COURS DE MATHEMATIQUES ALGEBRE

LAKHEL El Hassan

Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi www.ensasafi.ma Ann´e Universitaire : 2006-2007 e

Table des mati`res e
I
1

` ´ ´ ALGEBRE GENERALE
´ ´ ´ ´ GENERALITES - STRUCTURES ALGEBRIQUES 1.1 Ensenbles - Relations . . . . . . . . . . . . . . . . . . . 1.1.1 Ensembles . . . . . . . . . . . . . . . . . . . . . . 1.1.2 Relation binaire sur un ensemble E . . . . . . . 1.1.3 Applications et fonctions . . . . . . . . . . . . . 1.2 Lois de composition - Structures d’ensembles . . . . . 1.3 Groupes et sous-groupes . . . . . . . . . . . . . . . . . . 1.4 Morphisme de groupes . . . . . . . . . . . . . . . . . . . 1.5 Anneaux et corps . . . . . . . . . . . . . . . . . . . . . . 1.6 EXERCICES. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6
7 7 7 8 8 10 11 13 14 16 19 19 19 20 21 22 24 26 26 27 27 28 29 30 30 30 32 33 36 36 36 38 38 38 41 41 43

ˆ 2 LES POLYNOMES 2.1 Pr´sentation des polynˆmes . . . . . . . . . . . . . . . . . . e o 2.1.1 D´finitions et notations . . . . . . . . . . . . . . . . e 2.1.2 Op´rations sur les polynˆmes : . . . . . . . . . . . . e o 2.2 Division Euclidienne . . . . . . . . . . . . . . . . . . . . . . 2.2.1 Arithm´tiques sur les polynˆmes . . . . . . . . . . . e o 2.2.2 Algorithme d’Euclide. . . . . . . . . . . . . . . . . . 2.3 Fonction polynˆme . . . . . . . . . . . . . . . . . . . . . . o 2.3.1 Polynˆme d´riv´ . . . . . . . . . . . . . . . . . . . . o e e 2.3.2 Formule de Taylor pour les polynˆmes . . . . . . . . o 2.4 Z´ros d’un polynˆme . . . . . . . . . . . . . . . . . . . . . . e o 2.4.1 Multiplicit´ d’une racine . . . . . . . . . . . . . . . . e 2.5 Polynˆmes irr´ductibles . . . . . . . . . . . . . . . . . . . . o e 2.6 D´composition des polynˆmes en facteurs irr´ductibles . . e o e 2.6.1 Factorisation des polynˆmes dans C[X] . . . . . . . o 2.6.2 Factorisation des polynˆmes dans R[X] . . . . . . o 2.6.3 Annexe : Recherche des racines, quelques r´sultats et e 2.7 EXERCICES. . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . m´thodes e . . . . . .

3 FRACTIONS RATIONNELLES 3.1 D´finitions et propri´t´s alg`briques . . . . . . . . . . . . . . . . e ee e 3.1.1 Fractions ratinnelles irr´ductibles . . . . . . . . . . . . . . e 3.2 D´composition en ´l´ments simples d’une fraction rationnelle . . e ee 3.2.1 Fractions rationnelles r´guli`res . . . . . . . . . . . . . . . e e 3.2.2 D´composition en ´l´ments simples . . . . . . . . . . . . e ee 3.2.3 D´composition dans C(X) . . . . . . . . . . . . . . . . . . e 3.2.4 D´composition dans R(X) . . . . . . . . . . . . . . . . . . e 3.3 Recherche des parties polaires relatives ` des facteurs de la forme a 1

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (X − a)α

3.4 3.5 3.6

3.3.1 Division suivant les puissances croissantes . . . . . . . . . . . . . . . . Recherche des parties polaires relatives ` des facteurs de la forme (X 2 + bX + c)α a APPLICATIONS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43 45 46 47

II

` ´ ALGEBRE LINEAIRE
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

49
50 50 51 51 52 54 54 56 56 56 57 57 57 60 62 62 62 63 63 63 64 65 65 66 72 72 72 73 74 74 74 74 75 75 77 78 79 80 80 80 81

´ 4 ESPACES VECTORIELS ET APPLICATIONS LINEAIRES 4.1 Structure d’espace vectoriel . . . . . . . . . . . . . . . . . . . . . 4.2 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . 4.2.1 G´n´ralit´s . . . . . . . . . . . . . . . . . . . . . . . . . . e e e 4.2.2 Sous-espace engendr´ par une partie . . . . . . . . . . . . e 4.3 Applications lin´aires . . . . . . . . . . . . . . . . . . . . . . . . . e 4.3.1 G´n´ralit´s . . . . . . . . . . . . . . . . . . . . . . . . . . e e e 4.3.2 Image et noyau d’une application lin´aire . . . . . . . . . e 4.4 Op´rations sur les applications lin´aires . . . . . . . . . . . . . . e e 4.4.1 Structure d’espace vectoriel de LK (E, F ) . . . . . . . . . . 4.4.2 Composition des applications lin´aires . . . . . . . . . . . e 4.4.3 Le groupe lin´aire (GL(E), o) . . . . . . . . . . . . . . . . e 4.5 Ind´pendance lin´aire . . . . . . . . . . . . . . . . . . . . . . . . e e 4.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 ESPACES VECTORIELS DE DIMENSION FINIE 5.1 D´finition d’un espace vectoriel de dimension finie. Bases. . . . . e 5.1.1 Espace vectoriel engendr´ par une suite finie. Base . . . . e 5.1.2 Existence de bases . . . . . . . . . . . . . . . . . . . . . . 5.2 Dimension d’un espace vectoriel de dimension finie . . . . . . . . 5.2.1 Le th´or`me de la dimension . . . . . . . . . . . . . . . . e e 5.2.2 Rang d’une suite finie de vecteurs . . . . . . . . . . . . . 5.2.3 Espace vectoriel de dimension finie donn´e n . . . . . . . e 5.3 Sous-espaces d’un espace vectoriel de dimension finie . . . . . . . 5.4 Applications lin´aires d’un K-e.v. de dimension finie dans un K e. e

. . . . . . . . . . . . . . . . v.

` ´ 6 MATRICES ET SYSTEMES LINEAIRES 6.1 G´n´ralit´s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e e 6.1.1 D´finitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 6.1.2 Transpos´e d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . e 6.2 Op´rations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 6.2.1 L’espace vectoriel Mp,n (K) . . . . . . . . . . . . . . . . . . . . . . . . 6.2.2 Base canonique et dimension de Mp,n (K) . . . . . . . . . . . . . . . . 6.2.3 Multiplication des matrices . . . . . . . . . . . . . . . . . . . . . . . . 6.2.4 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 Matrice d’une application lin´aire . . . . . . . . . . . . . . . . . . . . . . . . . e 6.4 Matrices carr´es inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 6.5 Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.5.1 Action d’un changement de base sur les coordonn´es d’un vecteur . . e 6.5.2 Action d’un changement de base sur la matrice d’une application lin´aire e 6.6 Syst`mes lin´aires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e 6.6.1 D´finitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 6.6.2 Interpr´tation matricielle d’un syst`me lin´aire : . . . . . . . . . . . . e e e 2

. . . . . e Algorithme du pivot de Gauss : . . . . . . . . . . . . . . . . . . . . . . 91 . .7 Exercices . . . . . . . . . e 7. . ´ 8 REDUCTION DES ENDOMORPHISMES 8. . . . . . . . . . Exercices : Les matrices . . . . . . . . . . . . . . . . . . . .1 Introduction . ee e 7. . . . . . 104 104 104 105 107 108 108 109 111 113 117 3 . 101 . . . . . . . . . . . . . . . . e e 7. . . e 7.9 6. . . . . . . . . . . . . Polynˆme caract´ristique o e 8. . . 99 . 95 . . . . . . . . . . . .4 D´terminant d’une matrice carr´e . 9 Examens de l’ann´e universitaire 2005-2006 e . . . . . .8 6.5 Propri´t´s et calcul des d´terminants . . . . . . . . . . . e 7. . . . . . 81 82 84 87 ´ 7 DETERMINANTS 7. . . . . . . . . . . .6. . . 7. . . . . . . . . . . . . . 97 .2 D´terminant d’un endomorphisme . . . . . e 7.6. . . . . . . . . . . . . . . . . . . . 97 . . .2 Vecteurs propres et valeurs propres d’un endomorphismes : 8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .3 Rang d’un syst`me lin´aire e e M´thode de pivot de Gauss . . . . . . . . . e 7. . . . . . . 8. 8. . .1 Le groupe sym´trique Sn . . . . . . . . . 99 .6. . . . . . . . . . . . .7 6. . . . . . . . . . . . . . . .2 Formes miltilin´aires altern´es . . . . . . . . . . . .3 D´terminant d’une suite de vecteurs dans une base .6 Applications des d´terminants . . . . . . . . . . . . . . . . . . . . . .1 Calcul des valeurs propres. . . . .6. . . . . . .4 G´n´ralit´s . . . 98 . . . . . . .5 Caract´risation des endomorphismes diagonalisables . . . . . . . . . . . . . . . . . . . . . .6 Trigonalisation . . . . . . .2. . . . . . . . .v. . . . . . . . . . . . . . . . .7 Exercices . . . . . . . . . . . . . . . . . . . . . .6.1 Ind´pendance lin´aire de n vecteurs dans un e. . . . . . . .2. . . . . . . . . . . . . . . . . . 95 . . . . . . . . . 8. . 91 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 8. . . . 93 . . . . . . . . . . . . 8. . de dimension n e e 7. . . . . . . . . . . . .3 Diagonalisation . . . . . . . . . . . .6. . . . . . .4 Calcul du rang d’une matrice . . . . . . . . . . . . . 94 . . . . . . . . . . . . . . . . . . .3 Calcul de l’inverse d’une matrice carr´e inversible . . . . . . e e e 8. . . . . . . . . . . .2 Sous-espaces propres . . . . e e 7. . . . . . . .

la d´monstration ne demande que quelques lignes. La maˆ e e ıtrise de l’alg`bre lin´aire ´l´mentaire en dimension finie constitue un objectif e e ee essentiel. les e e e d´terminants et les r´ductions des matrices. e e Le meilleur apprentissage de l’Alg`bre Lin´aire s’obtient par un travail r´gulier sur toute e e e l’ann´e. e e • Application lin´aire. Survol du groupe des permutations d’ordre n (d´finition d’une pere mutation. automorphisme. en analyse et en e e g´om´trie. Les domaines suivants seront trait´s dans le premier chapitre de cette partie : e • Espace vectoriel et sous-espace vectoriel. dans le but e e d’habituer les ´l`ves ` tenir un raisonnement rigoureux. Les chapitres cinq-huit introuduisent les matrices. La plupart des r´sultats sont d´montrs. isomorphismes). et aussi parce que les d´monstrations permettent souvent de mettre en oeuvre et e d’illustrer les concepts introduits ou les propri´t´s pr´c´demment ´tablies. e e e e 4 . ni de faire les exercices. morphismes) et ` quelques propri´t´s ´l´mentaires des morphismes (composition. Pour certains th´or`me. les syst`mes d’´quations lin´aires . qui s’int´resse aux propri´t´s e e ee des objets manipul´s et non leur nature. Elle n´cessite un important effort d’abstraction et e e demande une assez longue adaptation. et de leurs interventions en alg`bre. corps. souse e e structure. e o L’´tude de l’alg`bre lin´aire constitue le coeur du cours d’alg`bre . se r´duit aux d´finitions (structure. Dans le cadre de ce cours on cherche ` la fois d´velopper de faon rigoureuse des concepts a e et des m´thodes et ´ d´gager des connaissances n´cessaires ` la physique et aux sciences e a e e a ing´nieurs. Notre but est d’introduire les e e notions de base de l’alg`bre lin´aire et de d´montrer rigoureusement les r´sultats principaux e e e e de ce sujet. v´rifiez e a e e que les d´finitions et les th´or`mes ont ´t´ bien compris et refaire les exemples et exercices e e e ee donn´s. Ce cours va te permettre de revoir rapidement ce qu’il te faut absolument savoir ! e Mais ¸a reste un aide-m´moire et ne te dispense ni de cours. d’une transposition. Ces allers-retours entre le cours et les applications sont essentiels pour une bonne e compr´hension. e e l’´tude des structures de groupe. ` ne pas confondre d´monstration et ee a a e affirmation. anneau. Il contient l’ese sentiel du module d’alg`bre. Chaque c e fois qu’un exercice vous pose des probl`mes. nous allons e ´tudier les polynˆmes et les fractions rationnelles. ee e e e En d´but d’ann´e. isomorphisme. e • Noyau et image d’une application lin´aire. Ensuite. a e e ee noyau. • Suite libre et suite g´n´ratrice. on introduit la notion de loi de composition interne dans un ensemble.INTRODUCTION Ce support de cours a pour objectif de faciliter le travail des ´tudiants. de la premi`re ann´e ENSAS que l’´tudiant doit connaˆ e e e e ıtre. car la plus abstraite et la plus neuve : ee ils y rencontrent pour la premi`re fois la notion de structure. C’est pour les ´l`ves la partie la plus difficile. elle est subdivis´e en e e e e e six chapitres : La deux`me partie ´voque la notion d’espace vectoriel. e • Espaces vectoriels de dimension finie. revenez ` la partie du cours concern´e. endomorphisme. d´termination pratique de la signature). Le programme d’alg`bre est organis´ autour des concepts fondamentaux d’ese e e pace vectoriel et d’application lin´aire.

souvent ` la fin de chaque chapitre. E.-et peut ` tort sembler triviale. J’esp`re pr´senter ainsi un ensemble a e e coh´rent que chaque ´tudiant pourra parcourir ` son rythme. l’acquisition des connaissances. car c’est pr´cis´ment ` cause e e e a e e e e a de l’abondance de ces th´or`mes que le calcul offre une base naturelle d’´tude ` ceux qui e e e a veulent atteindre une certaine maturit´ math´matique. e e a Je serais reconnaissant ` ceux de mes lecteurs qui me feront parvenir leurs remarques sur ce a ce fascicule. a a e o au fur et ` mesure. a e Aucune de ces d´monstrations ne doit ˆtre trait´e ` la l´g`re. Des exercices sont ins´r´s dans le e e ee cours. il faut beaucoup plus d’ingeniosit´. Lakhel 5 . -alors que pour d’autres . ils deveraient permettre ` l’´tudiant de contrˆler.

Premi`re partie e ` ´ ´ ALGEBRE GENERALE 6 .

Ensemble : Un ensemble est une collection d’objets v´rifiant une propri´t´ commune. y)/ x ∈ E et y ∈ F } 2. Les sous ensembles ou parties de E constituent un ensemble qu’on note P(E).Chapitre 1 ´ ´ ´ GENERALITES . e ee Ces objets sont alors appel´s ´l´ments de l’ensemble. / 7 .Appartenance : Soit E un ensemble. E × F = {(x. Remarque 1. a 2. f. E × E = E 2 .1 Ensenbles . 1. i. ee d.Relations Ensembles a.1.Sous-ensemble d’un ensemble : Soit E un ensemble.e. et on a A ∈ P(E) ⇔ A ⊆ E. on dit aussi que A est ee ee inclus dans E et on note : A ⊆ E. on dit que a appartient ee a ` E et on note a ∈ E. C’estee `-dire : P(∅) = {∅}. le souse E ensemble de E constitu´ des ´l´ments de E qui n’appartiennent pas ` A.1.Produit cart´sien de deux ensembles e Le produit cart´sien de deux ensembles E et F se d´finit par : e e 1.Sous-ensemble compl´mentaire : Soient E un ensemble et A une partie de E.STRUCTURES ´ ALGEBRIQUES 1. On dit qu’une partie A de E est un sous-ensemble de E si tout ´l´ment de A est ´l´ment de E . et on a e ee a A = {x ∈ E/ ´ e e. On e appelle sous-ensemble compl´mentaire de A dans E et on note ⊂A ou A. Si E = ∅.1 1. e ee b.Egalit´ d’ensembles : A = B ⇔ (A ⊆ B et B ⊆ A). Si a ∈ E on ne confondra pas a et {a} : a est un ´l´ment de E tandis que {a} est une ee partie de E. P(E) contient un ´l´ment qui est la partie vide de E. Si a est un ´l´ment de E . un ´l´ment de P(E). x ∈ A}. c.

Soient A. R est une relation sym´trique si et seulement si aRb =⇒ bRa. e e 1. ` tout ´l´ment de E.. (Voir exercice 3 s´rie No 1. (∀a ∈ E) (∀b ∈ E). B deux parties de E. on a : e e 1.La relation ”inf´rieur ou ´gal ” est une relation d’ordre sur R. Soient E. Elle n’est pas transitive ! e (Th´or`me d’Euclide : deux droite perpendiculaures ` un troisi`me sont parall`les. Preuve.1.. La relation ” inclus dans ou ´gal ` ” est une relation r´flexive et transitive e a e 3. e e Relation d’´quivalence sur un ensemble e Une relation d’´quivalence dans un ensemble E est une relation binaire qui est ` la fois e a r´flexive. est e l’ensemble des images de tous les ´l´ments de X : ee f (X) = {y ∈ F/∃x ∈ X. L’image d’une partie X de E par l’application f que l’on note f (X). tel que : (∀a ∈ E). si et seulement e e si : (aRb et bRa) =⇒ a = b (∀a ∈ E)(∀b ∈ E).1. Th´or`me 1. F deux ensembles. 2.2. (∀c ∈ E) e e 1. La relation ”perpendiculaire” est une relation sym´trique. Mais on a seulement l’inclusion : f (A ∩ B) ⊆ f (A) ∩ f (B). La relation ” ´gal ` ” est une relation d’´quivalence. Une relation R est une relation antisym´trique. e aRb 3.) e 8 . tout sous-ensemble de E 2 . a e antisym´trique et transitive. a ee ee Image d’une partie de E : D´finition 1. Exemple . La relation ”parall`le ` ” est une relation d’´quivalence.1. associe un ´l´ment unique de F . e a e Relation d’ordre sur un ensemble Une relation d’ordre dans un ensemble E est une relation binaire qui est ` la fois r´flexive.2 Relation binaire sur un ensemble E On appelle relation binaire R sur un ensemble E. sym´trique et transitive. e a e 2. R est une relation transitive si et seulement si =⇒ aRc. (∀b ∈ E) aRb (a est en relation avecb) La relation R peut ˆtre un objet mat´matique quelconque : ⊆.3 Applications et fonctions D´finition 1. y = f (x)}.. f (A ∪ B) = f (A) ∪ f (B).1. R est une relation r´flexive si et seulement si aRa e 2. ≤ .) e e a e e 3. On appelle application de E vers F toute core respondance de E vers F qui.3. bRc Exemples 1.

l’inclusion r´ciproque n’est pas toujours vraie.D. 25]. 2. e Image r´ciproque d’une partie de F e D´finition 1. En effet. et A ∩ B = [1. ∃x ∈ E / y = f (x). Attention ! il ne faut pas confondre cette notion avec la fonction r´ciproque e d’une application bijective rappel´e ci-apr`s. ee f −1 (Y ) = {x ∈ E/ f (x) ∈ Y }. 2]. x ∈ f −1 (A ∩ B) ⇔ f (x) ∈ A ∩ B ⇔ f (x) ∈ A et f (x) ∈ B ⇔ (x ∈ f −1 (A)) et (x ∈ f −1 (B)) ⇔ x ∈ f −1 (A) ∩ f −1 (B). e e Th´or`me 1. f (x) = f (y) ⇒ x = y. Autrement dit : ∀(x. 4]. 9 . 2. 2]. e On a f (A) = [0.). f −1 (A ∩ B) = f −1 (A) ∩ f −1 (B). En fait l’inclusion r´ciproque n’est vraie que si l’application f est injective (voir T. 1. Soient A et B deux parties de F . et f une application de E vers F . donc f (A) ∩ f (B) = [1. y) ∈ E 2 . • Injection : On dit que l’application f est injective si : ∀(x. donc f (A ∩ B) = [1.2. 5]. B = [1. Propri´t´s des applications ee Soient E. Preuve.5. f −1 (A ∪ B) = f −1 (A) ∪ f −1 (B). • Surjection : On dit que l’application f est surjective si : ∀y ∈ F. 9]. f (B) = [1. On a e e 1. L’image r´ciproque d’une partie Y de F par l’application f qu’on note e e f −1 (Y ) est l’ensemble des ´l´ments de E dont l’image par f est dans Y . 9].4.Remarque 1. Remarque 1. y) ∈ E 2 . F deux ensembles. consid´rons l’applie e cation f : R −→ R x −→ x2 et consid´rons les ensembles A = [−3. x ∈ f −1 (A ∪ B) ⇔ f (x) ∈ A ∪ B ⇔ f (x) ∈ A ou f (x) ∈ B ⇔ (x ∈ f −1 (A)) ou (x ∈ f −1 (B)) ⇔ x ∈ f −1 (A) ∪ f −1 (B). Donc f (A) ∩ f (B) f (A ∩ B).3. x = y ⇒ f (x) = f (y).

e On dit que f et g sont ´gales si. Notations 1.c. y) −→ ⊥(x. on a f (x) = g(x). 2. • Soit E un ensemble. y) = xT y. cette application est not´e id.Structures d’ensembles D´finition 1. ∃!x ∈ e E/y = f (x). et f une application de E vers F . 3.6. Soit C ∞ (R. ∀y ∈ F. Ainsi e e e ∀(x. f : R∗ −→ R 1 x −→ x f est une application injective. la bijection F −→ E y→x est appel´e bijection r´ciproque de f et est not´e f −1 . y) ∈ E × F. 1. e Exemples 1. Φ C ∞ (R. pour tout ´l´ment x de E. T : E × E −→ E (x. • Application identit´ : e soit E un ensemble. F deux ensembles. y) −→ T (x. f: R −→ R x −→ x + 1 f est une application bijective. on associe x . l’application qui.• Bijection : On dit que l’application f est bijective si elle est ` la fois injective et surjective. 10 . R) ϕ −→ ϕ Φ est une application surjective. Une loi de composition externe (l. Une loi de composition interne (l. a Autrement dit. On appelle application identit´ dans E. • Soient E et F deux ensembles. ⊥ : F × E −→ E (x. On obtient ∀y ∈ F. R) l’ensemble constitu´ des fonctions infiniment d´rivables sur R ` valeurs e e a dans R.2 Lois de composition . • Applications ´gales : Soient E. R) −→ C ∞ (R. ∃!x ∈ E / y = f (x).i) sur E est une e application de E × E dans E. ` tout ´l´ment e a ee x de E. • Bijection r´ciproque : Soit f une bijection de E vers F . f (x) = y ⇔ x = f −1 (y).e) sur E ` domaine d’op´rateurs (ou scalaires) dans a e F est une application de F × E dans E .c. e ee On note alors : f = g. y) = x⊥y.

1. 2. – Si une loi ∗ est commutative. Preuve.9. pour tout a e ee e r´el x. x ∗ x = x ∗ x). L’autre relation e ´tant obtenue par la commutativit´. x ∗ (y ∗ z) = (x ∗ y) ∗ z. e a x ∗x∗x = (x ∗ x) ∗ x = e ∗ x = x = x ∗ (x ∗ x ) = x ∗ e = x . ee e Preuve.c. Le sym´trique de x est ee e unique. il suffit de v´rifier que. +) o` E = { fonctions num´riques d´finies sur R}. pour v´rifier qu’un ´l´ment e est l’´l´ment e ee ee neutre. f et g ´tant deux ´l´ments de E. e Proposition 1. On dit qu’un ´l´ment a de G est r´gulier si il est r´rulier ` gauche et ` droite. ∗) un groupe et soit x un ´l´ment de G. Soit (G. y. on a : ee (a ∗ b)−1 = b−1 ∗ a−1 . pour v´rifier qu’un ´l´ment x est le e e e e ee sym´trique de x. (a ∗ b = a ∗ c) ⇒ (b = c). ∗) est un groupe si il v´rifie les trois conditions suivantes : e e i) La loi ∗ est associative c’est-`-dire. c’est d´finir sur G un nombre fini de e lois de composition internes ou externes v´rifiant un certain nombre de conditions appel´es e e axiomes de la structure en question. e Exemple 1. ee e e a a Proposition 1. On dit qu’un ´l´ment a de G est r´gulier ` droite si ee e a ∀b. x ∈ G. ee a iii) Tout ´l´ment est sym´trisable c’est-`-dire ∀x ∈ G. c ∈ G.10. (a ∗ b)−1 est par d´finition l’unique ´l´ment de G qui v´rifie : e ee e (a ∗ b)−1 ∗ (a ∗ b) = (a ∗ b) ∗ (a ∗ b)−1 = e. et + est la somme usuelle des u e e fonctions. G ´tant un ensemble muni d’une l. e 1.7. on a x ∗ e = x (ou e ∗ x = x). e 1. D´finition 1. ∗) un groupe. Soit (G. ×) o` × est la multiplication usuelle. On dit qu’un ´l´ment a de G est r´gulier ` gauche si ee e a ∀b. Soit (G. De mˆme. u ∗ . 3. – (C u – (E. y trois ´l´ments d’un groupe (G. x ∗ e = e ∗ x = x. z ∈ G. par : (f + g)(x) = f (x) + g(x). a ii) La loi ∗ admet un ´l´ment neutre c’est-`-dire ∃e ∈ G ∀x ∈ G.i e not´e ∗. on aura apr`s multiplication ` gauche par a−1 e a a−1 ∗ (a ∗ x) = a−1 ∗ (a ∗ y). 11 . ee e a Si. C’est-`-dire.4. On suppose qu’il existe deux sym´triques ` x : x et x”. Dans la suite. Munir un ensemble G d’une structure. il suffit que l’on ait soit x ∗ x = e soit x ∗ x = e.11. +) o` + est l’addition usuelle. (b ∗ a = c ∗ a) ⇒ (b = c). Les ensembles suivants sont des groupes : – (Z. on dit que le groupe est commutatif ou ab´lien.8. ∀x. de plus. Tout ´l´ment d’un groupe est r´gulier. ee alors.5.Remarque 1. Un ensemble (G. c ∈ G.3 Groupes et sous-groupes D´finition 1. Or (b−1 ∗ a−1 ) ∗ (a ∗ b) = b−1 (a−1 ∗ a) ∗ b = b−1 ∗ e ∗ b = b−1 ∗ b = e et (a ∗ b) ∗ (b−1 ∗ a−1 ) = a ∗ (b ∗ b−1 ) ∗ a−1 = a ∗ e ∗ a−1 = a ∗ a−1 = e. ∀x ∈ G. Si on suppose que a ∗ x = a ∗ y. Preuve. Remarque 1. pour tous les ´l´ments a et b de G. x. ∗) un groupe. ∃x ∈ G/x ∗ x = x ∗ x = e. f + g est d´finie. la loi est commutative (∀x. Soient a. ∗). e Proposition 1.

Exemple 1. – 2Z = {2k/k ∈ Z}. on a x−1 ∈ H. +). y deux ´l´ments de i∈I Hi . donc e ∈ i∈I Hi . Soit (Hi )i∈I l’ensemble des sous-groupes de G qui contiennent a. ii) L’ensemble H. +). – Soit x. Soit G un groupe et soit (Hi )i∈I une famille non vide de sous. e. e e El´ment neutre : ∀x ∈ H. Soit (G.(y −1 )−1 ∈ H. En g´n´ral. e On dit que H est un sous-groupe de (G. Il existe un plus petit sousee groupe de G contenant a.groupes de G. y ∈ H. (ii) H = ∅. +). e Sym´trique : ∀x ∈ H. H est stable par la loi de G et ∀x ∈ H. +). +) est un sous-groupe de (Z. Soit (G.6. on a x.) un groupe not´ multiplicativement.x−1 ∈ H ⇒ x−1 ∈ H. Le sym´trique d’un ´l´ment de H est le mˆme dans H que dans G. par suite i∈I Hi = ∅. e (iii) ⇒ (i) : Associativit´ d´coule de celle de G. alors. Cette famille n’est pas vide car G appartient ` cette famille et gr(a) = i∈I Hi . H est stable par la loi de G et ∀x ∈ H. on a : e (ii) devient (ii)’ H = ∅. Preuve. Soit H ⊆ G et H = ∅.y −1 ∈ Hi . Th´or`me 1. on a −x ∈ H. Exemple 1.x−1 ∈ H ⇒ e ∈ H. – (Z. ×) n’est pas un sous-groupe de (R∗ . (iii) H = ∅ et ∀x. . Soit G un groupe et soit a un ´l´ment de G. y ∈ H.13. Proposition 1. +) est un sous-groupe de (Z. +) est un sous-groupe de (Z.y −1 ∈ H. e Loi de composition interne : ∀x. D’o` ee u −1 ∈ x. Si 2Z ∪ 3Z est un sous-groupe de (Z. D´finition 1.y = x.2. – Soit H un sous-groupe de G.groupe de G. e ee e – Si la loi de G est not´e additivement. Proposition 1.3.7. Tous les autres sous-groupes sont dits propres. (2Z.y i∈I Hi . y ∈ H. ×). et donc x. Par e e e exemple. on a y −1 ∈ H. e e e Preuve. on a x − y ∈ H. x. y ∈ Hi donc x. (iii) devient (iii)’ H = ∅ et ∀x. la partie H est dite stable pour la loi ∗ du groupe G (ou stable dans G)si ∀x. L’´l´ment neutre de H est le mˆme que ee e celui de G . Remarque 1. on devrait avoir 2 + 3 ∈ 2Z ∪ 3Z. Remarque 1. ∗) si et seulement si i) H est stable dans G. . Soit H ⊆ G. Alors i∈I Hi est un sous. Sous-groupes Soit H une partie non vide d’un groupe G . ∀i ∈ I. (i) ⇒ (ii) ´vident. {e} et G sont deux sous-groupe de G. ∗) un groupe. Par suite x = y. Preuve.15. x. a 12 .12. on a (2Z. muni de la loi ∗ induite par G est un groupe. la r´union de 2 sous-groupes n’est pas un sous-groupe. x ∗ y ∈ H. Les propri´t´s e e e ee suivantes sont ´quivalentes : e (i) H est un sous-groupe de G. +) est un sous-groupe de (R. +) et (3Z. Ce sous-groupe est appel´ groupe engendr´ par a et est not´ gr(a).ce qui entraine en utilisant l’associativit´ de la loi ∗ : e (a−1 ∗ a) ∗ x = (a−1 ∗ a) ∗ y. – (Z∗ . Soit G un groupe. y ∈ H.14. e (ii) ⇒ (iii) ´vident. – ∀i ∈ I(= ∅) e ∈ Hi .

⊥) deux groupes. Preuve : (i) Nous avons e ⊥f (e) = f (e) = f (e ∗ e) = f (e)⊥f (e). Exemples : 1. Soit n ∈ N. D´finition 1. ee e (ii) Soit x un ´l´ment de G.20. Soient G. e 3) Dans (C∗ . Il existe un plus petit sous-groupe de G contenant A. Dans ce cas on dit que G et F sont isomorphes et on ´crit G ∼ F . ∗). f (x ∗ y) = f (x)⊥f (y). (F. e e ee Soit f un morphisme de G dans F . (F. La fonction exponentielle est un morphisme de (R. est un morphisme de groupes appel´ morphisme trivial. (F. un morphisme (resp. i. est un a morphisme de groupes (f (x + y) = f (x) + f (y)). ×). Soit G un groupe et soit A une partie de G. G deux groupes. ×) dans (R.18.21. Alors f est injectif e e si et seulement si Ker(f ) = {e}. est le sous-groupe de G d´fini par : e e Im(f ) = f (G) = {f (x) : x ∈ G}. Ce sous-groupe est appel´ groupe e engendr´ par A et est not´ gr(A). Soient (G. +) dans (R∗ . 3. On e dit que f est un isomorphisme de G dans F s’il est bijective de G dans F .8. e = Dans le cas o` G = F . ⊥) deux groupes et f un morphisme de G dans F . gr(i) = {1. et f une application de G dans F .4. Remarque 1. ⊥) deux groupes et f un morphisme de G dans F . On dit que A est une partie e g´n´ratrice de G si et seulement si gr(A) = G. Th´or`me 1. (ii) ∀x ∈ G. • L’image de f not´ Im(f ). donc ee (f (x))−1 = f (x−1 ). ∗) et (F. donc f (e) = e puisque dans un groupe tout ´´ment est r´gulier. La fonction loga+ rithme est un morphisme de (R∗ . 13 .16. est le sous-groupe de G d´fini par : e e Ker(f ) = f −1 (e ) = {x ∈ G : f (x) = e }. ee e 2. + Th´or`me 1.19. Soient (G. un isomorphisme) de G dans G est appel´ un u e endomorphime (resp. +) est sous-groupe de (R. Soient (G. (i) f (e) = e . ×) . +) engendr´ par 1. Soit f un morphisme d’un groupe G dans un groupe F . Nous avons f (x−1 )⊥f (x) = f (x−1 ∗ x) = f (e) = e . +) est un sous-groupe de (Z. D´finition 1. l’application de G dans G qui ` x fait correspondre e a (l’´l´ment neutre de G ).Exemple 1. +). ∗). e • Le noyau de f not´ ker(f ).4 Morphisme de groupes D´finition 1. +) qui ` chaque x on associe nx. +) dans (Z. f (x−1 ) = (f (x))−1 . e e 1. ∗). Alors.17. ⊥) deux groupes d’´l´ments neutres respectifs e et e . On e dit que f est un morphisme de groupes si : ∀(x. −i}. automorphisme)de G. −1. e 2) (Z. L’application de (Z. y) ∈ G2 . e e D´finition 1. On peut g´raliser cette d´finition ` une partie A quelconque d’un groupe e e a G. +) engendr´ par 2. 1) (2Z. Soient (G.

+. ×) un anneau.. Par suite f est injective. 1 0 0 0 D´finition 1. On dit qu’un ´l´ment x ∈ A est inversible si et e ee seulement si il admet un sym´trique par rapport ` la loi × . u 1. On note A∗ = A \ {0A }. u 2. ×) sont des ane e neaux commutatifs. +) est un groupe ab´lien. +.6. ce qui implique que x = e. ×) o` + et × sont l’addition usuelle et la multiplication usuelle.. +. +. e ii ) La loi × est associative. ×) o` + et × sont les lois e e u usuelles : (f + g)(x) = f (x) + g(x) et (f × g)(x) = f (x) × g(x) pour tout r´el x (f et g e ´tant deux ´l´ments de E). Un anneau (A. +. z ∈ A. ee alors f (x) = e = f (e). 1. +. 2.. u 3. Notons que la d´finition d’un anneau peut ˆtre ´nnonc´e sans vi). on  1 0  0 1 1 = I3 = 0 0 a dans (M3 (R). 1. ×) o` + et × sont l’addition usuelle et la multiplication usuelle. ×). ee e e 14 .24. On note u(A) l’ensemble des ´l´ments inversibles de A (qui sont appel´s aussi des unit´s). Soit (A. On pourrait d´terminer les ´l´ments neutres pour chacune e ee e ee des lois. e Exemple 1. 2. (y+z)×x = a (y × x) + (z × x). +. iii ) La loi × est distributive par rapport ` la loi + . On e dit que (A. On note g´n´ralement 0 ou 0A l’´l´ment neutre de e e ee (A. ×) o` + et × sont l’addition usuelle et la multiplication usuelle est un anneau.5 Anneaux et corps D´finition 1. e Remarque 1. R´ciproquement.23.7. Donc xy −1 = e. D´finition 1. ×) et (E. Les autres anneaux seront dits unif`res. On parlera d’oppos´ pour le sym´trique d’un ee e e ´l´ment pour la loi +. ×). Les pr´c´dents exemples (Z.5. Soit (A. +. Notations 2. ×) que nous verrons plus tard n’est pas non plus commutatif. (R. Soit A un ensemble muni de deux lois de composition internes + et ×. +. ×) un anneau. (Z. ee Exemple 1. ×) :    0 0 0 0 0  et 0 =  0 0 0  . Pour les matrices. d’o` x = y. u Cet anneau est appel´ un anneau nul. soient x.Preuve Supposons que f est un morphisme injectif. donc si x est un ´l´ment de ker(f ). c’est-`-dire distributive ` gauche : a a a ∀x.. Soit E = { fonctions num´riques d´finies sur R} (E. 1. Un anneau n’est jamais vide. e e Exemple 1. +) et 1 ou 1A l’´l´ment neutre de (A. +. ({0}. y ∈ G tels que e f (x) = f (y). Il en r´sulte que e xy −1 ∈ ker(f ) = {e}. (R. ×) est dit commutatif si la loi × et commutative. z ∈ A. On note e = 1A ou tout simplement 1. +. x×(y+z) = (x×y)+(x×z) et distributive ` droite : ∀x. Dans ce cas un anneau e e e e v´rifiant vi) sera dit un anneau unitaire. ×) est un anneau si et seulement si : i ) (A. vi) A admet un ´l´ment neutre pour la loi × ee ∃e ∈ A ∀x ∈ A ex = xe = x. on obtient f (xy −1 ) = e .9.22. y. (M3 . +. c’est-`-dire : ∃x ∈ A tel que e a a x × x = x × x = 1. +. en multipliant par f (y)−1 . y. alors.

o) est un anneau. e D´finition 1.On munit A des deux e lois de composition internes suivantes : (f. 1} et u(Q) = Q∗ 2. +. ×) o` E = { fonctions num´riques d´finies sur R}. 2. C’est-`-dire. ×) est un anneau unitaire. 1. g) −→ f + g et (f. ×) sont des corps.9. +. ×) et (R[X]. u(Z) = {−1. on a : A corps ⇔ (A∗ . +. Si de plus la loi × est commutative. Exercice : Soit A = L(R2 ) l’ensemble des applications lin´aires de R2 dans R2 . ×) et (R(X). g) −→ f og telles que pour tout x ∈ R2 (f + g)(x) = f (x) + g(x) et fog(x)=f(g(x)). Exemple 1. ×) est un groupe. ee 15 . +. +. u e e u(E) = { fonctions num´riques qui ne s’annulent pas sur R}. (Z.Exemple 1.8. on dit que le corps est commutatif. +. +. (R. (E. On appelle corps tout anneau unitaire tel que tout ´l´ment non nul soit e ee inversible.25. a si (A. Montrer que (A. Est-il commutatif ? Quel est l’´l´ment neutre pour la loi o. Alors. 1. ×) ne sont pas des corps.

A toute partie A d’un ensemble E. Soit E un ensemble non vide. par ∀(x. on assoucie la fonction χA . 2. 7. e 1) Pour toute partie A de E. d’une relation binaire R l’ensemble G = {(x. A et B ´tant deux parties quelconques de E. 1+x2 Montrer que f est une bijection de R− sur un intervalle ` pr´ciser. Exprimer ` l’aide des foctions χA et χB les fonctions χA∩B . Montrer que P(A ∩ B) ⊂ P(A). A∩B =A∪B 2) Les sous-ensembles ou parties de E constituent un ensemble que l’on note P(E). et on le note G. 5. y) ∈ E D´terminer le graphe de R. Montrer que A = B ⇐⇒ χA = χB . χA∪B et χAc . Soit les ensembles : E = {0. D´terminer le graphe de R. 1} par e e ∀x ∈ A. Exercice 6. On d´finit la relation R de E vers F par : ∀x ∈ E et ∀y ∈ F . a.1. On consid`re l’application : e f : R− −→ x −→ R x2 . (iii) f (A ∪ B) = f (A) + f (B) si A ∩ B = ∅. 3. appel´e fonction e caract´ristique de A. exprimer f (A) en fonction de f (A). Exercice 4.6 EXERCICES. a e e Exercice 5. 2) Comparer : a) f (A ∪ B) et f (A) ∪ f (B). 16 . xRy ⇐⇒ x est un diviseur de y. 8} et la relation R de E vers E d´finie e 2 . f une application de E vers F . 6. 4. d´finie de E vers {0. e R est une relation d’ordre ? d’´quivalence ? e Exercice 2. 6}. a Exercice 3. xRy ⇐⇒ x < y + 2. et A et B deux parties de E. 1) Montrer que : A ⊂ B ⇒ f (A) ⊂ f (B). b. et d´finir f −1 . 3. Soient A et B deux sous-ensembles d’un ensemble E. e b. 6} et F = {1. (ii) f (E) = 1. On consid`re une application f de E dans R telle que : e (i) f (∅) = 0. e On appelle graphe. a. On donne ici l’ensemble E = {1. y) ∈ E × F/xRy}. 2. χA (x) = 1 χA (x) = 0 Soit A et B deux sous-ensembles de E. 1) Montrer que : A ⊂ B ⇒ B ⊂ A. Exercice 1. b) f (A ∩ B) et f (A) ∩ f (B) si f est injective. Soient E et F deux ensembles. ∀x ∈ Ac .

Montrer que (u(A). ×) un anneau unitaire. ∗) est-il un groupe ab´lien ? e Sinon d´terminer un ensemble E tel que (E. ×) est un groupe. e x ∈ R}. +) (x. f (A ∪ B) = f (A) + f (B) − f (A ∩ B). b ) = (a + a . b) + (a .) −→ (A. a ∗ b = 3ab + a + b. −x). xy = yx}. 1) Montrer que f est un morphisme de groupes. . e 3) On suppose de plus que : (iv) ∀A ⊂ E. e ee e 4) (R. Que peut-on d´duire pour (A. Montrer que fa ofb = fab et que (fa )−1 = fa−1 . 3) Soit A = {fa . +) −→ (R. a ∈ G}. x ∈ R}. 2) Soit F = {(x. . y) = x − y. y) −→ f (x. e 2) La loi ∗ est-elle commutative ? associative ? D´terminer les ´l´ments r´gulier de R pour ∗. Alors : e (v) A ⊂ B ⇒ f (A) ≤ f (B). On consid`re E = {(x. si A et B sont deux parties de E. 17 . 1). 1) Montrer que (E. b) ∈ R2 . On d´finit dans R la loi de composition ∗ par : e ∀(a. (vi) 0 ≤ f (A) ≤ 1. Soit (A. En d´duire que. +. f (A) ≥ 0. On sait que R2 muni de l’addition ((a. 2) D´terminer le noyau de f . On d´signe par u(A) l’ensemble des ´l´ments e ee de A inversiblespour la loi ×. Montrer que fa est un automorphisme de G. o) a −→ ϕ(a) = fa . F est-il un sous-groupe de R2 ? Exercice 10. Soit f : (R2 . +). 2) Pour a ∈ G on pose : fa : G −→ G x −→ fa (x) = axa−1 .) un groupe multiplicatif non n´cessairement commutatif. b + b )) est un groupe commutatif.2) D´montrer que. +) est un sous-groupe de (R2 . 1) V´rifier que ∗ est une loi interne sur R. Exercice 7. On appelle centre de G la e partie not´e C d´finie par : e e C = {x ∈ G/ ∀y ∈ G. 1) Montrer que C est un sous-groupe de G. Soit (G. e Exercice 11. ∗) soit un groupe ab´lien. Montrer que ϕ est un morphisme de groupe et que Ker(ϕ) = C. o) ? e 4) Soit ϕ: (G. Exercice 9. e e Exercice 8. pour toutes parties A et B de E.

aε2 .. Soit A une partie non vide d’un groupe G. 18 . Montrer que : gp(A) = {aε1 . ai ∈ A.. 1}}. εi ∈ {−1.Exercice 12.aεn / n 1 2 n ∈ N∗ .

an ´l´ments de K.Chapitre 2 ˆ LES POLYNOMES Historiquement. Elle marque l’entr´e des math´matiques dans une nouvelle `re.. par convention. On note deg(P ) ou d e o Si P = 0. e e 19 .1. o o e D´finition 2. K est un corps (on pourra penser ` R ou C). a 2.. La formule de o e e e r´solution de l’´quation du troisi`me degr´ x3 + px2 + q = 0 obtenue sans doute au d´but e e e e e du seizi`me si`cle.1 Pr´sentation des polynˆmes e o D´finitions et notations e D´finition 2. X ´tant une lettre muette. . le polynˆme est e o o dit unitaire. + an X n ou ´tant entendu que la somme ne comporte qu’un nombre fini de ak non nuls. on note ee e P (X) = a0 + a1 X + . Soit a ∈ R et fa (X) = (2 + a)X 3 − 5X 2 + X + 3. o a e 2) Le polynˆme dont tous les coefficients sont nuls est dit polynˆme nul. on appelle degr´ de P le maximum des entiers naturels k tels que e e 0 P le degr´ du polynˆme P .1. ou un endomorphisme d’un espace vectoriel sur K. e On peut faire jouer ` X d’autres rˆles que des valeurs de K.. on pose deg(P ) = −∞. f−2 est de degr´ 2. ak = 0. Si P est de degr´ n. Pour a = −2. Si P = 0. fa est de degr´ 3. Galois donne un e e e e a e crit`re de r´solubilit´ par des radicaux de toutes les ´quations polynomiales. La th´orie des e e e e e polynomes est n´e. la recherche des solutions des ´quations polynomiales pr´c`de l’´tude des e e e e polynˆmes. Cependant. ˆ e Dans ce chapitre. a1 . l’´quation du cinqui`me degr´ tient les math´maticiens en e e e e e e echec pendant 200 ans . Notations 3. 1) L’ensemble des polynˆmes ` coefficients dans K est not´ K[X].. Exemple 2...1 2.1. . X peut ˆtre remplac´ par a o e e exemple par une matrice. Un polynˆme ` une ind´termin´e X est d´fini par la donn´e de ses coeffie o a e e e e cients a0 .2.. Pour tout a = −2. ce n’ est qu’en 1826 qu’Abel d´montre qu’il est impossible de donner e des formules explicites de types de celles donn´es pour les degr´s inf´rieurs pour les solutions e e e des ´quations de degr´ sup´rieur ou ´gal ` 5. k≥0 ak X k. etc. Quelques ann´es plus tard. La formule de r´solution de l’´quation du quatri`me degr´ est obtenue e e e e e e un demi si`cle apr`s. il est not´ 0. an X n est le terme (ou monˆme) dominant. Si an = 1.

deg(Q)). De plus cm+n = an × bm = 0. La relation (2.. X n . i=0 c) Produit par un scalaire (produit extrene) Si P = k≥0 ak X k et λ ∈ K alors λP = k≥0 λak X k . + an Qn Remarque 2. Supposons que P et Q sont non nuls et e soit n = d0 P et m = d0 Q.. Donc pour tout k > m + n on a : ck = 0.1. n ≥ 1. . des polynˆmes (1. k=0 k=0 Si m = n alors deg(P + Q) = sup(deg(P ). n} Proposition 2. on a : o deg(P + Q) ≤ sup(deg(P ).. alors P + Q = k≥0 (ak + bk )X k On peut v´rifier facilement que (K[X]. X o d) Egalit´ formelle de 2 polynˆmes.. k=0 i=0 Pour k > m + n on a : i > n ou k − i > m. .. o 2.) est un K−espace vectoriel... + bm X m deux polynˆmes sur K[X].1. +) est un groupe commutatif. deg(Q)). +..1.1) (2.1. e b) Un produit interne Si P = k≥0 ak X k Q = k≥0 bk X k . e o Soit P = a0 + a1 X + .2) est ´vidente si P = 0 ou Q = 0.. Donc deg(P + Q) ≤ sup(deg(P ). .Q) = n + m = d0 P + d0 Q. On a P..Q = m+n ck X k avec ck = k ai bk−i .. e e 20 .).. X. deg(Q)). deg(P. Pour tous polynˆmes P et Q de K[X]. . Preuve.Nous indiquons maintenant comment calculer les coefficients de la somme et du produit de deux polynˆmes. En g´n´ral P oQ = QoP.3. On v´rifier facilement que (K[X]. La relation (2. e Soient P = n ak X k et Q = m bk X k avec m. alors P Q = k≥0 k ai bk−i X k . . o Alors P = Q ⇔ m = n et ai = bi pour tout i ∈ {1.1.1..1) est ´vidente si P = 0 ou Q = 0..2) P oQ = k=0 ak Qk = a0 + a1 Q + .. dont une base est constitu´e e e 2 . + an X n et Q = b0 + b1 X + . deg(Q)). Soient P = n ak X k et Q = m0 bk X k deux polynˆmes. Si m = n alors deg(P + Q) ≤ sup(deg(P ).2 Op´rations sur les polynˆmes : e o On peut d´finir sur K[X] e a) Une somme Si P = k≥0 ak X k et Q = k≥0 bk X k . D´finition 2. On appelle e o k=0 k=0 compos´e de P et Q not´ P oQ (ou P(Q)) le polynˆme e e o n (2. D’o` u deg(P. donc ai bk−i = 0.4.Q) = deg(P ) + deg(Q).

e e Preuve. B dans K[X] deux polynˆmes avec B = 0. e e Par exemple : on prend P = 1 + X 2 .  0. A=  a si A = a ∈ K∗ et B = b ∈ K∗ . Soit A.Q= m k k=0 bk X et R dans K[X]. bp Alors bp−1 an+1 n A − BQ1 = 0. an+1 = 0.X n+1 + (an − )X + . d0 R ) < d0 B...B + A si A = λ ∈ K∗ et deg(B) ≥ 1. Attention ! En g´n´ral.6. E. b . Q et R dans K[X]. sont ´galement analogues. R) tel que A = BQ + R o e et deg(R) < deg(B). + an+1 X n+1 . bp 21 . d0 A ≤ n la propri´t´ est v´rifi´e. on a B(Q − Q ) = R − R.2 Division Euclidienne Th´or`me 2.Q + R avec deg(R) < deg(B). Les d´monstrations. Lorsque le reste est nul on dit que B divise A. La propri´t´ est vraie pour n = 0 : ee  si A = 0.B + 0 (H. ee e e Soit A ∈ K[X].Proposition 2. P o(Q + R) = P oQ + P oR. avec d0 (B(Q − Q )) = d0 B + d0 (Q − Q ). Posons Q1 = an+1 X n+1−p . m∨n P +Q= k=0 (ak + bk )X k Par suite m∨n n m (P + Q)oR = k=0 (ak + bk )R = k=0 k ak R + k=0 k bk Rk = P oR + QoR.R) supposons que pour tout A dans K[X] . Montrons l’unicit´ : e Si A = BQ + R = BQ + R avec d0 R < d0 B et d0 R < d0 B. On d´duit que deg(Q − Q ) = deg(R − R) − deg(B) < 0. Remarque 2. Soient P . Soit B = b0 + b1 X + . On montre la propri´t´ e e e ee suivante : pour tout polynˆme A de degr´ ≤ n il existe un couple (Q. Alors (P + Q)oR = P oR + QoR Preuve. e e e en ce qui concerne l’unicit´.. 2. On notera l’analogie dans l’´nonc´ avec la division euclidienne dans Z.E. Puisque d0 (R − R ) ≤ M ax(d0 R. Soit P = On a n k=0 ..) . Alors il existe un couple e e o unique (Q.5. Q est le quotient de la division euclidi`nne (en abr´g´ D. d0 A = n + 1 de la forme A = a0 + a1 X + .. R) d’´l´ments de K[X] tel que : ee A = B.. Montrons l’existence : Nous allons faire une d´monstration par r´currence sur le degr´ de A. e e e R est le reste de la D. Q = X 2 et R = X.2. (de A par B). Par cons´quent Q − Q = 0 et par suite e e R − R = 0. + bp X p ..B + 0 0.

. puisque D ∈ E. D est appel´ plus grand commun diviseur des polynˆme A1 .D avec Qi ∈ K[X]. . D ∈ E tel que d i=1 Pi Ai . e Montrons ii). Alors il existe un e e o polynˆme o D ∈ K[X] tel que : i) D divise chaque polynˆme Ai . donc (X − 1) et (X + 1) divisent X 2 − 1. On a Ai = Qi . on trouve Q = X 2 − X − 1 e et R = 1. dans R[X] 2. n}. Consid´rons l’ensemble : e E = {P = i=1 n Pi Ai /Pi ∈ K[X]}.. A = B. Nous verrons au paragraphe sur les racines que le reste de la division euclidienne du polynˆme A par X − λ est le polynˆme constant R = A(λ). Remarque 2.. . ∧ An . P. Apr`s calculs. Remarque 2. Soit A.. n.. Par suite do P = do Q = 0..7. On trouve Q = X 2 + 4X + 5 et R = 13X − 4. D’apr`s (H. 22 . o o 2. Soit D ∈ K[X] tel que D soit diviseur commun des Ai .An . .4... Si P. donc degP + degQ = 0. En abr´g´ pgcd et sera e o e e not´ : D = A1 ∧ A2 ∧ . o ii) Tout diviseur commun aux Ai divise D. X 2 + 1 = (X − i)(X + i).. i ∈ {1.1 Arithm´tiques sur les polynˆmes e o D´finition 2.. donc (X − i) et (X + i) divisent X 2 + 1 dans C[X]. 2) Pour A = X 4 − 2X 2 − X + 1 et B = X 2 + X. d Montrons maintenant que D v´rifie i) et ii). 1) Effectiuons la division euclidienne de A = 2X 4 + 5X 3 − X 2 + 2X + 1. Et posons FE = {d0 P / P ∈ E \ {0}}.. par B = 2X 2 − 3X + 1... Soient A1 . . e Preuve. n. Exemple 2. n polynˆmes non tous nuls de K[X]..Q. B ∈ K[X]. . Exemple 2. on dit que B divise A qu’on note par B/A si : e ∃Q ∈ K[X].. 1.3. On prend Q = Q1 + Q2 et R = R2 .An . n n D= j=1 Pj Aj = ( j=1 P jQj )D .R) il exsite (Q2 ..Q = 1.. R2 ) ∈ K[X]2 tel que e A − BQ1 = BQ2 + R2 avec deg(R2 ) < deg(B).Donc deg(A − BQ1 ) ≤ n.3. On a D = 0 R ≥ d0 D. Donc FE admet un plus petit ´l´ment p.8. X 2 − 1 = (X − 1)(X + 1).2. ∀R ∈ E \ {0}. On a aussi. D’o` u ∗.. Donc A = B(Q1 + Q2 ) + R2 avec deg(R2 ) < deg(B). Alors FE ⊆ N et FE = ∅.. Q ∈ K Th´or`me 2. On choisit un polynˆme ee o n 0 D = p.2. i = 1. i = 1.

.. pgcd(Ai . Alors tout polynˆme D qui divise A1 ... An sont premiers entre eux. D’o` A1 . Par d´finition de D. .... .j=i Pj Aj Qi = (1 − Pi Qi )Ai − ( n j=1.... .j=i Pj Aj Qi ). An ∈ K[X] sont premiers entre eux dans e e o leur ensemble si et seulement s’il existe U1 . D divise D. ∀i = 1.. D D’o` u 1= n Ui Ai . An o i=1 divise aussi n Ui Ai = 1. e Cons´quence : D’apr`s cette remarque il existe un seul polynˆme unitaire D qui v´rifie le e e o e th´or`me 2. . . Par suite D. En o e effet : il existe D. On dit que les polynˆmes A1 .. Donc D est une constante non nulle. Ce qui est absurde.3) =⇒ 1 = i=1 Pi Ai . on a e 0 R ≥ d0 D. ..10.3) Les polynˆmes A1 . An .. Par suite. Donc R = 0. Ils sont dits premiers entre eux deux ` deux si ∀i = j.. Remarque 2. e a Th´or`me 2.. Aj ) = 1.5. D ∈ K∗ .. + Un An = 1 Preuve. D ∈ K[X] tels que P = DQ et Q = D P ..... An sont preu i=1 miers entre eux. Un ∈ K[X] tels que U1 A1 + . o n (2. De plus pn = Dqn ce qui entraire D = 1 de mˆme D = 1. implique a Ai = D.8. D’apr`s la preuve du Th´or`me pr´c´dent il existe n polynˆmes P1 . Ceci implique DD’=1. n Ri peut s’´crire : e Ri = Pj Aj j=1 avec Pi = 1 − Pi Qi et Pj = Pj Qi pour j = i. Des polynˆmes A1 . 23 .2. D est une constante non nulle. e IL reste ` montrer i). et par cons´quent D divise tous d i e i les Ai . Deux polynˆmes unitaires P et Q chacun divisant l’autre sont ´gaux.. .2.... on aura : Ri = Ai − DQi = Ai − ( n Pj Aj )Qi j=1 = Ai − Pi Ai Qi − n j=1. ∧ An est le pgcd de e A1 . n.. La division euclidienne de Ai par D .Par cons´quent.. D Pi ..9.. . ⇒) La condition est n´cessaire : si D = A1 ∧ A1 ∧ A2 ∧ . i=1 avec Ui = ⇐) La condition est suffisante : si n Ui Ai = 1. si Ri = 0. Donc Ri ∈ E. An sont premiers entre eux dans leur e o ensemble si leur pgcd est une constante non nulle...Qi + Ri .. . autrement dit : s’ils n’ont pas de diviseur commun de degr´ > 0. n.... (Bezout). e e D´finition 2.. Pn tels que e e e e e o n D= i=1 Pi Ai (2. avec d0 Ri < d0 D. i = 1.. ... 1 ≤ i ≤ n.

e e alors C est un multiple de AB. V ∈ K[X] tels que o C = P A = QB On en d´duit : e U AC + V BC = C Donc U AQB + V BP A = AB(U Q + V P ) = C. Q. on obtient : (U U A + U V C + V U B)A + (V V )BC = 1. Multiplions (**) par A. tels e e o que d0 B < d0 A. Soient A. Si A et B sont premiers entre eux et divisent C. U .2. Par multiplication. B et C trois polynˆmes. Si C est premier avec B et e e o divise AB. Soit ∆ = B ∧ R. V ∈ K[X] tels que U A + V B = 1 et U A + V C = 1. Preuve. Proposition 2. C divise AB ⇒ ∃Q ∈ K[X] tel que AB = QC (*) C ∧ B = 1 ⇒ ∃U. C ∈ K[X]. B.13. Il existe des polynˆmes P. Preuve. e Th´or`me 2. Soit (Q. e e 24 . R) le quotient et le reste de la division euclidienne de A par B.2 Algorithme d’Euclide. c’est ` dire que : ∆ v´rifie i) et ii) a e du th´or`me 2. Nous allons montrer que ∆ = A ∧ B . U. Preuve.14. Donc A et BC sont premiers entre eux.Q + R avec d0 B < d0 R. on obtient : U AB + V AC = A. 2. e e Preuve. D’o` C divise A. Soit R le reste de la division euclidienne de A par B. Il existe U. (Gauss). Si A est premier avec B et C. V. alors C divise A. On a (∗) A = B.12.8 . Alors A ∧ B = B ∧ R. u Th´or`me 2. et U A + V B = 1. on peut remplacer AB par QC : e (U Q + V A)C = A. autrement dit : AB divise C.11.Th´or`me 2. (Th´or`me d’Euclide ) Soient A et B deux polynˆmes dans K[X]. D’apr`s (*). il est premier avec le produit BC. V ∈ K[X] tels que U B + V C = 1 (**). AB divise C. Soient A. Par cons´quent.

il existe un entier n tel e e que Rn = 0. e Comme la suite des degr´s des restes est strictement d´croissante. Finalement. Le pgcd des deux polynˆmes A = X 5 − 3X 4 + 5X 3 − 4X 2 + 7X − 4 et o 5 − 3X 4 + 4X 3 − X 2 + 3X − 4 est le polynˆme R = −X 2 + 3X − 4.   .E.i) ∆ divise t-il A et B ? On a ∆ divise B et R. d0 R1 < d0 B. e Si R2 = 0 ⇒ B = R1 Q ⇒ R1 /B. Donc ∆ divise A. Par suite D divise R. on a : e A ∧ B = B ∧ R1 = R1 ∧ R2 d0 R2 < d0 R1 < d0 B. c ii) Soit D un diviseur commun de A et B : ∃P1 . A = BQ + R1 . Donc D divise ∆. Algorithme d’Euclide Soient A et B deux polynˆmes de K[X] tels que d0 B < d0 A. de Rk−2 par Rk−1    0 (d Rk )k≥0 est une suite strictement d´croissante.  . Soit R1 le reste de la division o euclidienne de A par B. on a e A ∧ B = B ∧ R1 d0 R1 < d0 B. donc ∃Q1 . On recommence et on consid`re R2 le reste de la division euclidienne de B par R1 . On construit ainsi une suite de polynˆmes (Rk )k≥0 v´rifiant : o e   R0 = B    R1 : est le reste de la D.E. Si R1 = 0. d’apr`s la Proposition (2. donc A ∧ B = B.14). D divise B et R. donc B ∧ R1 = R1 .∆ et R = Q2 .14) . Toujours d’apr`s la Proposition (2. Rempla¸ons dans (*) : A = (Q1 Q + Q2 )∆. Si R1 = 0 ⇒ A = BQ ⇒ B/A. Alors A ∧ B = Rn−1 (o` Rn−1 est le dernier reste non nul). de A par B     .     Rk : est le reste de la D.∆.4. B=X o 2 et B = P2 D 25 . Q2 ∈ K[X] tels que : B = Q1 . Or ∆ = B ∧ R. Si R2 = 0. u Exemple 2. P2 ∈ K[X] tels que : A = P1 D Rempla¸ons dans (*) : c R = P1 D − P2 DQ = (P1 − P2 Q)D.

Il suffit de se placer sur le corps Z/2Z et de e e e consid´rer le polynˆme P (X) = X 2 + X. Lorsque K = R. cette it´ration e a e e finira par donner le polynˆme constant P (n) = n!an . o e o Remarque 2. par construction. n}. au lieu e a ˜ (x). e o o mais la fonction polynomiale associ´e est nulle de K dans K. e ´ ˆ Stop ! Avez-vous fait la demonstration vous-meme avant de lire ci-dessous ? ´ ´ Le cours n’est jamais qu’une suite d’exercices corriges et commentes ! ! ! Ceci ´ est valable pour TOUS les cours de mathematiques.17.16. P (x) = 0 (**)).15.. On distingue parfois le polynˆme P (qui. Pour k > n. il y a ´quivalence.. + a0 un polynˆme de degr´ n. Le polynˆme d´riv´ de P . Soit P : x → an xn + . Pour tout k ∈ e e o e {0. Celle-ci est non nul en tant que polynˆme formel. Remarque 2.. P (k) (0) est le terme constant de P (k) ... e o e e not´ P est d´fini par e e P : x → nan xn−1 + . Pour k = 0. ce terme constant r´sulte de k d´rivations successives de ak xk .. On a bien ´videmment l’implication : e ˜ P (X) = 0 ⇒ ∀x ∈ K : P (x) = 0. Il vaut donc k!ak d’o` e e u le r´sultat.3. P k = 0 (polynˆme nul). Cependant. P : x → an xn + . Soit P ∈ K[X]. est nul si et o seulement si tous ses coefficients sont nul(*) ) de la fonction polynomiale associ´e (celle-ci e est nulle si et seulement si : ∀x ∈ K. o o Le r´sultat suivant ´tablit un lien int´ressant entre les valeurs en 0 des polynˆmes d´riv´s e e e o e e successifs et les coefficients de P . ˜ On dit que P est la fonction polynˆme associ´e au polynˆme P . Puisque P est encore un polynˆme. + 2a2 x + a1 .3 Fonction polynˆme o n k k=0 ak X D´finition 2.2. Pour tout polynˆme P = e o ˜ P : dans K[X] : on note K→K ˜ x → P (x) = n k k=0 ak x . nous pouvons e prouver que dans notre cas (K = R ou C)..6. .. Th´or`me 2. P (k) (0) ak = k! Preuve.. de P 2. comme le degr´ diminue de 1 ` chaque ´tape. puis P (3) .7. on peut it´rer cette op´ration de d´rivation et d´finir o e e e e successivement P .. c’est ´vident. Mais la r´ciproque est loin d’ˆtre ´vidente. Comme chaque d´rivation abaisse le degr´ e e de 1.. e 26 .. + a1 x + a0 . Pour k ≥ 1. le polynˆme d´riv´ correspond ` la d´riv´e usuelle de la o e e a e e fonction polynomiale P . Dans la suite on convient de e ˜ noter P (x) la valeur de la fonction polynomiale P (x) associ´e ` P au point x ∈ K.1 Polynˆme d´riv´ o e e D´finition 2.

3. Bien qu’il y ait peu de m´thodes g´n´rales pour leur calcul effectif (on en d´crira e e e e quelques unes en fin de paragraphe). Posons Q(t) = P (t + α). k! n! Soit P un polynˆme de degr´ n.. a e e Posons g(t) = t + α.. Alors. . On a alors. αn ∈ K deux ` deux distincts. + Q(n) (0) n t . Q(k) (t) = P k (t + α). on peut o e e donc ´crire. Soit P ∈ K[X] et α ∈ K. 2) Soit n ∈ N∗ et α1 . Ceci termine la r´currence.. pour tout k. e Q(t) = Q(0) + Q (0)t + . Soit P un polynˆme de degr´ n et soit α ∈ K. e e 1) α est racine de P si et seulement si P est divisible par X − α. on en d´duit e Q(k+1) = P (k+1) og. grˆce au crit`re e e e a e donn´ par le th´or`me suivant.18.17 prouve l’identit´ suivante : o e e e e P (x) = a0 + . alors : n (X − αi )/P. e e e Th´or`me 2. Q(k) (t) = P k (t + α). pour tout x ∈ K. P (t + α) = P (α) + P (α)x + .. + n! Il reste donc ` prouver que. pour tout t ∈ K.. Q est encore un polynˆme. α2 .. La propri´t´ est donc vraie pour k + 1. n! Preuve. α2 .4 Z´ros d’un polynˆme e o Une des questions les plus importantes dans l’´tude des polynˆmes est le calcul de leurs e o racines. e e Th´or`me 2. + P (n) (α) (x − α)n . + Le th´or`me suivant montre qu’elle est valable en tout point. On dit que α ∈ K est racine de P si P (α) = 0. e Le fait qu’un nombre α soit racine d’un polynˆme peut s’exprimer en termes fonctionnels o comme dans la d´finition ci-dessus.. Supposons que la formule est vraie au rang k. i=1 27 . e e D´finition 2.... Alors. n! Admettons pour l’instant que.. la formule ` prouver devient Q(t) = P (t + α). on a donc : Q(k) (t) = P k (t + α). Le Th´or`me 2. Soit P ∈ K[X]. mais ´galement en termes de divisibilit´.2 Formule de Taylor pour les polynˆmes o P (n) (0) n P (k) (0) k x + . + ak xk + . ou en d’autres termes Q(k) (t) = P k og).2. .. On a Q = P og. il y a en revanche de nombreux r´sultats th´oriques.. e e o e P (x) = P (α) + P (α)(x − α) + .19. pour tout t ∈ K.20. du mˆme degr´ que P . a Pour k = 0. ee e 2. αn sont des z´ros de a e P .. + x .. Si α1 . qui est la d´finition mˆme de Q. pour tout t∈K P (n) (α) n t ... + an xn = P (0) + . et pas seulement en 0. Comme g = 1.. Nous allons utiliser le fait que nous connaissons d´j` la validit´ de la formule pour ea e α = 0... D´rivons cette ´galit´ en e e e appliquant la formule de d´rivation des fonctions compos´es : e e (Q(k) ) = [(P k ) og] × g .

Preuve. 1) Si P est divisible par X − α, on a, pour tout x ∈ K, il existe un polynˆme Q ∈ K[X], tel o que P (x) = (x − α)Q(x). Par suite : P (α) = 0. R´ciproquement, soit α une racine de P . Faisons la division euclidienne de P par X − α. e Le reste R est nul ou de degr´ strictement inf´rieur ` 1, donc R est une constante r. On a e e a donc P (x) = (x − α)Q(x) + r pour tout x ∈ K. En rempla¸ant x par α, on obtient r = 0 c puisque P (α) = 0 : P est donc bien divisible par X − α. 2) On a d’une part, pour tout i ∈ {1, ..., n} αi est z´ro de P , donc (X − αi )/P . e D’autre part, ∀i, j ∈ {1, ..., n}, avec i = j : (X − αi ) ∧ (X − αj ) = 1. Le th´or`me 2.12 entraˆ : e e ıne
n

(X − αi )/P.
i=1

Ce th´or`me explique pourquoi le calcul des racines d’un polynˆme joue un rˆle important e e o o dans la factorisation des polynˆmes. Cependant, avant d’´noncer le th´or`me de factorisation, o e e e nous devons introduire le concept de racine multiple.

2.4.1

Multiplicit´ d’une racine e

Quand le discriminant d’un trinˆme du second degr´ est nul, on dit que cette ´quation o e e admet une racine double. Ce qui pouvait dans ce contexte apparaˆ comme une convention ıtre de vocabulaire un peu arbitraire est en fait le cas particulier d’une situation g´n´rale que e e nous d´crivons dans ce chapitre. e D´finition 2.21. Soit P ∈ K[X] et α ∈ K. On dit que α est racine de multiplicit´ k de P si e e (X − α)k divise P et si (X − α)k+1 ne divise pas P . Si k = 2 ou 3, on dit aussi : racine double ou racine triple. Si k = 1, on parle de racine simple. Exemple 2.5. Le polynˆme (X − 3)2 (X − 5)4 admet α = 3 comme racine double et α = 5 o comme racine de multiplicit´ 4. e Nous avons vu au paragraphe pr´c´dent qu’il y avait sur la notion de racine deux points e e de vue possibles : un point de vue fonctionnel et un point de vue de divisibilit´ (on parle, e pour le second, d’un point de vue arithm´tique). Cette dualit´ de points de vue se retrouve e e pour l’´tude des racines multiples. e Th´or`me 2.22. Soit P ∈ K[X] et α K. Alors α est racine de multiplicit´ k de P si et e e e seulement si P (α) = P (α) = = P (k−1) (α) = 0, et P (k) (α) = 0. Preuve. Supposons que α est racine de multiplicit´ k avec k ≥ 1. On peut ´crire, pour tout x ∈ K : e e P (x) = (x − α)k Q(x) avec Q(α) = 0. On v´rifie alors par r´currence sur l ∈ {1, ..., k} que e e P (l) (x) = (x − α)k−l Ql (x) 28

avec Ql (α) = 0. Il en r´sulte que, tant que k − l ≥ 1, c’est-`-dire l ≤ k − 1, P (l) (α) = 0, et que pour l = k, e a P k (α) = Qk (α) = 0. R´ciproquement, faisons l’hypoth`se sur les d´riv´es successives et montrons que α est e e e e racine de multiplicit´ k de P . On ´crit la formule de Taylor ` l’ordre n = deg(P ) en α. On a e e a
(α) P (x) = P (α) + (x − α)P (α) + ... + (x − α)k−1 P (k−1)! +
(k−1)

(x − α)k ∗

P (k) (α) ... k!

+ (x − α)n P

(n) (α)

n!

.

Tous les coefficients de la premi`re ligne sont nuls ` cause de l’hypoth`se. On peut donc e a e ´crire : e P (x) = (X − α)k Q(x), avec Q(α) = P k!(α) = 0. Ceci prouve que P est divisible par (X − α)k mais pas (X − α)k+1 , d’o` la conclusion. u Exercice. D´terminer a et b pour que le polynˆme P (x) = x5 + ax4 + bx3 − bx2 − ax − 1 e o admette 1 comme racine de plus grande multiplicit´ possible. e
(k)

2.5

Polynˆmes irr´ductibles o e
∀Q, R ∈ K[X], P = Q.R ⇒ d0 Q = 0 ou d0 R = 0.

D´finition 2.23. Un polynˆme P ∈ K[X] est irr´ductible sur K s’il n’est pas constant et si : e o e

Autrement dit, un polynˆme P est irr´ductible sur K si et seulement si o e 1- degP ≥ 1. 2- Les seuls diviseurs de P dans K[X] sont les constantes et λP avec λ ∈ K. Exemple 2.6. . 1) Tout polynˆme de premeir degr´ est irr´ductible. Par exemple P = X + 2 est irr´ductible o e e e dans K[X] ( K = R ou C ) 2) Le polynˆme P = X 2 + 1 est irr´ductible dans R. o e 3) Le polynˆme P = X 2 + 1 n’est pas irr´ductible dans C. o e Proposition 2.24. Soit P ∈ K[X] irr´ductible, A ∈ K[X] \ {0}. Alors e P/A ou P ∧ A = 1. Preuve. Soit D = P ∧ A. Puisque D/P et P est irr´ductible, alors D = 1 ou D = P (` une constante e a multiplicative pr`s) . D’o` e u P ∧ A = 1 ou P = D/A. Proposition 2.25. Soient P ∈ K[X] irr´ductible, n ∈ N∗ , A1 , ..., An ∈ K[X] \ {0}. Alors : e
n

(P/
i=1

Ai ) ⇔ (∃i ∈ {1, ..., n}, P/Ai ).

Preuve. ⇐) Evidente. ⇒) Si P ne divise aucun des Ai , 1 ≤ i ≤ n. Alors, il est premier avec chaque Ai (d’apr`s la e proposition 2.24. Donc premier avec le produit A1 ...An , d’apr`s le Th´or`me 2.13. e e e 29

2.6

D´composition des polynˆmes en facteurs irr´ductibles e o e

Les th´or`mes suivants donnent la forme de la d´composition d’un polynˆme P en facteurs e e e o irr´ductibles selon que P est ` coefficients dans R ou dans C . e a

2.6.1

Factorisation des polynˆmes dans C[X] o

Nous commen¸ons par rappeler le th´or`me de d’Alembert (que nous admettons) : c e e Th´or`me 2.26. (Th´or`me de d’Alembert) Si P ∈ C[X] est de degr´ n ≥ 1, P poss`de n rae e e e e e cines (compt´es ´ventuellement avec leur multiplicit´). On dit que C est un corps alg`briquement e e e e clos. On d´duit de ce th´or`me le r´sultat suivant : e e e e Th´or`me 2.27. Sur C, les polynˆmes irr´ductibles sont les polynˆmes de degr´ 1. e e o e o e Tout polynˆme ` coefficients dans C se d´compose comme produit de polynˆmes irr´ductibles. o a e o e Preuve. On sait d´j` que les polynˆmes de degr´ 1 sont irr´ductibles. Il reste ` prouver ea o e e a que les polynˆmes irr´ductibles sont de degr´ 1. On va montrer que les polynˆmes de degr´ o e e o e sup´rieur ou ´gal ` 2 ne sont pas ir´ductibles. e e a e Soit P ∈ C[X], d0 P ≥ 2. D’apr`s le th´or`me de d’Alembert, P poss`de au moins une racine. e e e e Donc P n’est pas irr´ductible. e Cons´quence : Tout polynˆme P de degr´ n ≥ 1 de C[X] se factorise donc de mani`re unique e o e e comme produit d’une contante et de polynˆmes du premier degr´ normalis´s, autrement dit, o e e P peut s’crire sous la forme :
p

P = an .
i=1

(X − xi )λi .

o` ; u - an est le coefficient dominant de P . - x1 , x2 , ...., xp sont les racines distinctes de P dans C. - λi pour i ∈ {1, 2, ..., p} est l’ordre de multiplicit´ de la racine xi . e - λ1 + λ2 + ... + λp = n. Exemples. 1. P = X 4 − 2X 2 + 1 = (X 2 − 1)2 = (X − 1)2 (X + 1)2 . 2. P = X n − 1 = n−1 (X − ωi ) o` les ωi sont les racines n−i`me de l’unit´. u e e i=1

2.6.2

Factorisation des polynˆmes dans R[X] o

Remarquons que si P ∈ R[X] et α ∈ C une racine d’ordre k de P , alors α est aussi ¯ racine d’ordre k de P . En effet, ¯ P (x) = (x − α)k Q(x) = (x − α)k Q(x). ¯ Les racines de P dans C sont donc : β1 , ..., βk : des racines r´elles. e

30

. + µs ) = n. x2 . u . ..an est le coefficient dominant de P ...(X − xl )λl ...(X − x1 )λ1 . .P = X 4 + 2X 2 + 1 est P = (X 2 + 1)2 . 2..(x − α1 )(x − α1 )..28. alors la d´composition de P en facteurs e irr´ductibles sur R est de la forme : e P = an .P = X 4 + 2X 3 + X 2 − 1 = (X 2 + X − 1)(X 2 + X + 1). avec k + 2l = d0 P .. αl α1 . . l} est l’ordre de multiplicit´ de la racine xi . Le polynˆme o (x − αi )(x − αi ) = x2 − 2(Reαi )x + |αi |2 ∈ R[X]. o` . il suffit donc e o e de le d´composer sur C (en calculant ses racines (du moins lorsque c’est possible) et de ree grouper les racines complexes avec leurs conjugu´es.. Pour d´composer un polynˆme en facteurs irr´ductibles sur R. 2 2 2 2 En regroupant les racines complexes avec leurs conjugu´es. .(X − x2 )λ2 .. e .. a e ¯ ¯ P (x) = λ(x − β1 ). αl ¯ ¯ Donc complexes deux ` deux conjugu´es (distinctes ou multiples)..λ1 + λ2 + . Les polynˆmes irr´ductibles R[X] sont e e o e . (i=1... e Exemples..(x − αl )(x − αl ).(X 2 + ps X + qs )µs . o e e Corollaire 2.. . o e -Les polynˆmes de degr´ 2 de discriminant strictement n´gatif. .. Remarque 2.. d’o` : u √ √ √ √ 1− 5 1+ 5 1−i 3 1−i 3 P = (X − )(X − )(X − )(X − ). et e e o ae e que tout polynˆme de R[X] est produit de polynˆmes irr´ductibles.29.pi ...α1 .s) sont des nombres r´els tels que ∆i = p2 − 4qi < 0...λi pour i ∈ {1.....(X 2 + p1 X + q1 )µ1 . ¯ Ceci montre que tout polynˆme P ∈ R[X] est produit de polynˆmes ` coefficients r´els de o o a e degr´s 1 ou 2.Les polynˆmes de degr´ 1. Il en r´sulte que ces polynˆmes sont les seuls ` ˆtre irr´ductibles. et en outre ceux de degr´ 2 ont un discriminant strictement n´gatif (sinon leurs e e e racines seraient r´elles). qi . + λl + 2(µ1 + µ2 + . on obtient e √ √ 1− 5 1+ 5 2 p = (X − )(X − (X + X + 1) 2 2 31 .8. Si P ∈ R[X] tel que degP = n ≥ 1. La d´composition de P en facteurs irr´ductibles de : e e 4 − 2X 2 + 1 est P = (X − 1)2 (X + 1)2 . -P =X .. e i . 2. o o e On a donc le th´or`me : e e Th´or`me 2....x1 . xl sont les racines distinctes de P dans R.(x − βk ).. .

2.6.3

Annexe : Recherche des racines, quelques r´sultats et m´thodes e e

Nous savons d´j` r´soudre les ´quations de degr´ 2, ` coefficients r´els ou complexes. Bien ea e e e a e que des formules existent aussi pour les ´quations de degr´ 3 (formules de Cardan) et 4 (fore e mules de Ferrari), ces formules sont assez difficiles ` utiliser, et en pratique ne servent jamais. a Au del`, on a pu d´montrer qu’il n’existe aucune formule g´n´rale permettant de r´soudre a e e e e les ´quations de degr´ 5 et plus. Il existe n´anmoins quelques types d’´quations que l’on peut e e e e r´soudre explicitement. Figurent parmi ceux-ci les ´quations bicarr´es, tricarr´es et certaines e e e e ´quations appel´es r´ciproques. e e e – On appelle ´quation bicarr´e une ´quation de la forme aX 4 + bx2 + c = 0. On la e e e r´soud en posant x = X 2 , en r´solvant l’´quation du second degr´ en x et en calculant e e e e les racines carr´es des solutions x1 et x2 . e – De mani`re analogue, une ´quation tricarr´e a pour forme aX 6 + bX 3 + c = 0. Cette e e e fois on pose x = X 3 , on r´soud l’´quation du second degr´ en x et on calcule les racines e e e cubiques des solutions x1 , x2 et x3 . Remarque 2.9. On terminera ce paragraphe en signalant que parfois, une information suppl´mentaire sur les racines permet de simplifier leur calcul (ou parfois mˆme de le rendre e e possible). Par exemple, si l’on sait que le polynˆme X 4 +5X 3 −9X 2 −81X−108 poss`de une racine triple, o e on cherche un nombre x tel que P (x) = P (x) = 0. Comme P est de degr´ 2, on calcule e facilement ses racines et on trouve x1 = −3 et x2 = 1/2. On v´rifie que P (−3) = P (−3) = 0. e La racine triple cherch´e est donc −3 et il n’y a plus qu’une racine x4 ` chercher pour factoe a riser P . En utilisant le produit des racines, on trouve (−3)3 x4 = −108, d’o` il r´sulte que x4 = 4. u e Finalement P (X) = (X + 3)3 (X − 4).

32

2.7

EXERCICES.

Exercice 1. Soient P , Q, et R trois polynomes dans K[X]. Montrer que (P + Q)oR = P oR + QoR. Et que en g´n´ral e e P o(Q + R) = P oQ + P oR. Exercice 2. Effectuer la division euclidienne de A par B dans les cas suivants : a) A = X 8 − 1, B = X 3 − 1. 6 + 4X 4 − X 2 + 1, b) A = X B = X 2 + 1. 9 − 1, 4 − 1. c) X B=X 3 − 3X 2 + X − 1, d) A = X B = X 2 − X − 2. 3 − iX 2 + X + 12, e) A = X B = X 2 − iX + 1. Exercice 3. On donne K = C, A = X 4 + aX 2 + bX + c, B = X 2 + X + 1. Trouver des conditions sur a, b, c pour que B divise A. Exercice 4. Soient a et b deux nombres complexes distincts, et soit P (X) un polynˆme. Calculer en o fonction de P (a) et de P (b) le reste de la division euclidienne de P (X) par (X − a)(X − b). Exercice 5. Soit la suite de polynˆmes d´finies par : P0 = 1 , P1 = X et pour tout n ≥ 0 , Pn+2 = o e XPn+1 − Pn . 1) Montrer que ∀n ∈ N : 2 Pn+1 − Pn Pn+2 = 1 2) Montrer que Pn et Pn+1 sot premiers entre eux. Exercice 6. Trouver le p.g.c.d des deux polynˆmes : o A = 2X 5 − 4X 4 − 3X 3 + 6X 2 + X − 2 et B = X 3 − 3X 2 + 3X − 2.

Exercice 7. Soit m et p des entiers tels que m ≥ p > 0. En effectuant la division euclidienne de X m − am par X p − ap , trouver une condition n´cessaire et suffisante pour que X p − ap divise X m − am . e Exercice 8. Soient A, B, et C trois polynˆmes tels que A ∧ B = B ∧ C = A ∧ C = 1. o Montrer que ABC ∧ (AB + BC + AC) = 1. Exercice 9. Soit P un polynˆme. Montrer que si P (X n ) est divisible par X − 1, il est aussi divisible par o n − 1. X Exercice 10. a) Soient a, p, q trois nombres complexes. Ecrire les conditions pour que a soit racine double 33

de polynˆme X 3 + pX + q. o b) Quelle condition n´cessaire et suffisante doivent satisfaire p et q pour que le polynˆme e o X 3 + pX + q ait une racine (au moins) double ? Exercice 11. (Polynˆmes d’interpolation de Lagrange). o Soient a, b, c trois nombres r´els distincts. e a) Chercher un polynˆme P1 de degr´ inf´rieur ou ´gal ` 2, tel que P1 (a) = 1, P1 (b) = 0, o e e e a P1 (c) = 0. Est-il unique ? b) Chercher des polynˆmes P2 et P3 de degr´ inf´rieur ou ´gal ` 2, tels que P2 (a) = 0, o e e e a P2 (b) = 1, P2 (c) = 0 et P3 (a) = 0, P3 (b) = 0, P3 (c) = 1 . c) Soient α, β, γ , trois nombres r´els quelconques. Chercher un polynˆme Q de degr´ inf´rieur e o e e ou ´gal ` 2, tel que Q(a) = α, Q(b) = β, Q(c) = γ. e a (Indication : chercher Q comme combinaison des polynˆmes P1 , P2 , P3 ). o Le polynˆme Q est-il unique ? o Exercice 12. Soit Q(X) le polynmes de R[X] donn´ par : ˆ e Q(X) = X 5 − X 4 − 2X 3 + 2X 2 + X − 1. 1) Calculer les d´riv´es Q (X), Q (X), Q3 (X), et Q4 (X). e e 2) Monter que 1 est un z´ro d’ordre trois de Q(X). e 3) En d´duire la d´composition en facteurs irr´ductibles de Q(X) dans R[X]. e e e Exercice 13. Quelle est la multiplicit´ des racines 1,-1 et 2 du polynˆme : e o P = X 9 − 2X 8 − 4X 7 + 8X 6 + 6X 5 − 12X 4 − X 3 + 8X 2 + X − 2. Exercice 14. 1) Montrer que si le polynˆme P = X 4 − X 3 + X 2 + 2 admet une racine complexe α, il admet o ´galement pour racine α. e ¯ √ e 2) Montrer que 1 + i et − 1 + i 23 sont des racines de l’´quation P = 0. 2 3) En d´duire une factorisation de P dans C[X] puis dans R[X]. e Exercice 15. dire, sans trop de calcul, si les polynˆmes suivants sont irr´ductibles dans R et dans C. o e 2 − X + 2, P = X 4 − 3X2 + 2, P = X − 2, P = X 3 − 2X 2 + 4X − 1. P1 = X 2 3 4

Exercice 16. Soit α1 , ..., αn , β1 , ..., βn ∈ R, avec αi = αj si i = j. On pose
n

P =
i

βi (
j=i

X − αj ). αi − αj

V´rifier due P (αk ) = βk , pour tout 1 ≤ k ≤ n. e

Exercice 17. Soit P ∈ K[X] et n ∈ N. Montrer que si d0 P ≤ n et si P admet au moins n + 1 z´ros deux ` e a deux distincts, alors P = 0. D´duire que si un polynˆme de K[X] admet une infinit´ de racines, alors P = 0. e o e

34

Montrer que ∀X ∈ R. 35 . Factoriser sur R puis sur C les polynˆmes suivants : o P1 = X 10 + X 5 + 1. Soit n un entier non nul. G) de polynˆmes de R[X]. 2.Exercice 18. Montrer qu’il existe un couple unique (F. de degr´ srictement o e inf´rieur ` n. F (X) = G(1 − X). o a) On consid`re les deux polynˆmes suivants : P (X) = 2X 4 + X 3 − X 2 + 2X − 1 et Q(X) = e o 4X 3 + 4X 2 − X − 1. v´rifiant : e a e (1 − X)n F (X) + X n G(X) = 1. (Racine commune a deux polynˆmes ). 1. Exercice 19. Montrer qu’ils ont une racine commune α que l’on d´terminera. it´rer cette proc´dure ). Exercice 20. e e b) Mˆme question pour les polynˆmes : P (X) = X 4 − (1 + i)X 3 + X2 + (1 + i)X − 2 et e o Q(X) = X 3 + (2 + 2i)X 2 + 2iX − 1 . P2 = X 6 + 5X 5 + 5X 4 − 12X 3 − 32X 2 − 32X − 16. e (Indication : effectuer la division euclidienne de P par Q pour obtenir un polynˆme de degr´ o e plus petit que ceux de P et Q admettant encore pour racine α .

Il est clair qu’une fraction rationnelle admet une infinit´ de repr´sentants. P ∧ Q = 1 ). K est un corps (on pourra penser ` R ou C). On appelle fraction rationnelle ` coefficients dans K tout quotient de poe a A lynˆmes ` coeficients dans K.1. A A Pour toute fraction rationnelle F = B = 0. F = X 2 + 2X + 1 X +1 = . B On dit que deux fractions rationnelles F1 = e et seulement si AD = BC. B) tels que F = B . e a e P Preuve. Proposition 3. Exemple 3.3.1.e. F (X) = F (X) = X 5 + 3X 2 + 1 ∈ R(X). 0 On notera 0 la fraction rationnelle B et 1 la fraction rationnelle A .1 D´finitions et propri´t´s alg`briques e e e e D´finition 3. P P Par suite Q = Q1 .1. a 3. on appellera inverse de F la fraction rationnelle 1 B F = A. Une fraction F = Q de K(X) est dite irr´ductible si les polynˆmes P et Q e e o sont premiers entre eux (i. Si D = P ∧ Q.4. Toute fraction rationnelle F est ´gale ` une fraction rationnelle irr´ductible. 1 36 .1 Fractions ratinnelles irr´ductibles e P D´finition 3.1.Chapitre 3 FRACTIONS RATIONNELLES Dans ce chapitre.2. Exemple 3. Alors P = DP1 et Q = DQ1 avec P1 ∧ Q1 = 1. 2−1 X X −1 A B et F2 = C D sont ´gales si e Car (X 2 + 2X + 1)(X − 1) = (X 2 − 1)(X + 1). Il n’est pas difficile de v´rifier que K(X) est un corps. X 6 + 2X 3 + 4X iX 5 + 3jX 2 + 1 ∈ C(X). 3. X 6 + 2X 3 + 4i Remarque 3. L’ensemble de ces fractions rationnelles est not´ K(X). On appellera un repr´sentant de F tout couple de polynˆmes e o A e e (A. Soit F = Q ∈ K(X) . B ∈ K[X] e Soit F une fraction rationnelle.2. Autrement dit : une expression de la forme B o` A ∈ K[X] et o a u ∗ . e D´finition 3.

Soient F1 . Alors. On a F1 + F2 = B + D = AD+BC .4. On dira que e α ∈ K est une racine d’ordre n de F si α est une racine d’ordre n de A. d0 (BC)) = d0 (BC). alors ♣ X 3 − 3X + 2 = (X − 1)2 (X + 2). Finalement. F2 ∈ K(X) et soit λ ∈ K∗ . Preuve. d0 F2 ). d0 (BC)) = d0 (AD). Soit F = B ∈ K(X). d Le degr´ d’une fraction rationnelle est un ´l´ment de Z ∪ {−∞}.Exemple 3. il est o n´c´ssaire d’avoir un rep´sentant irr´ductible de F . e A e e D´finition 3. A C A C Montrons 3. Le degr´ d’une fraction rationnelle F ∈ K(X) est ind´pendant du choix du e e repr´sentant de F . Soit F ∈ K(X) et soit B un repr´sentant irr´ductible de F . d0 F2 ). d0 (F1 + F2 ) ≤ sup(d0 F1 . o Remarque 3. X 3 −1 (X 2 +X+1)(X+2) = (X−1)(X 2 +X+1) (X 2 +X+1)(X+2) = X−1 X+2 . 3. est appel´e la fonction rationnelle associ´e ` F. l’ensemble ∆F des pˆles de F est fini. l’application : e a 3 ˜ F : DF −→ K. On dit que e ee o o DF = K \ ∆F est l’ensemble de d´finition de F . Le degr´ de F . d0 (λF1 ) = d0 F1 . A D´finition 3.2. d0 (BC))) − d0 B − d0 D. d0 F2 ). Si sup(d0 (AD).5. d0 (F1 + F2 ) ≤ sup(d0 F1 . o D’apr`s les propri´t´s des polynˆmes.7. d0 (F1 F2 ) = d0 F1 + d0 F2 . 2. e ee Proposition 3. d0 (F1 + F2 ) = d0 (AD + BC) − d0 B − d0 D.6. Alors : 1.3. est la quantit´ : d0 F = e e e e 0 A − d0 B. ♣ −1 est un pˆle simple de F . o ♣ 2 est un pˆle triple de F . BD Par suite. On dira que β ∈ K est un pˆle d’ordre m de F si β est une racine d’ordre m de B. e e e e X −3X+2 Exemple 3. e e a x→ ˜ A(x) ˜ B(x) 37 . Soit F = (X+1)(X−2)3 . donc 1 est un z´ro double et −2 est un z´ro simple e e de F . A partir de l`.3. sont faciles. et 2. d0 (F1 + F2 ) = d0 C − d0 D = d0 F2 ≤ sup(d0 F1 . Pour calculer les racines et les pˆles d’une fraction rationnelle F . Soit F1 = B et F2 = D . ≤ sup(d0 (AD). Les points 1. not´ d0 F . Si sup(d0 (AD). Remarque 3. d0 F2 ). d0 (F1 + F2 ) = d0 A − d0 B = d0 F1 ≤ sup(d0 F1 . Alors.

alors n Ei est la partie enti`re de la fraction rationnelle F = n Fi . En . e i=1 i=1 F1 = 3. Ainsi. avec do R < do Q. Soit F = Q ∈ K(X). do (F − E2 )) < 0. la division euclidienne de P par Q donne : Preuve. alors : e e e e do (E1 − E2 ) = do [(F − E2 ) − (F − E1 )] ≤ sup(do (F − E1 ).. E2 . F2 . on ´crit : e e e X a0 a1 X + b1 a2 X + b2 a3 X + b3 = + + + . Fn sont des fractions rationnelles de parties enti`res respectivement ee e E1 .4.2.2 D´composition en ´l´ments simples e ee Comment int´grer la fraction rationnelle : e F = X ? (X − 1)(X 2 + 1)3 On proc`de de la mani`re suivante.5.. e e Remarque 3.3. On suppose d P = QE + R.2.. e ee Le but de ce paragraphe est de montrer que cette ´criture est toujours possible.. F = R P =E+ Q Q do R < do Q. X2 − 1 F2 = est dite r´guli`re si do P < do Q. donc E = X − 2. X +2 X +2 Propri´t´ Si F1 . On aura besoin e du r´sultat suivant.9. tel que e e o F − E soit une fraction rationnelle r´guli`re.6. e e 2X 2 − 5 .. .8. La fraction rationnelle F = e Exemple 3. Le polynˆme E s’appelle la partie enti`re de F . e e 5X − 2 . Il existe un polynˆme E ∈ K[X] et un seul. Unicit´ : Supposons que E1 . Exemple 3. E2 ∈ K[X] v´rifient le th´or`me. 2 + 1)3 2 + 1) 2 + 1)2 (X − 1)(X X − 1 (X (X (X 2 + 1)3 puis on int`gre chaque ´l´ment. e 38 . F1 = sont r´guli`res. X3 + 6 F3 = X3 − 2 X5 + 3 P Th´or`me 3. e e o e o P > do Q. 3 X2 − 1 =X −2+ . Une fraction rationnelle est r´guli`re si et seulement si do F < 0. Par suite E1 = E2 .2 3. .1 D´composition en ´l´ments simples d’une fraction ratione ee nelle Fractions rationnelles r´guli`res e e P Q D´finition 3..

. on effectue la D... 1 ≤ k ≤ n.. R par P . An et R tels que e o A = An + An−1 P + An−2 P 2 + . et ˜ ˜ ˜ ˜ ˜ A = An + An−1 P + An−2 P 2 + . F = Q ∈ K(X). Supposons que : e A = An + An−1 P + An−2 P 2 + .. c e e Unicit´ : Commen¸ons par ´tablir l’unicit´.. ˜ ˜ Supposons le r´sultat vrai ` l’ordre n . .. + B1 P n−1 + SP n .Proposition 3. 1 ≤ k ≤ n.. D’o` : u Bn = −P (Bn−1 + .E. d0 R2 < d0 P tels que : R = P Q2 +R2 .. Donc Bn = 0. A1 = R2 et R = Q2 . Donc ˜ ˜ ˜ ˜ A = An + An−1 P + An−2 P 2 + . ` la fin on e a obtient SP = 0. il existe Q2 .E. ∃R ∈ K[X] tels que : e a a ˜ ˜ ˜ ˜ ˜ A = An + An−1 P + An−2 P 2 + . 1 ≤ k ≤ n... Bn−2 . on a : ∃Q1 . il existe un syst`me unique de polynˆmes A1 . Pour tout entier naturel o non nul n. on aura d0 Bn ≥ d0 P . Soient A et P deux polynˆmes de K[X]. avec ˜ d0 Ak < do P... + A1 P n−1 + RP n . Pour n = 1. Finalement on trouve : A = An+1 + An P + An−1 P 2 + . P e Soit maintenant. P ∧ Q = 1 avec Q normalis´. 1 ≤ k ≤ n. + A1 P n−1 + RP n ... puisque P = 0.on a alors S = 0. Les Qi ´tant deux ` deux premiers entre eux.. ˜ Posons Ak+1 = Ak . On simplifie par P (qui est = 0)et on fait la mˆme chose pour Bn−1 .. + B1 P n−2 + SP n−1 ). R1 ∈ K[X] tels que A = P Q1 + R1 . e a e e Le r´sultat fondamental portant sur les fractions rationnelles est le suivant : e 39 . de A par P . Si Bn = 0. P = 0. . irr´ductibles et normalis´s.. 1 ≤ k ≤ n. + A1 P n + RP n+1 . u e e e Existence : Nous allons faire une d´monstration par r´currence sur n. D’o` l’unicit´. d0 R1 < d0 P. Il suffit de prendre A1 = R1 et R = Q1 . On a 0 = Bn + Bn−1 P + . + A1 P n−1 + RP n .. + A1 P n−1 + RP n . avec d0 Ak < d0 P ... ˜ ˜ Effectuons la D. ce qui est absurde. ˜ ˜ Posons Bk = Ak − Ak et S = R − R. D´composons Q en facteurs irr´ductibles : e e r Q= i=1 Qαi ...10.... Preuve. R2 dans K[X]. i αi ≥ 1. d0 Ak < d0 P.. A2 .. + A1 P n−1 + R2 P n + Q2 P n+1 . B1 . c’est-`-dire ∃Ak . ˜ d0 Ak < d0 P.

..j Qαi −j i + Ei ) = Qαi i r αi Pi.. α1 α2 α2 αr αr + Q Q Q1 (Q2 .Qαr ) = 1. 40 αi Pi..Qr ) Qα1 1 PU α (Q2 2 . en appliquant le mˆme raisonnement ` e a r . ∀1 ≤ i ≤ r et ∀1 ≤ j ≤ αi .j < d0 Qi . on a int´rˆt ` d´terminer d’abord E. αi Ai = j=1 Pi..j < d0 Qi ∀1 ≤ i ≤ r et ∀1 ≤ j ≤ αi ..Th´or`me 3. + Pi. Unicit´ : C’est une cons´quence du r´sultat suivant : la famille constitu´e d’une part par e e e e Xk n) u o e les (X n≥0 et d’autre part par les ( Ql ) o` Q est un polynˆme irr´ductible. 1 ≤ j ≤ αi . i i En rempla¸ant dans (∗) on obtient : c r αi F = ( i=1 j=1 Pi. Il r r 1 2 1 2 existe U.j .Qαr ) sont premiers entre eux..j < d0 Qi .j et les Qi ´tant des polynˆmes tels que pour tout i et tout j. Posons E = r Ei .j Qj i r + i=1 Ei . e Dans la pratique. e e e e P = Qi et n = αi : ∃Pi.j j=1 Qj i et ... on obtient F = i=1 Ai Qαi i (∗) o` les Ai ´tant des polynˆmes.j < d0 Qi .. e o Le terme Pi s’appelle la partie polaire de F relative au facteur Qαi du d´nominateur Q de e i F..1 P [U Qα1 + V (Qα2 . d0 Pi.αi −1 Qi + . E s’appelle la partie enti`re de F .Qαr ) avec Qα1 et (Qα2 . ∀1 ≤ j ≤ αi . e e e e sous la forme : r F =E+ i=1 Pi o` E est un polynˆme et o` Pi = u o u Les Pi.Qαr ) r αi Pi. et ∃Ei ∈ K[X] tels que : Ai = Pi.1 Qαi −1 + Ei Qαi i i avec d0 Pi.. u e o Soit maintenant 1 ≤ i ≤ r.j j=1 Qj .αi + Pi..Qr ) (Q2 . l ∈ N∗ et k < d0 Q est une base du K − espace vectoriel K(X).j Qαi −j + Ei Qαi .. Avec les notations ci-dessus.. i=1 j=1 avec d0 Pi.Qαr )] PU PV r 1 2 = = = . d’apr`s le r´sultat de la proposition pr´c´dente pour A = Ai . i De proche en proche. V ∈ K[X] tels que : U Qα1 + V (Qα2 . la fraction F s’´crit d’une mani`re unique. on a F = r Pi + E avec Pi = i=1 i=1 d0 Pi..11. e e a e Preuve. Existence : On a : Q = Qα1 (Qα2 . r 1 2 D’o` u F = P P.

les polynˆmes irr´ductibles dans R[X] sont de deux types : o e 1) Tout polynˆme du prenier degr´. Les polynˆmes o e o Pi. + (X−a1 )α1 + ar..3 D´composition dans C(X) e Lorsque K = C. 2) G = ..2. Donc dans R(X) (eno ea e semble des fractions rationnelles) il y a deux types d’´l´ments simples : ee 1) L’´l´ment simple dit de premi`re esp`ce de la forme : ee e e λ (X + µ)n λX + µ .7.. ar sont les racines distinctes de Q et α1 .. soit Qi = X − ai .+ Ceci est la d´composition de F en ´l´ments simples dans R(X). 2) L’´l´ment simple de deuxi`me esp`ce de la forme : ee e e (X 2 avec λ.1 bn. ... c ∈ R.. µ. 1−X 1 + X2 (1 + X)(2 + X)(3 + X) = a X+i 1) On a 1 + X = −(1 − X) + 2. αr leurs ordres de multiplicit´s.µn X+cn. avec b2 − 4c < 0.j se r´duisent ` des constantes.(X − ar )αr (X 2 + b1 X + c1 )µ1 .. 3) H = .....(X 2 + bn X + cn )µn . sont des constantes et E est un polynˆme de degr´ ´gal ` d o ee a Exemple 3.µ1 1 X+c1 )1µ1 2 +b + . donc F = −1 + 2) G = 1 1+X 2 = 1 (X−i)(X+i) + b X−i = 2 1−X ..µ + (X1. ar.1 a1. sous la forme : e e e e e P Th´or`me 3. + + . Les Ai.. Toute fraction rationnelle F = Q ∈ C(X) admet la d´composition : e e e r αi F =E+ i=1 j=1 Ai. + (X−arr)αr + X1. 3. Et le th´or`me de la d´composition en ´l´ments simples s’´crit dans le cas de R sous la e e e ee e forme : Th´or`me 3..j u e 0 P − d0 Q. G= = 2 1+X 2(X + i) 2(X − i) −i 2 i et a = 2 . .4 D´composition dans R(X) e Lorsque K = R . λ ∈ R et n ∈ N∗ . b. et n ∈ N∗ . e a Le th´or`me pr´c´dent s’´crit. Soit Q ∈ R[X].1 X−ar b X+c1.3. Toute fraction rationnelle F dans R(X) s’´crit d’une mani`re unique sous e e e e la forme : F = E+ a1.1 1 X+c1 2 +b bn. On en d´duit alors (par identification) : a + b = 0 et b − a = −i donc b = e Par cons´quent : e i 1 i − . a(X−i)+b(X+i) (X+i)(X−i) .µn + (X 2 +bn X+cn ) + . dans ce cas..1 ar. + (X 2 +bn X+cn )µn .2 b X+c1.α + (X−ar )2 + . D’apr`s ce qui pr´c`de Q peut s’´crire sous la forme : e e e e Q = (X − a1 )α1 (X − a2 )α2 .. Donner la d´composition en ´l´ments simples dans C(X) des fractions rae ee tionnelles suivantes : 1) F = 1 1+X 1 . les polynˆmes Qi sont du premier degr´.2. e ee 41 ...α1 a1. o e 2) Tout polynˆme du second degr´ ` discriminant strictement n´gatif. ...13. + bX + c)n avec µ.12.2 X−a1 + (X−a1 )2 + .1 X+cn..j (X − ai )j o` a1 .

on obtient : b = −1. en utilisant les propri´t´s de F (parit´.) (Voir T.8. D´composer en ´l´ments simples dans C puis dans R la fraction rationnelle e ee 1 . Soit G = 4X 3 . Pour d´composer F ∈ R(X) en ´l´ments simples dans R. e ee e Exemple 3.G(X) = bX dX 4X 4 aX cX + + = + . b = 2 Par cons´quent. Pour trouver b multiplions G par (X + 1)2 . Pour d´terminer les coefficients a et c. + + X + 1 (X + 1)2 X − 1 (X − 1)2 L’unicit´ de la d´composition en ´l´ments simples entraˆ : e e ee ıne a=c b = −d. e Exercice 3. F = 2(X − 1) 2(X 2 + 1) 2..5. on obtient : X−→+∞ d’o` a = c = 2.6. On a : b −c d −a G(−X) = + + + . (X − 1)2 X −1 (X − 1)2 En rempla¸ant X par −1. on peut utiliser tout proc´d´ qui nous e e e semble ad´quat pour obtenir les coefficients de la d´composition. on obtient : 2 −1 2 1 G= + + + . (1+X 2 )(X−1) −1 2 = c. F = Par identification on obtient : a + b = 0. 2 X − 1 (X − 1) X + 1 (x + 1)2 −a −c −b −d −G(X) = + . on peut : e ee i) soit d´composer F en ´l´ments simples dans C et regrouper les termes conjugu´s. Finalement. (X 2 −1)2 (1+X 2 )(X−1) 1 = a X−1 + bX+c X 2 +1 = a(X 2 +1)+(bX+c)(X−1) . 2 X + 1 (X + 1) X − 1 (X − 1)2 Remarque 3.14. Puisque la d´composition est unique.Remarque 3. (X + 1)2 G(X) = 4X 3 c(X + 1)2 d(X + 1)2 + = a(X + 1) + b + . F = 2 + X + 1)2 (X + 1) (X 42 . G admet une d´composition de la forme e G= c a b d + . c − b = 0 et a − c = 1. d’o` d = 1.. c u Cette m´thode permet de trouver le coefficient du terme de plus haut degr´ de chaque e e partie polaire. 2 − 1)2 2 (X X + 1 (X + 1) X − 1 (X − 1)2 lim XG(X) = 4 = a + c En cherchant la limite de XG(X) en +∞ . + + 2 X + 1 (X + 1) X − 1 (X − 1)2 Remarquons que G est impaire : G(−X) = −G(X). Donc a = 1 . 1. u Cette m´thode permet de trouver la somme des coefficients de plus bas degr´ de toutes e e les parties polaires.. sans que cela influe sur le e e r´sultat final. e ee e ii) soit proc´der par identification. multiplions G par X : e X. e X +1 1 − .D).

B(0) B(0) H On a H(0) = 0. a Apr`s le calcul. or e e 0 Q ≤ n donc Q = 0. e a a Preuve. on a donc d0 Qn+1 ≤ n + 1.3 3. il existe un couple unique de polynomes (Qn . B(0) B(0) Rn (0) B + XS. Par cons´quent R = 0. La condition B(0) = 0 implique e que B et X n+1 sont premiers entre eux. on trouve : e X 3 + 2X + 1 = (2X 2 + X + 1) (1 + X − 3X 2 + 2X 3 ) +X 4 (4 − 4X) . Rn ) aquise jusqu’` l’ordre n. e e o Pour tout entier n.1 Recherche des parties polaires relatives ` des facteurs de a α la forme (X − a) Division suivant les puissances croissantes Th´or`me 3.3. ai X i et B = i=0 bi X i . Supposons l’existence du couple (Qn .3. A = BQ0 + XR0 . donc il existe S ∈ K[X] tel que Rn = L’hypoth`se de r´currence implique : e e A = BQn + X n+1 ( Rn (0) Rn (0) n+1 B + XS) = B(Qn + X ) + X n+2 S. e e Posons p q A= i=0 A(0) Pour n = 0. d’o` u d0 Q0 = 0. d n e n n Exemple 3.15. Alors Q0 ∈ K et A − BQ0 est divisible par X. Qn est appel´ le quotient ` l’ordre n. Rn (0) Rn (0) B + (Rn − B) . d0 Qn ≤ n. Effectuons la division suivant les puissances croissantes de A = X 3 + 2X + 1 par B = 2X 2 + X + 1 ` l’ordre 3. B(0) On prend Qn+1 = Qn + Rn (0) X n+1 et Rn+1 = S. Existence : D´montrons l’existence par r´currence sur n. Soient A. On a : Rn = d0 Qn ≤ n. Q3 R3 43 . Alors X n+1 /BQn . X n+1 Rn est le reste ` l’ordre n. Rn ) v´rifiant : e A = BQn + X n+1 Rn . posons Q0 = B(0) = l’existence de R0 ∈ K[X] tel que a0 b0 . Le th´or`me de Gauss implique que X n+1 /Qn .9. B deux polynˆmes tels que B(0) = 0. c’est-`-dire : a a A = BQn + X n+1 Rn . B(0) Unicit´ : Supposons BQn + X n+1 Rn = 0.

alors 0 n’est pas un pˆle de o de la proposition... mais comme Q1 (0) = 0 . + λα−1 X α−1 le quotient de la division suivant les puissances croissantes de P par Q1 ` l’ordre α − 1. on a le r´sultat suivant : e u e Proposition 3. l’unicit´ de la d´composition de F en ´l´ments simples permet d’identifier e e ee la d´composition de F (X) et de F (−X). Y 3 (Y + 2)3 Effectuons la division suivant les puissances croissantes de 2Y 2 + 4Y + 7 par (Y + 2)3 = Y 3 + 6Y 2 + 12Y + 8 ` l’ordre 2.10.16. a Donc P = Q1 Qα−1 + X α Rα−1 . X + 1 (X + 1)2 (X + 1)3 X − 1 (X − 1)2 (X − 1)3 a = −α. En effectuant la division suivant les puissances croissantes. Soit Qα−1 = λ0 + λ1 X + .+λα−1 X α−1 est le quotient de la division suivant les puissances croissantes de P par Q1 ` l’ordre α − 1.. Q1 (0) = 0.. Q1 (a) = 0. a Preuve. b = −13 = β et a = 13 = −α. F (−X) = Ce qui donne : 2Y 2 + 4Y + 7 . D´terminons a. e Posons Y = X − 1. D’o` u F = λ0 Rα−1 Q1 (X)(λ0 + λ1 X + . On a : e F = F (X) = a b c α β γ + + + + + . et c = −γ. o Posons Y = X − a. trouver la d´composition e en ´l´ments simples dans R(X) de la fraction rationnelle : ee 2X 2 + 5 . Dans ce cas.. La partie polaire de F relative au pˆle 0 est l’expression : o λ1 λα−1 λ0 + α−1 + .. Ce qui ach`ve la d´monstration e e Exemple 3. b et c. On trouve : c = 7 = −γ. + λα−1 X α−1 ) + X α Rα−1 λ1 λα−1 = α + α−1 + . Y α Q1 (a + Y ) Nous sommes donc ramen´s au cas o` a = 0. + . α X X X avec λ0 +λ1 X +. F (Y + 1) = b = β.. X α Q1 (X) X X X Q1 (X) Rα−1 Q1 (X) . a 8 16 16 44 ... (X 2 − 1)3 Comme F est paire.Nous allons maintenant appliquer ce th´or`me ` la recherche de la partie polaire relative au e e a P (X) pˆle a de F = (X−a)α Q1 (X) . et F (X) = G(Y ) = P (a + Y ) . + + .. Etant donn´e la fraction rationnelle irr´ductible e e F = P (X) X α Q1 (X) . 2 3 2 X − 1 (X − 1) (X − 1) X + 1 (X + 1) (X + 1)3 b −c −α β −γ −a + + + + + . et P (X) ∧ (X − a)α Q1 (X) = 1.

6 X + i X − i X + 2i X − 2i 2. On cherche la d´composition en ´l´ments simples dans C(X). ee a o e Exemple 3. avec Q1 (a) = 0. En effet.V´rifier si F (−X) = F (X) ou F (−X) = −F (X) (c’est ` dire la parit´ de F ). La d´composition de F en ´l´ment simples dans C(X) e ee La d´composition de F en ´l´ments simples dans C(X) est e ee 1 1 1 1 1 F = [ + − − ]. en g´n´ral. d’o` Q (a) = Q1 (a). 3 X +1 X +4 Technique 2 (m´thode des coefficients ind´termin´s) e e e On d´termine les coefficients par des consid´rations num´riques particuli`res . La d´composition de F en ´l´ments simples dans R(X) est de e ee la forme : a bX + c dX + e 1 = + + . En prenant les d´riv´es. Q1 (a) = 0 est Q (a) . Q1 (a) Q (a) 3.7.4 Recherche des parties polaires relatives ` des facteurs de a 2 α la forme (X + bX + c) Il n’ y a pas. e a e 2 + bX + c)) Technique 3 (abaissement de l’exposant de (X 1 Soit F = (X+1)(X 2 +1)2 . Q(X) Q1 (X) P (a) P (a) = . . On regroupe les ´l´ments simples relatifs ` des pˆles conjugu´s. on obtient : ee o e 1 X X F = [ 2 − 2 ]. (X 2 +4)(X 2 +1) . F = P (X) . a e .multiplier par une puissance de X et faire tendre X vers +∞. F = (X + 1)(X 2 + 1)2 X + 1 X 2 + 1 (X 2 + 1)2 45 X . Dans le cas o` α = 1. e – Technique 1 1.Remarque 3. (X−a) . u D’autre part.Donner ` X des valeurs particuli`res. F = D’o` u α= Pour X = a. on trouve : e e Q (X) = Q1 (X) + (X − 1)Q1 (X). D´composer en ´l´ments simples dans R(X) la fraction F = e ee 1. En groupant les ´l´ments simples relatifs aux pˆles conjugu´s. Q(X) X − a Q1 (X) P (X)(X − a) R0 (X)(X − a) − . e ee 2. une m´thode pr´cise pour d´terminer les ´l´ments simples de e e e e e ee second esp`ces. Q(X) Q(X) = (X − a)Q1 (X). mais on dispose pratiquement de trois techniques.11. on a : α= P (X) α R0 (X) = + . la partie polaire relative ` un pˆle simple de u a o P (X) P (a) 1 F = (X−a)Q1 (X) . par exemple : e e e e .

(X 2 + 1)2 (X + 1)(X 2 + 1)2 2 (X 2 + 1)2 1 a bx + c = + . (X + 1)(X 2 + 1) (X + 1) X 2 + 1 P Q CONSEILS PRATIQUES : Pour d´composer une fraction rationelle (irr´ductible) F = e e en ´l´ments simples. Enfin. il faut : ee 1. e 5. 3... e e e e qu’on calcule en faisant la division euclidienne. 2. On multiplie les deux membres par (X 2 + 1)2 et 1 on donne ` X la valeur i. Factoriser Q .1. Ecrire la forme g´n´rale de la d´composition. On commence par calculer d et e. Utiliser la parit´-imparit´ qui r´duit souvent beaucoup l’´tude. dX + e 1 1 −X + 1 = − . Terme de degr´ dominant : multiplier par (X − ai )αi . on obtient i+1 = di + e. La somme des termes de plus bas degr´ : multiplier par X et calculer la limite quand e X tend vers +∞. 6. e 46 . a u 2 1 1 −1 Par suite : e = 2 et d = 2 . 3. prendre des valeurs . On calcule F− Il reste. simplifier. en n’oubliant pas la partie enti`re E.5 APPLICATIONS Voir les travaux dirig´s. 2. puis prendre X = ai . e e e e 4. d’o` 1 − 2 i = di + e.

.. F4 = (X 2 +X−2)(X 2 +4) . 9. F3 = X 6 +1 . c) X 4 −5X 3−3X+2 . o 1) Montrer que pour tout entier naturel non nul n. + n−1 + . 2 1 10. (X 2 +X+1)2 5 4 −76X 3 −157X 2 6. Mettre sous forme irr´ductible les fractions rationnelles de R(X) e X 5 −X 4 −2X 3 +2X 2 +X−1 X3 X 2 −3X+2 a) X 4 −5X 2 +4 .. 0 ≤ k ≤ n − 1. 2) Si P est irr´ductible. . F9 = X(X 1+1)2 . Rn o uniques tels que : A = A0 + A1 P + A2 P 2 + . F2 = X 4 +X 3 −X−1 . F1 = Exercice 6. Montrer qu’il n’existe pas de fraction rationnelle de K(X) telle que F 2 = X. Exercice 3. n ∈ N∗ . 2)F = X4 . Xn − 1 Exercice 2. (X 2 +1)(X+2)2 X 2 +1 2. On suppose que P est non nul et ne divise pas A. b) . X 5 +1 47 . il existe des polynˆmes A0 . X 4 +X+1 +4X 2 +X+2 Exercice 4. An−1 . n! 7... F10 = X n −1 . F5 = −X −X +3X−1 .. D´composer en ´l´ments simples dans C(X) les fractions rationnelles suivantes : e ee X 1)F = (X 2 −1)2 (X 2 +1) .. F0 = (X 2 +X+1)3 .6 EXERCICES Exercice 1.. F7 = X(X+1)(X+2). n ∈ N∗ . 1−2X . X2 8.3. X 4 +1 3. Soit A et P deux polynˆmes de K[X].. + n P P P 3) D´composer en ´l´ments simples dans R(X) la fraction e ee F = 3X 8 + 4X 2 + 1 . F8 = (X 4 +X 2 +1)2 . + An−1 P n−1 + Rn P n . D´terminer les z´ros et les pˆles de la fraction rationnelle de C[X] e e o F (X) = X 4 − 5X 2 + 4 . montrer que la d´composition en ´l´ments simples de la fraction e e ee est A0 A1 An−1 + Rn . D´composer les fractions rationnelles suivantes en ´l´ments simples dans R(X) e ee X 7 +2 0. F6 = −2X −19X (X 2 +4X+5)3 −165X−72 . 3 2 5. 7X 3 +2X 2 +15X+6 4.(X+n) . avec deg(Ak )< deg(P).. 1. (X 2 + 2X + 3)3 A Pn Exercice 5. A1 .

kn des entiers strictement positifs. (X 2 +1)n n ∈ N.Exercice 7. Exercice 8.... ( D´rivation d’ordre n des fractions rationnelles et calcul des sommes pare tielles) 1) Montrer que pour tout n ∈ N et tout α ∈ C on a ( (−1)n n! 1 )(n) = . n ∈ N∗ . . 2) D´terminer les z´ros de P et en d´duire le degr´ de P . Par exemple u ee X 2 + 1 est un polynˆme scind´ sur C et n’ est pas un polynˆme scind´ sur R. pour tout x ∈ R. tels que e P (sinx) = sin(2n + 1)x. P s’´crit sous la forme e e n P = λ. e e e e 1 3) D´composer en ´l´ments simples la fraction rationnelle P . et seulement si.. D´composer en ´l´ments simples la fraction rationnelle P .. e ee 4) D´duire que e 2n kπ (−1)k cos( 2n+1 ) 2n + 1 = kπ sin(2n + 1)x sinx − sin( 2n+1 ) k=o pour tout r´el x tel que sin(2n + 1)x = 0 e Exercice 9. 1) En d´veloppant (cosX + isinX)2n+1 . o e e si degr´ de P est non nul. X +α (X + α)n+1 1 2) Calculer la d´riv´ d’ordre 4 de la fraction rationnelle F = X(X−1)(X+1) e e 3) Calculer la limite quand n tend vers l’infini de la somme partielle n Sn = k=2 1 k(k − 1)(k + 1) 48 .. montrer qu’il existe un polynˆme P ` e o a coefficients r´els.. i=1 (X − ai )ki o` a1 . o e e ee P Exercice 11. On dit qu’un polynˆme non nul P est scind´ sur K si. d´composer la fraction ratione nelle dans R(X) F = (X 2 4 . D´composer la fraction rationnelle en ´l´ments simples dans R(X) e ee F = X 2n . − 1)2 Exercice 10. o e o e Soit P un polynˆme scind´. P est de degr´ 0 ou. En effectuant la division suivant les puissances croissantes. an sont des ´l´ments de K et k1 .

Deuxi`me partie e ` ´ ALGEBRE LINEAIRE 49 .

4. Mais pour sae e e voir l’utiliser. (Rn .1. chimie. ∀x ∈ E : λ(µx) = (λµ)x. parmi les ensembles qui nous sont familiers. Soit n ∈ N∗ . +) est un groupe commue tatif. un ensemble E e muni de : 1) Loi de composition interne + appel´e addition telle que (E. ceux qui peuvent ˆtre munis de cette structure. Les ´l´ments de K sont appel´s des scalaires. 2. ∀ λ. ´conomie.Chapitre 4 ESPACES VECTORIELS ET ´ APPLICATIONS LINEAIRES L’alg`bre lin´aire fournit un langage et une collection de r´sultats tr`s utiles dans des e e e e domaines tr`s vari´s (biologie. il faut apprendre ` identifier les probl`mes lin´aires ou ceux qui peuvent ˆtre a e e e mod´lis´s par une approche lin´aire (c’est une situation usuelle dans la plupart des sciences : e e e on remplace ainsi un ph´nom`ne complexe par un probl`me plus facile ` r´soudre). µ ∈ K. ∀x ∈ E : 1K x = x Remarques 1. l’axiomatisation des probl`mes lin´aires se fait par la d´finition de la struce e e e ture d’espace vectoriel et notre premier souci sera de distinguer. Les ´l´ments de E sont appel´s des vecteurs. ¸a sera une multiplication de c K × E −→ E (α. ∀x. y ∈ E : λ(x + y) = λx + λy c. 2) Loi de composition externe. x) −→ αx v´rifiant : e a. ∀ λ. d. e Dans tout ce chapitre K = R ou C. physique.. ∀λ ∈ K.1 Structure d’espace vectoriel D´finition 4. b. ee e Exemples 1. ee e 3. statistiques . +. En e e e a e math´matiques. Faire attention aux lois. ∀x ∈ E : (λ + µ)x = λx + µx.). On appelle espace vectoriel sur K ou K-espace vectoriel. µ ∈ K. ×) est un R-espace vectoriel.. 50 .

2. Pour x = y. 3. µ ∈ K et ∀x ∈ E. E). 2. D’o` u x = 0E . Proposition 4. λ−1 (λx) = (λ−1 λ)x = x. +. Supposons que λ = 0. On d´finit. L’ensemble des suites convergentes dans R est un R-espace vectoriel de (S. y ∈ F .2 4. L’ensemble C 0 (I. alors (F(X. ∀λ. +. Ainsi. Dans toute la suite. =⇒) Soit λ ∈ K et x ∈ E tels que λx = 0.1 Sous-espaces vectoriels G´n´ralit´s e e e D´finition 4. ×) est un R-espace vectoriel. ×). Preuve. ×) est un K-espace vectoriel. e Pour λ = µ.2. y ∈ E et ∀λ ∈ K. On a : λx = 0E ⇐⇒ λ = 0K ou x = 0E . (R[X].2. E d´signe un espace vectoriel sur K. Soit λ ∈ K et x ∈ E. R) des fonctions continues d’un intervalle I de R a valeurs dans R est un sous-espace vectoriel de F(I. ×) est un R-espace vectoriel. 4. x + λy ∈ K. et seulement si 0E ∈ F et ∀λ ∈ K. λx ∈ F . avec f + g est d´finie par e (f + g)(x) = f (x) + g(x). +. De mˆme (λ − µ)x = λx − µx. 51 . dans l’espace des suites r´elles S qui sont des fonctions de N dans R. On appelle sous-espace vectoriel de E. ∀x ∈ E. D’autre part. a Exemples 1. {0} et E sont deux sous-espaces vectoriels de E. x + y ∈ F. toute partie F de E v´rifiant les e e conditions suivantes : (1) 0E ∈ F et pour tout x ∈ F et tout y ∈ F . 4. +. Si X = 0 et E est un K-espace vectoriel. Exercice ` le faire. on obtient 0K x = 0E . ∀x. les e e op´rations suivantes : e (u + v)n = un + vn (λu)n = λun . 4. 3. ∀x ∈ X. On a d’une part.3. on obtient λ0E = 0E ceci ∀λ ∈ K. ∀x. λ−1 (λx) = λ−1 0E = 0E . e Proposition 4. Une partie F de E est un sous-espace vectoriel si. R). Kn [X] = {P ∈ K[X]/P = 0 ou do P ≤ n} est sous-espace vectoriel de K[X].4. (2) pour tout x ∈ F et pour tout λ ∈ K. Preuve ⇐=) On a : λ(x − y) = λx − λy . (S.

1) ∈ G ⊆ F ∪ G mais (1.1. . Soit F un s. . . . Par exemple : E = R2 . . Evidente.e. F est un K-espace vectoriel.4). ce th´or`me est faux pour la r´union. Preuve. Si V ect(A) = F on dit que A est une partie g´n´ratrice e e (ou une famille g´n´ratrice) de F ou que A engendre F . b1 . 1) ∈ F ∪ G. . λn ∈ K. . La restriction ` F × F de l’addition est une loi interne sur F a (appel´e loi induite par celle de E). bm ∈ A et β1 . y)/y ∈ R}. e Alors u + λv = α1 a1 + · · · + αn an + (λβ1 )b1 + · · · + (λβm )bm donc u + λv ∈ V ect(A). βm ∈ K tels que v = β1 b1 + · · · + βm bm . v ∈ V ect(A) et λ ∈ K. . a1 . . . ∃λ1 . il existe m ∈ N∗ . e e Notation Si A = {a} contient un seul ´l´ment on note V ect(a) = Ka = {λa | λ ∈ K}. des vecteurs a1 . .v. Toutes intersections de sous-espaces vectoriels de E est e e un sous-espace vectoriel de E. an ∈ A e et des scalaires α1 . an ∈ A. = λn = 0. si e e e F = {(x. . .5. Cons´quence : On montre rarement directement qu’un ensemble est un espace vectoriel. car (1. Proposition 4. . λn ∈ K. • Si A ⊂ B alors V ect(A) ⊂ V ect(B). V ect(A) est appel´ le sous-espace engendr´ par A. de E. . 0). . si (x. Alors e V ect(A) = {λ1 a1 + · · · + λn an | λ1 . On a F et G sont deux s. λ1 a1 + λ2 a2 + · · · + λn an = 0 donc 0 ∈ V ect(A). . 0)/x ∈ R} et G = {(0. an }. En effet. y) ∈ R2 . . Remarques 1. mais F ∪ G n’est pas un s. . .Th´or`me 4. an ∈ A et λ1 . . . 4. e mais souvent que c’est un sous-espace vectoriel d’un espace vectoriel connu (` l’aide de la a proposition 4. De mˆme. / / / 2. . V ect(A) est un sous-espace vectoriel. . . D´finition 4. . En particulier. Preuve. λn ∈ K}. Soit u. Attention. . Prenons λ1 = λ2 = . En effet.6.e. . La restriction ` K × F de la multiplication externe e a est une loi externe sur F . . de R2 . u = λ1 a1 + λ2 a2 + · · · + λn an }.. 1) ∈ F et (1. e e • On consid`re souvent un ensemble fini : si A = {a1 . 1) engendrent R2 . 1) ∈ G.2 Sous-espace engendr´ par une partie e Soit A une partie non vide de E. Exemple 4.v. . . (0. 0) ∈ F ⊆ F ∪ G et (0. ∃a1 . e e e Soit F un sous-espace vectoriel.7. y) = x(1. αn ∈ K tels que u = α1 a1 + · · · + αn an . . si A est une partie g´n´ratrice de E e e et si B contient A alors B est aussi une partie g´n´ratrice de E.. . . . 52 . Les vecteurs (1. . Par d´finition il existe un entier n.v.e. 0) + y(0. On note V ect(A) l’ensemble des vecteurs u ∈ E pouvant s’´crire e u = λ1 a1 + λ2 a2 + · · · + λn an avec n ∈ N∗ . (1. . de R2 .v. .2. on peut ´crire e (x. . . V ect(A) = {u ∈ E | ∃n ∈ N∗ . . Soit E un K-e. 1). ee Remarques : • V ect(A) est le plus petit sous-espace vectoriel contenant A. Pour ces deux lois.

Or F + G ⊆ E. H = {αa/α ∈ R} = vect(a). Preuve.8 sont dits suppl´mentaires dans E. on a R2 = F ⊕ G = F ⊕ H. 0). G = {αe2 /α ∈ R} = vect(e2 ). donc e e x ∈ F + G. Soit F = {αe1 /α ∈ R} = vect(e1 ). D´finition 4. E v´rifiant les conditions ´quivalentes e e e i) et ii) du th´or`me 4. y) = (1. Alors y − y = z − z ∈ F ∩ G = {0}. L’unicit´ de l’´criture de x comme somme d’un vecteur de F et d’un vecteur de G implique e e x = 0.v. e e e Les propri´t´s suivantes sont ´quivalentes : ee e i) tout vecteur x ∈ E s’ecrit de mani`re unique. y) comme combinaison lin´aire de ces 3 vecteurs. e ii) E = F + G et F ∩ G = {0}. Donc E = F + G. u Soit x ∈ F ∩ G. (0. 2 2 2 Th´or`me 4.8. (1. Il y a plusieurs fa¸ons d’´crire (x. x s’´crit x = y + z avec y ∈ F et z ∈ G. 1). y ∈ F et e c e z. en voici c e e une deuxi`me : e x−y y−x x+y (x. avec x ∈ F et z ∈ G. Ce qui imlpique y = y et z = z . 0) + (0. Exemple : Soit E = R2 .{(1. x = y + z. 1). e1 = (1. e2 = (0. Cons´qence : F ⊕ G = F ⊕ H n’implique pas que G = H! e G´n´ralisation e e 53 . y) = x(1. Donc F ∩ G ⊆ {0}. z ∈ G. i) =⇒ ii) Soit x ∈ E. puisque E = F + G. 0). e e e On dit ´galement que E est somme directe de F et G et on ´crit : e e E = F ⊕ G. De plus {0} ⊆ F ∩ G. 0) + y(0. 1)} engendre ´galement R2 car e (x. d’apr`s i) x s’´crit sous la forme x = y + z avec y ∈ F et z ∈ G. ii) =⇒ i) Soit x ∈ E. 1). On a x = x + 0 avec x ∈ F et 0 ∈ G. 1) + (1. 1) et a = (1. 1). Soit F et G deux sous-espaces vectoriels d’un mˆme K-espace vectoriel E. Deux sous-espaces vectoriels d’un K-e. 1) + 0(1. d’o` E ⊆ F + G. e Supposons que x s’´crit de deux fa¸ons diff´rentes x = y + z = y + z avec y. D’o` u F ∩ G = {0}.9. On a aussi x = 0 + x avec 0 ∈ F et x ∈ G.

. =⇒) L’´galit´ E = n Fi est imm´diate.. n.3 4. + xn = n xi avec e e i=1 xi ∈ Fi . 0... Soit E et F deux K-espaces vectoriels et soit f une application de E e dans F . ∀i = 1. 1). Soient E un K-espace vectoriel. i=1 e Preuve. xi ∈ Fi tel que n xi = 0 = 0 + . pour 1 ≤ i ≤ n. F1 .. Fn e si tout vecteur x ∈ E s’´crit de mani`re unique : x = x1 + x2 + . n ∈ N∗ . 0. ∀i = 1.11. 0). e e i=1 Supposons x = n xi = n xi .. Exemples : 1) Soit E et F deux K-e.e. ⊕ Fn = ⊕n Fi . On dit que le K-espace vectoriel E est somme directe des s. n.. i=1 L’hypoth`se implique xi − xi = 0 ∀i = 1.. . Ceci donne l’unicit´ de l’´criture. e2 = (0. on a f (−x) = −f (x).10... F2 = {αe2 /α ∈ R} = vect(e2 ).v. e e i=1 Soit.. 0) et e3 = (0. n. .. on a l’´quivalence : e  n  E = i=1 Fi et E = ⊕n Fi ⇐⇒ i=1  ( n xi = 0. e 54 . 1.. Remarques : 1) Si f est une application lin´aire de E dans F .. i=1 i=1 Ceci implique n (xi − xi ) = 0 avec (xi − xi ) ∈ Fi . e1 = (1. et n sous-espaces vectoriels F1 . e 2) Pour tout x ∈ E..1 Applications lin´aires e G´n´ralit´s e e e D´finition 4. n..12.. ∀λ ∈ K : e f (x + λy) = f (x) + λf (y).D´finition 4. On dit que f est une application lin´aire de E dans F si ∀x. e D’o` u xi = xi . L’application f : E −→ F x −→ 0F est lin´aire. + 0. i=1 L’unicit´ de l’´criture implique xi = 0... on a f (0) = 0.. . Soit E = R3 . . Proposition 4... e e 4.. xi ∈ Fi 1 ≤ i ≤ n) =⇒ (x1 = . .. ∀i = 1. Soit F1 = {αe1 /α ∈ R} = vect(e1 ). Alors. e e ⇐=) L’existence de l’´criture x = n xi est ´vidente. y ∈ E..Fn . on a R3 = F1 ⊕ F2 ⊕ F3 ... F3 = {αe3 /α ∈ R} = vect(e3 ). = xn = 0). On ´crit alors : e E = F1 ⊕ F2 ⊕ . i=1 Exemple. .v. 1 ≤ i ≤ n.3.

R) −→ F f −→ f (x0 ).. y = f −1 (y ). On a f (x + λy) = f (x) + λf (y) = x + λy Donc f −1 (x + λy ) = x + λy = f −1 (x ) + λf −1 (y ). 2. f est un isomorphisme.14. b]. Soit f : E −→ E P −→ P f est un endomorphisme. d´finie e par IdE (x) = x pour tout x ∈ E est un automorphisme. on ´crit E F. Si E = K[X]. f: E −→ F (a1 . λn ) ∈ Kn . Puisque f est une bijection de E dans F . Soit E et F deux K-espaces vectoriels et soit f une application lin´aire de e e E dans F . alors f −1 est une bijection de F dans E.. s’il existe un isomore phisme de l’un dans l’autre . .. Deux K-espaces vectoriels sont dits isomorphes. R). f s’appelle un endomorphisme de E. Si f est un isomorphisme de E sur F . 4. e Exercice 4. Il nous suffit de montrer que f −1 est lin´aire.. + an X n . Soit E un K− espace vectoriel quelconque. 3. appel´ isomorphisme r´ciproque de f . f s’appelle une forme lin´aire sur E. l’application r´ciproque f −1 est e un isomorphisme de F sur E. ∀(x1 . Si E = Kn et F = {P ∈ K[X]/P = 0 ou do P ≤ n}.. Proposition 4. et seulement si ∀(λ1 . a < b et E = C([a. • Si E = K.. e e Preuve. f s’appelle un isomorphisme de E sur F . soit x = f −1 (x ).16. . (Indication : Raisonner par r´currence.) e D´finition 4.. e Exemples. e Soient x et y ∈ F et λ ∈ K . D´finition 4.. e b a f (t)dt 55 . an ) −→ a0 + a1 X + . l’application identique IdE de E. • Si E = F ... f est une application lin´aire si. . e • Si f est une bijection de E sur F.. b ∈ R. Un isomorphisme de E sur E s’appelle aussi automorphisme de E. Soit a ∈ R. xn ) ∈ e En n n f( i=1 λi xi ) = i=1 λi f (xi ). 1.13. L’application : ϕ : E −→ R f −→ ϕ(f ) = est une forme lin´aire sur E.15. x0 ∈ R ψ est une application lin´aire.2) Soit ψ : F(R.

. e e −1 ({0}) = {x ∈ E/f (x) = 0} de E est appel´ le noyau de f et ... λn ) ∈ K . on a f (x−y) = f (x)−f (y) = 0. . f (xn )) . e Th´or`me 4.Le sous-espace vectoriel f e not´ Ker(f ). y ∈ f (E ) et λ ∈ K. xn )) = vect(f (x1 )..17. donc x + λx ∈ E . x ∈ f −1 (F ) et λ ∈ K... 2) L’image r´ciproque par f d’un sous-espace de F est un sous-espace vectoriel de E. 2) Soit F un sous-espace vectoriel de F et soit : f −1 (F ) = {x ∈ E/f (x) ∈ F } On a f (0) = 0 ∈ F et donc 0 ∈ f −1 (F ). . on a f (x + λx ) = f (x) + λf (x ) ∈ F et donc x + λx ∈ f −1 (F ). u et donc x = y. et seulement si ker(f ) = {0}. .. il existe x. xn n vecteurs de E. Si ker(f ) = {0} et si f (x) = f (y).. Soit E et F deux K−espaces vectoriels et soit f une application lin´aire e e e de E dans F .4. (1) f injective si.. e Preuve. (1) Si f est injective et si x ∈ ker(f ).. 1) L’image par f d’un sous-espace vectoriel de E est un sous-espace vectoriel de F . F ) 56 . Preuve. D´finition 4.18.19. donc x = 0. Soit E et F deux K−espaces vectoriels et soit f une application lin´aire e e de E dans F . f (xn )). L’image par f du sous-espace engendr´ e par (x1 ... Soit E et F deux K−espaces vectoriels et soit f une application lin´aire e e e de E dans F . (2) Soit n ∈ N∗ et soit x1 . 1) Soit E un sous-espace vectoriel de E et soit f (E ) = {y ∈ F/∃x ∈ E tel que y = f (x)}.Le sous-espace vectoriel f (E) de F est appel´ l’image de f et not´ Im(f ). xn ) est le sous-espace vectoriel de F engendr´ par (f (x1 ). Remarque : Les isomorphismes de E dans F sont les applications lin´aires f de E sur F e telles que Ker(f ) = {0} et Im(f ) = F . Si x. c’est e ` dire : a f (vect(x1 .3. On a : 0 ∈ E et 0 = f (0) ∈ f (E ). d’o` x−y ∈ ker(f ) = {0}. .. Alors y + λy = f (x) + f (x ) = f (x + λx ) ∈ f (E ).1 Op´rations sur les applications lin´aires e e Structure d’espace vectoriel de LK (E. Si y.2 Image et noyau d’une application lin´aire e Th´or`me 4. (2) Il d´coule imm´diatement de la propri´t´ : e e ee n n ∀(λ1 . 4.. on a f (x) = 0 = f (0).4 4. x ∈ E tels que y = f (x) et y = f (x ) et puisque E est sous-espace vectriel de E. ...4.. n f( i=1 λi xi ) = i=1 λi f (xi ). ...

Si f et g sont deux automorphismes de E. F et H trois K-espaces vectoriels. H). 1. Par exemple si E = F = R2 et si f (x. y) pour (x. On dit que la suite e (x1 . E). g ∈ GL(E)). g(x. LK (E. La suite (x) est libre ssi x = 0. −1. y) = (y. y) ∈ E. −2). . e Exemples. Si x = 0. 1. F ). xn ) est libre.4. f og(x. e e e GL(E) muni de la loi de composition des applications est un groupe. si E = R2 et si f (x. xn de E. f og est un automorphisme de E.. 0)..) et donc LK (E. y) = (2x + y.. Preuve. x + y). 1) et V3 = (1. x2 . y) = (x. = λn = 0.2 Composition des applications lin´aires e Proposition 4. Alors gof ∈ LK (E. y) = (x... e e 4. 1. si x = 0. donc (x) est libre. d’apr`s ce qui pr´c`de. H).20. Si 0 d´signe l’application nulle de E dans E et si f ∈ L(E) et g ∈ L(E).. . donc f og = gof 4. On a V1 − 2V2 − V3 = 0E .4. F ). 0). V2 = (0.21. F ) a une structure de K-e. e 2. On a f. prenez l’exemple pr´c´dent.x = 0 et (x) est li´e. Si E = R3 . Exercice Remarques : 1. on note LK (E) au lieu de LK (E. +. g(x.5 Ind´pendance lin´aire e e D´finition 4.. appel´ groupe lin´aire e e de E. La loi o n’est pas commutative dans LK (E. e Lorsque E = F . x + y). 0) et gof (x. + λn xn = i=1 λi xi = 0 =⇒ λ1 = . x + 2y) et gof (x. λx = 0 implique λ = 0. .. 57 . On a f. . V1 = (1.. Soit n ∈ N∗ et soit n vecteurs x1 . y) = (y... . xn sont lin´airement ind´pendantes si e e n λ1 x1 + λ2 x2 + . Soit E . Remarques : GL(E) n’est pas commutatif. Dans le cas contraire on dit que la suite (x1 . y) = (0. o) e GL(E) est l’ensemble des automorphismes de E. y) = (x + y.3 Le groupe lin´aire (GL(E). Si f ∈ LK (E.v. alors f og = 0 e n’implique pas f = 0 ou g = 0 . g ∈ LK (E.. 0) pour (x.. F ). xn ) est li´e. 1. donc f og = gof 2. F ) est un sous espace vectoriel de (F(E.Soit E et F deux K-espaces vectoriels. 0).. y) = (x + y. F ) et g ∈ LK (F.. 4. y) ∈ E. f og(x. F ) ou simplement L(E. Par exemple. ou encore que x1 . F ). alors .. L’ensemble des applications lin´aires de E dans F e est not´ LK (E. En effet .

x s’´crit de mani`re unique e e n x= i=1 αi xi . 2. . il existe k..23. x) et (x) avec x = 0. il existe des scalaires λi . on a aussi. xk−1 qui le pr´c`de dans la suite (x1 .). x1 = 0.. xn ) une suite libre et soit (xk1 .25. xn ) est li´e.. Si x ∈ vect(x1 . aucun e e e des vecteurs xj .. e e Th´or`me 4.. .. =⇒) Si la suite (x1 . .. .. Si la suite (x1 .. donc k ≥ 2 et u i=1 xi = 0. Preuve... 1 ≤ i ≤ n... xn ) est libre. car sinon λ1 x1 = 0 avec x1 = 0 et λ1 = 0. 1 ≤ i ≤ n.i=k αi xi . .. 1 ≤ k ≤ n et des αi ∈ K.. e 2. il existe des scalaires λi . xn ) est e li´e. 1 ≤ j ≤ p et la suite u (xk1 . il faut et il suffit que la suite (x1 .. . Soit k.. . non tous e nuls. . xn ) est li´e... xkp ) une suite extraite de la suite (x1 . 1 ≤ k ≤ n tel que λk = 0. (x.. .. donc αi = 0.) Puisque la suite (x1 .. e e 1. tels que n λi xi = 0. tel que xk = (x1 . xn . Soit (x1 . xn ) est donc li´e.i=k αi xi . . i = k.. 1. xn ). Supposons que p λkj xkj = 0. xn ). e Preuve. αi ∈ K. e e e Preuve. xn ) est li´e si et seulement si. Alors xk = n i=1... . .... 1 ≤ j ≤ n tel que λj = 0. on a xk − i=1. . xn ) est li´e. Proposition 4.. . 1. V2 ) est libre car λV1 + βV2 = (0.i=k αi xi . . 0) e implique λ = β = 0. avec −λi αi = λk si 1 ≤ i ≤ n ... n αi xi = 0 avec i=1 j=1 / αkj = λkj si 1 ≤ j ≤ p et αi = 0 pour 1 ≤ i ≤ n. ⇐=) S’il existe k ≥ 2. xn ). Par exemple. 2.. xn ). soit i=1 λi xi = 0 avec λk = 1 = 0..... 3. x) soit li´e. S’il existe une suite li´e extraite de la suite (x1 . Une suite extraite d’une suite li´e peut ˆtre libre. ..23. tel que xk soit combinaison e lin´aire des vecteurs x1 . e k−1 i=1 αi xi .i=k αi xi = 0. C’est une cons´quence imm´diate de 1. e Th´or`me 4. xn ) une suite de n vecteurs de E avec x1 = 0... Soit k le plus grand indice j. . i = k tels que n xk = i=1. Par contre (V1 . . i ∈ {k1 .... La suite Proposition 4.. 1. xn ) alors la suite (x1 ... Toute suite extraite d’une suite libre est une suite libre. kp }.. Alors. alors n i=1 λi xi = 0 avec λk = 1 = 0. xkp ) est libre... et la suite (x1 . La e e suite (x1 . 1 ≤ j ≤ n n’est combinaison lin´aire de ceux qui le pr´c`dent dans la suite e e e 58 . 1 ≤ i ≤ n non tous nuls e n tels que i=1 λi xi = 0. 1 ≤ i ≤ n. La suite (x1 ..Donc la suite (V1 .... d’o` λkj = 0. xn ) est libre. Pour que le vecteur x ∈ vect(x1 .. 0. n n R´ciproquement. . Preuve.... Soit x1 ... Comme la suite (x1 ..24. si xk = n e i=1. Soit n ∈ N et soit (x1 .. V3 ) est li´e. .. xn ) est li´e si et seulement si il existe e k. e e Remarques.. Une suite libre ne peut contenir le vecteur 0 .22.. xn une suite libre alors xi = xj . . pour 1 ≤ i ≤ k − 1.. V2 . .. 2. xn ) une suite libre de E.. .. 2 ≤ k ≤ n.. Soit n ≥ 2. 1. On i=1 k a k = 1. D’apr`s le th´or`me 4. ∀i = j.. D’o` k−1 −λi xk = i=1 αi xi avec αi = λk . Soit n ≥ 2 et soit (x1 .

xn ) ⇐⇒ x est combinaison lin´aire des x1 .... F ). Preuve... xn ).. ) Soit x ∈ vect(x1 . e 59 . . d’apr`s le th´or`me 4. isomorphisme. e e • Application lin´aire. . e • Noyau et image d’une application lin´aire.. endomorphisme. Soit E et F deux K−espaces vectoriels et f ∈ L(E. xn ) et supposons que n n x= i=1 αi xi = i=1 βi xi Alors.. xn ) une suite de vecteurs de E.. xn ) est une suite libre de E..26..23 : e e e x ∈ vect(x1 ..... . x) est li´e. la suite (x1 . e Les id´es clefs du chapitre : e • Espace vectoriel et sous-espace vectoriel. d’o` αi = βi pour 1 ≤ i ≤ n (car la suite (x1 .. Imm´diate. .. xn ) de E est li´e. . • Suite libre et suite g´n´ratrice. xn e ⇐⇒ la suite (x1 ... n i=1 (αi − βi )xi = 0..(x1 . Si la suite (x1 . ... e 2..... xn )) est libre). 1. . Si la suite (f (x1 )... . . u Proposition 4.. .. .. automorphisme. f (xn )) de F est libre.. Alors. f (xn )) est li´e e e 2. xn .. Soit n ∈ N∗ et (x1 . la suite (f (x1 ).

Soit F et G deux sous-espaces vectoriels d’un K−espace vectoriel E. et que l’on a : e p1 + p2 = IdE . si F ⊂ G ou G ⊂ F . ( a ∈ R fix´). b) {f ∈ E : f (1) − f (0) = 1}. p2 = p2 .4. l’´criture x + y est-elle unique ? ( On pourra consid´rer par e e e e exemple le cas o` F = G). quels sont. c) Dans le cas b) pr´c´dent. Montrer que si tout ´l´ment x d’un espace vectoriel E se d´compose de mani`re unique sous ee e e la forme y + z avec y dans F et z dans G. 1]) ensemble des applications de R dans [0. 1 2 60 . u d) que valent F + {0} et F + E ? e) V´rifier que F + G = G + F . pour tout x de E. e f ) Soient F . b) V´rifier que toutes combinaison lin´aire finie d’´l´ments de F ∪ G peut s’ecrire sous forme e e ee x + y. 2) F(R. c) {f ∈ E : f (x) = f (x − a) pour x ∈ R}. avec x dans F et y dans G. Exercice 6. 3) {(x. e Exercice 7. Dans E = F(R. Exercice 2. Si E = F ⊕ G. p1 op2 = p2 op1 = 0.6 Exercices Exercice 1. e Exercice 3. [0. ceux qui sont des sousespaces vectoriels de E : a) {f ∈ E : f (1) = 2f (0)} . Montrer que : {x ∈ E : ∃y ∈ F. on note respectivement p1 (x) et p2 (x) les ´l´ments de ee l’unique d´composition de x en y ∈ F et z ∈ G (c’est-`-dire : y = p1 (x) et z = p2 (x)). z) ∈ R3 . y. p2 = p1 . G et H trois sous-espaces vectoriels d’un mˆme K-espace-vectoriel E. Les ensembles sont-ils munis d’une structure d’espace vectoriel ? 1) F([0. (donc F + G = F + H n’implique pas G = H !) Exercice 5. e a Montrer qu’alors p1 et p2 sont deux applications lin´aires de E dans E. Exercice 4. 1] dans R. Autrement dit e la somme E = F + G est directe. 4) L’ensemble des suites convergentes dans R. R). R) ensemble des applications de [0. parmi les sous ensembles suivants. alors F et G sont suppl´mentaires. ∃z ∈ G tels que x = y + z} est le plus petit (pour l’inclusion) sous-espace de E contenant F ∪ G. a) Soit F et G deux sous-espaces de E. tel que 2x + 3y − z = 0}. montrer que F ∪ G est un sous-espace vectoriel de E si et seulement. Soit le R-espace vectoriel E = F(R. Donner e un exemple tel que F + G = F + H et tel que G = H. 1]. 1]. R).D´montrer que l’ensemble P des fonctions paires de e E et l’ensemble I des fonctions impaires de E sont deux sous-espaces suppl´mentaires.

V´rifier que f est un endomorphisme de E tel que f 2 = f . x−1 x+1 1)Montrer que les fonctions f1 et f2 sont lin´airement ind´pendantes. I) Soit F et G deux sous-espaces vectoriels suppl´mentairesdans E. On d´finit l’ape e plication f : E −→ Ede la manı`re suivante si x ∈ E. e Exercice 9. A t-on f 2 = f. 1) Montrer que e1 et e2 forment une partie libre de R3 . e e 2) Montrer que la fonction f :] − 1. e e a 2 = f.Ainsi que : Ker(p1 ) = G. ker(p2 ) = F. e Exercice 10. e II-3. y − x) II) Soit E = R e II-1. (f 2 = f of ). α) appartienne au sous-espace vectoriel e e engendr´ par e1 et par e2 . I-2. 1] par : e ∀x ∈] − 1. y) = (x − y. 2) D´terminer le r´el α pour que le vecteur (2. e D´terminer Ker(f ) et Im (f ). I-1. 1) deux vecteurs de R3 . e f est appel´ laprojection de F parall`lement ` G. 1. Im(p2 ) = G. V´rifier que f est un endomorphisme de E. Exercice 8. Soient e1 = (1. Soit f un endomorphisme de E tel que f D´montrer que que e E = Im(f ) ⊕ Kef (f ) et que f est la projection sur Im(f ) parall`lemnt ` Ker(f ). y ∈ F . x −→ x22 . x = y + z. 1. Im(p1 ) = F. z ∈ G. 1[. D´montrer que E = Ker(f ) ⊕ Im(f ). 0) et e2 = (0. alors e f (x) = y. e e II-2. e a 2 et f : E −→ E d´finie par f (x. 61 . 1[−→ R. appartient au sous-espace vectoriel −1 engendr´ par f1 et f2 . f1 (x) = 1 1 et f2 (x) = . Soit E un K−espace vectoriel. Soient f1 et f2 les fonctions d´finies sur [−1. 1. D´terminer Ker(f ) et Im(f ).

en ) est une base de E.... en ) de vecteurs de E soit une base de E.3. 5.. + αn en . en ) est une base de E si elle est libre et g´n´ratrice de E. e e e D’autre part...1. .. .. ..... E est dit de dimension infinie.. en ) est une suite g´n´ratrice de E. Dans le e e cas contraire. an ) de E est une suite g´n´ratrice de E. . 1 ≤ i ≤ n.Chapitre 5 ESPACES VECTORIELS DE DIMENSION FINIE Dans tout ce chapitre K = R ou C. 1 ≤ i ≤ n. .. en ). Si la suite (e1 . + αn en = 0 avec αi ∈ K. Ainsi.. . l’´criture (1) est la e e d´composition de x et les scalaires α1 .. On dit que la suite (e1 . Base e D´finition 5.2. l’´galit´ e1 + . Soit E un K−e.. il faut et il suffit que tout vecteur x de E s’´crit de mani`re unique : e e (1) x = α1 e1 + .... . si α1 e1 + α2 e2 + . D´finition 5. d’apr`s l’unicit´ de l’´criture (1). e e e α1 = . an . si le sous espace e e vect(a1 .. s’il existe une suite g´n´ratrice finie de E. =⇒) Il r´sulte du th´or`me 4.. Pour que la suite (e1 ... + en = e e 0e1 + . Proposition 5... en ) est une base de E et si x ∈ E.) de a1 . an ) est ´gal ` E. Donc la suite (e1 .... αi ∈ K. (e1 .. c’est ` dire si tout vecteur de E est une combinaison lin´aire e a a e (C.. la suite (e1 ..25.1... . . Bases.L..0en = 0 implique.. = αn = 0.... en ) est libre.. . e Espace vectoriel engendr´ par une suite finie.1 D´finition d’un espace vectoriel de dimension finie.1 5. αn sont les coordonn´es ou les composantes de e e x dans la base (e1 . . e e On dit que la dimension de E est finie. 2) e e e ⇐=) Puisque tout x s’´crit sous la forme (1).. e On dit que la suite (a1 .. 62 .v. Preuve..

0. . .. toute suite de n + 1 e vecteurs est li´e.... . ain ) une telle ee suite.. ain ). ain . et par suite E = vect(ai1 ..1. . de dimension finie . en ) est une suite g´n´ratrice de E et E et de dimension finie. en ) est libre. Preuve. . soit E = Kn . On appelle cette base la base canonique de Kn .. les vecteurs ai ne sont pas tous nuls. Pour tout vecteur x = (α1 . (1.1 Dimension d’un espace vectoriel de dimension finie Le th´or`me de la dimension e e Proposition 5. Kn [X] = {P ∈ K[X]/P = 0 ou do P ≤ n}.. 0).Exemples. e e De plus l’´galit´ n αi ei = 0 s’´crit (α1 .. α.. . . ap ) est major´ par p.. 1). e e 3.2 Existence de bases Th´or`me 5. Le nombre d’´l´ments ee d’une suite libre extraite de (a1 . de dimension finie. Il existe donc au moins une suite libre extraite de (a1 . c’est une base de E.4. . ain ) ⊆ E. extraite de la suite (a1 . . e e e e alors E admet une base.. αn ) ∈ E... .. puisque tout z ∈ C s’´crit de mani`re unique : e e z = α + iβ. 0..en = (0. on a n x= i=1 α i ei . 1 ≤ n ≤ p. X n } est une base de Kn [X].. .... ap ) et soit (ai1 . Pour tout k.. La suite (e1 .. On a donc : E = vect(a1 . appel´e la base canonique de Kn [X]. Soit n ∈ N et soit Kn [X] le K− e....25 e e e e chapitre 4.2.. K est un K− espace vectoriel ( cas pr´c´dent avec n = 1)... β ∈ R. ap ).... Si (a1 .v...2 5. . Ainsi (ai1 . Si ak = 0. ain ) est une suite libre et g´n´ratrice de E . non nul. .... la suite (ak ) est libre. ain )... Exercice.. non nul. . ap ) est une suite g´n´ratrice de E.v.. i) est une base de C.. 5.. Donc : tout espace vectoriel.. la suite (ai1 . 1 ≤ k ≤ p. e2 = (0.. .. . e e 5. le nombre e maximum d’´l´ments d’une suite libre extraite de (a1 . e 4. X. donc (e1 .5. ak ∈ vect(ai1 . (Indication : Raisonner par r´currence sur n) ..... c’est une base de E... 0. 1... C est un R−e.... Dans un espace vectoriel engendr´ par n vecteurs.. = αn = 0.. e . . 2..v. La suite {1... Soit n.. e Preuve. αn ) = 0Rn et implique e e i=1 e α1 = .. . 1. Puisque E = {0}. e 63 . Soit E un K− e. admet au moins une base. 0. ap ) ⊆ vect(ai1 . On consid`re les vecteurs e1 = (1.. Soit n ∈ N∗ .. . ak ) est li´e et d’apr`s le th´or`me 4. .. 0). ap )..

On peut supposer n ≤ p. 4. la suite (xi1 .... . xk ) soit li´e. p vecteurs d’un K− e.... . 64 . . xp ) : Soit i1 le plus petit entier k . en+1 ... xp . c’est ` dire n + 1 ≤ p. .. c’est ` dire : dim{0} = 0 e e a a Remarque 5. 1. xp ) ≤ p et on a rg(x1 ....... On appelle rang de la suite e (x1 . xi2 . Et ainsi de suite . xp ). non nul. xp ). Le nombre n e d’´l´ments de toute base de E est appel´ la dimension de E et not´ dimK (E) ou simplement ee e e dim(E).. Soit E un K−espace vectoriel.. . . e e e e Recherche pratique du rang d’une suite (x1 . xp ) est libre. xp ) = vect(xi1 . On a dimK (Kn [X]) = n + 1...10..5 ` la suite (e1 .. ( de la dimension ). Si n < p.. pour tout k. en+1 ) est li´e et donc aussi la suite (e1 ... de dimension e e finie... 2....2.. . 0 ≤ rg(x1 .. de dimension finie.. On applique la proposition 5. xp ) est ´gal au nombre maximum d’´l´ments d’une suite libre extraite de la e ee suite (x1 . La suite (e1 . xir ).. . e Alors.... soit i2 le plus petit entier k v´rifiant ces conditions.. la dimension d’un K− e.. ep ) deux bases de E.. 1 ≤ k ≤ p. en ) et aux vecteurs a a e1 . xi2 . xp ). Mˆme d´monstration que celle du th´or`me 5. Proposition 5.. Preuve.. toutes les bases ont le mˆme nombre d’´l´ments. E = {0} ⇐⇒ dimE ≥ 1.. Exemples 1. En particulier. ... Soit (e1 ...1. ep ). . xp ). xp ) = r. . xp ) et on note rg(x1 ... xi2 .. xir ) extraite de la suite x1 . xir ... xir ). E..2 Rang d’une suite finie de vecteurs D´finition 5. .25 chp.. Puis. e e e D’o` u vect(x1 . . rg(x1 .. Si rg(x1 . soit i3 le plus petit entier k v´rifiant ces e conditions. xp ) une suite de vecteurs de E. .Th´or`me 5. . Par d´finition. tel que xk = 0... . en ) et (e1 . s’il existe k.. . i1 < k ≤ p et tel que (xi1 . Soit Kn [X] = {P ∈ K[X]/P = 0 ou do P ≤ n}..9.7. xi2 . xp ) = 0 ⇐⇒ x1 = . .8.... dimK (Kn ) = n. . . e ee Preuve. Soit x1 . dimK (K) = 1 et dimR (C) = 2.. xp telle que pour tout k. on obtient finalement une suite libre (xi1 . xi2 . . xk ) soit libre. toute suite libre de r vecteurs extraite de la suite (x1 . s’il e existe k... Dans un K−espace vectoriel E. Soit (x1 .. Alors.xp = 0. xp ) est une base de vect(x1 . un sous-espace vectoriel de dimension 1 e est appel´ une droite vectorielle .. 1 ≤ k ≤ p.. D´finition 5. Si n ∈ N∗ .. d’apr`s le th´or`me 4. Ceci est absurde e puisque (e1 . 5.. Ensuite. on a rg(x1 . xk ∈ vect(xi1 .. .. ... v... i2 < k ≤ p et tel que (xi1 . . D´finition 5.4... .. ep ) est une base. la dimension du sous-espace vectoriel vect(x1 . Donc n = p. . xk ) soit libre.. xp ) = p ⇐⇒ (x1 . non nul. . . 2... Dans un K−espace vectoriel E.6. 1 ≤ k ≤ p.v. 3. et un sous-espace de dimension 2 est appel´ un plan e e vectoriel . nul est ´gale ` 0 ..... ..... xp ) de vecteurs non tous nuls et d’une base du sous-espace vectoriel vect(x1 ...

une suite extraite de (x1 . .. 65 . xir ) est une base de vect(x1 . . Toute suite libre a au plus n vecteurs. . Preuve.Il en r´sulte que (xi1 . 1 + X 3 ) est une base de vect(1.. .... On a : * La suite (1. xp ) une suite g´n´ratrice de E... 1 + X 3...25 chap. Toute suite g´n´ratrice de n vecteurs e e e e est une base de E. X − X 3 ) e e e e sont li´es. .. xn ) est libre. la suite (x1 .. 4.2.. 1 + X 3 .. 1 + X 3 .. xn ) = n.. Toute suite libre de n vecteurs est une base de E. .12. 1) n ≤ p... .10.. e Exemple Soit E = K[X]. 1 + X. . e D’apr`s th´or`me 4. On a rg(x1 .. F est de dimension finie et dimF ≤ dimE. . Toute suite g´n´ratrice a au moins n vecteurs.. X − X 3 ) est libre et donc il peut y avoir plusieurs suites libres e extraites de la suite (x1 . xp ).. 5.2. xi2 . e Soit (x1 . . xn )... Pour prouver qu’une suite (x1 . . X − X 3 ) = 3 et (1. xn ) est libre.3 Sous-espaces d’un espace vectoriel de dimension finie Proposition 5... la suite (x1 . X 3 .. n ≥ 1. . et F un sous-espace vectoriel de E. xp ) avec p > n est li´e..... . 2. en ) une base de E. Par contre (1. X.. . 1 + X) est li´e. . X. X − X 3) Remarque 5. xn+1 ) est li´e et donc toute suite (x1 .11. Le rang de cette suite est n = dimE. X − X 3 ). la suite (x1 .. X.. xp ) = r. e e D’ap`s la proposition 5. Ainsi. X.... ayant r vecteurs. * La suite (1. Donc. e e 1. Soit E un K-espace vectoriel de dimension finie n.. . xn ) une suite libre de E. e e Soit maintenant (x1 . e e d’apr`s la proposition 5. x) est li´e. . xn ) de n vecteurs de E est une base de E. . xn ) est une base de E. xn ) une suite g´n´ratrice de E.... xp ) ayant r vecteurs peut ˆtre li´e. X.. e toute suite (x1 . xp ) = r. (Tr`s importante en pratique).. e Remarque. Alors : 1.. xp ) et rg(x1 . 1) Soit (e1 .. Soit E un K−espace vectoriel de dimension finie n. 2. e e e x ∈ V ect(x1 ... X.. puisque E = vect(e1 .5. X − X 3 est li´e. 2) Soit (x1 . D’apr`s la proposition 5. 2). X. 1 + X) ainsi que (1 + X. Soit la suite (1.. dans l’exemple pr´c´dent r = 3 et (1... . 1 + X * La suite (1.. .. * La suite (1.. il suffit de prouver l’une des deux conditions suivantes : 1..10. X. e e 5. la suite (x1 .3 Espace vectoriel de dimension finie donn´e n e Th´or`me 5.. xn ) est g´n´ratrice. C’est une base de E. ... 1 + X. Pour tout vecteur x ∈ E. la suite (x1 . 1 + X 3 )... en ). Si rg(x1 . 1 + X.. X) est libre.. e Donc rg(1.. X. xn . e 3 ) est libre.. e Si dimK (E) = n.

Si dimF = dimE.. bq } est libre.. Par cons´quent. . en rempla¸ant E par G... xp ) est une suite g´n´ratrice de F . On a 0 < p ≤ n... xp . 1 ≤ i ≤ n.. Soit p le nombre maximum d’´l´ments d’une suite libre de F . . ... . αi ∈ K. Ce qui implique F = E.. xp ) est une base de F et on a dimF = p ≤ n = dimE.. donc une base de E( d’apr`s le th´or`me 5. Pour tout x ∈ E. Soit E un K-espace vectoriel de dimension finie. les deux assertions suivantes sont ´quivalentes : e (1) E = F ⊕ G (2) F ∩ G = {0} et dim E+ dim G=dim E Preuve. Dans un espace vectoriel de dimension n > 0.v. . on a donc F ⊆ G. c’est ´vident. e E = F ⊕ G. Soit ee (x1 .. .. Pour des sous-espaces vectoriels F et G de E.14.. Proposition 5. x) est li´e..1) ).. c Proposition 5. (1) =⇒ (2) Il suffit de montrer que {a1 . .. 2).. on a x = n αi ei . e e Par suite (x1 . .. Preuve..25 ch.4 Applications lin´aires d’un K-e.. donc x ∈ G d’apr`s le th´or`me 4.. Il suffit d’appliquer la proposition 5..4. ..1). puisque p + q = dimE. . b1 . e Soit F = {0}. 1) Toute suite libre de F est une suite libre de E.. e e e Corollaire 5. ap .. E ´tant de dimension finie n ≥ 1. on appelle hyperplan e vectoriel tout sous-espace vectoriel de dimension n − 1.. de dimension finie dans e un K e.16. . ap ) et (b1 . en ) une base de E et a1 . i=1 i=1 Donc F + G = E. . Si F = {0}.. et soit G = vect(x1 . xp ) une suite libre de F ... Un hyperplan vectoriel est donc un sous-espace vectoriel dont les suppl´mentaires sont des droites vectorielles. et F et G deux sous-espaces vectoriels de dimension finie. e Soit (e1 . Preuve. bq } est une base de E. Existence : Pour tout x ∈ E.an n vecteurs de F .v. 4 .. donc F = G et e e e e (x1 .. Soit x ∈ F . soit (a1 . Si F = {0} ou G = {0} c’est ´vident.... b1 . c’est une base de E. donc E = {0} et dimE > 0.15.. ap .. La suite (x1 . D´finition 5.. v. avec y ∈ F et z ∈ G. Soit E et F deux K-espaces vectoriels. toute base de F est une suite libre de n vecteurs de E. Soit E un K-e.12. x = p αi ai + q βi bi = y + z .13. les αi sont uniques. bq ) deux bases de F et G respectivement.2. (2) =⇒ (1) F ∩ G = {0} implique que {a1 .4. L’application i=1 f : E −→ F x −→ 66 n i=1 αi ai . 2) Si dimF = dimE. Cette suite a au plus n ´l´ments (th´or`me ee e e 5. alors : F ⊆ G et dimF = dimG =⇒ F = G. e 5. Il existe une application lin´aire e f de E dans F et une seule telle que f (ei ) = ai ... e Si F = {0} et G = {0}. xp ). on a E = F.

f (en )) est une base de F . f est surjective ⇐⇒ (f (e1 ). x = n αi ei .v.. 1 ≤ i ≤ n.18. on a : e f (x) = i αi f (ei ) = i αi ai = i αi g(ei ) = g(x). Montrons que ϕ est un isomorphisme de E sur Imf .. Preuve. i=1 Puisque f est une application lin´aire. e e e Th´or`me 5. On a f (x) = f (x1 ) + f (x2 ) = f (x1 ) = ϕ(x1 ).17. Imf ). e e 3. 3) f est un isomorphisme. il existe x1 ∈ E et x2 ∈ Kerf tel que x = x1 + x2 . ∃!αi ∈ K. 2) ϕ est surjective : Soit y ∈ Imf . f est un isomorphisme ⇐⇒ (f (e1 ). E ´tant de dimension finie n ≥ 1. il existe une application lin´aire unique f de E dans F telle que f (ei ) = fi . . E ´tant de dimension finie. . F ). Preuve.. en ) une base de E et (f1 .17. F ). . D’apr`s le th´or`me 5. 1) ϕ est injective : Soit x ∈ Kerϕ. donc x = 0. 1. tout K-espace vectoriel de dimension n est isomorphe ` Kn .. (Th´or`me noyau-image ou encore th´or`me du rang) e e e e e e Soit E et F deux K-espaces vectoriels. D’o` l’unicit´. 1. u 67 . D’o` x ∈ E ∩ Kerf = {0}.3). ϕ ∈ L(E . 1 ≤ i ≤ n. le r´sultat d´coule de th´or`me 5. Soit ϕ la restriction de f ` E . Soit E et F deux K-espaces vectoriels. Puisque E = E ⊕ Kerf.19. 2. e e e e 2) Le r´sultat est ´vidente si E = F = {0}. Alors F est de dimensin finie et on a dimE = dimF. e e Si dimE = dimF ≥ 1. 1) C’est ´vident si E = {0}.. Soit (e1 .. Corollaire 5. f (en )) est une suite g´n´ratrice de F . En particuler... a Preuve.. fn ) une base de F . .. e e e Soit (e1 ... Ceci ´tant vrai pour tout x ∈ E. Alors. f est injective ⇐⇒ (f (e1 ). e Unicit´ : Supposons qu’il existe une autre application g telle que g(ei ) = ai . f (en )) est une suite libre dans F . e pour 1 ≤ i ≤ n. D’apr`s la e proposition 5. ϕ est une application lin´aire comme la restriction d’une application lin´aire ` un a e e a s.. pour tout i.e. Alors il existe x ∈ E tel que f (x) = y. en ) une base de E et f ∈ L(E. ... u e Th´or`me 5. Soit E un K−espace vectoriel de dimension finie et f un isomorphisme de E sur un K− espace vectoriel F ..16. u Par suite Kerϕ = {0}. .17. e Soit x ∈ E. D’o` y = ϕ(x1 ) ∈ Imϕ. e Donc f = g.est une application lin´aire de E dans F telle que f (ei ) = ai . 2. Soit f ∈ L(E.. e Si dimE ≥ 1. Soit E un sous-espace vectoriel de E tel que E ⊕ Kerf = E. Donc x ∈ E et f (x) = ϕ(x) = 0. Voir TD.. Alors e Im(f ) est un sous-espace vectoriel de dimension finie de F et on a : dimKerf + dimImf = dimE. Deux K−espaces vectoriels de dimension finie tels que dimE = dimF sont isomorphes.

Corollaire 5. b) Imf et Imf 2 . Soit e e f ∈ L(E.. on a dimf (G) = dimG Preuve. D’apr`s 1) dimfG (G) = dimG. e e Application du th´or`me noyau-image : e e 68 . e e e 2. Donc dimE = dimImf. D´finition 5. alors f /G est injective. Or. 1) Montrer qu’on a toujours : dimE = dimKerf + dimImf. La dimension du sous-espace vectoriel Imf (= f (F )) est appel´e le rang de e f et on note rg(f ).. f (en )).. Imf et dimE. ϕ est un isomorphisme de E sur Imf . (Attention en g´n´ral la somme Kerf + Imf n’est pas toujours directe !) e e 2) Comparer : a) Ker(f ) et Ker(f 2 ).. en ) est une base de E. et f un endomorphisme de E. e Par suite. Soit E et F deux K-espaces vectoriels. f est injective ⇐⇒ dimf (E) = dimE ⇐⇒ rg(f ) = dimE. La r´ciproque r´sulte de 1) avec G = E. 3) Montrer que les propositions suivantes sont ´quivalentes : e i) Kerf ⊕ Imf = E . Soit e f ∈ L(E.. ii) Imf = Imf 2 . F ). e e e e 2) Si f est injective et si G est un sous-espace vectoriel de E. 1) Cons´quence imm´diate du th´or`me noyau-image. E ´tant de dimension finie. . . F ).. On a : 1. on a rg(f ) = rg(f (e1 ). iii) Kerf = Kerf 2 . iv) Kerf ∩ Imf = {0}. Soit E et F deux K-espaces vectoriels. Le th´or`me noyau-image donne une relation entre les dimensions des sous-espaces e e kerf .20.. Ce qui donne dimE = dimE + Kerf = dimImf + dimKerf. 2. E ´tant de dimension finie. f est injective ⇐⇒ pour tout sous-espace vectoriel G de E. puisque Imf = V ect(f (e1 ).. Exercice . Dans ce th´or`me F n’est pas suppos´ de dimension finie. Remarques : 1. e D’o` u dimf (G) = dimG. Soient E un espace vectoriel de dimension finie.21. E = E ⊕ Kerf. .. Remarque : Si (e1 . f (en )).Ceci montre la surjectivit´ de ϕ.

. R´ciproquement : si H est un hyperplan de E.. ( Equation d’un hyperplan vectoriel) Soit E un K-espace vectoriel de dimension n ≥ 1. et f (a) = 0... D’autre part... e 2.......... convient. Si n = 1. puisque f (a) = 0.. a) de E.. donc Imf = {0}.. puisque dimK (K) = 1...... il existe au moins une forme lin´aire e e sur E.... dimKerf = dimE − dimImf = n − 1..... non nulle. . 69 .. dont le noyau est H... Finalement. hn−1 ) une base de H ..... Par suite dimImf = 1. Preuve.. Il en r´sulte que H = Kerf.Proposition 5...... On a H ⊆ Kerf. on a dimImf ≤ 1..... non nulle. Le noyau d’une forme lin´aire f sur E.... • rang d’une application lin´aire e • th´or`me du rang. Or f = 0.) e dimKerf = n − 1 = dimH. . e Soit f ∈ L(E.. 1......... est un hyperplan vectoriel... K) telle que f (hi ) = 0 pour tout i. soit (h1 . 2... on la compl`te en une base (h1 .. • la somme F + G est directe ⇔ dim(F + G) = dimF + dimG. 1 ≤ i ≤ n − 1.. H = {0} et toute forme lin´aire sur E. non nulle...22.... e e . e Si n ≥ 2...... Imf est un sous-espace vectoriel de K. e Les id´es clefs du chapitre : e • un espace vectoriel de type fini admet des bases (systmes libres g´n´rateurs) ` e e • deux bases ont le mˆme cardinal : la dimension de l’espace vectoriel e • dim(F + G) = dimF + dimG − dim(F ∩ G). on a f = 0 et d’apr`s 1. 1.. hn−1 ...

. 2) Montrer qu’il existe n scalaires λi tels que (f n + λn−1 f n−1 + . non nuls..v. x2 ..v. e Exercice 6.. (a) (∀x ∈ E) (∃n ∈ N) (f (b) (∃n ∈ N) (∀x ∈ E) (f n (x) = 0). f (en )) est une suite g´n´ratrice de F . . de dimension finie n et f un endomorphisme de E tel que il existe un vecteur u pour lequel (f k (u))1≤k≤n est une base de E. . y. + λ0 IdE = 0 Exercice 7. Dans l’espace vectoriel E = R3 . a) Montrer que f est un endomorphisme de R3 . −1. Soient E et F deux K-espaces vectoriels. . 1). f (xn )) est une suite libre de vecteurs de F . 0.. x − y + 2z. y − x. f ∈ L(E. f (e2 ).Exercice 1.. e Exercice 5. Montrer que si E est de dimension finie... Soient E et F deux K-e. f (en )) est une base de F . R3 ) une application lin´aire d´finie par e e f (x. Soit f un endomorphisme d’un espace vectoreil E. −1. Exercice 3. de dimensions respectives p et q. F ). Soit E un K-e.. les deux conditions suivantes sont ´quivalentes : e n (x) = 0)..... e e 3) f est isomorphisme ⇐⇒ (f (e1 ). . ep ) une 70 . D´terminer une base de chacun des sous-espaces Im(f ) et Ker(f ). D´montrer qu’on a : e 1) f est injective ⇐⇒ (f (e1 ). on consid`re les vecteurs a = (1. x3 ) ? e Exercice 2.. 0). e 3) Quelles sont. xn ) de vecteurs de E.. 1) Soit f l’application de R3 dans R3 d´finie par : e f (x. f (e2 ). y) = (x − y. x − 2y − z). 1). b.. les coordonn´es du vecteur x = (x1 . z) = (x + y + z. 2) D´montrer que (a.. Soit(e1 . + λ0 IdE )(u) = 0 3) En d´duire que e f n + λn−1 f n−1 + . b) Quel est son noyau ? 2) Soit f ∈ L(R2 . 1) et e c = (1.. dans cette base. b = (1. Soit (e1 ... f (en )) est une suite libre de F . c) est une base de E. 2) f est surjective ⇐⇒ (f (e1 )..E ´tant de dimension finie n ≥ 0. x2 .. f (e2 ).. (f (x1 ).v.... (Remarque : un endomorphisme v´rifiant (b) est dit nilpotent).. Montrer que les deux assertions suivantes sont ´quivalentes : e (a) f est injective .. Exercice 4. en ) une base de e E et f ∈ L(E. ´ 1) Ecrire les vecteurs de la base canonique de E. (b) pour toutes suite libre (x1 . .. 1) Montrer que f est un automorphisme de E. . F ). e2 . Soient E et F deux K-e.

si F ∩ G = {0}. . F et G deux sous espaces vectoriels de dimension finie. 10-1 Montrer que. ou f (F × G) = F + G.. et f : F × G −→ E. l’application d´finie par : f (x. f est un isomorphisme de F × G sur F + G. D´montrer que l’espace vectoriel E × F est de dimene sion finie.. que peut-on dire de f et g ? 71 . e 3) D´duire que : e dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G). On suppose que f og = IdE . fq ) une base de F. Exercice 10. pour tout n ∈ N.On consid`re la suite (Pn )n∈N de polynˆmes de R[X] tels que e o ∀k ∈ N. e 10-3 Donner un exemple d’endomorphisme surjectif et non injectif et un exemple d’endomorphisme injectif et non surjectif. 1) Montrer que F + G et F ∩ G sont de dimension finie. de E. Soient E et F deux sous-espaces vectoriels d’un espace vectoriel E. 3 Si F ∩ G = {0}. Montrer que F + G = F ⊕ U . (Pk )0≤k≤n est une base de Rn [X]. autrement dit f envoie e E × F sur F + G. Soit E un K-espace vectoriel. Montrer que : e 1) f est une application lin´aire surjective de E × F dans F + G. Donner une base de E × F .base de E et (f1 . 2) f est injective si et seulement.. y) = x + y. 10-2 D´duire que (Pk )k∈N est une base de R[X]. Quelle est la dimension de E × F ? Exercice 8. 2) Soit H = F ∩ G et U un supl´mentaire de H dans G. 10-4 Soit f et g deux endomorphismes. deg(Pk ) = k. Exercice 9.

. sont les coefficients de la matrice A.  . a1. 7 Egalit´ de deux matrices : Soit A = (ai. .1.n (K). 4 2 0. 1 ≤ j ≤ n.n ∈ Kn . on appelle matrice de type (p. ap. p = 3. n colonnes d’´l´ments de K.2 .j ) ∈ Mp.  .j .2 (R). n) ou (p. on utilise la notation (ai.   . .j  a2.j ) ∈ Mn.1 G´n´ralit´s e e e D´finitions e Soit deux entiers p ≥ 1. ap. le vecteur ai. On appelle j eme vecteur colonne de la matrice A = (ai.2 .1 ai.n Les ´l´ments ai.  . Exemple : K = R. e Par d´finition e A = B ⇐⇒ p = p .j ) ∈ Mn .j ) lorsqu’il n’y a pas de confusion.n    a= .1 6. . .1 ap.n  a2.j = bi. ap.n (K). n = n et ai. 1 ≤ i ≤ p et 1 ≤ j ≤ n. . ∀1 ≤ i ≤ p.2 .j de K . n = 2  √  2 1  1 1  ∈ M3. n ≥ 1 .p (K) et B(bi. a2. .p (K). . .≤p 1≤j≤n ou plus simplement e (ai.j ) ∈ Mp. un tableau rectangulaire ` p lignes.j     .j 72 . . ai. . .1 a2. n)−matrice ` a coefficients dans K. a ee   a1.Chapitre 6 ` MATRICES ET SYSTEMES ´ LINEAIRES Dans tout ce chapitre K = R ou C 6. ee Pour repr´senter une matrice.  ∈ Kp . . Vecteurs lignes et vecteurs colonnes : On appelle ieme vecteur ligne de la matrice A = (ai.1 a1.j )1≤i. . le vecteur   a1.2 .

c’une matrice de la forme :   a1.n    A= .j = aj. .n (K).2 . En pratique. e e Remarques : 1. .i . . et e e on note t A. a1.n  0 a2.1 a1.j ) ∈ Mn (K) est dite sym´trique si t A = A.j ) ∈ Mn. 0 an. 0 .2 .2 .1 a2. . 1 ≤ i ≤ n sont appel´s les coefficients diagonaux de la matrice e carr´e A. 1 ≤ i ≤ n et 1 ≤ j ≤ p.   .i . n)−matrice A = (ai.2 0 . . 0  .n (K). t A est d´duite de A par ´change des lignes et des colonnes.   .  . . .1.2. . 0 0  0 .   . . p)−matrice (bi.2 . Soit A = (ai.2 Transpos´e d’une matrice e D´finition 6.  . 2.1 a2. . 0  . a1. .n       Une matrice carr´e est dite diagonale si tous ses coefficients autres que les coefficients e diagonaux sont nuls. . . .j ) ∈ Mp. t (t A) = A. Une matrice carr´e A = (ai. .n    A= . ai. . e e e Autrement dit. n)-matrice A. D´finition 6. a2. . e • Une matrice carr´e est dite triangulaire sup´rieure (resp..j ) telle que bi. On note Mn (K) au lieu de Mn. 0 an. Ils constituent la diagonale principale de A.1 an.2 . au dessus) de la diagonale principale sont nuls.1 an. . e Une matrice triangulaire sup´rieure s’´crit : e e   a1.   A= .  .n Une matrice triangulaire inf´rieure s’´crit : e e  a1.n (K) est appel´e matrice carr´e d’ordre e e n. . .n Les coefficients ai. an. . 0 an. .j = aj.2 0 . . . . . t (AB) = t B t A et t (A + B) = t A +t B. an. . triangulaire inf´rieure) si tous e e e ses coefficients situ´s au dessous (resp.Remarques : • Si n = p.2 . an.1 a1. a2. j ≤ n.i ∀1 ≤ i.1 0 . 73 .1. . . .   0 a2. 0 .n 6.1 0 .  A= .. la (n. L’application A −→t A est une bijection de Mp. la (n. .n (K).n (K) sur Mp. Soit A ∈ Mn (K) :   a1. On appelle transpos´e de la (p. .  .  a2.n  a2.

.n (K) telle que ci. 5  j 0  5 B=  7 0  1 6 4 1  2 4  .n (K) est la (p.4. Donc dimMp.. e et on note λA.1 Op´rations sur les matrices e L’espace vectoriel Mp. q)e matrice B = (bi.j 1 ≤ i ≤ p. 74 .n (K) = np.j ) ∈ Mp..3.6.2 .n (K) par le scalaire λ ∈ K. A Ecrire.n (K). Les autres axiomes d’un K−e. e L’oppos´ de A = (ai..j ) ∈ Mn.2 Base canonique et dimension de Mp.j ) ∈ Mp.1 .1 .j = ai.5. Preuve.j ) est la matrice −A = (−ai.n (K) et B = (bi.j ) ∈ e Mp... e 6.6.7.. la matrice C = (ci.n (K) appel´e base e canonique de Mp.n (K) est la matrice dont tous les coefficients sont nuls.j ∈ Mp.q (K) telle que n ci.. la matrice ´l´mentaire Ei.j ) ∈ Mp. p)−matrice A = (ai... et on note A + B.. E2. Ep. Preuve... sont e laiss´s en exercice..j = k=1 ai. la matrice A = (ai.. A) −→ λA. appel´e ee e matrice nulle. est un K-e..2. On appelle somme des deux matrices A = (ai..n (K) D´finition 6. q)−matrice C = (ci.. On appelle produit de la (n.3 Multiplication des matrices D´finition 6.j ) ∈ Mp. ayant K comme corps des scalaires.n (K) telle que ai. L’ensemble Mp.q (K).n ) est une base de Mp.2.j ) ∈ Mp. 6. 1 ≤ j ≤ n.n (K) pour 1 ≤ i ≤ p. Proposition 6. 5  j D´finition 6. et not´e par 0.n (K) muni de l’addition (A.. 1 ≤ j ≤ n.v. B) −→ A + B et de la multie e plication externe (λ.j .j ) ∈ Mp.n (K).j + bi. 0  0 1 4  5 11 C=  9 10 √ 2 i+1   3 6  . On appelle produit de la matrice A = (ai.k bk. 1 ≤ i ≤ p.. .n (K) par la (n. n)−matrice ee dont le coefficient situ´ ` l’intersection de la ieme ligne et de la j eme colonne est ´gal ` 1 et ea e a dont tous les autres coefficients sont nuls. L’´l´ment nul de Mp. 1 ≤ j ≤ n Exemple : 1  0 A=  2 √ 2  3 5 6 i  1 2  . et on note AB.j = λai. la (p. 1 ≤ j ≤ n Exemple :   1 1 −5 0 3 1 2 6 1   2  = 3 9 4   1 3 3 −i −i 0 0 3  −5 3 0 1 3 4 3     2 3 0 0 Th´or`me 6.j ).2.j 1 ≤ i ≤ p... E1. .2 6..v. La suite (E1.

a 2. 0 8 Remarques : 1.. on a t (AB) = t B t A.j ) dont la jeme colonne :   a1..8. en ) de E et B = (f1 .n (K) (dont la jeme ) colonne est e constitu´e par les coordonn´es de xj dans la base B. fp ) de F . e e 6.j  a2. x − n) i=1 est ´gal au rang de la (p. fp ) une base de F et soit ϕ une application lin´aire de E dans e F .. .. On sait que ϕ est d´termin´e par les images des vecteurs de la base B. On appelle rang de la matrice A.9. . D´finition 6. . 1 ≤ j ≤ n. . ap.. D’autre part. .j ) ∈ Mp.j est constitu´e par les coordonn´es du vecteur ϕ(ej ) dans la base B = (f1 .j fi . Exemple : Remarque : Soit E un K−espace vectoriel de dimension p > 0. donc rgA ≤ p. Alors le rang de la suite (x1 .   .j ) ∈ Mp.2. en ) une base de E et B = (f1 .j     . p).. fp ).4 Rang d’une matrice D´finition 6. D’o` : u rgA ≤ min(n.. e e Autrement dit : ϕ(e1 ) ϕ(e2 ) .. F ) dans les bases e e B = (e1 . −2 0 1 2  −5 1 AB =  1 −8  .. ϕ(en ) 75 .j ei . on a rgA ≤ n. Soit A = (ai..n (K) et B ∈ Mn. . non nuls de dimensions respectives n et p. . n)−matrice A = (ai. (Attention ` l’ordre !) a     1 0  −2 −1   B=  0 2  1 3  6.. et on note e rg(A).3 Matrice d’une application lin´aire e Soit E et F deux K-e. Soit B = (e1 . Si A ∈ Mp.. . e e Posons : p ϕ(ej ) = i=1 ai.. On appelle matrice de l’application lin´aire ϕ ∈ L(E.n (K). le rang de la suite des vecteurs colonnes. B = (e1 .  . 1 ≤ j ≤ n. D’une part... .. ep ) une base de E et soit les n vecteurs xj = p ai.4 (R). n)−matrice A = (ai... la (p.q (K)....v.Exemple : 1 3 2 0 A =  0 −1 −3 −1  ∈ M3. les vecteurs colonnes de A sont dans Kp . La multiplication des matrices est associative et distributive par rapport ` l’addition.

F ). En effet. e e Exemples : Soit n ∈ N et soit le R−espace vectoriel En = {P ∈ R[X]/P = 0 ou degP ≤ n}. E3 ) d´finie par ϕ(P ) e niques de E3 est :  0  0 Mϕ =   0 0 3.. et si λ ∈ K. B) =  3 1 0  ∈ M3 (R). dans e les bases B et B = (g1 .1 a1. .n      f1 f2 . . . Alors la matrice de ϕ dans les bases e canoniques de E3 et de E2 est :   0 1 0 0 Mϕ =  0 0 2 0  ∈ M3. gp ). e2 . eq ) e et B = (f1 . a2. . F ) et ψ ∈ L(E.   1 0 0 M at(f.4 (R). Et pour 1 ≤ k ≤ n. . .k gi . Soit ϕ ∈ L(E3 . alors la matrice de ψoϕ dans les bases B et B est le produit AB. Si B est la matrice de l’application lin´aire ϕ ∈ L(E. .   A=  a1. on a ψ(fk ) = p ai. Soit ϕ ∈ L(E3 . e3 ) est la base canonique de R3 . et si A est la matrice de l’application lin´aire ψ ∈ L(F.. . . fp L’application ϕ : E −→ F est d´termin´e par sa matrice A dans les bases B et B . . 0 0 1 Remarques : 1. on a n = P ... . .1 ap. F ) dans les bases B et B . .j fk pour 1 ≤ j ≤ q. e e 2.. . ap. 3  0 ϕ(ej ) = k=1 bk. . dans les bases B et B . Alors la matrice de ϕ dans la base cano1 0 0 0 0 2 0 0  0 0   ∈ M4 (R).. . . Si A et B sont les matrices respectives des applications ϕ ∈ L(E. G). .1 a2.2 . i=1 76 .2 ... 3. a1. 1. Soit f ∈ L(R3 ) d´finie par : e   f (e1 ) = e1 + 3e2 f (2) = e2  f (e3 ) = e3 avec B = (e1 . F ) dans les bases B = (e1 . 0 0 0 3 2.n . ap. fn ). E2 ) d´finie par ϕ(P ) = P . La matrice d’une application lin´aire ϕ : E −→ F dans les bases B de E et B de F e d´pend ´videmment des bases choisies dans E et F . Si A est la matrice de ϕ ∈ L(E.2 . . alors la matrice de l’application lin´aire λϕ est λA. e 4..n a2. la matrice de ϕ + ψ dans les bases B et B est A + B.

. B est alors appel´e l’inverse de A et not´e A−1 .. F ) −→ Mp. en ) et B = (f1 .n (K) ϕ −→ Mϕ est un isomorphisme.j ( p i=1 ai. J est surjective : car si A = (ai.. ( t A−1 t A) = t (AA−1 ) = t In = In .. soit ϕ ∈ L(E. On a rgϕ = dimϕ(E) = dim vect(ϕ(e1 ). Donc J est surjective. 1..j )gi = p i=1 ci. e Preuve. Preuve. e Une telle matrice B si elle existe est unique. Si A ∈ Mn (K) et B ∈ Mn (K) sont inversibles. . le rang de ϕ est ´gal au rang de A. J est injective : car Mϕ = Mψ implique ϕ(ej ) = ψ(ej ) pour 1 ≤ j ≤ n et donc ϕ = ψ. Une matrice A ∈ Mn (K) est dite inversible s’il existe B ∈ Mn (K) telle e que AB = BA = In (In est la matrice unit´ d’ordre n ). F ) d´finie par e p ϕ(ej ) = i=1 ai. (t A)t (A−1 ) = t (A−1 A) = t In = In . fp ) ´tant fix´es. Alors Mϕ = A. ϕ(en )) = rgA.k gi ) = n k=1 p i=1 (bk. .. 2. en )de E et B = (f1 . Les bases B = (e1 . ϕ(en )).j fi .n (K). Donc rgϕ = rg(ϕ(e1 ). (B −1 A−1 )(AB) = B −1 (A−1 A)B = B −1 In B = B −1 B = In . pour 1 ≤ j ≤ q. F ). Soit E et F deux K−e.k )gi n k=1 ai. .j ai. 1 ≤ j ≤ n. e e e e Th´or`me 6. alors AB est inversible et on (AB)−1 = B −1 A−1 . e e a Proposition 6. A inversible =⇒ ∃ A−1 telle que AA−1 = A−1 A = In . 1.10. de dimensions respectives n et p et soit e e ϕ ∈ L(E.v.k bk.k bk. 2.j ψ(fk ) p i=1 ( = n k=1 bk. .Donc. e e Proposition 6. Donc t A est inversible et on a (t A)−1 = t (A−1 ).. D´signons par e e e Mϕ la matrice de ϕ ∈ L(E.. Preuve.j pour 1 ≤ i ≤ p et 1 ≤ j ≤ q...13.4 Matrices carr´es inversibles e D´finition 6.. A inversible =⇒ ∃ A−1 telle que AA−1 = A−1 A = In .. Donc AB est inversible et (AB)−1 = B −1 A−1 ..12..j gi avec ci... 77 . alors t A est inversible et on a (t A)−1 = t (A−1 ).. De plus.11. F ) dans les bases B et B ..j ) ∈ Mp. . . (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIn A−1 = AA−1 = In . Donc la matrice C de l’application k=1 lin´aire ψoϕ est ´gale ` AB. on a ψoϕ(ej ) = = n k=1 bk. Si A est la matrice de ϕ dans les bases B = (e1 . D’o` rgϕ = rgA u 6. J est clairement lin´aire d’apr`s la remarque pr´c´dente. Alors l’application : J : L(E.j = n ai. B inversible =⇒ ∃ B −1 telle que BB −1 = B −1 B = In . non nuls. Si A est inversible. fp ) de F .

. A est inversible. Soit y ∈ F . u (3) =⇒ (4). goϕ ∈ L(E) et Mgoϕ = BA = In . u (2) =⇒ (3) Soit h ∈ L(F.. Soit ϕ ∈ L(E. Soit B = (e1 . 6.. ϕ est un isomorphisme de E sur F . Il existe B ∈ Mn (K) telle que BA = In .15.. . en ) une autre base de E. Soit x ∈ Kerϕ. ϕ(en )) est libre et dimF = n. Soit ϕ ∈ L(Kn ) de matrice A dans la base canonique de Kn . E) de matrice C dans B et B.. Soit A ∈ Mn (K). x = goϕ(x) = g(ϕ(x)) = g(0) = 0. F ). . Soit A ∈ Mn (K). ϕoh ∈ L(F ) et Mϕoh = AC = In . Donc ϕoh = IdF . (4) =⇒ (1) et (4) =⇒ (2) sont ´videntes. u D’o` ϕ est un isomorphisme de E sur F . D’o` ϕ est injective. E et F deux K−e. .. en ) une base de E et B = (e1 . A est inversible. 1 ≤ j ≤ n. (1) =⇒ (3) Soit g ∈ L(F. non nuls de dimension n. Par suite A est inversible. de matrice A dans les bases B et B . De mˆme ϕoϕ−1 = IdF et Mϕoϕ−1 = AA = In . 78 . Les vecteurs colonnes de A constituent une base de Kn . ce qui implique que ϕ est surjective. on a y = (ϕoh)(y) = ϕ(h(y).. rg A=n. Preuve. On a ϕ−1 oϕ = In et Mϕ−1 oϕ = A A = In . Les propositions suivantes sont ´quivalentes : e 1.5 Changement de base Soit E un K−e. 2.v.j ei . 3. E) de matrice B dans les bases B et B. ϕ(en )) = dimF = n.14. B une e e base de E et B une base de F .. (3) =⇒ (1) L’image d’une base par ϕ est une base. Soit A la matrice de ϕ−1 dans les bases B et B. donc (ϕ(e1 ). v. 2.. e Corollaire 6. Donc goϕ = IdE . Les propositions suivantes sont ´quivalentes : e 1. .. non nul de dimension n.. (1) =⇒ (2)) On a : rgA = rg(ϕ) = dim vect(ϕ(e1 )...) Donc F ⊆ Imϕ. e Donc A est inversible. Donc Kerϕ = {0}. On a n ej = i=1 pi. . Il existe C ∈ Mn (K) telle que AC = In 3. (2) =⇒ (3)) La suite (ϕ(e1 ). ϕ(en )) est une base de F. D’o` ϕ est un isomorphisme de E sur F .. Donc ϕ est un isomorphisme. 4. Preuve..Th´or`me 6.

a a Preuve.. . en ) ` la base B = (e1 . xn Soit P = (pi.n . E et P la matrice de passage de B ` B . en ) et B = (e1 .17.j ) ∈ Mn (K) la matrice de passage de B ` B . E de dimension n.1 p2.1 . Pour tout x ∈ E. Par e suite P −1 est la matrice de passage de B ` B. on a : n n x= i=1 xi ei = j=1 xj ej . .v. en ). donc (x)B = P −1 (x)B . pn..2 . en ) et B = (e1 . .j )ei = i=1 xi ei D’o`. . On a ej = n pi. . a 1 ≤ j ≤ n. p1.2 .1 p2.. p2. .j xj n j=1 p2.j xj . . .5. Alors la matrice de passage de B ` B est la matrice P −1 . .       =   n j=1 pi. (x)B = P (x)B . . on xi = u    X=  x1 x2 .. .1 pn.  .1 p1. .Posons    P =  p1.. .1 Action d’un changement de base sur les coordonn´es d’un vecteur e Soient B = (e1 .2 . a 6. xn     = PX . Soit x ∈ E. .. a 79 .j ) ∈ Mn (K) dont la j eme colonne est constitu´e e e e par les coordonn´es de ej dans la base B = (e1 .n Proposition 6.  xn n x= j=1 xj ej = j=1 xj i=1 pi. .1 . .   . . . La matrice P = (pi..2 p2. Donc e rgP = n et P est inversible.  Le rang de la matrice P = (pi.. .j xj Soit sous forme matricielle :  p1. p2.. . p1. . C’est une matrice inversible... . pn. . en ). en ) deux bases d’un K−e. .j ei = ( i=1 j=1 xj pi.n p2.. . pn. ..      x1 x2 .. . . Associons ` ces deux d´compositions les matrices colonnes : a e    x1 x1  x2   x    2 X = (x)B =  .16.n . . .  et X = (x)B =  . . n j=1 pn. . . Soient B = (e1 .. .   . . . . pn.. ..n . ∀1 ≤ i ≤ n.....j ei .2 . . xn Donc (x)B = P (x)B .n     ∈ Mn (K). en ) est appel´e matrice de pase sage de la base B = (e1 .1 (K). P ´tant inversible. ..2 .. i=1 On a n n n n n     ∈ Mn. en ) deux bases d’un K−e. . p1..v.j xj     =   pn. . n j=1 p1.j ) ∈ Mn (K) est ´gal au rang de la suite (e1 . D´finition 6.

e • Les ´l´ments xj .n xn S= . d’ordre n. . A ∈ Mn (K) et B ∈ Mn (K) sont dites e e semblables s’il existe une matrice carr´e inversible P ∈ Mn (K) telle que e B = P −1 AP. .18.+ai. ap.. un ensemble d’´quations : e   a1. on a a A = Q−1 AP. .j xj  a2. Soit E et F deux K−e. xn ) ∈ Kn v´rifiant toutes les ´quations de (S). A ∈ Mp.2 Action d’un changement de base sur la matrice d’une application lin´aire e Proposition 6. ee a e Les coefficients et les seconds membres sont donn´s. .2 x2 +. D´finition 6. Soit A la matrice de ϕ dans les bases B de E et B1 de F .1 x1 ap.5.v. F ). ap. Deux matrices carr´es.2 x2 + . Donc : (y)B1 = Q−1 (y)B1 = Q−1 A(x)B = Q−1 AP (x)B = A (x)B D’o` : u A = Q−1 AP. Preuve.. a2. appartiennent ` K et sont appel´s les coefficients ee a e de (S).19.6.n (K) sont dites e ´quivalentes s’il existe deux matrices carr´es R ∈ Mp (K) et S ∈ Mn (K) telles que : e e B = RAS.6 6. n)−matrices .2 x2 + .n xn • Les ´l´ments ai.1 x1 +a1. ee a e • L’´quations i.n xn    a2.n xn =bi est appel´e ieme ´quation de (S). appartiennent ` K et sont appel´s les inconnues de (S).j .j xj    e • Le vecteur   est appel´ j eme colonne de (S).6. ... On a (y)B1 = A(x)B et (y)B1 = A (x)B . . appartiennent ` K et sont appel´s seconds membres de (S). . Deux matrices (p. • Les ´l´ments bi .j xj • Une solution de (S) est un vecteur (x1 . . Soit x ∈ E et y = ϕ(x)... non nuls. .2 x2 + . . Or (y)B1 = Q(y)B1 et (x)B = P (x)B . . e a e e  a1. 1 ≤ i ≤ p et 1 ≤ j ≤ n. 6. 1 ≤ j ≤ n. 1 ≤ i ≤ p. Soit P la matrice de passage de B ` B et a Q la matrice de passage de B1 ` B1 . . . . D´finition 6. Soit A la matrice de ϕ dans les bases B de E et B1 de F .1 Syst`mes lin´aires e e D´finitions e p ´quations ` n inconnues ` e a a = b1 = b2 . On appelle syst`me lin´aire de e e coefficients dans K. e e 80 .1 x1 +ai.1 x1 a2.n (K) et B ∈ Mp.  . +a1. . = bp Soit p et n deux entiers ≥ 1. de dimensions respectives n et p.   .    ap.20. Soit ϕ ∈ L(E.

A est appel´e la matrice du syst´me (S). e  . Donc rg(S) = rg(A) = 2. e e e (S) est dit compatible s’il admet au moins une solution. c2 ) est libre et c3 = c1 − c2 .  xn Le syst`me (S) s’´crit matriciellement : e e AX = b.  .3 Rang d’un syst`me lin´aire e e D´finition 6.n (K). si sa matrice est e carr´e et inversible. • Le syst`me (S) s’´crit en abr´g´ : e e e e n (S) j=1 ai.3 (R). (1) R´soudre (S). Remarque : Un syst`me est dit de Cramer si n = p = r. On appelle rang du syst`me (S). c’est trouver tous les vecteurs v´rifiant (1). Exemple : Soit (S) le syst`me lin´aire de 4 ´quations ` e e e a r´els : e  +2z =  2x   x +2y −z = (S)  4x −y +5z =   7x +8y −z = La matrice de (S) est  3 inconnues x.21. . e e 6. e • Deux syst`mes sont dits ´quivalents s’ils ont le mˆme ensemble de solutions. b  p x1  x2  Soit X =  .1 (K). Autrement dit. le rang r de la matrice A de (S) et on e e notre rg (S).1 (K).2 Interpr´tation matricielle d’un syst`me lin´aire : e e e Soit A = (a ) ∈ Mp.6.    e  ∈ Mn. b est appel´ le vecteur second membre de (S). Dans le cas contraire (S) est dit incompatible (ou impossible).j xj = bi . e Un syst`me de Cramer admet toujours une solution unique (X = A−1 b) car sa matrice A est e 81 .6. 6.Discuter et r´soudre (S) c’est trouver toutes les solutions de (S). z ` coefficients a 3 1 7 9  2 0 2  1 2 −1   A=  4 −1 5  ∈ M4. X est appel´ inconnue de (S). y. 1 ≤ i ≤ p.  .  ∈ Mp. 7 8 −1 On a la suite (c1 .j  b1  b2    Soit b =  . e e i.

1 ≤ q ≤ p et q ≤ n tel que : e e e pour tout q < i ≤ p. . . le rang de (S) est r=q . A= 0 e    0  .. 1 ≤ i ≤ p...j = 0. xn−1 = . . 82 .... 0    .7 M´thode de pivot de Gauss e n D´finition 6. ∗  0 a2. xq ) la solution du syst`me de Cramer triangulaire : e q n (T ) j=1 ai.. xq sont appel´s les inconnuses principales et xq+n .23.. . : Soit (S) un syst`me lin´aire ´chelonn´ : e e e e e e n (S) j=1 ai..i = 0 et ai.. ... et dans ce cas. xi = an.   . Donc (S) est ´chelonn´ si la matrice de a la forme suivante dite ´chelonn´e : e e (S) e e  a1.   .n xn = b2   . +. pour tout 1 ≤ i ≤ q. . . En effet... et seulement si bq+1 = . x1 ..j xj 1 ≤ i ≤ q.j xj = bi . ..j = 0.. s’il existe un entier q.2 x2   a2. xn sont des ´l´ments quelconques u ee de K et (x1 . .. Un syst`me lin´aire : e e e (S) j=1 ai.j xj = bi − j=q+1 ai..j . .j xj a1. . .. .. .2     . est dit ´chelonn´ ou en ´chelon...n−1 xn−1 +an−1. . xq+1 ... 0 . .    an−1.. . xn ) o` xq+1 . . . 0 Th´or`me 6.. .1 x1 +a1. On montre facilement (exercice) que rg A = n.. +a2.. e Soit un syst`me (T ) de n ´quations ` n inconnues dont la matrice est triangulaire sup`rieure e e a e avec des coefficients diagonaux tous non nuls. Avec les notations pr´c´dentes .n xn bn xn = .. e e Le syst`me est compatible si. = bq = 0. on calcule de la fa¸on suivante : e e c bi − bn−1 − an−1. 1 ≤ i ≤ p. .j xj = bi ..on a ai. 1 ≤ j ≤ n.. ..22. . ..1 ∗ .2 x2 +. .n xn = bn−1    an. .n xn = bn Le syst`me (T ) est facile r´soudre. .   .. xn sont appel´es les incone e nues non principales. .1 6.  . ∗  chaque ´toile est un coefficient quelconque...inversible. 0 aq... . . . x1 = b1 − n j=2 a1.n−1 n j=i+1 ai. +a1. .j xj ai.. Donc (T ) est un syst`me de Cramer et admet e une  solution unique.n an−1. on a ai... les solutions e de (S) sont les vecteurs (x1 . . .  . 1 ≤ j ≤ i. (T ) . Cas particulier : syst`mes de Cramer triangulaires.q ∗ .. ..n xn = b1   a1. xq .

.j xj n j=1 (ak. . e e Soit λ ∈ K. avec xq+1 ..j xj = bi − j=q+1 ai. xn ) est aussi solution de (S ). (x1 . une combinaison lin´aire des autres ´quations. a L’op´ration qui consiste ` ajouter membre ` membre ` la k eme ´quation. On appelle op´ration ´l´mentaire sur (S) chacune des op´rations suie e ee e vantes : (1) permuter deux colonnes de (S). Le sys`me (S) est ´quivalente au syst`me : e e e q n (T ) j=1 ai. . e e e e Preuve. = bk + λbh . e Donc r = rgA = q.. (2) permuter deux ´quations de (S). on a rg A ≤ q. . donc il admet une solution unique (x1 . i = k. h = k. xn sont des ´l´ments quelconques fix´s dans K.. e D’o` pour tout xq+1 . (S) ´tant un syst`me lin´aire . 1 ≤ i ≤ p.. Comme on transforme (S ) en (S) par une op´ration de mˆme type que celle qui nous fait passer de e e (S) ` (S ).j xj 1 ≤ i ≤ q.. a a e (4) multiplier les deux membre d’une ´quation par un mˆme scalaire non nul. toute op´ration ´l´mentaire sur (S) transe e e e e e ee forme (S) en un syst`me lin´aire ´quivalent et de mˆme rang. est une suite finie d’op´rations du type pr´c´dent. e Puisque les q premi`res colonnes de A forment une suite libre on a rgA ≥ q. . e Soit bq+1 = .. xq ). xq+1 . e e e Enfin il est ´vident que l’op´ration (4) transforme (S) en un syst`me lin´aire ´quivalent. + 0xn = bi = 0. p}. = bp = 0. . l’op´ration (1) transforme (S) en un syst`me e e ´quivalent.25. e e On rappelle que deux syst`mes lin´aires sont dits ´quivalents. e D´finition 6.24.Preuve. q + 1 ≤ i ≤ p tel que bi = 0 alors la ieme ´quation de (S) s’´crit : e e 0x1 + . .. xn quelconques (mais fix´s) dans K. . xn ) est solution de (S).. h et k ∈ {1. .. L’addition dans K est commutative... Puisque les p-q derni`res lignes de la matrice A sont nulles . e e e (3) ajouter membre ` membre ` une ´quation.. s’ils ont le mˆme ensemble e e e e de solutions. toute solution de (S ) est aussi solution de (S).. . e L’ordre des ´quations n’intervient pas dans l’ensemble des solutions : l’op´ration (2) transe e forme (S) en un syst`me ´quivalent. Th´or`me 6. e e e e e 83 .. S’il exsiste i.. e Exemple Faire l’exercice 3 s´rie N 7.. et soit (S )le syst`me suivant d´duit de (S) : e e (S ) n j=1 ai. ...... xq ..j + λah. impossible et le syst`me est donc incompatible. une combinaison e a a a e lin´aire des autres ´quations. Il est clair que si (x1 . (x1 .. xn ) est une u e solution du syst`me (S). ee e le syst`me (T) est de Cramer .j )xj = bi . donc elle e e e e e transforme (S) en un syst`me lin´aire ´quivalent. .

n−1 (K).8 Algorithme du pivot de Gauss : n Th´or`me 6. . . Soit A la matrice du syst`me (S). .i xj = b”i . il existe donc i0 . . . u La matrice de (S”) s’´crit : e   A” =    a”1.i xj = bi . si A = 0. .n    A= . .j0 .1 = a1. (attention : si j0 = 1. 2 ≤ i ≤ p. . . . e 1.   a1.1 .  1 ≤ i ≤ p. .1 a1.j0 = 0. .1 ap. ap.26. A”1 0 avec A”1 ∈ Mp−1.2 . 1 ≤ i0 ≤ p et 1 ≤ j0 ≤ n tel que ai0 . . On passe ` l’´tape suivante en travaillant maintenant avec A”1 . On obtient alors un syst`me ´quivalent et de mˆme rang. 1≤i≤p avec a1. e e e Preuve.1 et a”i.   . . il existe une suite finie d’op´rations ´l´mentaires e e ee qui transforment (S) en un syst`me ´chelonn´. .j xj = bi .1 = ai0 . x1 = xj0 et xj0 = x1 ) On ajoute alors membre ` membre la ieme ´quation.1 a2. les ´quations 1 et i0 et les colonnes 1 et j0 . ∗  0   .1 = 0.6. on se ram`ne ` un e e a syst`me ´quivalent et de mˆme rang : e e e n (S ) j=1 aj. le produit de la premi`re a e e e e e ´quation par − a i. o` a”1.  .2 .2 . j0 . ap. 4 z 1 3 L’´criture matricielle du syst`me e e  1  3 2 84 .1 a n (S”) j=1 a”j.n A = 0.n  a2. a1. a2. a e Exemple :  = −1  x−y 3x + 3z = 3  2x + y + 3z = 4 est :     −1 x −1 0 0 3  y  =  3 . : Soit (S) un syst`me lin´aire de p ´quations ` n inconnues e e e e e a (S) j=1 ai. 1 ≤ i ≤ p. En permutant au besoin. pour 2 ≤ i ≤ p. .1 ∗ . .

2 − z. e D’apr`s le th´or`me noyau-image : e e e rg(A) = n − dimKer(A) (o` n d´signe bien le nombre de colonnes de A. c’est-`-dire la dimension de l’espace de u e a d´part de l’application lin´aire assouci´e). z. Comment d´terminer le rang d’une matrice A. y.On utilise la m´thode de pivot de Gauss en n’oubliant e    1 −1 0 −1 1  3 0 3 | 3  =⇒  0 2 1 3 4 0  1 −1 0 −1  0 3 3 | 6 0 0 0 0 pas de traˆ b. a e u au moins une solution. On cherche les Y ∈ Rp pour lesquels l’´quation f (X) = Y . t) ∈ R4 . et d’en d´duire e le rang. Syst`me qui a ´t´ consid´r´ en exercice 13. e ee e e C. e e e e Ker(f ) = {X ∈ Rn /f (X) = 0. Quelques applications de la m´thode du pivot de Gauss : e e A. c’est-`-dire d’expliciter suffisamment les e a vecteurs X solutions de AX = 0 pour trouver la dimension de cet espace. R3 ) dont la matrice dans les base canoniques de R4 et R3 est   1 1 −3 4 A =  1 2 −5 2  . z) = (1 − z.} Exemple : Soit f ∈ L(R4 . AX = 0 s’´crit : e   x + y − 3z + 4t = 0 x + 2y − 5z + 2t = 0 (S)  −x + y − z − 8t 0. o` l’inconnue est X. o` l’inconnue est X. ıter  −1 0 −1 3 3 | 6  3 3 6   Le rang de (S) est ´gal ` r = 2. est e u compatible. Si A est la matrice de f dans les bases canoniques de Rn et Rp . Soit f ∈ L(Rn . Noyau de f . e e e Donc il suffit de d´terminer le noyau de A. Rp ). La r´solution du syst`me lin´aire homog`me f (X) = 0 fournit Ker(f ). z)/z ∈ R} R´capitulatif. Image de f . y. S = {(x. on cherche les Y ∈ Rp pour lesquels le syst`me AX = Y . 85 . e a On prend x et y comme inconnues principales et z comme inconnue non principale. −1 1 −1 −8 Si X = (x. B.

..... B3 ∈ Mp....p (K)..... e Produit des matrices par blocs : Soient A ∈ Mm+q.r (K).. G´n´ralisation : Soient A = (AIK ) et B = (BKJ ) deux matrices d´compos´es par blocs telles e e e e que la d´compositions correspond ` l’indice K soit la mˆme pour A et B.le nombre de colonnes de blocs de A soit ´gal au nombre de lignes de blocs de B e (ici 2 et 2).......s (K)..... 86 ....s (K)......... K Ceci est une g´n´ralisation de la multiplication habituelle des matrices...le nombre de lignes et de colonnes de chaque bloc soient en ad´quation pour tous les e sous-produits......Compl´ments Sur les matrices par blocs... u B= B1 B2 B3 B4 o` B1 ∈ Mn.... ` condition que : e e a ...r (K) et B4 ∈ Mp.... ........... e e ... A2 ∈ Mm...n (K).r+s (K) On peut proc´der de mˆme quel que soit le nombre de blocs..... Alors AB = C se e a e d´compose par blocs et on a e CIJ = AIK BKJ .. A3 ∈ Mq.n (K) et A4 ∈ Mq...n+p (K) et B ∈ Mn+p.p (K)....r+s (K) deux matrices que l’on ”d´compose ” de la e mani`re suivante : e A1 A2 A= A3 A4 o` A1 ∈ Mm. B2 ∈ Mn... Alors on peut calculer le u produit AB de la mani`re suivante : e AB = A1 B1 + A2 B3 A3 B1 + A4 B3 A1 B2 + A2 B4 A3 B2 + A4 B4 ∈ Mm+q...........

e b) D´velopper (A + B + c)2 . Un fabricant de composantes ´lectriques vend deux produits diff´rents ` trois e e a clients. m ∈ N. D´duire (A1 + I)n = (nA1 + I). c ∈ Q. t At B et B 3 . c.9 Exercices : Les matrices Exercice 1. e e e 87 . e ee Exercice 4. Les deux produits sont fabriqu´s dans deux usines diff´rentes. sont indiqu´s dans le sch´ma suivant : e e 1) Pr´sentez les informations contenues dans le sch´ma sous forme d’une matrices A de e e format 2 × 3. Exercice 3. D´velopper (A + I)n . 2) Dans M4 (C) consid´rons les matrices : e     α 1 0 1 α 0 0 0  0 α 0 2   1 α 0 0     A=  0 0 β 3  et B =  0 0 β 1  0 0 0 1 0 0 0 β Calculer A2 . pour A1 = 0 1 0 0 1 1 0 1 puis pour A2 = . 1) Calculer les produits AB et BA quand il existent dans le cas suivant : A = (3 5 − 1 − 2) et B = t (−1 0 1 2).) i=0 Exercice 5.6. pour chaque client. AB. a) D´velopper (A + B)3 . o` aij repr´sente le coˆt de transport pour exp´dier le produit i au client j. b) Calculer om et I m . u 1) Montrer que toute matrice E s’´crit de mani`re unique sous la forme aI + bJ + cK o` I e e u d´signe la matrice unit´ de M3 (Q) et J. c) =  b a + c b + c  c b a+c o` a. On d´signe par E l’ensemble des matrices de la forme e   a c b M (a. b. e d) D’une mani`re g´n´rale. (A + B)2 = A2 + AB + BA + B 2 . K deux matrices de M3 (Q) ind´pendantes de a. e c) D´velopper (A + I)3 . b. t (AB). e e e e e i ( Indication : Si AB = BA on a pour tout k ∈ N∗ : (A + B)k = k Ck Ak−i B i . Les coˆts de transport e e u de chaque produit. u e u e 2) Quelle information la deuxi`me ligne de la matrice contient-elle ? e 3) Quelle information la troisi`me colonne de la matrice contient-elle ? e 4) Quelle information a12 donne-elle ? Exercice 2. c) V´rifier les propri´t´s (λA)m = λm Am . a) Calculer Am . b. ABA.

d) Soit M un ´l´ment non nul idempotent (M 2 = M ) de M(K). Soient B et B deux bases dans E. e Soient f1 = (1. Q(M ) = 0 ⇒ PM (X) divise Q(X). f2 . e Quelle est sa dimension ? 3) Calculer J 2 . de dimension finie. D´terminer PM . f3 ) est une base de Im(f ). e D´terminer la matrice de passage P de la base B ` la base B. D´duire que (f2 . 88 . Exercice 6. A k = P −1 Ak P . 1).  + I. h(A) et h(B) sont semblables. 0 2 4 Trouver le rang des matrices suivantes A et t A. −1. e D´terminer Im(f ) et sa dimension. e Montrer que B = (f1 . Soit E un K−espaces vectoriel.3 (Q). non nul. Ap et B p sont semblables. e 2) En d´duire que si h est un polynˆme de K[X]. e2 . 1) Montrer que A = P 2) Pour tout k ∈ N. PM (X) est le polynˆme minimal de M . On consid`re l’endomorphisme de R3 d´fini e e par :  1  f (e1 ) = − 2 e1 + 1 e2 + 1 e3 2 2 f (e2 ) = −e1 + e3  1 f (e3 ) = − 2 e1 − 1 e2 + 1 e3 2 2 1) 2) 3) 4) a) b) c) 5) 6) D´terminer la matrice de f dans la base B. e a Exercice 7. Exercice1 8. non nulles. Quel est le rang de cette matrice ? e D´terminer ker(f ) et sa dimension. 1) et f3 = (1. 1. J. Calculer f (f2 ) et f (f3 ).2) En d´duire que E est un sous-espace vectoriel sur Q. Soit A la matrice de ϕ dans la base B de E et A la matrice de ϕ dans la base B de E. f2 = (−1. D´terminer la matrice de f dans la base B . a −1 AP. c) D´montrer qu’un ´l´ment non nul M de Mn (K) est inversible si le terme constant de PM e ee est non nul. e3 ) la base canonique de R3 .K. Montrer que R3 = ker(f ) ⊕ Im(f ). et soit ϕ ∈ L(E). J  2 −3 −4  3 1 5   4) Soit A =   −1 0 −1  ∈ M4. ee e Exercice 9. f3 ) est une base de R3 . 1) D´montrer que pour tout p de N. e Soient A et B deux matrices semblables de Mn (K) . Soit B = (e1 . 1. −1). Soit P la matrice de passage de B ` B . K 2 . J 3 . e o 3) a) D´montrer que pour tout M non nul de Mn (K) il existe un polynˆme unitaire unique e o ∗ tel que : PM de (K[X]) i) PM (M ) = 0 ii) ∀Q ∈ K[X]. (Polynˆme minimal d’un endomorphisme) o Deux matrices carr´es d’ordre n. A ∈ Mn (K) et B ∈ Mn (K) sont semblables s’il existe une e matrice carr´e inversible P ∈ Mn (K) telle que B = P −1 AP. o b) Etablir que PA = PB .

) et 10.) D´terminer pour f og. Discuter et r´soudre e de Gauss :   x +2y   2x +3y (S1 )  3x +4y   4x +y les syst`mes lin´aires suivants.) (e1 . . surjective. e e e 4.) Ecrire la matrice A de l’application lin´aire f dans les bases B1 et B2 (sans utiliser P e et Q). U2 = f (e2 ). e a 5.) D´terminer le rang de g et les dimensions de Im g et Ker g.) D´duire des questions 2. le rang. les syst`mes : e    x + 1 = −y − z 0= x+y+z+t    y−1= 2z − x z+t= z−2 2= x−y . e e 9. e e e Exercice1 12.   x +3y +5z −2t −7u = 3   3x +y +z −2t −u = 1 . 1. bijective ? 3. Montrer que B2 = (U1 . bijective ? Mˆme question pour gof . e e 2. Ecrire sous forme canonique. puis pour gof . En utilisant l’algorithme d’´limination e e e +3z +4t = 11 +4z +t = 12 +z +2t = 13 +2z +3t = 14. montrer que B1 = (e1 .) Montrer que f est lin´aire et ´crire sa matrice A dans les bases canoniques. puis sous forme matricielle. A l’aide des transformatons ´l´mentaires sur les lignes. Im(f og) = Imf . la dimension de l’image et la dimension e du noyau.) les identit´s : Ker(gof ) = Kerf . A . L’application g est-elle e injective.) D´terminer le rang de f et les dimensions de Im f et Ker f . Im(gof ) = Img. On note d´sormais g : R2 → R3 l’application e e lin´aire d´finie par g(X) = t AX. Exercice 11. a ´ 6. 89 . e 11. L’application f og est-elle injective. e2 .) Ecrire la matrice transpos´e t A de A. P et Q. Ker(f og) = e e Kerg. surjective. 9. e2 .On consid`re l’application f de R3 dans R2 d´finie par : e e   x 2x − y − z  y = f −x + 2y − z z . bijective ? 10. d´terminer une matrice ee e triangulaire A ´quivalente ` : e a   1 1 1 A =  1 2 3 . 1 3 4 2) R´soudre le syst`me lin´aire (S) AX = 0.). z= 2 − x + 3y  −1  x−y =  4= t−z  −y + 3 = z + 2x. Exercice 10. surjective. L’application f est-elle ine jective. e3 ) d´signant la base canonique de R3 . 7. U2 ) est une base de R2 et ´crire e la matrice de passage P de la base canonique ` B2 .) D´terminer un vecteur V qui engendre Ker f et dont la premi`re coordonn´e vaut 1. (S2 )  2x −y −3z +7t +5u = 2   4x −2y −5z +7t +8u = λ.) V´rifier en utilisant la formule du changement de base reliant A. V ) est une base e de R3 et ´crire la matrice de passage Q de la base canonique ` B1 . e 8.) On note U1 = f (e1 ).

t) ∈ R4 solutions du syst`me (S) e e ` 3 ´quations : a e   x + y − 3z + 4t = 0 x + 2y − 5z + 2t = 0 (S)  −x + y − z − 8t 0. 3) Donner une base de ker(f ) et en d´duire toutes les solutions.. z. La premi`re livre deux tonnes ` chaque voyage. On consid`re le syst`me lin´aire (S) ` coefficients complexes : e e e a   2x + 2y − z − t = −1 x + y − 2z − 2t = −4 (S)  x + y + 4z + 4t = 10. e Combien chaque camion a t-il fait de voyage ? B. b. e a Une fois livr´e la quantit´ command´e.(Exemples d’applications des syst`mes lin´aires ) e e A. Exercice 14. C3 ) l’application lin´aire associ´e ` (S). 1) Quelle est la dimension de F ? 2) Trouver une base de F. il perd 1h.o` λ est un param`tre r´el. b et c sont des nombres r´els donn´s. a 90 . Quelle est la longueur du trajet ? Exercice 16. c) et r´soudre ce syst`me. un des chauffeurs dit ` l’autre : ” on a fait ` e e e a a nous deux trente voyages et on a livr´ autant chacun”. Deux camionnettes livrent du sable sur un chantier de travaux publics. Soit f ∈ L(C4 . e Exercice 15. On consid`re le syst`me lin´aire ` coefficients r´els : e e e a e  x +y +z =0  (b + c)x +(a + c)y +(a + b)z = 0  bcx +acy +abz =0 o` a. l’autre livre trois tonnes. Discuter (suivant les valeurs des param`tres u e e e a. e e 1 Les exercices 8 et 12 constituent le sujet d’un devoir libre ` rendre au plus tard le 04 avril . e 2) Montrer que (S) est compatible et en donner une solution. il gagne 40 min. Soit le sous-espace vectoriel F de R4 constitu´ des (x. S’il diminue sa vitesse de 10Km/h.. Si un train augmente sa vitesse de 10Km/h sur un trajet. y. e e a 1) D´terminer rg(f ) et une base de Im(f ). u e e Exercice 13.

e L’ensemble Sn muni de la loi interne (σ.1..1. Une permutation de J est une e application bijective de J sur lui-mˆme... K = R ou Q ou C... S2 = {IJ . n .1 Le groupe sym´trique Sn e D´finition 7. 4. On note l’ensemble des permutations de J par Sn et e un ´l´ment σ de Sn par : ee 1 2 . ... σ(n) Le nonmbre de permutation de J est n! Exemple 7. n}.j (j) = i et τi. Pour n ≥ 2.. τi. n 3 2 4 1 .. a Remarque 7. Si n = 2.j (i) = j. σ est la permutation de J = {1. S1 est r´duit ` l’application identique de J = {1}.. on appelle transposition de J = {1.1. Soit n un entier ≥ 1 et soit J = {1. τ3. 2 fait correspondre 2. La compos´e de deux permutations de J est une permutation de J. 4} qui ` 1 fait correspondre 4.. n σ= σ(1) σ(2) . Si n = 1 . 1. c’est e ee ee ` dire une permutation not´e τi.. Le groupe S2 est 1 2 2 1 commutatif. n} une permutation e de J qui ´change deux ´l´ments i et j de J et qui laisse fixe les autres ´l´ments de J.. Exemple 7. 2. σ = 1 2 3 4 . on consid`re e σ= 1 2 3 4 . appel´ groupe e sym´trique d’ordre n. . n On a (σoσ (1) = 3) et (σ oσ(1) = 2) . D´finition 7. 7.. 2.Chapitre 7 ´ DETERMINANTS Comme d’habitude. . donc σoσ = σ oσ. σ= 1 2 3 4 4 2 1 3 ∈ S4 . τ } avec IJ = et τ = . Si n ≥ 3.2.. n 1 3 2 4 .j (k) = k si k = i et a e k = j.2. 3 a fait correspondre 1 et ` 4 fait correspondre 3. 3. e a 1 2 1 2 3. et le groupe Sn n’est pas commutatif.j telle que τi... 2. σ ) −→ σoσ est un groupe..4 = 1 2 3 4 5 6 1 2 4 3 5 6 91 ∈ S6 . e 2.

k−h σ (j)−σ (i) En appliquant le resultat pr´c´dent ` σ = σ −1 . On a Nσ j − i + (j − i − 1) = 2(j − i) − 1 = et ε(σ) = −1.3 .est ´gal au nombre d’ine e versions dans la suite (σ(1). 4 et 2. j − 1 i j + 1 . j − 1 j j + 1 .. on a ε(σoσ ) = ε(σ)ε(σ ) e e et ε(σ −1 ) = ε(σ) Preuve. Si i < j et σ(i) > σ(j). on a σ(i) = σ(j) et donc σ(i) < σ(j) ou σ(i) > σ(j). . e e ee e a Preuve. . . Exemple 7. . et on note ε(σ). σ = τi. o` p est le nombre e u d´l´ments de J laiss´s fixes par σ.j = τj. On a τi.i et τi.7. ee e Si q = n − p = 0 . e e D´finition 7. −1}.4. Soit n ≥ 1.j oτi. Toute transposition est une permutation impaire Preuve. et impaire si ε(σ) = −1 Remarque 7.. . Si 1 ≤ i < j ≤ n.4. . 1≤i<j≤n σoσ (j)−σoσ (i) = 1≤h<k≤n σ(k)−σ(h) et donc ε(σoσ ) = ε(σ)ε(σ )...Remarque 7. 5 1 4 3 2 Les inverssion de σ sont : 5 et 1. Soit τi.j avec i < j. on appelle e e signature de la permutation σ ∈ Sn . Soit n ≥ 2. Par e e suite le nombre p de points de J laiss´s fixes par σ v´rifie p > p et donc n − p < n − p = q. on dit que σ(i) et σ(j) pr´sentent une inversion. n ∈ Sn . Quelle que soient σ ∈ Sn et σ ∈ Sn . . σ = τ1. Si Nσ d´signe le nombre d’inversions de la suite (σ(1). On a aussi ε(σ) = 1≤i<j≤n σ(j) − σ(i) j−i En effet..j oσ est aussi e e e un produit de transpositions. n}. . n 1 .3. le nombre ε(σ) = (−1)Nσ ∈ {1. i − 1 i i + 1 . On a : e ε(σoσ ) = 1≤i<j≤n σoσ (j) − σoσ (i) = j−i 1≤i<j≤n σoσ (j) − σoσ (i) σ (j) − σ (i) 1≤i<j≤n σ (j) − σ (i) j−i Or. e e D’apr`s l’hypoth`se de r´currence.j oσ.2 . σ est un produit de transpositions et σ = τi. D’autre part. Le cas n = 1 est ´vident.j = 1 .ε(σ) et e e a donc ε(σ −1 ) = ε(σ) 92 .2 oτ2. σ est dite paire si ε(σ) = 1.6.3.. Proposition 7.j = IJ .. alors σ = IJ = τ1. σ(n)). D´finition 7. Pour n ≥ 2. Th´or`me 7. σ est impaire. 4 et 3. . Soit σ ∈ Sn On raisonne par r´currence sur l’entier q = n − p.5. σ(n)). Soit σ = τi. 3 et 2.2.. 1 2 3 σ= ∈ S3 . les points de J laiss´s fixes par σ sont aussi laiss´s fixes par σ et en outre. Il existe i ∈ J tel que σ(i) = j = i et on a σ(j) = σ(i) = j. Exemple 7. Th´or`me 7. 2 3 1 Soit n ≥ 2 et σ ∈ Sn . 5 et 3.. . puisque ε(σ) est une permutation de {1.. on a 1 = ε(Id) = ε(σoσ ) = ε(σ −1 ). Supposons la propri´t´ vraie pour n − p < q et soit σ ∈ Sn laissant fixes p = n − q ´l´ments ee ee de J (p < n). σ laisse i fixe (σ (i) = i).. 1 2 3 4 5 σ= ∈ S5 . .2 oτ1. Donc Nσ = 7 et ε(σ) = −1. 5 et 2. i − 1 j i + 1 . chaque expression j−i du d´nominateur e se trouve au signe pr´s au num´rateur une fois exactement et le d´nominateur ayant autant e e e de facteurs que le num´rateur. le nombre de signe . tout ´l´ment de Sn est ´gal ` un produit de transpositions. 5 et 4 .3. ..

. on retrouve la notion de forme lin´aire. xi + xj . . .j . . . xn ). 1. . . . . . . . y2 ) ∈ e E. . x2 ) ∈ E et y = (y1 . . Preuve. . xn ) une suite de e e e e n vecteurs de E. . . xj . . . f (x1 . . . . alors f est antisym´trique . . Soit E = C([0. . . .j . . i = j. . . xj . xj−1 . xτ (n) = −f (x1 . . × E (n fois). . . g) −→ R 1 0 f (x)g(x)dx φ est une forme bilin´aire sur E. . . y) = x1 y2 − x2 y1 .8. x. . 1]. . .. . . . xj . . . e e e c’est ` dire que pour toute suite (x1 . suite (x1 . x ) ∈ E et b. Si n = 1. . . xτ (n) ) = −f (x1 . . xi . f (x. . une forme n−lin´aire sur E est dite altern´e. si pour toute e e e n ayant deux vecteurs ´gaux x et x avec i = j. . . Soit (x1 . . On pose E n = E × .2 Formes miltilin´aires altern´es e e Soit E un K-e. . . . . . . . La preuve r´sulte du Th´or`me 1 et de la proposition pr´c´dente. f est une forme bilin´aire sur E. . . D’o` u f (xτ (1) . xj . . . a. . . y) = p xi yi . xn ).6. e En d´veloppant par n−lin´arit´ on a : e e e f (x1 . xn ) + f (x1 .11. xn ) = 0. l’application fj : E −→ K d´finie par e f (x1 . . Soit f une forme n−lin´aire altern´e sur E. x ) = 0. xi . e i=1 D´finition 7. xj . . pour chaque j. . . xj−1 . xi + xj . xn ) = 0 car f est altern´e. xn ) est li´e. e Remarque 7. . R) et soit l’application φ : E × E −→ (f. . xi . . . σ ∈ Sn est paire si et seulement si σ est ´gale au produit d’un e nombre pair de transpositions. .5. Si n = 2 on a la notion de forme bilin´aire. .4. .12. e p (p ∈ N∗ ) et f : E 2 −→ R d´finie par si x = (x . xj+1 . . . . etc. Soit f une forme n−lin´aire altern´e sur E. . Si n = 3 on a la notion de forme trilin´aire. xi . . alors f (x1 . . . . e 93 . . . . . Pour n ≥ 2. xn ). . . . . . e e e e e 7. f (x. . . . . . D´finition 7. . . e e Proposition 7. et pour toute suite (x1 . . . . xi . . . xn ) de n − 1 vecteurs de E. . xn )+ f (x1 . . Th´or`me 7. . xn ) = 0 En utilisant encore le fait que f est altern´e. On a f (x1 . . . xn ) ∈ E e i j 1 n Exemple 7. . xn ) soit lin´aire. Preuve. . .9. . . . xτ (i) . e Exemple 7. xi . .Corollaire 7. xi . . . . 1 ≤ j ≤ n. xn ) = −f (x1 . xj . . . . On appelle forme n−lin´aire (ou forme multilin´aire ` n variables) sur E. xj+1 . . on obtient : e f (x1 . . . . . Autrement dit. . . . avec τ = τi. . Si la suite (x1 .v.10. .. . . xn ) ∈ E n . . . e 2. . . . . . e 3. Soit E = R e 1 p y = (y1 . . on a f (xτ (1) . xi . . . si τ = τi. . e e e a une application f : E n −→ K telle que. . . xτ (j) . . . . . . . . . yp ) ∈ E. Soit E = R2 et f : E 2 −→ R d´finie par si x = (x1 . et n ∈ N∗ . . . . f est une forme bilin´aire altern´e sur E. . . xn ) + f (x1 . . on a f (x . . . . . . . . Pour n ≥ 2. . . xn ) est chang´ en son oppos´ a e e quand on intervertit deux vecteurs xi et xj . . .

. Pour tout (x1 . . Si B = (e1 ... .15.. .5.. . .Preuve. ... 1 ≤ j ≤ n. . 2.....) on a ∀(x1 . detB (B)detB (B ) = 1 Preuve... . . 7. . 1. xj . .. en ). Le e e e scalaire d´tB (x1 . .. ... . . en ) une base e de E. . . .aσ(n)... Si n = 1 B = (e1 ) ∀λ ∈ K d´tB (λe1 ) = λ.. .n f (e1 . . . Preuve. . e e De mˆme detB est une forme n-lin´aire altern´e sur E et detB (B ) = α. xn ) = detB (B )detB (x1 . . . . xn ) une suite e e de n vecteurs de E. e Th´or`me 7... . e e e 1 ≤ j ≤ n. . xn ) si l’on ajoute ` l’un des a vecteurs xi une combinaison lin´aire des autres vecteurs de la suite. . . ...en ) = 1 est appel´e le e e e d´terminant dans la base B et not´ d´tB . en ) deux bases de E. Soit f une forme n−lin´aire altern´e. xn ) une suite de n vecteurs de E.. . .. . . e e 2. Admis. . aσ(n)..1 . g(x1 . xn ) = σ∈Sn ε(σ)aσ(1). . . .. . . .. g est une forme n-lin´aire altern´e sur E et de plus g(B ) = α.1 .. Soit (e1 . telle que e e f (e1 . . en ) = λ.. xn ) dans la base B. . et une seule. xn ) = σ∈Sn ε(σ)aσ(1).. . en )=d´tB (B) = 1. xn ) = f (x1 ... .xn ). i=1 detB (x1 . L’un au moins des vecteurs xi est combinaison e lin´aire des autres vecteurs de la suite : xi = j=i λj xj .. .. . Soit (x1 . . .3 D´terminant d’une suite de vecteurs dans une base e D´finition 7. ..16. . 2... .. detB (x1 . Soit (x1 . l’unique forme n−lin´aire altern´e f sur E telle que f (e1 . 1. xn ) ∈ E n .. e e Remarque 7. j=i λj xj . e Proposition 7.. Alors i=1 f (x1 . . .. xn ) une suite de n−vecteurs de E. Soit (x1 .13.14 : g = detB .. xn ) = e αdetB (x1 . . il existe une forme n−lin´aire altern´e sur E. . xn ) ∈ E n e detB = detB (B )detB (x1 . Soit f une forme n−lin´aire altern´e sur E. Alors : 1.j ei . . en ). .. .. xn ) une suite li´e. . . . .. D’apr`s le e e e e th´or`me 7. xn ) ∈ E n . . de dimension finie n ≥ 1. . en ) et B = (e1 .. xn ) = j=i λj f (x1 . xj . Soit α = detB (B ) et soit g : E n −→ K d´finie par : si (x1 .j ei . xn ) est appel´ le d´terminant de la suite (x1 .. en ) une base de E. 94 .n car d´tB (e1 .. xn ) pour (x1 . On ne change pas la valeur de f (x1 . .v. Soit (x1 .v. . . . . D’apr`s 1. on a 1 = detB (B) = detB (B )detB (B).14. sur un K−e. .. alors : e f (x1 . .. . E de dimension finie e e e e n..... . Pour tout λ ∈ K. xn ) = B = (e1 . . Si xj = n ai.. xn ). xn ) = 0 Corollaire 7. xj = n ai. Soit B = (e1 . .. Soit E un K−e.

Le d´terminant de A = ai. a1.  a13 a23  et S3 = {id. .. . e Corollaire 7. 1.n ou encore |ai.j ) ∈ M(K) une matrice triangulaire e sup´rieure (resp.3 .1 . a2.8.n a2. a2. an. inf´rieure) e e n det(A) = a11 . Cn ) de ses vecteurs colonnes dans la base canonique de Kn . Voir s´rie d’exercice N o . . le e e determinant de la suite (C1 . en ) = 1..j ∈ M(K).17... on a det(λA) = λn detA Th´or`me 7.2 .2 . . Soit A = ai. On appelle d´terminant de A et on note det(A). . . Exemple 7. τ2 } avec a33 et σ2 = 1 2 3 3 1 2 ε(σ1 ) = ε(σ2 ) = 1. ε(σ)aσ(1)..  a11 a12 a21 a22 3.18. Le d´terminant d’une matrice carr´e est ´gal au d´terminant de sa matrice e e e e e e transpos´e. an... τ2. On ne modifie pas la valeur de ∆ en ajoutant ` une colonne une combinaison lin´aire a e des autres colonnes.2 2. donc detIn = det(e1 .2 }.1 a2. . Th´or`me 7.n .. 4.3 .. .1 . . (B base canonique de Kn ) e e 2.18 d´coule du fait que le d´terminant est une forme multil´aire e e e e e altern´e. .2 − a1. On a les r´sultats suivants : e e e 1..19. Le th´or`me 7. a1.j ∈ M(K) et λ ∈ K . Cσ(n) ) = ε(σ)∆.. on pose C1 . . Cn les colonnes de A. τ1.4 D´terminant d’une matrice carr´e e e D´finition 7. e 95 .5 Propri´t´s et calcul des d´terminants e e e Soit A = (ai . .20. . an.aσ(n)..j |. 4. Cn ) d´pend lin´airement de chaque Ci . τ1 . Si n = 2 donc A est de la forme A = et S2 = {id.n . ses vecteurs colonnes sont les vece teurs de la base canonique de Kn .2 . A = a31 a32 σ1 = 1 2 3 2 3 1 det(A) = a11 a22 a33 + a21 a32 a13 + a31 a12 a23 − a21 a12 a33 − a31 a22 a13 a11 a32 a23 .1 .j | = detA. Si n = 3. alors ∆ = 0. Si Ci = Cj avec i = j.. j) ∈ M(K) et ∆ = |ai. ∆ = detB (C1 .2 a2.1 a1. .7... . . Soit I la matrice unit´ d’ordre n. . .. 3.1 a2. τ1. . .j ∈ M(K) est aussi not´ : e e a1.2 . detB (Cσ(1) . Si σ ∈ Sn . Preuve.. e 7.1 On a donc detA = σ∈Sn a1. Soit A = ai..2 det(A) = a1. τ1. D´terminant d’une matrice triangulaire : soit A = (ai.7.. .ann = i=1 aii .1 a2.

1 .. 1 ≤ i ≤ n.21...j ) ∈ M(K)n ≥ 2 et le d´terminant ∆ = detA = |ai.aσ−1 (n)..bσ (n−1).bσ(n). on a bσ(n)..j de la matrice Ai. C2 . ..1 .. 1 ≤ i ≤ n... j) ∈ M(K).. donc e detAt = ρ∈Sn ε(ρ)aρ(1). σ∈Sn Si σ(n) = n. Soit A = (ai . vn−1 .. On a At = (bi. n−1 vecteurs de Kn avec vj = n bi.. ... Quel que soit l’indice j.1 .  Deuxi`me ´tape : Soit C1 .bn..n sont les coordonn´es du vecteur e en de la base B)..j ) avec bi.. 1 ≤ j ≤ n−1.Preuve. . On ape e pelle mineur du coefficient ai.. a e Preuve.n ..n = 1 et bi.n = 0. en ) la base canonique de Kn .σ−1 (n) = σ∈Sn ε(σ −1 )aσ−1 (1).. (b1.n−1 ... Soit ∆ = |ai. 96 σ∈Sn−1  .j le d´terminant ∆i.22. et detAt = σ∈Sn ε(σ)bσ(1). on a ∆ = n (−1)i+j ∆i. Cn les vecteurs colonnes de la matrice A : ck =  . e e e e D´finition 7.18 s’´tendent aux lignes de la matrice A.6. Premi`re ´tape : Soit v1 .n . a e e 2..σ−1 (1) . 1 ≤ i ≤ n.. e dans A.j |..n = ε(σ )bσ (1).n = ε(σ −1 )b1. L’application ϕ : Sn −→ sn d´finie par ϕ(σ) == σ −1 est une bijection.  a1..k pour 1 ≤ k ≤ n. Or ε(σ)bσ(1). e e e Soit B = (e1 ..  e e . Si σ(n) = n.1 . en ) = ε(σ )bσ (1). bn. 1 ≤ j ≤ n..bσ(n).. D’apr`s le th´or`me 7.. Remarque 7...j .20 il suffit de prouver le premier point.j obtenue en supprimant.j ai.n-1} d’un seul σ ∈ Sn .j ei .aρ(n).. en ) = ε(σ)bσ(1). 1 ≤ j ≤ n. n − 1} est un ´l´ment a ee σ de Sn−1 et on a : ε(σ)bσ(1). .j | un d´terminant d’ordre n ≥ n. Quel que soit l’indice i.j = aj. an. on a ∆ = n (−1)i+j ∆i.1 .i . On a donc detB (v1 .1 . . vn−1 .k  .j (c’est le d´veloppement i=1 de ∆ par rapport ` la j`me colonne). Soit A = (ai.1 .bσ(n). .. Les r´sultats du th´or`me 7..bn. On a detB (v1 ..n−1 . la i`me ligne et la j`me colonne.. v2 . tel que a σ(n) = n. ` coefficients dans K.σ−1 (1) .j (c’est le d´veloppement j=1 de ∆ par rapport ` la i`me ligne). et e e e a ∆i...σ−1 (n) (car ε(σ) = ε(σ ) et si i = σ(j) on a j = σ −1 (i)..n . la restriction de σ ` {1. vn−1 ... 1 ≤ j ≤ n.. e e i=1 Posons bn.bσ(n).n = 0 pour 1 ≤ i ≤ n − 1.j le mineur de ai. .. et d’un seul.n = detA. e 1.n .. e e Th´or`me 7. Enfin. tout σ ∈ Sn−1 est la restriction ` {1.bσ (n−1).j ai.) Ainsi : detAt = σ∈Sn ε(σ −1 )b1..1 .

ei ). D’o` finalement : u detA = i=1 n (−1)i+j ai. alors. ei .... .v.1 Applications des d´terminants e Ind´pendance lin´aire de n vecteurs dans un e.j . . . Cn . . d’autre part.e.k  . k = j. Donc detB (B ) = e detB (x1 . on obtient : e e e detB (C1 . on a (d’apr`s section I) detB (x1 . Cj−1 . .... Supposons que (x1 .    an.. Donc : detB (C1 . . . . Cj+1 . Cn ) = (−1)n−j+n−i detB (C1 .On a : n n det(A) = det(C1 . .. .S. . . .v.k  ai. .. .23. .k    Ck =  ai−1. Cj+1 . . . . de dimension n e e Th´or`me 7. . Pour que la suite (x1 .16 detB (B). o` u  a1. . il faut et il suffit que detB (x1 .k   . . e detB (C1 .. .j detB (C1 .. .. Cj+1 .. . ... ... . Corollaire 7.    ai−1. Preuve. .. . . xn ) ∈ E n soit libre.. .. ei . . .. Cj−1 . Cj−1 . 7. Si A ∈ Mn (K). puisque detB est une forme multie lin´aire al´rn´e. Cn ) = (−1)i+j ∆i. . . donc c’est une base de E qu’on note B ..     . . Cj−1 . Cn ) = (−1)n − jdetB (C1 .6. . ..... xn ) est libre dans E et contient n vecteurs. . 97 . e e e e C. Cj−1 . Cj+1 .24. e2 .. ei . Cn ). de dimension finie n ≥ 1 et B = (e1 . Or on a par ´change de colonnes. . ei . Cn ..N..j ei . . . . xn ) = 0. en ) une base e e de E..   . on a (−1)n−j+n−i = (−1)i+j . en appliquant l’´tape 1) ` la suite e a (v1 . .   .j . .detB (B ) = 1. par ´change de la i`me ligne et de la n`me. .. ei ) = (−1)n−i detB (C1 . C. ..k  1 ≤ k ≤ n. D’apr`s la proposition 7. Cj+1 . en ).... Cn . La suite (x1 . Cj−1 . on a rg(A) = n ⇐⇒ detA = 0. xn ) = 0.... Soit E un K. .. Cn−1 ). . par suite. . . xn ) soit li´e... Cj−1 . nous obtenons : detB (C1 . Cn .. .vn−1 = (C1 . .j ∆i. en ) D’une part. . Cj+1 .. Cj+1 .. Cn ) = i=1 ai. . . . . . Cj+1 .6 7. Cj−1 . i=1 ai. xn ) = 0.

. 98 . detB (ϕ(x1 ).... xn ) = αdetB (B )detB (x1 . ϕ(xn )) et detB (ϕ(x1 ).. .... La constante Cϕ est appel´e le d´terminant de l’endomorphisme ϕ et se note detϕ.. ϕ(xn )) = αdetB (x1 ... xn ) ∈ E n . en ) = Cϕ detB (e1 .... on a : detB (ϕ(x1 ). et g(e1 . Il existe une constante Cϕ ∈ K. en ).. ϕ(xn )) = detB (B )detB (ϕ(x1 ). Donc : e e e ∀(x1 .. . On obtient : detB (ϕ(x1 )... on a detB (ϕ(e1 . .. . on ait detB (ϕ(x1 )... xn )...... xn ) ∈ E n . ϕ(en )) = α..... xn ) = Cϕ detB (x1 ...16. xn ) ∈ E n .. En simplifiant par detB (B ) = 0. .. xn ). en ) de E et toute suite (x1 .. ϕ(xn )) = αdetB (x1 . .. . D’o` l’unicit´... .... ϕ(xn )) = αdetB (x1 . .. Ind´pendance de la base de E : Soit B une base quelconque de E.. . e2 . xn ).... . et D´finition Soit E un K−espace vectoriel de dimension n ≥ 1. D’apr`s e e la proposition 7... . .. ϕ(xn ))) f et g sont deux formes multilin´iares altern´es. ... e Soit f et g deux applications de E n dans K d´finies par : e f (x1 .. e e Preuve.. Posons α = detB (ϕ(e1 ). . ϕ(xn )) = Cϕ detB (x1 . telle que pour toute base B = (e1 .. ϕ(en )). .... Unicit´ : Soit Cϕ et Cϕ ∈ K telles que pour toute suite (x1 .. . ....... et une seule. xn ) = detB (x1 .... .. .... En particulier pour (x1 .. Soit ϕ ∈ e e e L(E)..xn ) = αdetB (x1 .... en )) = αdetB (e1 . . Ce qui termine la preuve... e e f (e1 . .. . xn ) = (e1 .14 on a f = g... en ) une base fix´e dans E. On prend Cϕ = α. xn )) = Cϕ detB (x1 . xn ). en )) = Cϕ detB (e1 . xn ) = detB (ϕ(x1 .2 D´terminant d’un endomorphisme e Th´or`me 7...7... . en ) = Cϕ = Cϕ . . .6... en ) = α D’apr`s le th´or`me 7...25. xn ). en ) = detB (ϕ(e1 ). .... u e Existence : Soit B = (e1 . . on ait e detB (ϕ(x1 .... .. .. . . ... xn ).. De plus. et g(x1 . ..

A = (ai. . n}. Si A est inversible : A−1 = detA B t . .detB. ∆i. aik . alors detA−1 = detA . .j le mineur de ai. Soit E un K−e. On e appelle d´terminant d’ordre k extrait de A. 1 Si ϕ ∈ L(E) est un automorphisme de E..6.jk o` 1 ≤ i1 < i2 < . 1 ≤ i ≤ n . .3 Calcul de l’inverse d’une matrice carr´e inversible e D´finition 7.j2 . . ϕ(en )) = detA. .. alors : detϕ−1 = detϕ . on a : ϕ est un automorphisme de E ssi detϕ = 0.26. ψ(en )) = detϕ . 1 2.n (K) et soit k un entier tel que 1 ≤ k ≤ inf {p.j . ϕ(ψ(en ))) = detϕdetB (ψ(e1 ). ai1 ... Voir TD.j ) ∈ Mn (K) .. on a detϕ = detB (ϕ(e1 ).. 7.4 Calcul du rang d’une matrice D´finition 7. .Remarque 7.j et bi. Donc 1 detϕ−1 = detϕ Corollaire 7. 2.. . Soit A ∈ Mn (K) et B ∈ Mn (K).j1 aik . .....v.. en ) est une base de E et si A est la matrice de ϕ dans la base B.28.. e e 1. e e 1. Soit A(ai. on a : det(AB) = detA.detϕ−1 = detIE = 1. le d´terminant de toute matrice carr´e obtenue e e e en supprimant dans A.v. Si B = (e1 .. 1.30. Donc (ϕ(e1 ).. Par suite. 1. Th´or`me 7.j1 ai1 . . .. ϕoψ(en )) detB (ϕ(ψ(e1 )). 1 Si A ∈ Mn (K) est inversible..j2 . .. 1. Preuve.j2 . . .6. . 2.j e le cofacteur de ai. Th´or`me 7.j1 ai2 .j ) ∈ Mn (K) est appel´e la e comatrice de A et on note B = comA. .7..j = (−1)i+j ∆i.A = A. de dimension n et ϕ ∈ L(E)... Soit E un K−e. Soit ϕ ∈ L(E) un automorphisme de E. detϕoψ = detB (ϕoψ(e1 ). . . .jk ai2 .29. Soit A ∈ Mn (K). La matrice B = (bi. 1 ≤ j ≤ n.j ) ∈ Mp. . c’est ` dire tout d´terminant de la a e forme : ai1 . Soit ϕ ∈ L(E). alors det(ϕoψ) = detϕ. .detψ 2. . aik .. p − k lignes et n − k colonnes. < jk ≤ n. Preuve.j ) ∈ Mn (K) et B sa comatrice. . ϕ(en )) = 0.B t = (detA). detB (ϕ(e1 ). A est inversible ssi detA = 0. ai2 . Le d´terminant d’un endomorphisme ne d´pend pas de la base de e e E. . 7.. Si ϕ ∈ L(E) et ψ ∈ L(E). < ik ≤ p et 1 ≤ j1 < j2 < . u 99 .. ϕ ∈ L(E) automorphisme de E ⇐⇒ det(ϕoϕ−1 ) = detϕ. ϕ(en )) est une base de E. 2.In .jk . On a B t ..detψ. de dimension n ≥ 1. Soient A = (ai.27.

.. e ...... Laiss´e en exercice.........Th´or`me 7.............. d’ordre k...... Soit A = (ai...... n} tel e e qu’il existe un d´terminant non nul. Preuve........j ) ∈ Mp......... extrait de A............ e Alors rg(A) = ρ.........n (K) et soit ρ le plus grand entier k ≤ inf {p..31.. 100 ...

f une forme trilin´aire alt´rn´e sur E. e1 − 2e2 + 4e3 ) . On note ε(σ) la signature de σ ∈ Sn (n ∈ N∗ ).7 Exercices Exercice 1. 1) Calculer le d´terminant ` coefficients r´els e a e 2 3 1 2 7 8 . et e1 . e3 ) une base de E. e2 + 2e3 . et soit P la matrice de passage de B ` B . y = be1 + ce2 + ae3 . et soit l’application g : E × E −→ K d´finie par e e g(x. z = ce1 + ae2 + be3 .. e e 2) Soit ϕ et ψ deux formes lin´aires sur E. Calculer f (2e1 − 3e2 . e e Dans quels cas est-elle alt´rn´e ? e e Exercice 5. pour tout (x. 2) Montrer que pour toute transposition τ ∈ Sn . e2 . ε(τ ) = −1.. y) = ϕ(x)ψ(y).n = i=1 n ai.1 b2. z).2 . Soit E un K-espace vectoriel.2 . (a.. 1 2 3 4) Soit σ ∈ S3 d´finie par σ = e .1 a2. 3)Calculer explicitement ε(σ) pour σ de S2 . e 5) calculer σoσ pour σ de 4) et calculer ε(σoσ). B = (e1 . c) ∈ K3 et les vecteurs x = ae1 + be2 + ce3 . 1) Montrer que det(A) = a1. 3) Soient B et B deux bases d’un K−espace vectoriel E de dimension finie ≥ 1.j ) ∈ Mn (R) telle que ai.j = 0 pour i < j. En d´duire ε(σ). 5 5 0 2) Soit E un K−espace vectoriel de dimension 3.7.j ∈ Mn (R) telle que bi. e3 trois vece e e teurs de E. en fonction de f (e1 .n = i=1 bi. V´rifier que g est une forme bilin´aire sur E.i .an. y. e2 . y) ∈ E × E. alors : e n det(B) = b1. Exercice 2. En d´duire explicitement ε(σ) pour toute σ e de S3 ..bn. e2 . a Montrer que detB (B ) = det(P ) Exercice 4. e 1) D´montrer que si f est aussi une forme bilin´aire sur E. 2) D´duire que si B = bi. 101 .j = 0 pour i > j.i . 1) Montrer que ε(Id) = 1. Soit f une forme lin´aire sur l’espace vectoriel produit E × E. b. Exercice 6. Alors f est nulle. Soit A = (ai. Calculer detB (x. Montrer que σ peut s’´crire comme la compos´ e e 2 3 1 de deux tranposition bien choisies. e3 ). Exercice 3.

En d´duire le d´terminant de Aa .. a . = x1 x2 . .. . Montrer que B est inversible et calculer B −1 . e a a a . xn ) = 2)Etablir l’´galit´ : e e a + x1 a . . . calculer l’inverse de la matrice : e C= cosa −sina sina cosa . 1 1 1 a b c b+c c+a a+b Exercice 7. . On consid`re les endomorphisme fa de R4 . . ∆n+1 (x1 . En utilisant des d´terminants extraits. ... . a + xn Exercice 8.Montrer que si (a. . + ). dont les matrices e e e e Aa dans la base canonique sont donn´es par : e   1 a 1 a  a 1 a 1   Aa =   1 a 1 a  ∈ M4 (R).... x2 . c) ∈ R3 . .. . e  a A= a −b Exercice 9. a a a + x1 a .. a + xn = 0. a a a + x2 . e e 102 .. .. ...xn (1 + a a + .. .. .... . . x1 xn trouver le rang de la matrice :  b a 1 2b 3a 2  ∈ M3. pour tout n ∈ N∗ . . . a a a + x2 . . . . b.. d´pendant d’un param`tre r´el a. 1) Calculer le d´terminant. . −1 −1 −1 2) Soit a un nombre r´el. −a 2b b  1 −1 1 1) Soit B =  1 −1 −1 .. . . ... a . .4 (R). . Exercice 10.. a 1 a 1 1) Quel est le rang de Aa et de fa ? (Discuter suivant les valeurs de a).

a1 1 2 . . Soit u l’endomorphisme de Rn d´fini par : u e u(ei ) = es(i) o` B = {ei /1 ≤ i ≤ n} est la base canonique de R.. Soit n un ´l´ment de N∗ . Soit a. . .  Vn = V (a1 . Calculer le d´terminant de Vandermonde : ee e n−1 1 a1 a2 . e 1 1 2 1) Calculer le d´terminant de Am . n} o` n ∈ N∗ . u 1. . an−1 n n Exercice 11. . an−1 1 a2 a2 2 . an ) = 1≤i<j≤n (aj − ai )).. . e Exercice 12.. . ... e e 2) Si fm est l’endomorphisme de matrice Am dans une base de E .... D´duire le rang de Am ... Exercice 14. 2. En utilisant les formules de Cramer. e 103 .. .. sup´rieur ou ´gal 2.. b. pour quelles valeurs de −1 m. Montrer que u est inversible et d´terminer det(u−1 ). c des r´els non nuls. −m 0 1 On consid`re les matrices Am =  2 m 1  ∈ M3 (R). . deux ` deux distincts. . . . Soit s une permutation de {1.. 2. an ) = (Indication : montrer par recurrence sur l’entier n que V (a1 . .. fm est-il un automorphisme ? d´terminer dans ce cas la matrice de fm . . ee e e Soient a1 . an n ´l´ments de R .. Calculer det(u). . e a r´soudrele syst`me : e e  a  x+y+z = ax + by + cz = ab  x y z 1 a + b + c Exercice 13. . ... 1 an a2 .

les bases dans lesquelles la matrice de f est diagonale. λ = λ . en effet. λ ∈ K est une valeur propre ⇐⇒ ∃x = 0 tel que f (x) = λx ⇐⇒ f (x) − λId(x) = 0 ⇐⇒ x ∈ Ker(f − λId) ⇐⇒ Ker(f − λId) = {0}. s’il existe x ∈ E avec x = 0.. ea En effet. Dans ce chapitre. αx est aussi e a vecteur propre associ´ ` λ. et seulement si Ker(f − λId) = {0}. quelconque et f ∈ Lk (E). k ∈ N.x. si elles existent. l’objectif est de chercher des bases de E dans lesquelles la matrice de l’endomorphisme f soit la plus simple possible comme par exemple une matrice diagonale. Le probl`me consiste ` : e a 1. si x est un vecteur propre associ´ ` λ. L’int´rˆt de travailler avec des matrices diagonales est la r´alisation pose e e k . tel que f (x) = λ. Soient E un K − e. et si α ∈ K. Si λ ∈ K est une valeur propre de f .1. e Remarque 8. Mf e 8. Autrement dit (f − λId) n’est pas injective.2. λ ∈ K est une valeur propre de f si.1 Introduction Soit E un K− espace vectoriel et f un endomorphisme de E. Le scalaire λ (qui d´pend de x) est unique .v. sible de certains calculs comme par exemple : d´t Mf . implique (λ − λ )x = 0 et donc. ea Remarque : 1.2 Vecteurs propres et valeurs propres d’un endomorphismes : D´finition 8. car f (αx) = αf (x) = αλx = λ(αx). On dit que λ ∈ K est une e valeur propre de f . ea Proposition 8. 104 . α = 0. puisque x = 0. 2.Caract´riser les endomorphismes diagonalisables e 2. un vecteur propre associ´ ` λ n’est pas unique..Chapitre 8 ´ REDUCTION DES ENDOMORPHISMES 8.D´terminer. etc. Preuve. Dans ce cas x s’appelle un vecteur propre associ´ ` la valeur propre λ. e f (x) = λx = λ x.1.

o e Preuve. Or P = 0 ou do P = do P − 1. du polynˆme caract´ristique Pf (X). dans K. Preuve. Proposition 8.5. Si λ ∈ K est une valeur propre de f .. e e Les valeurs propres de f sont les racines. Th´or`me 8.2..si α = 2. + Eλm est direte. A ecrire. la valeur propre λ est dite simple . Polynˆme caract´ristique o e D´finition 8. a Preuve..4. Soit f un endomorphisme d’un K-e. ` f − λId e e a n’est pas automorphisme. Si λ = 0 et P = 0. E ´tant de dimension finie. Exemple Soit E = C[x] et f ∈ Lk (E) d´finie par : e f: C[x] −→ C[x] . de dimension finie. E de dimension finie. Proposition 8.. donc λ = 0 est valeur propre de f .. on a λP = 0. de degr´ n = dimE (voir EX.1 Calcul des valeurs propres. De plus f (P ) = 0 implique P ∈ C.3.D´finition 8. Soient f un endomorphisme de Eet λ1 . Donc Ker(f ) = C. Dans toute la suite E est un K. λ2 .6. D’apr`s la proposition 8. l’entier α est appel´ la multiplicit´ de la valeur propre λ.8. ea On note Eλ = Ker(f − λId). et on note e o e Pf (X) (ou Pf ). du polynˆme caract´ristique Pf . et λm des valeurs propres deux ` deux distinctes de f . la valeur propre λ est dite double. Ker(f − λId) est appel´ le sous-espace e e propre de f associ´ ` la valeur propre λ.. Le polynˆme caract´ristique de l’endomorphisme f est un polynˆme ` coefficients dans o e o a o 9) K. On appelle polynˆme caract´ristique de l’endomorphisme f .. e e ..6.e. ..v. de multiplicit´ e o e e α ≥ 1. λ ∈ K une valeur propre de f si.. etc. dans K. on a det(f − λId) = det(A − λIn ) = Pf (λ).. On a do (λP ) = do P .. e Si P ∈ C. La seule valeur propre de f est donc λ = 0 et le sous espace propre associ´ ` la valeur propre ea λ = 0 est Ker(f ) = C. e D´finition 8. D’apr`s la proposition 8..Si α = 1. Donc f (P ) = λP . P = 0. et seulemnt si det(f − λId) = 0.v.. Cette derni`re condition ´quivaut ` e e a det(f − λId) = 0. on a P = 0 et f (P ) = 0 .7.. le polynˆme Pf (X) = det(f − λId) = det(A − λIn ). λ ∈ K est valeur propre de f si et seulement si l’endoe morphisme f − λId n’est pas injectif. o` A est la matrice o u de f dans une base quelconque de E.2. Si A est la matrice de f dans une base B et si λ ∈ K. Remarque : 1. λ est valeur propre de f si et seulement si Pf (λ) = 0. ce qui ´quivaut. . Si λ est racine .1 s´rie N e e 105 . 8.. Alors la somme Eλ1 + Eλ2 + . P −→ P Montrons que λ = 0 est la seule valeur propre de f et d´terminons E0 ..

−4 − λ 0 −2 0 1−λ 0 det(A − λId) = 5 1 3−λ = (−4 − λ)(1 − λ)(3 − λ) + 10(1 − λ) = (λ − 1)2 (λ + 2).  −4 0 −2 Soit la matrice A =  0 1 0  . la somme de leurs multiplicit´s est inf´rieure ou ´gale ` n.. on a : e e e Pf (X) = (λ1 − X)α1 . ⇐⇒ X = 0 et X ∈ ker(A − λIn ). au moins e e e une valeur propre.(λp − X)αp .   . xn 0 o` (x1 . . . les valeurs propres de f sont λ1 . 5 1 3 Cherchons les valeurs propres de A. D’apr`s le th´or`me de factorisation dans C[X].. xn ) est un vecteur propre associ´ ` la valeur propre λ. u ea En effet..  (A − λIn )  . 106 Exemple :  . . d’apr`s le th´or`me de d’Alembert. l’endomorphisme f admet.. Remarque : Une fois les valeurs propres calcul´es. f n’admet pas n´cessairement de valeur propre. f n’admet pas de valeur propre. .2. . on d´termine les vecteurs propres en r´solvant le e e e syst`me lin´aire homog`ne suivant : e e e     x1 0  .. . X v.  . de multiplicit´s α1 .. e Exemple : Soit f l’endomorphisme du R-espace vectriel R2 . et s’il admet des valeurs propres multiples. p. e On a Pg (X) = X 2 + 1 = (X − i)(X + i) et g admet les valeurs propres simples i et −i. e e a e et on a α1 + . −X −1 1 −X = X 2 + 1.λp . + αp = do Pf (X) = n = dimE Attention : Ceci est faux si K = Q ou R. Consid´rons l’endomorphisme g du C-espace vectoriel C2 dont la matrice dans la base e canonique est cette mˆme matrice A.  =  . dont la matrice dans la base canonique est : A= On a : Pf (X) = det(A − XI2 ) = 0 −1 1 0 .. Si K = C. e e e a 3.αp . Il r´sulte de la remarque pr´c´dente et des propri´t´s des polynˆmes que l’endomore e e ee o phisme f admet au plus n valeurs propres distinctes.. Si E est un (Q ou R)-espace vectoriel de dimension finie n ≥ 2. o` les λi sont des nombres complexes deux ` deux distinctes et les αi des entiers u a sup´rieurs ou ´gaux ` 1.

y=0 5x + y + 2z = 0 −5 −5 x)/x ∈ R} = {x(1. 0. . Alors dimK Eλ = dim ker(f − λI) = n − r o` r d´signe le rang u e de la matrice (A − λIn). 0.  (A − λI)X = 0 o` x =  . . 2 2 V1 = (1. Alors. D´monstration : On a d’apr`s le th´or`me noyau-image : e e e e dim Ker(f − λI) = n − dim Im(f − λI) = n − rg(f − λI) = n − rg(A − λIn ) = n − r Th´or`me 8. Soit g u la restriction de f ` Eλ i. cherchons E−2 :   −2x − 2z = 0 3y = 0 (A + 2I)x = 0 ⇐⇒ ⇐⇒  5x + y + 5z = 0 Donc E2 = {(x. −5 ) engendre E1 donc dimE1 = 1.2 Sous-espaces propres Th´or`me 8. 0.10. 2 Pour λ = −2. g = f /Eλ . a Soit (e1 . et soit λ une valeur propre de f . Cela revient ` r´soudre le syst`me lin´aire a e e e   x1  . −x)/x ∈ R} = {x(1. On a ∀x ∈ Eλ f (x) = λx. f (Eλ ) ⊆ Eλ ). .  u . Soit y = f (x). de multiplicit´ α. 107 . 0. 1)/x ∈ R}. ∗ Montrons que Eλ est stable par f (i. y=0 x+z =0 V2 = (1. )}. 1) engendre E−2 . Soit p = dimK Eλ . alors g ∈ LK (Eλ ). 8. cherchons E1 :   −5x + 0y − 2z = 0 0x + 0y + 0z = 0 ⇐⇒ (A − I)X = 0 ⇐⇒  5x + y + 2z = 0 Donc E1 = {(x. 0. : e e Soit f un endomorphisme d’un K-espace vectoriel E de dimension n ≥ 1 et soit A la matrice de f dans une base B de E. .On a deux valeurs propres λ = 1 qui est une valeur propre double et λ = −2 une valeur propre simple. donc dimE−2 = 1. on a : e dimK Eλ ≤ α D´monstration : On a λ est racine de multiplicit´ α de Pf . donc il existe Q ∈ K[X] tel e e que : Pf (X) = (X − λ)α Q(X) et Q(λ) = 0. 0.e.9. donc y ∈ Eλ . : e e Soit f un endomorphisme d’un K-espace vectoriel de dimension finie n ≥ 1. Touvons l’ensemble des vecteurs propre de A.e. xn Pour λ = 1. ep ) une base de Eλ . o` x ∈ Eλ donc f (y) = f (f (x)) = f (λx) = λf (x) = λy.2.

. Corollaire : Soit f un endomorphisme d’un K-espace vectoriel de dimension finie. 8. donc Q et (X − λ)p sont premiers entre eux. on a dim Eλ = 1. . donc d’apr`s le th´or`me de Gauss e e e p divise (X − λ)α et par suite (X − λ) p ≤ α. a On a Pf (X) = det(D − XIn ) = (µ1 − X). . Pour que f soit diagonalisable.D. .. .. ... pour 1 ≤ i ≤ n. Alors la matrice de f dans une telle base est une e matrice diagonale dont les coefficients diagonaux sont les valeurs propres de f . .. e Si f est diagonalisable. e (X − λ)p /(X − λ)α .  . e R´ciproquement. . ... .. 0 µn Alors.. . 0  .  . 0        = (−1)p (x − λ)p   0 λ λ − X 0 . . que Pg /Pf par suite. 0 . . .4 G´n´ralit´s e e e D´finition 8. 0  . ep )) =   λ . .. . on a f (ei ) = µi ei . .  . 0 . .   0 .  . . en ) une base de E dans laquelle la matrice D de f est diagonale :   µ1 0 . .. chacune ´tant e ´crite un nombre de fois ´gal ` sa multiplicit´.. et la matrice de f dans la base B est la matrice diagonale 108 . . e e a e D´monstration. 1 ≤ i ≤ n. on a ee Pf (X) = (λ1 − X)α1 . il faut et il suffit qu’il existe une base de E constitu´e de vecteurs propres de f . .11. . 0 0 . .. 0  . On dit que f est diagonalisable s’il existe e une base de E dans laquelle la matrice de f est diagonale.. et ei . . 8. et les coefficients µi sont les valeurs propres de f ..  . . (e1 .3 Diagonalisation On suppose que E est un K-espace vectoriel de dimension finie n ≥ 1. . est un vecteur propre de f associ´ e ` la valeur propre µi . Proposition 8. 1 ≤ i ≤ n. on a f (ei ) = µi ei .12. D’o` u  M at(g.. . En groupant les facteurs du premier degr´ ´gaux.. Si λ est valeur propre simple de f ... soit B = (e1 . Soit f un endomorphisme de E. µi ∈ K.. Donc Pg (x) =   . .. 0 λ − X On sait d’apr`s T.Q Q(λ) = 0. .(µn − X).(λp − X)αp . qui non nul. en ) de E constitu´e de vecteurs propres de e f . s’il existe une base B = (e1 .   D= .

` une matrice diagonale.4. et soit Ei = Ker(f − λi I) le sous-espace propre associ´ ` la valeur propre λi . alors f est diagonalisable.. Cette condition n’est pas n´cessaire comme le montre l’exemple suivante : e soit l’homoth´tie vectorielle f : x −→ λx . F = p Ei .ci-dessus. Si f admet n valeurs propres distinctes. p dim Ei = n implique dim F = dim E et donc E = F = p Ei . D´finition 8.. corollaire. Ce corollaire donne une condition suffisante pour qu’un endomorphisme soit diagonalisable. Cependant. D’apr`s la proposition 8. Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E).2. o` dim E = n. on a ej ∈ ∪p Ei ⊂ F d’o` E ⊂ F et E = F . Pf (X) = det(λIn − XIn ) = (λ − X)n et λ est valeur propre e de f de multiplicit´ n... λp . u i=1 Alors : p dim Ei = dim F = dim E = n i=1 (b) =⇒ (c).. . sa matrice dans n’importe e quelle base ´tant λIn . p (b) i=1 dim Ei = n(= dim E) . (a) =⇒ (b). f est diagonalisable. Bp ) est une i=1 base de F . Bp ) est une base de E = F et e c’est une base de E constitu´e de vecteurs propres de f . dim F = p dim Ei et si Bi est une base de Ei .15. Soit A ∈ Mn (K). en ) une base de E constitu´e de vecteurs e e propres de f . inversible.13. Pour 1 ≤ j ≤ n.. 1 ≤ i ≤ p. (B . f ´tant diagonalisable. . admettant des valeurs propres. Alors les e a assertions suivantes sont ´quivalentes : e (a) f est diagonalisable . D’apr`s le th´or`me ? du e e e e i=1 i=1 chapitre ?. toutes les valeurs propres distinctes de f . Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie e e n ≥ 1.. e Donc f est diagonalisable..5 Caract´risation des endomorphismes diagonalisables e Th´or`me 8. . e dim Ei = 1. telle que la matrice P 8. On dit que A est diagonalisable sur K. Remarque 8. u D´monstration.. c’est-`-dire s’il existe une matrice P ∈ Mn (K).14. (c) E = p Ei . 1 ≤ i ≤ p. e Th´or`me 8. dans Mn (K). e Posons F = p Ei . B = (B1 . Donc p 1≤i≤n dim Ei = n i=1 Par suite f est diagonalisable.. Bi ´tant une base de Ei . e On a d’apr`s le corollaire. si elle est seme blable. i=1 D´monstration. a a −1 AP soit diagonale. i=1 i=1 (c) =⇒ (a).. Soit λ1 . . soit B = (e1 .. e e Pour que f soit diagonalisable il faut et il suffit : 109 .

. e a e ♣ La matrice de passage s’obtient en mettant en colonne les vecteurs propres trouv´s. si la condition (2) du th´or`me 5 est ´galement r´alis´e. on r´sout le syst`me (A − λIn )V = 0. Pf n’est pas scind´ sur K.(λp − X)αp . a On d´termine la dimension de chaque sous-espace propre Eλ = ker(f − λId). e Pf (X) = (λ1 − X)α1 . La r´solution.e. e On essayera.. la e matrice de f une matrice diagonale D. on proc`de comme suit : e A..e. Pour une matrice A. puisque E = ⊕p Eλ i . de calculer Pf en factorisant d´t (A − XIn ) . C.(1) Pf est scind´ sur K i. o` les λi sont des ´l´ments ( deux ` deux disticts) de K. e Pour chaque valeur propre λ trouv´e. u ee a (2) dimK Eλ i = αi . on d´termine une base Bi pour 1 ≤ i ≤ p .Recherche des valeurs propres On calcule Pf (X) = d´t (f − XId) puis on cherche les racines de ce polynˆme. 110 . Preuve. f est diagonalisable. Diagonaliser f .. c’est trouver une base B de E dans laquelle la matrice de f est diagonalisable. Alors. alors f n’est pas e e e e diagonalisable. Bp ) est une base constitu´e de vecteurs propres de f et dans cette base B ..Recherche d’une base de vecteurs propres Dans chaque Eλ i . si Pf ne e v´rifie pas la condition (1) du th´or`me 5. Chaque valeur propre apparait un nombre de fois ´gal ` sa multiplicit´. autant que possible. alors. Ce sont les e o valeurs propres.. i.Recherche des sous-espaces propres Supposons que Pf est scind´ sur K. e ♣ Les matrices A et D sont li´es par la relation : e D = P −1 AP ⇔ A = P DP −1 . 1 ≤ i ≤ p. (Attention e Il faut respecter le mˆme ordre des valeurs propres mises dans D). e i=1 B = (B1 . ♣ On obtient la matrice D en mettant sur la diagonale les valeurs propres de f .. B. On se e e e e e place dans ce cas pour la suite. On a e dimEλ = n − rg(A − λIn ). Voir Exercice 5. nous donne l’ensemble des vecteurs V solutions et nous e donne ainsi une base du sous-espace propre Eλ associ` λ. e e e e faite par une m´thode ou une autre. on calcule d´t(A − XIn ). Pratique de la diagonalisation Pour diagonaliser une matrice ou un endomorphisme.

On dit que A est trigonalisable sur K. 1). f2 ) est une base de E−1 . e 8.. Alors si y = 1 et z = 0 on obtient comme solution f1 = (0. z)/z ∈ R} = vect(( . 2.16. 1. A ´crire.6 Trigonalisation D´finition 8. Pour que f soit trigonalisable.17. 2 2 2 2  les trois vecteurs trouv´s forment notre base de vecteurs propres. y et z comme inconnues non principales. Or dim E−1 = 2 donc la suite (f1 . c’est trouver une matrice P ∈ Mn (K). Soit f un endomorphisme de E et A ∈ Mn (K). s’il existe une base de E dans laquelle la matrice de f est triangulaire.Exemple Diagonaliser la matrice suivante :  8 0 9 A =  −3 −1 −3  −6 0 −7 8−X 0 9 −3 −1 − X −3 = −(X − 2)(X + 1)2 . 0) et si y = 0 et z = 1 on obtient f2 = (−1. telle que la a matrice P −1 AP soit triangulaire. c’est-`-dire s’il existe une matrice P ∈ Mn (K). Th´or`me 8. −6 0 −7 − X Les valeurs propres sont -1 valeur propre double. u ee a Preuve.. On r´sout le syst`me : ea e e  0  9x +9z = −3x +0y+ −3z = 0 ⇔ x + z = 0. e 1. c’est trouver une base de E dans laquelle la matrice de f est triangulaire. On dit que f est trigonalisable. z. et 2 valeur propre simple. telle que la matrice P −1 AP soit triangulaire. * Sous-espace propre associ´ ` la valeur propre 2. 0.. (A + I)V = 0 ⇔  −6x +0y+ −6z = 0 det(M − XI) = On prend x comme inconnue principale. . il faut et il suffit que le polynˆme caract´ristique de f o e soit d´composable en produit de facteurs du premier degr´ e e Pf (X) = (λ1 − X)α1 .(λP − X)αP .. 1)). * Sous-espace propre associ´ ` la valeur propre -1. en prenant x et y comme inconnues principales et z comme inconnue non principale u E2 = {( −3 1 −3 1 z. si elle est semblable. o` les λi sont des ´l´ments (deux ` deux ) distincts de K. inversible. dans Mn (K). Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie e e n ≥ 1. ` une matrice a triangulaire. inversible. Trigonaliser A sur K. On r´sout le syst`me : ea e e  +9z = 0  6x x = −3 z 2 −3x + − 3y+ −3z = 0 ⇔ (A − 2I)V = 0 ⇔ y = 1z  2 −6x +0y+ −9z = 0 D’o`. e 111 . Trigonaliser f .

on a Pf (f ) = 0.Th´or`me 8. Voir exercice 7. o` Pf est le polynˆme caract´ristique f . 112 .18. u o e Preuve. (th´or`me de Cayley-Hamilton) e e e e Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie n ≥ 1.

8. a 4) D´duire que Pg divise Pf . Soit 113 . o a e 3) D´montrer que deux matrices carr´es semblables de Mn (K) ont mˆme polynˆme cae e e o ract´ristique. det(A) λ o` PA est le polynˆme caract´ristique de A. Montrer que g ∈ LK (Eλ ). e La r´ciproque est-elle vraie ? e 4) D´duire que deux matrices semlables ont les mˆmes valeurs propres. Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E). Montrer par r´currence que e detM = detA. Soit E un C-espace vectoriel de dimension finie n et B = (e1 .. B ∈ Mn−p (K) et C ∈ Mp. 1) Montrer que le polynˆme caract´ristique Pf (X) =d´t(f − XI) de f ne d´pend pas de la o e e e base choisie dans E. e2 .n−p (K). Montrer que : PA−1 (λ) = (−λ)n 1 PA ( ). Exercice 4. on pose Eλ = Ker(f − λI) le sous-espace propre associ´ ` la ea valeur propre λ. 1) Si A est une matrice inversible et λ ∈ K∗ . Soit λ une valeur propre de f . u o e 2) On appelle spectre de A l’ensemble des valeurs propres de A. 3) Soient g la restriction de f ` Eλ .detB.1 Calculer les valeurs propres de A. avec K = C et n ∈ N∗ . 5. e Exercice 2. e Exercice 3.. . 2) Soit M ∈ Mn (K) une matrice carr´ de la forme : e M= A C 0 B avec A ∈ Mp (K) .. 1) Montrer que Eλ est stable par f .2 D´terminer une base de chacun des sous espaces propres de A.7 Exercices Exercice 1. Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E). 2) Montrer que Pf est un polynˆme ` coefficients dans K de degr´ n. e e 5) Soit la matrice :   −4 0 −2 A= 0 1 0  5 1 3 5. D´montrer l’´quivalence suivante : e e PA (B) est inversible ⇔ Sp(A) ∩ Sp(B) = ∅. Calculer a0 et an . Soient A et B deux matrices de Mn (K) . en ) une base de E.

. Montrer que f est diagonalisable si et seulement... Montrer que Im(f )=Vect(u).. 0 n 4) Etablir que (A )k = nk−1 A pour tout k ∈ N∗ . 1 ≤ i ≤ p.e.. 0 0  0 0 . Discuter selon le param`tre m la diagonalisation de la matrice suivante dans M3 (R) e   1 m 1 A =  0 1 1 . e3 ) de E... Quelle est la dimension de Ker(f ) ? 2) Trouver les valeurs propres et leurs sous-espaces associ´s de f . 1 On d´signe par f l’endomorphisme de E dont la matrice dans la base B est A. Application : Soit E un C-espace vectoriel et f un endomorphisme de E repr´sent´ par la matrice : e e   a 0 b  0 a+b 0  M= b 0 a sur une base donn´e B = (e1 .(λp − X)αp ...   . A=  ..+en .    A = ... .   . 0 0  0 0 . avec e   0 0 .. Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E).  1 .. e Exercice 5.d’autre part A la matrice carr´e de taille n e  1  1   . 0 0 −1 Exercice 7. e D´terminer les valeurs propres et sous-espace propres associ´s de M . si (1) Pf est scind´ sur K i.. 0 0     . e 3) D´duire qu ’il existe une base B de E telle que la matrice de f dans B soit A .   .. .. . .. On se propose de d´montrer le r´sultat suivant : e e 114 .. e2 . . .... e 1) Soit u le vecteur u = e1 +e2 +.. . 1 1 . . e Pf (X) = (λ1 − X)α1 . . e e En conclure si elle est ou non diagonalisable. En d´duire Ak pour tout k ∈ N∗ .. 1 dont tous les coefficients sont ´gaux ` 1 : e a  1 . (2) dimK Eλ i = αi . 1   . . Exercice 6.. ..     0 0 .

o(λi Id − f ). j) ∈ {1.. 1 . . Alors pour tout endomorphisme f de E on a Pf (f ) = 0. bn ) dans laquelle la matrice de f triangulaire sup´rieure ... e 4) Conclure. 1 −2 5 Ecrire Ap . . Montrer que pour tout j ∈ {1.. 0 6) Application : Soit  −2 −1 2 A =  −15 −6 11  ∈ M3 (R). n} on pose : ui = λi Id − f et Ui = (λ1 Id − f )o(λ2 Id − f )o. . f q−1 (x)) est libre.     .. u o e 1) Montrer qu’il existe une base B = (b1 . 1) Soit f un endomorphisme nilpotent.. ıne 2)Pour tout i ∈ {1.. 3) D´duire que pour tout j ∈ {1.. f n−1 ). n} tii = λi et ∀(i.. i. 5) Application : 5. . . on a f p ∈ V ect(IdE . i} : Ui (bj ) = 0. Montrer qu’il existe un entier q ≥ 1 tel que f q = 0 et f q−1 = 0. i > j e entraˆ tij = 0...2) Soit   2 0 4 A =  3 −4 12  ∈ M3 (R). . Cet entier q est appel´ indice de nilopotence de f .. .. e Exercice 8.. .. Soient E un K− espace vectoriel de dimension fini n ≥ 1 et f un endomorphisme de E..j avec ∀i ∈ {1. 5) Montrer que si f est nilpotent d’indice n.. e 2) Montrer que rg(f ) ≤ n − 1. 1  0 ..   M (f. pour tout p ∈ N comme combinaison lin´aire de I3 .Soit E un C− espace vectoriel de dimension finie = n ≥ 1. o` Pf est le polynˆme caract´ristique f . 4) Etablir l’´quivalence suivante : e f nilpotent ⇔ f n = 0... 1 . 5. .1) Soient E un K− espace vectoriel de dimension finie n ≥ 1 et f ∈ L(E).... alors il existe une base B de E telle que :   0 1 0 .. .. 0  . On dit que f est nilpotent. ...... f 2 . prouver que (x... f (x). n}2 . 3) Soit x ∈ E tel que f q−1 (x) = 0. s’il existe un entier m ≥ 1 tel que f m = 0... . En d´duire que e q ≤ n. B) = ti. 0     ... Montrer que pour tout p ∈ N. . B) =   . f. . −14 −6 11  115 . A et A2 .e. M (f. n} Ui (bj ) = 0.

1) Calculer le polynˆme caract´ristique PA de A.e.Les projecteurs c’est-`-dire les endomorphismes f non nuls de Rn .E = R3 et f est la symertie orthogonale par rapport au plan P d’´quation x + y + z = 0. Chercher les valeurs propres et les sous espaces propres associ´s aux applications classiques : e a.6. 2) Application aux suites r´currentes : e On consid`re deux suites (un )n∈N et (vn )n∈N de nombres complexes telles que pour tout entier e naturel n on ait : un+1 = −10un − 28vn vn+1 = 6un + 16vn . e e 2 d.Les homoth´ties λId e b.  116 . Calculer un et vn en fonction de u0 v0 et n. x).E = R2 et f la rotation d’angle π i.2) Prouver qu’il existe λ ∈ R tel que A − λI3 soit nilpotente. 6. 0 0 1 Exercice 9. y)) = (−y. par diagonalisation. o` M est une matrice carr´e : Soit u e  0 1 0 M = 1 0 1  1 1 1 Calculer M n . l’application lin´aire d´finie par : f ((x. n ∈ N∗ . e Exercice 10. (Application de la diagonalisation) 1) Calculer M n . c. diff´rents de l’identit´ a e e de Rn et tels que f 2 = f . A est -il diagonalisable ? o e 6.3) En d´duire qu’il existe une matrice P inversible telle que e   1 1 0 P −1 AP ==  0 1 1  ∈ M3 (R).

Exercice 3. C. B) alors les polynˆmes Q1 = ∆ et Q2 = o premiers entre eux. . 117 . e 2) Montrer que √ est une racine de P . . Exercice 2. 1) Montrer que x1 racine de P ⇐⇒ (X − x1 )/P.. e e i=1 3) Enoncer et d´montrer le th´or`me de Gauss.. x2 . Soient A. xn sont des z´ros de P . Devoir surveill´ N 1.Chapitre 9 Examens de l’ann´e universitaire e 2005-2006 Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi Dur´e du sujet : 1H :30min e Responsable : Lakhel E. alors n (X − xi )/P. Horaire : 9h :00-10h :30. A 5) Montrer que si ∆ = 0 et ∆ =pgcd (A.. xn ∈ K deux ` a 2) D´duire que si x1 . e Exercice 1. o deux distincts. et en d´duire que j 2 (= j) est une racine de P . o` j e u 2iπ −1+i 3 j=e 3 = .. e e e 4) Montrer que si C divise A + B et A − B alors C divise A et B.. B . B ∆ sont 1) Montrer que -2 est un z´ro d’ordre 3 de P .. On consid`re le polynˆme e o P (X) = X 6 + 5X 5 + 5X 4 − 12X 3 − 32X 2 − 32X − 16. x2 . Epreuve d’alg`bre I e Examen de 18 octobre . e Les trois exercices sont ind´pendants e Justifier toutes vos r´ponses. x1 . ∆ et P des polynˆmes de K[X]. 2 3) Factoriser P (X) dans C[X] et dans R[X]. n ∈ N∗ ...

3.. + X n )2 = 1 + 2X + 3X 2 + .. + X n )2 .. Quelle est la multiplicit´ pn de la racine 1 dans le e polynˆme o Pn (X) = X 2n+1 − (2n + 1)X n+1 + (2n + 1)X n − 1? 2) On note Qn (X) le quotient de Pn (X) par (X − 1)3 . 4. Montrer que Pn+1 (X) − XPn (X) = (X − 1)3 (1 + X + . + 2X 2n−1 + X 2n . Exercice 2 : 5 points. + an−1 X n−1 + an−2 X n + .... 3) Quelle relation en d´duit-on pour les polynˆmes Qn ? e o 4) Calculer Qn pour n = 1..1) Soit n un entier naturel non nul.. + (n + 1) = (n+1)(n+2) .. + a1 X 2n−3 + a0 X 2n−2 ... 2. 6) On pose an = 1 + 2 + .. + (n + 1)X n + nX n+1 + . Barˆme approximatif : e Exercice 1 : 5 points . 5) Montrer que (1 + X + . Exercice 3 : 10 points. Quelle hypoth`se peut-on faire sur la forme g´n´rale de e e e Qn . 118 ... D´duire de ce qui pr´c`de par r´currence e e e e 2 que Qn (X) = a0 + a1 X + .

5) Soit D = pgcd(Q1 . i=1 3) Le th´or`me de Gauss affirme que : Si A. . on peut remplacer AB par QC : e (U Q + V A)C = A. ∀i.Corrig´ du devoir surveill´ N o 1 e e Exercice 1. donc R est une constante r. n}.. Par cons´quent.. u 4) On a C divise A + B ⇒ ∃Q1 ∈ K[X] tel que A + B = Q1 C (***). il existe un polynˆme Q ∈ K[X]. 119 . D’o` C divise A. e D’autre part. donc (X − xi )/P . Q2 ) On a D divise Q1 ⇒ ∃R1 ∈ K[X] tel que Q1 = DR1 . ⇐) Soit xi une racine de P . e n (X − xi )/P. on a D divise Q2 ⇒ ∃R2 ∈ K[X] tel que Q2 = DR2 . Le reste R est nul ou de degr´ strictement inf´rieur ` 1. En rempla¸ant x par α. n} xi est z´ro de P . Faisons la division euclidienne de P par X − xi . . alors C divise A.. on aura e 1 B = (Q1 − Q2 )C 2 donc C divise B. e Mais A = Q1 ∆ = D∆R1 . C divise AB ⇒ ∃Q ∈ K[X] tel que AB = QC(∗) C ∧ B = 1 ⇒ ∃U. on a.. on obtient r = 0 puisque c P (xi ) = 0 : P est donc bien divisible par X − xi . pour tout i ∈ {1. D’apr`s (*). En faisant la somme de (***) et (4*). Par suite : P (xi ) = 0. avec i = j : (X − xi ) ∧ (X − xj ) = 1. 2 donc C divise A. De mˆme. on obtient : U AB + V AC = A. on obtient : 1 A = (Q1 + Q2 )C. 1) ⇒) Si P est divisible par X − xi .. j ∈ {1. Multiplions (**) par A. B et C sont trois polynˆmes et si C est premier e e o avec B et divise AB. En effet. On a donc e e a P (x) = (x − xi )Q(x) + r pour tout x ∈ K.. 2) On a d’une part. pour tout x ∈ K. On a aussi C divise A − B ⇒ ∃Q2 ∈ K[X] tel que A − B = Q2 C (4*). Et en faisant la diff´rence de (***) et (4*). V ∈ K[X] tels que U B + V C = 1 (**). o tel que P (x) = (x − xi )Q(x).

d’o` D∆ divise A. u On a aussi, B = Q2 ∆ = D∆R2 , d’o` D∆ divise B. u Par cons´quent D∆ divise ∆ = pgcd(A, B). e Donc il existe S ∈ K tel que ∆ = SD∆ ; d’o` DS = 1. Ce qui entraˆ que D est une u ıne constante de K i.e. Q1 et Q2 sont premiers entre eux. Exercice 2. 1) On a P (X) = X 6 + 5X 5 + 5X 4 − 12X 3 − 32X 2 − 32X − 16. Apr`s le calcul, on trouve e P (−2) = P (−2) = P (−2) = 0 et P (−2) = 72 = 0. Donc −2 est un z´ro d’orde 3 de P . z 2) Ona P (j) = j 6 + 5j 5 + 5j 4 − 12j 3 − 32j 2 − 32j − 16 = 1 + 5j 2 + 5j − 12 − 32j 2 − 16 ( carj 3 = 1, j 4 = j = −27(1 + j + j) = 0. et j 5 = j 2 = j.)

D’autre part P est un polynˆme ` coefficients r´els, de plus j est racine de P donc j est aussi o a e racine de P . 3) Fractorisons P dans C[X] : en faisant la division euclidienne de P par (X + 2)3 = X 3 + 6X 2 + 12X + 8. On trouve X 3 − X 2 − X − 2. En divison X 3 − X 2 − X − 2. par (X − j)(X − j) = X 2 + X + 1 on trouve la factorisation de P dans C[C] P = (X − j)(X − j)(X − 2)(X + 2)3 . En groupant les termes conjugu´s, on obtient la factorisation de P dans R[X] : e P = (X 2 + X + 1)(X − 2)(X + 2)3 . Exercice 3. 1) On a tout dabord Pn (1) = 0, puis Pn (X) = (2n+1)X 2n −(2n+1)(n+1)X n +(2n+1)nX n−1 = (2n+1)[X 2n −(n+1)X n +nX n−1 ], donc Pn (1) = 0. On a ensuite Pn (X) = (2n + 1)[2nX 2n−1 − n(n + 1)X n−1 + n(n − 1)X n−2 ], donc Pn (1) = 0. (Le r´sultat reste vrai si n = 1, car le coefficient de X n−2 est nul dans ce e cas). On a enfin
(3) Pn (X) = (2n + 1)[2n(2n − 1)X 2n−2 − n(n + 1)(n − 1)X n−2 + n(n − 1)(n − 2)X n−3 ],

donc
(3) Pn (1) = (2n + 1)[2n(2n − 1) − n(n + 1)(n − 1) + n(n − 1)(n − 2)] = (2n + 1)(n2 + n) = 0.

(Le r´sultat reste vrai si n = 1 et n = 2, car le coefficient de X n−2 est nul dans ces deux e cas). 120

Donc 1 est racine triple de Pn (X), c’est-`-dire pn = 3. a 2) On a Pn+1 (X) − XPn (X) = X 2n+3 − (2n + 3)X n+2 + (2n + 3)X n+1 − 1 −(X 2n+1 − (2n + 1)X n+1 + (2n − 1)X n − 1) = (X − 1)X 2n+2 − 2(X − 1)X n+1 + X − 1 = (X − 1)(X 2n+2 − 2X n+1 + 1) = (X − 1)(X n+1 − 1)2 . Donc en utilisant la relation X n+1 − 1 = (X − 1)(1 + X + + X n ), on trouve : Pn+1 (X) − XPn (X) = (X − 1)3 (1 + X + + X n )2 , 3) Puisque Pn+1 = (X − 1)3 Qn+1 et Pn = (X − 1)3 Qn , on en d´duit e Qn+1 (X) − XQn (X) = (1 + X + + X n )2 . 4) Remarquons que P1 (X) = X 3 − 3X 2 + 3X − 1 = (X − 1)3 , donc Q1 (X) = 1. En appliquant la relation obtenue dans la question 2) on obtient alors Q2 (X) = XQ1 (X) + (1 + X)2 = X 2 + 3X + 1, puis Q3 (X) = XQ2 (X) + (1 + X + X 2 )2 = X 4 + 3X 3 + 6X 2 + 3X + 1, et enfin Q4 (X) = XQ3 (X) + (1 + X + X 2 + X 3 )2 = X 6 + 3X 5 + 6X 4 + 10X 3 + 6X 2 + 3X + 1. On voit donc s’introduire une suite de nombres a0 , a1 , a2 , .... tels que Qn (X) = a0 + a1 X + .... + an−1 X n−1 + an−2 X n + ... + a1 X 2n−3 + a0 x2n−2 . On peut remarquer ´galement que an + (n + 2) = an+1 en partant de a0 = 1, et donc que e an = 1 + 2 + ... + (n + 1) = (n + 1)(n + 2) . 2

5) Dans le d´veloppement de (1 + X + ... + X n )(1 + X + ... + X n ), le coefficient de X k est e le nombre de fa¸ons d’´crire X k sous la forme X p X k−p , avec 0 ≤ p ≤ n et 0 ≤ k − p ≤ n. c e La derni`re condition s’´crit encore k − n ≤ p ≤ k. e e Il y a deux cas possibles : Si 0 ≤ k ≤ n, alors 0 ≤ p ≤ k, et lon a k + 1 d´ompositions possibles. c

121

Si n ≤ k ≤ 2n, alors k − n ≤ p ≤ n, et l’on a 2n − k + 1 d´compositions possibles. e Donc on a bien (1 + X + + X n )2 = 1 + 2X + 3X 2 + + (n + 1)X n + nX n+1 + + 2X 2n−1 + X 2n . 6) La propri´t´ est vraie ` l’ordre 1, puisque Q0 (X) = a0 = 1. ee a Supposons la propri´t´ vraie ` lordre n. Alors : ee a Qn+1 (X) = XQn (X) + (1 + X + ... + X n )2 = X(a0 + a1 X + .... + an−1 X n−1 + an−2 X n + ... + a1 X 2n−3 + a0 x2n−2 )+ 1 + 2X + 3X 2 + .... + (n + 1)X n + nX n+1 + .... + 2X 2n−1 + X 2n = 1 + (a0 + 2)X + .... + (an−1 + n + 1)X n + (an−2 + n)X n+1 + .... + (a0 + 2)X 2n−1 + X 2n . Mais, si k ≥ 1, on a ak−1 + k + 1 = ak+1 d’o` u Qn+1 (X) = a0 + a1 X + ... + an X n + an−1 X n+1 + ... + a1 X 2n−1 + a0 x2n .

122

3) Trouver.. Xn − 1 n ∈ N∗ . Dur´e du sujet : 1h :30min e Responsable : Lakhel El Hassan Horaire : 10h :30-12h :00. (X 2 +1)n Probl`me .Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi Devoir surveill´ N 2. en fonction de (U0 .. . o 2) Montrer que il existe un unique couple (U0 . . tous les couples (U. V2 ) v´rifient le th´or`me de Bezout pour A et e e e B. e EPREUVE D’ALGEBRE Examen de 29 novembre 2005.. V0 ) v´rifiant : e (i) AU0 + BV0 = 1 (ii) deg(U0 ) < deg(B) (iii) deg(V0 ) < deg(A). + . le th´or`me de Bezout affirme que A et B sont e o e e premiers entre eux dans R[X] si et seulement si il existe un couple (U. Exercice 1.. αp les racines distinctes de P et k1 ... e 3) Montrer que la d´composition en ´l´ments simples de la fraction rationnelle P est e ee P kp k1 k2 P = + + . P X − α1 X − α2 X − αp 4) Application : d´composer en ´l´lents simples dans C(X) la fraction rationnelle : e ee X n−1 . 4) Que pensez-vous de ce probl`me si l’´quation ` r´soudre est AU + BV = C o` C est un e e a e u polynˆme quelconque de R[X].(X+n) (K = R). k2 . V ) de R[X] tels que AU +BV = 1.. D´composer en ´l´ments simples dans K(X) les fractions : e ee 1 a) F1 = X(X+1)(X+2). V ) de polynˆmes de o R[X] tel que AU + BV = 1.. o e 1) Montrer que le reste de la division euclidienne de P par (X − a) est P (a). o 123 . α2 . (X 2 −X+1)3 X 2n (K = C). il faut choisir). kp leurs ordres de multiplicit´s.. alors : . 1) Montrer que. b) F2 = c) F3 = X8 (K = R). V1 ) et (U2 . On suppose que A et B sont premiers entre eux.le polynˆme V1 − V2 est divisible par A. Soit P un polynˆme de C[X] de degr´ au moins 1 et r un entier strictement positif.. 2) Trouver le reste et le quotient de la division euclidienne du polynˆme X 2r − 1 par X + 1 o (r´fl´chir ou calculer.le polynˆme U1 − U2 est divisible par B. Exercice 2. V0 ). e e On note α1 . o . si les couples (U1 . e Etant donn´ deux polynˆmes A et B de R[X].

Soit F un K-espace vectoriel de dimension quelconque et f : E −→ F une application lin´aire. e I. a 5) Montrer que les propri´t´s suivantes sont ´quivalentes : ee e i) E = Ker(g) ⊕ Im(g). L’endomorphisme f de E est d´fini par : e f ((x. e E =∈ (p) ⊕ ker(p) 8. Soit E = R2 . (Indication : utiliser une base B1 de F1 et une base B2 de F2 et montrer que B1 ∪B2 = B est une base de E). p est un projecteur. II. D´duire que si p est un projecteur. 7. ii) Ker(g 2 ) = ker(g). e 1) Montrer que l’image d’une suite g´n´ratrice de E est une suite g´n´ratrice de Im(f ). III. Probl`me 1. iii) Im(g 2 ) = Im(g). 4) Montrer que si F1 et F2 sont deux sous-espaces vectoriels de E tels que E = F1 ⊕ F2 . e e e e 2) Montrer que f est un isomorphisme si et seulement si l’image d’une base de E est une base de F . p(I − p) = (I − p)p = 0.Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi Devoir surveill´ N 3. e Alors dimK E = dimK F. I − p est un projecteur. Soit E un K-espace vectoriel de dimension finie. Dur´e du sujet : 1h :30min e Responsable : Lakhel El Hassan Horaire : 10h :30-12h :00.. iii. 3) En d´duire que si F est de dimension finie et f : E −→ F est un isomorphisme. ii. Application : Soit I l’endomorphisme identique de E. y)) = (x − y. alors dimK E = dimK F1 + dimK F2 . y − x) ((x. y) ∈ R2 ) D´terminer l’image et le noyau de f . e EPREUVE D’ALGEBRE Examen de 26 janvier . 6. D´montrer l’´quivalence des propositions suivantes o` p est un endomorphisme de e e u E : i. On appelle projecteur de E tout endomorphisme p de E tel que p2 = p.. f est-il un projecteur ? e 124 . On suppose que g est un endomorphisme de E c’est-`-dire : g ∈ LK (E).

a. e d. 15 points : partie I : 4 pts + partie II : 4 pts . e Exercice 2.D´terminer Ker(f ) et Im(f ). 125 . Partie III : 7 pts .D´duire que R[X] est de dimension infinie. On prend E = R[X]. e b. e Barˆme approximatif : e Probl`me 1.Montrer que f est une application lin´aire de E dans E. Soit f : R[X] −→ R[X] la ”multiplication par X ” d´finie par e f (P (X)) = XP (X).Exercice 2. : 5 points.

Ecrire par rapport aux bases canoniques la matrice C de f og puis la matrice D de gof en fonction de A et B. et V3 =  0 . Soient V1 =  1 . dim(F1 ) ≥ 1 et dim(F2 ) ≥ 2. P et P −1 . Montrer que (V1 ) est une −1 0 −1 base de E1 et que (V2 . on pose Fλ = Ker(f og − λId4 ) o` Id4 est l’application identit´ de u e R4 . B et D. ´ 2. On notera A la matrice de f et B la matrice de g. 6. En d´duire que dimf (E1 ) = 1. e dimf (E2 ) = 2 puis que dim(F0 ) ≥ 1. d´part et ` l’arriv´e). Montrer que f (V1 ) = 0 et que (f (V2 ). Exprimer Mn en fonction de D . R e e e λ      1 1 1 5. e a e 9. V3 ).o(gof ) e n f ois dans les bases canoniques (au d´part et ` l’arriv´e) en fonction de A. 10. En d´duire que Ker(f og) = {0}. e 12. Pour tout λ ∈ R . dire pourquoi dim(Kerg) = 0. Calculer P −1 puis la matrice Mn .o(gof ) dans les bases canoniques (au n f ois Dur´e du sujet : 1h :30min e Responsable : Lakhel El Hassan Horaire : 8h :30-10h :00. Exprimer D en fonction de D . Sans calculer le rang de g . 7. e a e 11. montrer que 1 1 3 Soient f:  R3 →  R4  et P (λ) = (2 − λ)2 (1 − λ). Pour tout λ ∈ R.. sans calculer P 8. Montrer que Kerg ⊂ Ker(f og). Calculer det(P ) et en d´duire que B est e e une base de R3 . V2 . Montrer que f et g sont des applications lin´aires dont on donnera les matrices relae tivement aux bases canoniques. Apr`s avoir v´rifi´ que D = e  e e e e  1 −1 −1  −1 1 −1  ..Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi Devoir surveill´ N o 5. On note Mn la matrice de (gof )n = (gof )o. on pose Eλ = Ker(gof − λId3 ) o` Id3 d´signe l’identit´ de l’espace u e e 3 . Pour tout λ ∈ R. V2 =  −1 . Ecrire la matrice D de gof dans la base B = (V1 . 13. 126 .. Montrer que f (Eλ ) ⊂ Fλ . Probl`me e g: R4 → R3      x −2x −2y −2z x − y + 2z − t x  y   2x +2y +3z     →    y  →  y−t  z   4x +2y +4z  y−z+t z t 3x +y +4z 1. D´duire de la question pr´c´dente que E = {0} si et seulement si λ = 1 ou 2. e ´ EPREUVE D’ALGEBRE LINEAIRE Examen de 17 avril 2006. P et P −1 . on consid`re la fonction P (λ) = det(D − λI3 ) o` I3 d´signe la e u e matrice identit´ de l’espace des matrices carr´es 3 × 3. 3. Soit P la matrice du syst`me B = (V1 . V2 .. V3 ) (au d´part et ` l’arriv´e) e a e −1 . V3 ) est une base de E2 . 4. f (V3 )) est libre. D´duire de la question 8) une expression de la matrice de (gof )n = (gof )o.

. .. . Montrer que F1 ∩ F2 = {0}. Calculer le d´terminant de Vandermonde : ee e 1 a1 a2 . .. ... sup´rieur ou ´gal 2. an−1 1 1 1 a2 a2 .. .. an ) = − ai ) ).. A partir de la relation F0 + F1 + F2 = R4 . an n ´l´ments de R . . 127 . puis en d´duire que e e dim(F0 + F1 + F2 ) = dim(F0 ) + dim(F1 ) + dim(F2 ). dim(F1 ) et dim(F2 ) ? ` 17. . 16. . 1 an a2 .14. montrer que Fλ = {0} si et seulement si λ = 0. . Exercice ... Quelle e e e est la valeur de dim(F0 ).. De mˆme. . puis exprimer dim(F1 + F2 ) en fonction de dim(F1 ) et dim(F2 ). .. D´duire de la question pr´c´dente et de la question 13) que F0 + F1 + F2 = R4 . . an−1 2 2 . an−1 n n 1≤i<j≤n (aj Vn = V (a1 . . ee e e Soient a1 .(facultatif ) Soit n un ´l´ment de N∗ .. . 15. . an ) = (Indication : montrer par recurrence sur l’entier n que V (a1 ... 1 ou 2. .. montrer que F0 ∩ (F1 + F2 ) = {0}.

. e 3) D´duire qu ’il existe une base B de E telle que la matrice de f dans B soit A .. . . ..    A = ... avec K = R ou C et n ∈ N∗ . ...+en . 1) Si A est une matrice inversible et λ ∈ K∗ ...    A= . avec e   0 0 . 1 On d´signe par f l’endomorphisme de E dont la matrice dans la base B est A. . Dur´e du sujet : 1H :30min e Responsable : Lakhel El Hassan Horaire : 9h :00-10h :30. Montrer que : PA−1 (λ) = (−λ)n 1 PA ( ). . . 0 0     . Soit d’autre part A la matrice carr´e de taille n dont tous les coefficients sont ´gaux ` 1 : e e a   1 1 . . 0 n 4) Etablir que (A )k = nk−1 A pour tout k ∈ N∗ . Soit E un C-espace vectoriel de dimension finie n et B = (e1 ... det(A) λ o` PA est le polynˆme caract´ristique de A. D´montrer l’´quivalence suivante : e e PA (B) est inversible ⇔ Sp(A) ∩ Sp(B) = ∅. Exercice 2.... en ) une base de E. e EPREUVE D’ALGEBRE lin´aire e Examen de 11 avril .. e 1) Soit u le vecteur u = e1 +e2 +..... . en ) la base canonique de l’espace vectoriel E = Kn (o` n ≥ 2 et u 128 ..     0 0 . ....Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi Devoir surveill´ N 6.. 0 0  0 0 . Soient A et B deux matrices de Mn (K) . En d´duire Ak pour tout k ∈ N∗ . . e2 . . 1  1 1 .. 0 0  0 0 .  1 1 .     . Montrer que Im(f )=Vect(u). u o e 2) On appelle spectre de A l’ensemble des valeurs propres de A. . Exercice 1. Quelle est la dimension de Ker(f ) ? 2) Trouver les valeurs propres et leurs sous-espaces associ´s de f . .. .. 1     .. e ` PROBLEME : ( MATRICES STOCHASTIQUES1 ) On note B = (e1 . . ... e2 .

. vn ) e de vecteurs propres de f . Prouver que la suite de matrices (S k ) converge si est seulement si la suite (Dk ) converge. Montrer que |λ| ≤ 1.. on d´signe par f un endomorphisme de E = Rn dont la matrice S = (sij ) est e stochastique. vp ) de E1 = Ker(f − Id) en une base B = (v1 . |x2 |. On note Sn (R) l’ensemble des matrices stochastiques de Mn (R). |xn |). e 6) Montrer que la somme directe des sous-espaces propres associ´s aux valeurs propres de f e autre que 1 est ´gale ` Im(f − Id). e (Pour une suite de matrices (Ak )k∈N . + sin = 1. . v2 . λn les valeurs propres de f rang´es par modules e d´croissants (1 = |λ1 | = .K = R ou C). e Montrer qu’une matrice M de Mn (R) ` coefficients r´els positifs ou nuls est stochastique si a e et seulement si M V1 = V1 .. ea On suppose d´sormais que l’endomorphisme f est diagonalisable.. e 3) Soit λ une valeur propre de f autre que 1. 1) V1 le vecteur de E dont les composantes dans la base B sont toutes ´gales a 1. 5) Montrer que Im(f − Id) est stable par f . x2 ... Dans la suite. . on convient de noter : |x| = max(|x1 |.. pour x ∈ Rn . Etablir que tout sous-espace propre Eλ de f associ´ ` une valeur propre λ autre que 1 est inclus dans Im(f − Id). = |λp | ≥ |λp+1 | ≥ . ... en notant : Ak = (k) (k) (aij ).. . 8) Application :   A= 0 0 1 3 0 1 3 1 2 1 1 3 1 2 ... notament en calcul de probabilit´s. Ces matrices sont stables par le produit.n} ∈ Mn (R) est dite stochastique si et seulement si n ∀i... e a 7) On compl`te une base (v1 . Soit D la matrice de f dans la base B .j∈{1.. j sij ∈ R + et ∀i j=1 sij = si1 + si2 + . On note λ1 .. e Une matrice S = (sij )i... λ2 . Barˆme approximatif : e Exercice 1 : 4 points . associ´es ` ces vecteurs propres e e a v1 . v2 .. ≥ |λn |). Exercice 2 : 6 points. On se propose d’´tudier l’ensemble des valeurs propres des matrices stochastiques d’ordre n.2.. vn .. 2) D´duire que 1 est une valeur propre de f .. v2 . j. montrer que |f (x)| ≤ |x|.. (Indication : Pour tout vecteur x = (x1 .... on dit que limk−→+∞ Ak = A . xn ) de E = Rn . si . 4) Montrer que Ker(f − Id) ⊕ Im(f − Id) = Rn . o e 129 .. on a : ∀i. ... D´duire que la suite (S k ) est convergente. Puis conclure). Probl`me : 10 points. limk−→+∞ aij = aij ). e 1 Ces matrices jouent un rˆle important.