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

98 .2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 . . . . e e e 8.1 Le groupe sym´trique Sn . . . . . . . . . . . . . . . . 8. . . . . e e 7. . . . . . . . .2. . . . . . . . . . . . . e 7. . . . . . . . . . . e 7. . . . . . Exercices : Les matrices . . . . . . . . . . . . . . . . . . . . . . . . .2 Formes miltilin´aires altern´es . . . . . . . . . . de dimension n e e 7. . . . . . . . . . . . . . . . 95 . . . 8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 7. . .5 Propri´t´s et calcul des d´terminants . . . ´ 8 REDUCTION DES ENDOMORPHISMES 8. . . . .6. . . . 99 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6. . . . .2 Sous-espaces propres .6. . . . . . . . . . . . . 91 . . . . . . .7 Exercices . . . . . . . . . . . . e 7. . . ee e 7. . . .2 Vecteurs propres et valeurs propres d’un endomorphismes : 8. . . . . . 97 . . . . . . . . . . . . .4 D´terminant d’une matrice carr´e . 8. . . . . . Polynˆme caract´ristique o e 8. . . .3 Rang d’un syst`me lin´aire e e M´thode de pivot de Gauss . . . .6. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .6.v. . . . . .4 Calcul du rang d’une matrice . . .6 Applications des d´terminants .1 Ind´pendance lin´aire de n vecteurs dans un e. . . . .6 Trigonalisation . . . .9 6. . . . . . .5 Caract´risation des endomorphismes diagonalisables . .8 6. . . .1 Introduction .3 D´terminant d’une suite de vecteurs dans une base . e 7. . . .1 Calcul des valeurs propres. . .2 D´terminant d’un endomorphisme . . . . . . . . . . . . . . . 81 82 84 87 ´ 7 DETERMINANTS 7. . . . . . . . . e e 7. 8. 95 . . e 8. 104 104 104 105 107 108 108 109 111 113 117 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e Algorithme du pivot de Gauss : . . . . . . . . . . . . . . . . .3 Calcul de l’inverse d’une matrice carr´e inversible . . . . . . . . .6. . . . . . . . . . 93 . . . . . . . .4 G´n´ralit´s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101 . . . . . . . 97 . . . . . .7 Exercices . . . . . . . . . . . . 9 Examens de l’ann´e universitaire 2005-2006 e . . . . . . 99 . . . . . . . . . . . . . . . .3 Diagonalisation . . . . 94 . . . .7 6. 7. . . . . . . . . . . . . . . .

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

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

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

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

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

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

Structures d’ensembles D´finition 1. Une loi de composition interne (l. 2. T : E × E −→ E (x. Ainsi e e e ∀(x.2 Lois de composition . pour tout ´l´ment x de E. 3. on associe x . e Exemples 1. ∀y ∈ F. la bijection F −→ E y→x est appel´e bijection r´ciproque de f et est not´e f −1 . e ee On note alors : f = g. On obtient ∀y ∈ F. l’application qui. On appelle application identit´ dans E. R) ϕ −→ ϕ Φ est une application surjective.c. y) = x⊥y. on a f (x) = g(x). y) −→ ⊥(x. R) −→ C ∞ (R. e On dit que f et g sont ´gales si. • Bijection r´ciproque : Soit f une bijection de E vers F . a Autrement dit. y) ∈ E × F. • Soit E un ensemble.e) sur E ` domaine d’op´rateurs (ou scalaires) dans a e F est une application de F × E dans E .• Bijection : On dit que l’application f est bijective si elle est ` la fois injective et surjective. Soit C ∞ (R. Une loi de composition externe (l.6. ⊥ : F × E −→ E (x. ∃!x ∈ E / y = f (x). 1. Notations 1. f (x) = y ⇔ x = f −1 (y). • Applications ´gales : Soient E. Φ C ∞ (R. F deux ensembles. ∃!x ∈ e E/y = f (x). y) = xT y. • Application identit´ : e soit E un ensemble. cette application est not´e id. • Soient E et F deux ensembles.i) sur E est une e application de E × E dans E. 10 . ` tout ´l´ment e a ee x de E. y) −→ T (x. et f une application de E vers F . f: R −→ R x −→ x + 1 f est une application bijective. f : R∗ −→ R 1 x −→ x f est une application injective.c. R) l’ensemble constitu´ des fonctions infiniment d´rivables sur R ` valeurs e e a dans R.

x ∗ (y ∗ z) = (x ∗ y) ∗ z.1.10. et + est la somme usuelle des u e e fonctions. on a x ∗ e = x (ou e ∗ x = x). ee alors. ee e e a a Proposition 1. On dit qu’un ´l´ment a de G est r´gulier ` droite si ee e a ∀b. 2.i e not´e ∗. ∗) un groupe. 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. Dans la suite. x ∗ x = x ∗ x). L’autre relation e ´tant obtenue par la commutativit´. e Exemple 1. De mˆme.4. Les ensembles suivants sont des groupes : – (Z. Soit (G. il suffit que l’on ait soit x ∗ x = e soit x ∗ x = e.11. de plus. on aura apr`s multiplication ` gauche par a−1 e a a−1 ∗ (a ∗ x) = a−1 ∗ (a ∗ y). pour v´rifier qu’un ´l´ment x est le e e e e ee sym´trique de x. c ∈ G. y. Un ensemble (G.5. e a x ∗x∗x = (x ∗ x) ∗ x = e ∗ x = x = x ∗ (x ∗ x ) = x ∗ e = x . e Proposition 1.8. G ´tant un ensemble muni d’une l. x. +) o` + est l’addition usuelle. (a ∗ b = a ∗ c) ⇒ (b = c). ee a iii) Tout ´l´ment est sym´trisable c’est-`-dire ∀x ∈ G. Preuve. y trois ´l´ments d’un groupe (G. ×) o` × est la multiplication usuelle. e Proposition 1. Soit (G. ∀x ∈ G. +) o` E = { fonctions num´riques d´finies sur R}. ee e a Si. Si on suppose que a ∗ x = a ∗ y. pour v´rifier qu’un ´l´ment e est l’´l´ment e ee ee neutre. z ∈ G. 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. ∗) est un groupe si il v´rifie les trois conditions suivantes : e e i) La loi ∗ est associative c’est-`-dire. pour tous les ´l´ments a et b de G. ∃x ∈ G/x ∗ x = x ∗ x = e. f et g ´tant deux ´l´ments de E. ∀x. 3. C’est-`-dire. f + g est d´finie. ∗).7. x ∗ e = e ∗ x = x. On dit qu’un ´l´ment a de G est r´gulier ` gauche si ee e a ∀b. (b ∗ a = c ∗ a) ⇒ (b = c). ∗) un groupe et soit x un ´l´ment de G. il suffit de v´rifier que. e 1. On dit qu’un ´l´ment a de G est r´gulier si il est r´rulier ` gauche et ` droite. Tout ´l´ment d’un groupe est r´gulier. Preuve.9. ee e Preuve. – Si une loi ∗ est commutative. u ∗ . c ∈ G. on dit que le groupe est commutatif ou ab´lien. pour tout a e ee e r´el x.3 Groupes et sous-groupes D´finition 1. D´finition 1. Soient a. on a : ee (a ∗ b)−1 = b−1 ∗ a−1 . par : (f + g)(x) = f (x) + g(x).Remarque 1. 11 . Remarque 1. e 1. ∗) un groupe. On suppose qu’il existe deux sym´triques ` x : x et x”. (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.c. x ∈ G. a ii) La loi ∗ admet un ´l´ment neutre c’est-`-dire ∃e ∈ G ∀x ∈ G. Soit (G. la loi est commutative (∀x. Le sym´trique de x est ee e unique. – (C u – (E. Munir un ensemble G d’une structure.

ce qui entraine en utilisant l’associativit´ de la loi ∗ : e (a−1 ∗ a) ∗ x = (a−1 ∗ a) ∗ y. +) est un sous-groupe de (Z. muni de la loi ∗ induite par G est un groupe.15. on a x−1 ∈ H. Alors i∈I Hi est un sous. e ee e – Si la loi de G est not´e additivement. on a −x ∈ H. +) est un sous-groupe de (Z. x ∗ y ∈ H. Le sym´trique d’un ´l´ment de H est le mˆme dans H que dans G. a 12 . Soit (Hi )i∈I l’ensemble des sous-groupes de G qui contiennent a. Soit (G. Soit H ⊆ G. la r´union de 2 sous-groupes n’est pas un sous-groupe. {e} et G sont deux sous-groupe de G. on a x − y ∈ H. x.13.12. e (iii) ⇒ (i) : Associativit´ d´coule de celle de G.x−1 ∈ H ⇒ e ∈ H. En g´n´ral. alors. +). Tous les autres sous-groupes sont dits propres. ii) L’ensemble H.x−1 ∈ H ⇒ x−1 ∈ H. par suite i∈I Hi = ∅. e e e Preuve.y −1 ∈ Hi . (ii) H = ∅. on devrait avoir 2 + 3 ∈ 2Z ∪ 3Z. – ∀i ∈ I(= ∅) e ∈ Hi . ×). L’´l´ment neutre de H est le mˆme que ee e celui de G . D’o` ee u −1 ∈ x. on a : e (ii) devient (ii)’ H = ∅. +) est un sous-groupe de (R. on a x. (iii) devient (iii)’ H = ∅ et ∀x. donc e ∈ i∈I Hi . ∗) si et seulement si i) H est stable dans G.14. Ce sous-groupe est appel´ groupe engendr´ par a et est not´ gr(a). e Loi de composition interne : ∀x. (i) ⇒ (ii) ´vident. D´finition 1. Preuve. et donc x. Soit G un groupe et soit a un ´l´ment de G. – Soit x. +). on a y −1 ∈ H. e (ii) ⇒ (iii) ´vident. y ∈ Hi donc x. – (Z∗ . – (Z. ∗) un groupe. Proposition 1.groupe de G. H est stable par la loi de G et ∀x ∈ H. Proposition 1. x. Sous-groupes Soit H une partie non vide d’un groupe G . e. Il existe un plus petit sousee groupe de G contenant a. Par e e e exemple. y deux ´l´ments de i∈I Hi . Remarque 1. (2Z. ∀i ∈ I. Par suite x = y. Soit H ⊆ G et H = ∅. Soit G un groupe. on a (2Z. e e El´ment neutre : ∀x ∈ H. y ∈ H. +). H est stable par la loi de G et ∀x ∈ H. +) est un sous-groupe de (Z.) un groupe not´ multiplicativement.7. (iii) H = ∅ et ∀x. Exemple 1. Si 2Z ∪ 3Z est un sous-groupe de (Z. y ∈ H.groupes de G. ×) n’est pas un sous-groupe de (R∗ . – 2Z = {2k/k ∈ Z}.3. Soit G un groupe et soit (Hi )i∈I une famille non vide de sous. Th´or`me 1. +) et (3Z. Exemple 1.(y −1 )−1 ∈ H.y −1 ∈ H. Preuve. Remarque 1. e Sym´trique : ∀x ∈ H. Cette famille n’est pas vide car G appartient ` cette famille et gr(a) = i∈I Hi . . e On dit que H est un sous-groupe de (G.y = x. y ∈ H. Soit (G.2. +). la partie H est dite stable pour la loi ∗ du groupe G (ou stable dans G)si ∀x.6.y i∈I Hi . Les propri´t´s e e e ee suivantes sont ´quivalentes : e (i) H est un sous-groupe de G. . y ∈ H. – Soit H un sous-groupe de G.

est un morphisme de groupes appel´ morphisme trivial. ⊥) deux groupes.4 Morphisme de groupes D´finition 1. Alors f est injectif e e si et seulement si Ker(f ) = {e}. automorphisme)de G. donc ee (f (x))−1 = f (x−1 ). On e dit que f est un morphisme de groupes si : ∀(x. e e D´finition 1. y) ∈ G2 . e e 1. Soient (G. Ce sous-groupe est appel´ groupe e engendr´ par A et est not´ gr(A). +). est un a morphisme de groupes (f (x + y) = f (x) + f (y)). Exemples : 1. • L’image de f not´ Im(f ). Soient G.17. Nous avons f (x−1 )⊥f (x) = f (x−1 ∗ x) = f (e) = e . e 2) (Z.16.19. e = Dans le cas o` G = F . Alors. l’application de G dans G qui ` x fait correspondre e a (l’´l´ment neutre de G ). On dit que A est une partie e g´n´ratrice de G si et seulement si gr(A) = G. ee e 2. donc f (e) = e puisque dans un groupe tout ´´ment est r´gulier. D´finition 1. La fonction exponentielle est un morphisme de (R. (F. ×) dans (R.4. ∗). +) engendr´ par 2. 1) (2Z. G deux groupes.18. f (x−1 ) = (f (x))−1 .21. Soit f un morphisme d’un groupe G dans un groupe F . e 3) Dans (C∗ . +) est sous-groupe de (R. Il existe un plus petit sous-groupe de G contenant A. et f une application de G dans F . (ii) ∀x ∈ G. (i) f (e) = e . (F. −1. Soit G un groupe et soit A une partie de G. est le sous-groupe de G d´fini par : e e Ker(f ) = f −1 (e ) = {x ∈ G : f (x) = e }. Soient (G. +) est un sous-groupe de (Z. +) qui ` chaque x on associe nx. 3. gr(i) = {1. Th´or`me 1. ∗). −i}. (F. La fonction loga+ rithme est un morphisme de (R∗ .8. un isomorphisme) de G dans G est appel´ un u e endomorphime (resp. ⊥) deux groupes et f un morphisme de G dans F . ×) . Preuve : (i) Nous avons e ⊥f (e) = f (e) = f (e ∗ e) = f (e)⊥f (e). On peut g´raliser cette d´finition ` une partie A quelconque d’un groupe e e a G.Exemple 1.20. + Th´or`me 1. L’application de (Z. +) engendr´ par 1. +) dans (Z. f (x ∗ y) = f (x)⊥f (y). e e ee Soit f un morphisme de G dans F . D´finition 1. On e dit que f est un isomorphisme de G dans F s’il est bijective de G dans F . un morphisme (resp. e • Le noyau de f not´ ker(f ). est le sous-groupe de G d´fini par : e e Im(f ) = f (G) = {f (x) : x ∈ G}. ∗) et (F. ×). Soit n ∈ N. ⊥) deux groupes et f un morphisme de G dans F . ee e (ii) Soit x un ´l´ment de G. Soient (G. i. ⊥) deux groupes d’´l´ments neutres respectifs e et e . ∗). Remarque 1. Dans ce cas on dit que G et F sont isomorphes et on ´crit G ∼ F . 13 . Soient (G. +) dans (R∗ .

(y+z)×x = a (y × x) + (z × x). u Cet anneau est appel´ un anneau nul. +. +. +.9. iii ) La loi × est distributive par rapport ` la loi + ..24. D´finition 1. Notations 2. ee Exemple 1.22. (M3 . On note g´n´ralement 0 ou 0A l’´l´ment neutre de e e ee (A. ×) un anneau. 1. y ∈ G tels que e f (x) = f (y). On e dit que (A. e Remarque 1. Soit A un ensemble muni de deux lois de composition internes + et ×.. u 2. ee alors f (x) = e = f (e). alors. u 3. +) et 1 ou 1A l’´l´ment neutre de (A. +. ×) 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). soient x. ×) o` + et × sont l’addition usuelle et la multiplication usuelle est un anneau. +. On pourrait d´terminer les ´l´ments neutres pour chacune e ee e ee des lois. (R.5. Donc xy −1 = e. 1. en multipliant par f (y)−1 . c’est-`-dire : ∃x ∈ A tel que e a a x × x = x × x = 1. +. On dit qu’un ´l´ment x ∈ A est inversible si et e ee seulement si il admet un sym´trique par rapport ` la loi × . On note u(A) l’ensemble des ´l´ments inversibles de A (qui sont appel´s aussi des unit´s). ×) o` + et × sont l’addition usuelle et la multiplication usuelle. z ∈ A. donc si x est un ´l´ment de ker(f ). y. d’o` x = y. On parlera d’oppos´ pour le sym´trique d’un ee e e ´l´ment pour la loi +. 2. On note e = 1A ou tout simplement 1. +. x×(y+z) = (x×y)+(x×z) et distributive ` droite : ∀x.7. ×) :    0 0 0 0 0  et 0 =  0 0 0  . ×). 1. u 1. Un anneau n’est jamais vide. Notons que la d´finition d’un anneau peut ˆtre ´nnonc´e sans vi). Il en r´sulte que e xy −1 ∈ ker(f ) = {e}. Soit (A.5 Anneaux et corps D´finition 1. 1 0 0 0 D´finition 1.Preuve Supposons que f est un morphisme injectif. ×) et (E. ×) est dit commutatif si la loi × et commutative. Soit E = { fonctions num´riques d´finies sur R} (E. on obtient f (xy −1 ) = e . +. +.. Les autres anneaux seront dits unif`res. Dans ce cas un anneau e e e e v´rifiant vi) sera dit un anneau unitaire. +. 2. e ii ) La loi × est associative. +. (R. ×) sont des ane e neaux commutatifs..23. z ∈ A. +. Par suite f est injective. ee e e 14 . R´ciproquement. (Z. On note A∗ = A \ {0A }. +. Les pr´c´dents exemples (Z. ({0}. vi) A admet un ´l´ment neutre pour la loi × ee ∃e ∈ A ∀x ∈ A ex = xe = x. Un anneau (A. ×) o` + et × sont l’addition usuelle et la multiplication usuelle. ×) un anneau.6. Soit (A. y. ×) que nous verrons plus tard n’est pas non plus commutatif. +) est un groupe ab´lien. ×) est un anneau si et seulement si : i ) (A. e e Exemple 1. Pour les matrices. on  1 0  0 1 1 = I3 = 0 0 a dans (M3 (R). c’est-`-dire distributive ` gauche : a a a ∀x. ce qui implique que x = e. e Exemple 1. ×).

Alors.On munit A des deux e lois de composition internes suivantes : (f. +.8. +.9. ×) et (R[X]. (E. (Z. On appelle corps tout anneau unitaire tel que tout ´l´ment non nul soit e ee inversible. u(Z) = {−1. Est-il commutatif ? Quel est l’´l´ment neutre pour la loi o. ×) ne sont pas des corps. a si (A. 1} et u(Q) = Q∗ 2. +.Exemple 1.25. on dit que le corps est commutatif. ee 15 . ×) est un anneau unitaire. Montrer que (A. g) −→ f + g et (f. (R. Exemple 1. ×) et (R(X). ×) est un groupe. +. +. 1. 2. ×) o` E = { fonctions num´riques d´finies sur R}. +. ×) sont des corps. Si de plus la loi × est commutative. Exercice : Soit A = L(R2 ) l’ensemble des applications lin´aires de R2 dans R2 . e D´finition 1. g) −→ f og telles que pour tout x ∈ R2 (f + g)(x) = f (x) + g(x) et fog(x)=f(g(x)). +. C’est-`-dire. on a : A corps ⇔ (A∗ . o) est un anneau. u e e u(E) = { fonctions num´riques qui ne s’annulent pas sur R}. 1.

a Exercice 3. Soient E et F deux ensembles. 3. Montrer que P(A ∩ B) ⊂ P(A). on assoucie la fonction χA . 8} et la relation R de E vers E d´finie e 2 . 1) Montrer que : A ⊂ B ⇒ f (A) ⊂ f (B). (ii) f (E) = 1. 6} et F = {1. f une application de E vers F . b. par ∀(x. y) ∈ E × F/xRy}. et on le note G. 4. b) f (A ∩ B) et f (A) ∩ f (B) si f est injective. Exprimer ` l’aide des foctions χA et χB les fonctions χA∩B . appel´e fonction e caract´ristique de A. χA∪B et χAc . et A et B deux parties de E. d’une relation binaire R l’ensemble G = {(x. Soient A et B deux sous-ensembles d’un ensemble E. (iii) f (A ∪ B) = f (A) + f (B) si A ∩ B = ∅. D´terminer le graphe de R. On donne ici l’ensemble E = {1. 2. 6. e b. 1} par e e ∀x ∈ A. 3. exprimer f (A) en fonction de f (A). On d´finit la relation R de E vers F par : ∀x ∈ E et ∀y ∈ F . A et B ´tant deux parties quelconques de E. e On appelle graphe. xRy ⇐⇒ x < y + 2.1. Exercice 1. A toute partie A d’un ensemble E. e 1) Pour toute partie A de E. 7. Soit les ensembles : E = {0. a. Exercice 4. xRy ⇐⇒ x est un diviseur de y. A∩B =A∪B 2) Les sous-ensembles ou parties de E constituent un ensemble que l’on note P(E). On consid`re une application f de E dans R telle que : e (i) f (∅) = 0. Exercice 6. 2) Comparer : a) f (A ∪ B) et f (A) ∪ f (B).6 EXERCICES. On consid`re l’application : e f : R− −→ x −→ R x2 . 5. ∀x ∈ Ac . a e e Exercice 5. 2. e R est une relation d’ordre ? d’´quivalence ? e Exercice 2. a. 16 . y) ∈ E D´terminer le graphe de R. 1+x2 Montrer que f est une bijection de R− sur un intervalle ` pr´ciser. 1) Montrer que : A ⊂ B ⇒ B ⊂ A. et d´finir f −1 . χA (x) = 1 χA (x) = 0 Soit A et B deux sous-ensembles de E. 6}. Montrer que A = B ⇐⇒ χA = χB . Soit E un ensemble non vide. d´finie de E vers {0.

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

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

on pose deg(P ) = −∞. On note deg(P ) ou d e o Si P = 0. 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. a1 . Notations 3. on note ee e P (X) = a0 + a1 X + . Quelques ann´es plus tard. La th´orie des e e e e e polynomes est n´e.1 Pr´sentation des polynˆmes e o D´finitions et notations e D´finition 2. ak = 0.1..Chapitre 2 ˆ LES POLYNOMES Historiquement. 1) L’ensemble des polynˆmes ` coefficients dans K est not´ K[X]. an ´l´ments de K.. ou un endomorphisme d’un espace vectoriel sur K. o o e D´finition 2.. par convention. il est not´ 0. Galois donne un e e e e a e crit`re de r´solubilit´ par des radicaux de toutes les ´quations polynomiales. f−2 est de degr´ 2. . on appelle degr´ de P le maximum des entiers naturels k tels que e e 0 P le degr´ du polynˆme P . le polynˆme est e o o dit unitaire.. e e 19 . Exemple 2. La formule de o e e e r´solution de l’´quation du troisi`me degr´ x3 + px2 + q = 0 obtenue sans doute au d´but e e e e e du seizi`me si`cle. K est un corps (on pourra penser ` R ou C). o a e 2) Le polynˆme dont tous les coefficients sont nuls est dit polynˆme nul. fa est de degr´ 3. Pour a = −2. Elle marque l’entr´e des math´matiques dans une nouvelle `re. Si P est de degr´ n. X ´tant une lettre muette. Si P = 0.1.. X peut ˆtre remplac´ par a o e e exemple par une matrice. . + an X n ou ´tant entendu que la somme ne comporte qu’un nombre fini de ak non nuls. la recherche des solutions des ´quations polynomiales pr´c`de l’´tude des e e e e polynˆmes. k≥0 ak X k.1. 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. Soit a ∈ R et fa (X) = (2 + a)X 3 − 5X 2 + X + 3. e On peut faire jouer ` X d’autres rˆles que des valeurs de K.1 2. 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 . Pour tout a = −2. Cependant. l’´quation du cinqui`me degr´ tient les math´maticiens en e e e e e e echec pendant 200 ans .. Si an = 1. ˆ e Dans ce chapitre. an X n est le terme (ou monˆme) dominant. a 2. etc..2.

e b) Un produit interne Si P = k≥0 ak X k Q = k≥0 bk X k . . .1. o Alors P = Q ⇔ m = n et ai = bi pour tout i ∈ {1.2 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 . 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 (2.1) est ´vidente si P = 0 ou Q = 0. dont une base est constitu´e e e 2 .. deg(Q)). +. Supposons que P et Q sont non nuls et e soit n = d0 P et m = d0 Q.). des polynˆmes (1. k=0 k=0 Si m = n alors deg(P + Q) = sup(deg(P ).. . + an X n et Q = b0 + b1 X + .. deg(P.Q) = n + m = d0 P + d0 Q. On v´rifier facilement que (K[X].. deg(Q)). + an Qn Remarque 2.1) (2... X n . Si m = n alors deg(P + Q) ≤ sup(deg(P ).1. D’o` u deg(P.. Soient P = n ak X k et Q = m0 bk X k deux polynˆmes. deg(Q)).1. Pour tous polynˆmes P et Q de K[X].. La relation (2. Donc pour tout k > m + n on a : ck = 0.. n ≥ 1. Donc deg(P + Q) ≤ sup(deg(P ). +) est un groupe commutatif. n} Proposition 2. ... + bm X m deux polynˆmes sur K[X]. On a P.Nous indiquons maintenant comment calculer les coefficients de la somme et du produit de deux polynˆmes.1.. D´finition 2. En g´n´ral P oQ = QoP.4. on a : o deg(P + Q) ≤ sup(deg(P ).3. Preuve.2) P oQ = k=0 ak Qk = a0 + a1 Q + .. donc ai bk−i = 0. k=0 i=0 Pour k > m + n on a : i > n ou k − i > m.2) est ´vidente si P = 0 ou Q = 0. deg(Q)). X.Q = m+n ck X k avec ck = k ai bk−i .1. e e 20 . De plus cm+n = an × bm = 0. e Soient P = n ak X k et Q = m bk X k avec m.. 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 . . X o d) Egalit´ formelle de 2 polynˆmes. alors P + Q = k≥0 (ak + bk )X k On peut v´rifier facilement que (K[X]. e o Soit P = a0 + a1 X + .1. o 2.) est un K−espace vectoriel..Q) = deg(P ) + deg(Q). alors P Q = k≥0 k ai bk−i X k . La relation (2.

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

X 2 − 1 = (X − 1)(X + 1). ∧ An .4.Q = 1. P. o o 2. Q ∈ K Th´or`me 2.An . donc degP + degQ = 0. i = 1. On a Ai = Qi . D est appel´ plus grand commun diviseur des polynˆme A1 .R) il exsite (Q2 . Si P.Q. X 2 + 1 = (X − i)(X + i). e Montrons ii).... Alors il existe un e e o polynˆme o D ∈ K[X] tel que : i) D divise chaque polynˆme Ai . Soit A... n. Par suite do P = do Q = 0. dans R[X] 2. Et posons FE = {d0 P / P ∈ E \ {0}}. .. . 1. donc (X − 1) et (X + 1) divisent X 2 − 1.3... d Montrons maintenant que D v´rifie i) et ii).. n polynˆmes non tous nuls de K[X]. 1) Effectiuons la division euclidienne de A = 2X 4 + 5X 3 − X 2 + 2X + 1. D’apr`s (H.. En abr´g´ pgcd et sera e o e e not´ : D = A1 ∧ A2 ∧ . 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). R2 ) ∈ K[X]2 tel que e A − BQ1 = BQ2 + R2 avec deg(R2 ) < deg(B). n. Exemple 2. A = B.7.An . Soient A1 .3. On choisit un polynˆme ee o n 0 D = p. donc (X − i) et (X + i) divisent X 2 + 1 dans C[X]. on dit que B divise A qu’on note par B/A si : e ∃Q ∈ K[X].2. i ∈ {1.8.1 Arithm´tiques sur les polynˆmes e o D´finition 2. Alors FE ⊆ N et FE = ∅. Donc A = B(Q1 + Q2 ) + R2 avec deg(R2 ) < deg(B).. on trouve Q = X 2 − X − 1 e et R = 1. B ∈ K[X]. . Soit D ∈ K[X] tel que D soit diviseur commun des Ai . i = 1. D ∈ E tel que d i=1 Pi Ai .. Donc FE admet un plus petit ´l´ment p.. n}.2. par B = 2X 2 − 3X + 1. o ii) Tout diviseur commun aux Ai divise D. On prend Q = Q1 + Q2 et R = R2 ..D avec Qi ∈ K[X]. puisque D ∈ E. D’o` u ∗. Remarque 2. e Preuve.. 22 ..Donc deg(A − BQ1 ) ≤ n. Consid´rons l’ensemble : e E = {P = i=1 n Pi Ai /Pi ∈ K[X]}. Apr`s calculs. . On trouve Q = X 2 + 4X + 5 et R = 13X − 4. On a aussi. Remarque 2. . ∀R ∈ E \ {0}.. On a D = 0 R ≥ d0 D. 2) Pour A = X 4 − 2X 2 − X + 1 et B = X 2 + X.. n n D= j=1 Pj Aj = ( j=1 P jQj )D . Exemple 2..

Donc R = 0. An . e a Th´or`me 2....j=i Pj Aj Qi ).... D est une constante non nulle... n. Par suite. avec d0 Ri < d0 D. An ∈ K[X] sont premiers entre eux dans e e o leur ensemble si et seulement s’il existe U1 . on aura : Ri = Ai − DQi = Ai − ( n Pj Aj )Qi j=1 = Ai − Pi Ai Qi − n j=1. D ∈ K[X] tels que P = DQ et Q = D P . i=1 avec Ui = ⇐) La condition est suffisante : si n Ui Ai = 1.. La division euclidienne de Ai par D . e IL reste ` montrer i). D D’o` u 1= n Ui Ai . Aj ) = 1. Ceci implique DD’=1. implique a Ai = D. D Pi .. .. On dit que les polynˆmes A1 . . on a e 0 R ≥ d0 D. o n (2. An sont premiers entre eux.... Remarque 2.. ∀i = 1. ∧ An est le pgcd de e A1 .. 23 . Par suite D. .2. D’apr`s la preuve du Th´or`me pr´c´dent il existe n polynˆmes P1 . .. .2.... si Ri = 0.. ..8. Pn tels que e e e e e o n D= i=1 Pi Ai (2.9. et par cons´quent D divise tous d i e i les Ai . 1 ≤ i ≤ n.10.5.. De plus pn = Dqn ce qui entraire D = 1 de mˆme D = 1. . e e D´finition 2. An sont preu i=1 miers entre eux. n Ri peut s’´crire : e Ri = Pj Aj j=1 avec Pi = 1 − Pi Qi et Pj = Pj Qi pour j = i. . Un ∈ K[X] tels que U1 A1 + .Qi + Ri . autrement dit : s’ils n’ont pas de diviseur commun de degr´ > 0.. Alors tout polynˆme D qui divise A1 . Donc Ri ∈ E. i = 1.3) =⇒ 1 = i=1 Pi Ai .. ⇒) La condition est n´cessaire : si D = A1 ∧ A1 ∧ A2 ∧ .. Ils sont dits premiers entre eux deux ` deux si ∀i = j..3) Les polynˆmes A1 . D’o` A1 .... D ∈ K∗ .. pgcd(Ai . . n.... Deux polynˆmes unitaires P et Q chacun divisant l’autre sont ´gaux. Donc D est une constante non nulle. Par d´finition de D..Par cons´quent. 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.... .. (Bezout). Ce qui est absurde.j=i Pj Aj Qi = (1 − Pi Qi )Ai − ( n j=1. An o i=1 divise aussi n Ui Ai = 1. D divise D. En o e effet : il existe D. + Un An = 1 Preuve. Des polynˆmes A1 . An sont premiers entre eux dans leur e o ensemble si leur pgcd est une constante non nulle.

2 Algorithme d’Euclide. Il existe U. Si A et B sont premiers entre eux et divisent C. Preuve. e e Preuve. on obtient : (U U A + U V C + V U B)A + (V V )BC = 1. e Th´or`me 2.Q + R avec d0 B < d0 R. e e alors C est un multiple de AB. (Th´or`me d’Euclide ) Soient A et B deux polynˆmes dans K[X]. C ∈ K[X]. Nous allons montrer que ∆ = A ∧ B . Q. Donc A et BC sont premiers entre eux. c’est ` dire que : ∆ v´rifie i) et ii) a e du th´or`me 2. Par cons´quent. Proposition 2.8 . (Gauss). V. alors C divise A. e e 24 . Preuve. U . Il existe des polynˆmes P. Par multiplication. C divise AB ⇒ ∃Q ∈ K[X] tel que AB = QC (*) C ∧ B = 1 ⇒ ∃U. Soient A. et U A + V B = 1.13.2. Soit ∆ = B ∧ R. il est premier avec le produit BC. 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. B.14. B et C trois polynˆmes. tels e e o que d0 B < d0 A. Si C est premier avec B et e e o divise AB. Soient A. Soit R le reste de la division euclidienne de A par B. Si A est premier avec B et C. AB divise C. V ∈ K[X] tels que U B + V C = 1 (**). Multiplions (**) par A. on obtient : U AB + V AC = A. V ∈ K[X] tels que U A + V B = 1 et U A + V C = 1. On a (∗) A = B. Alors A ∧ B = B ∧ R.11. autrement dit : AB divise C.12. on peut remplacer AB par QC : e (U Q + V A)C = A. Soit (Q. u Th´or`me 2. 2. Preuve.Th´or`me 2. D’apr`s (*). U. D’o` C divise A. R) le quotient et le reste de la division euclidienne de A par B.

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

comme le degr´ diminue de 1 ` chaque ´tape. nous pouvons e prouver que dans notre cas (K = R ou C). On distingue parfois le polynˆme P (qui.. . Pour k ≥ 1.15. 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 . cette it´ration e a e e finira par donner le polynˆme constant P (n) = n!an . o e o Remarque 2. P (k) (0) est le terme constant de P (k) .. Pour tout k ∈ e e o e {0. Puisque P est encore un polynˆme. 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. Pour k > n. Soit P : x → an xn + . Th´or`me 2. e 26 .7. 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.. Pour tout polynˆme P = e o ˜ P : dans K[X] : on note K→K ˜ x → P (x) = n k k=0 ak x ..1 Polynˆme d´riv´ o e e D´finition 2. Comme chaque d´rivation abaisse le degr´ e e de 1. Cependant. Il vaut donc k!ak d’o` e e u le r´sultat. c’est ´vident. Soit P ∈ K[X]. puis P (3) .3. ˜ On dit que P est la fonction polynˆme associ´e au polynˆme P .2. Lorsque K = R. Pour k = 0. Mais la r´ciproque est loin d’ˆtre ´vidente.. e o o mais la fonction polynomiale associ´e est nulle de K dans K.6. 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.. n}. par construction.. + a0 un polynˆme de degr´ n..17...16. P : x → an xn + .. Celle-ci est non nul en tant que polynˆme formel. On a bien ´videmment l’implication : e ˜ P (X) = 0 ⇒ ∀x ∈ K : P (x) = 0. ce terme constant r´sulte de k d´rivations successives de ak xk . + 2a2 x + a1 . on peut it´rer cette op´ration de d´rivation et d´finir o e e e e successivement P . au lieu e a ˜ (x). le polynˆme d´riv´ correspond ` la d´riv´e usuelle de la o e e a e e fonction polynomiale P .3 Fonction polynˆme o n k k=0 ak X D´finition 2. de P 2. P (x) = 0 (**)). Il suffit de se placer sur le corps Z/2Z et de e e e consid´rer le polynˆme P (X) = X 2 + X. P (k) (0) ak = k! Preuve. e o e e not´ P est d´fini par e e P : x → nan xn−1 + . Le polynˆme d´riv´ de P .. Remarque 2. + a1 x + a0 . P k = 0 (polynˆme nul).

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. Alors. on peut o e e donc ´crire. pour tout x ∈ K.19.3... e e e Th´or`me 2.4 Z´ros d’un polynˆme e o Une des questions les plus importantes dans l’´tude des polynˆmes est le calcul de leurs e o racines. e Q(t) = Q(0) + Q (0)t + .. Posons Q(t) = P (t + α). mais ´galement en termes de divisibilit´. ou en d’autres termes Q(k) (t) = P k og).17 prouve l’identit´ suivante : o e e e e P (x) = a0 + . a e e Posons g(t) = t + α.. e e D´finition 2.. Soit P un polynˆme de degr´ n et soit α ∈ K.. la formule ` prouver devient Q(t) = P (t + α). On dit que α ∈ K est racine de P si P (α) = 0.. et pas seulement en 0. ee e 2.2. Q(k) (t) = P k (t + α). Si α1 . pour tout t∈K P (n) (α) n t . n! Admettons pour l’instant que. + Q(n) (0) n t . pour tout k. Q(k) (t) = P k (t + α). La propri´t´ est donc vraie pour k + 1. . Soit P ∈ K[X] et α ∈ K. + 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 . + Le th´or`me suivant montre qu’elle est valable en tout point.. on a donc : Q(k) (t) = P k (t + α). Comme g = 1.. + an xn = P (0) + . k! n! Soit P un polynˆme de degr´ n. pour tout t ∈ K. α2 .. a Pour k = 0. + ak xk + .. Alors. il y a en revanche de nombreux r´sultats th´oriques. On a Q = P og... αn ∈ K deux ` deux distincts. Soit P ∈ K[X]. On a alors. . n! Preuve. on en d´duit e Q(k+1) = P (k+1) og. Le Th´or`me 2. 2) Soit n ∈ N∗ et α1 . Ceci termine la r´currence... e e Th´or`me 2. Supposons que la formule est vraie au rang k..20. alors : n (X − αi )/P.. + n! Il reste donc ` prouver que. + P (n) (α) (x − α)n ..2 Formule de Taylor pour les polynˆmes o P (n) (0) n P (k) (0) k x + . qui est la d´finition mˆme de Q. α2 . P (t + α) = P (α) + P (α)x + . αn sont des z´ros de a e P . Q est encore un polynˆme.. grˆce au crit`re e e e a e donn´ par le th´or`me suivant. du mˆme degr´ que P . 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). Nous allons utiliser le fait que nous connaissons d´j` la validit´ de la formule pour ea e α = 0. pour tout t ∈ K. e e o e P (x) = P (α) + P (α)(x − α) + ..18. e e 1) α est racine de P si et seulement si P est divisible par X − α. i=1 27 .

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

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

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

F (X) = G(1 − X). 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 . Soit n un entier non nul. G) de polynˆmes de R[X]. de degr´ srictement o e inf´rieur ` n.Exercice 18. Exercice 20. (Racine commune a deux polynˆmes ). Exercice 19. 1. P2 = X 6 + 5X 5 + 5X 4 − 12X 3 − 32X 2 − 32X − 16. Factoriser sur R puis sur C les polynˆmes suivants : o P1 = X 10 + X 5 + 1. 35 . v´rifiant : e a e (1 − X)n F (X) + X n G(X) = 1. it´rer cette proc´dure ). 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. 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 . Montrer qu’il existe un couple unique (F. Montrer qu’ils ont une racine commune α que l’on d´terminera. 2. Montrer que ∀X ∈ R.

3. Proposition 3. B) tels que F = B . a 3.4. 1 36 . A A Pour toute fraction rationnelle F = B = 0. F (X) = F (X) = X 5 + 3X 2 + 1 ∈ R(X). 0 On notera 0 la fraction rationnelle B et 1 la fraction rationnelle A . On appellera un repr´sentant de F tout couple de polynˆmes e o A e e (A. F = X 2 + 2X + 1 X +1 = .1.2. 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). P P Par suite Q = Q1 . Alors P = DP1 et Q = DQ1 avec P1 ∧ Q1 = 1.1 D´finitions et propri´t´s alg`briques e e e e D´finition 3. Il est clair qu’une fraction rationnelle admet une infinit´ de repr´sentants. X 6 + 2X 3 + 4X iX 5 + 3jX 2 + 1 ∈ C(X). Exemple 3. Soit F = Q ∈ K(X) . 3. On appelle fraction rationnelle ` coefficients dans K tout quotient de poe a A lynˆmes ` coeficients dans K.Chapitre 3 FRACTIONS RATIONNELLES Dans ce chapitre. on appellera inverse de F la fraction rationnelle 1 B F = A.1. e D´finition 3. e a e P Preuve. X 6 + 2X 3 + 4i Remarque 3. Exemple 3.e. L’ensemble de ces fractions rationnelles est not´ K(X). P ∧ Q = 1 ). B On dit que deux fractions rationnelles F1 = e et seulement si AD = BC. K est un corps (on pourra penser ` R ou C). 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. Toute fraction rationnelle F est ´gale ` une fraction rationnelle irr´ductible. Il n’est pas difficile de v´rifier que K(X) est un corps. Si D = P ∧ Q.1.1 Fractions ratinnelles irr´ductibles e P D´finition 3.1. B ∈ K[X] e Soit F une fraction rationnelle.2. Autrement dit : une expression de la forme B o` A ∈ K[X] et o a u ∗ .

e e a x→ ˜ A(x) ˜ B(x) 37 . l’ensemble ∆F des pˆles de F est fini. Finalement. Soit F ∈ K(X) et soit B un repr´sentant irr´ductible de F . e ee Proposition 3. d0 (BC)) = d0 (BC). Soit F = (X+1)(X−2)3 .3. d Le degr´ d’une fraction rationnelle est un ´l´ment de Z ∪ {−∞}. o D’apr`s les propri´t´s des polynˆmes. 3. On dira que β ∈ K est un pˆle d’ordre m de F si β est une racine d’ordre m de B. e A e e D´finition 3. not´ d0 F . d0 (BC))) − d0 B − d0 D.Exemple 3. d0 (F1 + F2 ) = d0 C − d0 D = d0 F2 ≤ sup(d0 F1 . Si sup(d0 (AD). d0 (BC)) = d0 (AD). Si sup(d0 (AD). Alors. d0 (F1 F2 ) = d0 F1 + d0 F2 . d0 (F1 + F2 ) = d0 (AD + BC) − d0 B − d0 D. donc 1 est un z´ro double et −2 est un z´ro simple e e de F . Soit F = B ∈ K(X). 2. o ♣ 2 est un pˆle triple de F . Alors.5. Les points 1. d0 F2 ). d0 (F1 + F2 ) = d0 A − d0 B = d0 F1 ≤ sup(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.3. Soit F1 = B et F2 = D . Le degr´ d’une fraction rationnelle F ∈ K(X) est ind´pendant du choix du e e repr´sentant de F . Alors : 1. On a F1 + F2 = B + D = AD+BC . d0 F2 ).7. ♣ −1 est un pˆle simple de F . est la quantit´ : d0 F = e e e e 0 A − d0 B. e e e e X −3X+2 Exemple 3. d0 F2 ). Remarque 3. A C A C Montrons 3.6. d0 (λF1 ) = d0 F1 . l’application : e a 3 ˜ F : DF −→ K. ≤ sup(d0 (AD). BD Par suite. et 2. Pour calculer les racines et les pˆles d’une fraction rationnelle F . o Remarque 3. Le degr´ de F . d0 F2 ).2.4. On dit que e ee o o DF = K \ ∆F est l’ensemble de d´finition de F . alors ♣ X 3 − 3X + 2 = (X − 1)2 (X + 2). Soient F1 . A D´finition 3. X 3 −1 (X 2 +X+1)(X+2) = (X−1)(X 2 +X+1) (X 2 +X+1)(X+2) = X−1 X+2 . A partir de l`. Preuve. d0 (F1 + F2 ) ≤ sup(d0 F1 . d0 (F1 + F2 ) ≤ sup(d0 F1 . il est o n´c´ssaire d’avoir un rep´sentant irr´ductible de F . F2 ∈ K(X) et soit λ ∈ K∗ . sont faciles. est appel´e la fonction rationnelle associ´e ` F.

8.. 3 X2 − 1 =X −2+ . e i=1 i=1 F1 = 3. On suppose d P = QE + R. X +2 X +2 Propri´t´ Si F1 .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.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. e 38 . donc E = X − 2. Par suite E1 = E2 . F1 = sont r´guli`res. on ´crit : e e e X a0 a1 X + b1 a2 X + b2 a3 X + b3 = + + + . La fraction rationnelle F = e Exemple 3. On aura besoin e du r´sultat suivant. Une fraction rationnelle est r´guli`re si et seulement si do F < 0. F2 . Il existe un polynˆme E ∈ K[X] et un seul. Soit F = Q ∈ K(X). Exemple 3. e e 5X − 2 . do (F − E2 )) < 0..2. En . X3 + 6 F3 = X3 − 2 X5 + 3 P Th´or`me 3.. e e Remarque 3.. Unicit´ : Supposons que E1 . Ainsi. X2 − 1 F2 = est dite r´guli`re si do P < do Q. Fn sont des fractions rationnelles de parties enti`res respectivement ee e E1 . avec do R < do Q. la division euclidienne de P par Q donne : Preuve. e e 2X 2 − 5 .5.2 3. alors n Ei est la partie enti`re de la fraction rationnelle F = n Fi . e e o e o P > do Q. F = R P =E+ Q Q do R < do Q.9. E2 ∈ K[X] v´rifient le th´or`me. 2 + 1)3 2 + 1) 2 + 1)2 (X − 1)(X X − 1 (X (X (X 2 + 1)3 puis on int`gre chaque ´l´ment..4.6. alors : e e e e do (E1 − E2 ) = do [(F − E2 ) − (F − E1 )] ≤ sup(do (F − E1 ). E2 . Le polynˆme E s’appelle la partie enti`re de F . . . e ee Le but de ce paragraphe est de montrer que cette ´criture est toujours possible. tel que e e o F − E soit une fraction rationnelle r´guli`re.2.3..

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

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

e ee 41 ... o e 2) Tout polynˆme du second degr´ ` discriminant strictement n´gatif... e a Le th´or`me pr´c´dent s’´crit. 3) H = . donc F = −1 + 2) G = 1 1+X 2 = 1 (X−i)(X+i) + b X−i = 2 1−X . sont des constantes et E est un polynˆme de degr´ ´gal ` d o ee a Exemple 3. avec b2 − 4c < 0. 2) L’´l´ment simple de deuxi`me esp`ce de la forme : ee e e (X 2 avec λ. dans ce cas. et n ∈ N∗ .+ Ceci est la d´composition de F en ´l´ments simples dans R(X).2.µn + (X 2 +bn X+cn ) + .α + (X−ar )2 + . αr leurs ordres de multiplicit´s.. λ ∈ R et n ∈ N∗ ..2 X−a1 + (X−a1 )2 + . On en d´duit alors (par identification) : a + b = 0 et b − a = −i donc b = e Par cons´quent : e i 1 i − .13. les polynˆmes irr´ductibles dans R[X] sont de deux types : o e 1) Tout polynˆme du prenier degr´. sous la forme : e e e e e P Th´or`me 3...(X − ar )αr (X 2 + b1 X + c1 )µ1 . + (X−arr)αr + X1. G= = 2 1+X 2(X + i) 2(X − i) −i 2 i et a = 2 .α1 a1.. 2) G = .3.2 b X+c1.µn X+cn. b... Donner la d´composition en ´l´ments simples dans C(X) des fractions rae ee tionnelles suivantes : 1) F = 1 1+X 1 . + (X−a1 )α1 + ar.. soit Qi = X − ai .. ar sont les racines distinctes de Q et α1 .1 1 X+c1 2 +b bn.µ1 1 X+c1 )1µ1 2 +b + .3 D´composition dans C(X) e Lorsque K = C.(X 2 + bn X + cn )µn . .. Les Ai... 3. les polynˆmes Qi sont du premier degr´.1 X+cn. + (X 2 +bn X+cn )µn ..12.4 D´composition dans R(X) e Lorsque K = R .j u e 0 P − d0 Q.. + bX + c)n avec µ. Soit Q ∈ R[X].j se r´duisent ` des constantes. . .. ar. c ∈ R.1 ar. + + . a(X−i)+b(X+i) (X+i)(X−i) ..1 bn.µ + (X1. 1−X 1 + X2 (1 + X)(2 + X)(3 + X) = a X+i 1) On a 1 + X = −(1 − X) + 2.1 a1. 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 . Les polynˆmes o e o Pi. 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 3.2..7. Toute fraction rationnelle F dans R(X) s’´crit d’une mani`re unique sous e e e e la forme : F = E+ a1. 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 .j (X − ai )j o` a1 . Toute fraction rationnelle F = Q ∈ C(X) admet la d´composition : e e e r αi F =E+ i=1 j=1 Ai. µ..1 X−ar b X+c1.

D).5. on obtient : b = −1. c u Cette m´thode permet de trouver le coefficient du terme de plus haut degr´ de chaque e e partie polaire. (1+X 2 )(X−1) −1 2 = c.Remarque 3. + + 2 X + 1 (X + 1) X − 1 (X − 1)2 Remarquons que G est impaire : G(−X) = −G(X). 2 X − 1 (X − 1) X + 1 (x + 1)2 −a −c −b −d −G(X) = + . Soit G = 4X 3 . e Exercice 3.8.. Pour trouver b multiplions G par (X + 1)2 . e ee e Exemple 3. on peut utiliser tout proc´d´ qui nous e e e semble ad´quat pour obtenir les coefficients de la d´composition. F = Par identification on obtient : a + b = 0. on peut : e ee i) soit d´composer F en ´l´ments simples dans C et regrouper les termes conjugu´s. D´composer en ´l´ments simples dans C puis dans R la fraction rationnelle e ee 1 . on obtient : X−→+∞ d’o` a = c = 2. Donc a = 1 . u Cette m´thode permet de trouver la somme des coefficients de plus bas degr´ de toutes e e les parties polaires. 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 +∞ .14. Finalement.6. (X − 1)2 X −1 (X − 1)2 En rempla¸ant X par −1. multiplions G par X : e X.) (Voir T. + + 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.. on obtient : 2 −1 2 1 G= + + + . Pour d´terminer les coefficients a et c. en utilisant les propri´t´s de F (parit´. (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) . G admet une d´composition de la forme e G= c a b d + . sans que cela influe sur le e e r´sultat final. (X + 1)2 G(X) = 4X 3 c(X + 1)2 d(X + 1)2 + = a(X + 1) + b + . b = 2 Par cons´quent. F = 2 + X + 1)2 (X + 1) (X 42 . 2 X + 1 (X + 1) X − 1 (X − 1)2 Remarque 3. Pour d´composer F ∈ R(X) en ´l´ments simples dans R. d’o` d = 1.G(X) = bX dX 4X 4 aX cX + + = + . e ee e ii) soit proc´der par identification. c − b = 0 et a − c = 1. On a : b −c d −a G(−X) = + + + . e X +1 1 − .. Puisque la d´composition est unique. F = 2(X − 1) 2(X 2 + 1) 2. 1.

Alors X n+1 /BQn . posons Q0 = B(0) = l’existence de R0 ∈ K[X] tel que a0 b0 . B(0) On prend Qn+1 = Qn + Rn (0) X n+1 et Rn+1 = S. e e o Pour tout entier n. La condition B(0) = 0 implique e que B et X n+1 sont premiers entre eux. e e Posons p q A= i=0 A(0) Pour n = 0.15.9. X n+1 Rn est le reste ` l’ordre n. d’o` u d0 Q0 = 0. Effectuons la division suivant les puissances croissantes de A = X 3 + 2X + 1 par B = 2X 2 + X + 1 ` l’ordre 3. Rn (0) Rn (0) B + (Rn − B) . il existe un couple unique de polynomes (Qn . on a donc d0 Qn+1 ≤ n + 1.3. Qn est appel´ le quotient ` l’ordre n.3.3 3. on trouve : e X 3 + 2X + 1 = (2X 2 + X + 1) (1 + X − 3X 2 + 2X 3 ) +X 4 (4 − 4X) . 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. a Apr`s le calcul. Alors Q0 ∈ K et A − BQ0 est divisible par X. Supposons l’existence du couple (Qn . Le th´or`me de Gauss implique que X n+1 /Qn . B(0) B(0) Rn (0) B + XS. Q3 R3 43 . Existence : D´montrons l’existence par r´currence sur n. d0 Qn ≤ n. c’est-`-dire : a a A = BQn + X n+1 Rn . B(0) Unicit´ : Supposons BQn + X n+1 Rn = 0. e a a Preuve. Soient A. Par cons´quent R = 0. On a : Rn = d0 Qn ≤ n. Rn ) aquise jusqu’` l’ordre n. ai X i et B = i=0 bi X i . d n e n n Exemple 3. Rn ) v´rifiant : e A = BQn + X n+1 Rn .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. A = BQ0 + XR0 . B deux polynˆmes tels que B(0) = 0. B(0) B(0) H On a H(0) = 0.

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

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

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

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

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

Deuxi`me partie e ` ´ ALGEBRE LINEAIRE 49 .

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

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

De mˆme. Par exemple : E = R2 . . On note V ect(A) l’ensemble des vecteurs u ∈ E pouvant s’´crire e u = λ1 a1 + λ2 a2 + · · · + λn an avec n ∈ N∗ . 1) ∈ F ∪ G. 0) + y(0. λn ∈ K}. . . Remarques 1. y) = x(1. 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 . On a F et G sont deux s. . . Toutes intersections de sous-espaces vectoriels de E est e e un sous-espace vectoriel de E. . car (1. .1. V ect(A) = {u ∈ E | ∃n ∈ N∗ . V ect(A) est appel´ le sous-espace engendr´ par A. .v. . . . . e Alors u + λv = α1 a1 + · · · + αn an + (λβ1 )b1 + · · · + (λβm )bm donc u + λv ∈ V ect(A). Soit E un K-e. Attention. . e e • On consid`re souvent un ensemble fini : si A = {a1 . . 1). . / / / 2.v. Soit u. . 0)/x ∈ R} et G = {(0.6. αn ∈ K tels que u = α1 a1 + · · · + αn an . ∃λ1 . a1 . . . F est un K-espace vectoriel. . La restriction ` F × F de l’addition est une loi interne sur F a (appel´e loi induite par celle de E). 52 . ..Th´or`me 4. 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. . e e Notation Si A = {a} contient un seul ´l´ment on note V ect(a) = Ka = {λa | λ ∈ K}. Prenons λ1 = λ2 = . . Par d´finition il existe un entier n. V ect(A) est un sous-espace vectoriel. . ∃a1 . En effet.4). . an ∈ A et λ1 . b1 . D´finition 4. . ee Remarques : • V ect(A) est le plus petit sous-espace vectoriel contenant A. de R2 .e. . . 1) engendrent R2 ..e. En effet. de E. . Les vecteurs (1.v. Preuve. Pour ces deux lois. 0) ∈ F ⊆ F ∪ G et (0. .2 Sous-espace engendr´ par une partie e Soit A une partie non vide de E. . y)/y ∈ R}. des vecteurs a1 . . • Si A ⊂ B alors V ect(A) ⊂ V ect(B). . . Alors e V ect(A) = {λ1 a1 + · · · + λn an | λ1 .v. bm ∈ A et β1 . λ1 a1 + λ2 a2 + · · · + λn an = 0 donc 0 ∈ V ect(A). . Soit F un s. βm ∈ K tels que v = β1 b1 + · · · + βm bm . ce th´or`me est faux pour la r´union. . (1. y) ∈ R2 . Proposition 4. an ∈ A e et des scalaires α1 . .7. . an ∈ A. λn ∈ K. . = λn = 0. 0). (0.e. si (x. 4. Exemple 4. il existe m ∈ N∗ . λn ∈ K. e e e Soit F un sous-espace vectoriel. Cons´quence : On montre rarement directement qu’un ensemble est un espace vectoriel. La restriction ` K × F de la multiplication externe e a est une loi externe sur F . v ∈ V ect(A) et λ ∈ K. Preuve. mais F ∪ G n’est pas un s. . si e e e F = {(x. e mais souvent que c’est un sous-espace vectoriel d’un espace vectoriel connu (` l’aide de la a proposition 4. 1) ∈ F et (1.2. u = λ1 a1 + λ2 a2 + · · · + λn an }. . de R2 . an }. . on peut ´crire e (x. 1) ∈ G ⊆ F ∪ G mais (1. Evidente. En particulier.5. 1) ∈ G.

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

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

y = f −1 (y ).. Un isomorphisme de E sur E s’appelle aussi automorphisme de E.2) Soit ψ : F(R.. Soit E un K− espace vectoriel quelconque. e Exercice 4. . x0 ∈ R ψ est une application lin´aire. Puisque f est une bijection de E dans F . Soit E et F deux K-espaces vectoriels et soit f une application lin´aire de e e E dans F . an ) −→ a0 + a1 X + . R) −→ F f −→ f (x0 ). Soit f : E −→ E P −→ P f est un endomorphisme. • Si E = F . f est une application lin´aire si. 2.. e Exemples. a < b et E = C([a. . e b a f (t)dt 55 . 4. On a f (x + λy) = f (x) + λf (y) = x + λy Donc f −1 (x + λy ) = x + λy = f −1 (x ) + λf −1 (y ). e Soient x et y ∈ F et λ ∈ K . Proposition 4.. 3. 1.. f s’appelle un endomorphisme de E.. Deux K-espaces vectoriels sont dits isomorphes. Il nous suffit de montrer que f −1 est lin´aire. ∀(x1 . b].15. L’application : ϕ : E −→ R f −→ ϕ(f ) = est une forme lin´aire sur E. b ∈ R. l’application r´ciproque f −1 est e un isomorphisme de F sur E.. on ´crit E F.. f s’appelle une forme lin´aire sur E. f s’appelle un isomorphisme de E sur F . R). et seulement si ∀(λ1 . D´finition 4. f est un isomorphisme. l’application identique IdE de E. xn ) ∈ e En n n f( i=1 λi xi ) = i=1 λi f (xi ).14. Soit a ∈ R. + an X n . (Indication : Raisonner par r´currence. s’il existe un isomore phisme de l’un dans l’autre . • Si E = K. alors f −1 est une bijection de F dans E. d´finie e par IdE (x) = x pour tout x ∈ E est un automorphisme. e e Preuve. e • Si f est une bijection de E sur F. Si E = Kn et F = {P ∈ K[X]/P = 0 ou do P ≤ n}.16.) e D´finition 4. . Si E = K[X].. soit x = f −1 (x ). f: E −→ F (a1 .. Si f est un isomorphisme de E sur F ..13. λn ) ∈ Kn . appel´ isomorphisme r´ciproque de f .

On a : 0 ∈ E et 0 = f (0) ∈ f (E ).. Alors y + λy = f (x) + f (x ) = f (x + λx ) ∈ f (E ). 1) L’image par f d’un sous-espace vectoriel de E est un sous-espace vectoriel de F .. x ∈ E tels que y = f (x) et y = f (x ) et puisque E est sous-espace vectriel de E. . (1) Si f est injective et si x ∈ ker(f ).1 Op´rations sur les applications lin´aires e e Structure d’espace vectoriel de LK (E.17.. (2) Il d´coule imm´diatement de la propri´t´ : e e ee n n ∀(λ1 . xn )) = vect(f (x1 ).. 1) Soit E un sous-espace vectoriel de E et soit f (E ) = {y ∈ F/∃x ∈ E tel que y = f (x)}. D´finition 4.18. Preuve.4 4. et seulement si ker(f ) = {0}. λn ) ∈ K .3. F ) 56 . c’est e ` dire : a f (vect(x1 .. e Th´or`me 4. d’o` x−y ∈ ker(f ) = {0}. .2 Image et noyau d’une application lin´aire e Th´or`me 4.19.. Soit E et F deux K−espaces vectoriels et soit f une application lin´aire e e e de E dans F . L’image par f du sous-espace engendr´ e par (x1 . on a f (x + λx ) = f (x) + λf (x ) ∈ F et donc x + λx ∈ f −1 (F ). y ∈ f (E ) et λ ∈ K. on a f (x) = 0 = f (0). . ... x ∈ f −1 (F ) et λ ∈ K. 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 ). u et donc x = y. Soit E et F deux K−espaces vectoriels et soit f une application lin´aire e e de E dans F .. . donc x = 0.. donc x + λx ∈ E . il existe x. Si y... on a f (x−y) = f (x)−f (y) = 0. Soit E et F deux K−espaces vectoriels et soit f une application lin´aire e e e de E dans F .. e Preuve.4...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 . xn ) est le sous-espace vectoriel de F engendr´ par (f (x1 ).Le sous-espace vectoriel f e not´ Ker(f ). . Si x. f (xn )) . . n f( i=1 λi xi ) = i=1 λi f (xi ).. e e −1 ({0}) = {x ∈ E/f (x) = 0} de E est appel´ le noyau de f et .Le sous-espace vectoriel f (E) de F est appel´ l’image de f et not´ Im(f ). (2) Soit n ∈ N∗ et soit x1 . xn n vecteurs de E. Si ker(f ) = {0} et si f (x) = f (y). f (xn )).. (1) f injective si. 2) L’image r´ciproque par f d’un sous-espace de F est un sous-espace vectoriel de E.

appel´ groupe lin´aire e e de E. V1 = (1. donc (x) est libre.2 Composition des applications lin´aires e Proposition 4. Si x = 0. 1) et V3 = (1. En effet .) et donc LK (E. 0). −1..20.. Remarques : GL(E) n’est pas commutatif. y) = (x + y. xn de E.v. On dit que la suite e (x1 . On a V1 − 2V2 − V3 = 0E . si x = 0. Dans le cas contraire on dit que la suite (x1 . F ) et g ∈ LK (F. g(x. . Soit n ∈ N∗ et soit n vecteurs x1 . f og(x. g ∈ GL(E)). prenez l’exemple pr´c´dent. +. y) ∈ E.. y) = (x. . + λn xn = i=1 λi xi = 0 =⇒ λ1 = .. donc f og = gof 2. e Lorsque E = F . 57 . g ∈ LK (E.. 0) et gof (x. F ) est un sous espace vectoriel de (F(E. F ). Si f et g sont deux automorphismes de E. on note LK (E) au lieu de LK (E. . y) = (y. Si 0 d´signe l’application nulle de E dans E et si f ∈ L(E) et g ∈ L(E)..Soit E et F deux K-espaces vectoriels.. λx = 0 implique λ = 0. La suite (x) est libre ssi x = 0. = λn = 0.21. On a f.x = 0 et (x) est li´e.4. F ). Si E = R3 . y) = (0. y) = (2x + y. 4. y) ∈ E.. Si f ∈ LK (E. F ). On a f.. x + y). y) = (x + y. F ). alors f og = 0 e n’implique pas f = 0 ou g = 0 . e e e GL(E) muni de la loi de composition des applications est un groupe. ou encore que x1 . −2). 0). 0) pour (x. . donc f og = gof 4. 1. V2 = (0. x + 2y) et gof (x. E). 1. 1. xn ) est libre.. x2 .. L’ensemble des applications lin´aires de E dans F e est not´ LK (E. F ) a une structure de K-e. y) pour (x. g(x. Soit E . y) = (x.4. Preuve. d’apr`s ce qui pr´c`de. e 2. H). e e 4.. xn sont lin´airement ind´pendantes si e e n λ1 x1 + λ2 x2 + . Alors gof ∈ LK (E.. Par exemple. alors . e Exemples. 1. y) = (y.3 Le groupe lin´aire (GL(E). F et H trois K-espaces vectoriels. F ) ou simplement L(E. si E = R2 et si f (x.. f og(x. Exercice Remarques : 1.5 Ind´pendance lin´aire e e D´finition 4. x + y). Par exemple si E = F = R2 et si f (x.. xn ) est li´e. f og est un automorphisme de E. LK (E. H).. . La loi o n’est pas commutative dans LK (E. o) e GL(E) est l’ensemble des automorphismes de E. 0).

.. non tous e nuls. 1.... . e k−1 i=1 αi xi . d’o` λkj = 0.. 1 ≤ j ≤ n n’est combinaison lin´aire de ceux qui le pr´c`dent dans la suite e e e 58 . Soit k le plus grand indice j. D’apr`s le th´or`me 4. i = k.. αi ∈ K. aucun e e e des vecteurs xj . 2.. xn ). . il existe des scalaires λi . 2. .. e e 1. 1... e e e Preuve... . n n R´ciproquement. kp }. =⇒) Si la suite (x1 .24. . on a aussi. Preuve. Par exemple....i=k αi xi .. . S’il existe une suite li´e extraite de la suite (x1 . x1 = 0.... pour 1 ≤ i ≤ k − 1..... il faut et il suffit que la suite (x1 .... xn ) est li´e si et seulement si.).. tel que xk soit combinaison e lin´aire des vecteurs x1 .. On i=1 k a k = 1. La suite Proposition 4. 1 ≤ i ≤ n non tous nuls e n tels que i=1 λi xi = 0. si xk = n e i=1. Soit n ≥ 2.. xn )..i=k αi xi . ... car sinon λ1 x1 = 0 avec x1 = 0 et λ1 = 0. x) soit li´e. 1 ≤ k ≤ n et des αi ∈ K.. La e e suite (x1 ... donc k ≥ 2 et u i=1 xi = 0. soit i=1 λi xi = 0 avec λk = 1 = 0.. .. xn ) alors la suite (x1 . . donc αi = 0. Si la suite (x1 . i = k tels que n xk = i=1.) Puisque la suite (x1 . V3 ) est li´e. Preuve. xn ) une suite libre de E.i=k αi xi . il existe k.... n αi xi = 0 avec i=1 j=1 / αkj = λkj si 1 ≤ j ≤ p et αi = 0 pour 1 ≤ i ≤ n. Soit n ∈ N et soit (x1 . xkp ) est libre.. 2 ≤ k ≤ n. 3... Proposition 4. i ∈ {k1 .. xn ) est li´e... . 0) e implique λ = β = 0. xn ) une suite libre et soit (xk1 . e e Th´or`me 4.. alors n i=1 λi xi = 0 avec λk = 1 = 0. xkp ) une suite extraite de la suite (x1 . . 1.22. Alors xk = n i=1.. 1 ≤ k ≤ n tel que λk = 0. . xn ) est libre.. il existe des scalaires λi . Supposons que p λkj xkj = 0.. 0.. 1. 1 ≤ i ≤ n. V2 . e Preuve.. e e Remarques. xn ) est li´e si et seulement si il existe e k.. . Une suite libre ne peut contenir le vecteur 0 . xk−1 qui le pr´c`de dans la suite (x1 . e 2. e Th´or`me 4. . xn ). . 1 ≤ j ≤ p et la suite u (xk1 . .i=k αi xi = 0. La suite (x1 . ∀i = j.. . C’est une cons´quence imm´diate de 1.. . xn ) est li´e. 1 ≤ i ≤ n. 1 ≤ j ≤ n tel que λj = 0. (x... Par contre (V1 . xn . xn ) une suite de n vecteurs de E avec x1 = 0. xn ) est libre... xn ) est e li´e.Donc la suite (V1 . xn ) est donc li´e. Si x ∈ vect(x1 . et la suite (x1 . tel que xk = (x1 .. Toute suite extraite d’une suite libre est une suite libre.. Soit k. x s’´crit de mani`re unique e e n x= i=1 αi xi . . Soit (x1 .23. Pour que le vecteur x ∈ vect(x1 .... 1 ≤ i ≤ n.25... . Soit x1 . Alors. x) et (x) avec x = 0. tels que n λi xi = 0. Comme la suite (x1 . Soit n ≥ 2 et soit (x1 . on a xk − i=1. avec −λi αi = λk si 1 ≤ i ≤ n . xn ) est li´e.. xn ). V2 ) est libre car λV1 + βV2 = (0. ⇐=) S’il existe k ≥ 2.23. . . D’o` k−1 −λi xk = i=1 αi xi avec αi = λk . . Une suite extraite d’une suite li´e peut ˆtre libre. 2. xn une suite libre alors xi = xj ..

Si la suite (f (x1 )... .. xn e ⇐⇒ la suite (x1 . .. xn ) est une suite libre de E.(x1 .. xn ) de E est li´e. xn ) ⇐⇒ x est combinaison lin´aire des x1 .... . f (xn )) est li´e e e 2.. xn .. . d’apr`s le th´or`me 4.. Preuve. la suite (f (x1 ). 1. .26.. x) est li´e. Imm´diate. F ).. . endomorphisme. e 2. isomorphisme.. e 59 . e • Noyau et image d’une application lin´aire.. ... Soit n ∈ N∗ et (x1 . Alors. . u Proposition 4.23 : e e e x ∈ vect(x1 . ) Soit x ∈ vect(x1 ..... xn ).. e Les id´es clefs du chapitre : e • Espace vectoriel et sous-espace vectoriel.. d’o` αi = βi pour 1 ≤ i ≤ n (car la suite (x1 . xn ) une suite de vecteurs de E. . Soit E et F deux K−espaces vectoriels et f ∈ L(E. n i=1 (αi − βi )xi = 0.. Si la suite (x1 . automorphisme..... ... f (xn )) de F est libre. la suite (x1 . • Suite libre et suite g´n´ratrice. xn ) et supposons que n n x= i=1 αi xi = i=1 βi xi Alors. e e • Application lin´aire... xn )) est libre).. .

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

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

en ) est une base de E. On dit que la suite (e1 .. 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. en ) est libre. e e e D’autre part...0en = 0 implique. si α1 e1 + α2 e2 + .. αi ∈ K. l’´criture (1) est la e e d´composition de x et les scalaires α1 . + αn en ... Dans le e e cas contraire. Pour que la suite (e1 .. Bases. Soit E un K−e. an ) de E est une suite g´n´ratrice de E.1.1 D´finition d’un espace vectoriel de dimension finie. c’est ` dire si tout vecteur de E est une combinaison lin´aire e a a e (C. ..) de a1 .1 5. si le sous espace e e vect(a1 ..1. .2.. . an ) est ´gal ` E. e e e α1 = . 62 .. . .. . Si la suite (e1 . D´finition 5.. . (e1 .. d’apr`s l’unicit´ de l’´criture (1). en ) est une base de E si elle est libre et g´n´ratrice de E.. en )... e On dit que la suite (a1 . =⇒) Il r´sulte du th´or`me 4... il faut et il suffit que tout vecteur x de E s’´crit de mani`re unique : e e (1) x = α1 e1 + . e Espace vectoriel engendr´ par une suite finie. = αn = 0.. s’il existe une suite g´n´ratrice finie de E. . l’´galit´ e1 + ... Proposition 5. en ) est une suite g´n´ratrice de E. αn sont les coordonn´es ou les composantes de e e x dans la base (e1 . Donc la suite (e1 . 5... Preuve.. en ) est une base de E et si x ∈ E.. ....v. 1 ≤ i ≤ n. an ..L..... .. la suite (e1 .. + en = e e 0e1 + .... 1 ≤ i ≤ n.3. + αn en = 0 avec αi ∈ K. 2) e e e ⇐=) Puisque tout x s’´crit sous la forme (1). E est dit de dimension infinie. Base e D´finition 5. Ainsi...25. en ) de vecteurs de E soit une base de E.. ..

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

xk ) soit libre.. Soit x1 . on obtient finalement une suite libre (xi1 . xp ) est libre.... tel que xk = 0..... .2 Rang d’une suite finie de vecteurs D´finition 5. . s’il e existe k. e e e D’o` u vect(x1 .. Donc n = p..2... xi2 .v. .. Soit Kn [X] = {P ∈ K[X]/P = 0 ou do P ≤ n}. en ) et (e1 . xir ) extraite de la suite x1 . xp ) est ´gal au nombre maximum d’´l´ments d’une suite libre extraite de la e ee suite (x1 . de dimension finie... .xp = 0. .5 ` la suite (e1 . xp ). la suite (xi1 . Exemples 1. xp ). . Puis..1. ep ) est une base. xi2 . . Dans un K−espace vectoriel E. 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). . xi2 . 2....... xk ∈ vect(xi1 . .. non nul. Ensuite... . ( de la dimension ). 0 ≤ rg(x1 . xp ) une suite de vecteurs de E.. toutes les bases ont le mˆme nombre d’´l´ments. On peut supposer n ≤ p.. xi2 .. xp ) = r.. . . Soit E un K−espace vectoriel.. xk ) soit li´e. xp . i1 < k ≤ p et tel que (xi1 . xp telle que pour tout k..25 chp... pour tout k. en+1 .. Dans un K−espace vectoriel E. en ) et aux vecteurs a a e1 .. .. xp ) ≤ p et on a rg(x1 ... e Alors... e e e e Recherche pratique du rang d’une suite (x1 . Soit (e1 . . 1. E. 1 ≤ k ≤ p. Proposition 5. soit i3 le plus petit entier k v´rifiant ces e conditions. 4. . On a dimK (Kn [X]) = n + 1. toute suite libre de r vecteurs extraite de la suite (x1 . xp ) = 0 ⇐⇒ x1 = . xp ).Th´or`me 5.. d’apr`s le th´or`me 4.. soit i2 le plus petit entier k v´rifiant ces conditions. nul est ´gale ` 0 . un sous-espace vectoriel de dimension 1 e est appel´ une droite vectorielle ... 5. xi2 . xp ) = p ⇐⇒ (x1 .. on a rg(x1 . Soit (x1 . ... 1 ≤ k ≤ p.8. . Mˆme d´monstration que celle du th´or`me 5. et un sous-espace de dimension 2 est appel´ un plan e e vectoriel ..... ... Preuve... xk ) soit libre. . v... En particulier.. xp ) = vect(xi1 . On appelle rang de la suite e (x1 . xir ).7.. Alors.. dimK (K) = 1 et dimR (C) = 2. . E = {0} ⇐⇒ dimE ≥ 1.... On applique la proposition 5. . .. 1 ≤ k ≤ p. s’il existe k. en+1 ) est li´e et donc aussi la suite (e1 .. c’est ` dire : dim{0} = 0 e e a a Remarque 5.... e ee Preuve. Et ainsi de suite .. ep ) deux bases de E.. D´finition 5. la dimension du sous-espace vectoriel vect(x1 ... xp ) de vecteurs non tous nuls et d’une base du sous-espace vectoriel vect(x1 .. Si n ∈ N∗ . de dimension e e finie...6. Ceci est absurde e puisque (e1 . xir . 64 . xir ). . c’est ` dire n + 1 ≤ p.. 3. . Si n < p. la dimension d’un K− e. . non nul.. . La suite (e1 .9........4.. p vecteurs d’un K− e. Par d´finition. .10. xp ) : Soit i1 le plus petit entier k . rg(x1 . . ep ).. xp ) et on note rg(x1 . Si rg(x1 . xp ) est une base de vect(x1 .. 2. D´finition 5.. xp ).. dimK (Kn ) = n.. . i2 < k ≤ p et tel que (xi1 ..

. Preuve.. xp ) avec p > n est li´e. Ainsi.3 Sous-espaces d’un espace vectoriel de dimension finie Proposition 5.3 Espace vectoriel de dimension finie donn´e n e Th´or`me 5. . . 2. X.25 chap. xp ). On a : * La suite (1. 1 + X) ainsi que (1 + X. 1 + X.. * La suite (1. Toute suite g´n´ratrice a au moins n vecteurs. C’est une base de E.. X... x) est li´e. 1 + X * La suite (1. .. e Donc rg(1. xn+1 ) est li´e et donc toute suite (x1 . 2. e 3 ) est libre. X..11.. . la suite (x1 . . 1) Soit (e1 . e Soit (x1 . xp ) et rg(x1 .Il en r´sulte que (xi1 . dans l’exemple pr´c´dent r = 3 et (1. e e 5.... 1 + X) est li´e. e Remarque. (Tr`s importante en pratique).. n ≥ 1. 5.. xn ) une suite libre de E. D’apr`s la proposition 5. e e Soit maintenant (x1 ... en ) une base de E. Donc... X..10. Toute suite libre a au plus n vecteurs. xp ) = r... e Si dimK (E) = n. la suite (x1 ..10.. e Exemple Soit E = K[X].2.. la suite (x1 ... 2). xn ) est g´n´ratrice. xn . . une suite extraite de (x1 . Par contre (1. X − X 3 ) e e e e sont li´es. e e d’apr`s la proposition 5..2....... X. . 1 + X. X − X 3) Remarque 5. 1 + X 3. Le rang de cette suite est n = dimE. xir ) est une base de vect(x1 . 1 + X 3 ) est une base de vect(1. xn ).. Soit E un K-espace vectoriel de dimension finie n. e toute suite (x1 . X. X 3 . F est de dimension finie et dimF ≤ dimE. X − X 3 ) est libre et donc il peut y avoir plusieurs suites libres e extraites de la suite (x1 . xi2 . xp ) une suite g´n´ratrice de E. xp ) ayant r vecteurs peut ˆtre li´e. e e 1... la suite (x1 .. puisque E = vect(e1 .. e e D’ap`s la proposition 5. 1 + X 3 .. en ). xp ) = r.12.. . il suffit de prouver l’une des deux conditions suivantes : 1. ... . xn ) = n.... Toute suite g´n´ratrice de n vecteurs e e e e est une base de E. X. On a rg(x1 .. la suite (x1 ... .. . Si rg(x1 .. e D’apr`s th´or`me 4. . xn ) est libre. Alors : 1. 1) n ≤ p. xn ) est une base de E.. . Toute suite libre de n vecteurs est une base de E. 65 . ayant r vecteurs. et F un sous-espace vectoriel de E. 2) Soit (x1 . Soit la suite (1. X) est libre. X − X 3 ).. 1 + X 3 ).. ... . .. * La suite (1. xn ) est libre.. Pour tout vecteur x ∈ E. X − X 3 ) = 3 et (1.5. Soit E un K−espace vectoriel de dimension finie n. Pour prouver qu’une suite (x1 . X − X 3 est li´e. xn ) une suite g´n´ratrice de E. 1 + X.. xn ) de n vecteurs de E est une base de E.. . . X... 4. .. 1 + X 3 ... X. e e e x ∈ V ect(x1 .

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

Imf ). 1) ϕ est injective : Soit x ∈ Kerϕ. Alors. On a f (x) = f (x1 ) + f (x2 ) = f (x1 ) = ϕ(x1 ). . Soit E et F deux K-espaces vectoriels.. en ) une base de E et (f1 .. 1. e e e Soit (e1 .. .. Soit f ∈ L(E. Soit E un sous-espace vectoriel de E tel que E ⊕ Kerf = E. e Soit x ∈ E.est une application lin´aire de E dans F telle que f (ei ) = ai . 1) C’est ´vident si E = {0}.. Alors il existe x ∈ E tel que f (x) = y. ∃!αi ∈ K. 3) f est un isomorphisme. pour tout i. F ). en ) une base de E et f ∈ L(E.19. e e 3. (Th´or`me noyau-image ou encore th´or`me du rang) e e e e e e Soit E et F deux K-espaces vectoriels. D’o` y = ϕ(x1 ) ∈ Imϕ. Deux K−espaces vectoriels de dimension finie tels que dimE = dimF sont isomorphes. 1 ≤ i ≤ n. x = n αi ei . tout K-espace vectoriel de dimension n est isomorphe ` Kn .. Alors e Im(f ) est un sous-espace vectoriel de dimension finie de F et on a : dimKerf + dimImf = dimE. f est injective ⇐⇒ (f (e1 ). donc x = 0. e e Si dimE = dimF ≥ 1.e. il existe une application lin´aire unique f de E dans F telle que f (ei ) = fi . E ´tant de dimension finie n ≥ 1. F ). Soit ϕ la restriction de f ` E . Preuve. ϕ est une application lin´aire comme la restriction d’une application lin´aire ` un a e e a s. E ´tant de dimension finie. D’o` l’unicit´. Soit E un K−espace vectoriel de dimension finie et f un isomorphisme de E sur un K− espace vectoriel F . Alors F est de dimensin finie et on a dimE = dimF. 1 ≤ i ≤ n... f (en )) est une suite g´n´ratrice de F .3). f est un isomorphisme ⇐⇒ (f (e1 ). D’o` x ∈ E ∩ Kerf = {0}.17.v. le r´sultat d´coule de th´or`me 5. f (en )) est une suite libre dans F .. a Preuve.18. on a : e f (x) = i αi f (ei ) = i αi ai = i αi g(ei ) = g(x). ϕ ∈ L(E . Puisque E = E ⊕ Kerf. Voir TD. En particuler. . f (en )) est une base de F . . 2. Corollaire 5. f est surjective ⇐⇒ (f (e1 ).. e e e e 2) Le r´sultat est ´vidente si E = F = {0}. Preuve.17. .. 2. Soit (e1 . Montrons que ϕ est un isomorphisme de E sur Imf . D’apr`s la e proposition 5. e Donc f = g. e e e Th´or`me 5.. 2) ϕ est surjective : Soit y ∈ Imf . u 67 . e pour 1 ≤ i ≤ n. e Si dimE ≥ 1. u Par suite Kerϕ = {0}. u e Th´or`me 5. e Unicit´ : Supposons qu’il existe une autre application g telle que g(ei ) = ai ... Donc x ∈ E et f (x) = ϕ(x) = 0... 1. D’apr`s le th´or`me 5.16. il existe x1 ∈ E et x2 ∈ Kerf tel que x = x1 + x2 . i=1 Puisque f est une application lin´aire. fn ) une base de F . Ceci ´tant vrai pour tout x ∈ E. ...17.

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

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

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

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

.≤p 1≤j≤n ou plus simplement e (ai. n = n et ai. .n (K).2 (R). n colonnes d’´l´ments de K.j     . . .Chapitre 6 ` MATRICES ET SYSTEMES ´ LINEAIRES Dans tout ce chapitre K = R ou C 6.1 a1.  .p (K). ap. ap.2 .1. sont les coefficients de la matrice A.j .2 . a ee   a1. n = 2  √  2 1  1 1  ∈ M3. .  ∈ Kp . ee Pour repr´senter une matrice.j 72 .j ) ∈ Mn . . un tableau rectangulaire ` p lignes. Vecteurs lignes et vecteurs colonnes : On appelle ieme vecteur ligne de la matrice A = (ai. Exemple : K = R.j = bi.n Les ´l´ments ai.2 .j de K . on utilise la notation (ai.n  a2.   . le vecteur   a1.j ) ∈ Mn. 4 2 0. n)−matrice ` a coefficients dans K. .j )1≤i. a1.p (K) et B(bi. .1 ai. 7 Egalit´ de deux matrices : Soit A = (ai. le vecteur ai. n ≥ 1 . . 1 ≤ i ≤ p et 1 ≤ j ≤ n. on appelle matrice de type (p.j  a2. 1 ≤ j ≤ n. .j ) ∈ Mp.1 G´n´ralit´s e e e D´finitions e Soit deux entiers p ≥ 1. . ap. p = 3.n    a= . . ∀1 ≤ i ≤ p.  .n (K).2 .j ) lorsqu’il n’y a pas de confusion.1 ap.j ) ∈ Mp. e Par d´finition e A = B ⇐⇒ p = p . a2. On appelle j eme vecteur colonne de la matrice A = (ai. . n) ou (p. .  .1 a2.n ∈ Kn .1 6. ai.

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

1 ≤ j ≤ n. q)e matrice B = (bi. 1 ≤ j ≤ n.. L’´l´ment nul de Mp.j ).. B) −→ A + B et de la multie e plication externe (λ.j ) ∈ Mp.. ayant K comme corps des scalaires....n (K)...6. 1 ≤ i ≤ p.1 Op´rations sur les matrices e L’espace vectoriel Mp. Ep.n (K). p)−matrice A = (ai.. 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.. 5  j 0  5 B=  7 0  1 6 4 1  2 4  . la matrice C = (ci. . et not´e par 0.j + bi.q (K). A Ecrire. On appelle produit de la (n.6.j ) ∈ Mn. e et on note λA. e L’oppos´ de A = (ai..n (K) est la (p.2.n (K) est la matrice dont tous les coefficients sont nuls..j ) est la matrice −A = (−ai.n (K) par le scalaire λ ∈ K.3..n (K) muni de l’addition (A.j .v. et on note AB..2 . 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. Donc dimMp.n ) est une base de Mp. Preuve. Proposition 6.j ) ∈ Mp.j ) ∈ Mp. 5  j D´finition 6.j ) ∈ Mp.j 1 ≤ i ≤ p.1 . la matrice ´l´mentaire Ei.7. et on note A + B.. L’ensemble Mp. sont e laiss´s en exercice.j ) ∈ Mp.2. 1 ≤ j ≤ n Exemple : 1  0 A=  2 √ 2  3 5 6 i  1 2  .2.1 . la (p.n (K) par la (n. E1. A) −→ λA..n (K) et B = (bi.j = ai. E2.2 6. q)−matrice C = (ci.n (K) = np.j ) ∈ e Mp.n (K) telle que ai.. La suite (E1.v.n (K) appel´e base e canonique de Mp..j ∈ Mp..j ) ∈ Mp.j 1 ≤ i ≤ p.n (K) pour 1 ≤ i ≤ p.3 Multiplication des matrices D´finition 6. On appelle somme des deux matrices A = (ai. appel´e ee e matrice nulle.k bk.. Preuve.. est un K-e.n (K) telle que ci. la matrice A = (ai.4. Les autres axiomes d’un K−e. e 6.j = k=1 ai.n (K) D´finition 6. 74 . .q (K) telle que n ci.j = λai..2 Base canonique et dimension de Mp. 0  0 1 4  5 11 C=  9 10 √ 2 i+1   3 6  . On appelle produit de la matrice A = (ai.5..

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

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

Donc J est surjective. Donc la matrice C de l’application k=1 lin´aire ψoϕ est ´gale ` AB. Alors l’application : J : L(E. e e a Proposition 6.. On a rgϕ = dimϕ(E) = dim vect(ϕ(e1 ). Si A est inversible. Alors Mϕ = A. Soit E et F deux K−e. . .k bk. 2.k gi ) = n k=1 p i=1 (bk.j ( p i=1 ai. F ) −→ Mp. F ). 77 .. . Donc t A est inversible et on a (t A)−1 = t (A−1 ).j ψ(fk ) p i=1 ( = n k=1 bk.j ) ∈ Mp.11. J est surjective : car si A = (ai. .. ϕ(en )) = rgA.. Les bases B = (e1 .... . D´signons par e e e Mϕ la matrice de ϕ ∈ L(E. e Preuve. (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIn A−1 = AA−1 = In .j gi avec ci. 2. Preuve. alors t A est inversible et on a (t A)−1 = t (A−1 ). B inversible =⇒ ∃ B −1 telle que BB −1 = B −1 B = In .. Preuve.j = n ai. D’o` rgϕ = rgA u 6. A inversible =⇒ ∃ A−1 telle que AA−1 = A−1 A = In . non nuls.k )gi n k=1 ai. F ) d´finie par e p ϕ(ej ) = i=1 ai. B est alors appel´e l’inverse de A et not´e A−1 . de dimensions respectives n et p et soit e e ϕ ∈ L(E.v.j fi . le rang de ϕ est ´gal au rang de A. soit ϕ ∈ L(E. J est clairement lin´aire d’apr`s la remarque pr´c´dente. fp ) ´tant fix´es. (t A)t (A−1 ) = t (A−1 A) = t In = In .j )gi = p i=1 ci.10.. fp ) de F . . Si A ∈ Mn (K) et B ∈ Mn (K) sont inversibles. Si A est la matrice de ϕ dans les bases B = (e1 . A inversible =⇒ ∃ A−1 telle que AA−1 = A−1 A = In .k bk. pour 1 ≤ j ≤ q. alors AB est inversible et on (AB)−1 = B −1 A−1 . Donc rgϕ = rg(ϕ(e1 )..12.4 Matrices carr´es inversibles e D´finition 6. en )de E et B = (f1 .. (B −1 A−1 )(AB) = B −1 (A−1 A)B = B −1 In B = B −1 B = In .Donc.. De plus. ϕ(en )). e e Proposition 6. en ) et B = (f1 . J est injective : car Mϕ = Mψ implique ϕ(ej ) = ψ(ej ) pour 1 ≤ j ≤ n et donc ϕ = ψ. F ) dans les bases B et B . 1 ≤ j ≤ n.. ( t A−1 t A) = t (AA−1 ) = t In = In . e e e e Th´or`me 6..j ai.13. 1.n (K). on a ψoϕ(ej ) = = n k=1 bk.n (K) ϕ −→ Mϕ est un isomorphisme. Donc AB est inversible et (AB)−1 = B −1 A−1 .j pour 1 ≤ i ≤ p et 1 ≤ j ≤ q. 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 ).. e Une telle matrice B si elle existe est unique. 1....

1 ≤ j ≤ n. x = goϕ(x) = g(ϕ(x)) = g(0) = 0. E) de matrice B dans les bases B et B.. 2.15. 78 . Preuve. non nuls de dimension n.j ei . Soit y ∈ F .. . u (2) =⇒ (3) Soit h ∈ L(F. E) de matrice C dans B et B. On a n ej = i=1 pi... Soit A la matrice de ϕ−1 dans les bases B et B..Th´or`me 6. Soit ϕ ∈ L(E. goϕ ∈ L(E) et Mgoϕ = BA = In .. u D’o` ϕ est un isomorphisme de E sur F . en ) une base de E et B = (e1 . e Corollaire 6. (1) =⇒ (2)) On a : rgA = rg(ϕ) = dim vect(ϕ(e1 ). Donc Kerϕ = {0}. Soit x ∈ Kerϕ..v. D’o` ϕ est injective... v. Soit A ∈ Mn (K). 3. Donc goϕ = IdE . Donc ϕoh = IdF . . on a y = (ϕoh)(y) = ϕ(h(y). 2. ϕ(en )) = dimF = n. de matrice A dans les bases B et B . . (4) =⇒ (1) et (4) =⇒ (2) sont ´videntes. donc (ϕ(e1 ).. Les vecteurs colonnes de A constituent une base de Kn . non nul de dimension n. Donc ϕ est un isomorphisme. A est inversible. ϕ(en )) est libre et dimF = n. ϕ est un isomorphisme de E sur F . (2) =⇒ (3)) La suite (ϕ(e1 ). ϕoh ∈ L(F ) et Mϕoh = AC = In .. u (3) =⇒ (4). Par suite A est inversible. . Soit A ∈ Mn (K). Soit B = (e1 . De mˆme ϕoϕ−1 = IdF et Mϕoϕ−1 = AA = In . E et F deux K−e.) Donc F ⊆ Imϕ. D’o` ϕ est un isomorphisme de E sur F .. rg A=n.. A est inversible.14. On a ϕ−1 oϕ = In et Mϕ−1 oϕ = A A = In . Il existe B ∈ Mn (K) telle que BA = In .. (1) =⇒ (3) Soit g ∈ L(F. en ) une autre base de E. Preuve. 4. ce qui implique que ϕ est surjective. Soit ϕ ∈ L(Kn ) de matrice A dans la base canonique de Kn .. 6. . ϕ(en )) est une base de F. Les propositions suivantes sont ´quivalentes : e 1. Les propositions suivantes sont ´quivalentes : e 1. Il existe C ∈ Mn (K) telle que AC = In 3. F ).5 Changement de base Soit E un K−e. B une e e base de E et B une base de F . e Donc A est inversible. (3) =⇒ (1) L’image d’une base par ϕ est une base.

p1. Donc e rgP = n et P est inversible. .j ei = ( i=1 j=1 xj pi... a 6.       =   n j=1 pi.1 (K).n . pn. . . . a a Preuve. . en ) et B = (e1 . en ).  et X = (x)B =  . .n . p1.  . .j xj     =   pn..1 p2. .. .n p2. xn Soit P = (pi.1 p1. en ) deux bases d’un K−e.Posons    P =  p1.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 ..v. on xi = u    X=  x1 x2 ....n ..   .2 .  Le rang de la matrice P = (pi.2 . pn.n Proposition 6.. en ). en ) deux bases d’un K−e. pn...2 . Soient B = (e1 . .2 . Associons ` ces deux d´compositions les matrices colonnes : a e    x1 x1  x2   x    2 X = (x)B =  . E et P la matrice de passage de B ` B . .j xj n j=1 p2. on a : n n x= i=1 xi ei = j=1 xj ej . . . . p2.j ei .16. C’est une matrice inversible. .   .1 pn.. en ) ` la base B = (e1 . .. en ) est appel´e matrice de pase sage de la base B = (e1 ... .. .j xj Soit sous forme matricielle :  p1. .  xn n x= j=1 xj ej = j=1 xj i=1 pi.j xj . .j ) ∈ Mn (K) est ´gal au rang de la suite (e1 . ∀1 ≤ i ≤ n..2 .1 .17. .. . pn. xn     = PX . (x)B = P (x)B . n j=1 p1. a 1 ≤ j ≤ n. . n j=1 pn. .v.1 . . . .. D´finition 6.5. Soit x ∈ E. E de dimension n.. . en ) et B = (e1 . . p2. On a ej = n pi. . p1. .. . .1 p2. . donc (x)B = P −1 (x)B . P ´tant inversible. xn Donc (x)B = P (x)B . La matrice P = (pi. .n     ∈ Mn (K). i=1 On a n n n n n     ∈ Mn. .. Pour tout x ∈ E. a 79 . . Par e suite P −1 est la matrice de passage de B ` B.2 p2. . . ..j ) ∈ Mn (K) la matrice de passage de B ` B .1 Action d’un changement de base sur les coordonn´es d’un vecteur e Soient B = (e1 . Alors la matrice de passage de B ` B est la matrice P −1 .      x1 x2 . . .j )ei = i=1 xi ei D’o`.

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

e • Deux syst`mes sont dits ´quivalents s’ils ont le mˆme ensemble de solutions. 1 ≤ i ≤ p. (1) R´soudre (S). c2 ) est libre et c3 = c1 − c2 . c’est trouver tous les vecteurs v´rifiant (1). Dans le cas contraire (S) est dit incompatible (ou impossible). On appelle rang du syst`me (S).1 (K).  .j xj = bi . • Le syst`me (S) s’´crit en abr´g´ : e e e e n (S) j=1 ai. e  . 6. e e 6.n (K). z ` coefficients a 3 1 7 9  2 0 2  1 2 −1   A=  4 −1 5  ∈ M4. Remarque : Un syst`me est dit de Cramer si n = p = r.6. Autrement dit. b est appel´ le vecteur second membre de (S).  ∈ Mp.  xn Le syst`me (S) s’´crit matriciellement : e e AX = b. e e i. Donc rg(S) = rg(A) = 2.j  b1  b2    Soit b =  . X est appel´ inconnue de (S).3 Rang d’un syst`me lin´aire e e D´finition 6. e e e (S) est dit compatible s’il admet au moins une solution. 7 8 −1 On a la suite (c1 . si sa matrice est e carr´e et inversible. b  p x1  x2  Soit X =  .2 Interpr´tation matricielle d’un syst`me lin´aire : e e e Soit A = (a ) ∈ Mp. e Un syst`me de Cramer admet toujours une solution unique (X = A−1 b) car sa matrice A est e 81 .Discuter et r´soudre (S) c’est trouver toutes les solutions de (S).3 (R). le rang r de la matrice A de (S) et on e e notre rg (S).6.21. y.  .    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. . A est appel´e la matrice du syst´me (S).1 (K).

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

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

1≤i≤p avec a1.n    A= . o` a”1. 4 z 1 3 L’´criture matricielle du syst`me e e  1  3 2 84 .8 Algorithme du pivot de Gauss : n Th´or`me 6. le produit de la premi`re a e e e e e ´quation par − a i.1 et a”i.2 . . pour 2 ≤ i ≤ p.j xj = bi .n−1 (K). il existe une suite finie d’op´rations ´l´mentaires e e ee qui transforment (S) en un syst`me ´chelonn´.  . . ap. On obtient alors un syst`me ´quivalent et de mˆme rang. ap. . e 1. . Soit A la matrice du syst`me (S). a e Exemple :  = −1  x−y 3x + 3z = 3  2x + y + 3z = 4 est :     −1 x −1 0 0 3  y  =  3 . e e e Preuve. 1 ≤ i ≤ p.j0 .i xj = bi .1 a n (S”) j=1 a”j.2 . 1 ≤ i0 ≤ p et 1 ≤ j0 ≤ n tel que ai0 .1 . . a2.1 = ai0 .  1 ≤ i ≤ p.j0 = 0.1 = 0. .6. on se ram`ne ` un e e a syst`me ´quivalent et de mˆme rang : e e e n (S ) j=1 aj. u La matrice de (S”) s’´crit : e   A” =    a”1. ∗  0   . x1 = xj0 et xj0 = x1 ) On ajoute alors membre ` membre la ieme ´quation.1 ∗ .26.i xj = b”i . les ´quations 1 et i0 et les colonnes 1 et j0 .n A = 0. En permutant au besoin.1 a1.   . .1 a2.2 . a1. . il existe donc i0 . . 2 ≤ i ≤ p. . (attention : si j0 = 1. : Soit (S) un syst`me lin´aire de p ´quations ` n inconnues e e e e e a (S) j=1 ai. On passe ` l’´tape suivante en travaillant maintenant avec A”1 . . . . . j0 . . . si A = 0.1 ap.n  a2.1 = a1. A”1 0 avec A”1 ∈ Mp−1.   a1. .

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

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

o` aij repr´sente le coˆt de transport pour exp´dier le produit i au client j. c) V´rifier les propri´t´s (λA)m = λm Am . e b) D´velopper (A + B + c)2 . pour A1 = 0 1 0 0 1 1 0 1 puis pour A2 = . a) D´velopper (A + B)3 . 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). Un fabricant de composantes ´lectriques vend deux produits diff´rents ` trois e e a clients. c) =  b a + c b + c  c b a+c o` a. D´velopper (A + I)n . Les deux produits sont fabriqu´s dans deux usines diff´rentes. 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. m ∈ N.9 Exercices : Les matrices Exercice 1. AB. 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 . D´duire (A1 + I)n = (nA1 + I). c. b.) i=0 Exercice 5. (A + B)2 = A2 + AB + BA + B 2 . e ee Exercice 4. e d) D’une mani`re g´n´rale. K deux matrices de M3 (Q) ind´pendantes de a. t (AB). Les coˆts de transport e e u de chaque produit. e c) D´velopper (A + I)3 . b. a) Calculer Am . t At B et B 3 . 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 e e 87 . c ∈ Q. Exercice 3.6. b. 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 . ABA. On d´signe par E l’ensemble des matrices de la forme e   a c b M (a.

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

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

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

Soit n un entier ≥ 1 et soit J = {1. e 2. Si n = 2. n}. Si n = 1 . e a 1 2 1 2 3.j (j) = i et τi. appel´ groupe e sym´trique d’ordre n. c’est e ee ee ` dire une permutation not´e τi... σ= 1 2 3 4 4 2 1 3 ∈ S4 . 4.4 = 1 2 3 4 5 6 1 2 4 3 5 6 91 ∈ S6 .. n 1 3 2 4 . Le groupe S2 est 1 2 2 1 commutatif.. D´finition 7.1.1 Le groupe sym´trique Sn e D´finition 7... σ ) −→ σoσ est un groupe. σ(n) Le nonmbre de permutation de J est n! Exemple 7. donc σoσ = σ oσ.1. n On a (σoσ (1) = 3) et (σ oσ(1) = 2) . ..j (k) = k si k = i et a e k = j. 2. Une permutation de J est une e application bijective de J sur lui-mˆme. σ = 1 2 3 4 . 2.Chapitre 7 ´ DETERMINANTS Comme d’habitude. 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. Si n ≥ 3. 3 a fait correspondre 1 et ` 4 fait correspondre 3.. on appelle transposition de J = {1. on consid`re e σ= 1 2 3 4 . La compos´e de deux permutations de J est une permutation de J. . 2 fait correspondre 2. S1 est r´duit ` l’application identique de J = {1}. σ est la permutation de J = {1. a Remarque 7.. τi. τ } avec IJ = et τ = . S2 = {IJ . 2. et le groupe Sn n’est pas commutatif. 1. . K = R ou Q ou C.2. Pour n ≥ 2. 3..j (i) = j.. Exemple 7. 4} qui ` 1 fait correspondre 4. n ..1... n 3 2 4 1 .2. τ3. On note l’ensemble des permutations de J par Sn et e un ´l´ment σ de Sn par : ee 1 2 ..j telle que τi. n σ= σ(1) σ(2) ... 7.. e L’ensemble Sn muni de la loi interne (σ.

Th´or`me 7.3 .4. 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). j − 1 i j + 1 . 5 et 4 . −1}. Quelle que soient σ ∈ Sn et σ ∈ Sn .5. alors σ = IJ = τ1. on a σ(i) = σ(j) et donc σ(i) < σ(j) ou σ(i) > σ(j). Soit τi.ε(σ) et e e a donc ε(σ −1 ) = ε(σ) 92 . .4.. 5 1 4 3 2 Les inverssion de σ sont : 5 et 1. σ = τi.. . Si Nσ d´signe le nombre d’inversions de la suite (σ(1). On a τi. e e D’apr`s l’hypoth`se de r´currence. . o` p est le nombre e u d´l´ments de J laiss´s fixes par σ. 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 D´finition 7. le nombre de signe ..6.i et τi. 2 3 1 Soit n ≥ 2 et σ ∈ Sn . . n ∈ Sn .est ´gal au nombre d’ine e versions dans la suite (σ(1). Proposition 7. n}.2 oτ2. ee e Si q = n − p = 0 . Exemple 7.j avec i < j. . Si 1 ≤ i < j ≤ n. Soit σ = τi. 5 et 2.. D´finition 7. n 1 .. Il existe i ∈ J tel que σ(i) = j = i et on a σ(j) = σ(i) = j. . Soit n ≥ 1. le nombre ε(σ) = (−1)Nσ ∈ {1.2 oτ1. Soit σ ∈ Sn On raisonne par r´currence sur l’entier q = n − p. les points de J laiss´s fixes par σ sont aussi laiss´s fixes par σ et en outre. σ(n)).. k−h σ (j)−σ (i) En appliquant le resultat pr´c´dent ` σ = σ −1 .. j − 1 j j + 1 . i − 1 i i + 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.Remarque 7. i − 1 j i + 1 .2. . 1 2 3 4 5 σ= ∈ S5 . σ est impaire. σ = τ1. On a Nσ j − i + (j − i − 1) = 2(j − i) − 1 = et ε(σ) = −1.2 . Exemple 7.j = τj. On a aussi ε(σ) = 1≤i<j≤n σ(j) − σ(i) j−i En effet. . 5 et 3. σ(n)).3. puisque ε(σ) est une permutation de {1. on dit que σ(i) et σ(j) pr´sentent une inversion. 3 et 2.j oτi. 1≤i<j≤n σoσ (j)−σoσ (i) = 1≤h<k≤n σ(k)−σ(h) et donc ε(σoσ ) = ε(σ)ε(σ ).3. 1 2 3 σ= ∈ S3 . 4 et 3. et on note ε(σ). on appelle e e signature de la permutation σ ∈ Sn .7. 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. D’autre part. 4 et 2. tout ´l´ment de Sn est ´gal ` un produit de transpositions.. Donc Nσ = 7 et ε(σ) = −1... .j = 1 . .j oσ est aussi e e e un produit de transpositions.j = IJ . . on a 1 = ε(Id) = ε(σoσ ) = ε(σ −1 ).3.. Pour n ≥ 2. σ est dite paire si ε(σ) = 1. Toute transposition est une permutation impaire Preuve. σ est un produit de transpositions et σ = τi. on a ε(σoσ ) = ε(σ)ε(σ ) e e et ε(σ −1 ) = ε(σ) Preuve. Th´or`me 7. σ laisse i fixe (σ (i) = i).j oσ. et impaire si ε(σ) = −1 Remarque 7. Le cas n = 1 est ´vident. . Si i < j et σ(i) > σ(j).. Soit n ≥ 2. e e ee e a Preuve.

xτ (n) ) = −f (x1 . D’o` u f (xτ (1) . . . l’application fj : E −→ K d´finie par e f (x1 .9. . . xi . . Si la suite (x1 . . . . . . . . xi + xj . e e Proposition 7. . . Soit E = C([0. etc. . . xj−1 . . . xτ (n) = −f (x1 . . . si τ = τi. Si n = 1. . xn ). . e Remarque 7. . x2 ) ∈ E et y = (y1 . . g) −→ R 1 0 f (x)g(x)dx φ est une forme bilin´aire sur E. a. xi + xj . . . On appelle forme n−lin´aire (ou forme multilin´aire ` n variables) sur E. xi . . xn ) = 0. . Autrement dit. . . . . . . . . . . . xn ) = 0 En utilisant encore le fait que f est altern´e. .4. e i=1 D´finition 7. xj+1 . . xn ) est chang´ en son oppos´ a e e quand on intervertit deux vecteurs xi et xj . . xn ). D´finition 7. xi . . . on a f (xτ (1) . . Preuve. . . . 1 ≤ j ≤ n. . xn ) ∈ E e i j 1 n Exemple 7. . . . . e 93 . xj . i = j. . . xn )+ f (x1 . suite (x1 . . .j . f (x1 . xn ) soit lin´aire. e p (p ∈ N∗ ) et f : E 2 −→ R d´finie par si x = (x . e e e a une application f : E n −→ K telle que.j . . 1]. une forme n−lin´aire sur E est dite altern´e. . σ ∈ Sn est paire si et seulement si σ est ´gale au produit d’un e nombre pair de transpositions. .5. . . . . . .12. et n ∈ N∗ . .. Soit E = R e 1 p y = (y1 . . . f (x. . . e 2. .10. xi . . . xi . xn ) une suite de e e e e n vecteurs de E. . . . La preuve r´sulte du Th´or`me 1 et de la proposition pr´c´dente. × E (n fois). . . . . . . . . . . . . alors f (x1 . . . xn ) est li´e. On pose E n = E × . . . xj . . . . Si n = 2 on a la notion de forme bilin´aire. . Soit f une forme n−lin´aire altern´e sur E. . . . e e e e e 7.6. . . xτ (j) . . xj . e 3. . f (x. . xn ) + f (x1 .. . . . on a f (x . . . . . . x ) = 0. . xn ). xi . . pour chaque j. . y) = x1 y2 − x2 y1 . . . . . . . xi . Soit E = R2 et f : E 2 −→ R d´finie par si x = (x1 . xj−1 . . xj . f est une forme bilin´aire sur E. si pour toute e e e n ayant deux vecteurs ´gaux x et x avec i = j. . xi . xn ) ∈ E n . . . . 1. yp ) ∈ E. . . . . . xn ) = 0 car f est altern´e. y) = p xi yi . . . x ) ∈ E et b. . Pour n ≥ 2. . . . . xn ) + f (x1 . On a f (x1 . R) et soit l’application φ : E × E −→ (f. . y2 ) ∈ e E. . . xj . . . . . . . Th´or`me 7. . . Pour n ≥ 2. . xj . . xτ (i) . . xj+1 . et pour toute suite (x1 . Si n = 3 on a la notion de forme trilin´aire. .2 Formes miltilin´aires altern´es e e Soit E un K-e. . . Soit (x1 . x.Corollaire 7. . on obtient : e f (x1 . . xn ) = −f (x1 . . . . . f est une forme bilin´aire altern´e sur E. Preuve. on retrouve la notion de forme lin´aire.11. Soit f une forme n−lin´aire altern´e sur E. . . e e e c’est ` dire que pour toute suite (x1 . . . . alors f est antisym´trique . . e En d´veloppant par n−lin´arit´ on a : e e e f (x1 .v.8. avec τ = τi. xn ) de n − 1 vecteurs de E. e Exemple 7. . .

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

. Si Ci = Cj avec i = j.. . Le d´terminant d’une matrice carr´e est ´gal au d´terminant de sa matrice e e e e e e transpos´e. 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 .j ∈ M(K) est aussi not´ : e e a1.n a2. alors ∆ = 0. ε(σ)aσ(1).1 a1. . a2.1 a2. . a1. D´terminant d’une matrice triangulaire : soit A = (ai. τ1 . On ne modifie pas la valeur de ∆ en ajoutant ` une colonne une combinaison lin´aire a e des autres colonnes. τ1..  a11 a12 a21 a22 3.. an.2 − a1. 3. Cσ(n) ) = ε(σ)∆. 4.1 On a donc detA = σ∈Sn a1. Soit I la matrice unit´ d’ordre n. Si n = 3. Th´or`me 7.n ou encore |ai.4 D´terminant d’une matrice carr´e e e D´finition 7.j ) ∈ M(K) une matrice triangulaire e sup´rieure (resp. Cn ) d´pend lin´airement de chaque Ci . 1.j ∈ M(K).. e 95 . . 4. τ1. .2 }. On a les r´sultats suivants : e e e 1.7.2 .2 . .  a13 a23  et S3 = {id. τ1.3 . . Preuve.7.8.n . e Corollaire 7. ses vecteurs colonnes sont les vece teurs de la base canonique de Kn .1 a2. Si σ ∈ Sn .. .. ..2 . . τ2.17. Exemple 7.18 d´coule du fait que le d´terminant est une forme multil´aire e e e e e altern´e.ann = i=1 aii . on pose C1 . Soit A = ai. a1. .2 2. ∆ = detB (C1 ..20. e 7. (B base canonique de Kn ) e e 2.j |.5 Propri´t´s et calcul des d´terminants e e e Soit A = (ai .. Cn les colonnes de A. en ) = 1.aσ(n).2 a2.3 . . τ2 } avec a33 et σ2 = 1 2 3 3 1 2 ε(σ1 ) = ε(σ2 ) = 1. Voir s´rie d’exercice N o . an.. .1 . .. a2.. Soit A = ai.2 det(A) = a1.19..2 . . inf´rieure) e e n det(A) = a11 . le e e determinant de la suite (C1 . . .n . . . donc detIn = det(e1 .j | = detA. Si n = 2 donc A est de la forme A = et S2 = {id.j ∈ M(K) et λ ∈ K .1 a2.. . Le d´terminant de A = ai. On appelle d´terminant de A et on note det(A).. j) ∈ M(K) et ∆ = |ai.. detB (Cσ(1) ..18.1 .. Cn ) de ses vecteurs colonnes dans la base canonique de Kn . Le th´or`me 7.1 . an. on a det(λA) = λn detA Th´or`me 7..

...n = 0 pour 1 ≤ i ≤ n − 1.. .  a1.bσ(n).. On a detB (v1 . 1 ≤ j ≤ n.. e e e e D´finition 7. . en ) = ε(σ)bσ(1).1 . vn−1 .bn. on a bσ(n).n sont les coordonn´es du vecteur e en de la base B). vn−1 .j = aj.. on a ∆ = n (−1)i+j ∆i. Cn les vecteurs colonnes de la matrice A : ck =  .. a e Preuve.1 .j (c’est le d´veloppement i=1 de ∆ par rapport ` la j`me colonne). a e e 2. . . n − 1} est un ´l´ment a ee σ de Sn−1 et on a : ε(σ)bσ(1). et d’un seul.1 .n .. On ape e pelle mineur du coefficient ai. tel que a σ(n) = n. . 1 ≤ i ≤ n..n = ε(σ −1 )b1...n . 1 ≤ j ≤ n−1. 1 ≤ i ≤ n. 1 ≤ j ≤ n.σ−1 (1) .. e dans A. vn−1 . (b1.. n−1 vecteurs de Kn avec vj = n bi. Si σ(n) = n...bσ(n).1 ..20 il suffit de prouver le premier point. On a At = (bi..6...bσ (n−1).n = ε(σ )bσ (1). Soit A = (ai.k pour 1 ≤ k ≤ n. j) ∈ M(K). On a donc detB (v1 . Soit ∆ = |ai.k  .j ) avec bi. et detAt = σ∈Sn ε(σ)bσ(1)..22...21..  e e .. 96 σ∈Sn−1  .1 .j |.1 . e e e Soit B = (e1 .1 . Enfin.σ−1 (n) = σ∈Sn ε(σ −1 )aσ−1 (1). Or ε(σ)bσ(1).. en ) = ε(σ )bσ (1). e e Th´or`me 7.bn. .. e 1.n-1} d’un seul σ ∈ Sn . donc e detAt = ρ∈Sn ε(ρ)aρ(1).  Deuxi`me ´tape : Soit C1 . et e e e a ∆i.j (c’est le d´veloppement j=1 de ∆ par rapport ` la i`me ligne).bσ (n−1).) Ainsi : detAt = σ∈Sn ε(σ −1 )b1.... 1 ≤ i ≤ n.j ai. Soit A = (ai ..j ei . Quel que soit l’indice j. L’application ϕ : Sn −→ sn d´finie par ϕ(σ) == σ −1 est une bijection.σ−1 (1) .j obtenue en supprimant..n . bn.. ` coefficients dans K.n = 1 et bi. la restriction de σ ` {1. 1 ≤ j ≤ n.n = 0.i . Quel que soit l’indice i..n−1 .bσ(n).n ..j .n = detA.Preuve. tout σ ∈ Sn−1 est la restriction ` {1..j le d´terminant ∆i.j le mineur de ai.. D’apr`s le th´or`me 7..aσ−1 (n).18 s’´tendent aux lignes de la matrice A.bσ(n). σ∈Sn Si σ(n) = n. an.j ) ∈ M(K)n ≥ 2 et le d´terminant ∆ = detA = |ai..aρ(n). la i`me ligne et la j`me colonne. Les r´sultats du th´or`me 7.j | un d´terminant d’ordre n ≥ n.. Premi`re ´tape : Soit v1 . on a ∆ = n (−1)i+j ∆i.1 .j ai.. C2 ... v2 . Remarque 7..n−1 ..σ−1 (n) (car ε(σ) = ε(σ ) et si i = σ(j) on a j = σ −1 (i). e e i=1 Posons bn.j de la matrice Ai... en ) la base canonique de Kn .

Cj+1 . . . Cj−1 . en ) une base e e de E. .. en ). Cn . Cj+1 . . La suite (x1 . Cj+1 . D’o` finalement : u detA = i=1 n (−1)i+j ai... xn ) = 0.6. Supposons que (x1 .. Cj−1 . . Preuve. e e e e C. xn ) soit li´e.. Cn ..e. . ..k  1 ≤ k ≤ n. Pour que la suite (x1 . . . k = j. Cj+1 ..   . C. par suite. . .. . par ´change de la i`me ligne et de la n`me. Si A ∈ Mn (K).. . .   .N. Corollaire 7. .On a : n n det(A) = det(C1 . Donc : detB (C1 ..     .23.. Cn ) = i=1 ai. .. Cj+1 . . .. Cn . . . ei . . alors.. .v. en appliquant l’´tape 1) ` la suite e a (v1 .k  ai.. . Soit E un K.24. .    ai−1. ... ei . . ... Cj+1 . de dimension finie n ≥ 1 et B = (e1 ... puisque detB est une forme multie lin´aire al´rn´e. . xn ) = 0. Cn ). on a (−1)n−j+n−i = (−1)i+j .. on a (d’apr`s section I) detB (x1 ... Cn ) = (−1)n−j+n−i detB (C1 .j ∆i. Cj−1 . Cj−1 . . . D’apr`s la proposition 7.1 Applications des d´terminants e Ind´pendance lin´aire de n vecteurs dans un e.detB (B ) = 1.. en ) D’une part. . Cj−1 . on obtient : e e e detB (C1 ..j . . . e detB (C1 . . o` u  a1. . . xn ) = 0.v. . nous obtenons : detB (C1 . d’autre part. ei ) = (−1)n−i detB (C1 . Or on a par ´change de colonnes... .16 detB (B). Cj+1 . xn ) est libre dans E et contient n vecteurs.. . . Cn . . donc c’est une base de E qu’on note B . . . . . . ei ..j detB (C1 . xn ) ∈ E n soit libre.S. il faut et il suffit que detB (x1 . Cn ) = (−1)i+j ∆i.    an. . .. . Cn ) = (−1)n − jdetB (C1 .. Cj+1 .k   . Donc detB (B ) = e detB (x1 . Cj−1 . ei .k  . i=1 ai. . . 7. . . . . . Cj−1 .vn−1 = (C1 ... Cj−1 .j .k    Ck =  ai−1. e2 . on a rg(A) = n ⇐⇒ detA = 0... ei ).... . ..... 97 .j ei . . de dimension n e e Th´or`me 7. . Cn−1 ).6 7.

.. en ) = detB (ϕ(e1 )... ϕ(en )) = α.. ϕ(xn )) = αdetB (x1 ... . xn ) = detB (x1 . .... ... xn ) ∈ E n . ϕ(xn )) et detB (ϕ(x1 ). . xn ) = Cϕ detB (x1 ..25. en ) de E et toute suite (x1 . . u e Existence : Soit B = (e1 .. Unicit´ : Soit Cϕ et Cϕ ∈ K telles que pour toute suite (x1 .. ϕ(xn ))) f et g sont deux formes multilin´iares altern´es. en ) = α D’apr`s le th´or`me 7. .. on a detB (ϕ(e1 . .. .. .. xn )) = Cϕ detB (x1 .. De plus..... ϕ(xn )) = detB (B )detB (ϕ(x1 ). en ) une base fix´e dans E.... D’o` l’unicit´.. .14 on a f = g.. . ϕ(xn )) = Cϕ detB (x1 ... .. xn ) = (e1 .. . en )... .2 D´terminant d’un endomorphisme e Th´or`me 7.. et D´finition Soit E un K−espace vectoriel de dimension n ≥ 1.. ........ . Donc : e e e ∀(x1 . on ait detB (ϕ(x1 ).. xn ). .. ... . ϕ(xn )) = αdetB (x1 .. Ce qui termine la preuve. .. e e f (e1 .... . ϕ(en ))....... . Ind´pendance de la base de E : Soit B une base quelconque de E.. . xn ). en ) = Cϕ detB (e1 . e Soit f et g deux applications de E n dans K d´finies par : e f (x1 ... 98 .. en )) = Cϕ detB (e1 .. xn ) = αdetB (B )detB (x1 .. et g(x1 .. en ) = Cϕ = Cϕ . En simplifiant par detB (B ) = 0.16.7. On prend Cϕ = α. xn ). xn ) = detB (ϕ(x1 .6.. on a : detB (ϕ(x1 ). detB (ϕ(x1 ). . .. .xn ) = αdetB (x1 . Posons α = detB (ϕ(e1 ). et une seule. ... xn ). xn ) ∈ E n ... La constante Cϕ est appel´e le d´terminant de l’endomorphisme ϕ et se note detϕ.. xn ). e e Preuve.. xn ) ∈ E n .... on ait e detB (ϕ(x1 . . Il existe une constante Cϕ ∈ K....... Soit ϕ ∈ e e e L(E). e2 ... xn )..... en )) = αdetB (e1 . telle que pour toute base B = (e1 .. .. et g(e1 .. .. .. . D’apr`s e e la proposition 7... En particulier pour (x1 . . On obtient : detB (ϕ(x1 ). ..... ϕ(xn )) = αdetB (x1 ..

jk . 1 ≤ j ≤ n. ai1 . 7.. 1 ≤ i ≤ n . 1. Soit A ∈ Mn (K) et B ∈ Mn (K). ψ(en )) = detϕ ..27. 2.j2 . Voir TD. ϕ(en )) = 0.detψ..4 Calcul du rang d’une matrice D´finition 7.. . Le d´terminant d’un endomorphisme ne d´pend pas de la base de e e E.. ..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. aik .j2 .. Si B = (e1 .j1 ai1 . . Par suite.j ) ∈ Mn (K) et B sa comatrice. ϕ(ψ(en ))) = detϕdetB (ψ(e1 ).30.j = (−1)i+j ∆i.29. . . alors det(ϕoψ) = detϕ.. 1.6. La matrice B = (bi.Remarque 7. ϕ ∈ L(E) automorphisme de E ⇐⇒ det(ϕoϕ−1 ) = detϕ. < jk ≤ n. le d´terminant de toute matrice carr´e obtenue e e e en supprimant dans A.j et bi.. . . .26. on a detϕ = detB (ϕ(e1 ).. . < ik ≤ p et 1 ≤ j1 < j2 < . u 99 .detψ 2. On a B t . Donc 1 detϕ−1 = detϕ Corollaire 7. .. ∆i. Preuve. en ) est une base de E et si A est la matrice de ϕ dans la base B.j le mineur de ai. . . 1 Si A ∈ Mn (K) est inversible.. c’est ` dire tout d´terminant de la a e forme : ai1 .j . . . 2.B t = (detA).jk ai2 . On e appelle d´terminant d’ordre k extrait de A..v. detϕoψ = detB (ϕoψ(e1 ). 1 2. .. alors : detϕ−1 = detϕ . . . Preuve. Soit ϕ ∈ L(E) un automorphisme de E. .. on a : ϕ est un automorphisme de E ssi detϕ = 0.j e le cofacteur de ai. Soit A ∈ Mn (K). A est inversible ssi detA = 0. Donc (ϕ(e1 ). . ϕ(en )) = detA.7. Soient A = (ai. 7. ϕ(en )) est une base de E.j2 . ϕoψ(en )) detB (ϕ(ψ(e1 )). Si ϕ ∈ L(E) et ψ ∈ L(E).6.. Th´or`me 7. de dimension n ≥ 1. ai2 .28. e e 1. n}.A = A..j ) ∈ Mn (K) .detB.In .. aik . . . Soit E un K−e. Soit E un K−e.j ) ∈ Mn (K) est appel´e la e comatrice de A et on note B = comA. A = (ai. . detB (ϕ(e1 ). alors detA−1 = detA ... de dimension n et ϕ ∈ L(E). Si A est inversible : A−1 = detA B t .. Soit ϕ ∈ L(E). Soit A(ai. 1. .n (K) et soit k un entier tel que 1 ≤ k ≤ inf {p.. Th´or`me 7..v. .j ) ∈ Mp. p − k lignes et n − k colonnes.detϕ−1 = detIE = 1..j1 aik . 2..j1 ai2 .jk o` 1 ≤ i1 < i2 < . e e 1. on a : det(AB) = detA.

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

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

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

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

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}. e Remarque 8. Dans ce chapitre. et si α ∈ K. α = 0. etc. Preuve. λ = λ . Autrement dit (f − λId) n’est pas injective. puisque x = 0. 104 . sible de certains calculs comme par exemple : d´t Mf . car f (αx) = αf (x) = αλx = λ(αx). Si λ ∈ K est une valeur propre de f . λ ∈ K est une valeur propre de f si. Dans ce cas x s’appelle un vecteur propre associ´ ` la valeur propre λ. αx est aussi e a vecteur propre associ´ ` λ. Le scalaire λ (qui d´pend de x) est unique .. Le probl`me consiste ` : e a 1.x.2 Vecteurs propres et valeurs propres d’un endomorphismes : D´finition 8. L’int´rˆt de travailler avec des matrices diagonales est la r´alisation pose e e k . si elles existent. ea Remarque : 1. k ∈ N. Mf e 8.2. les bases dans lesquelles la matrice de f est diagonale. un vecteur propre associ´ ` λ n’est pas unique..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. si x est un vecteur propre associ´ ` λ. ea Proposition 8. On dit que λ ∈ K est une e valeur propre de f . et seulement si Ker(f − λId) = {0}. e f (x) = λx = λ x. tel que f (x) = λ. quelconque et f ∈ Lk (E).1. s’il existe x ∈ E avec x = 0. en effet.D´terminer. Soient E un K − e. ea En effet.Caract´riser les endomorphismes diagonalisables e 2.v. 2.1.Chapitre 8 ´ REDUCTION DES ENDOMORPHISMES 8. implique (λ − λ )x = 0 et donc.

. on a det(f − λId) = det(A − λIn ) = Pf (λ)..3... D’apr`s la proposition 8.8. + Eλm est direte. Polynˆme caract´ristique o e D´finition 8.Si α = 1. Alors la somme Eλ1 + Eλ2 + . Si λ = 0 et P = 0. λ2 . on a λP = 0.5. du polynˆme caract´ristique Pf (X). Le polynˆme caract´ristique de l’endomorphisme f est un polynˆme ` coefficients dans o e o a o 9) K. et λm des valeurs propres deux ` deux distinctes de f . e D´finition 8. Dans toute la suite E est un K. A ecrire. donc λ = 0 est valeur propre de f . etc. Th´or`me 8. Si A est la matrice de f dans une base B et si λ ∈ K.e. ` f − λId e e a n’est pas automorphisme. E de dimension finie. Or P = 0 ou do P = do P − 1. Proposition 8..7.. dans K. . ea On note Eλ = Ker(f − λId). Exemple Soit E = C[x] et f ∈ Lk (E) d´finie par : e f: C[x] −→ C[x] . de degr´ n = dimE (voir EX. la valeur propre λ est dite simple . le polynˆme Pf (X) = det(f − λId) = det(A − λIn ). Soient f un endomorphisme de Eet λ1 . 8.. Soit f un endomorphisme d’un K-e. E ´tant de dimension finie. λ ∈ K est valeur propre de f si et seulement si l’endoe morphisme f − λId n’est pas injectif. de multiplicit´ e o e e α ≥ 1. o` A est la matrice o u de f dans une base quelconque de E.1 Calcul des valeurs propres. et seulemnt si det(f − λId) = 0.v. .. 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. on a P = 0 et f (P ) = 0 . a Preuve.2. Donc Ker(f ) = C.si α = 2. Cette derni`re condition ´quivaut ` e e a det(f − λId) = 0. dans K. De plus f (P ) = 0 implique P ∈ C. l’entier α est appel´ la multiplicit´ de la valeur propre λ.1 s´rie N e e 105 . e Si P ∈ C.6. Si λ ∈ K est une valeur propre de f .4.. du polynˆme caract´ristique Pf . D’apr`s la proposition 8. et on note e o e Pf (X) (ou Pf ).D´finition 8... λ ∈ K une valeur propre de f si.. e e . e e Les valeurs propres de f sont les racines. Proposition 8. λ est valeur propre de f si et seulement si Pf (λ) = 0. Preuve. Ker(f − λId) est appel´ le sous-espace e e propre de f associ´ ` la valeur propre λ.. P = 0. Donc f (P ) = λP . o e Preuve.. de dimension finie.v. la valeur propre λ est dite double. On a do (λP ) = do P . P −→ P Montrons que λ = 0 est la seule valeur propre de f et d´terminons E0 . Si λ est racine . ce qui ´quivaut.6.. Remarque : 1.2... On appelle polynˆme caract´ristique de l’endomorphisme f .

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

On a ∀x ∈ Eλ f (x) = λx. et soit λ une valeur propre de f . Alors dimK Eλ = dim ker(f − λI) = n − r o` r d´signe le rang u e de la matrice (A − λIn). ∗ Montrons que Eλ est stable par f (i. g = f /Eλ . y=0 5x + y + 2z = 0 −5 −5 x)/x ∈ R} = {x(1.10. o` x ∈ Eλ donc f (y) = f (f (x)) = f (λx) = λf (x) = λy. cherchons E−2 :   −2x − 2z = 0 3y = 0 (A + 2I)x = 0 ⇐⇒ ⇐⇒  5x + y + 5z = 0 Donc E2 = {(x.  (A − λI)X = 0 o` x =  . xn Pour λ = 1. −x)/x ∈ R} = {x(1. 0. −5 ) engendre E1 donc dimE1 = 1. Touvons l’ensemble des vecteurs propre de A. donc y ∈ Eλ . . a Soit (e1 .2 Sous-espaces propres Th´or`me 8. cherchons E1 :   −5x + 0y − 2z = 0 0x + 0y + 0z = 0 ⇐⇒ (A − I)X = 0 ⇐⇒  5x + y + 2z = 0 Donc E1 = {(x. )}. Soit y = f (x). . ep ) une base de Eλ .  u . donc dimE−2 = 1.9. : 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. Alors. Soit p = dimK Eλ . alors g ∈ LK (Eλ ). 8. 0. 1) engendre E−2 . 0. y=0 x+z =0 V2 = (1. 107 .2. 0. de multiplicit´ α. f (Eλ ) ⊆ Eλ ). : e e Soit f un endomorphisme d’un K-espace vectoriel de dimension finie n ≥ 1. . on a : e dimK Eλ ≤ α D´monstration : On a λ est racine de multiplicit´ α de Pf .e.e. donc il existe Q ∈ K[X] tel e e que : Pf (X) = (X − λ)α Q(X) et Q(λ) = 0. . 2 2 V1 = (1. 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. Cela revient ` r´soudre le syst`me lin´aire a e e e   x1  . 2 Pour λ = −2.On a deux valeurs propres λ = 1 qui est une valeur propre double et λ = −2 une valeur propre simple. Soit g u la restriction de f ` Eλ i. 0. 0. 1)/x ∈ R}.

. s’il existe une base B = (e1 . . D’o` u  M at(g.. . 0 µn Alors. en ) une base de E dans laquelle la matrice D de f est diagonale :   µ1 0 . . . 0        = (−1)p (x − λ)p   0 λ λ − X 0 . . . on a dim Eλ = 1. qui non nul. on a ee Pf (X) = (λ1 − X)α1 . . que Pg /Pf par suite.D. .. .(µn − X). Donc Pg (x) =   . e (X − λ)p /(X − λ)α . .(λp − X)αp . 1 ≤ i ≤ n. 0  .. e R´ciproquement. .. .4 G´n´ralit´s e e e D´finition 8.  .. .  . ep )) =   λ ... il faut et il suffit qu’il existe une base de E constitu´e de vecteurs propres de f . on a f (ei ) = µi ei . Si λ est valeur propre simple de f . . . on a f (ei ) = µi ei .. en ) de E constitu´e de vecteurs propres de e f . .. . Corollaire : Soit f un endomorphisme d’un K-espace vectoriel de dimension finie. 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. 0  . chacune ´tant e ´crite un nombre de fois ´gal ` sa multiplicit´.   0 . .12.3 Diagonalisation On suppose que E est un K-espace vectoriel de dimension finie n ≥ 1. .. 8. est un vecteur propre de f associ´ e ` la valeur propre µi .. On dit que f est diagonalisable s’il existe e une base de E dans laquelle la matrice de f est diagonale. e e a e D´monstration. Pour que f soit diagonalisable. 0  . 0 λ − X On sait d’apr`s T. µi ∈ K. 8.   D= . En groupant les facteurs du premier degr´ ´gaux... .. . 0 . . soit B = (e1 .. . 0 . et les coefficients µi sont les valeurs propres de f . .. Alors la matrice de f dans une telle base est une e matrice diagonale dont les coefficients diagonaux sont les valeurs propres de f . 0 0 .. 1 ≤ i ≤ n. donc Q et (X − λ)p sont premiers entre eux..  .Q Q(λ) = 0. ... Proposition 8..  . a On a Pf (X) = det(D − XIn ) = (µ1 − X). et ei . e Si f est diagonalisable.11. . (e1 . .  . . et la matrice de f dans la base B est la matrice diagonale 108 . Soit f un endomorphisme de E. pour 1 ≤ i ≤ n..

D’apr`s la proposition 8.. Cependant. Bp ) est une base de E = F et e c’est une base de E constitu´e de vecteurs propres de f .. D’apr`s le th´or`me ? du e e e e i=1 i=1 chapitre ?. e dim Ei = 1. en ) une base de E constitu´e de vecteurs e e propres de f .13.. (B . .. Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E). Soit A ∈ Mn (K). Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie e e n ≥ 1. ` une matrice diagonale. F = p Ei . Pf (X) = det(λIn − XIn ) = (λ − X)n et λ est valeur propre e de f de multiplicit´ n. dim F = p dim Ei et si Bi est une base de Ei .. f ´tant diagonalisable.. sa matrice dans n’importe e quelle base ´tant λIn . c’est-`-dire s’il existe une matrice P ∈ Mn (K). Donc p 1≤i≤n dim Ei = n i=1 Par suite f est diagonalisable.ci-dessus. o` dim E = n. e e Pour que f soit diagonalisable il faut et il suffit : 109 . admettant des valeurs propres. e On a d’apr`s le corollaire.. a a −1 AP soit diagonale. telle que la matrice P 8.. Pour 1 ≤ j ≤ n. i=1 D´monstration.4. dans Mn (K). 1 ≤ i ≤ p. u i=1 Alors : p dim Ei = dim F = dim E = n i=1 (b) =⇒ (c). u D´monstration. Si f admet n valeurs propres distinctes. f est diagonalisable. 1 ≤ i ≤ p. e Donc f est diagonalisable. On dit que A est diagonalisable sur K.. B = (B1 . Ce corollaire donne une condition suffisante pour qu’un endomorphisme soit diagonalisable.5 Caract´risation des endomorphismes diagonalisables e Th´or`me 8. (c) E = p Ei . λp .2.15. Alors les e a assertions suivantes sont ´quivalentes : e (a) f est diagonalisable . inversible. . .14.. i=1 i=1 (c) =⇒ (a). e Th´or`me 8. soit B = (e1 .. e Posons F = p Ei . D´finition 8. p dim Ei = n implique dim F = dim E et donc E = F = p Ei .. Cette condition n’est pas n´cessaire comme le montre l’exemple suivante : e soit l’homoth´tie vectorielle f : x −→ λx . Bp ) est une i=1 base de F . Bi ´tant une base de Ei . on a ej ∈ ∪p Ei ⊂ F d’o` E ⊂ F et E = F . p (b) i=1 dim Ei = n(= dim E) . (a) =⇒ (b). Soit λ1 . Remarque 8. si elle est seme blable. et soit Ei = Ker(f − λi I) le sous-espace propre associ´ ` la valeur propre λi . alors f est diagonalisable. corollaire. . toutes les valeurs propres distinctes de f .

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

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

on a Pf (f ) = 0. o` Pf est le polynˆme caract´ristique f . Voir exercice 7.18.Th´or`me 8. u o e Preuve. (th´or`me de Cayley-Hamilton) e e e e Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie n ≥ 1. 112 .

a 4) D´duire que Pg divise Pf . Soit 113 . Exercice 4. Montrer par r´currence que e detM = detA. Soient A et B deux matrices de Mn (K) .1 Calculer les valeurs propres de A. on pose Eλ = Ker(f − λI) le sous-espace propre associ´ ` la ea valeur propre λ. 2) Montrer que Pf est un polynˆme ` coefficients dans K de degr´ n. 5. 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.2 D´terminer une base de chacun des sous espaces propres de A..7 Exercices Exercice 1. Montrer que g ∈ LK (Eλ ).detB. 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) = ∅. avec K = C et n ∈ N∗ . Soit λ une valeur propre de f . Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E). 2) Soit M ∈ Mn (K) une matrice carr´ de la forme : e M= A C 0 B avec A ∈ Mp (K) . o a e 3) D´montrer que deux matrices carr´es semblables de Mn (K) ont mˆme polynˆme cae e e o ract´ristique. e e 5) Soit la matrice :   −4 0 −2 A= 0 1 0  5 1 3 5. Montrer que : PA−1 (λ) = (−λ)n 1 PA ( ). 3) Soient g la restriction de f ` Eλ .. B ∈ Mn−p (K) et C ∈ Mp.. det(A) λ o` PA est le polynˆme caract´ristique de A. Calculer a0 et an . e2 . e La r´ciproque est-elle vraie ? e 4) D´duire que deux matrices semlables ont les mˆmes valeurs propres. e Exercice 3. . 1) Montrer que Eλ est stable par f .8. u o e 2) On appelle spectre de A l’ensemble des valeurs propres de A. en ) une base de E.n−p (K). 1) Si A est une matrice inversible et λ ∈ K∗ . Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E). e Exercice 2.

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

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

(Application de la diagonalisation) 1) Calculer M n . c.e.2) Prouver qu’il existe λ ∈ R tel que A − λI3 soit nilpotente. y)) = (−y. x). par diagonalisation.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).E = R2 et f la rotation d’angle π i.Les projecteurs c’est-`-dire les endomorphismes f non nuls de Rn .  116 . e e 2 d. Calculer un et vn en fonction de u0 v0 et n. 6.E = R3 et f est la symertie orthogonale par rapport au plan P d’´quation x + y + z = 0. n ∈ N∗ .1) Calculer le polynˆme caract´ristique PA de A. Chercher les valeurs propres et les sous espaces propres associ´s aux applications classiques : e a. A est -il diagonalisable ? o e 6. e Exercice 10. l’application lin´aire d´finie par : f ((x. o` M est une matrice carr´e : Soit u e  0 1 0 M = 1 0 1  1 1 1 Calculer M n . diff´rents de l’identit´ a e e de Rn et tels que f 2 = f .Les homoth´ties λId e b. 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 . 0 0 1 Exercice 9.6.

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

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

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

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

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

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

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

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

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

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

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

Sign up to vote on this title
UsefulNot useful