CHAPITRE

V
Espaces vectoriels et applications linéaires

Plan du chapitre
1 • Introduction 49
2 • Espaces vectoriels 49
3 • Sous-espace vectoriel engendré par une famille finie 56
4 • Famille génératrice - Famille libre - Base d’un espace vectoriel 57
5 • Espace vectoriel de dimension finie 58
6 • Rang d’une famille de vecteurs 61

1
Introduction
Dans ce chapitre, on désigne par K l’ensemble des nombres réels R ou l’ensemble des nombres com-
plexes C. Dans la plupart des exemples, ce sera le corps des réels R.

2
Espaces vectoriels

1 Définitions

Définition V.1.
Soit E un ensemble non vide, une loi de composition interne, notée additivement ” + ” sur E, est une
application de E × E dans E, définie par :

E×E → E
(u, v) 7→ u + v.

– On dit que a + b est le composé de a et b par la loi +.

– La notation ( E, +) représente l’ensemble E muni de la loi de composition interne +.

Exemple V.2.
– L’addition et la multiplication usuelles dans les ensembles N, Z, Q, R et C sont des lois de compo-
sition interne.
– La soustraction n’est pas une loi de composition interne sur N, car par exemple «3-5» n’est pas un
 A SSALI, Documentation cbmbook.cls, v1.1

entier naturel.
– La division dans N, Z, Q, R et C n’est pas une loi de composition interne. Cependant la division
sur Q∗ , R∗ et C∗ est une loi de composition interne.
– Soit E un ensemble, on note par P ( E) l’ensemble des parties de E, alors la réunion (resp. l’intersec-
tion) sur P ( E) définie par :

∪( resp. ∩) : P ( E) × P ( E) −→ P ( E)
( A, B) 7−→ A ∪ B( resp. A ∩ B)

sont des lois de composition interne.

– Soit E un ensemble, on note par F ( E, E) (ou encore F ( E) ), l’ensemble des applications de E dans
lui-même :
F ( E, E) = { f : E −→ E}
alors la composition des applications :

◦ : F ( E) × F ( E) −→ F ( E)
( f , g) 7−→ f ◦ g

est une loi de composition interne.

Définition V.3.
Soient E et K deux ensembles non vides, une loi de composition externe, notée multiplicativement •
sur E, est une application de K × E dans E, définie par :

K×E → E
(λ, u) 7→ λ · u.

Exemple V.4.
– Soit E = Mn,p (R), (n, p) ∈ N∗ × N∗ , l’ensemble des matrices à n lignes et p colonnes à coefficients
réels, le produit d’une matrice par un scalaire α défini par :

•R × Mn,p (R) −→ Mn,p (R)

(α, A) 7−→ α · A

est une loi de composition externe.

– Soit E = F (R, R). Alors, le produit d’une fonction par un réel α défini par :

•R × F (R, R) −→ F (R, R)
(α, f ) 7−→ α · f

est une loi de composition externe sur F (R, R).

50 C HAPITRE V • E SPACES VECTORIELS ET APPLICATIONS LINÉAIRES

 A SSALI, Documentation cbmbook.cls, v1.1

Définition V.5.
Un K-espace vectoriel est un ensemble non vide E muni d’une loi de composition interne notée ” + ”,
et d"une loi de composition externe notée ” − ”, satisfaisant les conditions suivantes :
1. La loi de composition interne ” + ” vérifie les propriétés ci-dessous :
– u + v = v + u (pour tous u, v ∈ E)
– u + (v + w) = (u + v) + w (pour tous u, v, w ∈ E)
– Il existe un unique élément 0E ∈ E dit élément neutre, tel que u + 0E = u (pour tout
u ∈ E)
– Tout élément u ∈ E admet un unique élémnet u′ , dit symétrique (ou opposé) et noté −u tel
que u + u′ = 0E .
2. La loi de composition externe ” • ” vérifie les propriétés ci-dessous :
– 1 · u = u (pour tout u ∈ E)
– λ · (µ · u) = (λµ) · u (pour tous λ, µ ∈ K, u ∈ E)
– λ · (u + v) = λ · u + λ · v (pour tous λ ∈ K, u, v ∈ E)
– (λ + µ) · u = λ · u + µ · u (pour tous λ, µ ∈ K, u ∈ E)
– On dit que E est un K-espace vectoriel (K-e.v en abrégé) et on le note par ( E, +, •).
– Les éléments de ( E, +, •) sont appelés des vecteurs.

Exemple V.6. Le R-espace vectoriel R2

Posons K = R et E = R2 . Un élément u ∈ E est donc un couple ( x, y) avec x élément de R et y élément
de R. Ceci s’écrit
R2 = ( x, y) | x ∈ R, y ∈ R .


– Définition de la loi interne. Si ( x, y) et ( x ′ , y′ ) sont deux éléments de R2 , alors :

( x, y) + ( x ′ , y′ ) = ( x + x ′ , y + y′ ).

– Définition de la loi externe. Si λ est un réel et ( x, y) est un élément de R2 , alors :

λ · ( x, y) = (λx, λy).

L’élément neutre de la loi interne est le vecteur nul (0, 0). Le symétrique de ( x, y) est (− x, −y), que
l’on note aussi −( x, y).

λ·u

u+v

0 v

−u

2. Espaces vectoriels 51
 A SSALI, Documentation cbmbook.cls, v1.1

L’exemple suivant généralise le précédent. C’est aussi le bon moment pour lire ou relire le chapitre
« L’espace vectoriel Rn ».

Exemple V.7. Le R-espace vectoriel Rn

Soit n un entier supérieur ou égal à 1. Posons K = R et E = Rn . Un élément u ∈ E est donc un n-uplet
( x1 , x2 , . . . , xn ) avec x1 , x2 , . . . , xn des éléments de R.
– Définition de la loi interne. Si ( x1 , . . . , xn ) et ( x1′ , . . . , xn′ ) sont deux éléments de Rn , alors :

( x1 , . . . , xn ) + ( x1′ , . . . , xn′ ) = ( x1 + x1′ , . . . , xn + xn′ ).

– Définition de la loi externe. Si λ est un réel et ( x1 , . . . , xn ) est un élément de Rn , alors :

λ · ( x1 , . . . , xn ) = (λx1 , . . . , λxn ).

L’élément neutre de la loi interne est le vecteur nul (0, 0, . . . , 0). Le symétrique de ( x1 , . . . , xn ) est
(− x1 , . . . , − xn ), que l’on note −( x1 , . . . , xn ).
De manière analogue, on peut définir le C-espace vectoriel Cn , et plus généralement le K-espace
vectoriel Kn .

2 Sous-espaces vectoriels

Définition V.8.
Soit E un K-espace vectoriel. Une partie F de E est appelée un sous-espace vectoriel si :
1. 0E ∈ F,
2. u + v ∈ F pour tous u, v ∈ F,
3. α · u ∈ F pour tout α ∈ K et tout u ∈ F.

R Remarque V.9.
On peut réduire les conditions 2) et 3) de la définition ci-dessus en une seule :

α · u + v ∈ F.

Exemple V.10.
1. L’ensemble
F = ( x, y) ∈ R2 | x + y = 0


est un sous-espace vectoriel de R2 . En effet :

a) F ⊂ R2 .
b) (0, 0) ∈ F.
c) Si u = ( x, y) et v = ( x ′ , y′ ) appartiennent à F, alors x + y = 0 et x ′ + y′ = 0, donc

u + v = ( x + x ′ , y + y′ ) = x + x ′ + y + y′ = ( x + y) + ( x ′ + y′ ) = 0,

et ainsi u + v = ( x + x ′ , y + y′ ) ∈ F.
d) Si u = ( x, y) ∈ F et α ∈ R, alors x + y = 0 donc αx + αy = α( x + y) = 0, d’où αu ∈ F.
2. L’ensemble   
a b
F = {A ∈ M2 (R) | tr( A) = 0} = a+d = 0
c d
est un sous-espace vectoriel de l’ensemble E = M2 (R). En effet :
a) F ⊂ M2 (R).

52 C HAPITRE V • E SPACES VECTORIELS ET APPLICATIONS LINÉAIRES

 A SSALI, Documentation cbmbook.cls, v1.1

 
0 0
b) 0E = ∈ F car 0 + 0 = 0.
0 0
   
a b e f
c) Si M = et N = appartiennent à F (c’est-à-dire a + d = 0 et e + h = 0 ),
c d g h
 
a+e b+ f
alors M + N = appartient à F car( a + e) + (d + h) = ( a + d) + (e + h) =
c+g d+h
0+0 = 0.   
a b αa αb
d) Si M = appartient à F (c’est-à-dire a + d = 0 ) et si α ∈ R alors α · M =
c d αc αd
appartient à F car αa + αd = α ( a + d ) = 0.
L’ensemble F = ( x, y) ∈ R2 | x + y = 2 n’est pas un sous-espace vectoriel de R2 . En effet :

e)
Le vecteur nul (0, 0) ∈
/ F.

R Remarque V.11.
1. Tout sous-espace vectoriel est lui même un espace vectoriel muni de lois induites par le "grand
"espace.
2. Le complémentaire d’un sous-espace vectoriel n’est pas un sous-espace vectoriel (car il ne contient
pas 0E ).

Méthodologie.
Pour répondre à une question du type « L’ensemble F est-il un espace vectoriel ? », une façon efficace de
procéder est de trouver un espace vectoriel E qui contient F, puis prouver que F est un sous-espace vectoriel
de E. Il y a seulement trois propriétés à vérifier au lieu de huit !

Définition V.12.
Soient E un K-espace vectoriel, E1 et E2 deux sous-espaces vectoriels de E, alors :
1. Le produit cartésien de E1 et E2 est un sous-espace vectoriel de E × E, donné par :

E1 × E2 = {(v1 , v2 ) | v1 ∈ E1 et v2 ∈ E2 } .

2. L’intersection de E1 et E2 est un sous-espace vectoriel de E, donnée par :

E1 ∩ E2 = {v ∈ E | v ∈ E1 et v ∈ E2 } .

3. La somme de E1 et E2 est un sous-espace vectoriel de E, donnée par :

E1 + E2 = {v1 + v2 | v1 ∈ E1 et v2 ∈ E2 } .

4.

Théorème V.13.
Soient F, G deux sous-espaces vectoriels d’un K-espace vectoriel E. L’intersection F ∩ G est un sous-
espace vectoriel de E.

Démonstration. Soient F et G deux sous espaces vectoriels d’un espace vectoriel E, on a :

1. 0E ∈ F et 0E ∈ G donc 0E ∈ F ∩ G ⇒ F ∩ G ̸= ∅.

2. Espaces vectoriels 53
 A SSALI, Documentation cbmbook.cls, v1.1

2. Soit ( x, y) ∈ ( F ∩ G )2 et (λ, β) ∈ K2
donc x ∈ F , x ∈ G , y ∈ F et y ∈ G or F et G sont deux sous espaces vectoriels par suite α.x + β.y ∈ F
et α.x + β.y ∈ G ⇒ α.x + β.y ∈ F ∩ G
donc F ∩ G est un sous-espace vectoriel.

Exemple V.14.
Soit D le sous-ensemble de R3 défini par :

D = ( x, y, z) ∈ R3 | x + 3y + z = 0 et x − y + 2z = 0 .


Est-ce que D est sous-espace vectoriel de R3 ? L’ensemble D est l’intersection de F et G, les sous-ensembles
de R3 définis par :
F = ( x, y, z) ∈ R3 | x + 3y + z = 0


G = ( x, y, z) ∈ R3 | x − y + 2z = 0

G
D

Ce sont deux plans passant par l’origine, donc des sous-espaces vectoriels de R3 . Ainsi D = F ∩ G est un
sous-espace vectoriel de R3 , c’est une droite vectorielle.

R Remarque V.15.
La réunion de deux sous-espaces vectoriels de E n’est pas en général un sous-espace vectoriel de E.

Exemple V.16.
Soient F = ( x, y) ∈ R2 | x = 0 et G = ( x, y) ∈ R2 | y = 0 deux R-sous espaces vectoriels de
 

R2 . Alors F ∪ G n’est pas un sous-espace vectoriel de R2 , car si u = (0, 1) ∈ F et v = (1, 0) ∈ G mais

u + v = (1, 1) n’appartient pas à F ∪ G, donc F ∪ G n’est pas un sous espace vectoriel de R2 .

54 C HAPITRE V • E SPACES VECTORIELS ET APPLICATIONS LINÉAIRES

 A SSALI, Documentation cbmbook.cls, v1.1

(1, 1)

(0, 1)
G
0 (1, 0)

Définition V.17.
Soit E un K-espace vectoriel, et soient F et G deux sous-espaces vectoriels de E. On définit la somme
de F et G par 
F + G = u + v | u ∈ F, v ∈ G .

Proposition V.18.
Soient F et G deux sous-espaces vectoriels du K-espace vectoriel E. Alors, F + G est un sous-espace
vectoriel de E.

Démonstration.

1. 0E ∈ F, 0E ∈ G, donc 0E = 0E + 0E ∈ F + G.
2. Soient w et w′ des éléments de F + G. Comme w est dans F + G, il existe u dans F et v dans G tels
que w = u + v. Comme w′ est dans F + G, il existe u′ dans F et v′ dans G tels que w′ = u′ + v′ . Alors
w + w′ = (u + v) + (u′ + v′ ) = (u + u′ ) + (v + v′ ) ∈ F + G, car u + u′ ∈ F et v + v′ ∈ G.
3. Soit w un élément de F + G et λ ∈ K. Il existe u dans F et v dans G tels que w = u + v. Alors
λw = λ(u + v) = (λu) + (λv) ∈ F + G, car λu ∈ F et λv ∈ G.

3 Sous-espaces vectoriels supplémentaires

Définition V.19.
Soient F et G deux sous-espaces vectoriels de E.
1. La somme F + G est dite directe, et on la note F ⊕ G, si F ∩ G = {0E }.
2. F et G sont dits supplémentaires dans E, si E = F ⊕ G. C’est-à-dire

E = F ⊕ G ⇐⇒ F ∩ G = {0E } et F + G = E.

2. Espaces vectoriels 55
 A SSALI, Documentation cbmbook.cls, v1.1

3
Sous-espace vectoriel engendré par une famille finie

Définition V.20.
Soient E un K-espace vectoriel et F = {u1 , . . . , un } , n ≥ 1, une famille de n vecteurs de E. On dit
qu’un vecteur u ∈ E est combinaison linéaire d’éléments de F s’il existe des scalaires α1 , . . . , αn de K
tel que :

u = α1 u1 + α2 u2 + . . . + α n u n .
Les scalaires α1 , . . . , αn sont appelés les coefficients de la combinaison linéaire.

Exemple V.21.
Considérons les trois vecteurs v = (−1, 0, 4), u1 = (−1, −2, −3) et u2 = (0, 2, −1). Montrer que le vecteur
v est combinaison linéaire des vecteurs u1 et u2 . En effet,
On cherche alors deux réels α1 et α1 tels que

v = α1 u1 + α2 u2 ,

ce qui donne 
 −1 = − α1 ,
0 = −2α1 + 2α2 , ⇐⇒ α1 = α2 = 1.
−4 = −3α1 − α2 ,


Donc v est combinaison linéaire des vecteurs u1 et u2 car v = u1 + u2 .

Définition V.22.
Soient E un K-espace vectoriel et F = (v1 , . . . , vn ) , n ≥ 1, une famille de n vecteurs de E. On ap-
pelle un sous-espace vectoriel engendré par F , noté Vect(F ), l’ensemble de toutes les combinaisons
linéaires finies d’éléments de F :

Vect (v1 , . . . , vn ) = {λ1 · v1 + . . . + λn .vn ∈ E | λi ∈ K, i = 1, . . . , n}

Exemple V.23.
– L’ensemble des solutions de l’équation 3x − y = 0 est un sous-espace vectoriel de R2 engendré par
le vecteur u = (1, 3).
– L’espace R2 est engendré par les deux vecteurs e1 = (1, 0) et e2 = (0, 1).
– On considére les vecteurs u1 = (0, 1, −1), u2 = (1, 3, −1) et u3 = (1, 4, −2). Dans ce cas u3 ∈
Vect (u1 , u2 ).

R Remarque V.24.
Pour montrer qu’une partie F d’un K- espace vectoriel E est un K-sous espace vectoriel on peut montrer
qu’il existe X ⊂ E tel que F = Vect( X ). On dit que F est engendré par X.

56 C HAPITRE V • E SPACES VECTORIELS ET APPLICATIONS LINÉAIRES

 A SSALI, Documentation cbmbook.cls, v1.1

4
Famille génératrice - Famille libre - Base d’un espace vectoriel
On considère toujours E un K-espace vectoriel.

Définition V.25.
Soit F = {u1 , . . . , un } une famille de n vecteurs de E, avec n ≥ 1, alors :
– On dit que F est une famille génératrice de E si tout vecteur u de E est combinaison linéaire des
éléments de F , en d’autres termes :
∀u ∈ E, ∃α1 , . . . , αn ∈ K tel que u = α1 · u1 + α2 · u2 + . . . + αn · un
– On dit dans ce cas que E est engendré par la famille F , et on note E =< F > ou E = Vect(F ).

Exemple V.26.
1. Tout vecteur u = ( x1 , . . . , xn ) ∈ Rn , n ≥ 1, peut être représenté sous la forme suivante :

u = ( x1 , 0, . . . , 0) + (0, x2 , . . . , 0) + . . . + (0, . . . , 0, xn )
= x1 · (1, 0, . . . , 0) + x2 · (0, 1, . . . , 0) + . . . + xn · (0, . . . , 1).

En notant e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, . . . , 0, 1), on obtient que la famille {e1 , . . . , en }
est une famille génératrice de Rn .
Autrement dit : Rn = Vect ({e1 , . . . , en }).
2. Tout polynôme P ∈ Rn [ X ] s’écrit sous la forme :

P = a0 + a1 X + . . . + an X n , avec ( a0 , a1 , . . . , an ) ∈ Rn
La famille 1, X, X 2 , . . . , X n est une famille génératrice de Rn [ X ].


Autrement dit : Rn [ X ] = Vect 1, X, X 2 , . . . , X n .

Définition V.27.
Soit F = {v1 , . . . , vn } , n ≥ 1, une famille de vecteurs de E.
1. On dit que F est une famille libre ou que ses vecteurs sont linéairement indépendants :
n
Si ∀α1 . . . αn ∈ K, ∑ αi · vi = 0E alors αi = 0, i = 1, . . . , n
i =1

2. Dans le cas contraire, c’est-à-dire s’il existe une combinaison linéaire nulle à coefficients non
tous nuls, on dit que la famille est liée ou linéairement dépendante.

Exemple V.28.
1  2  2
Soient v1 = 1 , v2 = −1 , v3 = 1 . Est-ce que la famille {v1 , v2 , v3 } est libre ou liée ? Résolvons le
1 0 1
système linéaire correspondant à l’équation α1 v1 + α2 v2 + α3 v3 = 0 :

α1 + 2α2 + 2α3 = 0
α − α2 + α3 = 0
 1
α1 + α3 = 0

On résout ce système et on trouve comme seule solution α1 = 0, α2 = 0, α3 = 0. La famille {v1 , v2 , v3 } est

4. Famille génératrice - Famille libre - Base d’un espace vectoriel 57

 A SSALI, Documentation cbmbook.cls, v1.1

donc une famille libre.

Exemple V.29.
 2   1
  7

Soient v1 = − 1 , v2 = 2 et v3 = −1 . Alors {v1 , v2 , v3 } forme une famille liée, car
0 5 5
3 −1 8

3v1 + v2 − v3 = 0.

Ci-dessous, on dispose de certaines propriétés facilitent l’identification qu’une famille est libre ou non
(resp. liée ou non) :

Propriété V.30.
Soient E un K-espace vectoriel et {v1 , . . . , vn } , n ≥ 1, des vecteurs de E.
1. Lorsque n = 1, {v1 } est libre si et seulement si v1 ̸= 0E .
2. Une famille contenant le vecteur nul est liée.
3. Une famille F = {u1 , . . . , un } à n vecteurs de Rn où ui = ( x1i , x2i , . . . , xni ) , 1 ≤ i ≤ n, est libre dans
Rn si et seulement si la matrice carrée d’ordre n dont les vecteurs colonnes sont les vecteurs de F
est inversible. Autrement dit :
 
x11 . . . x1n
La famille F est libre dans Rn ⇐⇒ det  ... .. ..  ̸= 0.

. . 
xn1 . . . xnn

5
Espace vectoriel de dimension finie

1 Base d’un espace vectoriel

La notion de base généralise la notion de repère. Dans R2 , un repère est donné par un couple de vecteurs
non colinéaires. Dans R3 , un repère est donné par un triplet de vecteurs non coplanaires. Dans un repère,
un vecteur se décompose suivant les vecteurs d’une base. Il en sera de même pour une base d’un espace
vectoriel.
v = α1 v1 + α2 v2

α2 v2

v2
α1 v1

v1

Définition V.31.
Soit E un K-espace vectoriel. Une famille B = (v1 , v2 , . . . , vn ) de vecteurs de E est une base de E si B
est une famille libre et génératrice.

58 C HAPITRE V • E SPACES VECTORIELS ET APPLICATIONS LINÉAIRES

 A SSALI, Documentation cbmbook.cls, v1.1

Théorème V.32.
Soit B = (v1 , v2 , . . . , vn ) une base de l’espace vectoriel E. Tout vecteur v ∈ E s’exprime de façon unique
comme combinaison linéaire d’éléments de B . Autrement dit, il existe des scalaires α1 , . . . , αn ∈ K
uniques tels que :
v = α1 v1 + α2 v2 + · · · + α n v n .

Démonstration.
– Par définition, B est une famille génératrice de E, donc pour tout v ∈ E il existe α1 , . . . , αn ∈ K tels
que
v = α1 v1 + α2 v2 + · · · + α n v n .

Cela prouve la partie existence.

– Il reste à montrer l’unicité des α1 , α2 , . . . , αn . Soient µ1 , µ2 , . . . , µn ∈ K d’autres scalaires tels que v =
µ1 v1 + µ2 v2 + · · · + µn vn . Alors, par différence on a : (α1 − µ1 )v1 + (α2 − µ2 )v2 + · · · + (αn − µn )vn = 0.
Comme B = {v1 , . . . , vn } est une famille libre, ceci implique α1 − µ1 = 0, α2 − µ2 = 0, . . . , αn −
µn = 0 et donc α1 = µ1 , α2 = µ2 , . . . , αn = µn .

R Remarque V.33.
1. (α1 , . . . , αn ) s’appellent les coordonnées du vecteur v dans la base B .
2. Il faut observer que pour une base B = (v1 , v2 , . . . , vn ) on introduit un ordre sur les vecteurs. Bien
sûr, si on permutait les vecteurs on obtiendrait toujours une base, mais il faudrait aussi permuter
les coordonnées.

Exemple V.34.
1. Soient les vecteurs e1 = 0 . Alors (e1 , e2 ) est une base de R2 , appelée base canonique
1



0 et e2 = 1
de R2 .
2. Soient les vecteurs v1 = 3 . Alors (v1 , v2 ) forment aussi une base de R2 .

1


1 et v2 = 2

ye2 v = λ1 v1 + λ2 v2

e3
λ2 v2

v2
e2 λ1 v1
e2
v1
e1 xe1 e1
1 0 0
3. De même dans R3 , si e1 = 0 , e2 = 1 , e3 = 0 , alors (e1 , e2 , e3 ) forment la base canonique de
0 0 1
R3 .

2 Dimension d’un espace vectoriel

5. Espace vectoriel de dimension finie 59

 A SSALI, Documentation cbmbook.cls, v1.1

Définition V.35.
Soit E un K-espace vectoriel muni de la base B .
– La dimension de E, notée dim ( E), est donnée par le Card(B) c’est à dire le nombre de vecteurs
de B :

dim( E) = Card(B)
– On note que dim ({0E }) = 0.

Exemple V.36.
1. La R2 est e1
= 10 , e2 = 01 . La dimension de R2 est donc 2.




 base canonique
1
  de
0
 0
2. e1 = 0 , e2 = 1 , e3 = 0 est la base de R3 , en comptant ses vecteurs on a dim R3 = 3.


0
0

1
3. Les vecteurs 21 , 11 forment aussi une base de R2 , et illustrent qu’une autre base contient le
même nombre d’éléments.
4. dim Rn [ X ] = n + 1 car une base de Rn [ X ] est (1, X, X 2 , . . . , X n ), qui contient n + 1 éléments.

Propriété V.37. Croissance de la dimension

Soit E un K-espace vectoriel de dimension n ≥ 0.
1. Si F est un sous-espace vectoriel de E, alors dim( F ) ≤ dim( E).
2. Si F est un sous-espace vectoriel de E et dim( F ) = dim( E), alors F = E.

Théorème V.38. (de la base incomplète)

Soit E un K-espace vectoriel de dimension n finie tel que E ̸= {0E } alors :
– De toute famille génératrice G de E, on peut extraire une base de E.
– Toute famille libre L de E peut être complétée en une base de E.

Exemple V.39.
Compléter en une base de R4 la famille v1 = (1, 1, 1, 1); v2 = (1, 1, −1, −1).
On doit choisir v3 tel que
v3 ̸ = α1 v1 + α2 v2
par exemple v3 = (1, 0, 0, 0) puis on choisit

v4 ̸ = α1 v1 + α2 v2 + α3 v3

soit par exemple v4 = (0, 0, 0, 1).

(v1 , v2 , v3 , v4 ) est libre de plus dim R4 =4, par suite (v1 , v2 , v3 , v4 ) est base .

Théorème V.40.
Soit E un K-espace vectoriel de dimension finie tel que E ̸= {0E }, alors :
1. E admet
 des bases et toutes ses bases ont le même nombre de vecteurs n = dim( E).
2. Soit v1 , . . . , v p une famille
 de vecteurs de E avec p ≥  1 et dim( E) = n :
a) Si p = n et la famille v1 , . . . , v p est libre, alors v1 , . . ., v p est une base de E.
b) Si p = n et la famille v1 , . . . , v p est génératrice, alors v1 , . . . , v p est une base de E.

60 C HAPITRE V • E SPACES VECTORIELS ET APPLICATIONS LINÉAIRES

 A SSALI, Documentation cbmbook.cls, v1.1

Exemple V.41.
Soit E = R3 . Soient u = (1, 2, 3); v = (0, 1, 2); w = (0, 0, 1). On a
α1 u + α2 v + α3 w = 0 ⇒ α1 = α2 = α3 = 0
⇒ (u, v, w) est libre. De plus dimE = 3=nombre de vecteurs donc (u, v, w) est une base de R3 .

6
Rang d’une famille de vecteurs

Définition V.42.
Soient Eun K-espace vectoriel et v1 , . . . , v p , p ≥ 1, une famille de vecteurs de E, alors le rang de la


famille v1 , . . . , v p est l’entier :




rg v1 , . . . , v p = dim Vect v1 , . . . , v p .

Exemple V.43.
Soit E = R3 , on considère les vecteurs ci-dessous :

u = (1, 1, 1), v = (2, 3, −1) et w = (4, 5, 1)

On veut déterminer le rang de la famille {u, v, w}, pour cela on considère Vect({u, v, w}) et on cherche
sa dimension.
On remarque que w = u + 2v, donc la famille {u, v, w} est liée, d’où :

Vect({u, v, w}) = Vect({u, v}).

Comme la famille {u, v} est libre alors Vect({u, v, w}) a pour base {u, v}.
On en déduit que :

rg({u, v, w}) = dim(Vect({u, v, w})) = 2.

Proposition V.44.
Soient E un K − e.v
de dim n et v1 , . . . , v p , p ≥ 1, des vecteurs de E, alors :
1. rg v1 , . . . , v p
≤ min(n, p)
2. rg v1 , . . . , v p
= p si et seulement si  v1 , . . . , v p est libre.


3. rg v1 , . . . , v p = n si et seulement si v1 , . . . , v p est une famille génératrice de E.

4. rg (v1 , . . . , vn ) = n si et seulement si {v1 , . . . , vn } est une base de E.

R Remarque V.45.
Le rang d’une matrice est le nombre maximal de vecteurs lignes (ou colonnes) linéairement indépen-
dants.

6. Rang d’une famille de vecteurs 61

 A SSALI, Documentation cbmbook.cls, v1.1

Théorème V.46.
Soient E un K-espace

vectoriel, E1 et E2 deux sous-espaces vectoriels de E, B = u1 , . . . , u p , p ≥ 1, une
base de E1 et B ′ = v1 , . . . , vq , q ≥ 1, une base de E2 , alors :


E = E1 ⊕ E2 ssi B ∪ B ′ = u1 , . . . , u p , v1 , . . . , vq est une base de E.



– De plus, dim( E) = dim ( E1 ) + dim ( E2 ).

Théorème V.47.
Soit E un K espace vectoriel de dimension finie et soient F et G deux-sous espaces vectoriels de E.

dimF + dimG = dimE
E = F⊕G ⇔
F ∩ G = {0 E }

62 C HAPITRE V • E SPACES VECTORIELS ET APPLICATIONS LINÉAIRES