4 Base Et Dimensions Cours
4 Base Et Dimensions Cours
4 Base Et Dimensions Cours
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
© 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
Formule de Grassmann
© Vuibert
Mathématiques
Bases et dimension d’un espace vectoriel S2 EPITA-S2
1 Bases
Pour i ∈ J1, nK, αi est appelé i-ème coordonnée de u dans la base (e1 , . . . , en ).
Preuve :
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
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
2
DIMENSION FINIE
BASE
K = R ou C.
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 FINIE
FAMILLE GÉNÉRATRICE
K = R ou C.
Vect({x1 , x2 , ..., xn }) = E,
c’est-à-dire tout vecteur de E est combinaison linéaire des vecteurs x1 , x2 , ..., xn , ou
encore
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 .
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
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 .
1
DIMENSION FINIE
SOUS-ESPACES VECTORIELS DE DIMENSION FINIE
K = R ou C.
1
Mathématiques
Espaces vectoriels S2 EPITA-S2
ESPACES VECTORIELS
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.
Preuve :
• 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
α u + v = α (u1 + u2 ) + (v1 + v2 ) = (α u1 + v1 ) + (α u2 + v2 )
| {z } | {z }
∈F ∈G
1
Mathématiques
Espaces vectoriels S2 EPITA-S2
∀ u ∈ F + G, ∃ !(u1 , u2 ) ∈ F × G, u = u1 + u2
Preuve :
Preuve :
∃ (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 ))