Agrégation interne

UFR MATHÉMATIQUES

Les espaces vectoriels

1. Généralités
Dans tout le chapitre, K représente un corps commutatif.

1.1. Notion d’espace vectoriel

On considère un ensemble E sur lequel on suppose définies
− une loi de composition interne notée additivement (+)
− une loi de composition externe, notée multiplicativement (.), de K × E dans E.

Définition 1 – On dit que E est un espace vectoriel sur K si

1) (E, +) est un groupe abélien, c’est-à-dire :
− ∀(x, y, z) ∈ E 3 , (x + y) + z = x + (y + z) (associativité)
− ∀(x, y) ∈ E 2 , x + y = y + x (commutativité)
− ∃e ∈ E, ∀x ∈ E, x + e = x (élément neutre)
− ∀x ∈ E, ∃x′ ∈ E, x + x′ = e (symétrique)
2) ∀(x, y) ∈ E 2 , ∀(λ, µ) ∈ K2 ,
− λ . (x + y) = λ . x + λ . y
− (λ + µ) . x = λ . x + µ . x
− λ . (µ . x) = (λµ) . x
− 1 . x = x où 1 est l’élément neutre pour la multiplication de K

Dans toute la suite, on notera 0 (ou 0E si besoin) l’élément neutre pour la loi de
composition interne et on l’appellera le vecteur nul. Le symétrique d’un élément x
de E sera noté −x.

Exemples -
• Soit n un entier strictement positif. On considère les suites ordonnées de n
éléments de K : (x1 , x2 , . . . , xn ). L’ensemble de ces suites est noté Kn . Soient
x = (x1 , . . . , xn ) et x′ = (x′1 , . . . , x′n ) deux éléments de Kn et soit λ ∈ K, on
pose :
x + x′ = (x1 + x′1 , . . . , xn + x′n ) et λ . x = (λx1 , . . . , λxn ).
Muni de ces deux lois, Kn est un espace vectoriel sur K. En particulier, tout
corps commutatif K est un espace vectoriel sur lui-même.
• R est un espace vectoriel sur Q.
• On note F (K, K) l’ensemble des applications de K dans K.
On définit, sur F (K, K), une loi appelée addition des applications
(
F (K, K) × F (K, K) −→ F (K, K)
+
(f, g) 7−→ f + g
où f + g est l’application définie par (f + g)(x) = f (x) + g(x) pour tout
x ∈ K, et une loi appelée multiplication par un scalaire :
(
K × F (K, K) −→ F (K, K)
×
(λ, f ) 7−→ λ f
Préparation à l’agrégation interne UFR maths, Université de Rennes I

où λ f est l’application définie par (λ f )(x) = λ f (x) pour tout x dans E.
Muni de ces deux lois, l’ensemble F (K, K) est un espace vectoriel sur K.

1.2. Quelques propriétés élémentaires

• ∀λ ∈ K, λ . 0E = 0E
• ∀x ∈ E, 0 . x = 0E
• ∀x ∈ E, ∀λ ∈ K, (−λ) . x = −(λ
. x)
• λ . x = 0 ⇐⇒ λ = 0 ou x = 0E

1.3. Notion de sous-espaces vectoriels

Soit E un espace vectoriel sur K.
Définition 2 – Une partie F de E est appelée sous-espace vectoriel sur K de E si les deux
propriétés suivantes sont vérifiées :
1) (F, +) est un sous-groupe de (E, +)
2) ∀λ ∈ K, ∀x ∈ F, λ . x ∈ F

Proposition 3 – Un sous-espace vectoriel d’un espace vectoriel est un espace vectoriel.

Démonstration : la loi de composition externe . est définie sur F et conserve les propriétés
qu’elle a dans E.
Proposition 4 – F est un sous-espace vectoriel de E si et seulement si F est non vide et
vérifie : ∀(x, y) ∈ F 2 , ∀(λ, µ) ∈ K2 , λ . x + µ . y ∈ F .
Démonstration : la condition nécessaire est évidente d’après la définition de sous espace
vectoriel.
Supposons que F 6= ∅ vérifie la condition ∀(x, y) ∈ F 2 , ∀(λ, µ) ∈ K2 , λ . x + µ . y ∈ F et
 

montrons que c’est un sous-espace vectoriel de E.

Soient x et y deux éléments de F . On a alors 1 . x−1 . y ∈ F donc (F, +) est un sous-groupe
de (E, +). En prenant y = 0 dans la condition vérifiée par F , on obtient bien la propriété
2 de la définition de sous-espace vectoriel.
Lemme 5 – La condition ∀(x, y) ∈ F 2 , ∀(λ, µ) ∈ K2 , λ . x + µ . y ∈ F peut s’écrire
∀(x, y) ∈ F 2 , ∀λ ∈ K, x + λ . y ∈ F .

Proposition 6 – Toute intersection de sous-espaces vectoriels de E est un sous-espace

vectoriel.
Démonstration : montrons-le pour l’intersection de deux sous-espaces vectoriels. Soient F
et G deux sous-espaces vectoriels d’un espace vectoriel E. Montrons que F ∩ G est un
sous-espace vectoriel de E.
F ∩ G est non vide car le vecteur nul de E appartient à F et à G. Soient (x, y) ∈ (F ∩ G)2
et (λ, µ) ∈ K2 , alors λx + µy ∈ F car F est un sous-espace vectoriel de E. De même,
λx + µy ∈ G. Il s’ensuit que F ∩ G est un sous-espace vectoriel de E.

1.4. Applications linéaires

Définition 7 – Soient E et F deux espaces vectoriels sur un corps K et f une application
de E dans F . Dire que f est une application linéaire ou un morphisme signifie que les deux
assertions suivantes sont vraies :
(
∀(x, y) ∈ E 2 , f (x + y) = f (x) + f (y)
∀λ ∈ K, ∀x ∈ E, f (λx) = λf (x)

–2–
 Les espaces vectoriels

Ces deux assertions peuvent être réunies en une seule :

∀(x, y) ∈ E 2 , ∀λ ∈ K, f (x + λy) = f (x) + λf (y).
On note L (E, F ) l’ensemble des applications linéaires de E dans F et L (E) l’ensemble
des applications linéaires de E dans E.

Proposition 8 – L (E, F ) est un espace vectoriel sur K.

Proposition 9 – L’image par une application linéaire de L (E, F ) d’un sous-espace vecto-
riel E ′ de E est un sous-espace vectoriel de F .
Démonstration : soit E ′ un sous-espace vectoriel de E et f une application linéaire de E
dans F . Montrons que f (E ′ ) est un sous-espace vectoriel de F .
f (E ′ ) est non vide car E ′ est non vide. Soient y et y ′ deux éléments de f (E ′ ) et (λ, µ) ∈ K2 .
Montrons que λ . y + µ . y ′ ∈ f (E ′ ).
Par définition de f (E ′ ), il existe x et x′ dans E tels que y = f (x) et y ′ = f (x′ ). On obtient
alors, en utilisant la linéarité de f , λ . y + µ . y ′ = λ . f (x) + µ . f (x′ ) = f (λ . x + µ . x′ ) ∈ F .

Proposition 10 – L’image réciproque par une application linéaire de L (E, F ) d’un sous-
espace vectoriel F ′ de F est un sous-espace vectoriel de E.
Démonstration : soit F ′ un sous-espace vectoriel de F et et f une application linéaire de E
dans F . Montrons que f −1 (F ′ ) est un sous-espace vectoriel de E.
Par définition, f −1 (F ′ ) = x ∈ E ; f (x) ∈ F ′ . Soient x et x′ deux éléments de f −1 (F ′ )


et (λ, µ) ∈ K2 . Montrons que λ . x + µ . x′ ∈ f −1 (F ′ ), ce qui revient à montrer que

f (λ . x + µ . x′ ) ∈ F ′ . Or f (λ . x + µ . x′ ) = λ . f (x) + µ . f (x′ ) ∈ F ′ car F ′ est un espace
vectoriel ; d’où le résultat.

2. Somme de sous-espaces - Somme directe

2.1. Sous-espace engendré par une famille

Définition 11 – Soit (xi )i∈I une famille d’éléments d’un K-espaceX
vectoriel E. On appelle
combinaison linéaire des (xi )i∈I tout élément de E de la forme λi xi où (λi )i∈I est
i∈I
une famille d’éléments de K presque tous nuls.

Théorème 12 – Soit A une partie de E. Il existe un plus petit sous-espace vectoriel de

E contenant A : on l’appelle le sous-espace vectoriel engendré par A et
on le note Vect(A).
Démonstration : soit F l’intersection de tous les sous-espaces vectoriels de E contenant A.
F est un espace vectoriel d’après la proposition 6 et c’est le plus petit pour l’inclusion par
construction.

Proposition 13 – Soit (xi )i∈I une famille

non vide d’éléments de E. Le sous-espace vec-
toriel Vect (xi )i∈I est l’ensemble de toutes les combinaisons linéaires
des (xi )i∈I .
Démonstration : soit E ′ l’ensemble des combinaisons linéaires des (xi )i∈I .
On a E ′ ⊂ Vect (xi )i∈I . Il suffit donc de
montrer que E ′ est un sous-espace vectoriel

de E pour montrer l’égalité car Vect (xi )i∈I est, par définition, le plus petit sous-espace
vectoriel de E contenant la famille (xi )i∈I ). E ′ est non vide car la famille est non vide.
Soient x et x′ deux combinaisons linéaires
P des (xi )i∈I . Il existe une famille (λi )i∈I d’éléments
de K presque tous nuls telle que x = i∈I λi xi . Notons L le sous-ensemble deP I tel que,
si i ∈ L, λi 6= 0 et si i 6∈ L, λi = 0. Par définition, L est fini. De même, x′ = i∈I λ′i xi
et L′ est le sous-ensemble fini de I tel que, si i ∈ L′ , λ′i 6= 0 et si i 6∈ L, λ′i = 0.

–3–
Préparation à l’agrégation interne UFR maths, Université de Rennes I

Soient µ et µ′ deux éléments quelconques de K. On a

X X X
µx + µ′ x′ = µ λi xi + µ′ λ′i xi = (µλi + µ′ λ′i )xi .
i∈I i∈I i∈I

Or la famille (µλi + µ′ λ′i )i∈I est une famille d’éléments de K presque tous nuls car, si
i ∈ I \ (L ∪ L′ ), alors µλi + µ′ λ′i = 0 et L ∪ L′ est une famille finie. On en déduit que E ′
est un sous-espace vectoriel de E.

2.2. Somme de sous-espaces vectoriels

Soient E1 et E2 deux sous-espaces vectoriels de E.
Définition 14 – On appelle somme de E1 et E2 et on note E1 + E2 le sous-espace vectoriel
engendré par E1 ∪ E2 .

Proposition 15 – E1 + E2 = {x1 + x2 ; x1 ∈ E1 , x2 ∈ E2 }.
Démonstration : {x1 + x2 ; x1 ∈ E1 , x2 ∈ E2 } ⊂ E1 + E2 car xi ∈ Ei ⊂ E1 ∪ E2 pour i = 1
et i = 2. Il suffit donc de montrer que {x1 + x2 ; x1 ∈ E1 , x2 ∈ E2 } est un espace vectoriel,
ce qui est clair.
On définit de même par récurrence (et associativité de la loi additive sur E) la somme de
n espaces vectoriels.
Définition 16 – On dit que deux sous-espace vectoriel E1 et E2 sont supplémentaires ou
encore que E est somme directe de E1 et E2 si les deux assertions suivantes sont réalisées
1) E = E1 + E2
2) E1 ∩ E2 = {0}

On note alors E = E1 ⊕ E2 .

Proposition 17 – E est somme directe de E1 et E2 si et seulement si

∀x ∈ E, ∃!(x1 , x2 ) ∈ E1 × E2 , x = x1 + x2 .
Démonstration : supposons E = E1 ⊕ E2 . Soit x ∈ E. Comme E = E1 + E2 , il existe
x1 ∈ E1 et x2 ∈ E2 tels que x = x1 + x2 .
Montrons que cette décomposition est unique. Soient x′1 ∈ E1 et x′2 ∈ E2 tels que
x = x′1 + x′2 . On a alors x1 + x2 = x′1 + x′2 , c’est-à-dire x1 − x′1 = x′2 − x2 . Or x1 − x′1 ∈ E1
et x′2 − x2 ∈ E2 . On en déduit que x1 − x′1 ∈ E1 ∩ E2 = {0}. Donc x1 = x′1 et, de même,
x2 = x′2 .
Réciproquement, supposons que, pour tout x ∈ E, il existe un unique couple (x1 , x2 ) ∈
E1 × E2 tel que x = x1 + x2 et montrons que E = E1 ⊕ E2 . Il est clair que E = E1 + E2 .
Soit x ∈ E1 ∩ E2 . On peut alors écrire x = x + 0 avec x ∈ E1 et 0 ∈ E2 , mais également
x = 0 + x avec 0 ∈ E1 et x ∈ E2 . L’unicité de la décomposition impose que x = 0. Donc
E = E1 ⊕ E2 .
Exemple - Soit E = F (R, R) l’espace vectoriel des fonctions réelles. On note E1 le sous-
ensemble de E des fonctions paires et E2 le sous-ensemble des fonctions impaires.
Alors E1 et E2 sont des sous-espace vectoriel de E et E = E1 ⊕ E2 . On a la décomposition
unique :
f (x) + f (−x) f (x) − f (−x)
∀x ∈ R, f (x) = + = f1 (x) + f2 (x) avec f1 ∈ E1 et f2 ∈ E2 .
2 2
Théorème 18 – Soient E1 , E2 , . . . , En n sous-espaces vectoriels d’un espace vectoriel
E. Les conditions suivantes sont équivalentes :

–4–
 Les espaces vectoriels

i) tout élément de E s’écrit de manière unique x = x1 + x2 + · · · + xn avec, pour tout

i ∈ {1, . . . , n}, xi ∈ Ei . X

ii) E = E1 + E2 + · · · + En et, pour tout i ∈ {1, . . . , n}, Ei ∩ Ej = {0}.
j6=i

Si l’une de ces deux conditions est vérifiée, on dit que E est la somme directe des Ei et on
écrit E = E1 ⊕ E2 ⊕ · · · ⊕ En = ⊕ni=1 Ei .
Démonstration : montrons que (i) =⇒ X(ii).
X
Soient i ∈ {1, . . . , n} et x ∈ Ei ∩ Ej . On a x = x + 0 avec x ∈ Ei et 0 ∈ Ej ,
j6=i j6=i
X
mais aussi x = 0 + x avec 0 ∈ Ei et x ∈ Ej . Si x 6= 0, on obtient deux décompositions
P j6=i
différentes de x sur Ei . Absurde donc x = 0.
Réciproquement, montrons que (ii) =⇒ (i). Supposons que l’on ait deux décompositions
d’un élément de E :
x1 + x2 + · · · + xn = x′1 + x′2 + · · · + x′n
On a alors x1 − x1 = (x2 − x2 ) + · · · + (x′n − xn ).
′ ′
n
X
D’où x1 = x′1 et (x′2 − x2 ) + · · · + (x′n − xn ) = 0 car E1 ∩


Ej = {0}. On montre alors
j=2
le résultat par récurrence.

Corollaire 19 – Soient E1 , E2 , . . . , En n sous-espaces vectoriels d’un espace vectoriel E.

Les conditions suivantes sont équivalentes :

1) E = E1 ⊕ E2 ⊕ · · · ⊕ En .
n
X
2) Si xi = 0 avec xi ∈ Ei pour i ∈ {1, . . . , n}, alors xi = 0 pour tout i ∈ {1, . . . , n}.
i=1

2.3. Projecteurs
Soit E un espace vectoriel sur K.
Définition 20 – Dire qu’une application linéaire p de L (E) est un projecteur signifie que
p ◦ p = p.
Définition 21 – Dire qu’une famille de projecteurs (pi )i∈I est orthogonale signifie que
pi ◦ pj = 0 pour tout indice i et j de I avec i 6= j.

Proposition 22 – Soient E1 , . . . , En des sous-espaces vectoriels de E tels que E =

⊕ni=1 Ei . On définit p1 , . . . , pn dans L (E) par :

pi (x1 + · · · + xn ) = xi avec ∀i ∈ {1, . . . , n}, xi ∈ Ei .

Alors (pi )1≤i≤n est une famille orthogonale de projecteurs telle que

(1) p1 + · · · + pn = IdE .

Réciproquement, soit (pi )1≤i≤n une famille orthogonale de projecteurs

qui vérifient (1). On pose Ei = Im pi . Alors E est la somme directe des
Ei .
Démonstration : si E = E1 ⊕ + · · · ⊕ En , alors tout vecteur x de E s’écrit de manière
unique x = x1 + · · · + xn avec xi ∈ Ei pour tout i ∈ {1, . . . , n} donc xi = pi (x). On a
bien p1 + · · · + pn = IdE . Il est immédiat que pi ◦ pj = δij pi .
Réciproquement, si p1 + · · · + pn = IdE , alors E est la somme des Ei . Supposons qu’un
élément x de E admette deux décompositions : x = x1 + · · · + xn = x′1 + · · · + x′n . Comme
xi ∈ Ei , il existe yi ∈ E tel que xi = pi (yi ). On a pi (xi ) = xi car pi ◦ pi = pi et, si j 6= i,

–5–
Préparation à l’agrégation interne UFR maths, Université de Rennes I

pj (xi ) = 0 et pi (xj ) = 0 car la famille est orthogonale. On en déduit que pi (x) = xi . Les
xi sont donc déterminés de manière unique.

3. Produit d’espaces vectoriels

Soient E1 et E2 2 espaces vectoriels sur K. Le produit E1 × E2 est canoniquement muni de
la structure d’espace vectoriel produit par
• la structure de groupe abélien produit (E1 × E2 , +)
• ∀λ ∈ K, ∀(x1 , x2 ) ∈ E1 × E2 , λ . (x1 , x2 ) = (λx1 , λx2 )

On définit par récurrence le produit de n espaces vectoriels.

Définition 23 – Soit i ∈ {1, . . . , n}, on appelle ième surjection canonique l’application pi
définie par
E1 × E2 × . . . × En → Ei
pi :
(x1 , x2 , . . . , xn ) 7→ xi

Proposition 24 – Une surjection canonique pi est une application linéaire.

Im pi = Ei .
Ker pi = {(x1 , . . . , xi−1 , 0, xi+1 , . . . , xn ) ; ∀j ∈ {1, . . . , n} \ {i}, xj ∈
Ej }.

Proposition 25 – E1 × E2 × . . . × En = Ker p1 ⊕ Ker p2 ⊕ · · · ⊕ Ker pn .

4. Structure d’algèbre
Définition 26 – On dit qu’un espace vectoriel (E, +, .) sur K est une K-algèbre s’il est
muni d’une seconde loi de composition interne notée × telle que (E, +, ×) soit un anneau
et telle que ∀λ ∈ K, ∀(x, y) ∈ E 2 , (λ . x) × y = x × (λ . y) = λ . (x × y).
Exemple - K[X], Mn (K)

5. Notion de base
Définition 27 – Soit (xi )i∈I une famille d’éléments de E. Dire que cette famille est libre (ou
que les xi sont linéairementX indépendants) signifie que, pour toute famille (λi ) d’éléments
de K presque tous nuls, si λi xi = 0, alors, pour tout i ∈ I, λi = 0.
i∈I
Dans le cas contraire, on dit que la famille est liée ou que les xi sont linéairement dépendants.

Proposition 28 – Une famille (xi )i∈I est liée si et seulement si l’un des xi est combinaison
linéaire des autres.
P
Démonstration : supposons la famille liée. Il existe donc une combinaison linéaire λi xi
nulle telle que les λi ne soient pas tous nuls. Soit i0 tel que λi0 6= 0. On a alors
X λi
xi0 = − xi . Donc xi0 est combinaison linéaire des autres xi .
λi0
i∈I,i6=i0
Réciproquement,
X X des xi soit combinaison linéaire des autres : xi0 =
supposons qu’un
λi xi . On a alors xi0 − λi xi = 0, donc la famille est liée.
i∈I,i6=i0 i∈I,i6=i0

–6–
 Les espaces vectoriels

Remarques - • ∅ est considéré comme une famille libre.

• Si une famille est libre, alors (i 6= j =⇒ xi 6= xj ).
• Si un des xi est nul, alors la famille est liée.
• Toute sous-famille d’une famille libre est libre.
• Toute sur-famille d’une famille liée est liée.

Définition 29 – Dire qu’une

famille (xi )i∈I est génératrice d’un espace vectoriel E signifie
que E = Vect (xi )i∈I .
Définition 30 – On dit qu’une famille (xi )i∈I est une base de E si elle est libre et génératrice
de E.

Théorème 31 – Soit (ei )i∈I une base d’un espace vectoriel E. Tout vecteur x de X
E s’écrit
de manière unique comme combinaison linéaire des ei : x = λi ei .
i∈I
Les λi sont appelées les coordonnées de x dans la base (ei )i∈I .
Démonstration : il y a existence de la combinaison
X linéaire X
car la famille est Xgénératrice.
Montrons l’unicité de la décomposition. Si x = λi ei = λ′i ei , alors (λi − λ′i )ei =
i∈I i∈I i∈I
0. Or la famille (ei ) est libre, donc ∀i ∈ I, λi = λ′i .

Proposition 32 – 1 – Soit E = E1 ⊕ E2 . Si (ei )i∈I1 est une base de E1 et (fi )i∈I2 est une
base de E2 , alors {ei ; i ∈ Ei } ∪ {fi ; i ∈ I2 } est une base de E.
2 – Soit (ei )i∈I une base d’un espace vectoriel E. On suppose
que
I = I1 ∪ I2 avec
I1 ∩ I2 = ∅. Notons E1 = Vect (ei )i∈I1 et
E2 = Vect (ei )i∈I2 .
Alors E = E1 ⊕ E2 .

6. Les espaces vectoriels de dimension finie

6.1. Définition
Définition 33 – Un espace vectoriel E est dit de dimension finie s’il admet une famille
génératrice finie.

Lemme 34 – Soit k un entier supérieur ou égal à 2. Soit {x1 , . . . , xk } un système lié de

k vecteurs. On suppose x1 non nul. Alors il existe i0 ∈ {2, . . . , k tel que xi0
soit combinaison linéaire de x1 , . . . , xi0 −1 .
Démonstration : il existe une combinaison linéaire nulle à coefficients non tous nuls :
Xk
λi xi = 0.
i=1
Soit i0 = sup{i ; λi 6= 0}. Alors i0 > 1 et, si i > i0 , λi = 0. On en déduit que
i0 −1
1 X
xi0 = − λi xi .
λi0 i=1

Proposition 35 – Soit E un espace de dimension finie. Soit S un système de p

générateurs de E et L un système libre de E. Alors

1) L est fini et son cardinal est inférieur ou égal à p ;

2) il existe une famille T de S telle que L ∪ T soit un système de p
générateurs.

Démonstration : si L = ∅, c’est terminé.

–7–
Préparation à l’agrégation interne UFR maths, Université de Rennes I

Sinon, soit y1 ∈ L . y1 6= 0 car la famille L est libre. De plus, comme la famille S est
génératrice de E et que y1 ∈ E, {y1 } ∪ S est lié. Donc il existe xi1 ∈ S combinaison
linéaire de y1 , x1 , . . . , xi1 −1 d’après le lemme 34.
Posons S1 = S \ {xi1 }. S1 ∪ {y1 } est une famille de p générateurs de E.
Si card L = 1, c’est fini.
Sinon, il existe y2 ∈ L \ {y1 } tel que {y1 , y2 } ∪ S1 soit lié. Il existe donc xi2 ∈ S1
combinaison linéaire de y1 , y2 , x1 , . . . , xi2 −1 . Posons S2 = S1 \ {xi2 }. {y1 , y2 } ∪ S2 est une
famille de p générateurs de E.
Si card L ≤ p − 1, on a : {y1 , y2 , . . . , yp−1 } ∪ Sp−1 est un système de p générateurs de E.
Si card L > p − 1, soit yp ∈ L \ {y1 , . . . , yp−1 }. Alors le système {y1 , . . . , yp } ∪ Sp−1 est
lié. Donc {y1 , . . . , yp } est une famille de p générateurs de E.
Si card L > p. Il existe yp+1 ∈ L \ {y1 , . . . , yp }. {y1 , . . . , yp , yp+1 } est libre. Contradiction
car y1 est combinaison linéaire des (yi )1≤i≤p . Donc card L ≤ p.
Dans un espace de dimension finie, on a card(famille libre) ≤ card(famille liée).

Théorème 36 – Soit E un espace vectoriel non nul de dimension finie. Alors E admet
une base finie.
Démonstration : soit S = {x1 , . . . , xn } une famille de générateurs de E.
Si S est liée, l’un des vecteurs est combinaison linéaire des autres. On en déduit alors une
famille S1 à n − 1 vecteurs générateurs de E. Si S1 est libre, c’est une base.
Sinon, l’un des vecteurs de S1 est combinaison linéaire des autres. On construit alors une
famille S2 de n − 2 vecteurs générateurs de E. Si S2 est libre, c’est une base.
On réitère le procédé jusqu’à obtenir une famille libre.

Théorème 37 – Soit E un espace vectoriel de dimension finie. Alors toutes les bases de
E ont le même nombre d’éléments. Ce nombre est appelé dimension de
E et est noté dim E.
Démonstration : soit E un espace vectoriel de dimension finie. Il admet une base finie B. Si
B ′ est une autre base de E, alors, d’après le théorème 35, card B ′ ≤ card B car B ′ est libre.
La base B ′ est donc finie. En utilisant encore le théorème 35, on a alors card B ≤ card B ′
car B est libre.

6.2. Théorème de la base incomplète

Théorème 38 – Dans un espace vectoriel de dimension finie, tout système libre peut se
compléter en une base.
Démonstration : soit {y1 , . . . , yk } une famille libre de E et {e1 , . . . , en } une base de E. On
a k ≤ n. D’après la proposition 35, il existe une sous-famille T de la famille {e1 , . . . , en }
telle que {y1 , . . . , yk } ∪ T soit un système de n générateurs. Ce système de générateurs
est une base. En effet, s’il n’était pas libre, on en déduirait un système générateur à n − 1
éléments, donc une base à n − 1 éléments. Contradiction.

Proposition 39 – Soit E un espace vectoriel de dimension finie. Toute famille génératrice

de E admet une sous-famille génératrice finie.
Démonstration : soit {ei }i∈J une famille génératrice de E. Comme E est de dimension
finie, il admet une famille génératrice finie {f1 , . . . , fn }.
Chacun des fj est combinaison linéaire finie des ei et on peut donc trouver une partie finie
K de J telle la famille {ei }i∈K soit génératrice de E.

Théorème 40 – Théorème de la base incomplète

Soient E un espace vectoriel de dimension finie et {ei }i∈J une famille
génératrice quelconque de E. On suppose qu’il existe une partie I de J
telle que la famille {ei }i∈I soit libre.

–8–
 Les espaces vectoriels

Alors il existe un ensemble K tel que I ⊂ K ⊂ J et tel que {ei }i∈K soit
une base de E.
Démonstration : d’après la proposition 39, il existe une partie J0 avec I ⊂ J0 ⊂ J telle que
{ei }i∈J0 soit une famille génératrice finie de E.
Soit B = {K, I ⊂ K ⊂ J0 ; {ei }i∈K famille libre}.
B est un ensemble non vide car il contient I.
L’ensemble des cardinaux des éléments de B est donc majoré par card J0 . Il admet donc un
plus grand élément que l’on note p.
Soit K0 ∈ B tel que card B0 = p. Par définition de K0 , pour tout K ⊂ J \ K0 , la famille
{ei }i∈K0 ∪K est liée.
Supposons Vect({ei }i∈K0 ) 6= E. Alors il existe j ∈ J tel que ej ∈ / Vect({ei }i∈K0 ). Mais,
d’après ce qui précéde, la famille {ei }i∈K0 ∪{j} est liée. Absurde donc Vect({ei }i∈K0 ) = E.
La famille {ei }i∈K0 est donc génératrice de E ; or c’est une famille libre. C’est donc une
base de E.
Corollaire 41 – Soit E un espace vectoriel de dimension finie. De toute famille génératrice
de E, on peut extraire une base de E.
Démonstration : il suffit de prendre I = ∅ dans le théorème 40.
Théorème 42 – Soit E un espace vectoriel de dimension n et S une famille de vecteurs
de E. Alors deux quelconques des assertions suivantes entraı̂nent la
troisième :
a) S est une famille génératrice ;
b) S est libre ;
c) card S = n.

Démonstration : (a et b) ⇒ c : évident
(a et c) ⇒ b : soit S une famille à n éléments génératrice de E. Si S n’est pas libre, alors
on peut extraire de S une base ayant au plus n − 1 éléments. Absurde.
(b et c) ⇒ a : soit S une famille libre à n éléments. Si S n’est pas génératrice, alors il
existe y ∈ E tel que S ∪ {y} soit libre. Or tout système libre a au plus n éléments d’après
le théorème 35.
Proposition 43 – Soit E un espace vectoriel de dimension n ≥ 1 et soit F un sous-espace
vectoriel de E. Alors les trois assertions suivantes sont vérifiées :
i) dim F ≤ dim E ;
ii) dim F = dim E ⇐⇒ E = F ;
iii) F admet au moins un supplémentaire dans E.

Démonstration :
i) Soit S une base de F . S est libre dans F , donc également dans E. On en déduit que
dim F = card S ≤ n.
ii) Supposons que dim F = dim E. Soit {e1 , . . . , en } une base de F . C’est une famille libre
dans E ayant n éléments donc c’est une base de E. On en déduit que E = F .
iii) Soit {e1 , . . . , ep } une base de F . D’après le théorème de la base incomplète, il existe
{ep+1 , . . . , en } vecteurs de E tels que {e1 , . . . , ep , ep+1 , . . . , en } soit une base de E. On
pose G = Vect(ep+1 , . . . , en ). G est un supplémentaire de F dans E.

Proposition 44 – Soient E un espace vectoriel de dimension finie et F et G deux sous-

espaces vectoriels de E. Si F et G sont supplémentaires dans E, alors
dim E = dim F + dim G.

–9–
Préparation à l’agrégation interne UFR maths, Université de Rennes I

Démonstration : la réunion d’une base de F et d’une base de G est une base de E.

Corollaire 45 – Tous les supplémentaires d’un sous-espace vectoriel F de E ont même

dimension. On l’appelle la codimension de F .

6.3. Formule de Grassmann

Proposition 46 – Formule de Grassmann

Soient F et G deux sous-espaces vectoriels d’un espace vectoriel E de
dimension finie. Alors
dim(F + G) = dim F + dim G − dim(F ∩ G).
Démonstration : F + G est de dimension finie car la réunion d’une base de F et d’une base
de G est une famille génératrice finie de F + G.
F ∩ G est un sous-espace vectoriel de F et de G. Notons s = dim(F ∩ G), p = dim F et
q = dim G.
Soit {e1 , . . . , es } une base de F ∩G que l’on compléte en une base {e1 , . . . , es , f1 , . . . , fp−s }
de F et en une base {e1 , . . . , es , g1 , . . . , gq−s } de G.
Le système {e1 , . . . , es , f1 , . . . , fp−s , g1 , . . . , gq−s } est un système générateur de E + F . Or
c’est un système libre par construction donc dim(E + G) = p + q − s.

Corollaire 47 – Soit E un espace vectoriel de dimension finie n et F et G deux sous-

espaces vectoriels de E de dimensions respectives p et n − p. Alors on a
E = F ⊕ G si et seulement si F ∩ G = {0}.

Définition 48 – Soit

(xi )i∈I une famille de vecteurs de E. Dire que S est de rang r signifie
que Vect (xi )i∈I est de dimension r.

Proposition 49 – D’une famille de vecteurs de rang r, on peut extraire une famille de r

vecteurs linéairement indépendants.

– 10 –
 ESPACES VECTORIELS
1. Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1. Notion d’espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Quelques propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Notion de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.4. Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2. Somme de sous-espaces - Somme directe . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1. Sous-espace engendré par une famille . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2. Somme de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3. Projecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3. Produit d’espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
4. Structure d’algèbre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
5. Notion de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
6. Les espaces vectoriels de dimension finie . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6.1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
6.2. Théorème de la base incomplète . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
6.3. Formule de Grassmann . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

–i–