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

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

La plupart des r´sultats sont d´montrs. 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. e o L’´tude de l’alg`bre lin´aire constitue le coeur du cours d’alg`bre . on introduit la notion de loi de composition interne dans un ensemble. isomorphismes). se r´duit aux d´finitions (structure. ni de faire les exercices. La maˆ e e ıtrise de l’alg`bre lin´aire ´l´mentaire en dimension finie constitue un objectif e e ee essentiel. 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. revenez ` la partie du cours concern´e. Elle n´cessite un important effort d’abstraction et e e demande une assez longue adaptation. a e e ee noyau. Ensuite. C’est pour les ´l`ves la partie la plus difficile. les syst`mes d’´quations lin´aires . morphismes) et ` quelques propri´t´s ´l´mentaires des morphismes (composition. en analyse et en e e g´om´trie. e • Espaces vectoriels de dimension finie. et de leurs interventions en alg`bre. Le programme d’alg`bre est organis´ autour des concepts fondamentaux d’ese e e pace vectoriel et d’application lin´aire. Les chapitres cinq-huit introuduisent les matrices. anneau. Survol du groupe des permutations d’ordre n (d´finition d’une pere mutation. e e • Application lin´aire. Ces allers-retours entre le cours et les applications sont essentiels pour une bonne e compr´hension. endomorphisme. elle est subdivis´e en e e e e e six chapitres : La deux`me partie ´voque la notion d’espace vectoriel. Chaque c e fois qu’un exercice vous pose des probl`mes. 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. nous allons e ´tudier les polynˆmes et les fractions rationnelles. la d´monstration ne demande que quelques lignes. qui s’int´resse aux propri´t´s e e ee des objets manipul´s et non leur nature. dans le but e e d’habituer les ´l`ves ` tenir un raisonnement rigoureux. 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. Il contient l’ese sentiel du module d’alg`bre. 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. Les domaines suivants seront trait´s dans le premier chapitre de cette partie : e • Espace vectoriel et sous-espace vectoriel. ` ne pas confondre d´monstration et ee a a e affirmation. ee e e e En d´but d’ann´e. automorphisme. car la plus abstraite et la plus neuve : ee ils y rencontrent pour la premi`re fois la notion de structure. souse e e structure. d´termination pratique de la signature). corps. 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. e • Noyau et image d’une application lin´aire.INTRODUCTION Ce support de cours a pour objectif de faciliter le travail des ´tudiants. • Suite libre et suite g´n´ratrice. d’une transposition. e e l’´tude des structures de groupe. Pour certains th´or`me. e e e e 4 . les e e e d´terminants et les r´ductions des matrices. de la premi`re ann´e ENSAS que l’´tudiant doit connaˆ e e e e ıtre. isomorphisme.

e e a Je serais reconnaissant ` ceux de mes lecteurs qui me feront parvenir leurs remarques sur ce a ce fascicule. E. Lakhel 5 . Des exercices sont ins´r´s dans le e e ee cours.-et peut ` tort sembler triviale. -alors que pour d’autres . souvent ` la fin de chaque chapitre. ils deveraient permettre ` l’´tudiant de contrˆler. a a e o au fur et ` mesure. 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. a e Aucune de ces d´monstrations ne doit ˆtre trait´e ` la l´g`re. il faut beaucoup plus d’ingeniosit´.

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

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

est e l’ensemble des images de tous les ´l´ments de X : ee f (X) = {y ∈ F/∃x ∈ X. tout sous-ensemble de E 2 . (∀c ∈ E) e e 1. 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 : ⊆. Mais on a seulement l’inclusion : f (A ∩ B) ⊆ f (A) ∩ f (B). Preuve.) e 8 . a ee ee Image d’une partie de E : D´finition 1.2 Relation binaire sur un ensemble E On appelle relation binaire R sur un ensemble E. Soient A. associe un ´l´ment unique de F . a e antisym´trique et transitive. La relation ” ´gal ` ” est une relation d’´quivalence. bRc Exemples 1. sym´trique et transitive. e e 1.1. R est une relation sym´trique si et seulement si aRb =⇒ bRa. on a : e e 1. L’image d’une partie X de E par l’application f que l’on note f (X).1. B deux parties de E. Elle n’est pas transitive ! e (Th´or`me d’Euclide : deux droite perpendiculaures ` un troisi`me sont parall`les. si et seulement e e si : (aRb et bRa) =⇒ a = b (∀a ∈ E)(∀b ∈ E). e aRb 3. Th´or`me 1. 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. La relation ”parall`le ` ” est une relation d’´quivalence. tel que : (∀a ∈ E). f (A ∪ B) = f (A) ∪ f (B). 2. La relation ” inclus dans ou ´gal ` ” est une relation r´flexive et transitive e a e 3. (∀a ∈ E) (∀b ∈ E).3 Applications et fonctions D´finition 1. R est une relation r´flexive si et seulement si aRa e 2. Soient E.1.. y = f (x)}. On appelle application de E vers F toute core respondance de E vers F qui. ` tout ´l´ment de E.3. Une relation R est une relation antisym´trique. ≤ .La relation ”inf´rieur ou ´gal ” est une relation d’ordre sur R..2. F deux ensembles. e a e 2. La relation ”perpendiculaire” est une relation sym´trique.) e e a e e 3. 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.1. (Voir exercice 3 s´rie No 1.. Exemple .

e e Th´or`me 1. • Surjection : On dit que l’application f est surjective si : ∀y ∈ F.). f −1 (A ∪ B) = f −1 (A) ∪ f −1 (B).D. y) ∈ E 2 . Preuve. 9]. 2]. En effet. l’inclusion r´ciproque n’est pas toujours vraie. et f une application de E vers F . 25]. 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). 2. donc f (A ∩ B) = [1. consid´rons l’applie e cation f : R −→ R x −→ x2 et consid´rons les ensembles A = [−3. f (B) = [1.4.5. Remarque 1. Propri´t´s des applications ee Soient E. ee f −1 (Y ) = {x ∈ E/ f (x) ∈ Y }. et A ∩ B = [1. 1. F deux ensembles.Remarque 1. 4]. x = y ⇒ f (x) = f (y). En fait l’inclusion r´ciproque n’est vraie que si l’application f est injective (voir T. donc f (A) ∩ f (B) = [1. On a e e 1.3. e On a f (A) = [0. 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 . 2. f −1 (A ∩ B) = f −1 (A) ∩ f −1 (B). 9 . f (x) = f (y) ⇒ x = y. y) ∈ E 2 . ∃x ∈ E / y = f (x). 2]. 9]. Autrement dit : ∀(x. 5]. 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). Attention ! il ne faut pas confondre cette notion avec la fonction r´ciproque e d’une application bijective rappel´e ci-apr`s. e Image r´ciproque d’une partie de F e D´finition 1. • Injection : On dit que l’application f est injective si : ∀(x. Donc f (A) ∩ f (B) f (A ∩ B). B = [1. Soient A et B deux parties de F .2.

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

On suppose qu’il existe deux sym´triques ` x : x et x”. Tout ´l´ment d’un groupe est r´gulier. – (C u – (E.5. c ∈ G. Preuve.7. C’est-`-dire. on a : ee (a ∗ b)−1 = b−1 ∗ a−1 . a ii) La loi ∗ admet un ´l´ment neutre c’est-`-dire ∃e ∈ G ∀x ∈ G. ee e a Si. e 1. la loi est commutative (∀x. 2. e Proposition 1. x ∈ G. u ∗ . +) o` E = { fonctions num´riques d´finies sur R}.Remarque 1. 11 .c. pour tous les ´l´ments a et b de G. on aura apr`s multiplication ` gauche par a−1 e a a−1 ∗ (a ∗ x) = a−1 ∗ (a ∗ y). Soient a. +) o` + est l’addition usuelle. ee e Preuve. On dit qu’un ´l´ment a de G est r´gulier ` gauche si ee e a ∀b. Preuve. et + est la somme usuelle des u e e fonctions. Munir un ensemble G d’une structure. pour v´rifier qu’un ´l´ment x est le e e e e ee sym´trique de x. e Proposition 1. ∗). f + g est d´finie. 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. ∀x. Les ensembles suivants sont des groupes : – (Z. il suffit que l’on ait soit x ∗ x = e soit x ∗ x = e. il suffit de v´rifier que. e a x ∗x∗x = (x ∗ x) ∗ x = e ∗ x = x = x ∗ (x ∗ x ) = x ∗ e = x . de plus. Soit (G. On dit qu’un ´l´ment a de G est r´gulier ` droite si ee e a ∀b. c ∈ G. Remarque 1. Soit (G.i e not´e ∗. ×) o` × est la multiplication usuelle.4. Un ensemble (G. L’autre relation e ´tant obtenue par la commutativit´.1. (b ∗ a = c ∗ a) ⇒ (b = c). on dit que le groupe est commutatif ou ab´lien. x.11. ∗) un groupe.3 Groupes et sous-groupes D´finition 1. ee alors.8. ∃x ∈ G/x ∗ x = x ∗ x = e. Si on suppose que a ∗ x = a ∗ y. f et g ´tant deux ´l´ments de E. Dans la suite. y trois ´l´ments d’un groupe (G. pour v´rifier qu’un ´l´ment e est l’´l´ment e ee ee neutre. x ∗ x = x ∗ x). ee a iii) Tout ´l´ment est sym´trisable c’est-`-dire ∀x ∈ G. On dit qu’un ´l´ment a de G est r´gulier si il est r´rulier ` gauche et ` droite. 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. ∗) un groupe et soit x un ´l´ment de G. x ∗ (y ∗ z) = (x ∗ y) ∗ z. – Si une loi ∗ est commutative.10. ∗) un groupe.9. Le sym´trique de x est ee e unique. Soit (G. e Exemple 1. x ∗ e = e ∗ x = x. y. (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. D´finition 1. ∀x ∈ G. G ´tant un ensemble muni d’une l. (a ∗ b = a ∗ c) ⇒ (b = c). De mˆme. on a x ∗ e = x (ou e ∗ x = x). pour tout a e ee e r´el x. par : (f + g)(x) = f (x) + g(x). ∗) est un groupe si il v´rifie les trois conditions suivantes : e e i) La loi ∗ est associative c’est-`-dire. ee e e a a Proposition 1. e 1. z ∈ G. 3.

muni de la loi ∗ induite par G est un groupe.13. a 12 . Il existe un plus petit sousee groupe de G contenant a. (2Z. Tous les autres sous-groupes sont dits propres. Proposition 1. D’o` ee u −1 ∈ x. – (Z. Par suite x = y. – (Z∗ . Preuve. ×) n’est pas un sous-groupe de (R∗ . Alors i∈I Hi est un sous. Soit H ⊆ G. Th´or`me 1.x−1 ∈ H ⇒ e ∈ H. Exemple 1. Soit (G. . +).x−1 ∈ H ⇒ x−1 ∈ H. H est stable par la loi de G et ∀x ∈ H.y −1 ∈ H. ∀i ∈ I. e Loi de composition interne : ∀x.6. e Sym´trique : ∀x ∈ H. on a (2Z.y i∈I Hi . +). Ce sous-groupe est appel´ groupe engendr´ par a et est not´ gr(a). ×).7. Par e e e exemple. et donc x. e (ii) ⇒ (iii) ´vident. x. y ∈ H. la partie H est dite stable pour la loi ∗ du groupe G (ou stable dans G)si ∀x. e e El´ment neutre : ∀x ∈ H.3. Soit G un groupe et soit a un ´l´ment de G. Le sym´trique d’un ´l´ment de H est le mˆme dans H que dans G. on a x. +) et (3Z. +) est un sous-groupe de (Z. ∗) un groupe. donc e ∈ i∈I Hi . y ∈ H. e e e Preuve. (i) ⇒ (ii) ´vident. e (iii) ⇒ (i) : Associativit´ d´coule de celle de G. Soit G un groupe et soit (Hi )i∈I une famille non vide de sous. (iii) H = ∅ et ∀x. Soit H ⊆ G et H = ∅. on a x − y ∈ H. +). +) est un sous-groupe de (R. Proposition 1. +) est un sous-groupe de (Z.14. (iii) devient (iii)’ H = ∅ et ∀x.y = x. L’´l´ment neutre de H est le mˆme que ee e celui de G . Remarque 1. H est stable par la loi de G et ∀x ∈ H. {e} et G sont deux sous-groupe de G.) un groupe not´ multiplicativement. on devrait avoir 2 + 3 ∈ 2Z ∪ 3Z. +) est un sous-groupe de (Z. Soit (Hi )i∈I l’ensemble des sous-groupes de G qui contiennent a.groupes de G. ii) L’ensemble H. Remarque 1. – Soit x. e. e On dit que H est un sous-groupe de (G. En g´n´ral.ce qui entraine en utilisant l’associativit´ de la loi ∗ : e (a−1 ∗ a) ∗ x = (a−1 ∗ a) ∗ y. +).groupe de G. y deux ´l´ments de i∈I Hi . ∗) si et seulement si i) H est stable dans G. (ii) H = ∅. – ∀i ∈ I(= ∅) e ∈ Hi . on a : e (ii) devient (ii)’ H = ∅. Soit (G. – 2Z = {2k/k ∈ Z}.2. y ∈ H.y −1 ∈ Hi .15. Exemple 1.(y −1 )−1 ∈ H. . Sous-groupes Soit H une partie non vide d’un groupe G . on a y −1 ∈ H. – Soit H un sous-groupe de G. la r´union de 2 sous-groupes n’est pas un sous-groupe. Les propri´t´s e e e ee suivantes sont ´quivalentes : e (i) H est un sous-groupe de G. par suite i∈I Hi = ∅. y ∈ H. on a −x ∈ H. e ee e – Si la loi de G est not´e additivement. D´finition 1.12. on a x−1 ∈ H. Cette famille n’est pas vide car G appartient ` cette famille et gr(a) = i∈I Hi . x. x ∗ y ∈ H. alors. y ∈ Hi donc x. Soit G un groupe. Si 2Z ∪ 3Z est un sous-groupe de (Z. Preuve.

D´finition 1. ⊥) deux groupes d’´l´ments neutres respectifs e et e . Ce sous-groupe est appel´ groupe e engendr´ par A et est not´ gr(A).20. (F. un morphisme (resp. On e dit que f est un morphisme de groupes si : ∀(x. Alors. automorphisme)de G. ×). ⊥) deux groupes et f un morphisme de G dans F . +) engendr´ par 1. et f une application de G dans F . 13 .19. Soient G. donc f (e) = e puisque dans un groupe tout ´´ment est r´gulier. un isomorphisme) de G dans G est appel´ un u e endomorphime (resp. L’application de (Z. D´finition 1. • L’image de f not´ Im(f ). (ii) ∀x ∈ G. On dit que A est une partie e g´n´ratrice de G si et seulement si gr(A) = G. Nous avons f (x−1 )⊥f (x) = f (x−1 ∗ x) = f (e) = e . f (x ∗ y) = f (x)⊥f (y). +) qui ` chaque x on associe nx. Soient (G. est un morphisme de groupes appel´ morphisme trivial. Th´or`me 1. +) dans (R∗ . + Th´or`me 1. ee e 2. e e 1. Alors f est injectif e e si et seulement si Ker(f ) = {e}. La fonction exponentielle est un morphisme de (R. Preuve : (i) Nous avons e ⊥f (e) = f (e) = f (e ∗ e) = f (e)⊥f (e). Soient (G. Soient (G. On e dit que f est un isomorphisme de G dans F s’il est bijective de G dans F . e 2) (Z. l’application de G dans G qui ` x fait correspondre e a (l’´l´ment neutre de G ). e = Dans le cas o` G = F .4. +) est un sous-groupe de (Z. est un a morphisme de groupes (f (x + y) = f (x) + f (y)).16. +) dans (Z. Soient (G. y) ∈ G2 . ∗). gr(i) = {1. ⊥) deux groupes. i. f (x−1 ) = (f (x))−1 . Soit G un groupe et soit A une partie de G. e • Le noyau de f not´ ker(f ). −i}.18. ∗). ∗) et (F. (F. e 3) Dans (C∗ . La fonction loga+ rithme est un morphisme de (R∗ . est le sous-groupe de G d´fini par : e e Im(f ) = f (G) = {f (x) : x ∈ G}. 1) (2Z. Dans ce cas on dit que G et F sont isomorphes et on ´crit G ∼ F . (F.17.Exemple 1. −1. +) est sous-groupe de (R.21. Exemples : 1. (i) f (e) = e .8. ×) . 3. +) engendr´ par 2. On peut g´raliser cette d´finition ` une partie A quelconque d’un groupe e e a G.4 Morphisme de groupes D´finition 1. donc ee (f (x))−1 = f (x−1 ). ⊥) deux groupes et f un morphisme de G dans F . e e D´finition 1. ×) dans (R. +). Remarque 1. ∗). e e ee Soit f un morphisme de G dans F . est le sous-groupe de G d´fini par : e e Ker(f ) = f −1 (e ) = {x ∈ G : f (x) = e }. ee e (ii) Soit x un ´l´ment de G. Soit f un morphisme d’un groupe G dans un groupe F . G deux groupes. Il existe un plus petit sous-groupe de G contenant A. Soit n ∈ N.

Dans ce cas un anneau e e e e v´rifiant vi) sera dit un anneau unitaire. +. c’est-`-dire distributive ` gauche : a a a ∀x. vi) A admet un ´l´ment neutre pour la loi × ee ∃e ∈ A ∀x ∈ A ex = xe = x.23. Par suite f est injective. on  1 0  0 1 1 = I3 = 0 0 a dans (M3 (R). ×) sont des ane e neaux commutatifs.Preuve Supposons que f est un morphisme injectif. +) est un groupe ab´lien. ×). ×) un anneau. Il en r´sulte que e xy −1 ∈ ker(f ) = {e}.9. +) et 1 ou 1A l’´l´ment neutre de (A. c’est-`-dire : ∃x ∈ A tel que e a a x × x = x × x = 1. 1. ×) que nous verrons plus tard n’est pas non plus commutatif.. Soit (A. ×) un anneau. ce qui implique que x = e. ×) est un anneau si et seulement si : i ) (A. on obtient f (xy −1 ) = e .24. +. On pourrait d´terminer les ´l´ments neutres pour chacune e ee e ee des lois. Soit A un ensemble muni de deux lois de composition internes + et ×. On note e = 1A ou tout simplement 1. (Z.. +. ×) :    0 0 0 0 0  et 0 =  0 0 0  . (M3 . On note A∗ = A \ {0A }. z ∈ A. alors. ee Exemple 1. On note u(A) l’ensemble des ´l´ments inversibles de A (qui sont appel´s aussi des unit´s). Un anneau n’est jamais vide. (R. 1 0 0 0 D´finition 1. +. Notons que la d´finition d’un anneau peut ˆtre ´nnonc´e sans vi). ×) est dit commutatif si la loi × et commutative. ×) et (E. donc si x est un ´l´ment de ker(f ). +. z ∈ A. e Exemple 1. ×) 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). (y+z)×x = a (y × x) + (z × x). u 3. 2.22. +. u 1. Soit (A. 2. ({0}.7. (R. Les pr´c´dents exemples (Z. Soit E = { fonctions num´riques d´finies sur R} (E. Donc xy −1 = e. ee e e 14 .5 Anneaux et corps D´finition 1. 1. u Cet anneau est appel´ un anneau nul. y ∈ G tels que e f (x) = f (y). 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 × . +. +. iii ) La loi × est distributive par rapport ` la loi + . d’o` x = y. On note g´n´ralement 0 ou 0A l’´l´ment neutre de e e ee (A. Un anneau (A.5. On parlera d’oppos´ pour le sym´trique d’un ee e e ´l´ment pour la loi +. ee alors f (x) = e = f (e). ×) o` + et × sont l’addition usuelle et la multiplication usuelle est un anneau. y. R´ciproquement. +. D´finition 1. e Remarque 1. soient x. Notations 2. e e Exemple 1. Les autres anneaux seront dits unif`res. e ii ) La loi × est associative. +. +. Pour les matrices.. On e dit que (A.. x×(y+z) = (x×y)+(x×z) et distributive ` droite : ∀x. ×) o` + et × sont l’addition usuelle et la multiplication usuelle. ×). +. u 2. 1. ×) o` + et × sont l’addition usuelle et la multiplication usuelle. en multipliant par f (y)−1 . +. y.6.

g) −→ f + g et (f. (E. g) −→ f og telles que pour tout x ∈ R2 (f + g)(x) = f (x) + g(x) et fog(x)=f(g(x)). On appelle corps tout anneau unitaire tel que tout ´l´ment non nul soit e ee inversible. (R. Exercice : Soit A = L(R2 ) l’ensemble des applications lin´aires de R2 dans R2 . Si de plus la loi × est commutative. (Z. 1.25.Exemple 1. 1. u e e u(E) = { fonctions num´riques qui ne s’annulent pas sur R}. +. on a : A corps ⇔ (A∗ . 2. e D´finition 1. +. on dit que le corps est commutatif. a si (A. ×) est un anneau unitaire. Alors. +. 1} et u(Q) = Q∗ 2. +. Est-il commutatif ? Quel est l’´l´ment neutre pour la loi o. ×) et (R[X]. o) est un anneau. Exemple 1.8.9. ×) et (R(X). ×) ne sont pas des corps. Montrer que (A. +. ×) o` E = { fonctions num´riques d´finies sur R}. +. ×) sont des corps. ee 15 . +. C’est-`-dire. u(Z) = {−1.On munit A des deux e lois de composition internes suivantes : (f. ×) est un groupe.

y) ∈ E × F/xRy}. Soient A et B deux sous-ensembles d’un ensemble E. On d´finit la relation R de E vers F par : ∀x ∈ E et ∀y ∈ F . 4. 1+x2 Montrer que f est une bijection de R− sur un intervalle ` pr´ciser. A et B ´tant deux parties quelconques de E. 3. e 1) Pour toute partie A de E. A toute partie A d’un ensemble E. 8} et la relation R de E vers E d´finie e 2 . 5. d’une relation binaire R l’ensemble G = {(x. y) ∈ E D´terminer le graphe de R. Exprimer ` l’aide des foctions χA et χB les fonctions χA∩B . e R est une relation d’ordre ? d’´quivalence ? e Exercice 2. exprimer f (A) en fonction de f (A). 2) Comparer : a) f (A ∪ B) et f (A) ∪ f (B). par ∀(x. 2. et d´finir f −1 . xRy ⇐⇒ x < y + 2. on assoucie la fonction χA . a. et A et B deux parties de E. Exercice 4. Soient E et F deux ensembles. 7. On donne ici l’ensemble E = {1. e On appelle graphe. a Exercice 3. D´terminer le graphe de R. a e e Exercice 5. 6. xRy ⇐⇒ x est un diviseur de y. χA (x) = 1 χA (x) = 0 Soit A et B deux sous-ensembles de E. 16 . Exercice 6. 2. 1) Montrer que : A ⊂ B ⇒ f (A) ⊂ f (B). Montrer que A = B ⇐⇒ χA = χB . Soit les ensembles : E = {0. b. 6} et F = {1. (ii) f (E) = 1.6 EXERCICES. (iii) f (A ∪ B) = f (A) + f (B) si A ∩ B = ∅. 3. et on le note G. On consid`re l’application : e f : R− −→ x −→ R x2 . b) f (A ∩ B) et f (A) ∩ f (B) si f est injective. d´finie de E vers {0. f une application de E vers F . χA∪B et χAc . ∀x ∈ Ac . A∩B =A∪B 2) Les sous-ensembles ou parties de E constituent un ensemble que l’on note P(E). 1} par e e ∀x ∈ A.1. Soit E un ensemble non vide. 1) Montrer que : A ⊂ B ⇒ B ⊂ A. e b. 6}. appel´e fonction e caract´ristique de A. a. Exercice 1. On consid`re une application f de E dans R telle que : e (i) f (∅) = 0. Montrer que P(A ∩ B) ⊂ P(A).

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

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

Soit a ∈ R et fa (X) = (2 + a)X 3 − 5X 2 + X + 3. 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 .. Elle marque l’entr´e des math´matiques dans une nouvelle `re. par convention. il est not´ 0. e On peut faire jouer ` X d’autres rˆles que des valeurs de K. on appelle degr´ de P le maximum des entiers naturels k tels que e e 0 P le degr´ du polynˆme P .1.2.. . X ´tant une lettre muette. f−2 est de degr´ 2.1 2. k≥0 ak X k. ˆ e Dans ce chapitre. Si P = 0.. an ´l´ments de K.. on pose deg(P ) = −∞. Pour tout a = −2. 1) L’ensemble des polynˆmes ` coefficients dans K est not´ K[X].. ak = 0. Exemple 2.Chapitre 2 ˆ LES POLYNOMES Historiquement. Galois donne un e e e e a e crit`re de r´solubilit´ par des radicaux de toutes les ´quations polynomiales. 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 ` 5.1. + an X n ou ´tant entendu que la somme ne comporte qu’un nombre fini de ak non nuls. Pour a = −2. ou un endomorphisme d’un espace vectoriel sur K. fa est de degr´ 3.1 Pr´sentation des polynˆmes e o D´finitions et notations e D´finition 2. etc. la recherche des solutions des ´quations polynomiales pr´c`de l’´tude des e e e e polynˆmes. e e 19 . 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. Notations 3. K est un corps (on pourra penser ` R ou C). l’´quation du cinqui`me degr´ tient les math´maticiens en e e e e e e echec pendant 200 ans . on note ee e P (X) = a0 + a1 X + . Cependant..1. o a e 2) Le polynˆme dont tous les coefficients sont nuls est dit polynˆme nul. 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. On note deg(P ) ou d e o Si P = 0. an X n est le terme (ou monˆme) dominant. . X peut ˆtre remplac´ par a o e e exemple par une matrice. o o e D´finition 2. Quelques ann´es plus tard. le polynˆme est e o o dit unitaire. a1 .. Si an = 1. La th´orie des e e e e e polynomes est n´e. Si P est de degr´ n. a 2.

.Q) = deg(P ) + deg(Q).. + an Qn Remarque 2. 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 . n ≥ 1..Nous indiquons maintenant comment calculer les coefficients de la somme et du produit de deux polynˆmes.. Soient P = n ak X k et Q = m0 bk X k deux polynˆmes.). e Soient P = n ak X k et Q = m bk X k avec m. 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. donc ai bk−i = 0. e b) Un produit interne Si P = k≥0 ak X k Q = k≥0 bk X k . e e 20 . Supposons que P et Q sont non nuls et e soit n = d0 P et m = d0 Q. +. De plus cm+n = an × bm = 0.4. alors P Q = k≥0 k ai bk−i X k .. deg(P. D’o` u deg(P. e o Soit P = a0 + a1 X + .. X o d) Egalit´ formelle de 2 polynˆmes.Q = m+n ck X k avec ck = k ai bk−i . deg(Q)). Donc deg(P + Q) ≤ sup(deg(P ). La relation (2.1. dont une base est constitu´e e e 2 . En g´n´ral P oQ = QoP. deg(Q))... o 2.) est un K−espace vectoriel. . k=0 k=0 Si m = n alors deg(P + Q) = sup(deg(P ). Preuve. X n ..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 .1) est ´vidente si P = 0 ou Q = 0. + an X n et Q = b0 + b1 X + .. Si m = n alors deg(P + Q) ≤ sup(deg(P ).1.2) est ´vidente si P = 0 ou Q = 0. +) est un groupe commutatif.1. On v´rifier facilement que (K[X]. La relation (2.1. o Alors P = Q ⇔ m = n et ai = bi pour tout i ∈ {1.. Pour tous polynˆmes P et Q de K[X]. alors P + Q = k≥0 (ak + bk )X k On peut v´rifier facilement que (K[X]. X. . n} Proposition 2. deg(Q)).. + bm X m deux polynˆmes sur K[X]. .1. Donc pour tout k > m + n on a : ck = 0. .2) P oQ = k=0 ak Qk = a0 + a1 Q + .1. des polynˆmes (1. on a : o deg(P + Q) ≤ sup(deg(P ).. On a P.3.Q) = n + m = d0 P + d0 Q. k=0 i=0 Pour k > m + n on a : i > n ou k − i > m.. D´finition 2.1) (2. .. deg(Q)).

2. Q et R dans K[X]. (de A par B). Lorsque le reste est nul on dit que B divise A.. B dans K[X] deux polynˆmes avec B = 0.2. d0 A = n + 1 de la forme A = a0 + a1 X + . d0 A ≤ n la propri´t´ est v´rifi´e. Soient P . Puisque d0 (R − R ) ≤ M ax(d0 R. 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. + bp X p . Q = X 2 et R = X. Posons Q1 = an+1 X n+1−p . Les d´monstrations. ee e e Soit A ∈ K[X]. Alors il existe un couple e e o unique (Q..) .6. Q est le quotient de la division euclidi`nne (en abr´g´ D. P o(Q + R) = P oQ + P oR. b . d0 R ) < d0 B. Montrons l’unicit´ : e Si A = BQ + R = BQ + R avec d0 R < d0 B et d0 R < d0 B. Soit P = On a n k=0 . Montrons l’existence : Nous allons faire une d´monstration par r´currence sur le degr´ de A.Q + R avec deg(R) < deg(B). La propri´t´ est vraie pour n = 0 : ee  si A = 0.Proposition 2. Soit A. avec d0 (B(Q − Q )) = d0 B + d0 (Q − Q ). an+1 = 0. bp Alors bp−1 an+1 n A − BQ1 = 0.. E. Par cons´quent Q − Q = 0 et par suite e e R − R = 0.B + 0 0. e e Preuve. Alors (P + Q)oR = P oR + QoR Preuve. R) tel que A = BQ + R o e et deg(R) < deg(B). A=  a si A = a ∈ K∗ et B = b ∈ K∗ .. Soit B = b0 + b1 X + .. e e e en ce qui concerne l’unicit´. sont ´galement analogues. bp 21 .B + A si A = λ ∈ K∗ et deg(B) ≥ 1. Remarque 2. on a B(Q − Q ) = R − R.E.. R) d’´l´ments de K[X] tel que : ee A = B. On d´duit que deg(Q − Q ) = deg(R − R) − deg(B) < 0. Attention ! En g´n´ral.5.  0. On montre la propri´t´ e e e ee suivante : pour tout polynˆme A de degr´ ≤ n il existe un couple (Q. e e e R est le reste de la D. e e Par exemple : on prend P = 1 + X 2 . On notera l’analogie dans l’´nonc´ avec la division euclidienne dans Z.B + 0 (H. + an+1 X n+1 .X n+1 + (an − )X + .2 Division Euclidienne Th´or`me 2.R) supposons que pour tout A dans K[X] .Q= m k k=0 bk X et R dans K[X]..

n polynˆmes non tous nuls de K[X]. .3. A = B..Q = 1.7. ..4. R2 ) ∈ K[X]2 tel que e A − BQ1 = BQ2 + R2 avec deg(R2 ) < deg(B).Donc deg(A − BQ1 ) ≤ n. Remarque 2.... On a Ai = Qi .Q. . n}. 1. Donc A = B(Q1 + Q2 ) + R2 avec deg(R2 ) < deg(B). On trouve Q = X 2 + 4X + 5 et R = 13X − 4.. P. .An . On choisit un polynˆme ee o n 0 D = p. i = 1. donc degP + degQ = 0. 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). 1) Effectiuons la division euclidienne de A = 2X 4 + 5X 3 − X 2 + 2X + 1. Consid´rons l’ensemble : e E = {P = i=1 n Pi Ai /Pi ∈ K[X]}.... D est appel´ plus grand commun diviseur des polynˆme A1 . . Par suite do P = do Q = 0.1 Arithm´tiques sur les polynˆmes e o D´finition 2. puisque D ∈ E. donc (X − 1) et (X + 1) divisent X 2 − 1. X 2 − 1 = (X − 1)(X + 1).. n n D= j=1 Pj Aj = ( j=1 P jQj )D .D avec Qi ∈ K[X]. En abr´g´ pgcd et sera e o e e not´ : D = A1 ∧ A2 ∧ . n.. 22 . d Montrons maintenant que D v´rifie i) et ii)... o o 2. par B = 2X 2 − 3X + 1. Alors il existe un e e o polynˆme o D ∈ K[X] tel que : i) D divise chaque polynˆme Ai .. Si P. Exemple 2. On a aussi. ∧ An .2. Soient A1 . B ∈ K[X]. Alors FE ⊆ N et FE = ∅. On prend Q = Q1 + Q2 et R = R2 .3. e Montrons ii). on dit que B divise A qu’on note par B/A si : e ∃Q ∈ K[X]. on trouve Q = X 2 − X − 1 e et R = 1. i = 1. On a D = 0 R ≥ d0 D.2. Donc FE admet un plus petit ´l´ment p.. dans R[X] 2.. Soit D ∈ K[X] tel que D soit diviseur commun des Ai . ∀R ∈ E \ {0}. Exemple 2. Remarque 2. e Preuve. Soit A. 2) Pour A = X 4 − 2X 2 − X + 1 et B = X 2 + X. Q ∈ K Th´or`me 2. i ∈ {1. D ∈ E tel que d i=1 Pi Ai ..8. D’apr`s (H. X 2 + 1 = (X − i)(X + i).An .. Et posons FE = {d0 P / P ∈ E \ {0}}. Apr`s calculs. donc (X − i) et (X + i) divisent X 2 + 1 dans C[X]..R) il exsite (Q2 . n. D’o` u ∗. o ii) Tout diviseur commun aux Ai divise D.

An ∈ K[X] sont premiers entre eux dans e e o leur ensemble si et seulement s’il existe U1 . Par d´finition de D. avec d0 Ri < d0 D.2. . La division euclidienne de Ai par D .. . e a Th´or`me 2.... D est une constante non nulle.. + Un An = 1 Preuve. si Ri = 0.. .. n.. on aura : Ri = Ai − DQi = Ai − ( n Pj Aj )Qi j=1 = Ai − Pi Ai Qi − n j=1. An . An sont premiers entre eux. Pn tels que e e e e e o n D= i=1 Pi Ai (2. autrement dit : s’ils n’ont pas de diviseur commun de degr´ > 0.. An sont preu i=1 miers entre eux.... Donc Ri ∈ E. On dit que les polynˆmes A1 . Par suite.5. An sont premiers entre eux dans leur e o ensemble si leur pgcd est une constante non nulle... An o i=1 divise aussi n Ui Ai = 1. i = 1. Donc R = 0.. 1 ≤ i ≤ n. Par suite D.. on a e 0 R ≥ d0 D.3) =⇒ 1 = i=1 Pi Ai . Aj ) = 1.10. ∀i = 1.Par cons´quent........8.. e IL reste ` montrer i).. . Ce qui est absurde.2. D’apr`s la preuve du Th´or`me pr´c´dent il existe n polynˆmes P1 . . Remarque 2.3) Les polynˆmes A1 . et par cons´quent D divise tous d i e i les Ai . .. 23 .9.. pgcd(Ai ... o n (2... Un ∈ K[X] tels que U1 A1 + . ⇒) La condition est n´cessaire : si D = A1 ∧ A1 ∧ A2 ∧ . (Bezout). En o e effet : il existe D. .j=i Pj Aj Qi = (1 − Pi Qi )Ai − ( n j=1. ∧ An est le pgcd de e A1 . Des polynˆmes A1 . D divise D.j=i Pj Aj Qi ).. D’o` A1 .. 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.. De plus pn = Dqn ce qui entraire D = 1 de mˆme D = 1. . D D’o` u 1= n Ui Ai . . i=1 avec Ui = ⇐) La condition est suffisante : si n Ui Ai = 1. implique a Ai = D.. D ∈ K∗ . D ∈ K[X] tels que P = DQ et Q = D P . Deux polynˆmes unitaires P et Q chacun divisant l’autre sont ´gaux. n Ri peut s’´crire : e Ri = Pj Aj j=1 avec Pi = 1 − Pi Qi et Pj = Pj Qi pour j = i. D Pi ... Alors tout polynˆme D qui divise A1 . e e D´finition 2. Donc D est une constante non nulle. n. . Ils sont dits premiers entre eux deux ` deux si ∀i = j.Qi + Ri . Ceci implique DD’=1...

Preuve. autrement dit : AB divise C. tels e e o que d0 B < d0 A. C ∈ K[X]. 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. U . Donc A et BC sont premiers entre eux. Alors A ∧ B = B ∧ R. R) le quotient et le reste de la division euclidienne de A par B. Soient A.Q + R avec d0 B < d0 R. c’est ` dire que : ∆ v´rifie i) et ii) a e du th´or`me 2.2 Algorithme d’Euclide. Soit (Q. (Th´or`me d’Euclide ) Soient A et B deux polynˆmes dans K[X]. Par cons´quent. e e 24 . Preuve. 2.12. e e alors C est un multiple de AB. Soit R le reste de la division euclidienne de A par B.14. D’apr`s (*). Proposition 2. (Gauss). Si A est premier avec B et C. Preuve. C divise AB ⇒ ∃Q ∈ K[X] tel que AB = QC (*) C ∧ B = 1 ⇒ ∃U. D’o` C divise A. Par multiplication. u Th´or`me 2. B et C trois polynˆmes. B. V.8 . Nous allons montrer que ∆ = A ∧ B . Si A et B sont premiers entre eux et divisent C. AB divise C.11. et U A + V B = 1. U. on peut remplacer AB par QC : e (U Q + V A)C = A. Multiplions (**) par A. Soit ∆ = B ∧ R. Soient A. Il existe des polynˆmes P. e Th´or`me 2. on obtient : (U U A + U V C + V U B)A + (V V )BC = 1.Th´or`me 2. Il existe U. V ∈ K[X] tels que U B + V C = 1 (**). On a (∗) A = B. e e Preuve. il est premier avec le produit BC.2. V ∈ K[X] tels que U A + V B = 1 et U A + V C = 1. alors C divise A. on obtient : U AB + V AC = A. Q. Si C est premier avec B et e e o divise AB.13.

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

nous pouvons e prouver que dans notre cas (K = R ou C).17. on peut it´rer cette op´ration de d´rivation et d´finir o e e e e successivement P .2. c’est ´vident... Lorsque K = R. Soit P ∈ K[X]. Th´or`me 2. + a0 un polynˆme de degr´ n.6. + a1 x + a0 .16. P (k) (0) ak = k! Preuve.3 Fonction polynˆme o n k k=0 ak X D´finition 2. Pour k ≥ 1.. Il suffit de se placer sur le corps Z/2Z et de e e e consid´rer le polynˆme P (X) = X 2 + X. . Il vaut donc k!ak d’o` e e u le r´sultat.. e o e e not´ P est d´fini par e e P : x → nan xn−1 + .. Mais la r´ciproque est loin d’ˆtre ´vidente. 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. de P 2. Remarque 2. 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. Pour k > n. cette it´ration e a e e finira par donner le polynˆme constant P (n) = n!an . 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 . Pour tout k ∈ e e o e {0. o e o Remarque 2. par construction. 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. il y a ´quivalence. Le polynˆme d´riv´ de P . P : x → an xn + .... Soit P : x → an xn + .1 Polynˆme d´riv´ o e e D´finition 2. n}. Pour tout polynˆme P = e o ˜ P : dans K[X] : on note K→K ˜ x → P (x) = n k k=0 ak x . le polynˆme d´riv´ correspond ` la d´riv´e usuelle de la o e e a e e fonction polynomiale P . comme le degr´ diminue de 1 ` chaque ´tape.15. ˜ On dit que P est la fonction polynˆme associ´e au polynˆme P . Celle-ci est non nul en tant que polynˆme formel.7.. P (k) (0) est le terme constant de P (k) . e 26 . puis P (3) .. au lieu e a ˜ (x). e o o mais la fonction polynomiale associ´e est nulle de K dans K. + 2a2 x + a1 . Cependant. Pour k = 0.. Comme chaque d´rivation abaisse le degr´ e e de 1. ce terme constant r´sulte de k d´rivations successives de ak xk . On distingue parfois le polynˆme P (qui. P k = 0 (polynˆme nul). On a bien ´videmment l’implication : e ˜ P (X) = 0 ⇒ ∀x ∈ K : P (x) = 0. P (x) = 0 (**)).. Puisque P est encore un polynˆme.3.

ee e 2.2 Formule de Taylor pour les polynˆmes o P (n) (0) n P (k) (0) k x + . + ak xk + . αn ∈ K deux ` deux distincts.. + x . Soit P un polynˆme de degr´ n et soit α ∈ K. Nous allons utiliser le fait que nous connaissons d´j` la validit´ de la formule pour ea e α = 0.. e e Th´or`me 2. pour tout x ∈ K. alors : n (X − αi )/P. αn sont des z´ros de a e P . On a Q = P og.. Supposons que la formule est vraie au rang k. Posons Q(t) = P (t + α). pour tout t∈K P (n) (α) n t . Q(k) (t) = P k (t + α). + Q(n) (0) n t . Ceci termine la r´currence. n! Preuve. 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). e Q(t) = Q(0) + Q (0)t + .3.17 prouve l’identit´ suivante : o e e e e P (x) = a0 + . Comme g = 1... a Pour k = 0. Si α1 .. et pas seulement en 0.20... On a alors.19. .2.. k! n! Soit P un polynˆme de degr´ n.. La propri´t´ est donc vraie pour k + 1.. Alors. Q(k) (t) = P k (t + α). + P (n) (α) (x − α)n . e e o e P (x) = P (α) + P (α)(x − α) + . du mˆme degr´ que P . on a donc : Q(k) (t) = P k (t + α). . la formule ` prouver devient Q(t) = P (t + α). Soit P ∈ K[X].. + an xn = P (0) + . qui est la d´finition mˆme de Q.. i=1 27 .. grˆce au crit`re e e e a e donn´ par le th´or`me suivant. n! Admettons pour l’instant que. a e e Posons g(t) = t + α. On dit que α ∈ K est racine de P si P (α) = 0. e e 1) α est racine de P si et seulement si P est divisible par X − α. pour tout k. α2 . Soit P ∈ K[X] et α ∈ K.. + n! Il reste donc ` prouver que.18. Le Th´or`me 2. Q est encore un polynˆme. pour tout t ∈ K. e e e Th´or`me 2. mais ´galement en termes de divisibilit´. e e D´finition 2. on en d´duit e Q(k+1) = P (k+1) og. on peut o e e donc ´crire. P (t + α) = P (α) + P (α)x + . 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 . α2 .. 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. ou en d’autres termes Q(k) (t) = P k og)..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. Alors.. 2) Soit n ∈ N∗ et α1 .. pour tout t ∈ K.. il y a en revanche de nombreux r´sultats th´oriques. + Le th´or`me suivant montre qu’elle est valable en tout point.

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

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

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

de degr´ srictement o e inf´rieur ` n. Soit n un entier non nul. 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. it´rer cette proc´dure ). 1. (Racine commune a deux polynˆmes ). v´rifiant : e a e (1 − X)n F (X) + X n G(X) = 1. 2.Exercice 18. 35 . Montrer que ∀X ∈ R. F (X) = G(1 − X). 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 . Exercice 19. Montrer qu’ils ont une racine commune α que l’on d´terminera. Montrer qu’il existe un couple unique (F. Factoriser sur R puis sur C les polynˆmes suivants : o P1 = X 10 + X 5 + 1. 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. G) de polynˆmes de R[X]. Exercice 20.

Il n’est pas difficile de v´rifier que K(X) est un corps. e a e P Preuve.1. B) tels que F = B . On appellera un repr´sentant de F tout couple de polynˆmes e o A e e (A. Proposition 3. Exemple 3. B On dit que deux fractions rationnelles F1 = e et seulement si AD = BC. F (X) = F (X) = X 5 + 3X 2 + 1 ∈ R(X).1.4. X 6 + 2X 3 + 4X iX 5 + 3jX 2 + 1 ∈ C(X). On appelle fraction rationnelle ` coefficients dans K tout quotient de poe a A lynˆmes ` coeficients dans K. e D´finition 3.2.Chapitre 3 FRACTIONS RATIONNELLES Dans ce chapitre. on appellera inverse de F la fraction rationnelle 1 B F = A. K est un corps (on pourra penser ` R ou C). L’ensemble de ces fractions rationnelles est not´ K(X). Alors P = DP1 et Q = DQ1 avec P1 ∧ Q1 = 1. P P Par suite Q = Q1 . 0 On notera 0 la fraction rationnelle B et 1 la fraction rationnelle A . 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). 1 36 . A A Pour toute fraction rationnelle F = B = 0. X 6 + 2X 3 + 4i Remarque 3.1 Fractions ratinnelles irr´ductibles e P D´finition 3.1. Toute fraction rationnelle F est ´gale ` une fraction rationnelle irr´ductible. Exemple 3. B ∈ K[X] e Soit F une fraction rationnelle.1 D´finitions et propri´t´s alg`briques e e e e D´finition 3. a 3. P ∧ Q = 1 ).3. Si D = P ∧ Q.e. 3. 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. Il est clair qu’une fraction rationnelle admet une infinit´ de repr´sentants. Soit F = Q ∈ K(X) .2. F = X 2 + 2X + 1 X +1 = .1. Autrement dit : une expression de la forme B o` A ∈ K[X] et o a u ∗ .

Alors. e e e e X −3X+2 Exemple 3. e ee Proposition 3. est la quantit´ : d0 F = e e e e 0 A − d0 B. d0 (F1 + F2 ) = d0 (AD + BC) − d0 B − d0 D. l’ensemble ∆F des pˆles de F est fini. est appel´e la fonction rationnelle associ´e ` F. On a F1 + F2 = B + D = AD+BC . et 2. d0 (F1 + F2 ) = d0 A − d0 B = d0 F1 ≤ sup(d0 F1 . F2 ∈ K(X) et soit λ ∈ K∗ . Pour calculer les racines et les pˆles d’une fraction rationnelle F . Soit F ∈ K(X) et soit B un repr´sentant irr´ductible de F . d Le degr´ d’une fraction rationnelle est un ´l´ment de Z ∪ {−∞}. Soient F1 . d0 (F1 F2 ) = d0 F1 + d0 F2 .4. d0 (λF1 ) = d0 F1 . On dira que e α ∈ K est une racine d’ordre n de F si α est une racine d’ordre n de A. 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 . ♣ −1 est un pˆle simple de F .3. e e a x→ ˜ A(x) ˜ B(x) 37 . l’application : e a 3 ˜ F : DF −→ K. Si sup(d0 (AD). donc 1 est un z´ro double et −2 est un z´ro simple e e de F . d0 (BC)) = d0 (AD). BD Par suite. A C A C Montrons 3.6. Alors. On dira que β ∈ K est un pˆle d’ordre m de F si β est une racine d’ordre m de B. A partir de l`. Si sup(d0 (AD). e A e e D´finition 3. Alors : 1. d0 (BC)) = d0 (BC).7. Soit F1 = B et F2 = D .5. 3. d0 F2 ).2. Preuve. d0 (F1 + F2 ) = d0 C − d0 D = d0 F2 ≤ sup(d0 F1 . d0 (BC))) − d0 B − d0 D. o D’apr`s les propri´t´s des polynˆmes. d0 F2 ). On dit que e ee o o DF = K \ ∆F est l’ensemble de d´finition de F . Le degr´ de F . Remarque 3. Le degr´ d’une fraction rationnelle F ∈ K(X) est ind´pendant du choix du e e repr´sentant de F . Les points 1. d0 F2 ). d0 F2 ).Exemple 3. A D´finition 3. il est o n´c´ssaire d’avoir un rep´sentant irr´ductible de F . sont faciles. Finalement. o ♣ 2 est un pˆle triple de F . d0 (F1 + F2 ) ≤ sup(d0 F1 . d0 (F1 + F2 ) ≤ sup(d0 F1 . o Remarque 3.3. 2. Soit F = (X+1)(X−2)3 . not´ d0 F . Soit F = B ∈ K(X). ≤ sup(d0 (AD). alors ♣ X 3 − 3X + 2 = (X − 1)2 (X + 2).

On suppose d P = QE + R. Par suite E1 = E2 . on ´crit : e e e X a0 a1 X + b1 a2 X + b2 a3 X + b3 = + + + .4.. avec do R < do Q.5.3. e 38 . . e e 5X − 2 .6...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. La fraction rationnelle F = e Exemple 3. En .. X +2 X +2 Propri´t´ Si F1 . F2 . alors : e e e e do (E1 − E2 ) = do [(F − E2 ) − (F − E1 )] ≤ sup(do (F − E1 ). E2 . Soit F = Q ∈ K(X). 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. Exemple 3.2 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. 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. Le polynˆme E s’appelle la partie enti`re de F . tel que e e o F − E soit une fraction rationnelle r´guli`re.. Unicit´ : Supposons que E1 .. e i=1 i=1 F1 = 3. 3 X2 − 1 =X −2+ . On aura besoin e du r´sultat suivant. e e 2X 2 − 5 . Il existe un polynˆme E ∈ K[X] et un seul.2. E2 ∈ K[X] v´rifient le th´or`me. Ainsi. alors n Ei est la partie enti`re de la fraction rationnelle F = n Fi . F1 = sont r´guli`res. Fn sont des fractions rationnelles de parties enti`res respectivement ee e E1 .2.2 3.8. e e Remarque 3. Une fraction rationnelle est r´guli`re si et seulement si do F < 0. donc E = X − 2. X3 + 6 F3 = X3 − 2 X5 + 3 P Th´or`me 3. do (F − E2 )) < 0. e e o e o P > do Q. la division euclidienne de P par Q donne : Preuve. .9. X2 − 1 F2 = est dite r´guli`re si do P < do Q.

Pour tout entier naturel o non nul n. on a : ∃Q1 . c e e Unicit´ : Commen¸ons par ´tablir l’unicit´. ce qui est absurde. P = 0. + A1 P n−1 + RP n . + A1 P n−1 + RP n . + B1 P n−1 + SP n . u e e e Existence : Nous allons faire une d´monstration par r´currence sur n. ∃R ∈ K[X] tels que : e a a ˜ ˜ ˜ ˜ ˜ A = An + An−1 P + An−2 P 2 + . Supposons que : e A = An + An−1 P + An−2 P 2 + . ˜ Posons Ak+1 = Ak . R1 ∈ K[X] tels que A = P Q1 + R1 . R2 dans K[X].. d0 R2 < d0 P tels que : R = P Q2 +R2 . .. ˜ ˜ Effectuons la D. on aura d0 Bn ≥ d0 P .. D’o` : u Bn = −P (Bn−1 + ... Il suffit de prendre A1 = R1 et R = Q1 . e a e e Le r´sultat fondamental portant sur les fractions rationnelles est le suivant : e 39 . de A par P . An et R tels que e o A = An + An−1 P + An−2 P 2 + . R par P .. F = Q ∈ K(X).E. Bn−2 . + A1 P n−1 + RP n .. + B1 P n−2 + SP n−1 ).. B1 . ` la fin on e a obtient SP = 0.... ˜ ˜ Posons Bk = Ak − Ak et S = R − R.. et ˜ ˜ ˜ ˜ ˜ A = An + An−1 P + An−2 P 2 + .. ˜ d0 Ak < d0 P. + A1 P n−1 + R2 P n + Q2 P n+1 .. Les Qi ´tant deux ` deux premiers entre eux. puisque P = 0.... d0 Ak < d0 P. Pour n = 1. avec d0 Ak < d0 P . on effectue la D. il existe un syst`me unique de polynˆmes A1 . A1 = R2 et R = Q2 . Si Bn = 0.10. Donc Bn = 0. A2 . + A1 P n + RP n+1 ... D´composons Q en facteurs irr´ductibles : e e r Q= i=1 Qαi .. Donc ˜ ˜ ˜ ˜ A = An + An−1 P + An−2 P 2 + . d0 R1 < d0 P. 1 ≤ k ≤ n. On simplifie par P (qui est = 0)et on fait la mˆme chose pour Bn−1 . Preuve. i αi ≥ 1... P ∧ Q = 1 avec Q normalis´... + A1 P n−1 + RP n .on a alors S = 0. .. c’est-`-dire ∃Ak . ˜ ˜ Supposons le r´sultat vrai ` l’ordre n . On a 0 = Bn + Bn−1 P + . D’o` l’unicit´. P e Soit maintenant.. avec ˜ d0 Ak < do P. Finalement on trouve : A = An+1 + An P + An−1 P 2 + .Proposition 3. irr´ductibles et normalis´s... 1 ≤ k ≤ n. 1 ≤ k ≤ n.E. 1 ≤ k ≤ n. Soient A et P deux polynˆmes de K[X]. il existe Q2 . 1 ≤ k ≤ n.

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

. . sous la forme : e e e e e P Th´or`me 3. + + . e a Le th´or`me pr´c´dent s’´crit.1 X−ar b X+c1.1 ar..j se r´duisent ` des constantes.. sont des constantes et E est un polynˆme de degr´ ´gal ` d o ee a Exemple 3. Toute fraction rationnelle F = Q ∈ C(X) admet la d´composition : e e e r αi F =E+ i=1 j=1 Ai...1 X+cn.. e ee 41 .. 1−X 1 + X2 (1 + X)(2 + X)(3 + X) = a X+i 1) On a 1 + X = −(1 − X) + 2. . donc F = −1 + 2) G = 1 1+X 2 = 1 (X−i)(X+i) + b X−i = 2 1−X .µn + (X 2 +bn X+cn ) + .. c ∈ R. λ ∈ R et n ∈ N∗ .1 bn. . + (X 2 +bn X+cn )µn . 2) G = .+ Ceci est la d´composition de F en ´l´ments simples dans R(X).. dans ce cas. G= = 2 1+X 2(X + i) 2(X − i) −i 2 i et a = 2 .(X 2 + bn X + cn )µn .12. Soit Q ∈ R[X]... On en d´duit alors (par identification) : a + b = 0 et b − a = −i donc b = e Par cons´quent : e i 1 i − . 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 . + (X−a1 )α1 + ar.(X − ar )αr (X 2 + b1 X + c1 )µ1 .2 X−a1 + (X−a1 )2 + ..3 D´composition dans C(X) e Lorsque K = C.7.2.. 3) H = ..µ1 1 X+c1 )1µ1 2 +b + .. αr leurs ordres de multiplicit´s.. soit Qi = X − ai ..2.1 1 X+c1 2 +b bn.. + bX + c)n avec µ.4 D´composition dans R(X) e Lorsque K = R . ar.j u e 0 P − d0 Q. et n ∈ N∗ . o e 2) Tout polynˆme du second degr´ ` discriminant strictement n´gatif. ar sont les racines distinctes de Q et α1 . + (X−arr)αr + X1. 3. avec b2 − 4c < 0.µn X+cn.j (X − ai )j o` a1 .α1 a1. Les Ai. 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.. µ. 2) L’´l´ment simple de deuxi`me esp`ce de la forme : ee e e (X 2 avec λ.2 b X+c1. b..α + (X−ar )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 .. Toute fraction rationnelle F dans R(X) s’´crit d’une mani`re unique sous e e e e la forme : F = E+ a1.13. a(X−i)+b(X+i) (X+i)(X−i) . les polynˆmes Qi sont du premier degr´.3.. 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 irr´ductibles dans R[X] sont de deux types : o e 1) Tout polynˆme du prenier degr´.1 a1. Les polynˆmes o e o Pi.µ + (X1.

D´composer en ´l´ments simples dans C puis dans R la fraction rationnelle e ee 1 . + + 2 X + 1 (X + 1) X − 1 (X − 1)2 Remarquons que G est impaire : G(−X) = −G(X). (1+X 2 )(X−1) −1 2 = c. e ee e ii) soit proc´der par identification. 2 X − 1 (X − 1) X + 1 (x + 1)2 −a −c −b −d −G(X) = + . b = 2 Par cons´quent.6. c u Cette m´thode permet de trouver le coefficient du terme de plus haut degr´ de chaque e e partie polaire. multiplions G par X : e X. on peut : e ee i) soit d´composer F en ´l´ments simples dans C et regrouper les termes conjugu´s. Finalement.Remarque 3.. Pour d´composer F ∈ R(X) en ´l´ments simples dans R. F = 2 + X + 1)2 (X + 1) (X 42 . c − b = 0 et a − c = 1.5.G(X) = bX dX 4X 4 aX cX + + = + . F = 2(X − 1) 2(X 2 + 1) 2. 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 +∞ . en utilisant les propri´t´s de F (parit´. e Exercice 3. On a : b −c d −a G(−X) = + + + .14. G admet une d´composition de la forme e G= c a b d + . F = Par identification on obtient : a + b = 0.D). u Cette m´thode permet de trouver la somme des coefficients de plus bas degr´ de toutes e e les parties polaires. Pour d´terminer les coefficients a et c. Pour trouver b multiplions G par (X + 1)2 . 2 X + 1 (X + 1) X − 1 (X − 1)2 Remarque 3.8.) (Voir T... on peut utiliser tout proc´d´ qui nous e e e semble ad´quat pour obtenir les coefficients de la d´composition. sans que cela influe sur le e e r´sultat final. on obtient : X−→+∞ d’o` a = c = 2. d’o` d = 1. Soit G = 4X 3 . on obtient : b = −1. e ee e Exemple 3. 1. (X − 1)2 X −1 (X − 1)2 En rempla¸ant X par −1. on obtient : 2 −1 2 1 G= + + + . Donc a = 1 . Puisque la d´composition est unique. (X + 1)2 G(X) = 4X 3 c(X + 1)2 d(X + 1)2 + = a(X + 1) + b + . e X +1 1 − . (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) . + + 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.

Le th´or`me de Gauss implique que X n+1 /Qn . d0 Qn ≤ n. d n e n n Exemple 3. Q3 R3 43 . B(0) B(0) H On a H(0) = 0. Alors Q0 ∈ K et A − BQ0 est divisible par X. B(0) Unicit´ : Supposons BQn + X n+1 Rn = 0. e e Posons p q A= i=0 A(0) Pour n = 0. Qn est appel´ le quotient ` l’ordre n.3. ai X i et B = i=0 bi X i . B deux polynˆmes tels que B(0) = 0. On a : Rn = d0 Qn ≤ n. B(0) On prend Qn+1 = Qn + Rn (0) X n+1 et Rn+1 = S. posons Q0 = B(0) = l’existence de R0 ∈ K[X] tel que a0 b0 .9. Alors X n+1 /BQn .1 Recherche des parties polaires relatives ` des facteurs de a α la forme (X − a) Division suivant les puissances croissantes Th´or`me 3. or e e 0 Q ≤ n donc Q = 0.3 3. X n+1 Rn est le reste ` l’ordre n. La condition B(0) = 0 implique e que B et X n+1 sont premiers entre eux. Rn (0) Rn (0) B + (Rn − B) . a Apr`s le calcul. Rn ) aquise jusqu’` l’ordre n. A = BQ0 + XR0 . Supposons l’existence du couple (Qn . B(0) B(0) Rn (0) B + XS. 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. c’est-`-dire : a a A = BQn + X n+1 Rn . Soient A. d’o` u d0 Q0 = 0. e a a Preuve.15. on trouve : e X 3 + 2X + 1 = (2X 2 + X + 1) (1 + X − 3X 2 + 2X 3 ) +X 4 (4 − 4X) . il existe un couple unique de polynomes (Qn . Rn ) v´rifiant : e A = BQn + X n+1 Rn . Par cons´quent R = 0. Existence : D´montrons l’existence par r´currence sur n. on a donc d0 Qn+1 ≤ n + 1.3. Effectuons la division suivant les puissances croissantes de A = X 3 + 2X + 1 par B = 2X 2 + X + 1 ` l’ordre 3. e e o Pour tout entier n.

o Posons Y = X − a. α X X X avec λ0 +λ1 X +.. D’o` u F = λ0 Rα−1 Q1 (X)(λ0 + λ1 X + . a 8 16 16 44 . On trouve : c = 7 = −γ.. F (−X) = Ce qui donne : 2Y 2 + 4Y + 7 . La partie polaire de F relative au pˆle 0 est l’expression : o λ1 λα−1 λ0 + α−1 + . trouver la d´composition e en ´l´ments simples dans R(X) de la fraction rationnelle : ee 2X 2 + 5 .. D´terminons a. Y α Q1 (a + Y ) Nous sommes donc ramen´s au cas o` a = 0. b = −13 = β et a = 13 = −α. b et c. + + ..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) . e Posons Y = X − 1. (X 2 − 1)3 Comme F est paire.... et c = −γ. 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). 2 3 2 X − 1 (X − 1) (X − 1) X + 1 (X + 1) (X + 1)3 b −c −α β −γ −a + + + + + . X α Q1 (X) X X X Q1 (X) Rα−1 Q1 (X) . En effectuant la division suivant les puissances croissantes. et P (X) ∧ (X − a)α Q1 (X) = 1. et F (X) = G(Y ) = P (a + Y ) ..16. Ce qui ach`ve la d´monstration e e Exemple 3. a Donc P = Q1 Qα−1 + X α Rα−1 . 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. a Preuve. + λα−1 X α−1 le quotient de la division suivant les puissances croissantes de P par Q1 ` l’ordre α − 1. Dans ce cas. mais comme Q1 (0) = 0 . Etant donn´e la fraction rationnelle irr´ductible e e F = P (X) X α Q1 (X) . + . on a le r´sultat suivant : e u e Proposition 3. F (Y + 1) = b = β. Q1 (a) = 0..+λα−1 X α−1 est le quotient de la division suivant les puissances croissantes de P par Q1 ` l’ordre α − 1. + λα−1 X α−1 ) + X α Rα−1 λ1 λα−1 = α + α−1 + .10. Q1 (0) = 0. Soit Qα−1 = λ0 + λ1 X + . X + 1 (X + 1)2 (X + 1)3 X − 1 (X − 1)2 (X − 1)3 a = −α. On a : e F = F (X) = a b c α β γ + + + + + . alors 0 n’est pas un pˆle de o de la proposition..

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 = [ + − − ]. Q1 (a) = 0 est Q (a) .Remarque 3. e ee 2. La d´composition de F en ´l´ments simples dans R(X) est de e ee la forme : a bX + c dX + e 1 = + + . e – Technique 1 1. F = (X + 1)(X 2 + 1)2 X + 1 X 2 + 1 (X 2 + 1)2 45 X . En effet. D´composer en ´l´ments simples dans R(X) la fraction F = e ee 1. F = D’o` u α= Pour X = a. ee a o e Exemple 3. F = P (X) . Dans le cas o` α = 1.4 Recherche des parties polaires relatives ` des facteurs de a 2 α la forme (X + bX + c) Il n’ y a pas. Q(X) Q(X) = (X − a)Q1 (X). (X 2 +4)(X 2 +1) . u D’autre part. mais on dispose pratiquement de trois techniques. (X−a) .7. avec Q1 (a) = 0. on trouve : e e Q (X) = Q1 (X) + (X − 1)Q1 (X). On regroupe les ´l´ments simples relatifs ` des pˆles conjugu´s.Donner ` X des valeurs particuli`res. on a : α= P (X) α R0 (X) = + . on obtient : ee o e 1 X X F = [ 2 − 2 ]. Q1 (a) Q (a) 3. . d’o` Q (a) = Q1 (a). par exemple : e e e e . e a e 2 + bX + c)) Technique 3 (abaissement de l’exposant de (X 1 Soit F = (X+1)(X 2 +1)2 . 6 X + i X − i X + 2i X − 2i 2.V´rifier si F (−X) = F (X) ou F (−X) = −F (X) (c’est ` dire la parit´ de F ). la partie polaire relative ` un pˆle simple de u a o P (X) P (a) 1 F = (X−a)Q1 (X) . On cherche la d´composition en ´l´ments simples dans C(X).11. En groupant les ´l´ments simples relatifs aux pˆles conjugu´s. En prenant les d´riv´es. 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 . Q(X) Q1 (X) P (a) P (a) = .multiplier par une puissance de X et faire tendre X vers +∞. en g´n´ral. a e . Q(X) X − a Q1 (X) P (X)(X − a) R0 (X)(X − a) − . une m´thode pr´cise pour d´terminer les ´l´ments simples de e e e e e ee second esp`ces.

2. il faut : ee 1. e e e e qu’on calcule en faisant la division euclidienne. On multiplie les deux membres par (X 2 + 1)2 et 1 on donne ` X la valeur i. 3. d’o` 1 − 2 i = di + e.. 3.1. e 5. Enfin. Terme de degr´ dominant : multiplier par (X − ai )αi . Factoriser Q . e e e e 4. puis prendre X = ai . On commence par calculer d et e. en n’oubliant pas la partie enti`re E. 6. Utiliser la parit´-imparit´ qui r´duit souvent beaucoup l’´tude. On calcule F− Il reste. simplifier. (X 2 + 1)2 (X + 1)(X 2 + 1)2 2 (X 2 + 1)2 1 a bx + c = + . on obtient i+1 = di + e. a u 2 1 1 −1 Par suite : e = 2 et d = 2 . 2.5 APPLICATIONS Voir les travaux dirig´s. dX + e 1 1 −X + 1 = − . (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. prendre des valeurs .. Ecrire la forme g´n´rale de la d´composition. e 46 . La somme des termes de plus bas degr´ : multiplier par X et calculer la limite quand e X tend vers +∞.

F3 = X 6 +1 . 1. F1 = Exercice 6. F4 = (X 2 +X−2)(X 2 +4) .. + An−1 P n−1 + Rn P n . 0 ≤ k ≤ n − 1. Xn − 1 Exercice 2. A1 . F7 = X(X+1)(X+2). 3 2 5. F5 = −X −X +3X−1 . n ∈ 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 . 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 . X2 8. Montrer qu’il n’existe pas de fraction rationnelle de K(X) telle que F 2 = X..(X+n) .. 2) Si P est irr´ductible. An−1 . On suppose que P est non nul et ne divise pas A. Soit A et P deux polynˆmes de K[X]. o 1) Montrer que pour tout entier naturel non nul n. X 4 +X+1 +4X 2 +X+2 Exercice 4. + 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 .. b) . X 4 +1 3. (X 2 + 2X + 3)3 A Pn Exercice 5. F6 = −2X −19X (X 2 +4X+5)3 −165X−72 .. (X 2 +X+1)2 5 4 −76X 3 −157X 2 6. X 5 +1 47 . c) X 4 −5X 3−3X+2 . 2 1 10.. F2 = X 4 +X 3 −X−1 . 1−2X .3. + n−1 + . il existe des polynˆmes A0 .. Rn o uniques tels que : A = A0 + A1 P + A2 P 2 + . n ∈ N∗ . D´composer les fractions rationnelles suivantes en ´l´ments simples dans R(X) e ee X 7 +2 0. Exercice 3.6 EXERCICES Exercice 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) . avec deg(Ak )< deg(P)... montrer que la d´composition en ´l´ments simples de la fraction e e ee est A0 A1 An−1 + Rn . n! 7. (X 2 +1)(X+2)2 X 2 +1 2. F0 = (X 2 +X+1)3 . F10 = X n −1 . 2)F = X4 .. . 7X 3 +2X 2 +15X+6 4. 9. F9 = X(X 1+1)2 .

an sont des ´l´ments de K et k1 . En effectuant la division suivant les puissances croissantes. 2) D´terminer les z´ros de P et en d´duire le degr´ de P . ( 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) = . − 1)2 Exercice 10. o e e ee P Exercice 11. kn des entiers strictement positifs. pour tout x ∈ R. (X 2 +1)n n ∈ N. P est de degr´ 0 ou. 1) En d´veloppant (cosX + isinX)2n+1 . D´composer en ´l´ments simples la fraction rationnelle P .. d´composer la fraction ratione nelle dans R(X) F = (X 2 4 . . tels que e P (sinx) = sin(2n + 1)x. i=1 (X − ai )ki o` a1 . e e e e 1 3) D´composer en ´l´ments simples la fraction rationnelle P ... On dit qu’un polynˆme non nul P est scind´ sur K si. n ∈ N∗ . Par exemple u ee X 2 + 1 est un polynˆme scind´ sur C et n’ est pas un polynˆme scind´ sur R. Exercice 8. montrer qu’il existe un polynˆme P ` e o a coefficients r´els. o e e si degr´ de P est non nul. o e o e Soit P un polynˆme scind´.. D´composer la fraction rationnelle en ´l´ments simples dans R(X) e ee F = X 2n .Exercice 7.. 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. et seulement si. P s’´crit sous la forme e e n P = λ.. 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 ..

Deuxi`me partie e ` ´ ALGEBRE LINEAIRE 49 .

∀x ∈ E : λ(µx) = (λµ)x. On appelle espace vectoriel sur K ou K-espace vectoriel. ceux qui peuvent ˆtre munis de cette structure. y ∈ E : λ(x + y) = λx + λy c.1 Structure d’espace vectoriel D´finition 4. ee e Exemples 1. e Dans tout ce chapitre K = R ou C. 50 . Les ´l´ments de E sont appel´s des vecteurs.. Faire attention aux lois. Mais pour sae e e voir l’utiliser. µ ∈ K. ∀x ∈ E : 1K x = x Remarques 1. x) −→ αx v´rifiant : e a. chimie. ¸a sera une multiplication de c K × E −→ E (α. (Rn . ∀ λ.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. Les ´l´ments de K sont appel´s des scalaires. ∀λ ∈ K. +.1. 2. ∀x ∈ E : (λ + µ)x = λx + µx. 2) Loi de composition externe. ´conomie. d. 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..). µ ∈ K. 4. En e e e a e math´matiques. ∀x. ee e 3. statistiques . ×) est un R-espace vectoriel. parmi les ensembles qui nous sont familiers. 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). Soit n ∈ N∗ . ∀ λ. +) est un groupe commue tatif. un ensemble E e muni de : 1) Loi de composition interne + appel´e addition telle que (E. physique. b.

∀x. les e e op´rations suivantes : e (u + v)n = un + vn (λu)n = λun . On a : λx = 0E ⇐⇒ λ = 0K ou x = 0E . Si X = 0 et E est un K-espace vectoriel. λx ∈ F . e Pour λ = µ. (R[X]. 4. D’autre part. Ainsi. De mˆme (λ − µ)x = λx − µx. Pour x = y.2. x + y ∈ F.1 Sous-espaces vectoriels G´n´ralit´s e e e D´finition 4. L’ensemble des suites convergentes dans R est un R-espace vectoriel de (S.4. Preuve ⇐=) On a : λ(x − y) = λx − λy . Exercice ` le faire. 2. D’o` u x = 0E . Supposons que λ = 0. =⇒) Soit λ ∈ K et x ∈ E tels que λx = 0. on obtient λ0E = 0E ceci ∀λ ∈ K. L’ensemble C 0 (I. on obtient 0K x = 0E . 3. ×) est un K-espace vectoriel. 4. alors (F(X. ×) est un R-espace vectoriel. Preuve. 4. avec f + g est d´finie par e (f + g)(x) = f (x) + g(x). e Proposition 4. (S. λ−1 (λx) = (λ−1 λ)x = x. R). Dans toute la suite. Kn [X] = {P ∈ K[X]/P = 0 ou do P ≤ n} est sous-espace vectoriel de K[X]. ∀x ∈ X. λ−1 (λx) = λ−1 0E = 0E . µ ∈ K et ∀x ∈ E. 3.2 4.2. +. toute partie F de E v´rifiant les e e conditions suivantes : (1) 0E ∈ F et pour tout x ∈ F et tout y ∈ F . Proposition 4. E d´signe un espace vectoriel sur K. +. +. Une partie F de E est un sous-espace vectoriel si. ×) est un R-espace vectoriel. ∀λ. dans l’espace des suites r´elles S qui sont des fonctions de N dans R. 51 . On d´finit. y ∈ F . +.2. R) des fonctions continues d’un intervalle I de R a valeurs dans R est un sous-espace vectoriel de F(I. On appelle sous-espace vectoriel de E. E).3. et seulement si 0E ∈ F et ∀λ ∈ K. On a d’une part. x + λy ∈ K. ×). ∀x. Soit λ ∈ K et x ∈ E. y ∈ E et ∀λ ∈ K. ∀x ∈ E. {0} et E sont deux sous-espaces vectoriels de E. (2) pour tout x ∈ F et pour tout λ ∈ K. a Exemples 1.

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

ii) =⇒ i) Soit x ∈ E. 1). e e e Les propri´t´s suivantes sont ´quivalentes : ee e i) tout vecteur x ∈ E s’ecrit de mani`re unique. z ∈ G. e Supposons que x s’´crit de deux fa¸ons diff´rentes x = y + z = y + z avec y.{(1. (1. d’o` E ⊆ F + G. (0. 0) + (0. 1) + 0(1. Donc F ∩ G ⊆ {0}. Ce qui imlpique y = y et z = z . Deux sous-espaces vectoriels d’un K-e. Preuve. y) = (1.8. 1). 1) et a = (1. y) comme combinaison lin´aire de ces 3 vecteurs. 1)} engendre ´galement R2 car e (x.9. donc e e x ∈ F + G. 1) + (1. Soit F et G deux sous-espaces vectoriels d’un mˆme K-espace vectoriel E. on a R2 = F ⊕ G = F ⊕ H. 0). puisque E = F + G. e1 = (1.v. 1). 2 2 2 Th´or`me 4. x s’´crit x = y + z avec y ∈ F et z ∈ G. E v´rifiant les conditions ´quivalentes e e e i) et ii) du th´or`me 4.8 sont dits suppl´mentaires dans E. e e e On dit ´galement que E est somme directe de F et G et on ´crit : e e E = F ⊕ G. Cons´qence : F ⊕ G = F ⊕ H n’implique pas que G = H! e G´n´ralisation e e 53 . 1). On a x = x + 0 avec x ∈ F et 0 ∈ G. Alors y − y = z − z ∈ F ∩ G = {0}. en voici c e e une deuxi`me : e x−y y−x x+y (x. Exemple : Soit E = R2 . 0). Or F + G ⊆ E. On a aussi x = 0 + x avec 0 ∈ F et x ∈ G. u Soit x ∈ F ∩ G. Soit F = {αe1 /α ∈ R} = vect(e1 ). H = {αa/α ∈ R} = vect(a). y) = x(1. G = {αe2 /α ∈ R} = vect(e2 ). 0) + y(0. e ii) E = F + G et F ∩ G = {0}. D´finition 4. y ∈ F et e c e z. i) =⇒ ii) Soit x ∈ E. x = y + z. De plus {0} ⊆ F ∩ G. avec x ∈ F et z ∈ G. Donc E = F + G. Il y a plusieurs fa¸ons d’´crire (x. d’apr`s i) x s’´crit sous la forme x = y + z avec y ∈ F et z ∈ G. e2 = (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. D’o` u F ∩ G = {0}.

n.. 1).. Soit F1 = {αe1 /α ∈ R} = vect(e1 ).. F1 . 0). 1. . .. xi ∈ Fi tel que n xi = 0 = 0 + . 1 ≤ i ≤ n. F3 = {αe3 /α ∈ R} = vect(e3 ). e e ⇐=) L’existence de l’´criture x = n xi est ´vidente. =⇒) L’´galit´ E = n Fi est imm´diate.. Fn e si tout vecteur x ∈ E s’´crit de mani`re unique : x = x1 + x2 + ...e. 0) et e3 = (0.v. n.11.. Ceci donne l’unicit´ de l’´criture. on a R3 = F1 ⊕ F2 ⊕ F3 .. . i=1 Exemple. On dit que f est une application lin´aire de E dans F si ∀x.. y ∈ E. n.. n ∈ N∗ . pour 1 ≤ i ≤ n. ∀i = 1. e e 4. . . e2 = (0. et n sous-espaces vectoriels F1 .D´finition 4. + 0.. Soient E un K-espace vectoriel. e1 = (1. Remarques : 1) Si f est une application lin´aire de E dans F . on a f (0) = 0. + xn = n xi avec e e i=1 xi ∈ Fi . ∀i = 1. L’application f : E −→ F x −→ 0F est lin´aire. on a f (−x) = −f (x). on a l’´quivalence : e  n  E = i=1 Fi et E = ⊕n Fi ⇐⇒ i=1  ( n xi = 0..3 4.. Soit E et F deux K-espaces vectoriels et soit f une application de E e dans F . Proposition 4. ∀λ ∈ K : e f (x + λy) = f (x) + λf (y).. i=1 i=1 Ceci implique n (xi − xi ) = 0 avec (xi − xi ) ∈ Fi . = xn = 0).3. 0. i=1 e Preuve. e e i=1 Soit. ∀i = 1. i=1 L’hypoth`se implique xi − xi = 0 ∀i = 1. e e i=1 Supposons x = n xi = n xi .. n. e 54 ..12. e 2) Pour tout x ∈ E.v. On ´crit alors : e E = F1 ⊕ F2 ⊕ . F2 = {αe2 /α ∈ R} = vect(e2 ).10. Exemples : 1) Soit E et F deux K-e.. 0. i=1 L’unicit´ de l’´criture implique xi = 0.1 Applications lin´aires e G´n´ralit´s e e e D´finition 4. On dit que le K-espace vectoriel E est somme directe des s..Fn ... Soit E = R3 .. .... xi ∈ Fi 1 ≤ i ≤ n) =⇒ (x1 = .. e D’o` u xi = xi .. ⊕ Fn = ⊕n Fi . Alors.

Si f est un isomorphisme de E sur F . .2) Soit ψ : F(R.. (Indication : Raisonner par r´currence. l’application r´ciproque f −1 est e un isomorphisme de F sur E. an ) −→ a0 + a1 X + .. D´finition 4.. L’application : ϕ : E −→ R f −→ ϕ(f ) = est une forme lin´aire sur E... b]. soit x = f −1 (x ).. Un isomorphisme de E sur E s’appelle aussi automorphisme de E. Puisque f est une bijection de E dans F . f: E −→ F (a1 . 4.. R). 2.15. e Soient x et y ∈ F et λ ∈ K . + an X n . l’application identique IdE de E. s’il existe un isomore phisme de l’un dans l’autre . appel´ isomorphisme r´ciproque de f . Soit a ∈ R. Soit E un K− espace vectoriel quelconque. f est un isomorphisme. Deux K-espaces vectoriels sont dits isomorphes. λn ) ∈ Kn . y = f −1 (y ). f est une application lin´aire si. x0 ∈ R ψ est une application lin´aire. Soit E et F deux K-espaces vectoriels et soit f une application lin´aire de e e E dans F .16. • Si E = K. a < b et E = C([a. Si E = K[X]. e e Preuve. Proposition 4. 3. ∀(x1 . On a f (x + λy) = f (x) + λf (y) = x + λy Donc f −1 (x + λy ) = x + λy = f −1 (x ) + λf −1 (y ). et seulement si ∀(λ1 . on ´crit E F. d´finie e par IdE (x) = x pour tout x ∈ E est un automorphisme. e • Si f est une bijection de E sur F. alors f −1 est une bijection de F dans E. ..) e D´finition 4. f s’appelle une forme lin´aire sur E. Il nous suffit de montrer que f −1 est lin´aire.. f s’appelle un endomorphisme de E. e Exemples. b ∈ R. f s’appelle un isomorphisme de E sur F .. . xn ) ∈ e En n n f( i=1 λi xi ) = i=1 λi f (xi ).. R) −→ F f −→ f (x0 ). e Exercice 4. Soit f : E −→ E P −→ P f est un endomorphisme. e b a f (t)dt 55 .13. Si E = Kn et F = {P ∈ K[X]/P = 0 ou do P ≤ n}. • Si E = F .14. 1.

. e e −1 ({0}) = {x ∈ E/f (x) = 0} de E est appel´ le noyau de f et . . x ∈ E tels que y = f (x) et y = f (x ) et puisque E est sous-espace vectriel de E. on a f (x) = 0 = f (0).. (2) Il d´coule imm´diatement de la propri´t´ : e e ee n n ∀(λ1 .1 Op´rations sur les applications lin´aires e e Structure d’espace vectoriel de LK (E.. et seulement si ker(f ) = {0}.. Alors y + λy = f (x) + f (x ) = f (x + λx ) ∈ f (E ). λn ) ∈ K . n f( i=1 λi xi ) = i=1 λi f (xi ).. 1) Soit E un sous-espace vectoriel de E et soit f (E ) = {y ∈ F/∃x ∈ E tel que y = f (x)}. . f (xn )) .. Si x. e Th´or`me 4. . e Preuve. Soit E et F deux K−espaces vectoriels et soit f une application lin´aire e e e de E dans F .. y ∈ f (E ) et λ ∈ K.4.. On a : 0 ∈ E et 0 = f (0) ∈ f (E ). donc x + λx ∈ E .. x ∈ f −1 (F ) et λ ∈ K. (1) Si f est injective et si x ∈ ker(f ).. . Preuve. u et donc x = y. (1) f injective si. . .. Soit E et F deux K−espaces vectoriels et soit f une application lin´aire e e e de E dans F .. 2) L’image r´ciproque par f d’un sous-espace de F est un sous-espace vectoriel de E. xn ) est le sous-espace vectoriel de F engendr´ par (f (x1 ).4 4. 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 . f (xn )).4..2 Image et noyau d’une application lin´aire e Th´or`me 4. 1) L’image par f d’un sous-espace vectoriel de E est un sous-espace vectoriel de F . (2) Soit n ∈ N∗ et soit x1 . Si y.. xn )) = vect(f (x1 ). il existe x. 4.. donc x = 0.Le sous-espace vectoriel f (E) de F est appel´ l’image de f et not´ Im(f ). xn n vecteurs de E. .. c’est e ` dire : a f (vect(x1 . L’image par f du sous-espace engendr´ e par (x1 . on a f (x−y) = f (x)−f (y) = 0. d’o` x−y ∈ ker(f ) = {0}.19. Soit E et F deux K−espaces vectoriels et soit f une application lin´aire e e de E dans F . 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 ).. F ) 56 .18. D´finition 4.3.Le sous-espace vectoriel f e not´ Ker(f ). Si ker(f ) = {0} et si f (x) = f (y).17..

−2). d’apr`s ce qui pr´c`de. f og est un automorphisme de E. λx = 0 implique λ = 0. y) = (x + y. H). Si E = R3 . g(x. 4.. F ) a une structure de K-e. 1. si x = 0. 0). x + y). −1. y) = (2x + y. F ). donc f og = gof 2. Si f et g sont deux automorphismes de E. On dit que la suite e (x1 .Soit E et F deux K-espaces vectoriels.v. E).. donc (x) est libre.) et donc LK (E. Soit n ∈ N∗ et soit n vecteurs x1 . y) = (0. y) ∈ E.x = 0 et (x) est li´e. On a V1 − 2V2 − V3 = 0E . En effet .4. y) pour (x. donc f og = gof 4. On a f. ou encore que x1 . Par exemple. 0).. F ) et g ∈ LK (F. 1) et V3 = (1. L’ensemble des applications lin´aires de E dans F e est not´ LK (E. si E = R2 et si f (x.. f og(x. = λn = 0.. 1. 0) pour (x. F ). 1. Alors gof ∈ LK (E. xn de E. Soit E . La suite (x) est libre ssi x = 0. y) = (x. x + 2y) et gof (x.. 57 . y) ∈ E. F ) ou simplement L(E. . . F et H trois K-espaces vectoriels. xn ) est libre. g ∈ LK (E.. LK (E. e Exemples. f og(x. H). prenez l’exemple pr´c´dent. g(x. e e 4. F ).. Dans le cas contraire on dit que la suite (x1 . V2 = (0. e e e GL(E) muni de la loi de composition des applications est un groupe. . + λn xn = i=1 λi xi = 0 =⇒ λ1 = ..21. .4. xn ) est li´e. On a f.. +. 0).. Si 0 d´signe l’application nulle de E dans E et si f ∈ L(E) et g ∈ L(E). alors .2 Composition des applications lin´aires e Proposition 4. y) = (y.. y) = (x. on note LK (E) au lieu de LK (E. Remarques : GL(E) n’est pas commutatif.. La loi o n’est pas commutative dans LK (E.5 Ind´pendance lin´aire e e D´finition 4. appel´ groupe lin´aire e e de E. y) = (y.3 Le groupe lin´aire (GL(E). V1 = (1. F ). o) e GL(E) est l’ensemble des automorphismes de E. Par exemple si E = F = R2 et si f (x. e Lorsque E = F . F ) est un sous espace vectoriel de (F(E. . Si f ∈ LK (E. alors f og = 0 e n’implique pas f = 0 ou g = 0 . Preuve. Exercice Remarques : 1. 0) et gof (x... y) = (x + y. x + y).20. x2 .. g ∈ GL(E)). Si x = 0. xn sont lin´airement ind´pendantes si e e n λ1 x1 + λ2 x2 + . 1. e 2.

Donc la suite (V1 .. e Preuve.. Preuve. e 2. xn ) est li´e. il existe des scalaires λi . n n R´ciproquement. 1.. Alors.25... V3 ) est li´e.. . Supposons que p λkj xkj = 0. x1 = 0. 1 ≤ i ≤ n. non tous e nuls.. On i=1 k a k = 1... kp }.. donc k ≥ 2 et u i=1 xi = 0. Par contre (V1 .. xkp ) une suite extraite de la suite (x1 . .. ... Une suite extraite d’une suite li´e peut ˆtre libre. 2. . Par exemple..). 0) e implique λ = β = 0. . x) et (x) avec x = 0. xn ) est li´e si et seulement si.. 1 ≤ j ≤ n tel que λj = 0. Soit k le plus grand indice j. e e Th´or`me 4. e k−1 i=1 αi xi . xn ). Si la suite (x1 . 1 ≤ k ≤ n et des αi ∈ K. 1 ≤ j ≤ p et la suite u (xk1 .. 1 ≤ i ≤ n non tous nuls e n tels que i=1 λi xi = 0. La e e suite (x1 .. S’il existe une suite li´e extraite de la suite (x1 .. e e Remarques. Proposition 4.. xn ) alors la suite (x1 . n αi xi = 0 avec i=1 j=1 / αkj = λkj si 1 ≤ j ≤ p et αi = 0 pour 1 ≤ i ≤ n. V2 . 2... Soit n ≥ 2 et soit (x1 . xn ) est li´e.. .... .. 3.. tels que n λi xi = 0. xn ) une suite libre et soit (xk1 . soit i=1 λi xi = 0 avec λk = 1 = 0. Si x ∈ vect(x1 . 1 ≤ j ≤ n n’est combinaison lin´aire de ceux qui le pr´c`dent dans la suite e e e 58 .. alors n i=1 λi xi = 0 avec λk = 1 = 0. Comme la suite (x1 . e e e Preuve.. . . xn ) est e li´e.. Soit (x1 . D’apr`s le th´or`me 4.. C’est une cons´quence imm´diate de 1. D’o` k−1 −λi xk = i=1 αi xi avec αi = λk .23. . ... d’o` λkj = 0. il faut et il suffit que la suite (x1 .. La suite (x1 .. e Th´or`me 4. 1 ≤ i ≤ n. La suite Proposition 4.. . xn .. 1. et la suite (x1 .... aucun e e e des vecteurs xj .. . (x. x s’´crit de mani`re unique e e n x= i=1 αi xi . xn ). donc αi = 0... tel que xk = (x1 . Preuve. on a xk − i=1. 2. Soit k. xk−1 qui le pr´c`de dans la suite (x1 .i=k αi xi .. 1. il existe des scalaires λi ..) Puisque la suite (x1 . αi ∈ K. ... il existe k. avec −λi αi = λk si 1 ≤ i ≤ n . .......i=k αi xi = 0. i ∈ {k1 .. xn ). e e 1.. 1 ≤ k ≤ n tel que λk = 0. xn ) est donc li´e. Alors xk = n i=1.22. .i=k αi xi . xn une suite libre alors xi = xj ... . Soit n ∈ N et soit (x1 .. pour 1 ≤ i ≤ k − 1... xn ) est libre. tel que xk soit combinaison e lin´aire des vecteurs x1 . ∀i = j. .. V2 ) est libre car λV1 + βV2 = (0. . =⇒) Si la suite (x1 . 2 ≤ k ≤ n. x) soit li´e.. xn ) une suite de n vecteurs de E avec x1 = 0. Une suite libre ne peut contenir le vecteur 0 . xn ) une suite libre de E.. si xk = n e i=1. i = k. car sinon λ1 x1 = 0 avec x1 = 0 et λ1 = 0. 1. Toute suite extraite d’une suite libre est une suite libre.24. .. xn ). Pour que le vecteur x ∈ vect(x1 . xn ) est li´e si et seulement si il existe e k. . xn ) est libre. 1 ≤ i ≤ n. xkp ) est libre. i = k tels que n xk = i=1.. . Soit x1 . on a aussi.. ⇐=) S’il existe k ≥ 2. Soit n ≥ 2. xn ) est li´e.i=k αi xi .23. 0.. ..

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

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

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

..1..... 5.. 1 ≤ i ≤ n... ... .. Ainsi. 2) e e e ⇐=) Puisque tout x s’´crit sous la forme (1). 62 . e e e D’autre part.. en ) est libre.) de a1 . an ) de E est une suite g´n´ratrice de E. αi ∈ K.1 D´finition d’un espace vectoriel de dimension finie. 1 ≤ i ≤ n. si α1 e1 + α2 e2 + .. s’il existe une suite g´n´ratrice finie de E. αn sont les coordonn´es ou les composantes de e e x dans la base (e1 . Si la suite (e1 . Dans le e e cas contraire...1 5.. si le sous espace e e vect(a1 . D´finition 5.. l’´galit´ e1 + . en ) est une base de E.. en ).. =⇒) Il r´sulte du th´or`me 4.2.1. Bases.... e On dit que la suite (a1 .... On dit que la suite (e1 . Pour que la suite (e1 .v. Proposition 5. il faut et il suffit que tout vecteur x de E s’´crit de mani`re unique : e e (1) x = α1 e1 + . . + αn en = 0 avec αi ∈ K. Base e D´finition 5.. en ) est une base de E et si x ∈ E... . e Espace vectoriel engendr´ par une suite finie. d’apr`s l’unicit´ de l’´criture (1). .... en ) de vecteurs de E soit une base de E. Preuve.. . (e1 .25. Soit E un K−e... en ) est une suite g´n´ratrice de E. + en = e e 0e1 + ... la suite (e1 . . an .. . . E est dit de dimension infinie.. . e e e α1 = . = αn = 0.. en ) est une base de E si elle est libre et g´n´ratrice de E. l’´criture (1) est la e e d´composition de x et les scalaires α1 .3. e e On dit que la dimension de E est finie. .Chapitre 5 ESPACES VECTORIELS DE DIMENSION FINIE Dans tout ce chapitre K = R ou C. + αn en .. an ) est ´gal ` E..L. c’est ` dire si tout vecteur de E est une combinaison lin´aire e a a e (C.. Donc la suite (e1 .0en = 0 implique.

e e e e alors E admet une base... . . = αn = 0.2 5. non nul.. les vecteurs ai ne sont pas tous nuls. . . On a donc : E = vect(a1 . le nombre e maximum d’´l´ments d’une suite libre extraite de (a1 ... Il existe donc au moins une suite libre extraite de (a1 .. . Dans un espace vectoriel engendr´ par n vecteurs.v. 0. non nul.2 Existence de bases Th´or`me 5. Ainsi (ai1 . . ain ) est une suite libre et g´n´ratrice de E ...1. 1).v. 0. e e De plus l’´galit´ n αi ei = 0 s’´crit (α1 ... de dimension finie .. 1.2. et par suite E = vect(ai1 . e2 = (0. Pour tout k... 0). αn ) ∈ E.. en ) est une suite g´n´ratrice de E et E et de dimension finie. Soit n ∈ N∗ . . .Exemples.. ap ).. ak ) est li´e et d’apr`s le th´or`me 4. (1.... .. ap ) ⊆ vect(ai1 .v.. 2. 1 ≤ n ≤ p. 1 ≤ k ≤ p. X n } est une base de Kn [X].. . On consid`re les vecteurs e1 = (1. donc (e1 ... appel´e la base canonique de Kn [X].25 e e e e chapitre 4... admet au moins une base. e e 3.. Si (a1 .. Donc : tout espace vectoriel. .en = (0.. La suite (e1 . .. K est un K− espace vectoriel ( cas pr´c´dent avec n = 1).... 0). de dimension finie.. ap ). Soit E un K− e. ..5.. en ) est libre.. ain ) une telle ee suite... Preuve. la suite (ak ) est libre. Si ak = 0. . X. La suite {1.. C est un R−e. toute suite de n + 1 e vecteurs est li´e. e Preuve. Exercice.... ap ) est major´ par p. ak ∈ vect(ai1 ... ain ) ⊆ E. On appelle cette base la base canonique de Kn .. Puisque E = {0}.. ap ) et soit (ai1 .. Kn [X] = {P ∈ K[X]/P = 0 ou do P ≤ n}. ain ).. e .4. e 4.. αn ) = 0Rn et implique e e i=1 e α1 = .. .. c’est une base de E. 0.. puisque tout z ∈ C s’´crit de mani`re unique : e e z = α + iβ.. extraite de la suite (a1 . ain . 5. c’est une base de E. β ∈ R.. . α.. 0. i) est une base de C. ap ) est une suite g´n´ratrice de E... 1......1 Dimension d’un espace vectoriel de dimension finie Le th´or`me de la dimension e e Proposition 5. e 63 . . . Le nombre d’´l´ments ee d’une suite libre extraite de (a1 . la suite (ai1 . Soit n. Pour tout vecteur x = (α1 . soit E = Kn . . (Indication : Raisonner par r´currence sur n) .. on a n x= i=1 α i ei .. ain ).. . e e 5.. Soit n ∈ N et soit Kn [X] le K− e.

. . . la suite (xi1 . Soit x1 . Soit (e1 . ep ) est une base...... . la dimension du sous-espace vectoriel vect(x1 . de dimension finie. . i2 < k ≤ p et tel que (xi1 . xp ) = vect(xi1 . d’apr`s le th´or`me 4. xir ). 3. xir . non nul.. 64 .... xi2 .... xp ) = 0 ⇐⇒ x1 = .. .... tel que xk = 0. . i1 < k ≤ p et tel que (xi1 .. 1 ≤ k ≤ p. 1. xir ) extraite de la suite x1 ... p vecteurs d’un K− e. Si n < p. xp ) une suite de vecteurs de E. xp ). et un sous-espace de dimension 2 est appel´ un plan e e vectoriel . xi2 . On appelle rang de la suite e (x1 . On peut supposer n ≤ p... xi2 . c’est ` dire n + 1 ≤ p.2. xp ) ≤ p et on a rg(x1 . . xp ) est une base de vect(x1 . ( de la dimension ). xp ) de vecteurs non tous nuls et d’une base du sous-espace vectoriel vect(x1 . Soit E un K−espace vectoriel.. D´finition 5.. . . toutes les bases ont le mˆme nombre d’´l´ments.. ........xp = 0.5 ` la suite (e1 . Mˆme d´monstration que celle du th´or`me 5.25 chp. xp ) et on note rg(x1 .1... xp ) = p ⇐⇒ (x1 . ... E = {0} ⇐⇒ dimE ≥ 1. . 2.9. .. 0 ≤ rg(x1 .. e ee Preuve. e Alors. 2. . e e e e Recherche pratique du rang d’une suite (x1 . de dimension e e finie.. Ensuite. ..7. en+1 ) est li´e et donc aussi la suite (e1 ..10. e e e D’o` u vect(x1 . En particulier. c’est ` dire : dim{0} = 0 e e a a Remarque 5. Preuve. Donc n = p. on a rg(x1 .. xp ) est libre.. s’il e existe k. .. Dans un K−espace vectoriel E.. un sous-espace vectoriel de dimension 1 e est appel´ une droite vectorielle . .. .. . rg(x1 ... Et ainsi de suite . 1 ≤ k ≤ p... Par d´finition... .. dimK (K) = 1 et dimR (C) = 2... Proposition 5.... Soit Kn [X] = {P ∈ K[X]/P = 0 ou do P ≤ n}.... v. 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).. E. Exemples 1. xir ). .. la dimension d’un K− e. xk ∈ vect(xi1 .v. xp )..8. 4. Soit (x1 ... xp ) est ´gal au nombre maximum d’´l´ments d’une suite libre extraite de la e ee suite (x1 . xi2 .. .. ep ) deux bases de E.... Alors. On a dimK (Kn [X]) = n + 1.. soit i2 le plus petit entier k v´rifiant ces conditions. .. 1 ≤ k ≤ p.. Ceci est absurde e puisque (e1 ... non nul. . soit i3 le plus petit entier k v´rifiant ces e conditions. s’il existe k. en ) et (e1 . D´finition 5.4. 5. xk ) soit libre. Si rg(x1 .Th´or`me 5.. xi2 . toute suite libre de r vecteurs extraite de la suite (x1 .. .. On applique la proposition 5. . ep ). . nul est ´gale ` 0 . . en+1 . Dans un K−espace vectoriel E..... on obtient finalement une suite libre (xi1 . pour tout k. xk ) soit li´e. dimK (Kn ) = n.... Si n ∈ N∗ . xp ).6.. Puis. xp ) = r. xp . xk ) soit libre.. xp ) : Soit i1 le plus petit entier k . xp telle que pour tout k. . en ) et aux vecteurs a a e1 . La suite (e1 ...2 Rang d’une suite finie de vecteurs D´finition 5.

(Tr`s importante en pratique).... 1 + X 3 ). xp ) ayant r vecteurs peut ˆtre li´e. et F un sous-espace vectoriel de E. X) est libre.. xn ) est libre. 65 . Toute suite g´n´ratrice a au moins n vecteurs. C’est une base de E. e e 1. dans l’exemple pr´c´dent r = 3 et (1. en ) une base de E.. e e Soit maintenant (x1 . xp ) = r.. Le rang de cette suite est n = dimE. xn ). Par contre (1..Il en r´sulte que (xi1 . Pour prouver qu’une suite (x1 .. 1 + X.3 Espace vectoriel de dimension finie donn´e n e Th´or`me 5. la suite (x1 . X − X 3 ) est libre et donc il peut y avoir plusieurs suites libres e extraites de la suite (x1 . .. la suite (x1 . . 1 + X) ainsi que (1 + X... 1 + X) est li´e. . 1 + X * La suite (1.. F est de dimension finie et dimF ≤ dimE. Pour tout vecteur x ∈ E.. Soit E un K-espace vectoriel de dimension finie n...2.... . Toute suite libre de n vecteurs est une base de E... . . ...25 chap. Ainsi. On a : * La suite (1. .. Alors : 1. X. . 2. X − X 3) Remarque 5.. xn . . Si rg(x1 .. n ≥ 1..11. 1 + X. 1) Soit (e1 . xir ) est une base de vect(x1 .10.. xp ) avec p > n est li´e. 1 + X 3 . puisque E = vect(e1 .5. xn ) est g´n´ratrice... xp ) une suite g´n´ratrice de E.. e Si dimK (E) = n... la suite (x1 .... X. 1 + X. X. la suite (x1 . . X − X 3 est li´e. e toute suite (x1 . Toute suite g´n´ratrice de n vecteurs e e e e est une base de E. xn ) = n... e e d’apr`s la proposition 5.. Toute suite libre a au plus n vecteurs.10. xn ) est une base de E. 1 + X 3 ) est une base de vect(1. 5. xn ) une suite g´n´ratrice de E. xp ). e e e x ∈ V ect(x1 . xp ) et rg(x1 . e D’apr`s th´or`me 4.. * La suite (1.. .. xp ) = r. 2) Soit (x1 .... X. .. il suffit de prouver l’une des deux conditions suivantes : 1.12.. xn+1 ) est li´e et donc toute suite (x1 . 2. en ).. X − X 3 ) = 3 et (1. X. xn ) est libre. X.. 1 + X 3. X 3 .. e Exemple Soit E = K[X]..... . X − X 3 ). . . e Remarque. e e D’ap`s la proposition 5. Donc. 4. Soit la suite (1.. ayant r vecteurs.3 Sous-espaces d’un espace vectoriel de dimension finie Proposition 5. X. la suite (x1 . e 3 ) est libre.. xi2 .... . 1) n ≤ p. . . Soit E un K−espace vectoriel de dimension finie n. e Soit (x1 . X − X 3 ) e e e e sont li´es. x) est li´e. X.. On a rg(x1 . xn ) une suite libre de E. e Donc rg(1. une suite extraite de (x1 . .2.. Preuve. 1 + X 3 .. X. * La suite (1.. e e 5. . xn ) de n vecteurs de E est une base de E. 2). D’apr`s la proposition 5..

...14. v. Il suffit d’appliquer la proposition 5. xp ) une suite libre de F . c’est une base de E. b1 . . . e e Par suite (x1 . et soit G = vect(x1 . 2).an n vecteurs de F .. Soit ee (x1 . . E ´tant de dimension finie n ≥ 1. .1)... c Proposition 5. en rempla¸ant E par G.15. Preuve.16. Cette suite a au plus n ´l´ments (th´or`me ee e e 5. . e Si F = {0} et G = {0}.. ap . Existence : Pour tout x ∈ E. Pour des sous-espaces vectoriels F et G de E.v. ap ) et (b1 . On a 0 < p ≤ n.. .. 2) Si dimF = dimE.1) ). L’application i=1 f : E −→ F x −→ 66 n i=1 αi ai ... donc E = {0} et dimE > 0. (1) =⇒ (2) Il suffit de montrer que {a1 . Soit p le nombre maximum d’´l´ments d’une suite libre de F . soit (a1 . toute base de F est une suite libre de n vecteurs de E.13.. on appelle hyperplan e vectoriel tout sous-espace vectoriel de dimension n − 1.4. Preuve.25 ch. 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.. .. donc F = G et e e e e (x1 . les αi sont uniques.. Par cons´quent. La suite (x1 . αi ∈ K. Si dimF = dimE.. ..4. avec y ∈ F et z ∈ G. 1 ≤ i ≤ n. les deux assertions suivantes sont ´quivalentes : e (1) E = F ⊕ G (2) F ∩ G = {0} et dim E+ dim G=dim E Preuve. e 5. Si F = {0} ou G = {0} c’est ´vident. x) est li´e. . alors : F ⊆ G et dimF = dimG =⇒ F = G.. on a x = n αi ei .. bq } est libre. Soit x ∈ F . e E = F ⊕ G. . donc x ∈ G d’apr`s le th´or`me 4. et F et G deux sous-espaces vectoriels de dimension finie... Un hyperplan vectoriel est donc un sous-espace vectoriel dont les suppl´mentaires sont des droites vectorielles. Soit E un K-e.... Soit E un K-espace vectoriel de dimension finie.4 Applications lin´aires d’un K-e. ..2. i=1 i=1 Donc F + G = E. (2) =⇒ (1) F ∩ G = {0} implique que {a1 . on a E = F.. xp . e Soit (e1 . e Soit F = {0}. 4 . ap .12. e e e Corollaire 5.. de dimension finie dans e un K e.... Dans un espace vectoriel de dimension n > 0. en ) une base de E et a1 . b1 .. Pour tout x ∈ E. xp ). Proposition 5. on a donc F ⊆ G... xp ) est une suite g´n´ratrice de F .. puisque p + q = dimE. Ce qui implique F = E. Soit E et F deux K-espaces vectoriels. Si F = {0}. . c’est ´vident. bq } est une base de E..... D´finition 5.. Il existe une application lin´aire e f de E dans F et une seule telle que f (ei ) = ai . bq ) deux bases de F et G respectivement.v.. x = p αi ai + q βi bi = y + z . 1) Toute suite libre de F est une suite libre de E.

Deux K−espaces vectoriels de dimension finie tels que dimE = dimF sont isomorphes. f (en )) est une suite libre dans F . D’apr`s le th´or`me 5. f (en )) est une base de F . Soit (e1 .16. 1 ≤ i ≤ n. f (en )) est une suite g´n´ratrice de F . Ceci ´tant vrai pour tout x ∈ E. Puisque E = E ⊕ Kerf. 1) ϕ est injective : Soit x ∈ Kerϕ. pour tout i. . on a : e f (x) = i αi f (ei ) = i αi ai = i αi g(ei ) = g(x).. ∃!αi ∈ K. F ). Alors F est de dimensin finie et on a dimE = dimF.est une application lin´aire de E dans F telle que f (ei ) = ai . 2. Preuve. e e e Th´or`me 5. en ) une base de E et (f1 . 1. En particuler. . Montrons que ϕ est un isomorphisme de E sur Imf . . D’apr`s la e proposition 5.17. 1. 3) f est un isomorphisme. il existe une application lin´aire unique f de E dans F telle que f (ei ) = fi .17.18.. Preuve.. u 67 .. Soit f ∈ L(E.. . On a f (x) = f (x1 ) + f (x2 ) = f (x1 ) = ϕ(x1 ). . E ´tant de dimension finie. e Soit x ∈ E.v.. ϕ est une application lin´aire comme la restriction d’une application lin´aire ` un a e e a s.. fn ) une base de F . le r´sultat d´coule de th´or`me 5....3). Donc x ∈ E et f (x) = ϕ(x) = 0. x = n αi ei . e e e e 2) Le r´sultat est ´vidente si E = F = {0}. u e Th´or`me 5. e e e Soit (e1 . Corollaire 5. tout K-espace vectoriel de dimension n est isomorphe ` Kn .19. il existe x1 ∈ E et x2 ∈ Kerf tel que x = x1 + x2 . f est injective ⇐⇒ (f (e1 ). Alors.. e e 3. en ) une base de E et f ∈ L(E. ϕ ∈ L(E . . Alors il existe x ∈ E tel que f (x) = y. Imf ).17. Soit E un K−espace vectoriel de dimension finie et f un isomorphisme de E sur un K− espace vectoriel F .. e Si dimE ≥ 1... 1 ≤ i ≤ n. 2. Soit E un sous-espace vectoriel de E tel que E ⊕ Kerf = E. Alors e Im(f ) est un sous-espace vectoriel de dimension finie de F et on a : dimKerf + dimImf = dimE. D’o` x ∈ E ∩ Kerf = {0}.. 1) C’est ´vident si E = {0}. e Unicit´ : Supposons qu’il existe une autre application g telle que g(ei ) = ai . u Par suite Kerϕ = {0}. (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. e e Si dimE = dimF ≥ 1. Voir TD. f est surjective ⇐⇒ (f (e1 ). D’o` y = ϕ(x1 ) ∈ Imϕ..e. F ). D’o` l’unicit´. 2) ϕ est surjective : Soit y ∈ Imf . f est un isomorphisme ⇐⇒ (f (e1 ). donc x = 0. Soit ϕ la restriction de f ` E .. i=1 Puisque f est une application lin´aire. Soit E et F deux K-espaces vectoriels. E ´tant de dimension finie n ≥ 1. e pour 1 ≤ i ≤ n.. e Donc f = g. a Preuve.

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

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

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

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

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

0  .1. . On appelle transpos´e de la (p.i ∀1 ≤ i.  a2. e • Une matrice carr´e est dite triangulaire sup´rieure (resp. an.1 an. a1.n (K).   .n Une matrice triangulaire inf´rieure s’´crit : e e  a1. an. .2 .2 . On note Mn (K) au lieu de Mn. . 1 ≤ i ≤ n sont appel´s les coefficients diagonaux de la matrice e carr´e A. 0 0  0 .. 0 an. p)−matrice (bi.1 0 . ai. .2 .j ) ∈ Mn. a2. . 0 .n (K).n  0 a2.j = aj.1 a1. Ils constituent la diagonale principale de A.j ) telle que bi. .  . D´finition 6.2. En pratique.  . a1.n    A= .Remarques : • Si n = p. au dessus) de la diagonale principale sont nuls.. . . Soit A = (ai.2 0 . Une matrice carr´e A = (ai. .2 .n (K).i . c’une matrice de la forme :   a1.   0 a2.   . an.n       Une matrice carr´e est dite diagonale si tous ses coefficients autres que les coefficients e diagonaux sont nuls. la (n.2 .   A= . n)-matrice A. .j ) ∈ Mp.1 a1. . .1 a2. . Soit A ∈ Mn (K) :   a1. et e e on note t A. . . .  . . a2.j ) ∈ Mn (K) est dite sym´trique si t A = A.i . triangulaire inf´rieure) si tous e e e ses coefficients situ´s au dessous (resp.1 an. e e Remarques : 1. . . t A est d´duite de A par ´change des lignes et des colonnes. e Une matrice triangulaire sup´rieure s’´crit : e e   a1. 0 an. . . j ≤ n. la (n. . . .n 6.1 a2. 73 .1.2 . .2 0 .n Les coefficients ai. . . . n)−matrice A = (ai. 2. .n (K) est appel´e matrice carr´e d’ordre e e n. t (t A) = A.n (K) sur Mp.n  a2. .  . 0 an. 0 . e e e Autrement dit.1 0 .n    A= . t (AB) = t B t A et t (A + B) = t A +t B.2 Transpos´e d’une matrice e D´finition 6. 1 ≤ i ≤ n et 1 ≤ j ≤ p. .  A= . . 0  .j = aj.   . L’application A −→t A est une bijection de Mp.

2. Donc dimMp.n (K) telle que ai.n (K) par la (n.7..j 1 ≤ i ≤ p. et on note A + B..2 .n (K). est un K-e.2 Base canonique et dimension de Mp..v..n (K).j ) ∈ Mp.. 0  0 1 4  5 11 C=  9 10 √ 2 i+1   3 6  . On appelle produit de la matrice A = (ai..n ) est une base de Mp.1 . On appelle produit de la (n.k bk.j + bi. et not´e par 0. . sont e laiss´s en exercice..j ).j 1 ≤ i ≤ p. E1.n (K) D´finition 6. et on note AB. Preuve.4.j ) ∈ Mp.n (K) est la (p.j ) ∈ Mp.. La suite (E1.1 . 5  j 0  5 B=  7 0  1 6 4 1  2 4  .j ) ∈ Mn. e et on note λA... appel´e ee e matrice nulle.q (K).1 Op´rations sur les matrices e L’espace vectoriel Mp.2. q)e matrice B = (bi.q (K) telle que n ci..n (K) telle que ci. la (p.2. L’´l´ment nul de Mp. la matrice C = (ci.. ayant K comme corps des scalaires.n (K) = np. E2. la matrice ´l´mentaire Ei.3 Multiplication des matrices D´finition 6.n (K) pour 1 ≤ i ≤ p. Les autres axiomes d’un K−e. 1 ≤ j ≤ n. 6.n (K) par le scalaire λ ∈ K..3..j .5. 1 ≤ j ≤ n Exemple : 1  0 A=  2 √ 2  3 5 6 i  1 2  . 1 ≤ j ≤ n. L’ensemble Mp. B) −→ A + B et de la multie e plication externe (λ..2 6. On appelle somme des deux matrices A = (ai.j ) ∈ Mp.. 1 ≤ i ≤ p.j = λai. 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.v.. Proposition 6.n (K) appel´e base e canonique de Mp.j = ai. .j ) ∈ Mp. Preuve. la matrice A = (ai.j ) ∈ Mp. 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 6.6.j = k=1 ai. 74 ..n (K) muni de l’addition (A.. A Ecrire. e 6... q)−matrice C = (ci.n (K) et B = (bi..j ) ∈ e Mp. 5  j D´finition 6.j ∈ Mp. Ep.n (K) est la matrice dont tous les coefficients sont nuls. A) −→ λA. e L’oppos´ de A = (ai. p)−matrice A = (ai..j ) est la matrice −A = (−ai.6.

. 1 ≤ j ≤ n.. D’o` : u rgA ≤ min(n. (Attention ` l’ordre !) a     1 0  −2 −1   B=  0 2  1 3  6. ep ) une base de E et soit les n vecteurs xj = p ai. en ) de E et B = (f1 . on a t (AB) = t B t A. .j fi . a 2. −2 0 1 2  −5 1 AB =  1 −8  . ...   .  . On appelle matrice de l’application lin´aire ϕ ∈ L(E.j ) ∈ Mp. en ) une base de E et B = (f1 . fp ).. on a rgA ≤ n. p). ap..4 Rang d’une matrice D´finition 6. la (p. B = (e1 .n (K). x − n) i=1 est ´gal au rang de la (p.. e e 6. . et on note e rg(A).. D’une part. D’autre part... ..j ei . e e Posons : p ϕ(ej ) = i=1 ai.. .9. D´finition 6..j ) dont la jeme colonne :   a1. non nuls de dimensions respectives n et p. le rang de la suite des vecteurs colonnes. fp ) de F .j ) ∈ Mp. . . Alors le rang de la suite (x1 ..q (K). les vecteurs colonnes de A sont dans Kp .n (K) et B ∈ Mn.Exemple : 1 3 2 0 A =  0 −1 −3 −1  ∈ M3.j est constitu´e par les coordonn´es du vecteur ϕ(ej ) dans la base B = (f1 .. .8.3 Matrice d’une application lin´aire e Soit E et F deux K-e... On appelle rang de la matrice A. F ) dans les bases e e B = (e1 . Exemple : Remarque : Soit E un K−espace vectoriel de dimension p > 0. 0 8 Remarques : 1. e e Autrement dit : ϕ(e1 ) ϕ(e2 ) ..v.j  a2. n)−matrice A = (ai.j     . Soit B = (e1 . ϕ(en ) 75 . On sait que ϕ est d´termin´e par les images des vecteurs de la base B. fp ) une base de F et soit ϕ une application lin´aire de E dans e F . .. Soit A = (ai. Si A ∈ Mp.. La multiplication des matrices est associative et distributive par rapport ` l’addition.n (K) (dont la jeme ) colonne est e constitu´e par les coordonn´es de xj dans la base B. 1 ≤ j ≤ n. n)−matrice A = (ai. donc rgA ≤ p.2..4 (R).

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

1. F ).j gi avec ci.k gi ) = n k=1 p i=1 (bk.. J est injective : car Mϕ = Mψ implique ϕ(ej ) = ψ(ej ) pour 1 ≤ j ≤ n et donc ϕ = ψ. pour 1 ≤ j ≤ q. Donc J est surjective. Donc AB est inversible et (AB)−1 = B −1 A−1 . e e Proposition 6. fp ) de F .. ( t A−1 t A) = t (AA−1 ) = t In = In . Si A ∈ Mn (K) et B ∈ Mn (K) sont inversibles. ϕ(en )) = rgA.. J est surjective : car si A = (ai. ϕ(en ))..j ai.10. de dimensions respectives n et p et soit e e ϕ ∈ L(E. Soit E et F deux K−e. F ) −→ Mp. e Une telle matrice B si elle existe est unique.j ψ(fk ) p i=1 ( = n k=1 bk.j fi . 2. fp ) ´tant fix´es. Alors Mϕ = A.j )gi = p i=1 ci. le rang de ϕ est ´gal au rang de A. . e e a Proposition 6... F ) dans les bases B et B . (B −1 A−1 )(AB) = B −1 (A−1 A)B = B −1 In B = B −1 B = In .j ( p i=1 ai. e Preuve. F ) d´finie par e p ϕ(ej ) = i=1 ai.. D´signons par e e e Mϕ la matrice de ϕ ∈ L(E.j pour 1 ≤ i ≤ p et 1 ≤ j ≤ q. Donc t A est inversible et on a (t A)−1 = t (A−1 ). A inversible =⇒ ∃ A−1 telle que AA−1 = A−1 A = In . Si A est inversible. alors AB est inversible et on (AB)−1 = B −1 A−1 . 1 ≤ j ≤ n.k bk. alors t A est inversible et on a (t A)−1 = t (A−1 ). 2.4 Matrices carr´es inversibles e D´finition 6.. B est alors appel´e l’inverse de A et not´e A−1 . Les bases B = (e1 .11.j = n ai. on a ψoϕ(ej ) = = n k=1 bk. 77 . soit ϕ ∈ L(E..n (K) ϕ −→ Mϕ est un isomorphisme. De plus. B inversible =⇒ ∃ B −1 telle que BB −1 = B −1 B = In . Si A est la matrice de ϕ dans les bases B = (e1 .n (K). non nuls. Donc la matrice C de l’application k=1 lin´aire ψoϕ est ´gale ` AB... (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIn A−1 = AA−1 = In .k bk. D’o` rgϕ = rgA u 6.. e e e e Th´or`me 6. . .Donc. (t A)t (A−1 ) = t (A−1 A) = t In = In . en )de E et B = (f1 . 1. Alors l’application : J : L(E.k )gi n k=1 ai.. 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 ). .. Preuve..j ) ∈ Mp..13. On a rgϕ = dimϕ(E) = dim vect(ϕ(e1 ). en ) et B = (f1 .v. . Donc rgϕ = rg(ϕ(e1 ). A inversible =⇒ ∃ A−1 telle que AA−1 = A−1 A = In .12... Preuve. J est clairement lin´aire d’apr`s la remarque pr´c´dente. .

14.. u D’o` ϕ est un isomorphisme de E sur F . non nul de dimension n. en ) une base de E et B = (e1 . rg A=n. On a n ej = i=1 pi.. x = goϕ(x) = g(ϕ(x)) = g(0) = 0.) Donc F ⊆ Imϕ. Les propositions suivantes sont ´quivalentes : e 1. . Donc ϕoh = IdF . E et F deux K−e. non nuls de dimension n. u (3) =⇒ (4). .15. (3) =⇒ (1) L’image d’une base par ϕ est une base.Th´or`me 6. A est inversible. Donc goϕ = IdE . (1) =⇒ (3) Soit g ∈ L(F.. on a y = (ϕoh)(y) = ϕ(h(y). Il existe C ∈ Mn (K) telle que AC = In 3. Soit A ∈ Mn (K).... Donc ϕ est un isomorphisme. 78 . De mˆme ϕoϕ−1 = IdF et Mϕoϕ−1 = AA = In . .5 Changement de base Soit E un K−e. Soit B = (e1 . 6. goϕ ∈ L(E) et Mgoϕ = BA = In .. Soit ϕ ∈ L(E. ϕ(en )) est libre et dimF = n.. .. On a ϕ−1 oϕ = In et Mϕ−1 oϕ = A A = In . A est inversible. e Donc A est inversible. Soit A la matrice de ϕ−1 dans les bases B et B. ϕ(en )) est une base de F. Les propositions suivantes sont ´quivalentes : e 1.. v. 2.. Preuve. (2) =⇒ (3)) La suite (ϕ(e1 ). Soit A ∈ Mn (K). B une e e base de E et B une base de F . 3. D’o` ϕ est injective.v. Preuve. Soit ϕ ∈ L(Kn ) de matrice A dans la base canonique de Kn . donc (ϕ(e1 ).. . Soit y ∈ F . 4. de matrice A dans les bases B et B . (1) =⇒ (2)) On a : rgA = rg(ϕ) = dim vect(ϕ(e1 ). D’o` ϕ est un isomorphisme de E sur F . E) de matrice B dans les bases B et B. E) de matrice C dans B et B.. e Corollaire 6.. ce qui implique que ϕ est surjective.j ei . 2. Les vecteurs colonnes de A constituent une base de Kn . ϕ est un isomorphisme de E sur F . Par suite A est inversible. F ). Soit x ∈ Kerϕ. ϕoh ∈ L(F ) et Mϕoh = AC = In .. 1 ≤ j ≤ n. Il existe B ∈ Mn (K) telle que BA = In . u (2) =⇒ (3) Soit h ∈ L(F. (4) =⇒ (1) et (4) =⇒ (2) sont ´videntes. Donc Kerϕ = {0}. en ) une autre base de E. ϕ(en )) = dimF = n.

. . p1. Alors la matrice de passage de B ` B est la matrice P −1 ..1 . en ) et B = (e1 . i=1 On a n n n n n     ∈ Mn.. . .2 p2. a 79 .. .1 p2. en ).      x1 x2 .j ei = ( i=1 j=1 xj pi. pn. . . n j=1 p1. .. a a Preuve. xn Soit P = (pi. . . E de dimension n.n Proposition 6. . ..17.2 . .Posons    P =  p1.2 . D´finition 6.1 (K).1 . Donc e rgP = n et P est inversible. .2 . pn. a 6.j xj     =   pn.. ∀1 ≤ i ≤ n.j xj Soit sous forme matricielle :  p1..1 Action d’un changement de base sur les coordonn´es d’un vecteur e Soient B = (e1 . ..  . en ). Par e suite P −1 est la matrice de passage de B ` B.. en ) et B = (e1 . a 1 ≤ j ≤ n. p1. n j=1 pn. p2. .. on xi = u    X=  x1 x2 . en ) ` la base B = (e1 .n . . (x)B = P (x)B . en ) deux bases d’un K−e.1 pn. p2.   . .j ei .1 p2.v... . .j xj n j=1 p2.. C’est une matrice inversible. .. La matrice P = (pi.       =   n j=1 pi.. .. pn.  xn n x= j=1 xj ej = j=1 xj i=1 pi. xn Donc (x)B = P (x)B . . donc (x)B = P −1 (x)B . .n . . . Associons ` ces deux d´compositions les matrices colonnes : a e    x1 x1  x2   x    2 X = (x)B =  .n . Soient B = (e1 . . en ) est appel´e matrice de pase sage de la base B = (e1 . .. . .2 . Soit x ∈ E.j ) ∈ Mn (K) est ´gal au rang de la suite (e1 . On a ej = n pi. pn. . .   . ..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     ∈ Mn (K).2 . .. p1.  et X = (x)B =  .j )ei = i=1 xi ei D’o`. xn     = PX . on a : n n x= i=1 xi ei = j=1 xj ej .n p2.. . en ) deux bases d’un K−e. . .j ) ∈ Mn (K) la matrice de passage de B ` B . ..5..j xj .. E et P la matrice de passage de B ` B . . Pour tout x ∈ E. P ´tant inversible. ..1 p1.  Le rang de la matrice P = (pi. . .v.16.

appartiennent ` K et sont appel´s seconds membres de (S). . Or (y)B1 = Q(y)B1 et (x)B = P (x)B . 1 ≤ j ≤ n. . Soit P la matrice de passage de B ` B et a Q la matrice de passage de B1 ` B1 . Deux matrices (p.2 x2 + .1 x1 a2.1 x1 +ai.5. • Les ´l´ments bi . e a e e  a1.v.n xn =bi est appel´e ieme ´quation de (S). . 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. D´finition 6.j xj • Une solution de (S) est un vecteur (x1 ..19. ap. A ∈ Mp.1 Syst`mes lin´aires e e D´finitions e p ´quations ` n inconnues ` e a a = b1 = b2 .. 6. ee a e Les coefficients et les seconds membres sont donn´s. On a (y)B1 = A(x)B et (y)B1 = A (x)B ..  . . F ).20. e e 80 . non nuls.2 x2 + .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.j xj    e • Le vecteur   est appel´ j eme colonne de (S). 1 ≤ i ≤ p et 1 ≤ j ≤ n.1 x1 ap.2 Action d’un changement de base sur la matrice d’une application lin´aire e Proposition 6.6 6. ee a e • L’´quations i. . .   .. . on a a A = Q−1 AP. de dimensions respectives n et p.1 x1 +a1.+ai.18.n xn S= ..    ap.n xn • Les ´l´ments ai.n xn    a2.j xj  a2. n)−matrices . un ensemble d’´quations : e   a1.2 x2 +. Soit x ∈ E et y = ϕ(x). a2.6. .2 x2 + . . e • Les ´l´ments xj . appartiennent ` K et sont appel´s les inconnues de (S).n (K) et B ∈ Mp. . Soit E et F deux K−e. Preuve. xn ) ∈ Kn v´rifiant toutes les ´quations de (S). Soit ϕ ∈ L(E. .j . Deux matrices carr´es. . Soit A la matrice de ϕ dans les bases B de E et B1 de F . = bp Soit p et n deux entiers ≥ 1. 1 ≤ i ≤ p. On appelle syst`me lin´aire de e e coefficients dans K. . +a1.6. . D´finition 6. 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. . ap. d’ordre n. appartiennent ` K et sont appel´s les coefficients ee a e de (S). Soit A la matrice de ϕ dans les bases B de E et B1 de F ..

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

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

xn ) est une u e solution du syst`me (S). donc il admet une solution unique (x1 . (2) permuter deux ´quations de (S).. on a rg A ≤ q. xn sont des ´l´ments quelconques fix´s dans K. e Exemple Faire l’exercice 3 s´rie N 7. . . 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..... et soit (S )le syst`me suivant d´duit de (S) : e e (S ) n j=1 ai. est une suite finie d’op´rations du type pr´c´dent. S’il exsiste i. q + 1 ≤ i ≤ p tel que bi = 0 alors la ieme ´quation de (S) s’´crit : e e 0x1 + . .25. une combinaison lin´aire des autres ´quations. . e e Soit λ ∈ K. = bp = 0. = bk + λbh . e D’o` pour tout xq+1 . ee e le syst`me (T) est de Cramer . xn ) est aussi solution de (S ). e e e e Preuve. e D´finition 6. e Soit bq+1 = . l’op´ration (1) transforme (S) en un syst`me e e ´quivalent. i = k. une combinaison e a a a e lin´aire des autres ´quations. a a e (4) multiplier les deux membre d’une ´quation par un mˆme scalaire non nul... (x1 . Puisque les p-q derni`res lignes de la matrice A sont nulles .j xj 1 ≤ i ≤ q. e Donc r = rgA = q. impossible et le syst`me est donc incompatible. + 0xn = bi = 0...j xj = bi − j=q+1 ai. On appelle op´ration ´l´mentaire sur (S) chacune des op´rations suie e ee e vantes : (1) permuter deux colonnes de (S). . e e On rappelle que deux syst`mes lin´aires sont dits ´quivalents. 1 ≤ i ≤ p.j )xj = bi ... p}. Th´or`me 6. (S) ´tant un syst`me lin´aire ... xn ) est solution de (S). (x1 . .j + λah. h = k.. . s’ils ont le mˆme ensemble e e e e de solutions.. e e e (3) ajouter membre ` membre ` une ´quation. a L’op´ration qui consiste ` ajouter membre ` membre ` la k eme ´quation. toute solution de (S ) est aussi solution de (S).j xj n j=1 (ak. . 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. e e e e e 83 .. xq . xq ). xn quelconques (mais fix´s) dans K. .Preuve.. avec xq+1 . e Puisque les q premi`res colonnes de A forment une suite libre on a rgA ≥ q... h et k ∈ {1. Comme on transforme (S ) en (S) par une op´ration de mˆme type que celle qui nous fait passer de e e (S) ` (S )... L’addition dans K est commutative.. .. .24. xq+1 . Le sys`me (S) est ´quivalente au syst`me : e e e q n (T ) j=1 ai.. donc elle e e e e e transforme (S) en un syst`me lin´aire ´quivalent. e e e Enfin il est ´vident que l’op´ration (4) transforme (S) en un syst`me lin´aire ´quivalent. Il est clair que si (x1 .

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

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

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

b. D´velopper (A + I)n . c) V´rifier les propri´t´s (λA)m = λm Am . 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). 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. b) Calculer om et I m . 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 . e b) D´velopper (A + B + c)2 . ABA. 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. e c) D´velopper (A + I)3 . AB. c) =  b a + c b + c  c b a+c o` a. b. a) Calculer Am . e d) D’une mani`re g´n´rale.6. pour A1 = 0 1 0 0 1 1 0 1 puis pour A2 = . Les coˆts de transport e e u de chaque produit. e ee Exercice 4. (A + B)2 = A2 + AB + BA + B 2 . 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. t (AB). o` aij repr´sente le coˆt de transport pour exp´dier le produit i au client j. Un fabricant de composantes ´lectriques vend deux produits diff´rents ` trois e e a clients. c. Les deux produits sont fabriqu´s dans deux usines diff´rentes. a) D´velopper (A + B)3 . K deux matrices de M3 (Q) ind´pendantes de a. pour chaque client. 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 .) i=0 Exercice 5. Exercice 3. m ∈ N. e e e 87 . t At B et B 3 . On d´signe par E l’ensemble des matrices de la forme e   a c b M (a. c ∈ Q. D´duire (A1 + I)n = (nA1 + I).9 Exercices : Les matrices Exercice 1. b.

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

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

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

1 Le groupe sym´trique Sn e D´finition 7. e L’ensemble Sn muni de la loi interne (σ. S1 est r´duit ` l’application identique de J = {1}. n σ= σ(1) σ(2) ... La compos´e de deux permutations de J est une permutation de J. Exemple 7. e a 1 2 1 2 3.. σ(n) Le nonmbre de permutation de J est n! Exemple 7. σ est la permutation de J = {1.. . K = R ou Q ou C. on consid`re e σ= 1 2 3 4 . Si n ≥ 3. et le groupe Sn n’est pas commutatif. donc σoσ = σ oσ.. D´finition 7. τi. e 2. . τ3.j telle que τi. Soit n un entier ≥ 1 et soit J = {1. 7.1. σ= 1 2 3 4 4 2 1 3 ∈ S4 . appel´ groupe e sym´trique d’ordre n.1. 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.j (j) = i et τi. 4. n 1 3 2 4 ... τ } avec IJ = et τ = . Une permutation de J est une e application bijective de J sur lui-mˆme.. σ ) −→ σoσ est un groupe.j (k) = k si k = i et a e k = j.1.. On note l’ensemble des permutations de J par Sn et e un ´l´ment σ de Sn par : ee 1 2 .. a Remarque 7. 3 a fait correspondre 1 et ` 4 fait correspondre 3. n}. S2 = {IJ .j (i) = j.... 2.. 3.. 1. 2. Si n = 1 . 2.4 = 1 2 3 4 5 6 1 2 4 3 5 6 91 ∈ S6 .. Si n = 2. σ = 1 2 3 4 . Le groupe S2 est 1 2 2 1 commutatif. n 3 2 4 1 . 2 fait correspondre 2. c’est e ee ee ` dire une permutation not´e τi. Pour n ≥ 2.. . on appelle transposition de J = {1. 4} qui ` 1 fait correspondre 4.2. n On a (σoσ (1) = 3) et (σ oσ(1) = 2) .2. n ..Chapitre 7 ´ DETERMINANTS Comme d’habitude.

. Donc Nσ = 7 et ε(σ) = −1. 4 et 3.j oσ. σ laisse i fixe (σ (i) = i). D’autre part.. Soit n ≥ 1. Si i < j et σ(i) > σ(j). 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. on a 1 = ε(Id) = ε(σoσ ) = ε(σ −1 ).. σ est impaire. Soit σ = τi.. Proposition 7. Th´or`me 7. et on note ε(σ). les points de J laiss´s fixes par σ sont aussi laiss´s fixes par σ et en outre. 1≤i<j≤n σoσ (j)−σoσ (i) = 1≤h<k≤n σ(k)−σ(h) et donc ε(σoσ ) = ε(σ)ε(σ ). 1 2 3 4 5 σ= ∈ S5 .4. 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. e e ee e a Preuve.j oτi. Le cas n = 1 est ´vident. on appelle e e signature de la permutation σ ∈ Sn . 5 1 4 3 2 Les inverssion de σ sont : 5 et 1. . σ est dite paire si ε(σ) = 1.7. Soit σ ∈ Sn On raisonne par r´currence sur l’entier q = n − p. j − 1 j j + 1 . Si Nσ d´signe le nombre d’inversions de la suite (σ(1). 5 et 4 .3 . le nombre ε(σ) = (−1)Nσ ∈ {1... Il existe i ∈ J tel que σ(i) = j = i et on a σ(j) = σ(i) = j. . Exemple 7. 4 et 2. . Si 1 ≤ i < j ≤ n.2 oτ2. σ(n))..j = 1 . On a aussi ε(σ) = 1≤i<j≤n σ(j) − σ(i) j−i En effet. −1}. n 1 .Remarque 7. Toute transposition est une permutation impaire Preuve. e e D´finition 7. . σ est un produit de transpositions et σ = τi.2 oτ1.5.2 . σ(n)).3. .. 2 3 1 Soit n ≥ 2 et σ ∈ Sn . Th´or`me 7. σ = τ1. ee e Si q = n − p = 0 .i et τi.j = τj. . . n ∈ Sn .j = IJ . Soit τi. . on dit que σ(i) et σ(j) pr´sentent une inversion. on a σ(i) = σ(j) et donc σ(i) < σ(j) ou σ(i) > σ(j).ε(σ) et e e a donc ε(σ −1 ) = ε(σ) 92 .est ´gal au nombre d’ine e versions dans la suite (σ(1). Quelle que soient σ ∈ Sn et σ ∈ Sn .4. j − 1 i j + 1 . 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. . 3 et 2. On a τi. k−h σ (j)−σ (i) En appliquant le resultat pr´c´dent ` σ = σ −1 . o` p est le nombre e u d´l´ments de J laiss´s fixes par σ....3. σ = τi. On a Nσ j − i + (j − i − 1) = 2(j − i) − 1 = et ε(σ) = −1.3. 5 et 3. n}. Exemple 7.j oσ est aussi e e e un produit de transpositions. et impaire si ε(σ) = −1 Remarque 7. 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). . . Pour n ≥ 2. tout ´l´ment de Sn est ´gal ` un produit de transpositions. alors σ = IJ = τ1. le nombre de signe .. i − 1 j i + 1 . Soit n ≥ 2.j avec i < j. e e D’apr`s l’hypoth`se de r´currence.2. D´finition 7. on a ε(σoσ ) = ε(σ)ε(σ ) e e et ε(σ −1 ) = ε(σ) Preuve. 5 et 2.6. i − 1 i i + 1 .. puisque ε(σ) est une permutation de {1. 1 2 3 σ= ∈ S3 .

Soit E = R e 1 p y = (y1 . . Pour n ≥ 2. e i=1 D´finition 7. l’application fj : E −→ K d´finie par e f (x1 . . f est une forme bilin´aire altern´e sur E. Si n = 1. . . e 93 . i = j. . . xn ) + f (x1 . . xi .11. . e En d´veloppant par n−lin´arit´ on a : e e e f (x1 . xn ) une suite de e e e e n vecteurs de E. . . .. . D’o` u f (xτ (1) . . . . . Soit E = R2 et f : E 2 −→ R d´finie par si x = (x1 . on retrouve la notion de forme lin´aire. .5. . xi . xi + xj . .2 Formes miltilin´aires altern´es e e Soit E un K-e. . . xn ) est chang´ en son oppos´ a e e quand on intervertit deux vecteurs xi et xj . D´finition 7. . . . . . f (x1 . . xj+1 .12. . On appelle forme n−lin´aire (ou forme multilin´aire ` n variables) sur E. . 1. . . xn ). . Si n = 2 on a la notion de forme bilin´aire. . . on a f (x . . g) −→ R 1 0 f (x)g(x)dx φ est une forme bilin´aire sur E. ..9. . . xj . x ) ∈ E et b. La preuve r´sulte du Th´or`me 1 et de la proposition pr´c´dente.6. . . . . . suite (x1 . On pose E n = E × . . . . avec τ = τi. . . . . xj+1 . x2 ) ∈ E et y = (y1 . . . . . . . xτ (i) . xn ) ∈ E e i j 1 n Exemple 7. xi . xn ) ∈ E n . . on a f (xτ (1) . Soit f une forme n−lin´aire altern´e sur E. . Pour n ≥ 2. × E (n fois). e Remarque 7. xn ) = −f (x1 . . . e Exemple 7. . σ ∈ Sn est paire si et seulement si σ est ´gale au produit d’un e nombre pair de transpositions. x. . . . . . xi . on obtient : e f (x1 . e e e e e 7. . . . . et n ∈ N∗ . . f (x. . . xn ) soit lin´aire. . . . .Corollaire 7. une forme n−lin´aire sur E est dite altern´e. . f est une forme bilin´aire sur E. . . . . xj . . Soit (x1 . . . . . . Autrement dit. xj . xi . . . xn ) = 0 En utilisant encore le fait que f est altern´e. . . . . Soit E = C([0. . . alors f (x1 . . . . Soit f une forme n−lin´aire altern´e sur E. . a. . e 2. . et pour toute suite (x1 . 1]. . f (x. e e e a une application f : E n −→ K telle que. R) et soit l’application φ : E × E −→ (f. . . . y2 ) ∈ e E. xi . . . pour chaque j. Preuve. . . . e 3.8. xn ) + f (x1 . xn ).v. alors f est antisym´trique . . xn ) = 0 car f est altern´e. e p (p ∈ N∗ ) et f : E 2 −→ R d´finie par si x = (x . xτ (n) ) = −f (x1 . 1 ≤ j ≤ n. . . . . . . . . . xi . . xn )+ f (x1 . . . yp ) ∈ E. e e Proposition 7. On a f (x1 . x ) = 0. Si la suite (x1 . y) = p xi yi . . . .j . . . .10. xi . . . xi + xj . . . xτ (n) = −f (x1 . e e e c’est ` dire que pour toute suite (x1 . . . . . . . . si pour toute e e e n ayant deux vecteurs ´gaux x et x avec i = j. y) = x1 y2 − x2 y1 .4. . xj . xj . Si n = 3 on a la notion de forme trilin´aire. . xτ (j) . . . . xj−1 . . . xj . . xn ). . . Preuve. . . . . . . . . . xj−1 . . . . xn ) = 0. xn ) de n − 1 vecteurs de E.j . . si τ = τi. xn ) est li´e. . Th´or`me 7. . . . etc. . .

. . en ) = λ. ... aσ(n). Si B = (e1 . ..1 . detB (B)detB (B ) = 1 Preuve. sur un K−e. Le e e e scalaire d´tB (x1 . e Proposition 7. ..n f (e1 . . . . ... .. .. xn ) = B = (e1 .v. .14.. Soit (x1 . .. 94 . . . xn ) ∈ E n . . 1. . Soit f une forme n−lin´aire altern´e sur E. il existe une forme n−lin´aire altern´e sur E. xn ) = detB (B )detB (x1 ..... . . . xn ) = 0 Corollaire 7. . .xn ).. . j=i λj xj . xn ) ∈ E n e detB = detB (B )detB (x1 .v. Soit α = detB (B ) et soit g : E n −→ K d´finie par : si (x1 . Soit (x1 .. e e e 1 ≤ j ≤ n. ... 2. . e e Remarque 7. l’unique forme n−lin´aire altern´e f sur E telle que f (e1 .. xn ) = σ∈Sn ε(σ)aσ(1). .. ..j ei . . Alors : 1..14 : g = detB .. . . . e Th´or`me 7. . . . . xj . .n car d´tB (e1 . .. . Preuve. i=1 detB (x1 . . e e 2. xn ) une suite e e de n vecteurs de E. xn ) si l’on ajoute ` l’un des a vecteurs xi une combinaison lin´aire des autres vecteurs de la suite....) on a ∀(x1 . . D’apr`s 1... xn ) une suite de n vecteurs de E.. On ne change pas la valeur de f (x1 . . . xn ) est appel´ le d´terminant de la suite (x1 . Soit f une forme n−lin´aire altern´e.5.. xn ) = j=i λj f (x1 .. . en ) une base de E. xn ).1 . . Pour tout λ ∈ K. en ) une base e de E.Preuve. .. . .. xn ) = e αdetB (x1 . . . on a 1 = detB (B) = detB (B )detB (B). . xn ) ∈ E n . xn ) dans la base B. xn ) = f (x1 . E de dimension finie e e e e n.. detB (x1 .3 D´terminant d’une suite de vecteurs dans une base e D´finition 7. .15.. . . . en ).. Soit (e1 . xn ) une suite li´e. Si xj = n ai.16. xj = n ai.. . . . de dimension finie n ≥ 1... .....aσ(n). telle que e e f (e1 . L’un au moins des vecteurs xi est combinaison e lin´aire des autres vecteurs de la suite : xi = j=i λj xj .. g(x1 .. 1 ≤ j ≤ n.. 2.. Soit B = (e1 . Alors i=1 f (x1 .en ) = 1 est appel´e le e e e d´terminant dans la base B et not´ d´tB . xn ) = σ∈Sn ε(σ)aσ(1).. . en ) et B = (e1 . xj . . alors : e f (x1 .. Soit (x1 . . Pour tout (x1 .. Soit (x1 .. .j ei . D’apr`s le e e e e th´or`me 7. 7. . .. Admis. e e De mˆme detB est une forme n-lin´aire altern´e sur E et detB (B ) = α. . . et une seule. . . . . ... xn ) une suite de n−vecteurs de E. . xn ) pour (x1 . en ) deux bases de E. . Si n = 1 B = (e1 ) ∀λ ∈ K d´tB (λe1 ) = λ. g est une forme n-lin´aire altern´e sur E et de plus g(B ) = α. . . 1.. . en )=d´tB (B) = 1. en ).13. Soit E un K−e.. .

3. . on pose C1 .j | = detA.2 a2. On appelle d´terminant de A et on note det(A). a1.7. Soit I la matrice unit´ d’ordre n. a2.. .j ∈ M(K).  a13 a23  et S3 = {id. . Si n = 3. 1.n a2. Voir s´rie d’exercice N o . .1 a2. τ2. τ1. e Corollaire 7. .. en ) = 1. an. Si Ci = Cj avec i = j. Cσ(n) ) = ε(σ)∆. an. D´terminant d’une matrice triangulaire : soit A = (ai. . τ2 } avec a33 et σ2 = 1 2 3 3 1 2 ε(σ1 ) = ε(σ2 ) = 1.18. ∆ = detB (C1 . On a les r´sultats suivants : e e e 1. e 95 . ε(σ)aσ(1).. τ1. ..2 − a1. Le d´terminant d’une matrice carr´e est ´gal au d´terminant de sa matrice e e e e e e transpos´e.. on a det(λA) = λn detA Th´or`me 7. . On ne modifie pas la valeur de ∆ en ajoutant ` une colonne une combinaison lin´aire a e des autres colonnes.j ∈ M(K) est aussi not´ : e e a1... 4. alors ∆ = 0. . .n ou encore |ai.3 . Th´or`me 7. Le d´terminant de A = ai... . a2.. Soit A = ai. inf´rieure) e e n det(A) = a11 .  a11 a12 a21 a22 3..1 .j ∈ M(K) et λ ∈ K ... .. Le th´or`me 7.2 . .18 d´coule du fait que le d´terminant est une forme multil´aire e e e e e altern´e. j) ∈ M(K) et ∆ = |ai.1 a1. Si n = 2 donc A est de la forme A = et S2 = {id.2 .3 .5 Propri´t´s et calcul des d´terminants e e e Soit A = (ai ..1 .2 .2 2.n .17. Cn les colonnes de A.j ) ∈ M(K) une matrice triangulaire e sup´rieure (resp. Exemple 7.1 . ses vecteurs colonnes sont les vece teurs de la base canonique de Kn .1 On a donc detA = σ∈Sn a1..1 a2.1 a2.8.4 D´terminant d’une matrice carr´e e e D´finition 7. τ1 .19. . e 7..n . an.2 }. donc detIn = det(e1 .2 . .7.ann = i=1 aii . le e e determinant de la suite (C1 . detB (Cσ(1) . .2 det(A) = a1. Soit A = ai. . Si σ ∈ Sn . Cn ) d´pend lin´airement de chaque Ci . τ1.j |. . Preuve.aσ(n). a1. (B base canonique de Kn ) e e 2. ... . 4. 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 .20. . Cn ) de ses vecteurs colonnes dans la base canonique de Kn .

a e Preuve.n .n-1} d’un seul σ ∈ Sn ...bσ(n).1 . Soit A = (ai . vn−1 .σ−1 (1) ...σ−1 (n) = σ∈Sn ε(σ −1 )aσ−1 (1).. a e e 2.) Ainsi : detAt = σ∈Sn ε(σ −1 )b1. Les r´sultats du th´or`me 7.j = aj. bn...n−1 . C2 .20 il suffit de prouver le premier point.  Deuxi`me ´tape : Soit C1 ..1 .. 1 ≤ i ≤ n.. Quel que soit l’indice i.. Quel que soit l’indice j. Remarque 7. .j ei . an. On a detB (v1 ..1 .n . e e i=1 Posons bn. e 1.aρ(n). (b1.k  . .j ) avec bi.18 s’´tendent aux lignes de la matrice A.n = 0 pour 1 ≤ i ≤ n − 1. . n − 1} est un ´l´ment a ee σ de Sn−1 et on a : ε(σ)bσ(1).n = 0.1 .21.6.n = ε(σ −1 )b1.... Cn les vecteurs colonnes de la matrice A : ck =  .j . e e e e D´finition 7. n−1 vecteurs de Kn avec vj = n bi. 1 ≤ i ≤ n.j obtenue en supprimant. on a ∆ = n (−1)i+j ∆i.. On a donc detB (v1 .1 . on a bσ(n).. D’apr`s le th´or`me 7. σ∈Sn Si σ(n) = n.bσ(n). tel que a σ(n) = n. . e e Th´or`me 7. 1 ≤ j ≤ n−1.n = ε(σ )bσ (1). 1 ≤ i ≤ n.j | un d´terminant d’ordre n ≥ n. e dans A. On ape e pelle mineur du coefficient ai.. Soit A = (ai. .1 ... en ) la base canonique de Kn .i . j) ∈ M(K).j le d´terminant ∆i.n ...bn.j ) ∈ M(K)n ≥ 2 et le d´terminant ∆ = detA = |ai.. en ) = ε(σ )bσ (1).n . 1 ≤ j ≤ n.22.j (c’est le d´veloppement j=1 de ∆ par rapport ` la i`me ligne). .bσ(n)...1 .aσ−1 (n).. e e e Soit B = (e1 ... vn−1 . la i`me ligne et la j`me colonne.. et d’un seul. v2 . Enfin. tout σ ∈ Sn−1 est la restriction ` {1.. 1 ≤ j ≤ n.j |..k pour 1 ≤ k ≤ n..bn..j (c’est le d´veloppement i=1 de ∆ par rapport ` la j`me colonne). vn−1 . ` coefficients dans K.j le mineur de ai.bσ(n).j ai...1 . la restriction de σ ` {1.n−1 .. Soit ∆ = |ai. 96 σ∈Sn−1  .j ai.Preuve.. et e e e a ∆i. donc e detAt = ρ∈Sn ε(ρ)aρ(1).j de la matrice Ai.σ−1 (1) ..n = detA. et detAt = σ∈Sn ε(σ)bσ(1).n sont les coordonn´es du vecteur e en de la base B).bσ (n−1).bσ (n−1).σ−1 (n) (car ε(σ) = ε(σ ) et si i = σ(j) on a j = σ −1 (i)... Or ε(σ)bσ(1).. L’application ϕ : Sn −→ sn d´finie par ϕ(σ) == σ −1 est une bijection....  e e ..  a1.n = 1 et bi. Si σ(n) = n. Premi`re ´tape : Soit v1 . On a At = (bi. on a ∆ = n (−1)i+j ∆i. .. en ) = ε(σ)bσ(1). 1 ≤ j ≤ n.

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

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

j1 ai1 .. Soit E un K−e.j2 . Th´or`me 7.j ) ∈ Mn (K) et B sa comatrice. ∆i.j ) ∈ Mn (K) . . 1..B t = (detA).. Preuve. Soit A ∈ Mn (K) et B ∈ Mn (K).j1 aik ..j et bi. La matrice B = (bi. 7.. 7. 2.29. Preuve.. on a : ϕ est un automorphisme de E ssi detϕ = 0. e e 1. de dimension n et ϕ ∈ L(E). . aik . u 99 . le d´terminant de toute matrice carr´e obtenue e e e en supprimant dans A. On a B t . . Soit ϕ ∈ L(E) un automorphisme de E.detψ. ai2 . ai1 . . . .. 1 ≤ i ≤ n . .Remarque 7. A est inversible ssi detA = 0.j e le cofacteur de ai. Soit A(ai. 2. . .detψ 2. .j1 ai2 . ϕ(en )) = 0. on a : det(AB) = detA. Soit E un K−e. Th´or`me 7. 2. < ik ≤ p et 1 ≤ j1 < j2 < . Le d´terminant d’un endomorphisme ne d´pend pas de la base de e e E. .jk . on a detϕ = detB (ϕ(e1 ).j = (−1)i+j ∆i.. . 1 ≤ j ≤ n. < jk ≤ n. .4 Calcul du rang d’une matrice D´finition 7. alors detA−1 = detA . aik . de dimension n ≥ 1.detϕ−1 = detIE = 1.7.j le mineur de ai.30...j2 . ϕ(ψ(en ))) = detϕdetB (ψ(e1 ).. alors : detϕ−1 = detϕ . . detϕoψ = detB (ϕoψ(e1 ). ϕ(en )) = detA.A = A. ϕ(en )) est une base de E.jk o` 1 ≤ i1 < i2 < ..j2 .detB. Donc (ϕ(e1 ).jk ai2 . .28. n}. A = (ai.j ) ∈ Mp.In .v. Soient A = (ai. c’est ` dire tout d´terminant de la a e forme : ai1 . Voir TD..... .27. Par suite.j . 1 2.26. . alors det(ϕoψ) = detϕ. ϕoψ(en )) detB (ϕ(ψ(e1 )).. ϕ ∈ L(E) automorphisme de E ⇐⇒ det(ϕoϕ−1 ) = detϕ. en ) est une base de E et si A est la matrice de ϕ dans la base B.6.... 1. Si B = (e1 . e e 1. 1. .3 Calcul de l’inverse d’une matrice carr´e inversible e D´finition 7.. .. 1 Si ϕ ∈ L(E) est un automorphisme de E.n (K) et soit k un entier tel que 1 ≤ k ≤ inf {p.j ) ∈ Mn (K) est appel´e la e comatrice de A et on note B = comA.v. 1 Si A ∈ Mn (K) est inversible. Si A est inversible : A−1 = detA B t . Soit ϕ ∈ L(E). . . ψ(en )) = detϕ . . .. Soit A ∈ Mn (K). On e appelle d´terminant d’ordre k extrait de A.. Si ϕ ∈ L(E) et ψ ∈ L(E). p − k lignes et n − k colonnes.6. . detB (ϕ(e1 ). Donc 1 detϕ−1 = detϕ Corollaire 7..

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

alors : e n det(B) = b1.j = 0 pour i < j.2 . a Montrer que detB (B ) = det(P ) Exercice 4. V´rifier que g est une forme bilin´aire sur E. 1) Calculer le d´terminant ` coefficients r´els e a e 2 3 1 2 7 8 . y. Montrer que σ peut s’´crire comme la compos´ e e 2 3 1 de deux tranposition bien choisies. z = ce1 + ae2 + be3 . e2 . e3 trois vece e e teurs de E. y) ∈ E × E. e e Dans quels cas est-elle alt´rn´e ? e e Exercice 5.n = i=1 n ai. z). e3 ) une base de E. et e1 . Calculer f (2e1 − 3e2 .j ) ∈ Mn (R) telle que ai. 2) Montrer que pour toute transposition τ ∈ Sn . Soit E un K-espace vectoriel. 1) Montrer que ε(Id) = 1. f une forme trilin´aire alt´rn´e sur E. Exercice 3. 1) Montrer que det(A) = a1. 1 2 3 4) Soit σ ∈ S3 d´finie par σ = e . e3 ). 3)Calculer explicitement ε(σ) pour σ de S2 . y = be1 + ce2 + ae3 . e2 + 2e3 . c) ∈ K3 et les vecteurs x = ae1 + be2 + ce3 . b. 2) D´duire que si B = bi... On note ε(σ) la signature de σ ∈ Sn (n ∈ N∗ ). ε(τ ) = −1. Calculer detB (x. B = (e1 . Exercice 6.1 a2.i . y) = ϕ(x)ψ(y). (a. 3) Soient B et B deux bases d’un K−espace vectoriel E de dimension finie ≥ 1. e e 2) Soit ϕ et ψ deux formes lin´aires sur E. 101 . Soit f une forme lin´aire sur l’espace vectoriel produit E × E.7 Exercices Exercice 1. 5 5 0 2) Soit E un K−espace vectoriel de dimension 3. e 5) calculer σoσ pour σ de 4) et calculer ε(σoσ). Exercice 2. Soit A = (ai.2 .1 b2.i . pour tout (x. e2 . En d´duire ε(σ). En d´duire explicitement ε(σ) pour toute σ e de S3 . Alors f est nulle. e2 .j ∈ Mn (R) telle que bi.j = 0 pour i > j.7. en fonction de f (e1 ... e1 − 2e2 + 4e3 ) .n = i=1 bi.bn. et soit l’application g : E × E −→ K d´finie par e e g(x. e 1) D´montrer que si f est aussi une forme bilin´aire sur E.an. et soit P la matrice de passage de B ` B .

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

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

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

le polynˆme Pf (X) = det(f − λId) = det(A − λIn ).. Soient f un endomorphisme de Eet λ1 ..si α = 2. λ2 .v.. on a P = 0 et f (P ) = 0 . Exemple Soit E = C[x] et f ∈ Lk (E) d´finie par : e f: C[x] −→ C[x] . o e Preuve. a Preuve. dans K. de dimension finie. et on note e o e Pf (X) (ou Pf ). ea On note Eλ = Ker(f − λId).e..v.8.. donc λ = 0 est valeur propre de f . 8. Ker(f − λId) est appel´ le sous-espace e e propre de f associ´ ` la valeur propre λ.. Donc f (P ) = λP . la valeur propre λ est dite simple .7. Preuve. D’apr`s la proposition 8.. De plus f (P ) = 0 implique P ∈ C. Si A est la matrice de f dans une base B et si λ ∈ K. on a λP = 0. l’entier α est appel´ la multiplicit´ de la valeur propre λ.3.. Donc Ker(f ) = C.. + Eλm est direte. On a do (λP ) = do P . et seulemnt si det(f − λId) = 0. E ´tant de dimension finie. . dans K. . e e Les valeurs propres de f sont les racines. Proposition 8. ce qui ´quivaut. du polynˆme caract´ristique Pf .. o` A est la matrice o u de f dans une base quelconque de E.Si α = 1.. la valeur propre λ est dite double. de multiplicit´ e o e e α ≥ 1. Polynˆme caract´ristique o e D´finition 8. Dans toute la suite E est un K. Or P = 0 ou do P = do P − 1. D’apr`s la proposition 8. du polynˆme caract´ristique Pf (X).. e e . P −→ P Montrons que λ = 0 est la seule valeur propre de f et d´terminons E0 . Alors la somme Eλ1 + Eλ2 + . de degr´ n = dimE (voir EX. A ecrire.. Si λ est racine . on a det(f − λId) = det(A − λIn ) = Pf (λ). etc. e D´finition 8.4. Le polynˆme caract´ristique de l’endomorphisme f est un polynˆme ` coefficients dans o e o a o 9) K.1 s´rie N e e 105 . λ ∈ K est valeur propre de f si et seulement si l’endoe morphisme f − λId n’est pas injectif..2.. Si λ = 0 et P = 0. P = 0.2. 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.1 Calcul des valeurs propres.6. Soit f un endomorphisme d’un K-e. E de dimension finie. λ est valeur propre de f si et seulement si Pf (λ) = 0. ` f − λId e e a n’est pas automorphisme. λ ∈ K une valeur propre de f si. Si λ ∈ K est une valeur propre de f . e Si P ∈ C. Proposition 8..6.. Cette derni`re condition ´quivaut ` e e a det(f − λId) = 0. On appelle polynˆme caract´ristique de l’endomorphisme f . Remarque : 1. et λm des valeurs propres deux ` deux distinctes de f . Th´or`me 8.5.D´finition 8.

αp . f n’admet pas n´cessairement de valeur propre.  . . f n’admet pas de valeur propre. Si K = C. l’endomorphisme f admet.(λp − X)αp . et s’il admet des valeurs propres multiples. dont la matrice dans la base canonique est : A= On a : Pf (X) = det(A − XI2 ) = 0 −1 1 0 .. au moins e e e une valeur propre. de multiplicit´s α1 . u ea En effet.  (A − λIn )  .. p. −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). xn 0 o` (x1 . 106 Exemple :  .λp . 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  . e Exemple : Soit f l’endomorphisme du R-espace vectriel R2 .. . −X −1 1 −X = X 2 + 1.  =  . . xn ) est un vecteur propre associ´ ` la valeur propre λ. o` les λi sont des nombres complexes deux ` deux distinctes et les αi des entiers u a sup´rieurs ou ´gaux ` 1. la somme de leurs multiplicit´s est inf´rieure ou ´gale ` n. e e e a 3. 5 1 3 Cherchons les valeurs propres de A. . on a : e e e Pf (X) = (λ1 − X)α1 . D’apr`s le th´or`me de factorisation dans C[X].  −4 0 −2 Soit la matrice A =  0 1 0  . Consid´rons l’endomorphisme g du C-espace vectoriel C2 dont la matrice dans la base e canonique est cette mˆme matrice A.   . Remarque : Une fois les valeurs propres calcul´es. .2. les valeurs propres de f sont λ1 . Si E est un (Q ou R)-espace vectoriel de dimension finie n ≥ 2. d’apr`s le th´or`me de d’Alembert.. ⇐⇒ X = 0 et X ∈ ker(A − λIn ). e e a e et on a α1 + .. .... 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. e On a Pg (X) = X 2 + 1 = (X − i)(X + i) et g admet les valeurs propres simples i et −i. + αp = do Pf (X) = n = dimE Attention : Ceci est faux si K = Q ou R. X v.

1) engendre E−2 . alors g ∈ LK (Eλ ). 0. Alors. . . 0. 1)/x ∈ R}. donc y ∈ Eλ . ∗ Montrons que Eλ est stable par f (i. −x)/x ∈ R} = {x(1. 0. o` x ∈ Eλ donc f (y) = f (f (x)) = f (λx) = λf (x) = λy.9. 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. f (Eλ ) ⊆ Eλ ). 0. y=0 x+z =0 V2 = (1. 8.e. . 2 Pour λ = −2. 2 2 V1 = (1.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 . Cela revient ` r´soudre le syst`me lin´aire a e e e   x1  . cherchons E1 :   −5x + 0y − 2z = 0 0x + 0y + 0z = 0 ⇐⇒ (A − I)X = 0 ⇐⇒  5x + y + 2z = 0 Donc E1 = {(x. a Soit (e1 . donc il existe Q ∈ K[X] tel e e que : Pf (X) = (X − λ)α Q(X) et Q(λ) = 0. Soit p = dimK Eλ . : e e Soit f un endomorphisme d’un K-espace vectoriel de dimension finie n ≥ 1. )}. xn Pour λ = 1. 0.2. ep ) une base de Eλ . On a ∀x ∈ Eλ f (x) = λx.  (A − λI)X = 0 o` x =  . cherchons E−2 :   −2x − 2z = 0 3y = 0 (A + 2I)x = 0 ⇐⇒ ⇐⇒  5x + y + 5z = 0 Donc E2 = {(x. Soit y = f (x). Soit g u la restriction de f ` Eλ i. Touvons l’ensemble des vecteurs propre de A.10. g = f /Eλ . y=0 5x + y + 2z = 0 −5 −5 x)/x ∈ R} = {x(1. de multiplicit´ α.e. et soit λ une valeur propre de f . 107 . . Alors dimK Eλ = dim ker(f − λI) = n − r o` r d´signe le rang u e de la matrice (A − λIn). −5 ) engendre E1 donc dimE1 = 1.2 Sous-espaces propres Th´or`me 8.  u . 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.

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

en ) une base de E constitu´e de vecteurs e e propres de f .. 1 ≤ i ≤ p. corollaire. c’est-`-dire s’il existe une matrice P ∈ Mn (K). Pf (X) = det(λIn − XIn ) = (λ − X)n et λ est valeur propre e de f de multiplicit´ n.14. u i=1 Alors : p dim Ei = dim F = dim E = n i=1 (b) =⇒ (c). alors f est diagonalisable.. Soit λ1 . F = p Ei . e e Pour que f soit diagonalisable il faut et il suffit : 109 . dans Mn (K). Cependant. Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E). (c) E = p Ei .4.. admettant des valeurs propres. e On a d’apr`s le corollaire.. i=1 D´monstration. Bp ) est une base de E = F et e c’est une base de E constitu´e de vecteurs propres de f . Soit A ∈ Mn (K). ` une matrice diagonale... dim F = p dim Ei et si Bi est une base de Ei . i=1 i=1 (c) =⇒ (a). e Donc f est diagonalisable. f ´tant diagonalisable. (a) =⇒ (b). toutes les valeurs propres distinctes de f . B = (B1 . si elle est seme blable. on a ej ∈ ∪p Ei ⊂ F d’o` E ⊂ F et E = F . Alors les e a assertions suivantes sont ´quivalentes : e (a) f est diagonalisable . sa matrice dans n’importe e quelle base ´tant λIn . soit B = (e1 . e Posons F = p Ei . p dim Ei = n implique dim F = dim E et donc E = F = p Ei . Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie e e n ≥ 1. Remarque 8.ci-dessus. D’apr`s la proposition 8. λp . f est diagonalisable. et soit Ei = Ker(f − λi I) le sous-espace propre associ´ ` la valeur propre λi . e Th´or`me 8. o` dim E = n.. . e dim Ei = 1. . Cette condition n’est pas n´cessaire comme le montre l’exemple suivante : e soit l’homoth´tie vectorielle f : x −→ λx . On dit que A est diagonalisable sur K... D´finition 8.. . Donc p 1≤i≤n dim Ei = n i=1 Par suite f est diagonalisable.5 Caract´risation des endomorphismes diagonalisables e Th´or`me 8. p (b) i=1 dim Ei = n(= dim E) . Bi ´tant une base de Ei . inversible.2. u D´monstration. telle que la matrice P 8. D’apr`s le th´or`me ? du e e e e i=1 i=1 chapitre ?. Ce corollaire donne une condition suffisante pour qu’un endomorphisme soit diagonalisable. Si f admet n valeurs propres distinctes.. Bp ) est une i=1 base de F .15.13. Pour 1 ≤ j ≤ n. .. a a −1 AP soit diagonale. 1 ≤ i ≤ p. (B .

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

z. c’est trouver une matrice P ∈ Mn (K). Or dim E−1 = 2 donc la suite (f1 . 0. dans Mn (K).. Trigonaliser f . e 111 .17. 2 2 2 2  les trois vecteurs trouv´s forment notre base de vecteurs propres. 1)). Trigonaliser A sur K. 2. Alors si y = 1 et z = 0 on obtient comme solution f1 = (0. y et z comme inconnues non principales. On r´sout le syst`me : ea e e  0  9x +9z = −3x +0y+ −3z = 0 ⇔ x + z = 0. 1. et 2 valeur propre simple.. en prenant x et y comme inconnues principales et z comme inconnue non principale u E2 = {( −3 1 −3 1 z. f2 ) est une base de E−1 .16. * Sous-espace propre associ´ ` la valeur propre -1. si elle est semblable. telle que la matrice P −1 AP soit triangulaire. e 1. inversible. Soit f un endomorphisme de E et A ∈ Mn (K). inversible. On dit que A est trigonalisable sur K. Pour que f soit trigonalisable. c’est-`-dire s’il existe une matrice P ∈ Mn (K). u ee a Preuve. (A + I)V = 0 ⇔  −6x +0y+ −6z = 0 det(M − XI) = On prend x comme inconnue principale. Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie e e n ≥ 1. telle que la a matrice P −1 AP soit triangulaire. 1). −6 0 −7 − X Les valeurs propres sont -1 valeur propre double. 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 . 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 ..6 Trigonalisation D´finition 8. On dit que f est trigonalisable.(λP − X)αP . ` une matrice a triangulaire. 0) et si y = 0 et z = 1 on obtient f2 = (−1. e 8. A ´crire. c’est trouver une base de E dans laquelle la matrice de f est triangulaire. z)/z ∈ R} = vect(( . * Sous-espace propre associ´ ` la valeur propre 2. 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`.. Th´or`me 8. o` les λi sont des ´l´ments (deux ` deux ) distincts de K.

18.Th´or`me 8. u o e Preuve. Voir exercice 7. 112 . o` Pf est le polynˆme caract´ristique f . (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. on a Pf (f ) = 0.

Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E). 1) Montrer que Eλ est stable par f . e2 .1 Calculer les valeurs propres de A. 1) Si A est une matrice inversible et λ ∈ K∗ .2 D´terminer une base de chacun des sous espaces propres de A. Soit E un C-espace vectoriel de dimension finie n et B = (e1 . D´montrer l’´quivalence suivante : e e PA (B) est inversible ⇔ Sp(A) ∩ Sp(B) = ∅. 2) Soit M ∈ Mn (K) une matrice carr´ de la forme : e M= A C 0 B avec A ∈ Mp (K) . 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. u o e 2) On appelle spectre de A l’ensemble des valeurs propres de A.n−p (K). Montrer par r´currence que e detM = detA. Montrer que : PA−1 (λ) = (−λ)n 1 PA ( ). Soient A et B deux matrices de Mn (K) .. Calculer a0 et an . .8. Exercice 4. 2) Montrer que Pf est un polynˆme ` coefficients dans K de degr´ n. det(A) λ o` PA est le polynˆme caract´ristique de A. o a e 3) D´montrer que deux matrices carr´es semblables de Mn (K) ont mˆme polynˆme cae e e o ract´ristique.. B ∈ Mn−p (K) et C ∈ Mp. e Exercice 2. on pose Eλ = Ker(f − λI) le sous-espace propre associ´ ` la ea valeur propre λ.. Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E). Soit 113 . Soit λ une valeur propre de f . 5.7 Exercices Exercice 1.detB. 3) Soient g la restriction de f ` Eλ . 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. en ) une base de E. e e 5) Soit la matrice :   −4 0 −2 A= 0 1 0  5 1 3 5. e Exercice 3. avec K = C et n ∈ N∗ . a 4) D´duire que Pg divise Pf .

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

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

A est -il diagonalisable ? o e 6. c.E = R3 et f est la symertie orthogonale par rapport au plan P d’´quation x + y + z = 0.e. diff´rents de l’identit´ a e e de Rn et tels que f 2 = f .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). n ∈ N∗ . par diagonalisation. y)) = (−y. e Exercice 10.2) Prouver qu’il existe λ ∈ R tel que A − λI3 soit nilpotente. e e 2 d.  116 . 6. o` M est une matrice carr´e : Soit u e  0 1 0 M = 1 0 1  1 1 1 Calculer M n . x). l’application lin´aire d´finie par : f ((x.6.1) Calculer le polynˆme caract´ristique PA de A.E = R2 et f la rotation d’angle π i. 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 . Calculer un et vn en fonction de u0 v0 et n.Les projecteurs c’est-`-dire les endomorphismes f non nuls de Rn . (Application de la diagonalisation) 1) Calculer M n . 0 0 1 Exercice 9. Chercher les valeurs propres et les sous espaces propres associ´s aux applications classiques : e a.Les homoth´ties λId e b.

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

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

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

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

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

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

D´duire que R[X] est de dimension infinie. e Exercice 2. 125 . Partie III : 7 pts .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). 15 points : partie I : 4 pts + partie II : 4 pts . On prend E = R[X].D´terminer Ker(f ) et Im(f ). e d. : 5 points. e Barˆme approximatif : e Probl`me 1.Exercice 2. a. e b.

P et P −1 . En d´duire que dimf (E1 ) = 1. Soit P la matrice du syst`me B = (V1 . 126 . Ecrire la matrice D de gof dans la base B = (V1 . Pour tout λ ∈ R. Calculer det(P ) et en d´duire que B est e e une base de R3 . 4. Exprimer Mn en fonction de D . 6. dire pourquoi dim(Kerg) = 0. V3 ) est une base de E2 . montrer que 1 1 3 Soient f:  R3 →  R4  et P (λ) = (2 − λ)2 (1 − λ).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. Apr`s avoir v´rifi´ que D = e  e e e e  1 −1 −1  −1 1 −1  . V2 =  −1 . Montrer que f (Eλ ) ⊂ Fλ . Montrer que Kerg ⊂ Ker(f og). e ´ EPREUVE D’ALGEBRE LINEAIRE Examen de 17 avril 2006. On note Mn la matrice de (gof )n = (gof )o. R e e e λ      1 1 1 5. f (V3 )) est libre.. V2 . 3. D´duire de la question 8) une expression de la matrice de (gof )n = (gof )o. Montrer que f (V1 ) = 0 et que (f (V2 ). e dimf (E2 ) = 2 puis que dim(F0 ) ≥ 1. D´duire de la question pr´c´dente que E = {0} si et seulement si λ = 1 ou 2. d´part et ` l’arriv´e). 7. dim(F1 ) ≥ 1 et dim(F2 ) ≥ 2. ´ 2. 13. Sans calculer le rang de g . V3 ). P et P −1 . En d´duire que Ker(f og) = {0}.. Exprimer D en fonction de D . Pour tout λ ∈ R . V2 . on pose Eλ = Ker(gof − λId3 ) o` Id3 d´signe l’identit´ de l’espace u e e 3 . e a e 11. 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. Montrer que f et g sont des applications lin´aires dont on donnera les matrices relae tivement aux bases canoniques. on pose Fλ = Ker(f og − λId4 ) o` Id4 est l’application identit´ de u e R4 . Soient V1 =  1 . et V3 =  0 . e a e 9. Montrer que (V1 ) est une −1 0 −1 base de E1 et que (V2 . Pour tout λ ∈ R. sans calculer P 8.Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi Devoir surveill´ N o 5. 10.. Ecrire par rapport aux bases canoniques la matrice C de f og puis la matrice D de gof en fonction de A et B. B et D..o(gof ) e n f ois dans les bases canoniques (au d´part et ` l’arriv´e) en fonction de A. 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. Calculer P −1 puis la matrice Mn . V3 ) (au d´part et ` l’arriv´e) e a e −1 . On notera A la matrice de f et B la matrice de g. e 12.

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

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

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

Sign up to vote on this title
UsefulNot useful