FICHE SYNTHÈSE

Dimension finie

Soit E un K-espace vectoriel. On dit que E est de dimension finie s’il possède une famille génératrice
finie.
Dans le cas contraire, on dit que E est de dimension infinie.

Un espace vectoriel E de dimension finie possède des bases et toutes les bases de E ont le même nombre
d’éléments.
Dimension d’un espace vectoriel

• Soit E un K-espace vectoriel de dimension finie non réduit au vecteur nul. On appelle dimen-
sion de E , et on note dimK (E ) ou dim(E ), le nombre de vecteurs d’une de ses bases.
• Par convention, lorsque E = {0E }, on pose dimK (E ) = dim(E ) = 0.

En dimension finie, pour montrer qu’une famille est une base, il suffit de vérifier qu’elle possède le bon
nombre de vecteurs et qu’elle est libre ou génératrice.
Caractéristion des bases

Soient E un K-espace vectoriel de dimension n ∈ N∗ (E n’est pas réduit au vecteur nul) et (u i )1≤i ≤p
une famille d’éléments de E . Les propositions suivantes sont équivalentes :
• (u i )1≤i ≤p est une base de E ;
• (u i )1≤i ≤p est libre et possède n vecteurs ;
• (u i )1≤i ≤p engendre E et possède n vecteurs.

Dans un espace vectoriel E de dimension finie, toute famille génératrice possède au plus dim(E ) vecteurs,
et toute famille libre possède au plus dim(E ) vecteurs.
Le produit cartésien d’espaces vectoriels de dimension finie est de dimension finie.
Rang d’une famille de vecteurs

Soient E un K-espace vectoriel (quelconque) et (u 1 , . . . , u p ) une famille de vecteurs de E .

On appelle rang de la famille de vecteurs (u 1 , . . . , u p ) la dimension de Vect(u 1 , . . . , u p ), le sous-espace
vectoriel engendré par les vecteurs u 1 , . . . , u p . On le note rg(u 1 , . . . , u p ).
De plus,
• On a : rg(u 1 , . . . , u p ) ≤ min(p , n ).
• La famille (u 1 , . . . , u p ) génère E si, et seulement si, rg(u 1 , . . . , u p ) = n .
• La famille (u 1 , . . . , u p ) est libre si, et seulement si, rg(u 1 , . . . , u p ) = p .

Sous-espace vectoriel d’un espace vectoriel de dimension finie

Soit E un K-espace vectoriel de dimension finie.

Tout sous-espace vectoriel F de E est un espace vectoriel de dimension finie et dim(F ) ≤ dim(E ).
De plus,
F = E ⇐⇒ dim(E ) = dim(F ).

© Vuibert
Pour montrer que deux espaces vectoriels sont égaux, on montre qu’il y a une inclusion et égalité des
dimensions.
Base de sous-espaces en somme directe

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

On suppose que la famille (f1 , . . . , fp ) est une base de F , que la famille (g 1 , . . . , g q ) est une base de G
et que F et G sont en somme directe.
Alors, (f1 , . . . , fp , g 1 , . . . , g q ) est une base de F ⊕ G .

Bases et somme de sous-espaces vectoriels

Soient E un K-espace vectoriel, (e1 , . . . , en ) une famille de vecteurs de E et k ∈ ⟦1, n − 1⟧.

On note F = Vect(e1 , . . . , ek ) et G = Vect(ek +1 , . . . , en ).
• Si la famille (e1 , . . . , en ) est libre, alors la somme F + G est directe et Vect(e1 , . . . , en ) = F ⊕ G .
• Si la famille (e1 , . . . , en ) est une famille génératrice de E , alors E = F + G .
• Si la famille (e1 , . . . , en ) est une base de E , alors E = F ⊕ G .

Existence d’un supplémentaire

Soit E un K-espace vectoriel de dimension finie.

• Tout sous-espace vectoriel F de E admet au moins un supplémentaire.
• Tous les sous-espaces supplémentaires de F sont de dimension dim(E ) − dim(F ).

Formule de Grassmann

Soient E un K-espace vectoriel et F et G deux sous-espaces vectoriels de dimension finie. Alors,

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

La somme de deux sous-espaces vectoriels F et G est directe si, et seulement si,

dim(F + G ) = dim(F ) + dim(G ).
Caractérisation des sous-espaces supplémentaires par la dimension

Soient E un K-espace vectoriel de dimension finie et F et G deux sous-espaces vectoriels de E .

Les propositions suivantes sont équivalents :
1. E = F ⊕ G ;
2. F ∩ G = {0E } et dim(E ) = dim(F ) + dim(G ) ;
3. E = F + G et dim(E ) = dim(F ) + dim(G ).

© Vuibert
Mathématiques
Bases et dimension d’un espace vectoriel S2 EPITA-S2

BASES ET DIMENSION D’UN EV

1 Bases

Théorème (Caractérisation d’une base).

Soient E un R-espace vectoriel de dimension finie n ∈ N∗ et (e1 , . . . , en ) ∈ E n . On a :

(e1 , . . . , en ) base de E ⇐⇒ ∀ u ∈ E, ∃ ! (α1 , . . . , αn ) ∈ Rn , u = α1 e1 + . . . + αn en

Pour i ∈ J1, nK, αi est appelé i-ème coordonnée de u dans la base (e1 , . . . , en ).

Preuve :

=⇒ • Existence : elle est immédiate car (e1 , . . . , en ) engendre E.

• Unicité. Soit u ∈ E.
Supposons ∃ (α1 , . . . , αn ) ∈ Rn et ∃ (λ1 , . . . , λn ) ∈ Rn tels que

u = α1 e1 + . . . + αn en et u = λ1 e1 + . . . + λn en

On a
u − u = (α1 − λ1 )e1 + . . . + (αn − λn )en = 0E
=⇒ α1 − λ1 = . . . = αn − λn = 0 car (e1 , . . . , en ) libre
=⇒ ∀ i ∈ J1, nK αi = λi
La décomposition est unique.
⇐= Supposons que ∀ u ∈ E, ∃ ! (α1 , . . . , αn ) ∈ Rn , u = α1 e1 + . . . + αn en
• (e1 , . . . , en ) est alors génératrice de E.
• (e1 , . . . , en ) libre ?
Soit (λ1 , . . . , λn ) ∈ Rn tel que λ1 e1 + . . . + λn en = 0E . Cela nous donne une décomposition du
vecteur nul de E selon e1 , . . . , en . Or, on peut aussi écrire que 0e1 + . . . + 0en = 0E ce qui nous donne
une seconde décomposition. Par unicité de la décomposition, on en déduit que

λ1 = 0, . . . , λn = 0

Donc (e1 , . . . , en ) est libre.

• Conclusion : (e1 , . . . , en ) est libre et génératrice de E, c’est donc une base de E.

2 Existence d’une base en dimension finie

Théorème (Existence d’une base).
Soit E un R-espace vectoriel de dimension finie avec E ̸= {0E }. Alors E admet au
moins une base.

1
Mathématiques
Bases et dimension d’un espace vectoriel S2 EPITA-S2

Preuve :

Soit E un R-espace vectoriel de dimension finie avec E ̸= {0E }. On sait alors que E admet une
famille génératrice finie. Notons G = (u1 , . . . , un ) cette famille génératrice.
• Si G est libre alors G est une base de E.
• Si G est liée alors un des vecteurs est combinaison linéaire des autres vecteurs. Quitte à renommer
les vecteurs, on peut supposer par exemple que c’est un . On a alors

E = Vect(G) = Vect ((u1 , . . . , un−1 , un )) = Vect ((u1 , . . . , un−1 ))

ce qui signifie que la famille (u1 , . . . , un−1 ) est génératrice de E.

• Si la famille (u1 , . . . , un−1 ) est libre alors c’est une base de E.
• Si la famille (u1 , . . . , un−1 ) est liée alors un des vecteurs est combinaison linéaire des autres et on
peut l’éliminer. On répète alors le principe. La famille ayant un nombre fini de vecteurs au départ, le
processus s’arrêtera au maximum quand il n’en restera plus qu’un, par exemple u1 . u1 étant non nul
(car E ̸= {0E }), il formera une famille libre et génératrice de E donc une base.

2
DIMENSION FINIE
BASE

K = R ou C.

1 Bases d’un espace vectoriel

Définition 1 Soient E un K-espace vectoriel, n ∈ N? et {x1 , x2 , ..., xn } une famille
de vecteurs de E. On dit que la famille {x1 , x2 , ..., xn } est une base de E si c’est une
famille libre et génératrice de E.

Théorème 1 (Caractérisation d’une base) Soient E un K-espace vectoriel, n ∈ N?

et {x1 , x2 , ..., xn } une famille de vecteurs de E. B = {x1 , x2 , ..., xn } est une base de
E si et seulement si
n
X
∀ x ∈ E, ∃! (λ1 , λ2 , ..., λn ) ∈ Kn : x = λi xi .
i=1

Les scalaires λi , i ∈ {1, 2, ..., n} s’appellent coordonnées du vecteur x dans la base

B.

2 Existence d’une base

Théorème 2 Tout K-espace vectoriel E non réduit à {0} admet au moins une base.

Théorème 3 (Théorème de la base incomplète) Soit E un K-espace vectoriel admet-

tant une famille génératrice finie. Alors :
1. De toute famille génératrice de E, on peut extraire une base de E.
2. Toute famille libre de E peut être complétée en une base de E.

3 Exemples
Définition 2 Dans Rn , la famille (e1 , ..., en ) où ∀i ∈ [[1, n]], ei = (0, ..., 0, 1
|{z} , 0, ..., 0)
ième coordonnée
est une base. On l’appelle base canonique de Rn .

Définition 3 Dans Rn [X], la famille (1, X, ..., X n ) est une base. On l’appelle base ca-
nonique de Rn [X].

1
DIMENSION FINIE
DIMENSION

K = R ou C.

1 Dimension d’un espace vectoriel

Définition 1 Soit E un K-espace vectoriel. On dit que E est de dimension finie si E
admet une famille génératrice finie de E.

Théorème 1 Soit E 6= {0E } un K−espace vectoriel de dimension finie. Alors

1. E admet au moins une base.
2. Toutes les bases de E ont le même cardinal.

Définition 2 Soit E un K−espace vectoriel de dimension finie.

1. Si E 6= {0E }, on appelle dimension de E, notée dim (E), le cardinal d’une base
de E.
2. Si E = {0E }, on pose dim(E) = 0.

Exemples : dim (Rn ) = n et dim (Rn [X]) = n + 1.

Lemme 1 Soient E un K-espace vectoriel de dimension finie, (x1 , x2 , ..., xp ) une fa-
mille génératrice de E et (u1 , u2 , ..., un ) une famille libre. Alors n ≤ p.

Proposition 1 Soit E un K-espace vectoriel admettant une base ayant n vecteurs.

Alors,
1. Toute famille libre de E possède au plus n vecteurs.
2. Toute famille génératrice de E possède au moins n vecteurs.
3. Toute base de E possède n vecteurs.
4. Toute famille de E d’au moins n + 1 vecteurs est liée.

Proposition 2 Soient E un K-espace vectoriel de dimension finie n, et F = (u1 , ..., un )

une famille d’éléments de E. On a l’équivalence entre les assertions suivantes :
1. F est une base de E.
2. F est une famille libre de E.
3. F est une famille génératrice de E.

1
DIMENSION FINIE
FAMILLE GÉNÉRATRICE

K = R ou C.

1 Définition d’une famille génératrice

Définition 1 Soient E un K-espace vectoriel, n ∈ N? et {x1 , x2 , ..., xn } une famille
de vecteurs de E. On dit que la famille {x1 , x2 , ..., xn } est génératrice de E si

Vect({x1 , x2 , ..., xn }) = E,
c’est-à-dire tout vecteur de E est combinaison linéaire des vecteurs x1 , x2 , ..., xn , ou
encore

∀ x ∈ E, ∃ (λ1 , λ2 , ..., λn ) ∈ Kn : x = λ1 x1 + λ2 x2 + ... + λn xn .

On dit aussi que la famille {x1 , x2 , ..., xn } engendre E.

2 Propriétés
Proposition 1 Soient E un K-espace vectoriel, n ∈ N? et F1 = {x1 , x2 , ..., xn } une
famille génératrice de E. Alors F2 = {y1 , y2 , ..., yn } est aussi une famille génératrice
de E si et seulement si tout vecteur de F1 est une combinaison linéaire de vecteurs de
F2 .

Proposition 2 Si la famille de vecteurs {x1 , x2 , ..., xn } engendre E et si l’un des vec-

teurs xi est combinaison linéaire des autres, alors la famille {x1 , x2 , ..., xn }−{xi } est
encore une famille génératrice de E.

1
DIMENSION FINIE
FAMILLE LIBRE

K = R ou C.

1 Combinaisons linéaires
Définition 1 Soient E un K-espace vectoriel, n ∈ N? et (x1 , x2 , ..., xn ) ∈ E n une
famille finie de vecteurs de E. On appelle combinaison linéaire de cette famille, tout
vecteur x ∈ E pouvant s’écrire sous la forme :
n
X
x= αi xi ,
i=1

où ∀i ∈ {1, ..., n}, αi ∈ K.

2 Famille libre, liée

Soient E un K-espace vectoriel, n ∈ N? et (x1 , x2 , ..., xn ) ∈ E n une famille finie
de vecteurs de E.

Définition 2 On dit que la famille (x1 , x2 , ..., xn ) est libre ou linéairement indé-
pendante si
n
!
X
n
∀(α1 , α2 , ..., αn ) ∈ K , αi xi = 0E ⇒ α1 = α2 = ... = αn = 0 .
i=1

Dans le cas contraire, on dit que la famille est liée ou linéairement dépendante. C’est-
à-dire (x1 , x2 , ..., xn ) est liée si ∃(α1 , α2 , ..., αn ) ∈ Kn − {(0, ..., 0)} tel que

α1 x1 + ... + αn xn = 0E .

Remarque 1 Soit E un K-espace vectoriel.

1. La famille à un seul vecteur {x} est libre si et seulement si x 6= 0E .

2. Dans le cas particulier de deux vecteurs v1 et v2 , la famille {v1 , v2 } est liée si et

seulement si v1 s’exprime en fonction de v2 .

3. Dans R2 ou R3 , deux vecteurs sont linéairement dépendants si et seulement s’ils

sont colinéaires.

4. Dans R3 , trois vecteurs sont linéairement dépendants si et seulement s’ils sont

coplanaires.

Théorème 1 Soit E un K-espace vectoriel. Une famille F = {v1 , v2 , ..., vn } de n ≥ 2

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

1
DIMENSION FINIE
SOUS-ESPACES VECTORIELS DE DIMENSION FINIE

K = R ou C.

1 Dimension d’un sous-espace vectoriel

Théorème 1 Soient E un K-espace vectoriel de dimension finie et F un sous-espace
vectoriel de E. Alors,
1. F est dimension finie et dim(F ) ≤ dim(E).
2. dim(F ) = dim(E) ⇔ F = E

Corollaire 1 Soient E un K-espace vectoriel de dimension finie, F et G deux sous-

espaces vectoriels de E tels que F ⊂ G. Alors :
1. dim(F ) ≤ dim(G).
2. F = G ⇔ dim(F ) = dim(G).

2 Théorème des quatre dimensions

Théorème 2 (Théorème des quatre dimensions ) Soient E un espace vectoriel de
dimension finie et F , G des sous-espaces vectoriels de E. On a

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

Corollaire 2 1. Si E = F ⊕ G, alors dim(F + G) = dim(F ) + dim(G).

2. Tout sous-espace vectoriel F d’un espace vectoriel E de dimension finie admet
un supplémentaire.

1
Mathématiques
Espaces vectoriels S2 EPITA-S2

ESPACES VECTORIELS

1 Intersection de sous-espaces vectoriels

Proposition (Intersection de sev).

Soient E un R-espace vectoriel, F et G deux sous-espaces vectoriels de E.
Alors F ∩ G est un sous-espace vectoriel de E.

Preuve :

• F ⊂ E et G ⊂ E =⇒ F ∩ G ⊂ E.
• F et G sous-espaces vectoriels de E =⇒ 0E ∈ F et 0E ∈ G =⇒ 0E ∈ F ∩ G.
• Soient (u, v) ∈ (F ∩ G)2 et α ∈ R. Alors, (u, v) ∈ F 2 et (u, v) ∈ G2 . Or
F sous-espace vectoriel de E =⇒ α u + v ∈ F .
G sous-espace vectoriel de E =⇒ α u + v ∈ G.
Ainsi, α u + v ∈ F ∩ G.

2 Somme de sous-espaces vectoriels

Proposition (Somme de sev).
Soient E un R-espace vectoriel, F et G deux sous-espaces vectoriels de E.
Alors F + G est un sous-espace vectoriel de E.

Preuve :

On rappelle que F + G = {u ∈ E, ∃ (u1 , u2 ) ∈ F × G, u = u1 + u2 }.

Ainsi, un vecteur u de E est dans F + G si on peut l’écrire comme la somme d’un vecteur de F et
d’un vecteur de G :
u = u1 + u2
|{z} |{z}
∈F ∈G

• De par sa définition, F + G ⊂ E.
• 0E = 0E + 0E car F et G sev de E. D’où, 0E ∈ F + G.
|{z} |{z}
∈F ∈G

• Soient (u, v) ∈ (F + G)2 et α ∈ R.

∃ (u1 , u2 ) ∈ F × G et ∃ (v1 , v2 ) ∈ F × G tels que u = u1 + u2 et v = v1 + v2 . Ainsi,

α u + v = α (u1 + u2 ) + (v1 + v2 ) = (α u1 + v1 ) + (α u2 + v2 )
| {z } | {z }
∈F ∈G

car F et G sev de E. Donc α u + v ∈ F + G.

1
Mathématiques
Espaces vectoriels S2 EPITA-S2

Théorème (Unicité de la décomposition dans F + G).

Soient E un R-espace vectoriel, F et G deux sous-espaces vectoriels de E en
somme directe c’est-à-dire F ∩ G = {0E }.
Alors la décomposition est unique dans F + G :

∀ u ∈ F + G, ∃ !(u1 , u2 ) ∈ F × G, u = u1 + u2

Preuve :

Soit u ∈ F + G. Supposons deux décompositions possibles :

u = u1 + u2 avec (u1 , u2 ) ∈ F × G et u = v1 + v2 avec (v1 , v2 ) ∈ F × G

Alors, u1 + u2 = v1 + v2 =⇒ u1 − v1 = v2 − u2 . Comme (u1 , v1 ) ∈ F 2 et F sev de E, u1 − v1 ∈ F . De

même, v2 − u2 ∈ G car u2 ∈ G, v2 ∈ G et G sev de E. Ainsi, u1 − v1 = v2 − u2 ∈ G et on obtient
u1 − v1 ∈ F ∩ G. Comme F et G sont en somme directe, on en déduit que u1 − v1 = 0E c’est-à-dire
u1 = v1 . De là, on en déduit que u2 = v2 . L’écriture est unique.

3 Espaces vectoriels engendrés

Proposition (Ev engendré).
Soient E un R-espace vectoriel et (u1 , u2 , . . . , un ) ∈ E n . Si un est combinai-
son linéaire de u1 , . . . , un−1 alors

Vect ((u1 , . . . , un−1 , un )) = Vect ((u1 , . . . , un−1 ))

Preuve :

⊂ Soit v ∈ Vect ((u1 , . . . , un−1 , un )).

∃ (α1 , . . . , αn ) ∈ Rn tel que v = α1 u1 + . . . + αn−1 un−1 + αn un

Or ∃ (λ1 , . . . , λn−1 ) ∈ Rn−1 tel que un = λ1 u1 + . . . + λn−1 un−1 . D’où

v = α1 u1 + . . . + αn−1 un−1 + αn λ1 u1 + . . . + αn λn−1 un−1 = (α1 + αn λ1 )u1 + . . . + (αn−1 + αn λn−1 )un−1
Donc v ∈ Vect ((u1 , . . . , un−1 )).
On a montré que Vect ((u1 , . . . , un−1 , un )) ⊂ Vect ((u1 , . . . , un−1 )).
⊃ Soit v ∈ Vect ((u1 , . . . , un−1 )).

∃ (α1 , . . . , αn−1 ) ∈ Rn−1 tel que v = α1 u1 + . . . + αn−1 un−1 = α1 u1 + . . . + αn−1 un−1 + 0un
Donc v ∈ Vect ((u1 , . . . , un−1 , un )).
On a montré que Vect ((u1 , . . . , un−1 )) ⊂ Vect ((u1 , . . . , un−1 , un ))