie de vecteur . . . . . . . . . . . . . . . . . . . . . 30
2.9 Espaces de dimension innie . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.10 Espaces vectoriels quotients . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.11 Sous-espace d'un spaces de dimension nie . . . . . . . . . . . . . . . . 32

Dans tout ce chapitre K désigne un corps commutatif.

15
16 CHAPITRE 2. ESPACES VECTORIELS

2.1 Espaces vectoriels

2.1.1 Dénition et propriétés
Dénition 2.1.1. Soit E un ensemble non vide. Une loi de composition externe sur E de domaine
K est une application :
K×E −→ E
(λ, x) 7−→ λ·x
Exemple 2.1.2. Pour tout n ∈ N∗ , l'application
K × Kn −→ Kn
(λ, (x1 , ..., xn )) 7−→ (λ.x1 , ..., λ.xn )

est une loi de composition externe sur Kn

Exemple 2.1.3. 1. Soient (E, ·) et (F, ·) deux ensembles non vides munis de deux lois externes
sur un corps commutatif K, alors l'application suivante :
K × (E × F ) −→ E×F
(λ, (x, y) 7−→ (λ.x, λ.y)

est une loi externe sur le produit cartésien E × F .

2. Si X est un ensemble non vide, l'application suivante est une loi externe sur KX :
K × KX −→ KX
(λ, f 7−→ λ·f

où (λ · f ) (x) = λ × f (x) , pour tout x ∈ X,

Dénition 2.1.4. Soit E un ensemble non vide muni d'une loi de composition internenotée + et
d'une loi de composition externe de domaine K notée .
est un espace vectoriel sur le corps K si, et seulement si, les conditions suivantes
(E, +, .)
sont satisfaites :
(1) (E, +) est un groupe commutatif.
(2) La loi externe . vérie les quatre axiomes suivantes :
(i) ∀λ ∈ K, ∀µ ∈ K et ∀x ∈ E, λ · (µ · x) = (λµ) · x,
(ii) ∀λ ∈ K, ∀µ ∈ K et ∀x ∈ E, (λ + µ) · x = λ · x + µ · x,
(iii) ∀λ ∈ K, ∀x ∈ E et ∀y ∈ E, λ · (x + y) = λ · x + λ · y,
(iv) ∀x ∈ E, 1 · x = x.
On dit aussi que (E, +, .) (ou tout simplement E ) est un K- espace vectoriel.
Les éléments de E sont appelés des vecteurs.
Les éléments de K sont appelés des scalaires.

2.1.2 Exemples fontamentaux

Tous les exemples que nous donnons ci-dessous, sont les espaces vectoriels de référence. Vous devez
considérer le fait que ce sont des espaces vectoriels comme un résultat acquis sauf s'il est demandé de
le démontrer.
2.1. ESPACES VECTORIELS 17

Exemple 2.1.5. (1) Pour n ∈ N∗ , on munit Kn , l'ensemble des n-uplets d'éléments de K, des lois :
interne + et externe . dénies par :
Pour tout (x1 , ..., xn ), (y1 , ..., yn ) ∈ (Kn )2 et λ ∈ K
 (x1 , ..., xn ) + (y1 , ..., yn ) = (x1 + y1 , ..., xn + yn )
 λ.(x1 , ..., xn ) = (λ.x1 , ..., λ.xn ).
Munit de ces deux lois, (Kn , +, .) est un K-espace vectoriel.
Un vecteur ici est un n-uplet (x, ..., xn ).
l'élément n'eutre pour la somme est le vecteur 0 = (0, ..., 0), l'opposé du vecteur u = (x, ..., xn ) est le
vecteur −u = (−x, ..., −xn ).
(2) (R2 , +, .) est un R-espace vectoriel. Un vecteur ici est un couple (x, y), où x et y sont dans R.
(3) (R3 , +, .) est un R-espace vectoriel. Un vecteur ici est un triplet de réels. L'élément neutre pour
la somme est le vecteur 0 = (0, 0, 0).
(4) En particulier, (R, +, .) est un R-espace vectoriel. Un vecteur ici est alors directement un réel.
La loi externe (λ, x) → λ.x est en fait la multiplication de deux nombres réels.
(5) De mêm, (C, +, .) est un C-espace vectoriel.
(6) (C, +, .) est aussi un R-espace vectoriel. Les vecteur ici sont les nombres complexes et les sca-
laires sont les nombres réels. La loi externe (λ, x) → λ.x est en fait la multiplication d'un réel par un
complexe. Le vecteur nul est le nombre complexe 0 et l'opposé du vecteur z est le vecteur −z .

Remarque 2.1.6. R n'est pas un C-espace vectoriel.

Exemple 2.1.7. L'espace des applications.
(7) K[X], l'ensemble des polynômes à coecients dans K muni des lois classiques : (P, Q) → P + Q
et (λ, P ) → λ.P , est un espace vectoriel sur K.
(8) Kn [X], où n ∈ N, (l'ensemble des polynômes de degré inférieur ou égal à n) est un espace
vectoriel sur K.
(9) Soit X un ensemble non vide quelconque. Soit KX = A(X, K) l'ensemble des application de X
dans K.
 Loi interne (f + g)(x) = f (x) + g(x)
 Loi externe (λ.f )(x) = λf (x).
Pour tout f, g ∈ KX , λ ∈ K et x ∈ X .

Muni de ces deux lois KX est un K− espace vectoriel.

Les vecteurs sont ici les fonctions f : X → K, le vecteur nul est la fonction nulle θ (θ(x) = 0 pour
tout x ∈ x) et l'opposé de la fonction f est la fonction −f : x 7→ −f (x).
Exemple 2.1.8. L'espace des suites. (10) Dans KN = A(N, K) l'ensemble des suites ( dans K), on
dénit les lois suivantes :
 Loi interne (un )n∈N + (vn )n∈N = (un + vn )n∈N .
 Loi externe λ.(un )n∈N = (λ.un )n∈N .
Pour tout (un )n + (vn )n ∈ KN , et λ ∈ K.
Muni de ces deux lois (KN , +, .) est K− espace vectoriel.
Les vecteurs sont ici les suites (un )n∈N , le vecteur nul est la suite nulle 0 = (0 ... 0) et l'opposé du
vecteur u = (un )n∈N est le vecteur −u = (−un )n∈N .
18 CHAPITRE 2. ESPACES VECTORIELS

2.1.3 Règles de calcul

Proposition 2.1.9. Soit (E, +, .) un K- espace vectoriel, alors :
1. ∀α ∈ K α.0E = 0E . ∀x ∈ E 0.x = 0E
2. ∀α ∈ K , ∀x ∈ E α.x = 0E ⇔ α = 0K ou x = 0E .
Démonstration. (1.) Soit x ∈ E . On a 0.x = (0 + 0).x = 0.x + 0.x. Comme (E, +) est un groupe,
alors 0.x = 0E .
Soit α ∈ K, α.0E = α(0E + 0E ) = α.0E + α.0E . En simpliant par α.0E , on obtien α.0E = 0
E .
(2.) Soit (α, x) ∈ K × E, tel que α · x = 0E alors : si α 6= 0K , on a α1 · (α · x) = 0E , d'où α × α1 · x = 0E
ou encore 1 · x = 0E et par suite x = 0E .

Proposition 2.1.10. Soit (E, +, .) un K- espace vectoriel, alors :

1. ∀α ∈ K ,∀x ∈ E (−α).x = α.(−x) = −αx.
2. ∀α ∈ K ,∀x, y ∈ E α(x − y) = αx − αy .
3. ∀α, β ∈ K , ∀x ∈ E (α − β)x = αx − βx.
Démonstration. (1.) Soit (α, x) ∈ K × E . Mntrer que (−α).x = −α.x, revient à montrer que
(−α).x est l'opposé de α.x.
En eet, (−α).x + α.x = (−α + α).x = 0E ( d'après Proposition précédente). D'où le résultat.
De même, α.(−x) + α.x = α(−x + x) = 0E . Donc α.(−x) = −α.x.
(2.) α.(x − y) = α.x + α.(−y) = αx − αy .
(3.) Soit α, β ∈ K et x ∈ E , on a (α − β).x = α.x + (−β).x = α.x − β.x.

2.1.4 Produit d'espaces vectoriels

Soient (E1 , +1 , .), (E2 , +, .) ....(En , +, .) n espaces vectoriels sur le corps K (avec n ≥ 2).
On dénit sur le produit cartésien E1 × E2 × ...En les lois :
 Loi interne (x1 , x2 , ..., xn ) + (y1 , y2 , ..., y3 ) = (x1 + y1 , ..., xn + yn )
 Loi externe λ.(x1 , x2 , ..., xn ) = (λ.x1 , ..., λ.xn ).
Pour tout (x1 , x2 , ..., xn ), (y1 , y2 , ..., y3 ) ∈ E1 × E2 × ...En et λ ∈ K.
Théorème 2.1.11. (E1 × E2 × ...En , +, .) est un K-espace vectoriel.

2.2 Sous espaces vectoriels

2.2.1 Partie stable pour les deux lois
On a déjà rencontré la notion de sous-structures avec les notions de groupes et sous-groupes. La
notion fondamentale est la notion de stabilité.
Dénition 2.2.1. Soit (E, +, .)un K-espace vectoriel. Soit F une partie non vide de E .
 F est stable pour l'addition si, et seulement si ∀(x, y) ∈ F 2 x + y ∈ F .
 F est stable pour la loi externe si, et seulement si ∀x ∈ F ∀λ ∈ K λ.x ∈ F .
 F est stable par combinaisons linéaires si, et seulement si ∀(x, y) ∈ F 2 ∀(λ, µ) ∈ K2 λ.x+µ.y ∈
F.
2.2. SOUS ESPACES VECTORIELS 19

Dénition 2.2.2. Soit (E, +, .)un K-espace vectoriel. Soit F , une partie non vide de E , stable pour
les lois + et ..
F × F −→ F K × F −→ F
Les applications et
(x, y) 7−→ x+y (λ, x) 7−→ λ.x
S'appellent des lois induites sur F par les lois de E .

2.2.2 Dénition d'un sous-esapce espace vectoriel

Dénition 2.2.3. Soient E un K− espace vectoriel et F un sous ensemble non vide de E.
F est un sous K−espace vectoriel de (E, +, .) si, et seulement si F est stable pour les lois + et . et de
plus F muni des lois induites est un espace vectoriel.
Remarque 2.2.4.  Si F est sous espace vectoriel de (E, +, .), alors F est un sous groupe de (E, +).
En particulier F doit contenir 0E .
 Un K-espace vectoriel admet toujours deux sous-espaces dits triviaux, le sous-espace nul {0} et
l'espace E lui-même.

2.2.3 Caractérisation d'un sous-espace vectoriel

Théorème 2.2.5. Soient (E, +, .) un K− espace vectoriel et F une partie de E . F est un sous K-
espace vectoriel de E si, et seulement si F est non vide et est stable pour les lois + et .
Plus explicitement, F est un sous K-espace vectoriel de E si, et seulement si

 F 6= ∅
∀x ∈ F, ∀y ∈ F, x + y ∈ F
∀λ ∈ K, ∀x ∈ F, λ · x ∈ F.


On peut remplacer la condition F 6= ∅ par la condition suivante 0E ∈ F .

Proposition 2.2.6. (Caractérisation 1).
Soient (E, +, .) un K− espace vectoriel et F une partie de E .
F est un sous K-espace vectoriel de E si, et seulement si :

 0E ∈ F
∀x ∈ F, ∀y ∈ F, x + y ∈ F
∀λ ∈ K, ∀x ∈ F, λ · x ∈ F.


Démonstration. Suposons que F est un sous-espace vectoriel de l'espace (E, +, .), alors F est
stable pour les lois + et .. D'autre part le fait que F 6= ∅ implique que F contient un vecteur x.
D'après la Proposition2.1 −x ∈ F . Donc 0 = x + (−x) ∈ F .
Réciproquement, soit F une partie de E contenant 0 et stable pour les deux lois + et .. Donc F est
non vide et la loi, induite sur F par l'addition dans E , est une loi de décomposition interne sur F .
Soit (x, y) ∈ F 2 , montrons que x − y ∈ F . En eet, d'abord −y = (−1).y (Proposition.) ce qui implies
−y ∈ F .
Et on a x − y = x + (−y) ∈ F . Donc F est un sous groupe du groupe (E, +). En particulier (F, +)
est commutatif. D'autre part, les quatre axiomes concernant la loi externe restent valables dans F
par restriction. Finalement, F muni des lois induites est un K-espace vectoriel ou encore F est un
sous-espace vectoriel de l'espace vectoriel E.

Proposition 2.2.7. Soient (E, +, .) un K− espace vectoriel et F une partie de E .

F est un sous K-espace vectoriel de E si, et seulement si
20 CHAPITRE 2. ESPACES VECTORIELS


0E ∈ F
∀λ ∈ K, ∀ (x, y) ∈ F 2 , x + λ · y ∈ F
Exemple 2.2.8. 1. Si K = R, R est un sous R-espace vectoriel de C.
2. Si K = C, R n'est pas un sous C-espace vectoriel de C.
3. F = {(x, y, z) ∈ R3 /2x − y + 3z = 0} est un sous R-espace vectoriel de R3 .
4. G = {(x, y, z) ∈ R3 /2x − y + 3z = 1} n'est pas un sous R-espace vectoriel de R3 .
5. F = {P ∈ K[X]/3P (1) − P (2) + 5P (0) = 0} est un sous K-espace vectoriel de K[X].
0 00

6. G = {(x, y, z) ∈ R3 / xy = 0}.
Proposition 2.2.9. Soit Σ le système linéaire à coecients réels suivant :


 a11 x1 + a12 x2 + ... a1n xn = 0
 a21 x1

+ a22 x2 + ... a2n xp = 0
Σ: .. .. .. ..


 . . . .
ap1 x1 + ap2 x2 + ... apn xn = 0


L'ensemble S(Σ) des solutions de Σ est un sous R-espace vectoriel de Rn .

Exemple 2.2.10. Quelques sous-espaces de réferences.
1. On considère (KR , +, .), l'espace des fonctions dénies sur R à valeurs dans R.
P = {f ∈ KR /f est paire} est un sous-espace vectoriel de KR .
I = {f ∈ KR /f est impaire} est un sous-espace vectoriel de KR .
PT = {f ∈ KR /f est T − peroidique} est un sous-espace vectoriel de KR , oùT est un réel.

2. On considère (KN , +, .), l'espace des suites réelles .

B = {(un )n ∈ KN /(un )n est bornee} est un sous-espace vectoriel de KR .
B = {(un )n ∈ KN /(un )n est convergente} est un sous-espace vectoriel de KR .

Exercice 2.2.11. Les ensembles suivants sont-ils des R-espaces vectoriels ?

1. F = {(x, y, z) ∈ R3 / 3x − y + 2z = 0}.
2. H = {(x, y, z, t) ∈ C4 / x − iy + z + t = 5}.

2.2.4 Intersections et sommes de sous espaces vectoriels

Théorème 2.2.12. Soit (E, +, .) un K-espace vectoriel. Soient F et G deux sous espaces vectoriels
de E .
Alors, F ∩ G est un sous espace vectoriel de E .

Démonstration. F et G sont des sous-espaces vectoriels de E implique que 0E ∈ F ∩ G.

Soient (x, y) ∈ (F ∩ G)2 et (λ, µ) ∈ K2 .
On a λ.x + µy ∈ F et λ.x + µy ∈ G, donc λ.x + µy ∈ F ∩ G.
Ce qui montre que F ∩ G est un sous-espace de E .

Le théorème suivant donne une généralisation au cas d'une intersection quelconque.

Théorème 2.2.13. Soit (E, +, .) un K-espace vectoriel. Soit (Fi )i∈I une famille de sous-espaces
vectoriels de E où I est un ensemble non vide d'indices.
Alors, Fi est un sous espace vectoriel de E .
\

i∈I
2.2. SOUS ESPACES VECTORIELS 21

Démonstration. Posons F Fi . On a 0E ∈ F , car pour tout i ∈ I , 0E ∈ Fi (Fi est un

\
=
i∈I
sous-espace vectoriel de E ).
De plus pour tout (λ, x, y) ∈ K × F 2 , on a : (∀i ∈ I) , x ∈ Fi et y ∈ Fi , d'où (∀i ∈ I) x + λ.y ∈ Fi , et
par suite x + λ.y ∈ F .

Réunion
Remarque 2.2.14. Une intersection quelconque de sous-espaces est un sous-espace. Par contre, une
réunion de sous K-espaces vectoriels n'est pas un sous espace vectoriel en générale.

Contre exemple : On considère l'espace vectoriel (E = R [X] , +, .). Soient F = {α.X : α ∈ R}

et G = β.X 2 : β ∈ R deux sous R-espaces vectoriels réels de E .


E ∪ F ne est pas un sous-espace vectoriel de E car l'élément X 2 + X ∈

/ E ∪ F, même si X ∈ E ∪ F
et X 2 ∈ E ∪ F.

Exercice 2.2.15. Soit (E, +, .) un K-espace vectoriel. Soient F et G deux sous-espaces vectoriels de
(E, +, .).
Montrer que F G est un sous-espace de l'espace vectoriel (E, +, .) si, et seulement si F ⊂ G ou
S
G ⊂ F.

2.2.5 Somme de sous espaces vectoriels

Dénitions 2.2.16. Soitent F et G deux sous-espaces d'un e.v. (E, +, .) sur K.
La somme des sous-espaces F et G est

F + G = {x + y/x ∈ F, y ∈ G}.

Exemple 2.2.17. Poson E1 = {(x, 0)/x ∈ R} et E2 = {(0, x)/x ∈ R}.

Alors, on a E1 + E2 = R2 .

Théorème 2.2.18. Soit (E, +, .) un K-espace vectoriel. Soient F et G deux s.e.v de E .

F +G est un sous espace vectoriel de (E, +, .).

Preuve : En classe .

Remarque 2.2.19. On a déja vu que si F et G deux sous-espaces d'un e.v. (E, +, .), F G n'est pas
S
toujours un sous-espace vectoriel de E .
Mais on a le résultat suivant :
F + G est le plus petit sous-espace vectoriel de E contenant F G.
S
En eet

Théorème 2.2.20. Soient F1 , ..., Fn n K-sous-espaces de (E, +, .) (n ≥ 2).

n
est un sous espace vectoriel de E .
P
k=1 Fk = F1 + .... + Fn

Preuve : En classe.
22 CHAPITRE 2. ESPACES VECTORIELS

2.3 Sommes directes. Sous-espaces supplémentaires

2.3.1 Sommes directes
Dénition 2.3.1. Soient F et G deux sous-espaces d'un K-espace vectoriel (E, +, .).
La somme F + G est directe si, et seulement si tout élément u ∈ F + G s'écrit de manière unique sous
la forme u = x + y , où x ∈ F et y ∈ G.
Dans ce cas, la somme F + G s'écrit F ⊕ G.

Autrement dit,
φ : F × G −→ E
La somme F + G est directe si, et seulement si l'application est injective.
(x, y) 7−→ x+y

Théorème 2.3.2. Soient F et G deux sous-espaces d'un K-espace vectoriel (E, +, .).
F ⊕ G ⇐⇒ F ∩ G = {0} .

Preuve
Remarque 2.3.3. cette propriété est fausse s'il y a plus de deux sous-espaces vectoriels.
Preuve
Gnéralisation à plusieurs sous-espaces.
Dénition 2.3.4. Soit n ≥ 2, Soient F1 , ...., Fn n sous-espaces d'un K-espace vectoriel (E, +, .).
La somme F1 + .... + Fn est directe si, et seulement si tout élément u de F1 + .... + Fn s'écrit de manière
unique sous la forme u = x1 + ... + xn où xi ∈LFi pour tout i ∈ {1, ..., n}.
Dans ce cas, on écrit F1 ⊕ ... ⊕ Fn ou encore ni=1 Fi

Autrement dit, Qn
φ : i=1 Fi −→ PnE
La somme F1 + .... + Fn est directe si, et seulement si l'application est
(x1 , ...xn ) 7−→ i=1 xi
injective.

Remarque : Observons l'exemple suivant : on considère E1 = {x.(1, 0)/x ∈ R} = {(x, 0)/x ∈ R},
E2 = {x.(0, 1)/x ∈ R} = {(0, x)/x ∈ R} et E3 = {x.(1, 1)/x ∈ R} = {(x, x)/x ∈ R}.
ce sont des sous-espaces de R2 tels que E1 ∩ E2 = {0}, E1 ∩ E3 = {0} et E2 ∩ E3 = {0}.
Mais la somme E1 + E2 + E3 n'est directe car le vecteur (1, 1) s'écrit de deux manières diérentes :

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

Donc la caractérisation de la somme de plusieurs sous espaces vectoriels (plus de deux) se donne de
façon diérente comme suite
Théorème 2.3.5. Soit n ≥ 2, Soient F1 , ...., Fn n sous-espaces d'un K-espace
P vectoriel (E, +, .).
La somme F1 + .... + Fn est directe si, et seulement si ∀i ∈∈ [[1, n]], Fi ∩ j6=i Fj = {0}.

Preuve =exercice

2.3.2 Sous-espaces supplémentaires

Cas de deux sous-espaces.
2.4. SOUS-ESPACE ENGENDRÉ PAR UNE FAMILLE DE VECTEURS. FAMILLES GÉNÉRATRICES 23

Dénition 2.3.6. Soient F et G deux sous-espaces d'un K-espace vectoriel (E, +, .).
F et G sont supplémentaires si, et seulement si tout vecteur u ∈ E s'écrit de manière unique sous la
forme u = x + y , où x ∈ F et y ∈ G.
Dans ce cas, on écrit E = F ⊕ G.

Autrement dit,
E = F ⊕ G si, et seulement si l'application :
φ : F × G −→ E
est bijective.
(x, y) 7−→ x + y

A partir du théorème 3.1, on a la caractérisation suivante :

Théorème 2.3.7. Soient F etG deux sous-espaces d'un K-espace vectoriel (E, +, .).
E =F +G
E =F ⊕G si, et seulement si F ∩ G = {0}

Preuve :
Exercice 2.3.8. On considère F = {(x, y, z) ∈ R3 /x + y + z = 0} et G = {(a, a, a)/a ∈ R}.
Montrer que R = F ⊕ G.
3

Exercice 2.3.9. On considère E = RR muni des opérations usuelles. P (resp. I le sous-espace des
fonctions paires (respi. impaires).
Montrer que E = PF ⊕ P .

Plus généralement, on a la notion de n sous-espaces supplémentaires

Dénition 2.3.10. Soit n ≥ 2, Soient F1 , ...., Fn n sous-espaces d'un K-espace vectoriel (E, +, .).
Les sous-espaces F1 , ...., Fn sont supplémentaires si, et seulement u ∈ E s'écrit de manière unique sous
la forme u = x1 + ... + xn , où Lxi ∈ F1 , ..., et xn ∈ Fn .
Dans ce cas, on écrit E = ni=1 Fi .

Autrement dit,
E = Q i=1 Fi si, et seulement si l'application :
Ln
n
φ : i=1 Fi −→ P E
n est bijective.
(x1 , ..., xn ) 7−→ i=1 xi

2.4 Sous-espace engendré par une famille de vecteurs. Familles

génératrices
2.4.1 Combinaison linéaire
Cas d'une famille nie.
Dénitions 2.4.1. Soient (E, +, .) un K-espace vectoriel ; a1 , a2 , ..., an des vecteurs de E .
Une combinaison linéaire des vecteurs de la famille (ai )1≤i≤n est un vecteur de la forme
n
X
λi ai = λ1 a1 + λ2 a2 + ... + λn an .
i=1

où λ1 , λ2 , ..., λn des scalaires de K.

24 CHAPITRE 2. ESPACES VECTORIELS

→ une combinaison linéaire de deux vecteurs u et v est un vecteur de la forme αu + βv , où

(α, β) ∈ K2 .
→ une combinaison linéaire d'un seul vecteur u est un vecteur de la forme αu, où α ∈ K.

Cas d'une famille innie.

Dénitions 2.4.2. Soient I un ensemble non vide quelconque d'indices puis (ai )i∈I une famille
d'éléments de E indexée par I .
Une combinaison linéaire des vecteurs de la famille (ai )i∈I est une
X combinaison linéaire d'une sous-
famille nie de cette famille c'est-à-dire un vecteur de la forme λi ai où J est un sous-ensemble
i∈J
non vide ni de I et λi ∈ K pour tout i ∈ J .
Exemple : Tout polynôme P de K[X] est combinaison linéaire des vecteurs de la famille (X n )n∈N
ou encore tout polynôme est combinaison linéaire d'un nombre ni de monômes X n où n ∈ N.

2.4.2 Sous-espace engendré par une partie

Théorème 2.4.3. Soient (E, +, .) un K-espace vectoriel et A une partie de E .
Il existe un plus petit (au sens de l'inclusion) sous-espace vectoriel de E contenant A.
On l'appelle le sous-espace engendré par A et on le note V ect(A).

Démonstration. Il existe au moins un sous-espace de E contenant A à savoir E lui-même.

On considère F0 l'intersection de tous les sous-espaces de E contenant A. F0 est, alors, un sous-espace
vectoriel de E entant que 'intesection de sous-espaces et on a A ⊂ F0 .
Si maintenant F un sous espace de E contenant A, alors F0 ⊂ F .
Conclusion F0 est le plus petit sous-espace de E contenant A et on a V ect(A) = F .

Remarque : V ect(∅) = {0}

Dénitions 2.4.4. Soit (E, +, .) un K-espace vectoriel. Soit (xi )i∈I une famille d'éléments de E in-
déxé e par I , I est un ensemble d'indice non vide.
→ Le sous-espace engendré par la famille (xi )i∈I est le sous-espace engendré par la partie {xi , i ∈ I}.
Il se note V ect((xi )i∈I ).
→ On dit que la famille (xi )i∈I est une famille génératrice de V ect((xi )i∈I ).
→ Dans le cas particulier où E = V ect((xi )i∈I ), on dit que la famille (xi )i∈I est une famille géné-
ratrice de E .
Théorème 2.4.5. Soit (E, +, .) un K-espace vectoriel. Soit (xi )i∈I une famille d'éléments de E
indéxée par I , I est un ensemble d'indice non vide.
V ect((xi )i∈I ) est l'ensemble des combinaisons linéaires des vecteurs de la famille (xi )i∈I .

Preuve.
Remarque 2.4.6. 1. V ect(∅) = {0}.
2. Pour un vecteur u ∈ E , V ect(u) = {λu/λ ∈ K}.
Si u 6= 0, V ect(u) est la droite engendrée par le vecteur u.
3. Pour deux vecteurs u, v ∈ E , V ect(u, v) = {λu + µv : (λ, µ) ∈ K2 }.
Si u et v ne sont pas colinéaires, V ect(u, v) est le plan engendré par u et v .
4. K[X] = V ect(X n )n∈N et Kn [X] = V ect(X k )0≤k≤n .
`
2.5. FAMILLES LIBRES . BASES 25

2.4.3 Propriétés des sous-espaces engendrés

Théorème 2.4.7. Soient (E, +, .) un K-espace vectoriel. Soient A et B deux parties de E .
1. V ect(A) est un K-sous-espace de E et A ⊂ V ect(A).
2. A = V ect(A) ⇐⇒ A sous-espace vectoriel de E
3. V ect(V ect(A)) = V ect(A).
4. A ⊂ B =⇒ V ect(A) ⊂ V ect(B).
5. V ect(A ∪ B) = V ect(A) + V ect(B).
Preuve

2.5 Familles libres . Bases

2.5.1 Vecteurs colinéaires
Dénition 2.5.1. Soient (E, +, .) un K-espace vectoriel ; u et v deux vecteurs de E .
v est colinéaire au vecteur u si, et seulement si [u = 0 ou (u 6= 0 et ∃λ ∈ K tel que v = λu ) ].

Remarquons que :
→ v est colinéiare à u ⇐⇒ u est colinéiare à v .
→ On peut dire donc que les vecteurs u et v sont colinéaires.
→ Si les vecteurs u et v sont colinéaires, on dit aussi qu'ils sont liées.

2.5.2 Famille libre - Famille liée

Dénition 2.5.2. Soit A = (xi )1≤i≤n une famille de vecteurs d'un K− espace vectoriel E , où n est
un entier non nul.

1. La famille (xi )1≤i≤n est libre (ou encore les vecteurs x1 , ..., xn sont linéairement indépendants)
si, et seulement si pour tout (α1 , ..., αn ) ∈ Kn

α1 x1 + ... + αn xn = 0 =⇒ αi = 0 pour tout i ∈ {1, ..., n}.

2. On dit que (xi )1≤i≤n est une famille liée (ou que les vecteurs x1 , ..., xn sont linéairement
dépendants) si, et seulement si, elle n'est pas libre,
c'est-à- dire ∃(α1 , ..., αn ) ∈ Kn tels que α1 x1 + ... + αn xn = 0 et (α1 , ..., αn ) 6= (0, ..., 0).
Dénitions 2.5.3. (Cas d'une famille quelconque ).
Soient (E, +, .) un K-espace vectoriel. Soit I un ensemble non vide d'indices et (xi )i∈I ∈ E I .

1. La famille (xi )i∈I est libre si et seulement si toute sous-famille nie de la famille (xi )i∈I est libre
ou encore pour tout partie nie non vide J de I , la famille (xi )i∈J est libre.
C-à-d Pour toute partie nie J de I, pour tout (αi ) ∈ KJ et pour tout (xi ) ∈ AJ ,
X
αi xi = 0 =⇒ ∀i ∈ J αi = 0.
i∈J

2. On dit que (xi )i∈I est liée si, et seulement si, elle n'est pas libre, ou encore il existe une partie
non vide J de I telle que la famille (xi )i∈I soit liée.
26 CHAPITRE 2. ESPACES VECTORIELS

Convention. Dans le cas où I = ∅, on dit que la famille (xi )i∈I est vide. Par convention, la
famille vide, notée ∅, est libre.
Exercice 2.5.4. On munit E = R3 des opérations usuelles.
(1) Soient u1 = (1, 0, 1) , u2 = (0, 2, 1), u3 = (2, 2, 5).
Montrer que la famille B = {u1 , u2 , u3 } est libre.
(2) Soient v1 = (1, −1, 1), v2 = (14, −2, 5), v3 = (4, 0, 1). La famille S = {v1 , v2 , v3 } est-elle libre ?

Solution de l'exercice
(1) Soient
 α, β, γ ∈ R \ αu1 + βu2 +γu3 = (0, 0, 0) 
 α + 2γ = 0  α + 2γ = 0  α = −2γ
Donc 2β + 2γ = 0 =⇒ 2β + 2γ = 0 =⇒ β = −γ
α + β + 5γ = 0 β + 3γ = 0 2γ = 0
  
D'où α = β = γ = 0. Ce qui implique que B est une famille libre de R3 .

(2). On considère la famille S = {v1 , v2 , v3 } et soient a, b, c ∈ R tels que av1 + bv2 + cv3 = (0, 0, 0),
donc  
 a +14b +4c = 0  a +14b +4c =0
−a −2b = 0 ⇒ 12b +4c =0
a +5b +c = 0, −9b −3c =0
 
 
a +14b +4c = 0 a = −2b
=⇒ =⇒
3b +c = 0 c = −3b
Soient b = −1, a = 2 et c = 3. Pour ce choix on a
2v1 − v2 + 3v3 = (0, 0, 0).

Ce qui montre que la famille S est liée.

Exercice 2.5.5. On munit E = RR des opérations usuelles.
1. Soient f1 : x 7→ cos(x), f2 : x 7→ sin(x) et f3 : x 7→ cos(2x).
Montrer que la famille (f1 , f2 , f3 ) est libre.
2. Soient f1 : x 7→ cos2 (x), f2 : x 7→ sin2 (x) et f3 : x 7→ 1.
Montrer que la famille (f1 , f2 , f3 ) est liée.
Exercice 2.5.6. On munit E = K[X] des opérations usuelles.
1. La famille (X n )n∈N est libre.
2. Soit (Pn )n∈N une famille de polynômes non nuls de degrés deux à deux distincts.
La famille (Pn )n∈N est libre.
En particulier, si (Pn )n∈N est une famille de polynômes telle que pour tout n ∈ N, deg(P ) = n,
alors La famille (Pn )n∈N est libre.

2.5.3 Propriétés des Familles libres ( liées)

Proposition 2.5.7. Soit E, +, .)un K− espace vectoriel. Soient u, v ∈ E
1. La famille {u} est libre si, et seulement si u 6= 0.
2. La famille {u, v} est libre si, et seulement si u et v ne sont pas colinéaire.

Preuve
Proposition 2.5.8. Soit (E, +, .)un K− espace vectoriel. Soit (xi )i∈I une famille non vide de vecteurs
de E .
2.5. FAMILLES LIBRES . BASES 27

1. Si l'un des vecteurs de la famille (xi )i∈I est nul, alors elle est liée.
2. Si la famille (xi )i∈I est libre, alors tous les vecteurs de cette famille sont non nuls.
3. Si il existe i, j ∈ I tels que i 6= j et xi et xj soient colinéaires, alors la famille (xi )i∈I est liée.
4. Si la famille (xi )i∈I est libre, alors les vecteurs de cette famille sont deux à deux non colinéaires.
Preuve

Le théorème suivant caractérise les familles libres.

Théorème 2.5.9. Soit (E, +, .)un K− espace vectoriel. Soit (xi )i∈I une famille non vide de vecteurs
de E constituée d'au moins deux vecteurs. .
1. La famille (xi )i∈I est liée si et seulement si il existe un vecteur de cette famille qui est combi-
naison linéaire des autres vecteurs de cette famille.
2. La famille (xi )i∈I est libre si et seulement si aucun vecteur de cette famille n'est combinaison
linéaire des autres vecteurs de cette famille
Exercice 2.5.10. Soit (E, +, .)un K espace vectoriel. Soit (x1 , ..., xn , y) ∈ E n+1 où n ∈ N∗ .
Supposon que la famille (x1 , ..., xn ) est libre et que la famille (x1 , ..., xn , y) est liée.
Montrer que y est combinaison linéaire des vecteurs de la famille (x1 , ..., xn ).
Théorème 2.5.11. Soit E, +, .)un K− espace vectoriel. Soit (xi )i∈I une famille non vide de vecteurs
de E onstituée d'au moins deux vecteurs. .
1. La famille (xi )i∈I est libre
2. Pour toute partie nie non vide J de I , ∀((λi )i∈J , (µi )i∈J ) ∈ (KJ )2
X X
λ i xi = µi xi =⇒ λi = µi pour tout i ∈ j.
i∈J i∈J

Quand une famille est libre, on a la possibilité d'identier les coecients.

Exercice 2.5.12. Déterminer les réels x, y et z tels que
∀a ∈ R : (x + y) cos(a) + (2x − y + z) sin(a) + (x + 2z) cos(2a) = 3 cos(a) + 2 cos(2a).

Théorème 2.5.13. 1. Toute sous-famille d'une famille libre est libre.

2. Toute sur-famille d'une famille liée est liée

2.5.4 Base. Coordonnées d'un vecteur.

Dénition 2.5.14. Soit B = (ei )i∈I une famille non vide de vecteurs d'un K− espace vectoriel E .
On dit que B est une base de E si, et seulement si, B est une famille libre et génératrice de E .
Remarque 2.5.15. → B = (ei )i∈I est une base de l'espace vectoriel E si, et seulement si tout vecteur
de E est combinaison linéaire,X
de manière unique, des vecteurs de la famille B = (ei )i∈I .
c'est-à-dire ∀x ∈ E : x = λi ei où les λi sont des éléments de K, nuls sauf peut-être pour un
i∈I
nombre ni d'entre eux.
Ou bien ∀x ∈ E s'écrit d'une manière unique x = αi xi où J est une partie nie de I et les λi
X

i∈J
sont des éléments du corps K.
→ Les (λi )i∈J sont appelés les composantes de x dans la base B ou encore les coordonnées de
x dans cettte base.
28 CHAPITRE 2. ESPACES VECTORIELS

Convention. ∅ est une base de l'espace vectoriel ({0}, +, .).

→ Dans la dénition précédente, rien ne dit que si (E, +, .) est un K-espace vectoriel  pris au hasard
, il existe au moins une base dans E .
Exercice 2.5.16. Des bases canoniques.

1. Dans E = Kn , où n ∈ N∗ , le système S = {e1 , e2 , ..., en } déni par : (∀i ∈ {1, ..., n}) ei =
(δij )1≤j≤n = (0, 0, ..., 1, 0, ..., 0) où 1 est à la iième place, est une base de Kn .
2. Pour tout n ∈ N et
E = Kn [X] l'ensemble des polynômes de degré inférieur ou égal à n,
B = 1, X, X 2 , ..., X n est une base de Kn [X].
3. Pour I = N, le système 1, X, X 2 , ...., X n , .... est une base de K [X] .


Proposition 2.5.17. Soient E un espace vectoriel, (Ei )i∈I une famille de sous-espaces vectoriels de
et (∀i ∈ I) Bi est une base de Ei . Si E = Ei , alors B = est une base de E .
M [
E Bi
i∈I i∈I
Elle est appelée la base adaptée à la décomposition E = Ei .
M

i∈I

Démonstration. Montrons que B est un système générateur de E .

En eet :
(∀i ∈ I) Bi ⊂ B =⇒ V ect (Bi ) ⊂ V ect (B) .
Donc
(∀i ∈ I) Ei ⊂ V ect (B) ,
et par suite M
E= Ei ⊂ V ect (B) ⊆ E.
i∈I

Ce qui montre que B est u système générateur de E .

Montrons que le système B est libre.

Pour tout i ∈ I , on désigne par eij j∈Ji les vecteurs de la base Bi dans Ei et J = Ji , alors
[

  i∈I

Ei , d'où
X X X M X
αi ei = 0 =⇒  αj eij  = 0 ∈ αj eij = 0 =⇒ (∀j ∈ Ji ) αj = 0.
i∈I i∈I j∈Ji i∈I j∈Ji

Exemple 2.5.18. On considère l'espace vectoriel E = R3 . Soit u = (2, 0, −1), v = (2, 1, 3) et w =

(0, 1, 2)
Montrer que la gamille (u, v, w) est une base de E .
Exercice 2.5.19. Soit a ∈ K, posons P = (X − a)n .
Montrer que la gamille (Pn )n∈N est une base de K[X].

2.6 Espace de dimension ni

2.6.1 Espace de dimension ni
Introduction :
On verra que la dimension d'un espace vectoriel est le nombre de vecteurs d'une base de cet espace.
2.6. ESPACE DE DIMENSION FINI 29

Mais on doit franchir deux problèmes.

• on ne sait pas si deux bases d'un même espace ont le même nombre d'éléments.
• on ne sait pas si un espace donné admet au moins une base.
Par contre, un espace E donné admet toujours au moins une famille génératrice, à savoir une famille
de vecteurs constituée de tous les vecteurs de E (la partie E est génératrice de E ).
Ceci nous conduit à la dénition initiale suivante :
Dénition 2.6.1. On dit qu'un espace vectoriel E est de dimension nie s'il possède un système
générateur ni, c'est à dire qu'il existe n vecteurs x1 , x2 , ..., xn de E tels que :
E = V ect(x1 , .., xn ).

Kn −→ E
n
Autrement dit, si l'application (α , α , ..., α ) −→ X
αi xi
est surjective.
1 2 n
i=1
Dans le cas contraire, E est dit de dimension innie.
Exemple 2.6.2. 1. ({0}, +, .) est un e.v de dimension nie car il admet {0} comme famille géné-
ratrice. Une autre famille génératrice est la famille vide ∅.
2. Pour tout n ∈ N∗ , Kn est un e.v. de dimension nie sur K.
3. Pour tout n ∈ N, E = Kn [X] l'ensemble des polynômes de degré inférieur ou égal à n, est de
dimension nie sur K.
4. L'espace vectoriel K [X] est de dimension innie sur K, le système 1, X, X 2 , ...., X n , .... en est


un système générateur inni.

On va maintenant démontrer qu'en dimension nie, il existe au moins une base et que deux bases
de E ont le même nombre d'éléments.
Théorème 2.6.3. Soit (E, +, .) un K-espace vectoriel. Soit G une famille génératrice de E nie de
cardinal card(G) = n.
Alors on peut extriare de G une base de E .
En particileir, tout espace de dimension nie admet une base nie.

Preuve :
Théorème 2.6.4. Soit L une famille libre d'un K-espace vectoriel de dimension nie E .
le raisonnement précédent montre que l'on peut compléter L en une base de E .

Preuve :
Théorème 2.6.5. Soit E un K−espace vectoriel de dimension nie n.
Alors tout système libre dans E comporte au plus n vecteurs.
Autrement dit, si L est une famille libre de E et G un système générateur de E , alors
card(L) ≤ card(G).

Corollaire 2.6.6. Soit (E, +, .) un K-espace vectoriel de dimension nie.

Toutes les bases de E ont le même nombre d'éléments et ce nombre d'éléments est ni.
Dénition 2.6.7. La dimension de E est le cardinal d'une base de E.
Elle se note dimK (E) ou plus simplement dim(E).
Exemple 2.6.8. 1. dim ({0}) = 0.
2. dimR (C) = 2 et dimC (C) = 1
30 CHAPITRE 2. ESPACES VECTORIELS

3. Pour tout n ∈ N, Kn [X] est de dimension n + 1 comme K-espace vectoriel.

4. Pour tout n ∈ N∗ , Kn est de dimension n comme K-espace vectoriel.
Théorème 2.6.9. Soit E un K−espace vectoriel de dimension nie n et soit B une partie de E. Les
propriétés suivantes sont équivalentes :
1. B est une base de E.
2. B est une partie libre de E et card(B) = n .
3. B est une partie génératrice de E et card(B) = n .

Démonstration. 1. ⇒ 2. évident.
2. ⇒ 3. B est une base de E d'après 3. du corollaire précédente, donc c'est une partie génératrice de
E ayant n éléments.
3. ⇒ 1. D'après 2. du corollaire précédent.

Exemple 2.6.10. Exemple Montrer que {1, X − 1, (X − 1)2 , (X − 1)3 } est une base de R3 [X].
(1) On a card{1, X − 1, (X − 1)2 , (X − 1)3 } = 4 = dimR3 [X] donc il sut de montrer qu'elle
est libre. En eet α + β(X − 1) + γ(X − 1)2 + λ(X − 1)3 = 0 si, et seulement si, α = β = γ = λ = 0
ce qui montre que ce système est libre et donc c'est une base de R3 [X].
Exemple 2.6.11. Exemple On munit E = R3 desopérateurs usuelle.
Soient u1 = (2, 0, −1), u2 = (2, 1, 3) et u3 (0, 1, 2).
Montrer que B = {u1 , u2 , u3 } est une base de E = R3 .

2.7 Produit cartésien d'espaces de dimension nie

Théorème 2.7.1. .

1. Soient (E1 , +, .), ..., (En , +, .) n espaces vectoriels deQdimension P

nie (n ≥ 2). Alors ni=1 Ei est
Q
un espace vectoriel de dimension nie et on a dim( i=1 Ei ) = ni=1 Ei .
n

2. Si (E, +, .) est un espace vectoriel de dimension nie, alors dim(E n ) = n.dim(E) pour tout
n ∈ N∗ .

Pour le cas où E = Kn , on retrouve dim(Kn ) = n.

Démonstration. On démontre le résultat par récurrence sur n.

2.8 Rang d'une famille nie de vecteur

Dénition 2.8.1. Soit (E, +, .) un K-espace vectoriel. Soit (u1 , ..., up ) une famille de p vecteurs de
E (p ∈ N).
Le rang de la famille (ui )1≤i≤p , noté rg((ui )1≤i≤p ) , est la dimension de l'espace engendré par la
famile (ui )1≤i≤p .
rg((ui )1≤i≤p ) = dim(V ect((ui )1≤i≤p ).
C'est aussi le nombre maximal des vecteurs libres qu'on peut extraire de ce système.

Si la famille est vide, le sous-espace engendré est {0} et on pose donc rg(∅) = 0.
2.9. ESPACES DE DIMENSION INFINIE 31

Théorème 2.8.2. Soit (E, +, .) un K-espace vectoriel de dimension nie n. Soit (u1 , ..., up ) une
famille de p vecteurs de E (p ∈ N∗ ). Soit r = rg((ui )1≤i≤p ) = dim(V ect((ui )1≤i≤p ).
1. rg(ua , ..., up ) ≤ M in{n, p}.
2. rg(ua , ..., up ) = p ⇐⇒ la famille (ui , ..., up ) est libre.
3. rg(ua , ..., up ) = n ⇐⇒ la famille (ui , ..., up ) est génératrice de E .
Dans ce cas n ≤ p, et on peut extraire de (ui , ..., up ) une base de E .
4. rg(ua , ..., up ) = p = n ⇐⇒ la famille (ui , ..., up ) est base de E
Exercice 2.8.3. Déterminer les rangs des systèmes de vecteurs suivants :
1. {u1 = (1, 0, 2), u2 = (2, 1, 1), u3 = (−1, −2, 4), u4 = (2, −1, 7)}.
2. {(2, 3, 5), (−1, 2, −3), (4, −3, 8)}.
3. {(2, 3, 5), (−1, 2, −3), (1, 5, 2)}.

2.9 Espaces de dimension innie

Dénition 2.9.1. Soit (E, +, .) un K-espace vectoriel.
dimension innie si et seulement si E n'est pas de dimension nie.
E est de

Le théorème suivant caractérise les espaces de dimension innie.

Théorème 2.9.2. Soit (E, +, .) un K-espace vectoriel.
E est de dimension innie si, et seulement si pour tout n ∈ N, E contient une famille libre de
cardinal n.

Démonstration. En classe.

Exemple 2.9.3. 1. (K[X], +, .) est un K-espace vectoriel de dimension innie.

En eet, pour tout n ∈ N, la famille (X k )0≤k≤n est libre. Ce qui montre K[X] est de dimension
innie.
2. (KN , +, .) est un K-espace vectoriel de dimension innie.
En eet,
Exercice 2.9.4. Pour a ∈ R, on considère fa : x 7→ eax pour x ∈ R.
Montrer que la famille (fa )a∈R est une famille libre dans l'espace (KR , +, .).

2.10 Espaces vectoriels quotients

Soient E un K− espace vectoriel et F un sous-espace vectoriel de E . Puisque F est un groupe, on
considère < la relation d'équivalence dénie sur E par :

x<y ⇔ x − y ∈ F

L'ensemble quotient E/< = {x̄ : x ∈ E} on le note par E/F .

Proposition 2.10.1. E/F muni de la loi + dénie par x̄ + ȳ = x + y et de la loi externe dénie par
αx̄ = αx pour tous x, y ∈ E et λ ∈ K, est un K espace vectoriel.
32 CHAPITRE 2. ESPACES VECTORIELS

Démonstration. On a (E/F, +) est un groupe commutatif pour la loi + dénie comme suit :
x̄ + ȳ = x + y .
1) La multiplication externe est bien dénie. En eet, soient α ∈ K, x, y ∈ E tels que x̄ = ȳ on
cherche à montrer que αx̄ = αȳ : On a x̄ = ȳ donc x − y = c ∈ F d'où αx − αy = αc ∈ F car c'est un
sous espace vectoriel, ce qui montre que
αx̄ − αȳ = αx − αy = αx − αy = 0̄

2) Pour tous α, β ∈ K et tous x, y ∈ E on a :

1. α(x̄ + ȳ) = α(x + y) = α(x + y) = αx + αy = αx̄ + αȳ
2. (α + β)x̄ = αx̄ + β x̄
3. (αβ)x̄ = α(β x̄)
4. 1x̄ = x̄
Ainsi E/F est un K-espace vectoriel.

2.11 Sous-espace d'un spaces de dimension nie

Théorème 2.11.1. Soit (E, +, .) un K-espace vectoriel de dimension nie n. Soit F un sous-espace
vectoriel de E .
1. dim(F ) ≤ n.
2. F = E ⇐⇒ dim(F ) = dim(E).

Démonstration. (1) Soit L une famille libre de F . L est une famille libre de E et donc card(L) ≤
n. Ce qui montre que F n'est pas un espace de dimension innie.
Soit maintenant B une base de F . B est une famille libre de E et donc card(B) ≤ n. Ce qui montre
que dim(F ) ≤ n.
(2) ( =⇒ ) evident.
(⇐) Supposons que dim(F ) = dim(E) = n. Soit B = {e1 , ..., en } une base de F . On a B est famille
libre dans F donc elle est libre dans E et card(B) = dim(E), donc B est une base de E .
On en déduitque F = vect(B) = E .

Théorème 2.11.2. (Existence du supplémentaire).

Soient E un espace vectoriel de dimension nie et F un sous-espace vectoriel de E. Alors F admet
au moins un supplémentaire dans E , qu'on note ici H , et
dimK H = dimK (E/F ) = dim (E) − dim (F ) ,

appelé la codimension de F dans E et est notée codim (F ) .

Démonstration. Soit (e1 , e2 , ..., em ) une base de F. D'après le théorème de la base incomplète il
existe des vecteurs (u1 , u2 , ..., up ) de E tels que (e1 , e2 , ..., em , u1 , u2 , ..., up ) soit une base de E.
Posons H = V ect(u1 , u2 , ..., up ). Tout vecteur x de E s'écrit d'une façon unique :
x = λ1 e1 + λ2 e2 + ... + λm em + α1 u1 + ... + αp up (∗)

où λi , αi ∈ K.
Donc x s'écrit de manière unique comme somme de d'un vecteur de F et d'un vecteur de H . Ce qui
2.11. SOUS-ESPACE D'UN SPACES DE DIMENSION FINIE 33

montre que E = F ⊕ H .
Reste à montrer que dimK H = dimK (E/F ) = dim (E) − dim (F ) .
Pour tout x ∈ E/F , l'égalité (∗) implique que
x̄ = λ1 e1 + λ2 e2 + ... + λm em + α1 u1 + ... + αp up = α1 u1 + ... + αp up .

Donc {u1 , u2 , ..., up } est une famille génératrice de E/F . Montrons que les vecteurs u1 , u2 , ..., up sont
linéairement indépendants.
Soient β1 , β2 , ..., βp ∈ K tels que :
β1 (u1 ) + β2 (u2 ) + ... + βp (up ) = 0̄

donc β1 (u1 ) + β2 (u2 ) + ... + βp (up ) = 0̄.

Ce qui implique que β1 (u1 ) + β2 (u2 ) + ... + βp (up ) ∈ F .
Donc : ∃µ1 , µ2 , ..., µm ∈ K tels que :
β1 (u1 ) + β2 (u2 ) + ... + βp (up ) = µ1 e1 + µ2 e2 + ... + µm em

Comme e1 , e2 , ..., em , u1 ; ..., up sont linéairement indépendants, on en déduit que β1 = ... = βp = µ1 =

... = µm = 0.
Alors {u1 , u2 , ..., up } est une base de E/F . Ce qui montre que dim(E/F ) = p = m + p − m =
dim(E) − dim(F )

Exemple 2.11.3. Exercice On considère le sous espace vectoriel de R3 ,

F = {(x, y, z) ∈ R3 / x + 2y − 3z = 0}.

1. Donner une base de F ainsi que sa dimension.

2. Trouver un supplémentaire de F .
Remarque 2.11.4. Si E est de dimension innie et F un sous-espace de E, rien ne dit que F admette
au moins un supplémentaire.
Proposition 2.11.5. Soit E un espace vectoriel de dimension nie. Pour tous F, G sous espaces
vectoriels de E : dim (F + G) = dim (F ) + dim (G) − dim (F ∩ G)
Preuve : Puisque G est un sous-espace vectoriel de E de dimension nie alors F ∩ G admet un
supplémentaire H dans G .
Donc : (F ∩ G) ⊕ H = G =⇒ dim((F ∩ G) + H) = dim((F ∩ G) ⊕ H) = dim(G).
Alors : dim(H) = dim(G) − dim(F ∩ G).
Montrons que H est un supplémentaire de F dans F + G.
D'abord H ∩ F = {0}. En eet si x ∈ H ∩ F , alors x ∈ H ∩ F ∩ G.
Soit u ∈ F + G, donc u = x + y où x ∈ F et y ∈ G.
Puisque G = (F ∩ G) ⊕ H , alors y = a + h où a ∈ (F ∩ G) ⊂ F et h ∈ H .
Donc u = x + a + h ∈ F + H .
Ce qui montre que H est un supplémentaire de F dans F + G.
Ainsi : F + G = F ⊕ H .
Par suite on a :
dim(F + G) = dim(F ⊕ H) = dim(F ) + dim(H) = dim(F ) + dim(G) − dim(F ∩ G)

Corollaire 2.11.6. Soit E un K-espace vectoriel de dimension nie. Si F et G sont deux sous espaces
vectoriels de E et si la somme de F et G est directe alors :
dim(F ⊕ G) = dim(F ) + dim(G).
34 CHAPITRE 2. ESPACES VECTORIELS

Preuve :
Proposition 2.11.7. Soient E un espace vectoriel de dimension nie et E1 , E2 , ... et Ep sont des
sous- espaces vectoriels de E de dimensions n1 , n2 , ... et np respectivement alors :
dim (E1 ⊕ E2 ⊕ ... ⊕ Ep ) = n1 + n2 + ... + np .
p
En particulier si E1 , E2 , ..., Ep sont supplémentaires, alors dim (E) =
X
dim (Ei ) .
i=1

Proposition 2.11.8. Soit (E, +, .) un K-espace vectoriel de dimension nie n. Soit F et G deux
sous-espaces de E . Soit B1 une base de F et B2 une base de G.

B1 ∩ B2 = ∅
1. F et G sont en somme direct ⇐⇒ B1 ∪ B2 est une base de F + G

dim(E) = dim(F ) + dim(G)
2. E = F ⊕ G ⇐⇒ F ∩ G = {0}