Vous êtes sur la page 1sur 54

1

AbdelMalek Essaadi
Universite
Facult
e des Sciences et Techniques Tanger
D
epartement Des Sciences Math
ematiques

Pr
eface

Ce polycopie sadresse aux etudiants de la premi`ere annee du DEUG scientifique. Il constitue le


programme du module M111 enseigne `a la FSTT. Des exemples dillustration y sont proposes. Des
demonstrations de certains theor`emes et propositions sont egalement presentees.
Le polycopie contient huit chapitres:

Introduction lalg`
ebre lin
eaire

Ensembles, Applications, Relations


Espaces Vectoriels
Applications lineaires
Matrices
Determinants et leurs applications
Polynomes

Modules M111

Fractions Rationnelles
Reduction des endomorphismes
Une serie dexercices est presentee `a la fin de chaque chapitre. Cette serie dexercice contient
egalement des examens proposes `a la FSTT depuis 1996.

A lusage des etudiants du DEUG MIPC et DEUT

Nous vous remercions par avance pour toute remarque ou critique et/ou suggestion constructive
et nous vous souhaitons bon courage.

Abdesslam ARHRIB
Tanger le 10 Octobre 2007.
Abdesslam ARHRIB
email: aarhrib@ictp.it

Table des mati`


eres

1 Ensembles, Applications, Relations


1.1 Notions de Logique . . . . . . . . . . . . . . . . . . .
1.2 Notions elementaires de theorie des ensembles. . . .
1.2.1 Inclusion et egalite . . . . . . . . . . . . . . .
1.2.2 Reunion, intersection et complementaire. . .
1.3 A propos des Applications . . . . . . . . . . . . . . .
1.3.1 Notion de relation, graphe, correspondance .
1.3.2 Application surjective . . . . . . . . . . . . .
1.3.3 Application injective . . . . . . . . . . . . . .
1.3.4 Image et Image reciproque dun ensemble par
1.3.5 Composee dapplications . . . . . . . . . . . .
1.4 A propos des Relations . . . . . . . . . . . . . . . . .
1.4.1 Relations . . . . . . . . . . . . . . . . . . . .
1.4.2 Relations binaires . . . . . . . . . . . . . . .
1.4.3 Relation dequivalence . . . . . . . . . . . . .
1.4.4 Classe dequivalence . . . . . . . . . . . . . .
1.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
une application.
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

7
7
9
10
10
11
11
12
12
12
13
14
14
14
15
15
16

2 Espaces Vectoriels
2.1 Loi de composition interne et externe: . . . . . . . . . . . . . . . .
2.1.1 Loi de composition Interne . . . . . . . . . . . . . . . . . .
2.1.2 Loi de composition externe . . . . . . . . . . . . . . . . . .
2.1.3 Structure despace vectoriel sur IR o`
u C.
l . . . . . . . . . . .
2.1.4 R`egles de calcul dans un espace vectoriel . . . . . . . . . . .
2.2 Sous espaces verctoriels . . . . . . . . . . . . . . . . . . . . . . . .
2.3 Base dun espace vectoriel . . . . . . . . . . . . . . . . . . . . . . .
2.3.1 Famille generatice. . . . . . . . . . . . . . . . . . . . . . . .
2.3.2 Famille libre, famille liee. . . . . . . . . . . . . . . . . . . .
2.3.3 Base dun espace vectoriel, Dimension dun espace vectoriel.
2.4 Exercices resolus . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.

19
19
19
20
21
22
23
24
24
25
27
28
31

3 Applications lin
eaires
3.1 Definitions et exemples . . . . . . . . . . . . . . . . . .
3.2 Proprietes des applications lineaires . . . . . . . . . .
3.3 Noyau et image dune application lineaire . . . . . . .
3.4 Rang dun syst`eme de vecteurs, rang dune application
3.4.1 Rang dun syst`eme de vecteurs . . . . . . . . .
3.4.2 Rang dune application lineaire . . . . . . . . .
3.5 Exercices resolus . . . . . . . . . . . . . . . . . . . . .
3.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

35
35
36
37
39
39
40
41
43

. . . . .
. . . . .
. . . . .
lineaire
. . . . .
. . . . .
. . . . .
. . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

4 Matrices
4.1 Matrice dune application lineaire . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.1 Matrices particuli`eres . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.2 Des exemples classiques . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2 Operations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.1 Addition des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.2 Produit par un scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.3 Transposee dune matrice . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2.4 Produit des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3 Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.1 Matrice de passage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3.2 Action du changement de base sur les composantes dun vecteur . . . .
4.3.3 Action du changement de base sur la matrice dune application lineaire:
4.4 Exercices resolus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

45
45
46
48
49
49
49
50
50
52
52
53
54
55
59

5 D
eterminants et leurs applications
5.1 Determinant dun syst`eme de n vecteurs . . . . .
5.1.1 Permutation: . . . . . . . . . . . . . . . .
5.1.2 Signature dune permutation . . . . . . .
5.1.3 Determinant dun syst`eme de vecteurs. . .
5.2 determinant dune matrice: . . . . . . . . . . . .
5.2.1 Proprietes: . . . . . . . . . . . . . . . . .
5.2.2 regles pratique: . . . . . . . . . . . . . . .
5.2.3 Inverse dune matrice carree . . . . . . . .
5.2.4 determination du rang dune matrice: . .
5.2.5 Exemples de calcul de determinants. . . .
5.3 Application `a la resolution des equations lineaires
5.3.1 Resolution des syst`emes lineaires . . . . .
5.4 Exercices resolus . . . . . . . . . . . . . . . . . .
5.5 Exercices . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

63
63
63
63
63
64
64
65
65
66
66
66
67
69
73

. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
deux polynomes
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

75
75
75
75
75
76
76
77
77
77
77
78
78
79
79
79
80
80
81
84

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

6 Polyn
omes
6.1 Notions generales. . . . . . . . . . . . . . . . . . . . . . . . .
6.1.1 Definition dun polynome . . . . . . . . . . . . . . . .
6.1.2 Egalite de deux polynomes . . . . . . . . . . . . . . .
6.1.3 Operation sur K[X] . . . . . . . . . . . . . . . . . . .
6.1.4 Notion dindeterminee. . . . . . . . . . . . . . . . . . .
6.1.5 Degre dun polynome `a une indeterminee: . . . . . . .
6.2 Division euclidienne-polynomes irreductibles . . . . . . . . . .
6.2.1 Division euclidienne (D.E). . . . . . . . . . . . . . . .
6.2.2 Exemple. . . . . . . . . . . . . . . . . . . . . . . . . .
6.2.3 P.G.C.D de deux polynomes . . . . . . . . . . . . . .
6.2.4 Algorithme dEuclide pour la recherche du P.G.C.D de
6.3 Polynomes irreductibles dans K[X] . . . . . . . . . . . . . . .
6.4 Fonction Polynome dune variable, racine dun polynome . .
6.4.1 Fonction polynome . . . . . . . . . . . . . . . . . . .
6.4.2 Derivee dun polynome . . . . . . . . . . . . . . . . .
6.4.3 Formule de Taylor pour les polynomes . . . . . . . .
6.4.4 Racine dun polynome . . . . . . . . . . . . . . . . .
6.5 Exercices resolus . . . . . . . . . . . . . . . . . . . . . . . . .
6.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.

5
7 Fractions Rationnelles
7.1 Corps des fractions . . . . . . . . . .
7.2 Decomposition en element simples. .
7.2.1 Division suivant les exposants
7.2.2 Resultats generaux. . . . . .
7.2.3 Decomposition dans C[X]
l
. .
7.3 Decomposition dans IR[X] . . . . . .
7.4 Exercices . . . . . . . . . . . . . . .

. . . . . . .
. . . . . . .
croissants:
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

87
87
88
88
89
90
91
93

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

8 R
eduction des endomorphismes
8.1 Vecteurs propres et valeurs propres dun endomorphisme
8.1.1 Vecteurs propres . . . . . . . . . . . . . . . . . .
8.2 Sous espace propre . . . . . . . . . . . . . . . . . . . . .
8.3 Polyn
ome caracteristique dun endomorphisme . . . . .
8.4 Diagonalisation . . . . . . . . . . . . . . . . . . . . . . .
8.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . .
8.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

95
. 95
. 95
. 96
. 98
. 100
. 104
. 108

8
P
V
V
F
F

Chapitre 1

Q
V
F
V
F

P et Q
V
F
F
F

Remarque:

Ensembles, Applications, Relations

Deux propositions sont incompatibles si leur conjonction est toujours fausse.


Exemple:
a. P et non P sont incompatibles.

1.1

Notions de Logique

b. x < 3 et x > 5 sont incompatibles.


c. x = 1 et x = 2 sont incompatibles.

Assertion
D
efinition: Une assertion est lenonce dune propriete qui est exclusivement vraie (V) ou fausse (F).

Disjonction:
La disjonction de deux propositions P et Q que lon note P ou Q est vraie si au moins lune des
propositions P, Q est vraie, fausse dans tous les autres cas.

Exemples:
a. 2 = 3 est une assertion fausse.
b. 6 > 2 est une assertion vraie.
c. Le Maroc est un pays du continent Americain est une assertion fausse.

P
V
V
F
F

Proposition:
D
efinition: Une proposition P est un enonce contenant une variable, elle sera vraie pour certaines
valeurs de la variable et fausse pour toutes les autres valeurs de la variable.
Exemple
x > 4 est une proposition, elle est vraie pour les nombres strictement superieurs `
a 4, fausse dans tous
les autres cas.

Il est un signe sur lequel il semble important de sattarder: . Quelle est la signification de P Q
ou P et Q sont deux propositions.
D
efinition: La relation (P ou Q) sappelle limplication de Q par P et se note:
P Q et senonce P implique Q .
P
V
V
F
F

D
efinition: La negation dune proposition P que nous noterons non P (ou P ) est vraie lorsque P
est fausse, fausse lorsque P est vraie.
P
F
V

P
F
F
V
V

Q
V
F
V
F

P ou Q (P Q)
V
F
V
V

Les deux derni`eres lignes de la table de verite de P Q montrent que P peut etre fausse alors que
limplication reste vraie et ce peut importe la valeur de verite de Q.
Exemple

Exemple:
P : x > 3;

P ou Q
V
V
V
F

Implication:

N
egation dune proposition.

P
V
F

Q
V
F
V
F

nonP : x 3

Conjonction:
D
efinition: Soient P et Q deux propositions. On appelle conjonction de P et Q que nous notons
P et Q la proposition qui est vraie si et seulement si P et Q sont vraies simultanement et fausses
dans tous les autres cas.
7

Les assertions suivantes sont vraies


1. 6 est un nombre premier Rabat est la capitale du Maroc
2. Tanger est la capitale du Maroc 6 est un nombre premier.
Si P Q: on on dit que:
P est une condition suffisante de Q,
Q est une condition necessaire de P.
Dans la pratique, une implication se demontre en supposant P vraie et en essayant detablir Q.

10

Equivalence:

1.2.1

D
efinition: Deux propositions P, Q sont equivalentes si chacune delle implique lautre (P Q) et
(Q P ). On note: P Q.

Inclusion

P
V
V
F
F

Q
V
F
V
F

P Q
V
F
V
V

P Q
V
V
F
V

QP
V
F
F
V

Dapr`es le tableau de verite, on conclut quune equivalence est vraie si P et Q ont exactement les
memes valeurs de verite.
Si lon a P Q: On dit que P est une condition necessaire et suffisante pour que Q soit vraie, Q est
une condition necessaire et suffisante pour que P soit vraie.
La demonstration dune equivalence consiste la plupart du temps `a faire deux demonstrations, lune
pour P Q, et lautre pour Q P . On peut aussi enchaner des equivalences, mais il faut justifier
chacune delles.

Inclusion et egalit
e

D
efinition: Etant donnes deux ensembles A et B. Nous dirons que A est inclus dans B, que A est
un sous-ensemble de B, ou que A est une partie de B, si tous les elements de A sont elements de B
et nous ecrivons: A B
A B (x A x B) .
on note aussi A B par B A et on lit B contient A.
Exemple:
Soit E = {a, b, c} .
P(E) = {, {a}, {b}, {c}, {a, b}, {a, c}, {b, c}, {a, b, c}}.
Tout element de P(E) est inclus dans E: E , {a} E, {a, b} E et {a, b, c} E.
Egalit
e
D
efinition: Deux ensembles A et B sont egaux sils sont formes des memes elements; on ecrit: A = B
(A = B)

Propri
et
es:

(A B et B A)

1) P et ( Q et R ) ( P et Q ) et R: Associativite de la conjonction.

(x A x B)

2) P ou ( Q ou R ) ( P ou Q ) ou R: Associativite de la disjonction.

1.2.2

3) P et ( Q ou R ) ( P et Q ) ou ( P et R ): Distributivite de la conjonction par rapport `


a la
disjonction.

Soient E un ensemble et A et B deux sous ensembles de E, A E , B E .

4) P ou ( Q et R ) ( P ou Q ) et ( P ou R ): Distributivite de la disjonction par rapport `


a la
conjonction.

R
eunion, intersection et compl
ementaire.

Intersection
Lintersection de A et B, notee A B est definie par:

5) (P Q) et (Q R) P R: Transitivite de limplication.

A B = {x E; x A et x B} E

6) (P Q) et (Q R) P R. Transitivite de lequivalence.

Lorsque lintersection de deux ensembles A et B est vide, on dit que A et B sont disjoints. Dans le
cas contraire, on dit que A et B se coupent.

7) P etQ P ou Q: Negation de la conjonction


8) P ouQ P et Q: Negation de la disjonction

Exercice: Montrer que A B A et A B B.

9) (P Q) (Q P ). La proposition Q P est la contraposee de P Q

R
eunion

1.2

Notions
el
ementaires de th
eorie des ensembles.

...Et mieux vaudra alors ne pas parler de theorie des ensembles mais simplement dun vocabulaire
ou dune grammaire... Laurent Schwartz
D
efinition: De mani`ere intuitive, nous definissons un ensemble comme etant une famille ou une
collection, E, dobjets a, b, c,.... appeles elements de E.
On note a A, on lit a appartient `a A ou a est element de A.

La reunion de A et B , notee A B, est definie par:


A B = {x E; x A ou x B} E
Lintersection et la reunion sont commutatives, cest `a dire: quels que soient les ensembles A et B:
A B = B A et A B = B A.
Exercice: Montrer que A A B , B A B

Exemples:

Compl
ementaire

A = {M aroc, Algerie, T unisie, Lybie} : ensemble des pays dAfrique du Nord.


B = {1, 3, 5, 7}: ensemble des nombres premiers inferieurs `a 10
IN: lensemble des entiers naturels.
ZZ: lensemble des entiers relatifs.

A une partie de E, on appelle complementaire de A par rapport `a E lensemble des elements de E


nappartenant pas `a A; on le note CEA .
CEA = {x E; x
/ A}

11

12

Exemple:

D
efinition dune application

IN = ZZ .
CIN = IN , CZ

D
efinition: Une application f de X Y est une correspondance entre un element de X et un
element de Y fonctionnelle par rapport `a cet element de Y , cest `a dire:

{0}

Exercices:
1. A (B C) = (A B) C = A B C
2. A (B C) = (A B) C = A B C
3. A (B C) = (A B) (A C)
4. A (B C) = (A B) (A C)
6.

CEA

CEB

CEAB

CEA

X X
x x

son graphe est G = {(x, y) X X; x = y}

Soient A et B deux ensembles, le produit cartesien de A et B, note A B, est defini par:


A B = {(x, y); x A, y B}
Exemples:
1. IR2 = IR IR est lensemble des points du plan reel.
2. A = {a, b, c}, B = {1, 2}
A B = {(a, 1), (a, 2), (b, 1), (b, 2), (c, 1), (c, 2)}
B A = {(1, a), (2, a), (1, b), (2, b), (1, c), (2, c)}
Cet exemple nous montre quen general A B 6= B A; le produit cartesien nest pas commutatif.

1.3.1

IdX :

CEB .

Produit

1.3

X est lensemble de depart de lapplication f , Y est lensemble darrivees de lapplication f limage


f (x) de x X par f est lunique element y = f (x) Y tel que (x, y) G. On dit que G est le graphe
de f .
G = {(x, y) X Y ; y = f (x)}
Exemple: Soit lapplication identique IdX :

5. A CEA = E ; A CEA =
CEAB

x X , il existe un seul y Y tel que y = f (x)

A propos des Applications


Notion de relation, graphe, correspondance

D
efinition 1: On appelle relation R entre deux variables decrivant respectivement deux ensembles
X et Y toute propriete definie sur X Y , cest `a dire une propriete caracteristique des elements dune
partie G de X Y .
G est le graphe de la relation R.
Soient x X et y Y ; on dit x et y sont en relation R(x, y) si (x, y) G, on note:
R(x, y) (x, y) G
D
efinition 2: Soient R une relation entre x element de X et y element de Y et G son graphe. On
appelle correspondance entre X et Y le triplet (X, Y, G). X est lensemble de depart, Y est lensemble
darrivee, G est le graphe de la correspondance.
D
efinition 3: Une correspondance (X, Y, G) est fonctionnelle par rapport `
a la deuxi`eme variable si:
x X , il existe un seul y Y tel que (x, y) G
Exemples:
a. G1 = {(x, y) IR2 ; y = x2 }; x IR, il existe un unique y IR tel que y = x2 IR . (x, y) G1
G1 est un graphe dune correspondance fonctionnelle.

b. G2 = {(x, y) IR2 ; y 2 = x} x X, il existe y1 = x et y2 = x tels que y12 = x et y22 = x;


donc G2 nest pas un graphe dune correspondance fonctionnelle.

1.3.2

Application surjective

On dit que lapplication f : X Y est surjective si pour tout y Y , il existe au moins un element
x X tel que y = f (x).
Exemple: lapplication
(
IR IR
f:
x x2
nest pas surjective, (pour tout y < 0 il nexiste pas de x reel tel que y = x2 )

1.3.3

Application injective

On dit que lapplication f : X Y est injective si elle verifie les deux proprietes equivalentes suivantes:
a. si x et x X et si f (x) = f (x ) alors que x = x .
b. si x et x X et si x 6= x alors f (x) 6= f (x )
La propriete b. nest rien dautre que la contraposee de a.
Exemple: x y = x2 nest pas injective: soit x 6= 0: x 6= x et f (x) = f (x) alors que x 6= x

1.3.4

Image et Image r
eciproque dun ensemble par une application.

D
efinition: Soit f : X Y une application. Soit A X (une partie de X) B Y (une partie de
Y)
a. limage de A par f notee f (A) est definie par:
f (A) = {y Y ; y = f (x)/x A} Y
b. limage reciproque de B par f notee f 1 (B) est definie par:
f 1 (B) = {x X, f (x) B} X
Propri
et
es Soit f : X Y une application.
1. f est surjective si et seulement si f (X) = Y .

13
2. f est injective si et seulement si pour tout y Y ; f 1 ({y}) a au plus un element cest `
a dire
vide ou bien contient un seul element.
Preuve:
1. Supposons que f est surjective et montrons que f (X) = Y .
f (X) Y , par definition meme de f (X). Montrons que Y f (X). Soit y Y , f etant surjective,
donc il existe x X tel que y = f (x) f (X) do`
u linclusion.
Reciproquement, si f (X) = Y alors pour tout y Y , y est element de f (X); donc il existe x X tel
que y = f (x) f est donc
( surjective.
IR IR
Exemple: Soit f :
; Gf = {(x, y) IR2 /y = x2 } est une parabole. Cette application
x x2

nest pas injective. Pour tout y > 0: f 1 ({y}) = { y, y}.


f nest pas surjective: f (IR) = [0, +[6= IR
Par contre : f : IR [0, +[ est surjective mais non injective, alors que: f : [0, +[ [0, +[ est `
a
la fois surjective et injective.

14
f (x) = f (x ), apr`es composition par g on obtient g(f (x)) = gof (x) = g(f (x )) = gof (x ). Comme
gof est injective alors x = x et donc f est injective.
3. f et g surjectives, donc f (X) = Y et g(Y ) = Z. Z = g(Y = f (X)) = gof (X) ce qui montre que
gof est surjective.
4. Supposons que gof est surjective et montrons que g est surjective. En effet, soit z Z, dapr`es la
surjectivite de gof , il existe x X tel que gof (x) = z, ce qui revient `a dire que g(f (x)) = z. Pour
tout z Z, il existe y = f (x) Y tel que g(y) = z, donc g est surjective.
5. f et g bijectives gof bijective decoule de 2. et 4.
(gof )1 est la bijection reciproque de gof definie de Z dans X. Soit z Z, on a:
on compose (7.6) par

g1

(gof )o(gof )1 (z) = z g[f [(gof )1 (z)]] = z


f [(gof )1 (z)]] = g1 (z)

on compose (2.13) par

f 1

Compos
ee dapplications

D
efinition: Soient f : X Y , g: Y Z deux applications de graphes respectifs G et H.
Lapplication composee gof : de X Z est definie par son graphe:
{(x, z) X Z, il existe y Y tel que (x, y) G et (y, z) H}
gof :

X Z
x gof (x) = g(f (x)) Z ; f (x) Y

(1.2)

on obtient:
(gof )1 (z) = f 1 [g1 (z)] = f 1 og1 (z)

1.3.5

(1.1)

on obtient:

(1.3)

on a donc pour tout z Z , (gof )1 (z) = f 1 og1 (z).

1.4
1.4.1

A propos des Relations


Relations

D
efinition: Une relation R entre X et Y , est la donnee de deux ensembles X et Y , et dune partie
G de X Y . Pour tout couple (x, y) de X Y on note:
xRy (x, y) G

ou encore:

Application bijective
D
efinition: Une application f de X Y est bijective si elle est `a la fois injective et surjective.
Si f est bijective et si G est son graphe, lensemble:
G1 = {(y, x) Y xX; (x, y) G} Y X
est un graphe dans Y X. Ce graphe definit donc une application f 1 : Y X appelee bijection
reciproque de f .
On a f 1 of = IdX ; f of 1 = IdY .
Th
eor`
eme: Soient X, Y , Z trois ensembles, f une application de X dans Y et g une application de
Y dans Z. On a les implications suivantes:
1. f et g injectives gof injective
2. gof injective f injective
3. f et g surjectives gof surjective
4. gof surjective g surjective
5. f et g bijectives gof bijective et (gof )1 = f 1 og1
Preuve:
1. Supposons que f et g sont injectives et montrons que gof lest aussi. gof est une application de X
vers Z; soit donc x, x X tel que gof (x) = gof (x ). On a donc g(f (x)) = g(f (x )) qui implique que
f (x) = f (x ) du fait de linjectivite de g. f etant injective donc f (x) = f (x ) implique que x = x .
On conclut donc que gof est injective.
2. Supposons que gof est injective et montrons que f est injective. Soient x, x X tel que

G = {(x, y) X Y /xRy}

G est appele le graphe de R, A est lensemble de depart et F est lensemble darrivee de R.


Lensemble de definition de R est: {x X/ il existe y Y, xRy}
Lensemble image de R est: {y Y / il existe x X, xRy}

1.4.2

Relations binaires

D
efinition: Soit E un ensemble.
1. Une relation binaire R est une relation de E vers E. Son graphe G est une partie de E E.
2. Une relation binaire R definie sur E est:
i. Reflexive si x E xRx

ii. Sym
etrique si x, y E ( xRy yRx
iii. Antisym
etrique si x, y E ( xRy et yRx) x = y
iv. Transitive si x, y, z E ( xRy et yRz) xRz

Exemple: On consid`ere la relation binaire R definie sur E = {1, 2, 3, 6} par: xRy si et seulement si
x divise y.
Le graphe G de R est defini par:
G = {(a, b) E E/ a divise b} E E

= {(1, 1), (1, 2), (1, 3), (1, 6), (2, 2), (2, 6), (3, 6)}

R est reflexive car, si pour tout a E a divise a.


R nest pas symetrique, 2 divise 6 mais 6 ne divise pas 2.
La relation est transitive: en effet, si a divise b et b divise c alors a divise c.

15

1.4.3

1.5

Relation d
equivalence

D
efinition: Une relation binaire R definie par son graphe G est une relation dequivalence si et
seulement si elle est reflexive, symetrique et transitive.
Exemples: Soit la relation binaire R definie sur IR par x, y G , xRy si et seulement si x = y.
i.) son graphe G = {(x, y) IR2 ; x = y} est la droite vectorielle y = x
ii.) R est reflexive, symetrique et transitive, cest donc une relation dequivalence.

1.4.4

16

Classe d
equivalence

D
efinition:
1. Soit R une relation dequivalence sur E. Pour x E , la classe de x modulo R (notee x
ou
cl(x)) est definie par
x
= cl(x) = {y E; xRy} E
2. lensemble de toutes les classes dequivalence est appele ensemble quatient de E par R note:
E/R.
Propri`
et
es:
1. Si R est une relation dequivalence sur E on a:
(x, y) E E , xRy cl(x) = cl(y)
2. Les classes dequivalence forment une partition de E, cest `
a dire (si cl(x) cl(y) 6= alors
cl(x) = cl(y) et la reunion de toutes les classes est lensemble E:
E = xE cl(x)
Exemple: La relation definie sur IR par: xRy si et seulement si x = y est une relation dequivalence.
x IR ;
cl(x) = {y IR/xRy} = {y IR/x = y} = {x}
xIR cl(x) = xIR {x} = IR, on a donc bien une partition de IR

Exercices

Exercice 1. A etant une partie quelconque de E, donner le resultat de chacune des operations suivantes:
CEA A; A A; A ; A E ; A E; E CEA ; E A CEA .
Exercice 2. A, B et C trois parties de E:
a. Montrer que CEAB = CEA CEB et CEAB = CEA CEB
b. Montrer que A (B C) = (A B) (A C) et A (B C) = (A B) (A C)
c. On definit la difference (B A) de deux ensembles A et B par:
B A = {x B et x
/ A}
Monter que B A = B (A B) = B CEA
Exercice 3. A et B etant deux parties quelconques de E, montrer que:
a. A B CEB CEA
b. A B = B A B = A
c. A B = A CEB
d. A B = E CEA B
Exercice 4. Soit A, B et C trois elements de P(E). prouver que:
Si [(A B) (A C) et (A B) (A C) alors B C
Exercice 5. On appelle difference symetrique entre deux elements A et B de P(E), lensemble des
elements de E qui appartiennent `a lune des parties A ou B sans appartenir `a lautre. On note
AB = {x E|(x A et x
/ B) ou (x B et x
/ A)}

Etablir
les relations:
a. AB = (A B) (A B)
b. AB = [A (A B)] [B (A B)]
c. CEAB = (A B) CEAB
Exercice 6. Soient p et q deux assertions. On notera pq lassertion (p et non q) et pq lassertion
((pq) ou (qp))
1) Ecrire la table de verite de pq.
2) Ecrire la table de verite de pq.
3) Soit r une assertion, montrer que les assertions (pq)r) et p(qr) sont equivalentes.
4) Soient E un ensemble et A et B deux parties de E definies par A = {x E|p} et B = {x E|q}.
On pose A B = A CEB et AB = (A B) (B A) Donner une nouvelle definition de
A B et de AB en utilisant les assertions p et q.
5) En deduire legalite (AB)C = A(BC).
Exercice 7. Soient f une application de E dans F , A et B deux parties de E. Montrer que:
a. si A B alors f (A) f (B)
b. f (A B) = f (A) f (B)
c. f (A B) f (A) f (B)
d. monter que si f est injective alors f (A B) = f (A) f (B). Donner un contre exemple montrant

17
que si f nest pas injective linclusion c est stricte.
e. Si A B alors f 1 (A) f 1 (B)
f. f 1 (A B) = f 1 (A) f 1 (B)
g. f 1 (A B) = f 1 (A) f 1 (B)
f (A)
h. Montrer que: f injective A P(E): f (CEA ) CF
Exercice 8. Soient f une application de E F , A et B deux parties de F telles que B A.
Montrer que:
f 1 (A B) = f 1 (A) f 1 (B)
f 1 (A)

f 1 (CEA ) = CE

Exercice 9. Soient f : A B , g: B C et h: C B trois applications.


a. Verifier que (hog)of = ho(gof ).
b. Montrer que si f et g sont surjectives (respectivement injectives) alors gof est surjective (respectivement injective).
c. Montrer que si gof est injective alors f est injective.
d. Montrer que si gof est injective et f surjective alors g est injective.
e. Montrer que si gof est surjective alors g est surjective.
f. Montrer que si gof est surjective et g injective alors f est surjective.
g. Montrer que si f et g sont bijectives alors gof est bijective et on a (gof )1 = f 1 og1
Exercice 10. Soient E, F deux ensembles et f une application de E dans F .
1. Montrer que pour toutes parties X, Y de F on a :
a. f 1 (X Y ) = f 1 (X) f 1 (Y )
b. f 1 (X Y ) = f 1 (X) f 1 (Y )
c. f 1 () =
d. f 1 (F ) = E
2. Montrer que pour toute partie A de E, A f 1 (f (A))
3. Montrer que les deux conditions suivantes sont equivalentes:
i. A P(E)

A = f 1 (f (A))

ii. f est injective


Exercice 11. Pour demontrer une suite dassertions A(n), o`
u n est dans IN, la methode dite par
recurrence consiste `
a demontrer dabord lassertion pour n = 0 [ou peut-etre pour n = 1], puis `
a
montrer que, si lassertion A(n) est vraie, alors A(n + 1) lest aussi.
Montrer par recurrence que:
a. An = 1 + +3 + . . . + (n 1) + n = n(n+1)
2
b. Bn = 12 + 22 + 32 + . . . + (n 1)2 + n2 = n(n+1)(2n+1)
6
c. Pour tout n IN, (1 + a)n 1 + na, a et n etant deux entiers naturels non nuls.
d. La suite de Fibonacci (xn )n0 est definie par:
x0 = 1 , x1 = 1 , xn = xn1 + xn2

pour tout n 2

Montrer par recurrence que:

1 5 n+1
1
1 + 5 n+1
)
(
)
}
xn = {(
2
2
5
pour tout n 0

18

20
b. (ZZ, T ) tel que :
ZZ ZZ ZZ

(x, y) x y = xy + y

xy + y ZZ, donc * est une loi de composition interne.

Chapitre 2

Propri
et
es
Soit (E, T ) un ensemble muni dune loi de composition interne T. On dit que:

Espaces Vectoriels

T est associative si pour tout x, y, z E: xT (yT z) = (xT y)T z


T est commutative sipour tout x, y E, xT y = yT x.

D`es notre jeune


age, nous avons appris que le mouvement du pendule simple peut etre mod`elise par
lequation differentielle du second ordre suivante:

y +w y =0

(2.1)

Il est evident de se convaincre que si y1 et y2 sont solutions de (2.1) alors y1 + y2 et aussi solution de
(2.1). De meme pour tout IR, si y1 est solution de (2.1) y1 est aussi solution.
En general, un prob`eme qui verifie ce genre de proprietes est dit lineaire.
Par la structure despace vectoriel, nous abordons une serie de chapitres dalg`ebre lineaire qui
constituera, avec dautres outils danalyse, le cadre mathematique pour la resolution de probl`emes
lineaires.
Tout au long de ce chapitre, K designera k = IR ou C.
l

2.1

Loi de composition interne et externe:

2.1.1

Loi de composition Interne

e E est element neutre pour la loi T si: pour tout x E, xT e = eT x = x.


un element x E est dit Symetrisable pour la loi T sil existe x E tel que xT x = x T x = e
x est le symetrique de x dans E
Exemples:
a. 0 est lelement neutre de ZZ pour la loi +
b. 1 est lelement neutre de ZZ pour la loi x
c. Tout element x ZZ est symetrisable pour la loi +, il admet comme symetrique x = x
(x + x = x x = 0; x + x = x + x = 0)
Partie stable
Soit (E, T ) une loi interne et A une partie de E. On dit que A est stable pour la loi T si pour tout
x, y A; xT y A.
Exemple

D
efinition
Soit E un ensemble. on appelle loi de composition interne entre element de E, tout application de
E E dans E.
A tout couple (x, y) E 2 , la loi associe un element unique z E appele le compose de x et y.
Notation:
E E E

a. Dans (IN , +), la partie {1, 2} nest pas stable.


b. Dans (ZZ, ) la partie {1, 1} est stable pour la multiplication mais pas stable pour laddition.

2.1.2

Loi de composition externe

D
efinition: E un ensemble donne. On appelle loi de composition externe entre elements de E et
elements K = IR,C
l toute application de K E vers E definie par:
K E E

(x, y) xT y

(E, T ) signifie que E est muni de la loi de composition interne T .


Exemple
a. Lensemble ZZ muni de la loi + et .

(, x) . x

Lensemble K est appele le domaine doperateurs. La loi externe sera notee par . x ou simplement
x.

Exemple:
ZZ ZZ ZZ

(x, y) x + y

(x, y) x.y

K = IR, E = IRn [X] lensemble des fonctions polynomes `a coefficients dans IR de degre n, soit
P IRn [X], P (x) = a0 + a1 x1 + ..... + an xn
IR IRn [X] IRn [X]

(, P ) . P (x) = a0 + a1 x1 + ..... + an xn

(ZZ, +) , (ZZ, .)
19

21

2.1.3

Structure despace vectoriel sur IR o`


u C.
l

22

2.1.4

D
efinition: On designe par 0K lelement neutre pour laddition dans K et 1K lelement neutre pour
la multiplication dans K . On dit quun ensemble E, muni dune operation interne + et dune
operation externe . a une structure despace vectoriel sur K si:
i (E, +) est un groupe abelien cest `a dire:
i1 quelque soit x, y, z E ; (x + y) + z = x + (y + z).
i2 il existe 0E Equelque soit x E; 0E + x = x + 0E = x
i3 quelque soit x E, il existe x E; x + x = x + x = 0E (x = x)
i4 quelque soit x, y E x + y = y + x

R`
egles de calcul dans un espace vectoriel

Soient x, y E et , K
a) Soit `a calculer: (x y) =?
(x y) + y = (x y + y) = x on conclut donc que:
(x y) = x y

(2.2)

0E = 0E

(2.3)

dans (2.2), en posant x = y, on a:

ii quelque soit x E, quelque soit K, K


.(.x) = ().x

1K .x = x

dapr`es (2.2), on a: (x) = (0E x) = 0E x = x


(x) = x

iii loperation interne est distributive par rapport `a laddition dans K et par rapport `
a loperation
interne de E.
On dit que E est un espace vectoriel sur E pour les lois considerees.
Les element de E sont des vecteurs et ceux de K sont des scalaires,
0E : element neutre de E pour la loi interne +
0K : element neutre de E pour laddition dans K.
Les propri`etes `
a verifier sont:

(2.4)

b) Soit `a calculer: ( )x =?
( )x + x = ( + )x = x, On conclut donc que:
( )x = x x

(2.5)

0K x = 0E

(2.6)

c) Dans (2.5), on pose = do`


u:
ev1 quelque soit x, y, z E ; (x + y) + z = x + (y + z).
ev2 il existe 0E Equelque soit x E; 0E + x = x + 0E = x
ev3 quelque soit x E, il existe x E; x + x = x + x = 0E (x = x)

enfin, dapr`es (2.5) on a: ()x = (0K )x = 0K x x = 0E x = x.


x = 0E = = 0K ou x = 0E

ev4 quelque soit x, y E x + y = y + x


ev5 quelque soit x E quelque soit K, K; .(.x) = ().x
ev6 quelque soit x E; 1K .x = x
ev7 quelque soit x E, , K, ( + ).x = .x + .x
ev8 quelque soit x E, y E, K; .(x + y) = .x + .y

Interpr
etation g
eom
etrique
En physique, beaucoup de grandeurs sont representees par des vecteurs: le vecteur force, le vecteur
vitesse...
Sur les vecteurs de meme origine on peut definir deux operations:

Exemples
a.) E = IR, K = IR; a + b laddition habituelle dans IR, a.b la multiplication habituelle dans IR,
(IR, +, .) est un IR espace vectoriel.
b.) E = C,
l K = IR, laddition dans C
l est definie par: z = a + ib C,
l z = a + ib C,
l z + z =
a + ib + a + ib = a + a + i(b + b ) et la loi externe est definie par: c IR, z = a + ib C:
l
c . z = c(a + ib) = ca + icb. Il est facile de verifier que C
l est un IR espace vectoriel.
c.) E = IR[x],K = IRn [X], laddition dans IRn [X] est definie par: (P, Q) IRn [X], (P + Q)(x) =
P (x) + Q(x). La loi externe est definie par: IR, P IRn [X], (.P )(x) = P (x). (Rn [x], +, .)
est un IR espace vectoriel.
d.) E = IR2 = IR IR, K = IR, laddition interne dans IR2 est: (a, b) + (a , b ) = (a + a , b + b ), la
loi externe: c IR, (a, b) IR2 c(a, b) = (ca, cb). On montre facilement que (IR2 , +, .) est un IR
espace vectoriel.

(2.7)

u+v

1.a

u
> 0

1.b

u < 0
1.c

Figure 2.1:

i. laddition definie par la r`egle du parallelogramme (2.1: 1.a)


ii. le produit dun vecteur par un nombre reel qui donne un vecteur homothetique de rapport
. Ce vecteur ayant la meme direction, de meme sens si > 0 (2.1: 1.b) et de sens contraire si
< 0 (2.1: 1.c) et dont la longueur est multipliee par ||.

23

2.2

Sous espaces verctoriels

24
e.) Soit E un espace vectoriel sur K, v1 , v2 E tels que v1,2 6= 0E ; alors:
F =< v1 , v2 >= {x E/il existe 1 , 2 K : x = 1 v1 + 2 v2 }

D
efinition: Soit E un espace vectoriel et F une partie non vide de E. On dit que F est un sousespace vectoriel de E, si la restriction des lois de E `a F fait de F un espace vectoriel.
En principe, pour montrer que F est un sous-espace vectoriel, il faudrait verifier la totalite des
axiomes de la definition ev1 . . . ev8 . En fait, il suffit de verifier la stabilite des deux lois comme
laffirme le theor`eme suivant:

F est un sous-espace vectoriel de E dit sous espace vectoriel engendre par v1 et v2 . Si v2 6= v1 ,


alors F est dit plan vectoriel engendree par v1 et v2 . Dans le cas ou v2 = v1 F est la droite
vectorielle engendre par v1 .
f.) Plus generalement, si v1 , v2 , . . . , vn E On definit le sous-espace vectoriel engendre par v1 , v2 , . . . , vn ,
ou espace des combinaisons lineaires de v1 , v2 , . . . , vn , de la mani`ere suivante:

Th
eor`
eme: Une partie F dun K espace vectoriel E est un sous espace vectoriel si et seulement
si:

F =< v1 , v2 , . . . , vn >= {x E/ 1 , . . . , n K : x = 1 v1 + 2 v2 + . . . + n vn }
Proposition: Soient F1 et F2 deux sous espaces vectoriels dun K espace vectoriel alors:

sev1 . F 6=

1. I = F1 F2 est un sous espace vectoriel de E.

sev2 . quelque soient x F , y F alors x + y F

2. La somme de F1 et F2 defini par:

sev3 . quelque soient x F , K alors x F


Preuve:
) Si F est un sous-espace vectoriel alors 0E F et donc F 6= . sev2,3 sont forcement verifiees par
definition meme des lois de compositions interne et externe.
) Supposons que sev1,2,3 sont verifiees et montrons que F est un espace vectoriel.
Les axiomes ev1 , ev4 , ev5 , ev7 et ev8 sont verifies pour tous les elements de E et donc aussi pour les
elements de F E.
Dapr`es sev3 pour = 0K et x F on a: 0K x = 0E F , donc F admet un element neutre (ev2 ) est
verifiee: x F x + 0E = 0E + x = x (car cela est vrai pour les elements de E).
Toujours dapr`es sev3 avec = 1K on a x F 1K x = x F , ev2 est verifiee. ev6 est trivialement verifiee `
a partir de sev3 pour = 1K .

F1 + F2 = {x E; x = x1 + x2 , xi Fi }
est un sous espace vectoriel de E.
Preuve:
1.) F1 et F2 sont des sous espaces vectoriels de E alors 0E F1 et 0E F2 et par suite 0E I et
donc I 6= .
soient x I, y I: (x F1 et x F2 , y F1 et y F2 ) donc x y I. Pour tout K et x I
on a x F1 et x F2 donc x I, donc I = F1 F2 est un sous espace vectoriel de E.
2.) 0E = 0E + 0E E1 + E2 et donc E1 + E2 6= . Quelque soient x, y E1 + E2 avec x = x1 + x2 ,
xi Ei et y = y1 + y2 , yi Ei ; x y = x1 y1 + x2 y2 = x1 + x2 E1 + E2 . quelque soit K,
quelque soit x E1 + E2 , x = x1 + x2 on a x = x1 + x2 E1 + E2 , E1 + E2 appele somme de
deux sous espaces vectoriels.

Remarque: Si F est sous-espace vectoriel, alors le vecteur nul 0E est necessairement element de
F , ainsi pour montrer que F 6= il faut penser `a prouver que 0E F .

2.3

Exemples:

2.3.1

a.) IR est un sous espace vectoriel de C.


l
b.) (IR2 , +, .) est un IR espace vectoriel, F1 = {(x, y) IR2 ; x = y}. F1 est un sous espace vectoriel
de IR2 .
2

c.) Fx = {(x, y) IR ; y = 0} et Fy = {(x, y) IR ; x = 0} sont des sous espaces vectoriels de IR

d.) Soit E un espace vectoriel sur K, v E tel que v 6= 0E ; alors:


F =< v >= {x E/il existe K : x = v}
F est un sous-espace vectoriel de E.
En effet: il existe = 0K K, 0K v = 0E F donc F 6= . Soient x1 et x2 deux elements de F
donc il existe 1,2 K tels que xi = i v, x1 + x2 = 1 v + 2 v = (1 + 2 )v. 1 + 2 etant un
| {z }
K

element de K, on conclut donc que x1 + x2 F . De meme pour tout x = v F et K on


a: x = (v) = ( )x F .
|{z}
K

F est donc un sous-espace vectoriel. F est dit droite vectorielle engendree par v.

Base dun espace vectoriel


Famille g
en
eratice.

D
efinition: Soit E un K espace vectoriel. Une famille de vecteurs (vi )i=1,...,n delements de E est
dite generatrice, si pour tout x E il existe des scalaires i K (i = 1, . . . , n) (non tous nuls) tels
que:
x = 1 v1 + 2 v2 + . . . + n vn
On dit aussi que tout element x E se decompose sur les vecteurs vi ou encore que tout element
x E est combinaison lineaire des vecteurs vi .
Le plus petit sousespace vectoriel F de E contenant n elements de E, v1 , v2 , . . . , vn , est le
sousespace vectoriel des combinaisons lineaires de v1 , v2 , . . . , vn . En le note < v1 , v2 , . . . , vn >:
< v1 , v2 , . . . , vn >= {x E; x = 1 v1 + 2 v2 + . . . + n vn ; i K(i = 1, . . . , n)}
Exemples:
a) Pour tout (x, y) IR2 :
(x, y) = (x, 0) + (0, y) = x(1, 0) + y(0, 1)
e1 = (1, 0), e2 = (0, 1)
(e1 , e2 ) est une famille generatrice de IR2

25
b) Pour tout (x1 , x2 , . . . , xn ) IRn :
(x1 , x2 , . . . , xn ) = (x1 , 0, . . . , 0) + . . . + (0, . . . , xi , . . . , 0) + . . . + (0, . . . , 0, xn )
= x1 (1, 0, . . . , 0) + . . . + xi (0, . . . , 1, . . . , 0) + . . . + xn (0, . . . , 0, 1)
|

{z

e1

{z

ei

ei admet 1 sur la i`eme composante. (e1 , . . . , en ) est une famille generatrice de IRn
x2

c) Quelque soit P IR2 [x], P (x) = a0 + a1 x + a2


implique que
generatrice de lensemble des polyn
omes de degres inferieur `a deux.

(1, X, X 2 )

{z

en

est une famille

d) Plus generalement dans IRn [x], quelque soit P IRn [x], P (x) = a0 + a1 x + . . . + an xn implique
que, (1, X, . . . , X n ) est une famille generatrice de lensemble des polyn
omes de degres inferieur
a n.
`

2.3.2

Famille libre, famille li


ee.

Dans lespace IR3 dorigine O, considere souvent en physique, soient trois vecteurs OA, OB et OC,
quelle peut etre leur configuration:

26
On dit aussi que les vecteurs (v1 , v2 , ..., vn ) sont lineairement independants.
2.) Une famille qui nest pas libre est dite liee, on dit aussi que ses vecteurs sont lies ou lineairement
dependants, autrement dit,
une famille (vi )i=1...n de vecteurs de E est dite liee sil existe une famille de scalaires de K non tous
nuls tels que: 1 v1 + 2 v2 + ... + n vn = 0
Exemples:
a) (e1 , e2 ) est une famille libre; pour tous , IR e1 + e2 = (0, 0) alors = = 0.
b) (e1 , e2 , e1 + e2 ) est une famille liee; il existe 1 = 1, 2 = 1 et 3 = 1 tels que 1 e1 + 2 e2 + 3 e3 =
(0, 0).
Th
eor`
eme:
Une famille (v1 , v2 , ..., vn ) est liee si et seulement si lun au moins des vecteurs vi secrit comme
combinaison lineaire finie des autres vecteurs de la famille.
Preuve: Supposons que (v1 , v2 , ..., vn ) est liee, il existe une famille de scalaires de K non tous nuls
tel que: 1 v1 + 2 v2 + ... + n vn = 0. Si i 6= 0, on pourra ecrire:
vi =

C
E

Reciproquement: Supposons que vi est combinaison lineaire des autres vecteurs, alors il existe des
scalaires i K tel que:

C
A

vi = 1 v1 + . . . + i1 vi1 + i+1 vi+1 + . . . + n vn

(2.8)

1 v1 + . . . + i1 vi1 vi + i+1 vi+1 + . . . + n vn = 0E

(2.9)

O
a

1
i1
i+1
n
v1 . . .
vi1
vi+1 . . .
vn
i
i
i
i

b
Figure 2.2:

OA, OB et OC sont colineaires: O, A, B et C sont alignes. Dans ce cas on a: OA = OB =

OC. On dit que les trois vecteurs forment un syst`eme lie ou sont dependants (2.2:b)

OA, OB et OC sont coplanaires: O, A, B et C sont dans un meme plan (2.2:a). Dans ce

cas egalement, on peut trouver , reels tels que OC = OA + OB dapr`es la r`egle du

parallelogramme. Avec OD = OA et OE = OB. Dans ce cas aussi on dit que les trois
vecteurs forment un syst`eme lie ou sont dependants.

OA, OB et OC forment un vrai tri`edre.
Dans le dernier cas, on dit que les trois vecteurs forment un syst`eme libre ou sont independants.
Ceci nous m`
ne aux definitions:

OA, OB, OC forment un syst`eme lie si:

(il existe , , IR)(OA + OB + OC = 0 et , , non tous nuls)


OA, OB, OC forment un syst`eme libre si:

(, , IR)(OA + OB + OC = 0 = = = 0)
En general on a:
D
efinitions:
1.) Une famille (vi )i=1,...,n de vecteurs de E est dite libre si:
(i )i=1,...n K tels que 1 v1 + 2 v2 + ... + n vn = 0E alors 1 = 2 = ... = n = 0K

ceci est equivalent `a:

ainsi on a montre quil existe une combinaison lineaire nulle des vecteurs (v1 , v2 , ..., vn ), sans que tous
les coefficients soient nuls. La famille est donc liee.
Remarques:
Toute sous-famille dune famille libre est libre.
Toute sur famille dune famille liee est liee.
Tous les elements dune famille libre sont non nuls
(si xp = 0 on aura la combinaison suivante 0x1 + 0... + 0xp1 + p xp + 0xn = 0E avec p 6= 0).
En particulier (x) est libre si et seulement si x 6= 0.
Proposition:
Soit (v1 , v2 , ..., vn ) une famille libre et x un vecteur quelconque de lespace vectoriel engendre par
(v1 , v2 , ..., vn ). Alors, la decomposition de x sur les vi est unique.
Preuve: Soit x un vecteur quelconque de lespace vectoriel engendre par (v1 , v2 , ..., vn ), donc x
est combinaison lineaire des vi :
x = 1 v1 + 2 v2 . . . + n vn
soit:
x = 1 v1 + 2 v2 . . . + n vn
une autre decomposition de x sur les vi . On a donc:
1 v1 + 2 v2 . . . + n vn = 1 v1 + 2 v2 . . . + n vn

27
En utilisant la propriete de distributivite de la loi externe par rapport `
a la loi interne on trouve:
(1 1 )v1 + (2 2 )v2 . . . + (n n )vn = 0E

1 1 = 0 , 2 2 = 0 , n n = 0
do`
u lunicite de la decomposition.

Base dun espace vectoriel, Dimension dun espace vectoriel.

Dans lespace IR3 , considere souvent en mecanique du solide, on a pris lhabitude de tracer un tri`edre



dorigine O (ou un rep`ere dorigine O), avec les vecteurs i , j et k dorigine O sur ses aretes. Pour
3
tout point A de lespace IR defini par ses coordonnes x, y et z de telle sorte que

OA = x i + y j + z k

D
efinition dune Base: Une famille de vecteurs (vi )i=1,...,n est une base de E si elle est `
a la
fois libre et generatrice.
Exemples: a.) Dans IR2 , quelque soit (x, y) IR2 (x, y) = x(1, 0) + y(0, 1) = xe1 + ye2 , (e1 , e2 ) est
un systeme libre, cest donc une base de IR2 , appellee la base canonique de IR2 .
b.) Dans lespace vectoriel IRn , pour tout (x1 , x2 , . . . , xn ) IRn :
(x1 , x2 , . . . , xn ) = x1 (1, 0, . . . , 0) + . . . + xi (0, . . . , 1, . . . , 0) + . . . + xn (0, . . . , 0, 1)
{z
e1

{z
ei

{z

en

ei admet 1 sur la i`eme composante. (e1 , . . . , en ) est une famille libre et generatrice de IRn , cest la
base canonique de IRn .
Proposition: Soit (vi )i=1,...,n une base de E espace vectoriel sur K. Tout x E se decompose
de mani`ere unique sur la base de E, cest `a dire:
x E

! (1 , . . . , n ) K n

tel que

Corollaire: soit E un espace vectoriel de dimension n.


i.) Tout syst`eme de (n+1) vecteurs est lie.
ii.) Un syst`eme generateur a au moins n vecteurs.
iii.) Un systeme gnerateur qui a n vecteurs est une base.

si on effectue un changement de rep`ere (ou de tri`edre) on aura le meme resultat, c-`a-d que le point A
sera defini par trois coordonnees.



Tout vecteur de IR3 est combinaison lineaire unique de trois vecteurs non coplanaires i , j et k
dorigine O, ces trois vecteurs engendrent donc tout IR3 , ils constituent ce quon appelle une base de
IR3 .
Toutes les bases de IR3 ont trois elements, ce nombre est la dimension de IR3 . Ainsi IR3 est de dimension trois.

sont finies et ont le meme nombre delements. Ce nombre est la dimension de E (sur K).
Notation: Soit (vi )i=1,...,n une base, on note dimK E = n
Exemples:
a.) {0E } est un espace vectoriel sur K. dimK {0E } = 0
b.) dimIR IRn [x] = n + 1: (IRn [x] ensemble des polynomes de degre inferieur ou egal `a n)
c.) dimIR IRn = n.
d.) C,
l IR espace vectoriel, dimIRC
l =2
e.) C,
l C
l espace vectoriel, dimC
l =1
lC

du fait que (v1 , v2 , ..., vn ) est libre on a donc:

2.3.3

28

: x = 1 v1 + . . . + n vn

(2.10)

Preuve: La decomposition vient du fait que (vi )i=1,...,n est un syst`eme generateur. Lunicite vient
de lindependance des (vi )i=1,...,n .
Th
eor`
eme de la base incompl`
ete:
Th
eor`
eme: Dans un espace vectoriel, une partie libre peut toujours etre completee en une base de E.
Dimension dun espace vectoriel: Un espace vectoriel est dit de dimension finie sil existe dans
E une partie generatrice finie. Dans le cas contraire, il est de dimension infinie.
Th
eor`
eme de la dimension: Dans un Kespace vectoriel E, de dimension finie, toutes les bases

iv.) Un systeme libre qui a n vecteurs est une base.


Th
eor`
eme: Soit E un espace vectoriel de dimension finie n et F un sous espace de E, alors:
i) dimK F dimK E = n
ii) dimK F = dimK E si et seulement si F = E
Preuve:
i) Si dimK F = 0: F = {0E }, on a dimK F = 0 n.
Sinon dimK F 6= 0, alors F 6= {0E } et F admet une base B qui est forcement une famille libre de E.
On conclut que le nombre delements de B est inferieur ou egal `a n sinon B serait liee (dapr`es le
corollaire): dimK F dimK E = n.
ii) Si dimK F = dimK E = n, il existe donc une base B de F contenant n elements: < B >= F . B
est donc une famille libre de E ayant n elements, elle est par consequent une base et donc engendre
E: < B >= E, donc F = E.
Proposition: Soient E1 et E2 deux sous espaces vectoriels dun espace vectoriel E alors, dimK (E1 +
E2 ) = dimK E1 + dimK E2 dimK (E1 E2 )

2.4

Exercices r
esolus

Equation caract
eristique dun sous espace vectoriel
Trouver l
equation du sous espace engendr
e par les vecteurs u1 = (1, 1, 2) et u2 = (2, 1, 1)
de IR3 .
V ect(u1 , u2 ) =< u1 , u2 >= {v = (x, y, z) IR3 ; , IR v = u1 + u2 }

(2.11)

De cette definition, on conclut que v < u1 , u2 > sil existe , IR tel que v = u1 + u2 . Si on
pose v = (x, y, z), cette derni`ere equation nous donne le syst`eme suivant:

+ 2 = x

+ =y

2 + = z

(l1 )
(l2 )
(l3 )

(2.12)

De la combinaison 2l2 l1 on obtient = 2y x. En injectant dans l1 ou l2 on trouve = x y.


Une fois ses valeurs de et remplacees dans (l3 ), on trouve une relation entre x, y et z. En effet,

29
et dans (l3 ) nous donne: z = 2(2y x) + x y. Lequation du sous espace engendre par (u1 , u2 )
est donc:
x 3y + z = 0
autre m
ethode: Les deux vecteurs u1 et u2 sont lineairement independant, < u1 , u2 > est un plan
vectoriel. Dim< u1 , u2 >= 2, lequation du plan vectoriel < u1 , u2 > est de la forme:
ax + by + cz = 0

(2.13)

les vecteurs u1 et u2 doivent verifies (2.13). On a donc le syst`eme des deux equations suivantes:
(

a + b + 2c = 0
2a + b + c = 0

On a plus de variables que dequations. Pour resoudre ce syst`eme, on fixe c et on calcul a et b en


fonction de c. Le syst`eme est equivalent `a:
(

a + b = 2c
2a + b = c

on a donc b = 3c et a = c. Ses deux solutions remplacees dans (2.13) donne:


cx 3cy + cz = 0

(2.14)

Les solutions non triviales sont obtenus pour c 6= 0, ce qui donne:


x 3y + z = 0

(2.15)

comme equation du plan vectoriel.


Compl
eter une famille libre en une base
1. Compl
eter u1 = (1, 1, 2), u2 = (2, 1, 1) en une base de IR3
Dans IR3 , on peut verifier facilement que u1 = (1, 1, 2), u2 = (2, 1, 1) est une famille libre. Comme
toute les bases de IR3 contiennent trois vecteurs, on veut trouver un vecteur u3 = (x, y, z) IR3 de
tel sorte que (u1 , u2 , u3 ) soit une base de IR3 . En fait, tout vecteur u3 de IR3 qui nappartient pas `
a
V ect(u1 , u2 ) peut completer (u1 , u2 ) en une base de IR3 . En effet: (u1 , u2 , u3 ) est une base de IR3 si
et seulement si pour tout , , IR tels que
u1 + u2 + u3 = (0, 0, 0)

alors

===0

(2.16)

Lequation eq. (2.16) nous donne un syst`eme a trois inconnues , et et trois equations, et dans
lequel x, y, z sont des parametres reels.
(S 1 )

+ 2 + x = 0

+ + y = 0

2 + + z = 0

(c11 )
(c12 )
(c13 )

(2.17)

notre but cest de trouver une condition sur x, y et z pour que la seule est unique solution du syst`eme
(2.18) soit = = = 0. A cet effet, nous allons appliquer la methode de Gauss. En effet, la
premi`ere etape consiste a annuler les coefficients de dans c12 et c13 . Ceci est possible en remplacant
c12 par c12 c11 et c13 par c13 2c11 . Le syst`eme S 1 devient S 2 :
2

(S )

+ 2 + x = 0

(c21 = c11 )
0 + (y x) = 0
(c22 = c12 c11 )

0 3 + (z 2x) = 0
(c23 = c13 2c11 )

(2.18)

30
A ce niveau on procede de la meme mani`ere avec les equations c22 et c23 . On annule donc le coefficient
de dans c23 en remplacant c23 par c23 3c22 . En effet, le syst`eme S 2 devient
3

(S )

+ 2 + x = 0

(c31 = c21 )
0 + (y x) = 0
(c32 = c22 )

0 + 0 + (z 3y + x) = 0
(c33 = c23 3c22 )

(2.19)

A ce stade, pour trouver , et on remonte le syst`eme a partir de c33 .


En fait, la derni`ere equation (c33 ) donne une condition sur les coordonnees x, y et z du vecteur u3 qui
complete (u1 , u2 ) en une base (u1 , u2 , u3 ) de IR3 . Pour avoir = 0, (c33 ) implique que z 3y + x 6= 0.
Ceci veut dire que le vecteur u3 <
/ u1 , u2 >. Avec = 0, c32 et c31 montrent que = 0 et = 0.
Tout vecteur u3 = (x, y, z) tel que z 3y + x 6= 0 permet de completer (u1 , u2 ) en une base (u1 , u2 , u3 )
de IR3 .

31

2.5

Exercices

Exercie 1. a.) Montrer que (IRn [X], +, .) est un IR espace vectoriel.


b.) Montrer que (IR2 , +, .) est un espace vectoriel sur IR.
Exercie 2. On munit IR2 des lois:
(x1 , x2 ) + (y1 , y2 ) = (x1 + y1 , x2 + y2 )
.(x1 , x2 ) = (x1 , 0)

IR

(IR2 , +, .) est-il un espace vectoriel?


Exercice 3. Dans IR+ on definit les deux lois:
x y = xy

.x = x

, y IR+ , IR

Montrer que (IR+ , , .) est un espace vectoriel sur IR


Exercice 4. Parmi les sous-ensembles suivants, trouver ceux qui sont des sous-espaces vectoriels,
et donner une base et la dimension de chacun deux:
E1 = {(x, y) IR2 ; x2 + y 2 = 1}

, E2 = {(x, y) IR2 ; x + y = 1}

E3 = {(x, y) IR2 ; 2x + y = 0}

, E4 = {(x, y, z) IR3 ; x = y = 2z}

E7 = {f F(IR, IR); f (0) = 1}

, E8 = {f C 2 (IR); f + f = 0C 2 (IR) }

E5 = {(x, y, z) IR3 ; x + y z = 0} , E6 = {(x, y, z, t) IR4 ; x + y z + t = 0}


E9 = {f F(IR, IR); f (1) = 1}

, E10 = {f F(IR, IR); f (1) = 0}

Exercice 5. Dans IR2 , soient u1 = (1, 0), u2 = (0, 1), u3 = (0, 4), u4 = (1, 1) et u5 = (0, 0). Les
syst`emes de vecteurs {u1 , u2 }, {u2 , u3 }, {u1 , u4 }, {u4 , u5 }, {u5 }, {u1 , u2 , u3 } sont-ils libres?
2

32

Exercice 10. Dans IR3 espace vectoriel sur IR, soient u = (1, 1, 1), v = (0, 1, 2), w = (1, 2, 3)
trois elements de IR3 .
1. Montrer que {u, v, w} est lie.
2. Soit F le sous-espace vectoriel de IR3 engendre par < u, v, w >. Donner une base de F .
3. a.) Soit G = {(x, y, z) IR3 /x + 2y + z = 0}. Montrer que G est un sous-espace vectoriel de IR3 .
b.) Determiner une base de G et montrer que F = G.
Exercice 11.
Soient F et H 2 s.e.v dun K-espace vectoriel E.
1. Montrer que F H est un s.e.v de E.
2. Montrer que F H est un sous espace vectoriel de E ssi F H ou H F .
3. Montrer que F + H = {x + y; x F et y H} (appele somme de F et H) est le plus petit sous
espace vectoriel de E contenant F H.
4. On dit que la somme de F et H est directe si tout element de F + H secrit dune facon unique
sous la forme x + y o`
u x F et y H, et dans ce cas F + H sera note F H. Montrer que les
proprietes suivantes sont equivalentes:
i La somme F et H est directe .
ii Pour tout x F , pour tout y H, x + y = 0E = x = y = 0E .
iii F H = {0E }.
Application: Soit E = IR5 . Montrer que F et H sont des sous espaces vectoriels de E et voir si leur
somme est directe dans les cas suivants:
a F = {(2x, y, z, 3y, x); x, y, z IR} et H = {(x, x, y, x, x); x, y R}
b F = {(x, y, x, 2y); x, y R} et H = {(2x, x, y, 0); x, y IR}

Exercice 6. Dans IR , soient u = (1, 3) et v = (3, 2): a. v est-il combinaison lineaire de u?


b. Trouver a et b reels tels que (8, 13) secrive sous la forme au + bv.
c. Soit w = (x, y) un vecteur quelquonce de IR2 , trouver et en fonction de x et y tels que
w = u + v.

Exercice 12. Lensemble E(IR, IR) des fonctions numeriques reelles de variable reelle muni des deux
operations suivantes ( reel):

Exercice 7. Dans IR3 , on consid`ere les 4 vecteurs: u = (1, 1, 1); v = (1, 1, 0); w = (1, 0, 0);
t = (3, 5, 2). Demontrer que le syst`eme {u, v, w} est une base de IR3 et trouver les coordonnees
de t dans cette base.
Quelles sont les coordonnees de t dans la base canonique de IR3 ?

est un espace vectoriel.


a. Montrer que lensemble des fonctions paires EP est un s.e.v de E(IR, IR).
b. Montrer que lensemble des fonctions impaires EI est un s.e.v de E(IR, IR).
c. Montrer que E(IR, IR) = EP EI

Exercice 8. Dans IR3 verifier que a, b, c sont independants et calculer les coordonnees de x sur
la base {a, b, c} :
a = (1, 1, 1) , b = (1, 1, 1) , c = (1, 1, 1) , x = (2, 3, 1)
2. Meme probl`eme dans C
l 3:
a = (1, 1, i) , b = (1, i, 1) , c = (i, 1, 1) , x = (1 + i, 1 i, i).

Exercice 13. Montrer que lensemble des applications continues de IR dans IR est un espace vectoriel
sur IR, et que dans cet espace vectoriel les fonctions f1 (x) = x, f2 (x) = Sin(x), f3 (x) = ex sont
lineairement independantes.

Exercice 9. Dans IRn demontrer que le sous-espace vectoriel engendre par a et b, dune part, et
le sous-espace vectoriel engendre par c et d, dautre part, sont identiques, et determiner leur dimension:
1. n = 3, a = (2, 3, 1), b = (1, 1, 2), c = (3, 7, 0), d = (5, 0, 7)
2. n = 4, a = (2, 3, 1, 0), b = (3, 1, 0, 2), c = (4, 5, 1, 4) , d = (9, 8, 3, 2).
Dans chacun des cas precedents, completer la base obtenue pour obtenir une base de IRn .

s = f + g ssi t IR s(t) = f (t) + g(t)

h = f ssi t IR h(t) = f (t)

Exercice 14. Soient a, b IR distincts. Montrer que:


a. (X a, X b) est libre dans IR[X].
b. Pour tout e IR, (X a, X b, X e) est lie dans IR[X].
2. Soient a1 = (1, 2, 3) et a2 = (1, 1, 0). Montrer que (a1 , a2 ) est libre dans IR3 et trouver une base
de IR3 contenant a1 et a2 .
Exercice 15. Soient E un espace vectoriel reel, E1 et E2 deux sous-espaces vectoriels de E tels que
E = E1 E2 . On rappelle que tout vecteur V de E secrit de facon unique V = V1 + V2 o`
u V1 E1

33
et V2 E2
a) Soient les applications suivantes:
p EE

V V1

q: EE
V V2

p (resp q) est appele projection sur E1 parall`element `a E2 (resp sur E2 parall`element `


a E1 )
i) Montrer que p et q sont des applications lineaires.
ii) Determiner kerp, kerq, Imp, Imq.
iii) Montrer que p + q = IdE , poq = qop , p2 = p , q 2 = q.
b) On consid`ere une application lineaire f telle que f 2 = f . Montrer que kerf et Imf sont supplementaires
et que f est la projection sur Imf parall`element `a kerf .
Exercice 16. Montrer que lensemble des applications continues de IR dans IR est un espace vectoriel sur IR, et que dans cet espace vectoriel les fonctions f1 (x) = e1 x , f2 (x) = e2 x , f3 (x) = e3 x ,
(i )i=1,2,3 des scalaires deux `a deux distincts, sont lineairement independantes.
Exercice 17. Soit E lespace vectoriel des fonctions de IR dans IR, F le sous espace engendre par les
fonctions fn : x 7 cos(nx), n IN, et G le sev engendre par les fonctions gn : x 7 cosn x, n IN.
Montrer que F = G.
Probl`
eme
Primo: Soit E lespace vectoriel des suites de nombres reels et E E, lensemble des suites verifiant
la relation de recurrence:
un+2 = un+1 + 2un n 0
a. Montrer que E est un sousespace vectoriel de E.
b. Montrer que les suites de termes generaux an = (1)n et bn = 2n forment une famille libre de
E.
c. Tenant compte du fait que les suites de E sont determinees si on connat u0 et u1 , montrer que
(an ) et (bn ) forment une base de E.
d. Determiner les suites de E telles que u0 = 1 et u1 = 2
secondo: G
en
eralisation
Soit E lensemble des suites de nombres reels verifiant:
un+2 = un+1 + un ,

(, IR)

On suppose que et ne sont pas tous deux nuls.


a. Montrer que E est une sous espace vectoriel de dimension 2 sur IR.
b. Chercher une suite de E du type an = r n . Montrer que r doit verifier une equation de 2e degre.
Lorsque cette equation admet deux racines reelles et distainctes r1 et r2 , en deduire lexpression
de un en fonction de u0 et de u1 .
c. Montrer que lorsque lequation de 2e degre admet une racine double r, les suites an = r n et
bn = nr n forment une base de E.
d. Montrer que si 1 et 2 sont deux racines complexes conjuguees de lequation de 2e degre et
1 = ei , alors les suites an = n cos n et bn = n sin n forment une base de E.
Application Determiner le terme general des suites definies
a.
b.
c.

un+2 = 5un+1 6un

un+2 = 4un+1 4un


un+2 = un+1 un

34

36
vectoriel sur K = IR. On definit sur F([a, b]) lapplication qui, `a chaque fonction derivable g de
F([a, b]) associe sa fonction derivee g :

Chapitre 3

F([a, b]) F([a, b])


g (g) = g

est une application lineaire.

Applications lin
eaires

E F
x

f (x) = 0F

est une application lineaire de E dans F , dite application lineaire nulle.


La beaute des structures despaces vectoriels reste cachee tant quelles ne sont pas munies dapplications
lineaires. Dans ce chapitre on se propose detudier les applications lineaires et leurs caracteristiques.

Proposition: Lensemble L(E, F ) muni des lois:


f +g

3.1

D
efinitions et exemples

D
efinition 1 Etant donnes deux espaces vectoriels E et F sur le meme corps commutatif K, on
appelle application lineaire de E dans F toute application de E dans F telle que:
i) x, y E
ii) x E

,
,

f (x + y) = f (x) + f (y)
K

, K

f (x + y) = f (x) + f (y)

Si E = F on dit que f est un endomorphisme.


Si f E F est bijective, cest un isomorphisme de E sur F , si de plus E = F , f est un
automorphisme.
Lensemble des applications lineaires de E dans F est note LK (E, F ). LK (E) est lensemble
des endomorphismes de E
Exemples: 1.) E = F = IR, K = IR, m un param`etre reel quelconque, lapplication f definie par
f (x) = mx. Pour tous x, y IR et , IR, f (x + y) = m(x + y) = f (x) + f (y). f est donc
lineaire.
2.) E = IR2 , F = IR, les applications px et py definies de IR2 dans IR par:
px (x, y) = x

et

py (x, y) = y

sont des applications linearires de IR2 dans IR.


3.) lapplication
f

, f

E F
x (f )(x) = f (x)

est un espace vectoriel sur K.

3.2

Propri
et
es des applications lin
eaires

i.) f (0E ) = 0F

i) et ii) peuvent etre remplaces par:


,

E F
x (f + g)(x) = f (x) + g(x)

Th
eor`
eme 1: Si f est une application lineaire de E dans F , on a les proprietes suivantes:

f (x) = f (x)

x, y E

x E

f (x) = f (x)

ii.) Si E1 est un sous espace vectoriel de E, f (E1 ) F est un sous espace vectoriel de F .
iii.) Si F1 est un sous espace vectoriel de F , f 1 (F1 ) E est un sous espace vectoriel de E
Preuve: i.)Soit y f (E) F , il existe x E tel que y = f (x). On a : y + 0F = 0F + y = y et
x + 0E = 0E + x = x.
x + 0E = 0E + x = x = f (x + 0E ) = f (x) + f (0E ) = f (x) = y = f (x) + 0F
= f (0E ) = 0F
Pour tout x E, on a:
x + (x) = 0E

= f (x) + f (x) = f (0E ) = 0F


= f (x) = f (x)

ii.) f (E1 ) 6= .
Soit K un scalaire, y1 , y2 f (E1 ), il existe x1 , x2 E1 tel que: y1 = f (x1 ) et y2 = f (x2 ). Du
fait que f est lineaire, on a les relations suivantes:
y1 y2 = f (x1 ) f (x2 ) = f (x1 x2 )

y1 = f (x1 ) = f (x1 )
IR3 IR2
(x, y, z)

f (x, y, z) = (x2 + x, x + y z)

E1 est un sous espace vectoriel de E, alors x1 x2 E1 et x1 E1 . On conclut donc que f (E1 ) est
un sous espace vectoriel de F .

nest pas lineaire. Ni i), ni ii) de la definition 1 nest satisfaite `a cause du terme x2 .
4.) E = F = F([a, b]) ensemble des fonctions reelles derivables sur [a, b]. F([a, b]) est un espace
35

iii.) On proc`ede de la meme facon que ii).


f 1 (F1 ) 6= .

37
Soient K un scalaire, x1 , x2 f 1 (F1 ), il existe y1 , y2 F1 tels que: y1 = f (x1 ) et y2 = f (x2 ).
Du fait que f est lineaire, on a les relations suivantes:
y1 y2 = f (x1 ) f (x2 ) = f (x1 x2 )

y1 = f (x1 ) = f (x1 )

F1 est un sous espace vectoriel de F , alors y1 y2 F1 et y1 F1 , donc x1 x2 f 1 (F1 ) et


x1 f 1 (F1 ). On conclut donc que f 1 (F1 ) est un sous espace vectoriel de E.
Th
eor`
eme: La composee de deux applications lineaires est une application lineaire.
Preuve: Soient E, F et G trois espaces vectoriels sur le meme corps K. f une application lineaire
de E dans F et g une application lineaire de F dans G. Par definition meme, gof est une application
de E dans G. Pour tous x, y E, , K:
gof (x + y) = g(f (x + y))
= g(f (x) + f (y))

definition

de gof

38
Preuve: De la definition de la surjectivite et de Im(f ), le b.) decoule immediatement.
a.) Supposons que f soit injective, Soit x Ker(f ) alors f (x) = 0F = f (0E ). De linjectivite de f
il sensuit que x = 0E et donc Ker(f ) = {0E }. Reciproquement, supposons que le noyau de f soit
reduit au 0E . Soient x1 et x2 deux elements de E tels que f (x1 ) = f (x2 ). Par linearite de f , on
obtient: f (x1 x2 ) = 0F , le vecteur x1 x2 est donc dans le noyau de f qui est reduit `a {0E }, il en
resulte que: x1 x2 = 0E cest `a dire x1 = x2 . On conclut que f est injective.
Proposition:
Si f est un isomorphisme de E sur F , alors la bijection reciproque f 1 de F sur E est aussi lineaire.
Preuve: Soient y1 et y2 deux vecteurs de F , et deux scalaires de K. f etant un isomorphisme,
donc il existe x1 et x2 E (uniques) tels que: y1 = f (x1 ) et y2 = f (x2 ), on a aussi f 1 (y1 ) = x1 et
f 1 (y2 ) = x2 .

f est lineaire

= g(f (x)) + g(f (y))

g est lineaire

= gof (x) + gof (y)

definition de gof

f 1 (y1 + y2 ) = f 1 (f (x1 ) + f (x2 ))


= f 1 (f (x1 + x2 )) = f 1 of (x1 + x2 )
= x1 + x2 = f 1 (y1 ) + f 1 (x2 )

On conclut donc que gof est une application lineaire.


Proposition:

3.3

Noyau et image dune application lin


eaire

D
efinition: f etant une application lineaire de E dans F ,
i.) f 1 ({0F }), est un sous espace vectoriel de E est appele noyau de lapplication lineaire f , on le
note Kerf .
Kerf = {x E ; f (x) = 0F } = f 1 ({0F }) E
ii.) f (E) sous-espace vectoriel de F appele image de f et est note Imf .
Imf = {y F ; x E : y = f (x) } = f (E) F
Proposition
Ker(f ) est un sous-espace vectoriel de E et Im(f ) est un sous-espace vectoriel de F .
Preuve: f (0E ) = 0F ; 0E est dans le noyau, donc Ker(f ) 6= . Si x1 et x2 sont deux elements
du noyau, et deux elements de K:
f (x1 + x2 ) = f (x1 ) + f (x2 ) = 0F + 0F = 0F
donc x1 + x2 Ker(f ).
0F est dans Im(f ) 6= . Soient y1 et y2 deux element de Im(f ) et deux elements de K, donc il
existe x1 et x2 tels que: y1 = f (x1 ) et y2 = f (x2 ). Il sensuit que:
y1 + y2 = f (x1 ) + f (x2 ) = f (x1 + x2 ) Im(f )
Proposition
Soit f une application lineaire de E dans F :
a. f est injective si et seulement si Ker(f ) = {0E }
b. f est surjective si et seulement si Im(f ) = F

Soit f une application lineaire de E dans F et (v1 , . . . , vp ) une famille de vecteurs de E.


i) Si f est injective et la famille (v1 , . . . , vp ) est libre alors la famille (f (v1 ), . . . , f (vp )) est libre
dans F .
ii) Si f est surjective et la famille (v1 , . . . , vp ) est generatrice alors la famille
(f (v1 ), . . . , f (vp )) est generatrice de F .
iii) Si f est bijective limage dune base de E est une base de F .
Preuve:
i) Supposons f injective et (v1 , . . . , vp ) libre et montrons que (f (v1 ), . . . , f (vp )) est libre dans F . Soient
1 , . . . , p K tels que 1 f (v1 ) + . . . + p f (vp ) = 0F . Cette relation implique f (1 v1 + . . . + p vp ) =
0F = f (0E ), ce qui veut dire que 1 v1 +. . .+p vp kerf . Du fait que f est injective, kerf est reduit `a
{0E } et donc 1 v1 +. . .+p vp = 0E . Puisque (v1 , . . . , vp ) est libre il en resulte que 1 = . . . = p = 0K ,
la famille (f (v1 ), . . . , f (vp )) est donc libre.
ii) Supposons que f est surjective, (v1 , . . . , vp ) generatrice de F et montrons que (f (v1 ), . . ., f (vp ))
est generatrice de F .
Soit x un element de F , etant donne que f est surjective, il existe x E tel que x = f (x). Puisque
(v1 , . . . , vp ) est generatrice de E alors il existe 1 , . . . , p K tel que x = 1 v1 + . . . + p vp do`
u
x = f (x) = 1 f (v1 ) + . . . + p f (vp ). On conclut donc que tout x F est combinaison lineaire de
(f (v1 ), . . . , f (vp )), cest donc un syst`eme generateur.
iii) Ce resultat est une consequence immediate de i) et ii).
Proposition:
Soient E, F deux espaces vectoriels. On suppose E est de dimension n, et on choisit une base
(u1 , . . . , un ) de E. Pour toute famille (v1 , . . . , vn ) de vecteurs de F , il existe une unique application
lineaire de E vers F telle que (ui ) = vi pour tout i = 1, . . . , n.
Preuve:

39
(u1 , . . . , un ) etant une base de E, alors tout vecteur x E secrit de mani`ere unique x = 1 u1 +
. . . n un . On definit lapplication comme suit:
x E

(x) = 1 v1 + . . . n vn

40
On refait la meme chose pour (S 2 ) avec cette fois

(3.1)

(S )

On verifie facilement que est lineaire.


En effet, pour tout x, y E on a: x = 1 u1 + . . . n un et y = 1 u1 + . . . n un . x + y = (1 + 1 )u1 +
. . . (n + n )un , dapr`es la definition de (3.1) on a:
(x + y) = (1 + 1 )v1 + . . . + (n + n )vn

7
3

21 2 + 43 = 0

01 + 73 2 63 = 0

01 + 02 54 3 = 0

comme pivot de Gauss. S 2 devient:


l1
l2 = 23 l2 l1
l 3 = 37 5l3 l2

(3.4)

On remonte le syst`eme (S 3 ) `a partir de lequation l 3 , qui elle donne 3 = 0. Les autres equations
impliquent 2 = 1 = 0.
Le syst`eme (v1 , v2 , v3 ) est libre et est donc de rang 3.

= 1 v1 + 1 v1 + . . . + n vn + n vn = (x) + (y)
On montre de meme que pour tout IR (x) = (x).
Dapr`es la definition (3.1) on verifie sans peine que (ui ) = (0u1 + . . . + 1ui + . . . + 0un ) = 1vi = vi
pour tout i = 1, . . . , n.
Reste `
a montrer lunicite dune telle application. Supposons quil existe une autre application de
E vers F tel que (ui ) = vi pour tout i = 1, . . . , n. Pour tout x E on a: x = 1 u1 + . . . + n un ,
(x) = (1 u1 + . . . + n un ) = 1 (u1 ) + . . . + n (un ) = 1 v1 + . . . + n vn = (x); ceci etant
vraie pour tout x E, on conclut donc que = , do`
u lunicite.

3.4
3.4.1

Rang dun syst`


eme de vecteurs, rang dune application lin
eaire
Rang dun syst`
eme de vecteurs

D
efinition: On appelle rang dun syst`eme de vecteur S = (v1 , v2 , . . . , vp ) dun espace vectoriel E
sur K, la dimension du sous-espace vectoriel F =< v1 , v2 , . . . , vn > engendre par S. Le rang est note
rgS.
Dapr`es la definition, le rang de S = (v1 , v2 , . . . , vp ) est le nombre maximum de vecteurs lineairement
independants extraits de S. Si dimK E = n, on a evidement:

3.4.2

Rang dune application lin


eaire

D
efinition: Le rang dune application lineaire de E dans E est la dimension de lensemble image de
f (Imf = f (E)) et est notee : rgf = dimK Im(E).
Th
eor`
eme de la dimension
Th
eor`
eme: Soient E et F deux espaces vectoriels de dimension finie et f une application lineaire de
E vers F . On a alors:
dimE = rgf + dim(Ker f )

Preuve: Supposons que dimE = n, dimKerf = p, et soit B1 = (v1 , v2 , . . . , vp ) une base de Kerf .
Dapr`es le theor`eme de la base incompl`ete, on peut toujours completer B1 en une base B = B1 B2
de E, avec B2 = (u1 , u2 , . . . , unp ). B est une base de E donc generatrice, pour tout x E, il existe
1 , . . . p , p+1 , . . . , n K tels que:
x = 1 v1 + . . . + p vp + p+1 u1 + . . . + n unp

Exemple: Dans IR3 espace vectoriel, quel est le rang de v1 = (2, 3, 5), v2 = (1, 2, 3) et v2 =
(4, 3, 8)?
Il est evident que si (v1 , v2 , v3 ) est libre alors: < v1 , v2 , v3 >= IR3 et donc le rang de (v1 , v2 , v3 ) est
trois. Etudions si (v1 , v2 , v3 ) sont lineairement independant ou non?
Soient 1 , 2 et 3 des elements de IR tels que

y = f (x) = 1 f (v1 ) + . . . + p f (vp ) + p+1 f (u1 ) + . . . n f (unp )

(l1 )
(l2 )
(l3 )

(3.2)

(S )

21 2 + 43 = 0

0 +

0
1

7
3 2
1
5 2

63 = 0
45 3 = 0

l1 = l1
l2 = 32 l2 l1
l3 = 52 l3 l1

1 f (u1 ) + 2 f (u2 ) + . . . + np f (unp ) = 0E = f (0E )


f (1 u1 + 2 u2 + . . . + np unp ) = 0F

le syst`eme sera resolu par la methode du pivot de Gauss decrite ci-dessous. Dans la prem`ere ligne
(l1 ) on choisit un des coefficients i qui soit non nul. Ce coefficient est appele pivot de Gauss. Dans
notre cas, le premier pivot est le coefficient de 1 qui est 2. Le syst`eme (S 1 ) devient

(3.8)

On conclut que (f (u1 ), . . . , f (unp ) est une famille generatrice de f (E). Reste `a montrer que (f (u1 )+
. . . f (unp ) est une famille libre de f (E) pour conclure que rgf = n p. Soit 1 , . . . , np K tels
que

on a donc le syst`eme suivant:


31 + 22 33 = 0

51 32 + 83 = 0

(3.7)

(v1 , . . . , vp ) etant un element du Kerf , donc f (v1 ) = 0, . . . , f (vp ) = 0 et par consequent, pour tout
y f (E)
y = f (x) = p+1 f (u1 ) + . . . + n f (unp ).

1 v1 + 2 v2 + 3 v3 = 0IR3

(S 1 )

(3.6)

Soit y un element quelconque de f (E), donc il existe x E tel que y = f (x). x peut etre decompose
sur la base B (3.6). y est donc donne par:

rg(v1 , v2 , . . . , vp ) inf(n, p)

21 2 + 43 = 0

(3.5)

(3.9)

La derni`ere egalite (3.9) montre que 1 u1 + 2 u2 + . . . + np unp est un element de Kerf , donc il
existe 1 , 2 , . . . p K tels que 1 u1 + 2 u2 + . . . + np unp = 1 v1 + 2 v2 + . . . + p vp ce qui
implique que
1 u1 + 2 u2 + . . . + np unp 1 v1 2 v2 . . . p vp = 0E

(3.3)

comme B1 B2 = (v1 , v2 , . . . , vp , u1 , u2 , . . . , unp ) est une base de E


1 = 2 = np = 1 = p = 0

(3.10)

41
(f (u1 ), . . . , f (unp ) est libre, cest alors une base de f (E) = Imf . On conclut donc que dimImf =
n p = dimE dimKerf
Corrollaire: Soient E et F deux espaces vectoriels de dimensions finies et f une application lineaire
de E vers F .
i.) Si dimE < dimF , alors f nest pas surjective

42
(e1 , e2 , e3 ) est la base canonique de IR3 .
a. Calculer f (x, y, z) pour tout (x, y, z) IR3 .
b. Determiner Kerf et Imf et montrer que IR3 = kerf Imf
R
eponse:
a. f etant lineaire, pour tout (x, y, z) IR3 ,
f (x, y, z) = f (xe1 + ye2 + ze3 ) = xf (e1 ) + yf (e1 ) + zf (e1 ) = x(1, 1, 1) + y(1, 1, 0) + z(0, 2, 1)
= (x + y, x y + 2z, x + z)

ii.) Si dimE > dimF , alors f nest pas injective


iii.) Si dimE = dimF , alors les trois proprietes suivantes sont equivalentes: f est surjective, f est
injective, f est bijective.
Preuve: i.) Demonstration par labsurde. Supposons que f est surjective, alors Imf = F et donc
rgf = dimF . On a donc dimKerf = dimE dimF < 0, ce qui est inpossible, car dimKerf 0.
ii.) et iii.) Exercices.

3.5

Kerf = {(x, y, z) IR3 |f (x, y, z) = (x + y, x y + 2z, x + z) = (0, 0, 0)}


= {(x, y, z) IR3 |x + y = 0 et x y + 2z = 0 et x + z = 0}
= {(x, y, z) IR3 |y = x et z = x}

= {(x, y, z) IR3 |(x, y, z) = x(1, 1, 1)}


dim Kerf = 1.
Par definition Imf =< f (e1 ), f (e2 ), f (e3 ) >. (f (e1 ), f (e2 ), f (e3 )) sont ils libre? Soit , , IR tels
que f (e1 ) + f (e2 ) + f (e3 ) = (0, 0, 0), on a alors le syst`eme suivant:

Exercices 1: Soit f une application de IR3 vers IR2 definie par:


(x, y, z) IR3 ; f (x, y, z) = (z + y x, x + y)

+ =0

+ 2 = 0

+ =0

m est un param`etre reel.


a.) Montrer que f est une application lineaire.
b.) Determiner Kerf . f est elle injective?
c.) Determiner Imf . f est elle surjective?
R
eponse:
a.) Pour tout (x, y, z) IR3 , (x , y , z ) IR3 et , IR on a: f ((x, y, z) + (x , y , z )) =
f (x + x , y + y , z + z ) = (z + z + y + y x x , x + x + y + y ) =
(z +y x, x+y)+(z +y x , x +y ) = (z + y x, (x + y)) + (z + y x , (x + y )).
|

Kerf

b.

= < (1, 1, 1) >

Exercices r
esolus

f est donc lineaire.


b.)

(3.11)

{z

f (x,y,z)

{z

f (x ,y ,z )

= {(x, y, z) IR3 |f (x, y, z) = (z + y x, (x + y)) = (0, 0)}


= {(x, y, z) IR3 |z + y x = 0 et x + y = 0}

= {(x, y, z) IR3 |z = 2x et y = x}

= {(x, y, z) IR3 |(x, y, z) = x(1, 1, 2)}


= < (1, 1, 2) >

Kerf 6= {0IR3 } donc f nest pas injective.


c.) Par definition Imf =< f (e1 ) = (1, 1), f (e2 ) = (1, 1), f (e3 ) = (1, 0) >. Or f (ei ) IR2 ,
trois vecteurs de IR2 sont toujours lies, dans ce cas on a: f (e2 ) = (1, 1) = 2f (e3 ) + f (e1 ) et donc
Imf =< f (e1 ) = (1, 1), f (e3 ) = (1, 0) >. Il est facile de se convaincre que (f (e1 ), f (e3 )) est libre
donc (f (e1 ), f (e3 )) est une base de Imf .
On conclusion: Imf = IR2 , et par suite f est surjective.
Exercices 2: Soit f une application lineaire de IR3 IR3 tels que
f (e1 ) = (1, 1, 1) , f (e2 ) = (1, 1, 0) , f (e3 ) = (0, 2, 1)

(c11 )
(c12 )
(c13 )

(3.12)

ce syst`eme est equivalent `a = et = . Pour = 1 on a donc la combinaison suivante entre


(f (e1 ), f (e2 ) et f (e3 )): f (e3 ) = f (e1 ) f (e2 ), donc (f (e1 ), f (e2 ), f (e3 )) est liee.
Comme (f (e1 ), f (e2 )) est libre, donc Imf =< f (e1 ), f (e2 ) > et dimImf = 2.
pour montrer que IR3 = kerf Imf il suffit de montrer que kerf Imf = {0IR3 }. En effet, soit
(x, y, z) kerf Imf ceci implique que f (x, y, z) = (0, 0, 0) et (x, y, z) Imf =< f(e1 ), f(e2 ) >. Or,
dune part f (x, y, z) = (0, 0, 0) implique que (x, y, z) = (x, x, x) et dautre part (x, y, z) Imf =<
f (e1 ), f (e2 ) > implique quil existe et IR tel que (x, y, z) = (x, x, x) = f (e1 ) + f (e2 ) ce
qui implique x = + , x = et x = ce qui donne en fin x = 0 et = = 0. Donc pour
tout (x, y, z) kerf Imf (x, y, z) = (0, 0, 0) et donc kerf Imf = {0IR3 }.
Comme Imf et kerf sont deux sous espaces vectoriels de IR3 , Imf + kerf IR3 est egalement un sous
espace vectoriel de IR3 . On a: dim(kerf + Imf) = dimkerf + dimImf dim(kerf Imf) = 1 + 2 = 3,
on conclut que IR3 = kerf + Imf et par suite IR3 = kerf Imf.

43

3.6

Exercices

Exercice 1. a) Quelles sont parmi les applications suivantes celles qui sont lineaires?
f1 : IR2 IR

f2 : IR2 IR2

f1 (x, y) = xy
f2 (x, y) = (2x + y, x + 1)

f3 : IR3 IR2

f3 (x, y, z) = (|y|, 0)

f5 : IR3 IR2

f2 (x, y, z) = (x + y, x + y z)

f4 : IR[X] IR[X]

f4 (P ) = XP

b) Determiner le noyau et limage de f5 . Cette application est-elle injective?


Determiner limage reciproque par f5 de {0} IR.
Exercice 2. On consid`ere les deux espaces vectoriels IR4 et IR3 et lapplication f : IR4 IR3 qui `
a
lelement (x, y, z, t) fait correspondre lelement (x + y, y z, x + z) de IR3 . Montrer que f est lineaire.
Donner une base de Kerf et Imf . Quel est le rang de f .
Exercice 3. Determiner dans chaque cas le noyau et limage des applications lineaires f suivantes,
puis examiner si kerf et Im f sont supplementaires:
a)f : IR2 IR2
b)f : IR2 IR2

f (x, y) = (y, x)
f (x, y) = (x, x)

c)f : IR3 [X] IR3 [X]

f (P ) = P + (X 1)P

( IR3 [X] designe lespace vectoriel reel des polyn


omes de degre 3).
Exercice 4. Soit f : IR4 IR lapplication definie par: f (x, y, z, t) = x y + z t
a) Verifier que f est lineaire.
b) Determiner Imf et kerf . f est-elle injective? surjective?
c) En deduire que E = {(x, y, z, t) IR4 /x y + z t = 0} est un sous-espace vectoriel de IR4 .
Exercice 5. Montrer quil existe une seule application lineaire f : IR3 IR3 telle que
f ((1, 0, 0)) = (1, 1, 0) , f ((0, 1, 0)) = (1, 1, 0) , f ((0, 0, 1)) = (1, 0, )
o`
u designe un reel quelconque.
Comment choisir pour que f soit injective? surjective?
Exercice 5. Trouver une application lineaire f : IR3 IR4 dont limage soit engendree par (1, 2, 0, 4)
et (2, 0, 1, 3).
Exercice 6. IR3 [X] designe lespace vectoriel des fonctions polyn
omes de degre inferieur ou egal `
a
3`
a coefficient reels, B = (1, X, X 2 , X 3 ) est sa base canonique. On consid`ere lendomorphisme f de
IR3 [X] defini par:
f (1) = 1 , f (X) = X 2 , f (X 2 ) = X , f (X 3 ) = X 3
1. Soit les ensembles:
S = {P IR3 [X] ; f (P ) = P }

A = {P IR3 [X] ; f (P ) = P }

a.) Montrer, sans en chercher une base, que ce sont des sous-espaces vectoriels de IR3 [X]; donner une
base et la dimension de chacun deux.
b.) Montrer que IR3 [X] = A S. Donner la decomposition dune fonction polyn
ome quelconque de
IR3 [X] associee `
a cette somme directe.
2. Soit E les sous-espace vectoriel de IR3 [X] engendre par {1 + X 3 , X, X 2 }. Montrer que A E et
donner une base de E S.
3. Soit F le sous-espace vectoriel de IR3 [X] qui verifie F (E S) = S. Quelle est la dimension de

44
F ? Montrer que E F = {0} pui que IR3 [X] = E F .
Exercice 7. Soit E un espace vectoriel reel et f un endomorphisme de E qui verifie f of 3f +2idE =
0.
a) Montrer les inclusions suivantes:
Im(f 2Id) Ker(f Id)

Im(f Id) Ker(f 2Id)

b) Soit E1 = ker(f Id) ; E2 = ker(f 2Id)


i) Montrer que E1 + E2 = E1 E2
ii) On remarque que tout element V de E peut sescrire V = (f (V ) V ) (f (V ) 2V ) en deduire
que E = E1 E2 .
Exercice 8. Soit f lapplication lineaire de IR3 dans IR4 definie par:
f (x, y, z) = (x + 3z, x + 4y 5z, 2x + y 8z, 3x + 5y z)
1) Soit (e1 , e2 , e3 ) la base canonique de IR3 . Determiner f (e1 ), f (e2 ) et f (e3 ).
2) a) Determiner une base de Imf et le rang de f .
b) Lapplication f est-elle surjective? Est-elle injective?
3) Determiner une base de kerf et sa dimension.
4) Soit G le sous-espace vectoriel de IR4 forme des vecteurs (a, b, c, d) tels que 9a b + 4c = 0 et
7a + 5b 4d = 0. Montrer que G contient Imf , puis que Imf = G.
Donner une condition necessaire et suffisante sur (a, b, c, d) pour que f 1 ({(a, b, c, d)}) soit non vide.
5) Soient les vecteurs V1 = (1, 1, 2, 3) et V2 = (1, 3, 3, 2): determiner des vecteurs de IR3 , U1 et U2 ,
tels que f (U1 ) = V1 et f (U2 ) = V2 . Montrer que Vect(U1 , U2 ) et kerf sont supplementaires dans IR3 .
Exercice 9. Soit E un espace vectoriel de dimension 3 et (e1 , e2 , e3 ) une base de E. On definit
lendomorphisme f de E par f (e1 ) = e2 , f (e2 ) = e3 , f (e3 ) = e1 a) Montrer que f 3 = Id b) On
pose E1 = Ker(f Id) et E2 = Ker(f 2 + f + Id)
Determiner une base de E1 .
Determiner une base de E2 .
Montrer que E = E1 E2 .
Exercice 10. Soit IR3 muni de la base canonique B = {e1 , e2 , e3 } et f lendomorphisme de IR3 tel
que:
f (e1 ) = e1 + e3 , f (e2 ) = e1 2e2 e3 , f (e3 ) = e1 e3

1. a) soit u = (x, y, z) IR3 . Calculer f (u).


b) Determiner une base et la dimension de ker(f ) et de Im(f ). Aton IR3 = ker(f ) + Im(f ).
2. a) Verifier que B = {a1 = (1, 0, 1), a2 = (0, 1, 1), a3 = (1, 0, 1)} est une base de IR3
b) Soit u = (x, y, z). Trouver ses nouvelles coordonnees X, Y , Z dans la base B .
3. On pose g = f + 4IdIR3 .
a). Montrer que g est un automorphisme de IR3 .
b). Calculer g(a1 ), g(a2 ), g(a3 ) dans la base B . c). En deduire gn (a1 ), gn (a2 ), gn (a3 ) pour n 1.
4. Soit u = (x, y, z). Calculer gn (u) dans la base B.
Exercice 11. E etant un e.v sur un corps commutatif K. On appelle projecteur tout endomorphisme
p de E, tel que p2 = pop.
a). Demontrer que p est un projecteur si et seulement si IdE p en est un.
montrer que si p est un projecteur les relations suivantes sont verifiees:
Im(IdE p) = Ker p

et

Ker(e p) = Im p

b). Demontrer que si p est un projecteur, alors


E = Im p Ker p

46
La matrice est donc rectangulaire de la forme:
a11 a12 a13
a21 a22 a23

M=

Chapitre 4

x1

Soit x IR , x = x1 e1 + x2 e2 + x3 e3 = x2 , son image par f est donnee par: f (x) = x1 f (e1 ) +

Matrices

x3

{z

y1

{z

y2

A laide des matrices cela peut etre retrouve de la facon suivante:

4.1

y1
y2

x2 f (e2 ) + x3 f (e3 ) = [x1 a11 + x2 a12 + x3 a13 ]f1 + [x1 a21 + x2 a22 + x3 a23 ]f2 =

Matrice dune application lin


eaire

D
efinition: Soient E et F deux K espaces vectoriels de dimensions respectives n et p. Soient (e1 ,
e2 , . . . , en ) une base de E et (f1 , f2 , . . . , fp ) une base de F. f une application lineaire de E dans F .
Pour tout i = 1, . . . , n, f (ei ) F , donc il existe ai,j ... tels que:
f (e1 ) = a1,1 f1 + a2,1 f2 + . . . + ap,1 fp
f (e2 ) = a1,2 f1 + a2,2 f2 + . . . + ap,2 fp
..
.=
f (ej ) = a1,j f1 + a2,j f2 + . . . + ap,j fp
..
.
f (en ) = a1,n f1 + a2,n f2 + . . . + ap,n fp

fi
..
.
fp

a11 a12 . . . a1j


a22 . . . a2j
..
.
. . . . ..
ai2 . . . aij
..
.
. . . . ..
ap1 ap2 . . . apj

a
21
.
..

ai1

..
.

. . . a1n
. . . a2n
.
. . . ..
...

x3
{z

31

y1 = x1 a11 + x2 a12 + x3 a13


y2 = x1 a21 + x2 a22 + x3 a23

{z

21

xn

y1
..
. son image par f , les yi sobtienent de la facon suivante:
yp

a11 a12 . . . a1j


a22 . . . a2j
.
..
. . . . ..
ai2 . . . aij
.
..
. . . . ..
ap1 ap2 . . . apj

a
21
.
..

Y = MX =
ai1

..
.

. . . a1n
. . . a2n
..
.
...
...

= (aij ) sa matrice relative aux bases

et Y = f (X) = (y1 , y2 , . . . , yp ) =

ain

..
.

...
. . . apn

x1
x2
..
.
xj
..
.
xn

y1
y2
..
.
yi
..
.
yp

les yi sont donnes par:

...
. . . apn

y1 = x1 a11 + x2 a12 + . . . + xj a1j + . . . + xn a1n


y2 = x1 a21 + x2 a22 + . . . + xj a2j + . . . + xn a2n

Le tableau des aij sappelle la matrice de f relativement aux bases (ei )i=1,...,n et (fj )j=1,...,p . On note
M = (aij )1ip

x1

x2 =

ain

..
.

{z

23

Secondo: Soit f une application lineaire de IRn IRp et soit M

x1

n
p
canoniques de IR et IR . Posons X = (x1 , x2 , . . . , xn ) = ...

f (e1 )f (e2 ) . . . .f (ej ) . . . .f (en )

En ecrivant en colonne les composantes des f (ej ) dans la base (f1 ,. . .,fp )

f1
f2
..
.

a11 a12 a13


a21 a22 a23

...
, 1jn

yi = x1 ai1 + x2 ai2 + . . . + xj aij + . . . + xn ain


...

i indice de la i`eme ligne et j indice de la ji`eme colonne.


Si n = p la matrice M est dite matrice carree dordre n.
Exemple: Ecriture matricielle dune application lin
eaire
Primo: On considere lapplication lineaire f : IR3 IR2 donnee par:

yp = x1 ap1 + x2 ap2 + . . . + xj apj + . . . + xn apn

4.1.1

Matrices particuli`
eres

f (e1 ) = a11 f1 + a21 f2

Matrice nulle

f (e2 ) = a12 f1 + a22 f2

Considerons IRn qui est un espace vectoriel de dimension n. Lapplication lineaire nulle de IRn
dans IRn qui, `a tout vecteur x IRn fait correspondre le veteur nul. Ainsi la matrice de est donnee

f (e3 ) = a13 f1 + a23 f2


45

47
par:

0 0 ... 0 ...
0 0 ... 0 ...
.
.. ..
. . . . . .. . . .
0 0 ... 0 ...
.
.. ..
. . . . . .. . . .
0 0 ... 0 ...

IRn =

cette matrice est notee IRn et est appelee matrice nulle.

0
0
..
.

48
Matrice Sym
etrique, antisym
etrique

Une matrice carree M = (aij ) est dite symetrique si aij = aji pour tout i, j.

..
.

a11

a
12
.
..

M =
a1i

..
.

a12
a22
..
.

. . . a1i
. . . a2i
.
. . . ..

a2i
..
.

. . . aii . . .
.
. . . .. . . .
. . . ain . . . ann

a1n a2n

Matrice Identit
e
Lapplication lineaire identite IIRn de IRn dans IRn tel que IIRn (x) = x pour tout x IRn . Considerons
la base canonique (e1 , . . . , en ) de IRn . On a lors IIRn (ei ) = ei i = 1, . . . , n, la matrice de IIRn
relativement `
a la base canonique de IRn est:

MI n =

IR

1 0 ... 0 ...
0 1 ... 0 ...
.. ..
.
. . . . . .. . . .
0 0 ... 1 ...
.. ..
.
. . . . . .. . . .
0 0 ... 0 ...

0
0
..
.
0
..
.
1

ain

..
.

Elle est dite antisymetrique si aij = aji pour tout i, j.

0
a12
..
.

M =
a1i

..

. . . a1n
. . . a2n
..
...
.

a12
0
..
.

...
...
...
...

a2i
..
.

a1n a2n

4.1.2

a1i
a2i
..
.

. . . a1n
. . . a2n
.
. . . ..

ain

..
.

0
...
..
...
.
...
. . . ain . . .

Des exemples classiques

Homoth
etie

cette matrice est notee In et est appelee matrice unite.

Soit un reel. hx une application lineaire de IR2 vers IR2 qui `a (x, y) IR2 fait correspondre (x, y).
Donc hx (e1 ) = e1 et hx (e2 ) = e2 , la matrice de hx relativement `a la base canonique de IR2 est:

Matrice Diagonale
Considerons lapplication lineaire dIRn de IRn dans IRn tel que pour tout i = 1, . . . , n: dIRn (ei ) = i ei ,
i IR. La matrice de dIRn relativement `a la base canonique de IRn est:

Md n = i ij =

IR

1 0
0 2
..
..
.
.
0 0
..
..
.
.
0

...
...

0
0
..
.

...
...

0
0
..
.

...
...
. . . i . . . 0
.
.
. . . .. . . . ..
. . . 0 . . . n

Mhx =

0
0

1 0
0 1

Projecteurs
px une application lineaire de IR2 vers IR2 qui `a (x, y) IR2 fait correspondre (x, 0). Donc px (e1 ) = e1
et px (e2 ) = (0, 0), la matrice de px relativement `a la base canonique de IR2 est:
Mpx =

1 0
0 0

cette matrice est appelee matrice diagonale.

px est appelee projection sur ox.


La projection py sur oy est definie par: py (x, y) = (0, y). Sa matrice est donnee par:

Matrice Triangulaire
Une matrice carree M = (aij ) est dite triangulaire superieure si on a aij = 0 pour i > j.

a11 a12 . . . a1i


a22 . . . a2i
..
.
. . . . ..
0 . . . aii
..
.
. . . . ..
0
0 ... 0

.
..

M =
0

..
.

Elle est dite triangulaire inferieure si aij = 0 pour i < j.

. . . a1n
. . . a2n
..
...
.
...

ain

..
.

...
. . . ann

Mpy =

0 0
0 1

Considerons f la projection sur la premi`ere bissectrice parall`element `a la seconde bissectrice. On a


f (e1 ) = f (e2 ) = 1/2(e1 + e2 ). La matrice de f est:
Mf =

1
2

1 1
1 1

pour tout (x, y) IR2 , f (x, y) = 12 (x + y)(e1 + e2 ), f (x, y) est un vecteur de la premi`ere bissectrice.

49

1. A M2,2 (IR),

Sym
etries
2

50

sx une application lineaire de IR vers IR qui, `a (x, y) IR fait correspondre (x, y). Donc sx (e1 ) =
e1 et sx (e2 ) = e2 , la matrice de sx relativement `a la base canonique de IR2 est:
1 0
0 1

Msx =

A=

sx est appelee symetrie par rapport `a laxe ox parall`element `a laxe oy.


La symetrie sy par rapport a` laxe oy parall`element `a laxe ox est definie par: sy (x, y) = (x, y). Sa
matrice est donnee par:
!
1 0
Msy =
0 1

a b
c d

4.2

{z

E12

+c

0 0
1 0

{z

E21

+d

0 0
0 1

{z

E22

A=

a b c
d e f

+e
|

=a

0 0 0
0 1 0

{z

E22

1 0 0
0 0 0

{z

E11

+f

+b

0 0 0
0 0 1

{z

E23

0 1 0
0 0 0

{z

E12

+c

0 0 1
1 0 0

{z

E13

+d
|

0 0 0
1 0 0

{z

E21

i) Le sous-ensemble des matrices symetriques constitue un sous-espace vectoriel de dimension


n(n + 1)/2.

Op
erations sur les matrices

ii) Le sous-ensemble des matrices antisymetriques constitue un sous-espace vectoriel de dimension


n(n 1)/2.
iii) Le sous-ensemble des matrices diagonales constitue un sous-espace vectoriel de dimension n.

Addition des matrices

M = (aij )

Preuve: Exercice.
et

N = (bij )

M + N = (aij + bij )

(4.1)

Produit par un scalaire

On definit la loi externe par:


K

0 1
0 0

Proposition: Dans lespace vectoriel Mn,n (K) des matrices carrees dordre n > 1:

On definit laddition de la facon suivante:

4.2.2

{z

E11

+b

(E11 , E12 , E13 , E21 , E22 , E23 ) est une base de M23 (IR) et dimM23 (IR) = 6 = 2 3.

Soit Mp,n (K) lensemble des matrices `a coefficients dans K.

4.2.1

2. A M2,3 (IR),

Considerons la rotation f de centre O et dangle dans le plan IR . Dapr`es la figure on voit


facilement que:
f (e1 ) = cos e1 + sin e2 , f (e2 ) = sin e1 + cos e2

Mf =

1 0
0 0

(E11 , E12 , E21 , E22 ) est une base de M22 (IR) et dimM22 (IR) = 4 = 2 2.

cos sin
sin cos

=a
|

Rotation de IR2

La matrice de f relativement `a la base canonique de IR2 est donnee par:

M = (aij )

o`
u M = (aij )

Proposition: Lespace vectoriel Mp,n (K) est de dimension np et admet pour base la famille des
matrices elementaires Eij (1 i n,1 j p).
, 1ln

en dautres termes, lelement aij de Eij vaut 1, et tous les autres elements sont nuls.
En particulier lespace vectoriel Mn,n (K) des matrices carrees est de dimension n2 .
Exemple:

Transpos
ee dune matrice

D
efinition: La transposee dune (n, p)matrice M = (aij )1in,1jp est la matrice (p, n), notee t M
definie par: t M = (bij )1ip,1jn et bij = aji i, j. t M est donc une (p, n) matrice.
On a la propriete suivante:
t t
( M) = M

(4.2)

Th
eor`
eme: Mp,n (K) muni de ces deux lois est un K espace vectoriel.
Lelement neutre pour la loi + est la matrice nulle (tous les coefficients sont nuls).
Loppose de M = (aij ) est M = (aij )

Eij = (ij,kl )1kn

4.2.3

Exemples: 1: La transposee de M =

1 2 3
4 5 6

2: La transposee de la matrice carree M =

4.2.4

a b
c d

1 4

est t M = 2 5

est

tM

3 6

a c
b d

Produit des matrices

D
efinition: Le produit de la (n,p) matrice M = (aij )1in,1jp et de la (p, q) matrice N =
(bkl )1kp,1lq est la (n, q) matrice notee M.N ou M N definie par :
M N = (cij )1in,1jq

cij =

p
X

k=1

aik bkj

(4.3)

51
Exemple:

Calcul pratique de linverse dune matrice

!
1 4 1 1
1 2

1 2 1 1
= 2 5 1 1
1 3
1 3 0 0
0
3
0
0
1 1 |
{z
}

{z

32

24

{z

Soit A Mn (K), X, X K n deux vecteurs tels que

34

Produit successif
La puissance m-i`eme dune matrice carree A etant definie par:

52

X = AX

A1 X = A1 AX = X
X = A1 X

Exemples:
!
1 2
;X=
1.) A =
1 3

A0 = I , A1 = A , A2 = AA , Am = Am1 A
La matrice A est dite:

x1
x2

x1
x2

; X =

x1 = x1 + 2x2
x2 = x1 + 3x2

; X = AX {

involutive si A2 = I

On peut donc exprimer facilement x1 et x2 en fonction de x1 et x2 comme suit: {

nilpotente sil existe un p tel que Ap = o

Linverse de A est donc A1 =

idempotente sil existe un p tel que Ap = A

3 2
1 1

2.) Soit f une application lineaire de IR2 dans IR2 , B = (e1 , e2 ) la base canonique de IR2 . {

Propri
et
es du produit
Soit M , M1 , M2 Mn,p (IR); N , N1 , N2 Mp,q (IR); K:

M [f, B] =

(M1 + M2 )N = M1 N + M2 N
(M N ) = (M )N = M (N )

Attention: En general le produit M N 6= N M , en voici un exemple:


,

N=

3 3
2 2

!
!

x1
. Sont image par f est Y = f (X) =
x2
f (x1 e1 + x2 e2 ) = x1 f (e1 ) + x2 f (e2 ) = x1 (a11 e1 + a12 e2 ) + x2 (a12 e1 + a22 e2 ) = (x1 a11 + x2 a12 )e1 +
(x1 a21 + x2 a22 )e2 , Y est donc definie par:

t (M N ) =t N t M

2 3
4 6

a11 a12
a21 a22

Soit X un vecteur de IR2 : X = x1 e1 + x2 e2 = (x1 , x2 ) =

(M N )P = M (N P )

M=

f (e1 ) = a11 e1 + a12 e2


,
f (e2 ) = a12 e1 + a22 e2

la matrice de f relativement `a la base canonique B est

M (N1 + N2 ) = M N1 + M N2

x1 = 3x1 2x2
.
x2 = x1 + x2

MN =

0 0
0 0

et

NM =

6 3
4
6

Proposition: Soient E et F deux espaces vectoriels sur K de dimensions n et p. B = (ei )i=1,...,n une
base de E, B = (fi )i=1,...,p une base de F . f une application lineaire de E sur F , g une application
lineaire de E sur F alors:
M [f + g, B, B ] = M [f, B, B ] + M [g, B, B ]
K : M [f, B, B ] = M [f, B, B ]
Proposition: Soient E, F et G trois espaces vectoriels sur K de dimensions n, p et q. B = (ei )i=1,...,n
une base de E, B = (fi )i=1,...,p une base de F et B = (gi )i=1,...,q une base de G. f une application
lineaire de E sur F , g une application lineaire de F sur G alors:
M [gof, B, B ] = M [g, B , B ]M [f, B, B ]
D
efinition: Une matrice carree A Mn (K) est dite inversible sil existe une matrice A Mn (K)
telle que: AA = A A = I. A est dite inverse de A et est notee A1 .
Proposition: Soient E et F deux espaces vectoriels de meme dimension n sur K. B = (e1 , . . . , en )
une base de E, B = (f1 , . . . , fn ) une base de F une application lineaire de E F est bijective (c.`a.d
isomorphisme) si et seulement si M [f, B, B ] est inversible. De plus
1

(M [f, B, B ])

= M [f

, B , B]

Y = (y1 , y2 ) =

4.3
4.3.1

y1 = x1 a11 + x2 a12
y2 = x1 a21 + x2 a22

a11 a12
a21 a22

x1
x2

= M [f, B]X

Changement de base
Matrice de passage

Soit E un espace vectoriel de dimension n. B = (e1 , e2 , . . . , en ) une base de E. B = (f1 , f2 , . . . , fn )


une nouvelle base de E definie par:

f1 = p11 e1 + p21 e2 + . . . + pn1 en

f2 = p12 e1 + p22 e2 + . . . + pn2 en

..

fi = p1i e1 + p2i e2 + . . . + pni en

..

fn = p1n e1 + p2n e2 + . . . + pnn en

En utilisant les sommations on note:

fj = p1j e1 + p2j e2 + . . . + pnj en =

n
X
i=1

pij ei

53
La matrice de passage de la base B `a la base B est la matrice notee PBB et dont les colonnes sont
les composantes des vecteurs fi dans la base B:

p11

a12 . . . a1j
p22 . . . p2j
.
..
. . . . ..
pi2 . . . pij
..
.
. . . . ..
pn2 . . . pnj

p
21
.
..

PBB =
pi1

..
.

pn1

. . . p1n
. . . p2n
..
.
...
...

54
ce qui est equivalent `a ecrire:

X=

pin

..
.

...
. . . pnn

x1
x2
..
.
xi
..
.
xn

pn1

4.3.3

X =

xn

xi f i =

i=1

x1
x2
..
.
xi
..
.

xn

X =
=
=

i=1
n
X

xj fj =

n
X

xj (

i=1

n
X

n
X

(4.6)

(4.7)

1
M [f, B , B ] = PBB
M [f, B, B]PBB
B

Exemple:

(4.4)

1 1
la matrice dune application lineaire relativement `a la base canonique B =
1 1
2

(e1 , e2 ) de IR . Soit B = (f1 = e1 e2 , f2 = e1 e2 ) une nouvelle base de IR2 . La matrice de


passage de B `a B est donnee par:
Soit MB =

PBB =

n X
n
X

1 1
1 1

1/2 1/2
1/2 1/2

P 1 = PB B =

Soit X un vecteur de composantes (x1 , x2 )B dans la base B et (y1 , y2 )B dans la base B .


Dapr`es les relations (8.14) et (4.7), on obtient:

pij xj ei

j=1 i=1

x1 = y1 y2
x2 = y1 y2

et

y1 = 1/2(x1 x2 )
y2 = 1/2(x1 + x2 )

La matrice dans la nouvelle base est donnee par:

xi ei

(4.5)
M

i=1

On conclut donc que:

P
x1 = nj=1 p1j xj

x = Pn p x
2

= PBB X

On conclut donc que la matrice de f dans la base B est donnee par:

pij xj )ei

i=1 j=1
n
X

xn

Y = PBB
M [f, B, B]PBB X

pij ei ) =

i=1

xi
..
.

PBB Y = M [f, B, B]PBB X

ceci est equivaut `


a:
n
X

...
. . . pnn

x1
x2
..
.

apr`es multiplication par P 1 `a gauche on obtient:

xi ei =

xi
i=1

..
.

pin

..

Action du changement de base sur la matrice dune application lin


eaire:

Soit x E un vecteur de E, de composantes (x1 , . . . , xn ) dans la base B et de composantes (x1 , . . . , xn )


dans la base B . On a alors:

n
X

...

Soit f une application lineaire de E dans E, B = (e1 , e2 , . . . , en ) et B = (f1 , f2 , . . . , fn ) deux bases


de E. Soit Y limage de X par f , on a donc Y = M [f, B, B]X. Dapr`es les formules de changement
de base: X = PBB X et Y = PBB Y , on aura donc la relation:

Action du changement de base sur les composantes dun vecteur

x1
x2
..
.

. . . p1n
. . . p2n
..
...
.

1
X = PBB
X = PB B X

(PBB )1 = PB B

p12 . . . p1j
p22 . . . p2j
..
.
. . . . ..
pi2 . . . pij
..
.
. . . . ..
pn2 . . . pnj

La matrice de passage etant inversible, de la relation (8.14) on montre facilement que:

Proposition: Une matrice de passage est toujours inversible et on a:

4.3.2

p11

p
21
.
..

=
pi1

..
.

j=1 2j j

... = ...
P
xn = nj=1 pnj xj

=P

MB P =

1 1
1 1

Matrices semblables
D
efinition: Deux matrices carrees dordre n A et B sont semblables sil existe une matrice carree
inversible P dordre n telle que:
B = P 1 AP

55
Rang dune Matrices
D
efinition: Soit M une (n, p) matrice, on appelle rang de M , le rang du syst`eme des vecteurscolonnes de M .
Si M est interpretee comme une matrice de lapplication lineaire f : IRn IRp relativement aux bases
canoniques, alors le rang de M est le rang de f .

56
M2 est deja triangulaire inferieure. On fera la meme procedure pour la rendre diagonale.
La ligne l32 reste inchangee alors que l22 1(resp l12 ) sera remplacee par 65 l22 l32 (resp l12 + l32 ).

Le rang des colonnes dune matrice M est egal `a celui de ses lignes, cest `
a dire le rang de M est egal
au rang de la transposee t M de M .
Proposition 2:

1) M est inversible

5
6
1
10
1
2

1
0
23
0 = 10
3
23

M4 = 0 53

2) t M est inversible

4) Il existe une matrice carree K dordre n telle que: KM = In

A ce niveau, on conclut que

M 1

5) Les lignes de M sont lineairement independantes

7) M est de rang n

Exercices r
esolus

1 2 3
1 0 0

M = 2 3 1 = 0 1 0
1 3 2
0 0 1

l1
l2
l3

1 2

M1 = 0 21
0 1

(4.8)

2
21
0 0

= l1
l21 = 12 l2 l1
l31 = l3 l1

l12 = l11
l22 = l21
l32 = 21 l31 + l2

1
3

25 = 1
23
3

0
1
2
1
2

0
1
2

1
2

61
61
5
6

5
6

16
76

16
61

1
2

67

5
6

16

3
3
l14 = 10
3 l2 + l1
l24 = l2 3
l34 = l33

(4.12)

l15 = l14
l25 = 53 l2 4
l35 = 31 l34

(4.13)

1 1
2 3

B=

3 4
8 11

B2 =

1 1
2 3

5 0
0 5

2 3
4 2

1 2
2 1

(4.9)

(4.10)

3 1
8 1

AB =

(A + B)2 =

A2 + AB + BA + B 2 =

Maintenant, on oublit l11 . La ligne l21 reste inchangee alors que l31 sera remplacee par 12 l31 + l1:

M2 = 0

(4.11)

67

12

A2 + 2AB + B 2 =

l11

3
1 0 0

52 = 1 21 0
1
1 0 1

A2 =

A+B =

La ligne l1 reste inchangee alors que l2 (resp l3 ) sera remplacee par 12 l2 l1 (resp l3 l1 ).

l13 = l12 + l32


l23 = 56 l2 2 l32
l33 = 12 l32

R
eponse:
tout calcul fait, on a

1 2 3

3 1
1 3 2

ce qui revient `
a chercher une matrice N telle que: M N = I3 . Pour cela, on va ecrire la matrice M
`a gauche et la matrice I `
a droite et effectuer des operations sur les deux matrices jusqu`a ce que M
deviendra la matrice unite. En effet:

Calculer A2 , B 2 , AB, BA, A + B, (A + B)2 . Comparer (A + B)2 et A2 + 2AB + B 2 dune part et


(A + B)2 et A2 + AB + BA + B 2 dautre part et conclure.

Exercice 1: m
ethode de Gauss pour le calcul de linverse dune matrice

M = 2

12
1
2

5
6

2
= 21

A=

1
2

Exercice 2: Soient A et B deux matrices carrees donnees par:

6) Les colonnes de M sont lineairement independantes

Soit `
a calculer linverse de

1
1 0 0
2
0 = 12
1
0 0 1
2

M5 = 0 1

3) Il existe une matrice carree N dordre n telle que: M N = In

1
2
1
10
1
2

1
0
32
0 = 10
23
3

M4 est d`eja diagonale, pour obtenir M 1 , il suffit de transformer M4 en I3 . Pour ce faire on remplace
l14 par l14 , l2 4 par 53 l2 4 et l34 par 31 l34 : ce qui donne:

Soit M une matrice carree dordre n. Les proprietes suivantes sont equivalentes:

4.4

2
53
0 0

M3 = 0

Proposition 1:

14 6
24 18

16 12
16 16

BA =

5 7
0 1

16 12
16 16

Apr`es une inspection rapide, on remarque que (A + B)2 = A2 + AB + BA + B 2 et que (A + B)2 6=


A2 + 2AB + BA + B 2 . Ceci est du au fait que AB 6= BA.
Remarque: Pour calculer (A + B)2,3,... il faut distinguer deux cas: 1. Si AB = BA on pourra utiliser
la formule du Binome.
2. Si AB 6= BA on na pas le droit dutiliser la formule du Binome et dans ce cas (A + B)2 =
(A + B)(A + B) = A2 + AB + BA + B 2 par exemple, et pour (A + B)3 = (A + B)2 (A + B) =
(A2 + AB + BA + B 2 )(A + B) = ...

57

d.) Par definition, B = A I3 et comme AI3 = I3 A on peut donc utiliser la formule du binome pour
calculer B 3 . En effet, B 3 = A3 3A2 I3 + 3AI32 I33 = A3 3A2 + 3A I3 = 0. On a donc

1 1 1

1 1 .
0 0 1
a.) Calculer A2 , A3 et en deduire An pour tout n IN.
b.) Determiner KerA et ImA.
c.) On pose B = A I3 , Calculer B 2 , B 3 et en deduire linverse A1 de la matrice A.
R
eponse:

1 2 3
1 3 6
1 4 10

a.) A2 = 0 1 2 , A3 = 0 1 3 , A4 = 0 1 4 .
0 0 1
0 0 1
0 0 1
De A2 , A3 et A4 , on remarque que An peut se mettre sous la forme:

Exercice 3: Soit la matrice A = 0

1 n
1
0 0

A = 0

n(n+1)
2

n
1

A3 3A2 + 3A = A(A2 3A + 3I3 ) = (A2 3A + 3I3 ) A = I3

n(n+1)
2

1 n
1
0 0

A A= 0

1 n+1

= 0
1
0
0

n
1

(n+1)(n+2)
2

n+1
1

b.)
KerA =

n
1

= {(x, y, z) IR3 |x = 0 , y = 0 , z = 0}
= {(0, 0, 0)}

(4.15)

Comme A est definie de IR3 IR3 , dapr`es le theor`eme de la dimension: dimImA + dmkerA = 3,
alors dimImA = 3. Et comme ImA IR3 on conclut que ImA = IR3 .
Autrement: comme KerA = {(0, 0, 0)}, A est injective, et par consequent A est surjective et donc
ImA = IR3
c.)
B =

0 0 0

0
0 0 0

0 0

0 1 1

1
0 0 0

A I3 = 0 0

Linverse
de P nest rien dautre que la matrice de passage de la base B `a la base B. Pour
1
calculer P
il suffit dexprimer (e1 , e2 , e3 ) en fonction de (f1 , f2 , f3 ). En effet,

PB B = P

= {(x, y, z) IR3 |x + y + z = 0 , y + z = 0 , z = 0}

0 0 1

0
0 0 0

B = 0 0

1
1

(c11 )
(c12 )
(c13 )

(4.16)

une manipulation facile de ce syst`eme nous permet dobtenir (e1 , e2 , e3 ) en fonction de (f1 , f2 , f3 ).
La somme (c12 ) + (c13 ) nous donne: e1 = 21 f2 + 12 f3 .
La difference (c11 ) (c13 ) nous donne: e3 = 21 f1 21 f3 . De lequation (c11 ) on tire e2 = 21 f1 12 f2 . La
matrice de passage inverse P 1 est:

1 1 1
x
0

1 1 y = 0 }
0 0 1
z
0

{(x, y, z) IR | 0

f2 = e1 e2 + e3

f =e +e e
3
1
2
3

n(n+1)
2

P 1

PBB = 1 1

f1 = e1 + e2 + e3

le resultat est donc vraie `


a lordre n + 1, on a donc
1 n

nIN An = 0 1
0 0

1 1 0

1 1
0 0
1

= (A 3A + 3I3 ) = 0

(4.14)

Exercice 3: Soit B = (e1 , e2 , e3 ) la base canonique de IR3 . B = (f1 , f2 , f3 ) avec f1 = e1 + e2 + e3 ,


f2 = e1 e2 + e3 et f3 = e1 + e2 e3 une nouvelle base de IR3 . Calculer la matrice de passage de B
`a B ainsi que son inverse.
R
eponse: Par definition, la matrice de passage de B `a B sobtient en ecrivant les vecteurs f1,2,3 en
colonne en fonction de e1,2,3 , ce qui donne:

A1

A partir de cette relation, on en deduit que A1 = A2 3A + 3I3 . La question a.) nous permet de
calculer explicitement A1 :

1 1 1
1 n + 1 n + 1 + n(n+1)
2


1 = 0

1
n+1
0 0 1
0
0
1

0 1

{z

supposons que cest vraie et montrons que An+1 prend la meme forme. En effet:
n+1

58

0 1
1
1

= 1 1 0
2
1 0 1

59

4.5

Exercices

Exercice 1. Soit f lendomorphisme de IR3 , qui dans la base canonique, est represente par la matrice:

60
a. Calculer R R , et en deduire Rn pour tout n IN
b. Calculer linverse de R .
Exercice 7. La matrice de la symetrie par rapport `a laxe Ox (res Oy) est de la forme:

2 3 1

A= 5
1 0
4 11 3

Determiner une base de Kerf , une base de Imf et lequation de Imf .

Sx =

a la base:
Exercice 2. Dans IR3 trouver la matrice de passage P de la base canonique (e1 , e2 , e3 ) `
e1 = e2 + e3 , e2 = e1 + e3 , e3 = e1 + e2 . Calculer P 1 .
a.
b.
c.
d.

Exercice 3. Une matrice diagonale est de la forme:

0
D[1 , . . . , n ] =
..
.

0
2
..
.

...
...
..
.

0
0
..
.

...

i IR

a. Calculer D[1 , . . . , n ]D[1 , . . . , n ], La multiplication des matrices diagonales est-elle stable?


b. Calculer la puissance ki`eme de D[1 , . . . , n ].
c. Montrer que lensemble des matrices diagonales est un sous espace vectoriel de Mn (IR)

a1 a2 a3

a4 a5
0 0 a6

T (a) = 0

ai IR

a11 . . . . . . a1m
. . . . . . a2m
..
..
..
.
.
.
an1 . . . . . . anm

a21
.
.
.

x1


x2
. .
.
.

xm

a11


a21
= .
.
.

an1

a12

a22
.x1 + .

an2

a1m

a2m
.x2 + . . . + .

.
.

anm

.xm

de meme, prouver que multiplier une matrice `a gauche par une matrice colonne revient `
a effectuer
une combinaison lineaire de ses lignes, cest `a dire, prouver que

a11 . . . . . . a1m
. . . . . . a2m
..
..
..
.
.
.
an1 . . . . . . anm

a21
(x1 . . . . . . xn ).
..
.

= x1 (a11 . . . . . . a1m ) + . . . . . . xn (an1 . . . . . . anm )

Exercice 6. On consid`ere la rotation de centre O et dangle dans IR2 . Sa matrice est de la forme:
R =

cos sin
sin cos

Sy =

1 0
0 1

Exercice 8. Reprendre lexercice 10 du chapitre precedent;


a. Ecrire la matrice de f dans la base canonique de IR3 , on note M (f, B) cette matrice.
b. Ecrire la matrice de passage P de la base B `a la base B , et en deduire P 1 .
c. Ecrire la matrice de f dans la base B , on note M (f, B ) cette matrice. Verifier que M (f, B) =
P M (f, B )P 1 .

0 0 1
1 1 1

1 1 , V = 1 0 0 .
0 1 0
1 1 1
a. Calcuer U V , V U , U et V I sont-elles reguli`eres?
b. Calcuer U n , V m ,U n V m .
c. Mettre sous la forme la plus simple possible (U V )n .

1 0 0
0
1
0 0 1

1 1

C =
0 1

1
0
0
1

1 0 1
a 0 b

0 , B = b a 0 et
0 1 1
0 b a

Exercice 11. Trouver le rang des matrices suivantes: A = 1 1

an bn bn
1 1

1 1 . Montrer que An est de la forme bn an bn .


bn bn an
1 1 1
en fonction de an et bn . En deduire An .
1

Exercice 10. Soit A = 1

Exprimer an+1 et bn+1

Exercice 5. Prouver que pour multiplier une matrice a` droite par une matrice colonne revient `
a
effectuer une combinaison lineaire de ses colonnes, cest `a dire, prouver que

Calculer Sx Sx , Sxn , n IN
Quel est linverse de Sx ?
Memes questions pour Sy .
Calculer Sx Sy , Sx Sy Sx et Sy Sx Sy ; interpreter les resultats.

Exercice 9. Soient les matrices: U = 1

a. Calculer T (a) + T (b) et T (a)T (b). Etudier la stabilite de la somme et de la multiplication des
matrices triangulaires inferieures.
b. Montrer que lensemble des matrices triangulaires inferieures 3 3 est un sous espace vectoriel de
M3 (IR). Quelles sont sa base et sa dimension.

Exercice 4. Une matrice 3 3 triangulaire inferieure est de la forme:

1 0
0 1

Exercice 12. E est un K-espace verctoriel, dimK E = n. Une matrice A Mn (K) est dite nilpotente sil existe un entier p > 1 tel que: Ap = 0 et Ap1 6= 0 a. Demontrer que si A est nilpotente
dindice p alors In A est inversible et a pour inverse: In + A + A2 + ... + Ap1 .
b. Demontrer que sil existe e E telque Ap1 (e) 6= 0E alors (e, A(e), A2 (e), ...Ap1 (e)) est libre.
c. Que se passe-t-il si p=n?
Applications:

1 0 0 0
1 1 0 0

eduire
a. Soit la matrice: A =
Calculer les puissances successives de B = A I, en d
1 1 1 0
1 1 1 1
An .

61
b. Calculer linverse de la matrice:

A=
o`
u a, b, c IR.

1
0
0
0

a
1
0
0

b
a
1
0

c
b
a
1

6. Par le calcul direct, determiner la matrice MB de f dans la base B .


7. Verifier que MB = P 1 MB P et en deduire MBn , n IN.
8. Determiner les suites un , vn et wn definies par:

1 1 0
0

c. On consid`ere les matrices A = 0 1 1 et B = 0


0 0 1
0
deduire An pour n entier naturel. Construire une base de IR3

62

1
0
0
de

1 . Demontrer que B 3 = 0. En
0
la forme (e, B(e), B 2 (e)).

un = vn1 + wn1

vn = un1 + wn1 ,

w =u
n
n1 + vn1

avec

u0 = v0 = w0 = 1

Probl`
eme 2:
Premi`ere partie: Soit p la permutation de lensemble {1, 2, 3, 4} definie par:

p=

1234
4123

ee dordre 3 donnee
Exercice 13. Pour
tout triplet (a, b, c)
IR on note M (a, b, c) la matrice carr
a+c
b
c

par M (a, b, c) = b
a + 2c b
c
b
a+c
a. Montrer que toute matrice M (a, b, c) peut secrire sous la forme AI3 + bJ + cK o`
u J et K sont
independantes de a, b et c. En deduire que E = {M (a, b, c); (a, b, c) IR3 } muni des operations usuelles
(addition des matrices et multiplication par un scalaire) est un sous-espace vectoriel de M3 (IR) dont
on precisera une base.
b. Calculer J 2 , JK, KJ et K 2 en fonction de I3 , J et K. La multiplication des matrices est-elle
stable dans E?

c.`a.d p(1) = 4 p(2) = 1 , p(3) = 2, p(4) = 1


Soit fp lapplication lineaire definie de IR4 dans IR4 par fp (ei ) = ep(i) i = 1, 2, 3, 4. B = (e1 , e2 , e3 , e4 )
etant la base canonique de IR4 .
1. Donner la matrice J de fp dans la base B.
2. Definir les permutations p2 = pop, p3 = p2 op et p4 = p3 op.
Pour n = 2, 3, 4, on definit lapplication lineaire fpn de IR4 dans IR4 par:

Exercice 14. On consid`ere la matrice:

. Ecrire les matrices K, L, M de fp2 , fp3 et fp4 respectivement.


3. Verifier que J 2 = K, J 3 = L et J 4 = M = I4 . En deduire J 1

a b b

A= b a b
b b a

1 1 1

J = 1 1 1
1 1 1

Verifier que A = (a b)I3 + bJ. En calculant J n , en deduire An

Exercice 15. Soit M une matrice carree. Demontrer que M est inversible si et seulement si M t
est inversible. Demontrer egalement que si M est inversible alors (M t )1 = (M 1 )t .
Exercice 16. SI M et N sont des matrices carrees reelles de meme ordre, demontrer que M et
N sont inversibles si et seulement si M.N est inversible. Calculer linverse de M et linverse de N en
fonction de M , N et (M.N )1 .
Probl`
eme 1 Dans lespace vectoriel IR3 muni de sa base canonique B = (e1 , e2 , e3 ) on consid`ere
lapplication:
(
IR3 IR3
f:
(x, y, z) f (x, y, z) = (y + z, x + z, x + y)
1. Montrer que f est un endomorphisme et determiner sa matrice MB relativement `
a la base B.
2. Montrer que f est injective, en deduire Imf et le rang de f .
3. Montrer que la matrice MB verifie MB2 = MB + 2I3 et en deduire MB1 .
4. On consid`ere les ensembles suivants:
E1 = {(x, y, z) IR3 ; f (x, y, z) = (x, y, z)} , E2 = {(x, y, z) IR3 ; f (x, y, z) = 2(x, y, z)}
Montrer que E1 et E2 sont deux sous espaces vectoriels de IR3 . Donner une base B1 de E1 et une
base B2 de E2 .
Aton IR3 = E1 E2 ?
5. On se donne les vecteurs f1 = (1, 1, 0), f2 = (0, 1, 1) et f3 = (1, 1, 1), montrer que B =
(f1 , f2 , f3 ) est une bases de IR3
Ecrire la matrice de passage P de B `a B ainsi que son inverse P 1

fpn (ei ) = epn (i)

, i = 1, 2, 3, 4

Seconde partie: Pour tout quadriplet (a, b, c, d) IR4


par:

a
d

M (a, b, c, d) =
c
b

on note M (a, b, c, d) la matrice 4 4 donnee


b
a
d
c

c
b
a
d

d
c
b
a

1. Montrer que toute matrice M (a, b, c, d) peut secrire sous la forme aI4 + bJ + cJ 2 + dJ 3 .
2. Montrer que E4 = {M (a, b, c, d) M4 (IR); (a, b, c, d) IR4 } est un sous espace vectoriel de M4 (IR).
Donner une base B de E4 .
3. Lensemble E4 est-il stable pour la multiplication des matrices?
4. Soit g lapplication de IR4 dans E4 definie par:
g:

IR4 E4
(a, b, c, d) M (0, b, c, d)

5. Montrer que g est une application lineaire.


6. Determiner kerg et Img. g est elle bijective?
7. Ecrire la matrice de g relativement aux bases B de IR4 et B de E4 .

64
On appelle: determinant de n vecteurs x1 , . . . , xn de E par rapport `a la base B le scalaire:
det(x1 , x2 , . . . , xn ) =

()a(1),1 a(1),1 . . . a(n),n

Sn

on le note:

a11
a21
..
.

Chapitre 5

D
eterminants et leurs applications

a12
a22
..
.

an1 an2

. . . a1n
. . . a2n
..
..
.
.
. . . ann

Th
eor`
eme: i.) Le determinent est une fonction lineaire par rapport a` chaque colonne, cest `a dire:
K, k = 1, . . . , n: det(x1 , . . . , xi , . . . , xn ) = det(x1 , . . . , xi , . . . , xn )

5.1
5.1.1

si xj = yj + zj , j = 1, . . . , n alors:

D
eterminant dun syst`
eme de n vecteurs

det(x1 , . . . , xj , . . . , xn ) = det(x1 , . . . , yj , . . . , xn ) + det(x1 , . . . , zj , . . . , xn )

Permutation:

D
efinition: On appelle permutation de E toute bijection de E sur lui meme. Lensemble des
permutations est un groupe pour la composition des applications
appele groupe symetrique Note SE .
SE={1,2} = {

1 2
1 2

SE={1,2,3} = {

1 2
2 1

1 2 3
1 2 3

1 2 3
3 2 1

,
,

1 2 3
1 3 2

1 2 3
3 1 2

1 2 3
2 1 3

1 2 3
2 3 1

cardSE = cardE

5.1.2

Th
eor`
eme: pour quun systeme de n vecteurs x1 , x2 ,..., xn dun espace vectoriel E de dimension n, constituent une base de E il faut et il suffit que leur determinent par rapport `a une base de
E soit non nul.

5.2

d
eterminant dune matrice:

D
efinition: Soit M = (aij ) une matrice carree dordre n. on appelle determinant de M , et on note
det(A) le scalaire:
X
()a(1),1 a(1),1 . . . a(n),n
det(M ) =
Sn

Signature dune permutation

5.2.1

Soit p une permutation de [1, n]; p est bijective.


si i < j: ou bien p(i) < p(j) ou bien p(i) > p(j). Dans le cas ou p(i) > p(j) (i < j) on dit que p(i) et
p(j) represente une invertion. Soit I(p) le nombre total dinversions presentees deux `
a deux par les
elements {p(1), p(2), . . . , p(n)}.
Considerons le produit:
Vn = 1i<jn (j i) = (2 1)(3 1)(3 2)....(n 1)(n 2)...(n (n 1))
I(p)

p(Vn ) = 1i<jn (p(j) p(i)) = (1)

Vn

D
efinition: On appelle signature dune permutation p le nombre
(p) = (1)I(p) =

5.1.3

ii.)Si deux colonnes sont egales, le determinent est nul.

+1
1

D
eterminant dun syst`
eme de vecteurs.

D
efinition: E un espace vectoriel, dimE = n, B = (e1 , e2 , ..., en ) une base de E x1 , x2 , . . . , xn : n
vecteurs de E.

ai1

n
X
ai2

aij ei =
xj =
.. i = 1, . . . , n
.
j=1

ain

63

Propri
et
es:

a. det(In ) = 1
b. A, B Mn (K), det(AB)=det(A)det(B)
c. det(M ) = n det(M ) , det(t M )=det(M )
d. Si les colonnes de A sont liees, det(M ) = 0 si les colonnes de A sont libres, det(M ) 6= 0
e. det(M ) ne change pas si lon ajoute `a une colonne de M une combinaison lineaire quelconque
des autres colonne
X
det(c1 , c2 , . . . , cn ) = det(c1 +
i ci , c2 , . . . , cn )
i>1

Proposition: A Mn (K) est inversible si et seulement si detA 6= 0 et lon a alors:


det(A1 ) =

1
det(A)

Preuve: Supposons que A est inversible, il existe donc une matrie inverse A1 Mn (K) telle que
AA1 = In ; do`
u det(AA1 ) = 1 et par consequent: det(A)det(A1 ) = 1, on conclut donc que
detA 6= 0 et det(A1 ) = det1(A) .
Reciproquement, si detA 6= 0 alors les n vecteurs colonne (c1 , c2 , . . . , cn ) que forment la matrice A
forment une base de K n et A est la matrice de passage de la base canonique `a la base (c1 , c2 , . . . , cn ),

65

5.2.4

la matrice de passage est toujours inversible, A est donc inversible.

Preuve: A et B sont semblables alors il existe une matrice inversible P tel que: A = P 1 BP .
On a alors:
det(B)det(P )
det(A) = det(P 1 )det(B)det(P ) =
= det(B)
det(P )

r
egles pratique:

1. det
2.

a c
b d

S2

d
etermination du rang dune matrice:

Propri
et
es:

Proposition: Si A et B sont deux matrices semblables alors det(A)=det(B).

5.2.2

66

Si det(M ) 6= 0; rang(M ) = n
Si det(M ) = 0 on cherche le plus grand mineur dordre (n 1) qui soit non nul.
Si tout les mineurs dordre (n 1) sont nuls, on cherche un mineur dordre (n 2) qui soit non
nul.

5.2.5
()a(1),1 a(2),2 = ad bc

Exemples de calcul de d
eterminants.

Soit `a calculer les determinants suivants:


0 a b l1
D1 = a 0 c l2
b c 0 l3

a d g
X

det b e h =
()a(1),1 a(2),2 a(3),3
S3
c f k
= aek + dhc + gbf gec ahf dbk

on va developper D1 suivant la premi`ere colonne, mais avant de faire ainsi on remplace la ligne l2 par
l2 ab l3 (chose qui ne change pas la valeur de D1 ):

= a(ek hf ) b(gf + dk) + c(dh ge)

0
a
b
l1
a
b
= 2abc
D1 = 0 ab c c l2 ab l3 = b
ab c c
b
c
0
l3

D
efinition: soit M = (aij ) une matrice n n. On appelle mineur relatif au terme aij le determinant
de la matrice (n 1, n 1) obtenu en supprimant dans M la i `eme ligne et la j `eme colonne.
D
eveloppement dun d
eterminant suivant une ligne ou une colonne
Th
eor`
eme: soit M = (aij ) une matrice (n, n). Quels que soient les indices i et j on a:
det(M ) =

n
X

D2 =

(1)k+j akj kj

k=1

o`
u:

0 a + a1
0 1 ac
b
b
c

(1)i+j ij sappelle le cofacteur de aij .


La matrice formee par les cofacteurs sappelle comatrice

D3 =

cM

b + ac
c ab
1

= +a

5.3

e h
d g
d g
b
+c
f k
f k
e h

1 a b + c l1
1 b c + a l2
1 c a + b l3

0 a + a1
a
1
b
c

l1 + la2
l2 + ab l3
l3

= b

b +
c
1

c
a

a + a1
1 ac
b

l1 +
l2
l3

l2
a

b + ac
c ab

Inverse dune matrice carr


ee

{z

11

{z

21

0 a b b a l1 l2
1
b
c+a
l2
1
c
a+b
l3

0 a b b a l1 l2
0 b c c b l2 l3
1
c
a+b
l3

= 0

Application `
a la r
esolution des
equations lin
eaires

1. D
efinition: Un systeme dequation lineaire de p equations n inconnues xi est de la forme:

= +a (ek hf ) b (gf + dk) +c (dh ge)


|

0 1 1
= (a b)(b c) 0 1 1
1 c a+b

Exemples: Dans les exemples qui suivent on proc`ede a un developpement selon la premi`ere colonne:
a c
(+1)a c
=
= (+1)ad + (1)bc
1.
b d
(1)b d
2.

5.2.3

= 1 a2 + b2 + c2

ij designe le mineur relatif `a aij .

a d g
(+1)a d g
b e h = (1)b e h
c f k
(+1)c f k

1
a b l1
a 1
c l2
b c 1 l3

{z

31

Th
eor`
eme: Soit M une matrice carree dordre n est inversible, si det(M ) different de zero. Son
inverse est donnee par:
1 t c
( M)
M 1 =
det(M )

Snp =

a11 x1 + a12 x2 + . . . + a1n xn =

a
21 x1 + a22 x2 + . . . + a2n xn =

..
..
..

.
.
. =

b1
b2
..
.

ai1 x1 + ai2 x2 + . . . + ain xn = bi

..
..
..
.

.
.
...
. = ..

an1 x1 + an2 x2 + . . . + apn xn = bp

o`
u les aij et bi sont des coefficients dun corps K; (x1 , . . . , xn ) les inconnus.

(5.1)

67
On appelle solution du syst`eme lineaire (5.7) tout vecteur X = (x1 , x2 , . . . , xn ) dont les composantes xi satisfont toutes les equations du syst`eme (5.7).

68
On a:
det(C1 , . . . , Ci1 , B, Ci+1 , Cn ) = det(C1 , . . . , Ci1 ,

Resoudre le syst`eme (5.7) cest trouver toutes les solutions de (5.7).

(5.2)

x1

b2
x2

avec A = (aij ), i = 1, . . . p, j = 1, . . . n une matrice p n et B =


.. et X = ..
.
.

bp

xn

B est appelle le second membre du syst`eme et X linconnu.


On appelle syst`eme homog`ene associe `a (5.2) le syst`eme sans second membre:
AX = 0

la derni`ere equation vient du fait que les determinents det(C1 , . . . , Ci1 , Cj , Ci+1 , Cn )j=1,...,n sont tous
nuls sauf pour j = i.

Soit un syst`eme de n equations `a p inconnus dont lecriture matricielle est:


AX = B
(5.3)

R
esolution des syst`
emes lin
eaires
Sr =

D
efinition: On appelle syst`eme de Cramer un syst`eme dont la matrice A est carree et inversible.

b1
..
.

ai1 x1 + ai2 x2 + . . . + ain xn = bi


..
..
..
.
.
.
...
. = ..

AX = B

Snr =

A etant inversible, en multipliant par A1 `a gauche dans (5.4), on trouve: X = A1 B.

det(C1 , . . . , Ci1 , B, Ci+1 , Cn )


det(A)

a11

a21
C1 =
..
.

an1

a1j

a2j

, . . . , Cj = .
.

anj

a1n

a2n

, . . . , Cn = .
.

x1 C1 + x2 C2 + . . . xi Ci + . . . + xn Cn =

ann

j=1

ai1 x1 + ai2 x2 + . . . + ain xn = bi

..
..
..
.

.
.
...
. = ..

D
efinitions:

(5.9)

Les r premi`eres equations (5.8) sont appeles equations principales.


a11 . . .
a21 . . .
..
Les determinants: i = ...
.
ar1 . . .
ai1 . . .
caracteristiques.

Preuve: En utilisant les vecteur Ci definis ci-dessus le syst`eme matriciel AX = B peut secrire de
mani`ere vectorielle de la facon suivante:
n
X

ar+11 x1 + ar+12 x2 + . . . + ar+1n xn = br+1

ar+21 x1 + ar+22 x2 + . . . + ar+2n xr = br+2

..
..
..
.

.
.
...
. = ..

Les r premi`eres inconnues (5.8) sont appellees inconnues principales.

Ci etant des vecteurs colonnes donnes definies par:

(5.8)

ap1 x1 + ap2 x2 + . . . + apn xn = bp

Th
eor`
eme de Cramer: Un syst`eme de Cramer type (5.4) (avec det(A) 6= 0) admet toujours
une et une seule solution quelque soit le vecteur B. Les xi sont donnees par:

ai1 x1 + ai2 x2 + . . . + air xr = bi air+1 xr+1 . . . aip xp

..
..
..
.

.
.
...
. = ..

(5.4)

an1 x1 + an2 x2 + . . . + ann xn = bn

xi =

a11 x1 + a12 x2 + . . . + a1r xr = b1 a1r+1 xr+1 . . . a1p xp

a21 x1 + a22 x2 + . . . + a2r xr = b2 a2r+1 xr+1 . . . a2p xp

..
..
..
.

.
.
...
. = ..

ar1 x1 + ar2 x2 + . . . + arr xr = br arr+1 xr+1 . . . arp xp

Il sagit donc dun syst`eme de n inconues n equations

(5.7)

o`
u A est une matrice n p, X un vecteur `a p colonnes et B un vecteur `a n colonnes.
Si rangA = r, on peut extraire de A une sous matrice carree dordre r inversible. On reecrit le syst`eme
(5.7) comme:

Syst`
eme de Cramer

Sn =

(5.6)

Cas g
en
eral

D
efinition: On appelle rang du syst`eme (refax) le rang de la matrice associee A.

a11 x1 + a12 x2 + . . . + a1n xn =

..
..
..

.
.
...
. =

xj det(C1 , . . . , Ci1 , Cj , Ci+1 , Cn )

= xi det(C1 , . . . , Ci1 , Ci , Ci+1 , Cn ) = xi det(A)

AX = B

5.3.1

n
X

j=1

2. Ecriture matricielle:
Le syst`eme (5.7) peut secrire de mani`ere matricielle de la facon suivante:

b1

xj Cj , Ci+1 , Cn )

j=1

Un syst`eme qui admet des solutions est dit solvable ou compatible. Dans le cas contraire le
syst`eme (5.7) est dit incompatible.

n
X

xj Cj = B

(5.5)

a1r b1
a2r b2
..
..
.
.
arr br
air bi

i = r + 1, . . . , n, sont appeles determinant

Remarques: Si les r premi`ere equations (associees aux r premi`eres inconnus) font un syst`eme de
Cramer, le syst`eme (Sr ) est solvable si les n r equations restantes (5.9) se deduisent lineairement
des r precedentes. Ceci revient `a dire que les i = 0, pour tout i = r + 1, . . . , n. On a donc le resultat
suivant:

69

70
3.) Resoudre le syst`eme suivant:

Th
eor`
eme: Un syst`eme lineaire de n equations `a p inconnus et de rang r est compatible si est
seulement si les determinants caracteristiques i sont tous nuls. Pour resoudre le sust`eme (Snr ), on
resout le syst`eme de Cramer forme par les r premi`eres equations principales et les inconnus principales. Les autres variables sont dites libres.
Pour calculer la solution, on donne aux variables libres xr+1 , . . . , xn des valeurs arbitraires.

5.4

Exercices r
esolus

(S) =

Discuter selon les valeurs de m.


Rang du sys`
eme:
Pour determiner le rang du syst`eme, on calcul le determinant du syst`eme (S). En effet,
2 1 1
det(S) = 1 m 1
3 1 m

2x + y z = 0

x+y+z =1

3x + y z = 1

2 1 1
Le determinant du syst`eme est = 1 1 1 = 2 6=, le syst`eme est donc de Cramer et admet une
3 1 1
solution unique. Pour trouver cette solution avec la methode des determinants on calcul x , y et
z :
0 1 1
2 0 1
2 1 0
x = 1 1 1 = 2 , y = 1 1 1 = 2 , z = 1 1 1 = 2
1 1 1
3 1 1
3 1 1
on obtient donc
x
=1

y=

y
= 1 ,

z=

z
=1

2.) Resoudre le syst`eme suivant:

On note respectivement c1 , c2 et c3 les colonne de la matrice A. On remplace dans le detA la premi`ere


colonne par c1 2c2 et la troisi`eme colone par c3 + c2 et on decompose le determinant obtenu par
rapport a la premi`ere ligne, on obtient
0
1
0
1 2m 1 + m
= 2m(m 2)
det(S) = 1 2m m 1 + m =
1
1m
1
1 1m
Si m 6= 0 et m 6= 2, detS 6= 0 et donc le sys`eme est de rang 3.
Si m = 0 ou m = 2,
etA = 0 donc le rang du sys`eme est 2. Or le mineur dordre 2:
( d
1sim = 0
2 1
= 2m 1 =
. Dans les deux cas le mineur dordre 2 est non nul et par
3sim = 2
1 m
suite le rang du sys`eme est 2.
Si m 6= 0 et m 6= 2, detS = = 2m(m 2) 6= 0, dans ce cas le syst`eme est de Cramer, il admet
donc une solution unique.

2x + y + z = + 2

x 2y + z =

x + y 2z =

2 1
1
1 2 1 = 0, le syst`eme nest pas de Cramer. Le rang du
1
1 2
2 1
= 3 6= 0
syst`eme est egale `
a deux car le mineur dordre deux :
1 2
Le determinants caracteristique est:

Le determinant du syst`eme est =

1 =

x + my + z = 1

3x + y mz = 1

1.) Resoudre le syst`eme suivant:

x=

2x + y z = 0

2 1 + 2
2 1 1
1 2

= 1 2 1 = 6( + 1)
1
1

1
1 1

0 1 1
x = 1 m 1 = 2m
1 1 m

2 0 1
y = 1 1 1 = 2m
3 1 m

6= 1, le determinant caracteristique est non nul et donc le syst`eme est incompatible.


= 1, le determinant caracteristique est nul, il y a des solutions donnees par:
(

2x + y = 1 z

x 2y = 1 z

x=
y=

1+3z
3
1+3z
3

avec z IR

2 1 0
z = 1 m 1 = 2m
3 1 1

on obtient donc
x=

1
x
=

2m

y=

y
1
=

m2

z=

z
1
=

2m

si m = 0 ou m = 2, on a vu que le rang(S)=2, donc le syst`eme nest pas de Cramer. Pour resoudre


le syst`eme on fixe une variable (z par exemple) et on calcul les deux autres (x et y) en fonction de z.
Le systeme est donc equivalent `a:
(

2x + y = z (l1 )
x + my = 1 z (l2 )

3x + y mz = 1 (l3 )

deux cas se presentent:

(5.10)
(5.11)

Les deux premi`eres equations (l1 et l2 ) constituent les equations principales et la troisi`eme equation
23z
(l3 ) est lequation secondaire. On considerant 2l2 l1 on obtient y = 2m1
. A partir de l2 on obtient
z1+mz
x = 2m1 .
Lequation secondaire est verifiee uniquement pour m = 0 mais pas pour m = 2. On conclusion:
On dit que pour m = 0 le syst`eme admet une infinite de solution {(x, y, z) IR3 |x = z + 1, y =
3z 2, z IR}

71
pour m = 2 le syst`eme est incompatible (pas de solution).

72
le syst`eme est donc compatible si

Une autre fa
con de resoudre le syst`eme dans cas est de calculer le determinant caracteristique.
En effet
2 1 0
1 = 1 m 1 = 2m
3 1 1

lensemble des solutions est donne par:

Le syst`eme admet des solutions si 1 = 0, cest `a dire si m = 0 et pas de solution si m 6= 0.


4.) Resoudre le syst`eme suivant:

en tenant compte de lequation (5.12).

(S) =

x + y + 3z + 5t = a

xyz+t=b

2x + y + 4z + 8t = c

2x 2y 2z + 2t = d

Rang du sys`
eme:
Pour determiner le rang du syst`eme, on calcul le determinant du syst`eme (S). En effet,

det(S) =

1 1
3
1 1 1
2 1
4
2 2 2

5
1
=0
8
2

On calcul les mineurs dordre 3;


11 =

1 1 1
1
4 8
2 2 2

21 =

1
3 5
1
4 8
2 2 2

1
3 5
31 = 1 1 1
2 2 2

1
3 5
41 = 1 1 1
1
4 8

1 1 1
12 = 2 4 8
2 2 2

1 3 5
22 = 2 4 8
2 2 2

1 3 5
32 = 1 1 1
2 2 2

1 3 5
42 = 1 1 1
2 4 8

1 1 1
13 = 2 1 8
2 2 2

1 1 5
23 = 2 1 8
2 2 2

1 1 5
33 = 1 1 1
2 2 2

1 1 5
43 = 1 1 1
2 1 8

1 1
3
24 = 2 1
4
2 2 2

1 1
3
34 = 1 1 1
2 2 2

1 1 1
14 = 2 1
4
2 2 2

1 1
3
44 = 1 1 1
2 1
4

Un calcul trivial mais fastidieux montre que tout les ij sont nuls. Le rang du syst`eme est donc
1 1
strictement inferieur `
a trois. Il est clair que le mineur dordre deux =
= 2 6= 0, le rang
1 1
du syst`eme est deux.
Le syst`eme est compatible si et seulement si tous les determinants caracteristiques associes `
a
sont nuls. Dans ce cas on a deux determinants caracteristiques qui sont donnes par:
1 1 a
1 = 1 1 b = 3a + b 2c
2 1 c

1 1 a
2 = 1 1 b = 2(2b d)
2 2 d

d = 2b

x=

3a + b 2c = 0

et

1
(2a + b 11t 6z)
3

1
y = (a b 4t 3z)
3

(5.12)

z, t R

73

5.5

Exercices

1 1
1
1
1 1 1
1
= 16 ,
1
1 1 1
1
1
1 1
Exercice 2. Calculer les determinants suivants:
Exercice 1. Demontrer que: D =

1 a0 a20
D(a0 , a1 , a2 ) = 1 a1 a21
1 a2 a22

a
0
c
0

1
1
D(a0 , a1 , a2 , a3 ) =
1
1

0
a
0
c

b
0
d
0

a0
a1
a2
a3

0
b
= (bc ad)2
0
d

a20
a21
a22
a23

a30
a31
a32
a33

0
1
1
0

0
0
1
1

3 2 1
1 1 0

A= 2 0 1 , B= 0 1 1
1 0 1
1 2 1

C =

1
0
0
1

1
1
0
0

Exercice 6. Calculer le determinent:


...
...
...

...
...
...

n =

0
0
..
.
0
..
.
a1

0
0
..
.

0
0
0

...
...
...
x 1 + x2
x
0
x
1 + x2

Exercice 7. Calculer le determinent suivant:


. . . . . . . . . an
. . . . . . an1 0
..
..
..
...
.
.
.
. . . ai . . .
0
0
..
..
..
..
..
.
.
.
.
.
0 ... 0
...
0

3 2 1

0 1
1 2 1

Exercice 10. Resoudre les syst`emes suivants:

Exercice 5. Soient x1 , x2 , . . . , xn+1 n nombre reels deux `a deux distaincts.


ome P `a coefficients reels de degre n qui prend en x1 , . . . ,
Montrer quil existe un et un seul polyn
xn+1 les valeurs 1 , . . . n+1 (c.`a.d P (xi ) = i ) o`
u les i sont donnes.

1 + x2
x
0
...
x
1 + x2
x
0
0
x
1 + x2 x
n =
..
.
...
0
0
...
...
0
0
...
...

x1

x3
1
iii) Meme

question pour:

m 1 1
x1
1

1) A = 0 m 0 , X = x2 et B = 1 .
1
1 1 m
x

2 1 1 1
3
x1
1 2 1 1
1
x

2) A =
et B =
, X=
.
1 1 2 1
2
x3
x
1 1 1 2
4

x1
3 4 1 2
3
x

3) A = 6 8 2 2 , X =
et B = 7 .
x3
9 12 3 10
13
x4

. . . an1 an
...
0
0
...
0
0
..
..
...
.
.
...
x
0
. . . 1
x

. . . a1 bn
. . . a2 bn
=0
..
..
.
.
. . . an bn

ii) Resoudre le syst`eme A.X = B, o`


u X = x2 et B = 0 .

a. Montrer que Dn = xDn1 + an .


b. En deduire Dn en fonction de x, ai (i = 0, 1, . . . , an1 ) et de n.
Exercice 4. Inverser les matrices suivantes:

a1 b2
a2 b2
..
.

an b1 an b2

Exercice 3. On se propose de calculer le determinant Dn :

a1 b1
a2 b1
Exercice 8. Montrer que pour n 3: =
..
.

Exercice 9. i) Determiner le rang de la matrice suivante et calculer son inverse A = 2

generaliser le resultat pour D(a0 , a1 , . . . , an1 )

a0 a1 a2
1 x 0
0 1 x
Dn = .
..
..
..
.
.
0
0
0
0
0
0

74

2x 3y + z = 1

x + 4y 2z = 0

8x y z = 3.

3x + 4y + z + 2t = 3

6x + 8y + 2z + 5t = 7

xyz =1

2x + 2y 3z = 0
xy+z+t=2
x + y z + 2t = 1
,
x + 2y z = 0

y + 2z = 0

4x + 3y 5z = 1

x + my + z = 1
xyz =0

9x + 12y + 3z + 10t = 13.

mx + y + (m 1)z = m

x+y+z =m+1

mx + my 2z = 1

mx + y 2mz = 1

Exercice 11. Soit M une matrice carree antisymetrique, cest `a dire telle que, M t = M . Montrer
que M nest pas inversible si n est impair.

76
Remarque:
Si K est un corps commutatif alors le produit des polynomes est commutatif.
El
ement neutre pour le produit:

Chapitre 6

Cest le polynome defini par: e = (1, 0, 0, ..., 0, ...) tel que pour tout P K[X], P.e = e.P = P
Proposition: Lensemble K[X] muni de la loi + et de la loi produit est un anneau commutatif
unitaire.

Polyn
omes
6.1

Multiplication par un scalaire K: multiplication externe


Cette loi est definie par lapplication de K K[X] dans K[X] telle que pour tout K et P =
(a0 , a1 , ..., ai , ...) K[X], le produit P est done par: P = (a0 , a1 , ..., ai , ...) K[X]

Notions gen
erales.

6.1.4

Dans tout ce chapitre K designera un corps commutatif. Nous ne considerons que le cas o`
u K=IR, C
l
ou Q.
l

6.1.1

D
efinition dun polyn
ome

On appelle polyn
ome a coefficients dans K toute suite delements ai de K; soit (a0 , a1 , ..., ai , ...), tous
nuls a partir dun certain rang, c.`a.d quil existe un n0 N tel que pour tout n n0 , an = 0.
Les elements ai de K sont les coefficients du polyn
omes.
Notation: On note K[X] lensemble des polyn
omes `a coefficients dans K.

6.1.2

Soit le polynome X = (0, 1, 0, ..., 0, ...), il est facile de voir que le polynome X 2 = (0, 0, 1, 0, ..., 0, ...)
et que X 3 = X 2 X = (0, 0, 0, 1, 0, ..., 0, ...). Par recurrence on verifie que X n = (0, 0, ..., 0, 1, 0, ...) et
aussi X n X m = X n+m . Si on identifit le polynome (1, 0, 0, ..., 0, ...) `a 1, tout polynome P de K[X]
secrit comme:
P = a0 + a1 X + a2 X 2 + ... + an X n
pour tout n N la relation a0 + a1 X + a2 X 2 + ... + an X n = 0 implique que (ai = 0)i=0,1,2,...,n
Remarque:

Egalit
e de deux polyn
omes

Soient P et Q deux polyn


omes `a coefficients dans K:
P = (a0 , a1 , ..., ai , ...) ; Q = (b0 , b1 , ..., bi , ...) avec ai , bi K
Nous dirons que P = Q ssi pour tout i N , ai = bi .

6.1.3

Notion dindetermin
ee.

Op
eration sur K[X]

Somme de deux polyn


omes
P et Q etant definis comme cidessus. La somme de P et Q est le polyn
ome defini par:
P + Q = (a0 + b0 , a1 + b1 , ..., ai + bi , ...)
pour tout ai K, bi K on a ai + bi K, donc + est une loi de composition interne.
El
ement neutre de K[X]
Lelement neutre de K[X] pour laddition est le polyn
ome 0K[X] dont tout les coefficients sont nuls.
0K[X] = (0, 0, ...., 0, ...)
Le symetrique dun polyn
ome P est loppose de P defini par:
P = (a0 , a1 , ..., ai , ...)

X nest pas un nombre mais un polynome , cest une indeterminee.

6.1.5

Degr
e dun polyn
ome `
a une indetermin
ee:
P

a. D
efinition: Etant donne le polynome P = a0 + a1 X + a2 X 2 + ... + ai X i + ... = iN ai X i de
K[X].
On appelle degre de P , que lon note degP , le plus grand entier n tel que an 6= 0.
Propriet
es:
Soient
P = a0 + a1 X + ... + an X n et Q = b0 + b1 X + ... + bn X n avec an 6= 0, bn 6= 0 on a les resultats suivants:
i Si n 6= m il en resulte que P + Q 6= 0 et deg(P + Q)=max(n, m)
ii Si n = m et si P + Q 6= 0 alors deg(P + Q) max(n, m)
iii Si P Q 6= 0 alors deg(P Q) degP +degQ
iv Deux polynomes P et Q sont egaux ssi ils ont les memes coefficients.
v Soit P un element non nul de K[X]. Quel est son inverse?
Soit Q son inverse: P Q = QP = 1 ceci implique que 0=degP + degQ et parsuite degP =-degQ
donc degP =degQ=0. Les seuls elements inversibles de K[X] sont les elements de K .

Produit de deux polyn


omes

Remarque

Le produit de P et Q est defini par: P.Q = (c0 , c1 , . . . , ci , . . .) o`


u les ci sont donnes par: c0 = a0 b0 ,
c1 = a0 b1 + a1 b0 , ..., ck = a0 bk + a1 bk1 + ... + ak1 b1 + ak b0
Si an = 0 pour n n0 , bm = 0 pour m m0 , alors cp = 0 pour p n0 + m0 + 1

Lensemble des polynomes muni de la loi additif et de la multiplication externe est un espace vectoriel
sur le corp K. Pour les polynomes de degre n, la famille (1, X, X 2 , . . . , X n ) est une base: dimK[X] =
n+1

75

77

6.2

78

Division euclidienne-polyn
omes irr
eductibles

Avant dintroduire la notion de fonction polyn


ome dune variable et letude des racines. Nous introduisons en premier la notion de division euclidienne qui nous sera dune grande utilite dans letude
des fonctions polyn
omes .

Th
eor`
eme P1 et P2 deux polynomes de K[X] non nuls. Les proprietes suivantes sont equivalentes:
i P1 et P2 sont premiers entre eux.
ii P.G.C.D(p1 , P2 ) = 1

6.2.1

Division euclidienne (D.E).

Soient P et S deux polyn


omes de K[X].

iii Il existe U1 et U2 K[X] tels que:


P1 U1 + P2 U2 = 1,

. Si P est divisible par S 6= 0.


Alors, dans ce cas, il existe un polyn
ome Q unique tel que P = QS, Q = 0 si et seulement si P = 0;
si P 6= 0, S 6= 0 et P = QS on a donc degQ=degP -degS 0.
Proced
e de calcul de Q

6.2.2

Exemple.

P = X 3 + 4X 2 + 4X + 1, S = X + 1. Du fait que degP = 3 et degS=1 donc degQ=2, on choisit


donc Q de la forme aX 2 + bX + c. Apr`es identification de P avec Q.(X + 1) on trouve a = 1, b = 3
et c = 1 et par suite Q = X 2 + 3X + 1.
b. P non divisible par S: Existence et unicit
e du quotient et du reste dans la D.E
Th
eor`
eme: Soient P et S K[X] (S 6= 0); il existe un couple unique delements de K[X] (Q, R) tel
que: P = QS + R et R = 0, degP degS.
On dit que: Q est le quotient de la division de P par S, R est le reste.

iv Pour tout polynome Q K[X], il existe V1 et V2 de K[X] tels que Q = P1 V1 + p2 V2 .


Corrolaire(de Gauss ): Soient A, B et C trois polynomes de K[X], si A divise BC et P.G.C.D(A, B) =
1 alors A divise C
preuve: A divise BC donc il existe Q tel que BC = AQ. A et B sont premiers entre eux, dapr`es
lidentie de Bezout, il existe U et V tels que 1 = AU + BV . En multipliant cette egalie par C et en
utilisant le fait que BC = AQ, on aboutit au resultat.

6.2.4

Algorithme dEuclide pour la recherche du P.G.C.D de deux polyn


omes

Soient P et Q deux polynomes de K[X],


la premi`ere etape consiste `a effectuer la D.E de P par S, on designe par R0 le reste de cette division
(degR0 degS). La deuxi`eme etape consiste `a effectuer la division de S par R0 et ainsi de suite. On
a donc lalgorithme suivant:
P = Q 0 S + R0

Remarque: Si R = 0 on a donc P = QS ce qui implique que S divise P (on retrouve le cas


precedent ).

S = Q 1 R0 + R 1

Procede de calcul de Q et R
Si P = 0 alors Q = R = 0 convienent. Supposons alors que P 6= 0 et soient m = degP (P =
a0 + a1 X + . . . + am X m ) tel que am 6= 0 et n= degS (S = b0 + b1 X + . . . + bn X n ) tel que an 6= 0.

R 1 = Q 3 R2 + R 3
..
... =
.

R0 = Q 2 R1 + R 2

Exemple:
Soit `
a effectuer la division euclidienne de P = 3X 5 + X 4 6X 2 + 5X 1 et de S = 2X 3 X + 1. On
trouve Q = 23 X 2 + 12 X + 34

D
efinition Deux polyn
omes P et Q K[X] sont premiers entre eux si leurs P.G.C.D est de degre 0.
P.G.C.D(P, Q) = 1.

degR2 degR1

degR3 degR2

degRn degRn1
Rn+1 = 0

A partir de ces egalites, on montre que Rn = P U1 + SU2


Exercice
Calculer le P.G.C.D de P et S:
P = X 4 + X 3 3X 2 4X 1 , S = X 3 + X 2 X 1

P = X 4 10X 2 + 1 , S = X 4 4 2X 3 + 6X 2 4 2 + 1

P = X 5 iX 4 + X 3 X 2 + iX 1 , S = X 4 iX 3 + 3X 2 2iX + 2

P.G.C.D de deux polyn


omes

Definition et proposition: P et Q etant deux polyn


omes non nuls, il existe un polyn
ome unitaire D
unique tel que lensembles des diviseurs communs `a P et Q est lensembles des diviseurs de D. D est
le P.G.C.D de P et Q, de plus; il existe U , V K[X] tels que D = P U + QV .

degR1 degR0

Rn1 = Qn+1 Rn + Rn+1

Exercices: Effectuer la D.E de P par S: avec


a. P = 7X 4 x3 + 2X 4 ; S = 2X 2 3X 5
b. P = X 8 1 ; S = X 3 1

6.2.3

degR0 degS

Rn2 = Qn Rn1 + Rn

Si m n , P = 0S + P : R = 0 et Q = 0 convienent.
Si m n: le procede de la determination de Q et R est recapitule dans lexemple suivant.

c est l identite de Bezout

6.3

Polyn
omes irr
eductibles dans K[X]

a. D
efinition
P est un polynome de K[X], on dit que P est irreductible dans K[X] si degP 1 et tout diviseur de
P est (`a un facteur K pr`es ) 1 ou P ( ou P )

79
b. Exemples:

80
Exemple

a. Tout polyn
ome de degre 1 est irreductible

Si P (X) = 1 + 2X + 3X 2 , P (X) = 2 + 6X

b. Dans IR[X]; le polyn


ome X 2 2 = (X 2)(X + 2) est reductible. Par contre dans Q[X],
l
X 2 2 est irreductible car si X 2 2 = (X )(X ) avec , elements de Q,
l alors + = 0
et = 2 ce qui donne 2 = 2 et qui est en contradiction avec le fait que Q.
l
c. Dans IR[X]; le polyn
ome X 2 + 1 est irreductible. Par contre dans C[X],
l
X 2 + 1 = (X + i)(X i)
est reductible.
c. Th
eor`
eme de dAlembert-Gauss

6.4.3

Formule de Taylor pour les polyn


omes

Th
eor`
eme
Soit P K[X] et a K, alors si degP n on a:
P (X) = P (a) +

(X a)2
(X a)3 (3)
(X a)n (n)
(X a)
P (a) +
P (a) +
P (a) + . . . +
P (a)
1!
2!
3!
3!

Les polyn
omes irreductibles de C[X]
l
sont les polyn
omes de degre 1.
Autrement: tout polyn
ome de degre 1 de C[X]
l
admet (au moins ) une racine dans C.
l

Exemple

Exemple

P (X) = X 2 + 1, la formule de Taylor au point a = 1 secrit:

X2

P (X) =
+ X + 2 les racines de P
Dans C[X], P est reductible P (X) =

3
.
sont z1,2 = 1i
2
(X z1 )(X z2 ), alors

que dans IR[X] P est irreductible.

P (X) = P (1) +

(X 1)2
(X 1)
P (1) +
P (1) = 2 + 2(X 1) + (X 1)2
1!
2!

Corollaire
Les polyn
omes irreductibles de IR[X] sont les polyn
omes de degre 1 et les polyn
omes de degre 2 `
a
descriminant negatif.

1. Dans IR[X], P (X) =

X2

+ X + 1 est irreductible ( = 3 < 0).

2. Dans IR[X]; P (X) = X 4+ X 2 1 = X 4 + 2X 2 21 + (12 )2 ( 12 )2 1 = (X 2 + 21 )2


(X 2 +

6.4
6.4.1

1
2

1
2

Racine dun polyn


ome

D
efinition 1
Soit P K[X], si pour x K; P (x) = 0 on dit que x est racine de P .

b. Exemples:

(X 2 +

6.4.4

5
5
1
2
2 )(X + 2 2 ). Le

5
eductible: (X 2
2 ) est r

polyn
ome (X 2 +
+

1
2

5
2 )

1
2

= (X

r 2

5
4

Exemples
=

) est irreductible dans IR alors que

51

)(X
2

51

)
2

Fonction Polyn
ome dune variable, racine dun polyn
ome

a. 1 est racine de P (X) = X n 1 = (X 1)(X n1 + xn2 + . . . + 1)


b. 1 est racine de P (X) = X 2n+1 + 1 = (X + 1)(X 2n + x2n1 + . . . + 1)
Th
eor`
eme
a K est racine de P K[X] ssi (X a) divise P

Fonction polyn
ome

D
efinition
A tout polyn
ome P = a0 + a1 X + . . . + an X n de K[X]. On peut faire correspondre une application
p de K dans K definie par:
Pour tout x K
p(x) = a0 + a1 x + . . . + an xn K

D
efinition 2
On appelle ordre de multiplicite dune racine K dun polynome P , le plus grand entier k tel que
P soit divisible par (X )k .

appelee fonction polyn


ome associee au polyn
ome P

Si k = 1, on dit que est racine simple de P

6.4.2

Si k > 1, on dit que est racine multiple dordre k de P

D
eriv
ee dun polyn
ome

D
efinition
Soit P K[X] donne par:

Th
eor`
eme
P (X) = a0 + a1 X + a2 X 2 + . . . + an X n K

le polyn
ome derivee de P (X) note P (X) est donne par:

P (X) = a1 + 2a2 X . . . + nan X

n1

P K[X] un polynome de degre n k, les deux proprietes suivantes sont equivalentes:


i. est racine dordre k de P
ii. P () = P () = P () = P (k1) () = 0 et P (k) () 6= 0

81
Preuve: )
Par definition, est racine dordre k de P si et seulement si P (X) = (X )k Q(X). Le calcul des
derivees successives de P donne:
P (X) = k(X )k1 Q(X) + (X )k Q (X)

P (X) = k(k 1)(X )k2 Q(X) + k(X )k1 Q (X) + (X )k Q (X)


..
.
. = ..

82
Si = , X 4 + 2 X 2 + 1 = (X 2 + 1)2 =

X e

+(k(k 1) . . . 4)(X )2 Q (X) + . . . + (X )k Q(k1) (X)

i
2

= (X e

)(X (e

))

La decomposition de X 4 2 cos X 2 + 1 dans C[X]


l
est:

(X )
(X )2
(X )k1 (k1)
(X )k (k)
P (X) = P () +
P () +
P () + . . . +
P
() +
P ()
1!
2!
3!
k!
(n)
(k+1)
(X )
(X )
P (k+1) () + . . . +
P (n) ()
(6.2)
+
(k + 1)!
n!
etant donne que toute les derivees P () = P () = P () = P (k1) () = 0 sont nulles et que
P (k) () 6= 0, on peut factoriser (X )k du reste du developpement. On aura donc
P (x) = (X )k Q(X)

Exercices r
esolus

Exercice 1:
a.) Factoriser X 2 2 cos X + 1 en produit de polyn
omes irreductibles sur IR[X] puis sur C[X]
l
(discuter selon les valeurs du param`etre reel [0, ])
b.) Meme question pour X 4 2 cos X 2 + 1.
R
eponse:
a.) Le descriminant du polyn
ome X 2 2 cos X + 1 est donne par = 4 cos2 4 = 4 sin2 0.
= 0 si = 0 ou = , dans ce cas X 2 2 cos X + 1 a une racine double X1,2 = 1 ( = 0)
ou X1,2 = 1 ( = ). La decomposition de X 2 2 cos X + 1 en produit de polyn
omes
irreductibles dans IR[X] est donnee par X 2 2 cos X + 1 = X 2 2X = (X 1)2 ( = 0) ou
X 2 2 cos X + 1 = X 2 + 2X = (X + 1)2 ( = ).
Si 6= 0 cest `
a dire 6= 0 et 6= , dans ce cas = 4 sin2 < 0. X 2 2 cos X + 1 na
pas de racines dans IR, il est donc irreductible dans IR[X].
Les racines de X 2 2 cos X + 1 dans C
l sont X1,2 = cos i sin = ei (X2 = X1 ). La
decomposition de X 2 2 cos X + 1 en produit de polyn
omes irreductibles dans C[X]
l
est:
X 2 2 cos X + 1 = (X e+i )(X ei )
b.) Dans ce cas, on pose: Y = X 2 . On a donc: X 4 2 cos X 2 + 1 = Y 2 2 cos Y + 1, dont le
descriminat est: 4 sin2 0.

(X e+i 2 )(X ei 2 )(X + e+i 2 )(X + ei 2 )

(6.1)

il est clair que P () = P () = P () = P (k1) () = 0 et P (k) () 6= 0.


Reciproquement, si P () = P () = P () = P (k1) () = 0 et P (k) () 6= 0. On applique la formule
de Taylor `
a lordre n au polyn
ome P au point :

Si = 0, X 4 2 X 2 + 1 = (X 2 1)2 = (X 1)2 (X + 1)2 .

i
2

X 2 e+i = (X e+i 2 )(X (e+i 2 ))

P (k) (X) = (k(k 1) . . . 321)Q(X) + (k(k 1) . . . 32)(X )1 Q (X)

6.5

(X 2 + 1)2 dans IR[X]


.
(X + i)2 (X i)2 dans C[X]
l

Si 6= 0, , le descriminant de ce polynome de second degre est: = 4 sin2 < 0. Dapr`es la


question a.) on a Y 2 2 cos Y + 1 = (Y e+i )(Y ei ) = (X 2 e+i )(X 2 ei ). A ce
niveau, pour completer la decomposition dans C[x],
l
on decompose (X 2 e+i ) et (X 2 ei ).
En effet:

P (k1) (X) = (k(k 1) . . . 32)(X )1 Q(X) + (k(k 1) . . . 3)(X )2 Q (X)

+(k(k 1) . . . 43)(X )2 Q (X) + . . . + (X )k Q(k) (X)

De cette decomposition dans C[X],


l
on en deduit celle dans IR[X], pour cela il suffit de regrouper
les termes complexes conjuges deux `a deux. En effet

+ 1)
2

+i
i
2
(X + e 2 )(X + e 2 ) = (X + 2 cos + 1)
2

(X e+i 2 )(X ei 2 ) = (X 2 2 cos

Il sensuit donc que la decomposition de X 4 2 cos X 2 + 1 dans IR[X] est:


X 4 2 cos X 2 + 1 = (X 2 + 2 cos

+ 1)(X 2 2 cos + 1)
2
2

Exercice 2:

Soit le nombre complexe j = 12 +i 23 . Donner lecriture exponentielle de j et verifier que 1+j+j 2 = 0


et en deduire que j 3 = 1. Resoudre dans C:
l 1 X 3 = 0.
R
eponse:
i 2
2
3 , il est facile de v
j = 12 + i 23 = cos 2
erifier que 1 + j + j 2 = 0 et que j 3 = e2i = 1.
3 + i sin 3 = e
Il est evident que 1 est racine de 1 X 3 = 0. Dapr`es la formule du binome (ou division Euclidienne
de 1 X 3 par 1 X) on a : 1 X 3 = (1 x)(1 + X + X 2 ), le polynome 1 + X + X 2 est `a coefficients
2
reels, dapr`es ce qui precede les autres solutions sont j et j = ei 3 .
Exercice 3:
Soit P le polynome de IR[X] definie par:
P (X) = 4 10X + 6X 2 + X 3 + X 4 3X 5 + X 6
a. Montrer que 1 est racine de P et donner son ordre de multiplicite.
b. Montrer que 2 est racine de P et donner son ordre de multiplicite.
c. P admet il dautre racines dans IR[X]? Donner la decomposition en polynomes irreductibles dans
IR[X] et puis dans C[X].
l
R
eponse:
a. P (1) = 0, donc 1 est racine de P . Pour savoir lordre de multiplicite de la racine 1 il faut calculer
les derivees successives P (p) de P. En effet,
P (X) = 10 + 12X + 3X 2 + 4X 3 15X 4 + 6X 5

P (X) = 12 + 6X + 12X 60X + 30X


P (3) (X) = 6 + 24X 180X 2 + 120X 3
P (1)

P 3 (1)

P (1) = 0

P (1) = 0

P 3 (1) = 30 6= 0

Dapr`es lequation (6.3),


= P (1) = 0 et
6= 0, on conclut que 1 est racine triple.
b. P (2) = 0 et P (2) = 10 6= 0 donc 2 est racine simple (ou racine dordre 1) de P .

(6.3)

83
c. P admet 1 comme racine triple, donc P est divisible par (X 1)3 = 1 + 3X 3X 2 + X 3 , on
montre facilement que
P (X) = (X 1)3 (4 2X + X 3 )

et comme 2 est racine simple de P , alors (42X +X 3 ) est divisible par X 2. Il est facile de verifier
que 4 2X + X 3 = (X 2)(2 + 2X + X 2 ) avec 2 + 2X + X 2 est irreductible dans IR[X] (car < 0).
Dans C[X],
l
2+ 2X + X 2 a deux racines z = 1 i et z = 1+ i et donc 2+ 2X + X 2 = (X z)(Z z).
La decomposition en polyn
omes irreductibles de P est
P (X) = (X 1)3 (X 2)(2 + 2X + X 2 )

dans IR[X]

= (X 1)3 (X 2)(X + 1 i)(X + 1 + i)

dans C[X]
l

84

6.6

Exercices

Exercice 1.. Effectuer les divisions euclidiennes de A par B dans IR[X] avec:
A = 7X 4 X 3 + 2X 4,

B = 2X 2 3X 5

B = X3 1

A = X 1,

Exercice 2.. Calculer le P.G.C.D de A et B pour:


A = X 4 10X 2 + 1,

A = X 5 iX 4 + X 3 X 2 + iX 1,

B = X 4 4 2X 3 + 6X 2 4 2 + 1

B = X 4 iX 3 + 3X 2 2iX + 2

Exercice 3. Pour les polynomes A et B suivants, montrer que le P.G.C.D(A, B) = 1 et determiner


des polynomes U et V tels que AU + BV = 1.
A = X 4 + X 3 2X + 1,
3

A = (X + 1) ,
3

A = X + 1,

B = X2 + X + 1
B = (X 1)3

B = X2 + X + 1

Exercice 4. Soient A et B deux polynomes definies par:


A = X 6 3X 5 + 8X 4 7X 3 + 3X 2 8X + 6,

B = X 4 3X 3 + 9X 2 8X + 6

a. Calculer le P.G.C.D de A et B (on le note D), puis le quotient A1 et B1 de la division de A et B


par D.
b. Determiner des polynomes U1 et V1 tels que : AU1 + BV1 = 1.
c. En deduire des polynomes U et V tels que AU + BV = D.
Exercice 5. Trouver la relation entre p et q de C pour que X 3 + pX + q ait une racine double ,
quelle est alors cette racine double?
Exercice 6. Montrer que A(X) = X 2 + X + 1 divise B(X) = X 6n+2 + X 3n+1 + 1.
Exercice 7. Dans quel cas X 2n + X n + 1 estil divisible par X 2 + X + 1
Exercice 8. Effectuer la division euclidienne de P (X) = 4X 4 + 4X 3 11X 2 + 6X 1 par S(X) =
X 2 + 2X 1; puis factoriser P en produit de polynomes irreductibles sur IR[X].
Exercice 9. Soit P (X) = X 4 + 2X 3 3X 2 4X + 4.
a. Montrer que 1 et 2 sont racines doubles de P et en deduire quil existe un polynomes S tel que
P = S 2.
b. Verifier que P divise [P ]2 .
c. Soit P C[X],
l
montrer que sil existe S C[X]
l
tel que P = S 2 alors P divise [P ]2 . Montrer aussi
que si P divise [P ]2 et degP = 4, alors il existe S C[X]
l
tel que P = S 2 .
Exercice 10. a. Soit P [X] C[X]
l
de degre 2, et x0 une racine de P [X]. Montrer que: x0 est
racine multiple de P (X) ssi P (x0 ) = 0.
b. Soit lequation (E): X 3 X 2 + = 0 , IR. trouver les valeurs de pour lesquelles X 3 X 2 +
a une racine multiple; pour ces valeurs de resoudre (E).
Exercice 11. Th
eor`
eme de Gauss: Soient A, B, C trois polynomes. Montrer
a Si C divise AB et P.G.C.D(A, B) = 1, alors C divise B.
b Si P.G.C.D(A, B) = 1 et P.G.C.D(A, C) = 1 alors P.G.C.D(A, BC) = 1
c Si P.G.C.D(A, B) = 1 alors P.G.C.D(Am , B n ) = 1 pour m, n IN.
Exercice 12. Montrer que si A, B et C sont trois polynomes tels que A C soit un multiple de B,
alors:

85
a. Le reste de la division euclidienne de A par B est le reste de la division euclidienne de C par B.
b. Le reste de la division euclidienne de An par B est le reste de la division euclidienne de C n par B
( n IN).
Exercice 13. Soit P (X) = X 8 + X 4 + 1
a. Donner la decomposition de P en produit de facteurs irreductibles dans IR[X]
b. Donner la decomposition de P en produit de facteurs irreductibles dans C[X]
l
Exercice 14. Soit les deux polyn
omes P = X 3 + 1 et Q = X 4 + 1. Montrer quils sont premiers entre
eux et determiner les deux polyn
omes U et V tels que P U + QV = 1 ,
degU deg Q, degV deg P .
Exercice 15. Trouver les racines dans C
l de P (X) = X 5 1 et Q(X) = X 4 + X 3 + X 2 + X + 1.
Factoriser Q en produit de polyn
omes irreductibles sur C[X]
l
puis sur IR[X]
omes P , P X divise P oP X.
Exercice 16. Montrer que pour tout polyn
Application Resoudre lequation:
X IR,

(X 2 3X + 1)2 3X 2 + 8X 2 = 0

Exercice 14. Soit n et p IN, p 6= 0, a IR et q et r tels que n = pq + r.


a. Montrer que le reste de la division euclidienne de X n par X p a est aq X r
b. Calculer le reste de la division euclidienne de X n an par X p ap

86

88
x2 +3x+1
x1

est une representation irreductible de F .


On remarque que est substituable dans F , nentrane pas que pour tout representant PQ de F , on
ait Q() 6= 0; par exemple 1 est substituable de F car F (1) = 21 bien que Q(1) = 0.
Th
eor`
eme: Lensemble K(X) muni des deux lois de compositions internes:

Chapitre 7

laddition

Dans ce chapitre nous considerons (K, +, .) un corps commutatif et K[X] lensemble des polyn
omes
a coefficient dans K, K [X] = K[X] {0K[X] }.
D
efinition et th
eoreme:
La relation R definie sur K[X]K [X] par: Pour tout (P, Q) K[X]K [X], (R, S) K[X]K [X]
(P, Q)R(R, S) si et seulement si P S = QR, est une relation dequivalence.
Lensemble quotient de cette relation K[X]K [X]/R est appele lensemble des fonctions rationnelles
note K(X)
Repr
esentation irr
eductible dune fraction
D
efinition et th
eor`
eme: Pour toute fraction rationnelle F ; il existe (P, Q) K[X] K [X] telle
P
que: F = Q
avec P.G.C.D(P, Q) = 1. (c.`a.d que P et Q nont pour diviseurs communs que des
P
est appelee representation irreductible de F .
elements de K ) Q
Remarque:
P1
Q1

est une representation irreductible de F alors P et Q nont pas de racines communes.

P2
Si Q
est une autre representation irreductible de F alors P2 = P1 et Q2 = Q1 avec K ;
2
donc toute racine de P1 (respectivement de Q1 ) est une racine de P2 (respectivement Q2 ).
P1
Soit un element de K, F une fraction de K(X), il existe un representant de F soit Q
verifiant
1
P2
Q1 () 6= 0: on dira que est substituable dans F , on la note F (). Si Q2 est un autre representant
de F verifiant aussi Q2 () 6= on aura:

(
cette valeur commune

P1
P2
=
Q1
Q2

P1 ()
Q1 ()

Q1 ()Q2 () 6= 0)

P1 ()
P2 ()
=
Q1 ()
Q2 ()

sera appelee valeur de f pour , on la note F ().

Exemple et remarque:
F

=
=

X 3 + 4x2 + 4x + 1
si x 6= 1 et x 6= 1;
x2 1
2
(X + 3X + 1)(x + 1)
x2 + 3x + 1
=
(x + 1)(x 1)
x1
87

R
S

P S+QR
QS
P R
Q.S

PR
QS

est un corps commutatif.


Lelement neutre pour laddition (resp pour la multiplication) est la fraction nulle 0K (resp 1K ).

Corps des fractions

Si F =

et la multiplication

Fractions Rationnelles
7.1

P
Q

7.2

D
ecomposition en
el
ement simples.

7.2.1

Division suivant les exposants croissants:

Th
eor`
eme: Soient P et S K[X], (S(0) 6= 0K ) et soit n IN. Il existe un couple unique (Q, C)
delements de K[X] verifiant: P = S.Q + X n+1 C avec degQ n. On dit quon a divise P par S
suivant les exposants croissants `a lordre n. Q et X n+1 C sont appeles respectivement le quotient et
le reste de la division selon les exposants croissants `a lordre n.
Exemple: Soit `a diviser P = X 3 + 2X 1 et S = X 2 3X + 2 suivant les exposants croissants `a
lordre 3:

89

1 + 2x + x3
3
1
+1 x + x2
2
2
1 2
1
x + x + x3
2
2
1
3
1
x + x2 x3
2
4
4
5 2 3 3
x + x
4
4
5
15
5
x2 + x3 x4
4
8
8
21 3 5 4
x x
8
8
21 3 63 4 21 5
x + x x
8
16
16
53/16x4 21/16x5
53 21
x4 ( x)
16 16

Proposition 3: Soient (Q1 , Q2 , . . . , Qn ) une famille de polynome premier entre eux deux `a deux
et P un polynome tel que deg(P ) < deg(Q1 .Q2 . . . . .Qn ); alors il existe une famille unique de polynome
(P1 , . . . , Pn ) tels que:

2 3x + x2
1 1
5
21
+ x + x2 + x3
2 4
8
16

P
P1
P2
Pn
=
+
+ ... +
avec degPi < degQi
Q 1 Q 2 . . . Qn
Q1 Q2
Qn
Proposition 4: P et Q etant deux polynomes non nuls tels que degQ 1 et degP < degQn , (n 2)
alors il existe une famille unique de polynome (P1 , . . . , Pn ) tes que:
P1
Pn
P2
P
+ 2 + ... + n
=
Qn
Q
Q
Q

X
a
b
c
d
=
+
+
+
(X + 1)4
X + 1 (X + 1)2 (X + 1)3 (X + 1)4
X(X + 1)4
= X = a(X + 1)3 + b(X + 1)2 + c(X + 1)1 + d
(X + 1)4

7.2.3

R
esultats gen
eraux.
P
Q

Le polyn
ome E est la partie enti`ere de
Exemple:

P
Q

X 2 +1
X

=X+

1
X;E

P
Q

et

,
R
Q

D
ecomposition dans C[X]
l

Nous avons vu dans le chapitre precedent que les seuls polynomes irreductible de C[X]
l
sont les
polynomes de degres 1. Alors la decomposition en produit de facteurs irreductibles de tout polynome
de C[X]
l
peut secrire:
Q = (X r1 )1 (X r2 )2 . . . (X rn )n

K(X), il existe un couple unique (E, R) delements de K[X] tel que:


R
P
=E+
Q
Q

avec degR < degQ

avec des ri tous distincts et des i > 0. la decomposition en elements simples de

E est la partie enti`ere de

a
b
a(X 1) + b(X + 1)
+
=
X +1 X 1
(X 1)(X + 1)

(7.1)

P
Q

o`
u Q est un element

Si degQ = 1, lelement simple S est dit de premi`ere esp`ece. P est une constante dans ce cas.
Si degQ = 2, lelement simple S est dit de seconde esp`ece.

et les Aij C
l

R(X)
R(X)
=E+
Q(X)
V1 (X)V2 (X) . . . Vn (X)
Pn (X)
P1 (X) P2 (X)
+
+ ... +
avec degPi < degVi i = 1, . . . , n
= E+
V1 (X)
V2 (X)
Vn (X)
= E+

(7.4)

pour tout i = 1, . . . , n,

1
2

D
efinition: Un element simple de K(X) est une fraction rationnelle S =
irreductible de K[X], 0 degP < degQ et IN :

P
Q

(7.3)

Preuve: On pose Vi (X) = (X ri )i pour tout i = 1 . . . n, Q devient Q(X) = V1 (X)V2 (X) . . . Vn (X).
Dapr`es les propositions 3 et 4:
P
Q

Exemple:

En identifiant X avec a(X 1) + b(X + 1) on trouve a = b =

secrit:

=X

P
Q

n X
i
X
P
P
Aij
= i=n
=E+

i
Q
(X ai )j
i=1 (X ri )
i=1 j=1

sa partie fractionnaire.

Proposition Si Q1 et Q2 sont deux polyn


omes premiers entre eux P.G.C.D (Q1 , Q2 ) = 1 et P
un Polyn
ome tel que: degP < deg(Q1 , Q2 ), alors il existe un couple unique (P1 , P2 ) de polyn
ome tels
P1
P2
que: Q1PQ2 = Q
+
,
(degP
<
degQ
,
degP
<
degQ
)
1
1
2
2
Q
1
2

X
(X + 1)(X 1)

(7.2)

En identifiant les deux polynomes de (7.2), on trouve: a = 0, 3a + b = 0, 3a + 2b + c = 1 et


a + b + c + d = 0 ce qui donne: a = b = 0, c = 1 et d = 1

5
21
53 21
1 1
1 + 2x + x3 = ( + x + x2 + x3 )(2 3x + x2 ) + x4 ( x)
2 4
8
16
16 16

Proposition 1. Soit

degPi < degQ

Exemple:

On a donc:

7.2.2

90

Pi (X)
Vi (X)

=
=

Pi (X)
(X ri )i
a1
a2
ai
+
+ ... +
(X ri )1 (X ri )2
(X ri )i

la combinaison de (7.4 et 7.5) donne (7.3).

(7.5)

91

Exemple: Decomposer dans IR[X]: (X1)2 1(X 2 +1)2 .


La meilleure methode est de faire la decomposition dans C
l et en utilisant la remarque precedente, le
resultat se ramene facilement `a une decomposition de IR[X]. Dapr`es lexemple precedent on a:

1
Exemple: Decomposer dans C[X]:
l
(X1)2 (X 2 +1)2 ;
2
2
2
Q(X) = (X 1) (X + i) (X i) , dapr`es les theor`emes precedents on a:

1
(X 1)2 (X 2 + 1)2

a2
a4
a6
a1
a3
a5
+
+
+
+
+
X 1 (X 1)2
X + i (X + i)2 X i (X i)2

(7.6)

multipliant `
a droite et a` gauche de (7.6) par X et prenant la limite lorsque X tends vers linfini
on obtient
a1 + a3 + a5 = 0
multipliant `
a droite et a` gauche de (7.6) par (X 1)2 et prenant X = 1, on trouve a2 =

92

1
(X 1)2 (X 2 + 1)2

1
2+i
2i
1
i
i
+
+
(7.11)
+
+

2(X 1) 4(X 1)2 8(X + i) 8(X + i)2


8(X i) 8(X i)2

En rassemblant les termes conjugues deux `a deux on trouve:

(7.7)

2i
1 + 2X
2+i
+
=
8(X + i) 8(X i)
4(1 + X 2 )
i
X
i

=
8(X + i)2 8(X i)2
2(1 + X 2 )2

1
4

multipliant `
a droite et a` gauche de (7.6) par (X i)2 et prenant X = i, on trouve a6 = 8i
multipliant `
a droite et a` gauche de (7.6) par (X + i)2 et prenant X = i, on trouve a4 =

i
8

a1 + a2 ia3 a4 + ia5 a6 = 0
3
a1 ia3 + ia5 =
4
X=

1
2

(7.8)

dans (7.6) donne:


2
2
7/5 2a1 + (1 2i)a3 + (1 + 2i)a5 = 0
5
5

(7.9)

La resolution du syst`eme forme par les equations (7.7,7.8,7.9) donne a1 , a3 et a5 .


a1 = 1/2 , a3 = 1/4 + I/8 , a5 = 1/4 I/8
on a donc:
1
(X 1)2 (X 2 + 1)2

1
i
i
1
2+i
2i
+
+

+
+
(7.10)
2(X 1) 4(X 1)2 8(X + i) 8(X + i)2
8(X i) 8(X i)2

Remarque: Dapr`es lexemple precedent, les polyn


omes mis en jeux dans le denomenateur sont `
a
coefficients reels. Lors de la decomposition dans C,
l on a deux p
oles complexes +i et i et qui sont
conjugues lun de lautre. On montre facilement que a3 et a5 (resp a4 et a6 ) sont conjugues lun de
lautres. Ce resultat apparait clairement sur lexemple.

7.3

D
ecomposition dans IR[X]

Les polyn
omes irreductibles de IR[X] sont les (X a) et les (X 2 + pX + q) avec p2 4q < 0. La
decomposition en facteur irreductibles de Q secrit comme
i n
2
j
Q = m
i=1 (X ri ) i=1 (X + pj X + qj )

La decomposition en elements simples de

P
Q

i
m X
X

est de la forme:

n X
i
X
Bjk X + Cjk
P
Aik
=E+
+
k
2 + p X + q )k
Q
(X

a
)
(X
i
j
j
i=1 k=1
j=1 k=1

Aik , Bjk et Cjk sont des nombres reels.

lequation (7.11) devient donc:


1
(X 1)2 (X 2 + 1)2

X = 0 dans (7.6) donne:

(7.12)

1
1 + 2X
1
X
+
+
+
2(X 1) 4(X 1)2 4(1 + X 2 ) 2(1 + X 2 )2

qui est en fait la decomposition dans IR[X]

(7.13)

93

7.4

Exercices
A(X)
Xa)n B2 (X) B2 (a)

6= 0 montrer quelle admet un


Exercice 1: Soit une fraction irreductible F (X) =
developpement:
2
n
A1
1
+
+ ... +
+
F =
a ( a)2
( a)n B2
1 , 2 , ..., n sont des constantes, on pose f =
f (a), n1 = f (a), 1 = n!f (na) (a).
pour n=2 montrer que:
2 =

A
B2

verifier que ces constantes sont telsque:n =

2 3A (a)B (a) A(a)B (a)


2A(a)
et 1 =
B (a)
3
A (a))2

avec B = (X a)2 B2 .
l
u
et v designant respectivement les polyn
ome conExercice 2: Soit F = uv un element de C(X),
jugues de u et v. Demontrer que la fraction uv est independant du representant uv de F choisi, on pose
=F
=
F , F
G = F + G;
FG = F .G
, F
l F+
F = uv , Demontrer que ( C)
a.) Demontrer que si a C
l on a F (a) = F (a).
b.) En deduire que si a, complexe non reel, est une racine ( resp un pole) dordre de F , a
est une
racine ( resp pole) dordre de F que peut-on dire si F IR[X].
Exercice 3: Decomposer en eement simples les fractions suivantes:
1
X4 1

dans IR[X]et dans C[X]


l

1
danslC[X]
1 + X4

Genetaliser les resultats pour les fractions:


1
1
et
Xn 1
Xn + 1

(7.14)

Exercice 4: Decomposer dans IR[x] les fractions suivantes:


X2 + 1
n!
,
X(X 1)4 (X 2 2)2
X(X 1) . . . (X n)
1
1
,
(X 2 a2 )n
(X 2 + a2 )n

1
X m (1 X)n

l (n IN; a, b C,
l a 6= b)
Exercice 5: Decomposer en elements simples sur C
1
(X 2 1)n

1
(X a)n (X b)n

Exercice 6: (xh ) (1 h n) etant une famille de n nombres complexes tous distincts, on pose
Q(X) = (X x1 )(X x2 ) . . . (X xn )
Demontrer que

n
X
1
Ah
Bh
[
=
+
]
2
[Q(X)]2
(X

x
)
(X
xh )
h
h=1

Calculer Ah et Bh `
a laide de Q (xh ) et Q (xh )

94
Exercice 7: Soit P (X) un polynome defini sur le corps C
l et ayant tous ses zeros distincts.

u P designant le polynome
a.) Decomposer en elements simples sur C,
l la fraction rationnelle P P(X) ; o`
derive de P .
b.) Decomposer de meme la fraction
P 2 P P
P2

96
1(0, y), (0, y) est donc vecteur propre de sx associe `a la valeur propre 1.
Donc sx (e1 ) = e1 et sx (e2 ) = e2 , la matrice de sx relativement `a la base canonique de IR2 est:
Msx =

Chapitre 8

1 0
0 1

On remarque que la matrice de sx par rapport `a la base des vecteurs propres (e1 , e2 ) est diagonale.

R
eduction des endomorphismes

8.2

Sous espace propre

D
efinition: Soit M la matrice dun endomorphisme f de E, un scalaire de K.
Dans ce chapitre nous abordons un probl`eme important en alg`ebre lineaire: la reduction des matrices
carees. Notre but est de trouver une base dans laquelle la matrice M dun endomorphisme donne est
diagonale.
Tout au long de ce chapitre, K designe un corps commutatif, E un espace vectoriel sur K,
lapplication identite de E sera notee par IE = I.

8.1

Vecteurs propres et valeurs propres dun endomorphisme

8.1.1

Vecteurs propres

D
efinitions: Soit M la matrice dun endomorphisme f de E. Un vecteur v E est dit vecteur
propre de M si:
i. v 6= 0E
ii. il existe K tel que M v = v (o`
u f (v) = v).
Le scalaire est appele valeur propre associe au vecteur propre v.
Remarques:
Si v = 0E la relation M 0E = 0E est toujours verifiee.
les vecteurs propres v associes `a la valeur propre = 0K sont les vecteurs du KerM : M v = 0E
Si v 6= 0E la valeur propre lorsquelle existe elle est unique. En effet, soit et K deux valeurs
propres associees `
a v: M v = v et M v = v on a donc v = v ( )v = 0K donc =
Si v est un vecteur propre associe `a la valeur propre alors pour tout K; v est aussi vecteur
propre correspondant `
a la meme valeur propre . En effet: M ( v) = M (v) = (v) = ( v).
Exemples 9.1
i. Soit K. On definit lhomothetie vectorielle f de rapport par:
EE

f :

x x

Tout vecteur de E est vecteur propre de f associe `a la valeur propre


ii. Considerons la symetrie sx qui a (x, y) IR2 fait correspondre (x, y). sx est appelee symetrie
par rapport `
a laxe ox parall`element `a laxe oy.
Il est clair que pour tout vecteur (x, 0) de laxe ox, son image par sx est invariante: Sx ((x, 0)) =
(x, 0), (x, 0) est donc vecteur propre de sx associe `a la valeur propre +1.
De meme pour tout vecteur (0, y) de laxe oy, son image par sx est: Sx ((, y)) = (0, y) =
95

E = {v E ; M v = v}
E est appele le sous espace propre correspondant `a la valeur propre .
E 6= car le vecteur nul 0E appartient `a E .
Si v1 et v2 sont deux elements de E alors: M v1 = v1 et M v2 = v2 . pour tous , K v1 + v2
est aussi element de E . En effet: M (v1 + v2 ) = M (v1 ) + M (v2 ) = v1 + v2 = (v1 + v2 ),
v1 + v2 est donc vecteur propre associe `a la valeur propre
Remarques:
Si = 0K est valeur propre de M , par definition, il existe x E , x 6= 0E , tel que M x = 0K .x = 0E ,
donc E0 = KerM 6= {0E }.
Le sous espace E = {0E } signifie que nest pas valeur propre.
f (E ) E . En effet, pour tout y f (E ), il existe x E tel que y = f (x) = M x, puisque x est
element du sous espace propre alors y = f (x) = x. M y = f (y) = M (x) = f (x) = y donc y E .
Th
eor`
eme 9.1: E un espace vectoriel de domention finie sur K, M matrice dun endomorphisme f
de E, K une valeur propre de M . On a equivalence entre les deux proprietes suivantes:
i. est valeur propre de f
ii. M I nest pas inversible
Preuve: Soit une valeur propre de f , il existe un vecteur v 6= 0E E tel que M v = v
(M I)(v) = 0E , ce qui veut dire que (M I) nest pas injectif donc pas inversible.
Reciproquement: Si M I nest pas inversible alors Ker(M I) 6= {0E }, donc il existe v 6= 0E E
tel que (M I)(v) = 0E M v = v, donc est valeur propre.
Th
eor`
eme 9.2: Soient M une matrice dun endomorphisme de E et 1 , 2 deux scalaires distincts
(1 6= 2 ) alors:
i. E1 E2 = {0E }.
ii. Si v1 et v2 sont vecteurs propres associes respectivement aux valeurs propres 1 et 2 (1 6= 2 )
alors la famille: {v1 , v2 } est libre.
Preuve:
i.) Soit x E1 E2 alors x E1 et x E2 . Il sen suit donc que f (x) = 1 x = 2 x
(1 2 )x = 0E . Et comme 1 6= 2 on conclut que x = 0E .
ii.) Soient 1 et 2 deux scalaires tel que
1 v1 + 2 v2 = 0E

(8.1)

97
on a
M (1 v1 + 2 v2 ) = 1 1 v1 + 2 2 v2 = 0E

(8.2)

si on soustrait 1 (8.1) `
a (8.2) on obtient (1 2 )2 v2 = 0E et comme 1 6= 2 et v2 6= oE on conclut
que 2 = 0K et par suite 1 = 0K . La famille {v1 , v2 } est donc libre.
Le resultat (ii.) du theor`eme precedent se generalise facilement aux cas de m valeurs propres.
Th
eor`
eme 9.3: Soient E un espace vectoriel de dimension finie sur un corps K et M une matrice
dun endomorphisme f de E. Soient i , i = 1, . . . , m, m valeurs propres de M deux `
a deux distinctes
et {vi } (i = 1, . . . , m), vi les vecteurs propres correspondants. Alors la famille {vi } (i = 1, . . . , m) est
libre.
Preuve: Par recurrence sur m.
m = 1, le vecteur propre v1 associe `a la valeur propre 1 est par definition non nul, donc {v1 } est
libre.
m = 2 demonstration d`eja faite dans le theor`eme precedent ii).
supposons que le resultat est vrai pour m 1, soit 1 , . . . , m des scalaires tels que
1 v1 + 2 v2 + . . . + m vm = 0E

(8.3)

98
le vecteur (1 m+1 )x1 + (2 m+1 )x2 + . . . + (m m+1 ) = 0E est un element de E1 + E2 +
. . . + Em = E1 E2 . . . Em , donc 0E peut secrire comme: 0E = 0E1 + 0E2 + . . . + 0Em . La
decomposition est unique, ce qui implique que:
(p m+1 )xp = 0E

8.3

D
efinition: Soient E un espace vectoriel sur un corps K et M la matrice dun endomorphisme f de
E. On definit le polynome caracteristique de M comme etant:
PM () = det(M IE )

Exemples 9.2:
a. Soit `a calculer le polynome caracteristique de la matrice

i = 1, . . . , m 1 i = 0K

En reportant i = 0K (i = 1, . . . , m 1) dans la relation (8.3) on obtient m = 0K . On conclut donc


que {v1 , v2 , . . . , vm } est libre.

1
0
1
2
1
0
2
1
= (1 )
2 1
0
2 1
= (1 )[(2 )(1 ) + 2] = (1 )( 1)

M2 =

a b
c d

PM2 () = det(M I2 ) = det

Th
eor`
eme 9.4: Si 1 , 2 , . . . , m sont des scalaires deux `a deux distincts, alors

a
b
c
d

= (a )(d ) bc = ad bc (d + a) + 2

E1 + E2 + . . . + Em = E1 E2 . . . Em
Preuve: par recurrence sur m.
Pour m = 1 il ny a rien `
a montrer. Supposons que E1 + E2 + . . . + Em = E1 E2 . . . Em
et montrons que E1 , E2 , . . . Em , Em+1 sont en somme directe. Pour cela il suffit de montrer que
(E1 + E2 + . . . + Em ) Em+1 = {0E }. En effet soit x (E1 + E2 + . . . + Em ) Em+1 , donc
x E1 + E2 + . . . + Em et x Em+1 . x etant element de E1 + E2 + . . . + Em et x Em+1 , il
secrit comme:
x = x1 + x2 + . . . + x m
,
xi Ei
Calculons M x: M x = M (x1 + x2 + . . . + xm ) = 1 x1 + 2 x2 + . . . + m xm (f est lineaire et xi Ei ).
Or M x = m+1 x = m+1 (x1 + x2 + . . . + xm ) du fait que x Em+1 .
En identifiant les deux expressions de M x on trouve:
1 x1 + 2 x2 + . . . m xm = m+1 x1 + m+1 x2 + . . . + m+1 xm

(8.9)

Th
eor`
eme 9.5: Les valeurs propres de M dans K sont exactement les racines dans K du polynome
caracteristique PM .
Preuve: Cela resulte du fait que si est valeur propre de M alors M IE nest pas inversible.
Exemples 9.3:

0 1

2
1 sont les racines de PM1 () = (1 )( 1).
0 2 1
On a donc trois valeurs propres: 1 = 0 , 2 = 1 , 3 = 1.
Les vecteurs propres associes `a la valeur propre 1 = 0 sont definis par:

a. les valeurs propres de M1 = 0

(8.6)

(8.8)

b. Soit `a calculer le polynome caracteristique de la matrice

Corollaire: Si E est de dimension n, la matrice M dun endomorphisme f de E poss`ede au plus


n valeurs propres.

(1 m+1 )x1 + (2 m+1 )x2 + . . . + (m m+1 )xm = 0E

0 1

2
1
2 1

PM1 () = det(M I3 ) =

les i sont deux `


a deux distincts, dapr`es lhypoth`ese de recurrence on a:
(i m )i = 0K

M1 = 0

(8.4)

(8.5)

(8.7)

est un scalaire de K. PM est un polynome `a coefficient dans K dont le degre est la dimension de E.

si on soustrait m (8.3) `
a (8.4) on obtient
(1 m )1 v1 + (2 m )2 v2 + . . . + (m1 m )m1 vm1 = 0E

p = 1, 2, . . . , m

Polyn
ome caract
eristique dun endomorphisme

on deduit
M (1 v1 + 2 v2 + . . . + m vm ) = 1 1 v1 + 2 2 v2 + m m vm = 0E

pour

Comme les i sont deux `a deux distincts, donc xp = 0E pour p = 1, 2, . . . , m et par consequent
x = 0E .

E0 = {(x, y, z) IR ; M1 y = 0 }

99
Tout vecteur propre verifie:

100
toute matrice M dun endomorphisme f de E, tel que le polynome caracteristique PM ai toutes ses
racines dans K on a: PM (M ) = 0Mn .

x z = 0

2y + z = 0

2y z = 0

Remarques:

Les vecteurs propres associes `a 0 sont donc de la forme (x, y, z) = (z, z/2, z) = z(1, 1/2, 1). E0
est donc le sous espace de dimension un engendre par v0 = (1, 1/2, 1).
Les vecteurs propres associes `a la valeur propre 1 = 1 sont definis par:

PM (M ) = a0 IE + a1 M + a2 M 2 + . . . + an M n

x
x

E1 = {(x, y, z) IR3 ; M1 y = +1 y }
z
z

Tout vecteur propre verifie:

Si le polynome caracteristique PM est de la forme PM () = a0 + a1 + a2 2 + . . . + an n , alors


PM (M ) sobtient en remplacant ai i par ai M i et le terme constant a0 par a0 IE :

Le theor`eme de Cayley-Hamilton permet de calculer linverse de M si il existe. En effet: si M


est inversible, detM =PM (0) = a0 6= 0. Cayley-Hamilton implique:
PM (M ) = a0 IE + a1 M + a2 M 2 + . . . + an M n = 0Mn

x z = x

a0 IE

2y + z = y

2y z = z

IE

Les vecteurs propres associes `a = 1 sont donc de la forme (x, y, z) = (z/2, z, z) = z(1/2, 1, 1).
E1 est donc le sous espace de dimension un engendre par v1 = (1/2, 1, 1).
Les vecteurs propres associes `a la valeur propre 1 = 1 sont definis par:
E1
Tout vecteur propre verifie:

1 1
1 2

le polynome caracteristique est donne par:

E1 est donc le sous espace de dimension un engendre par v1 = (1, 0, 0).


On montre facilement que B = (v0 , v1 , v1 ) est une base de IR3 . La matrice M1 dans cette base B
est de la forme:

0 0 0

M1 [B ] = 0 1 0
0 0 1
!

Si = 0, PM2 a deux racines reelles confondues 1 = 2 =

Les valeurs propres de M sont 1,2 =


besoin devaluer M 2 . En effet,

3 5
2 .

1
1
= 1 3 + 2
1
2

et 2 =

d+a+i
2

d+a
.
2

et 2 =

d+ai
.
2

Remarque: On voit clairement que la notion de valeur propre depend du corps K. Dans le cas du
polyn
ome caracteristique PM2 avec < 0. On dit que M2 na pas de valeurs propres dans IR.
Propri
et
e: Si 0 est une racine dordre m du polyn
ome caracteristique PM () alors 1 dimE0 m.
E0 est le sous espace propre associe `a 0 .
Th
eor`
eme de Cayley-Hamilton (admis): Soit E un espace vectoriel sur K de dimnsion n. Pour

(8.12)

Pour verifier le theor`eme de Cayley-Hamilton, on a

M2 =

2 3
3 5

Verifions Cayley-Hamilton:
PM (M ) =

1 0
0 1

1 1
1 2

2 3
3 5

d+a
2

d+a+
2

Si < 0, PM2 a deux racines complexes distinctes 1 =

PM () = det(M I2 ) =

(8.10)

a b
sont les racines de PM2 () = ad bc (d + a) + 2 .
c d
= 2, son descriminant est = (d + a)2 4(ad bc) = (d a)2 + 4bc.

Si > 0, PM2 a deux racines reelles distinctes 1 =

an
a1 a2
M . . . M n1
a0 a0
a0

M=

x z = x

2y + z = y

DegPM2

M 1 =
Exemple: Soit la matrice

2y z = z

b. Les valeurs propres de M2 =

On conclut donc que M 1 est donnee par:

x
x

= {(x, y, z) IR3 ; M1 y = 1 y }
z
z

= M (a1 a2 M . . . an M n1 ) = (a1 a2 M . . . an M n1 )M
a1 a2
an
a1 a2
an
= M ( M . . . M n1 ) = ( M . . . M n1 )M(8.11)
a0 a0
a0
a0 a0
a0

De legalite I2 3M + M 2 = 0, on peut deduire M 1 = 3I2 M =

8.4

0 0
0 0

2 1
1 1

Diagonalisation

D
efinition: On dira que la matrice M dun dun endomorphisme f
une base B telle que:

1 0 . . . 0

0 2 . . . 0
M [f, B] = D =
.
.. . .
..
. ..
.
.
0

...

de E est diagonalisable, sil existe

101
autrement, on dira que M est semblable `a D, cest `a dire quil existe une matrice de passage telle que
D = P 1 M P

1 1
1

Exemple 9.4: Soit `


a diagonaliser la matrice: M3 = 1 1 1 . Le polyn
ome caracteristique
1
1 1
PM3 est donne par:
PM3 () = det(M3 I3 ) = ( 1)( + 2)2
On a donc deux valeurs propres: 1 = 1 et 2 = 2. On dit que 1 est une valeur propre simple et
2 est une valeur propre double, son ordre de multiplicite est 2.
sous espaces propres:

E2

B = (v1 , v2 , v3 ) est une base de vecteur propres (th


eor`
eme 9.3). La matrice de M3 dans la base B
est diagonale et est donnee par:
1

M3 [B ] = 0 2

La matrice de passage de la base canonique `a la base

(8.13)

est:

1 1
0

P = 1 0
1
1 1 1

P
On pourra verifier sans probl`eme que

et pour tout i = 1, ..., m


dimEi = i
iv M admet n valeurs propres dans K toutes distinctes.
Exemples 9.5

(8.14)

0 1

2
1 a trois valeurs propres distinctes:
0 2 1
1 = 0 , 2 = 1 , 3 = 1. Les vecteurs propres associes sont: v0 = (1, 1/2, 1), v1 = (1/2, 1, 1)
et v1 = (1, 0, 0). La base des vecteurs propre est B = (v0 , v1 , v1 ). La matrice M1 dans cette base
B est diagonale et est donnee par:

a. Dans lexemple 9.3, nous avons vu que M1 = 0

La matrice de passage inverse est:

0
2

ii il existe une base B telle que la matrice de M dans B est diagonale

PM () = (1)n ( 1 )1 ( 2 )2 . . . ( m )m

On remarque que les trois equations caracterisant E2 sont equivalentes `


a x + y + z = 0. Donc E2
est un sous espace vectoriel de dimension deux engendre par v2 = (1, 0, 1) et v3 = (0, 1, 1).
Les deux valeurs propres 1 = 1 et 2 = 2 sont distinctes. Dapr`es le th
eor`
eme 9.4 on a:
E1 E2 = E1 + E2 . or E1 E2 est un sous espace de IR3 et dim(E1 E2 ) = 1 + 2 = 3, on
conclut que:
IR3 = E1 E2

iii Le polynome caracteristique PM () a toutes ses racines dans K:

x
x

= {(x, y, z) IR2 ; M3 y = 2 y }
z
z

E = E1 . . . Em

i M est diagonalisable

Tout vecteur (x, y, z) E1 verifie x = y = z. Donc E1 est un sous espace vectoriel de dimension 1
engendre par v1 = (1, 1, 1).

Dans le cas general, nous avons vu au th


eor`
eme 9.4 que si 1 , 2 , . . . , m sont des valeurs
propres deux `a deux distincts de M , alors E1 + E2 + . . . + Em = E1 E2 . . . Em . En fait,
E1 E2 . . .Em E est un sous espace vectoriel de E. Dans le cas o`
u E = E1 E2 . . .Em ,
la matrice M est diagonale. Ce resultat est exprime dans le theor`eme suivant:
Th
eor`
eme 9.6 Soient E un K-espace vectoriel de dimension n et M une matrice carree dordre n
associee `a un endomorphisme f de E dans E. Si M admet m valeurs propres distinctes deux `a deux
1 , . . ., m , M est diagonalisable si et seulement si

Caract
erisation: Soient E un K-espace vectoriel de dimension n et M une matrice carree dordre
n associee `a un endomorphisme f de E dans E. Les proprietes suivantes sont equivalentes:

x
x

E1 = {(x, y, z) IR2 ; M3 y = +1 y }
z
z

102

0 0 0

1 0
0 0 1

M1 [B ] = 0

cet exemple correspond au cas ii) et vi) de la caracterisation.

1
1
1
1

= 2 1 1
3
1 2 1

Une condition de diagonalisation de la matrice M est que IR est somme de ses sous espaces propres:
IR3 = E1 E2 (dimIR3 = dimE1 + dimE2 ).

1 1
1

b. Dans lExemple 9.4:, nous avons traite M3 = 1 1 1 . Nous avons montre que
1
1 1
M3 a deux valeurs propres: 1 = 1 valeur propre simple et 2 = 2 valeur propre double. On a
egalement montre que 1 = 1 est associee au vecteurs propres v1 = (1, 1, 1) et que dimE1 = 1.
La valeur propre double 2 = 2 est associee aux vecteurs propres v2 = (1, 0, 1) et v3 = (0, 1, 1)
et que dimE2 = 2.
La matrice M3 dans la base des vecteurs propres B = (v1 , v2 , v3 ) est de la forme:

M3 [B ] = P 1 M3 P
3

(8.15)

M3 [B ] = 0 2

0
2

(8.16)

103
M3 est donc diagonale. Cet exemple correspond au !
cas iii) de la caracterisation.
0 1
dans IR et dans C.
l Le polyn
ome caracteristique
c. Soit `
a diagonaliser la matrice M4 [B] =
1 0
de M4 est donne par:
PM4 () = 2 + 1

x
y

Ei = {(x, y) C
l ; M4

x
y

=i

La matrice de passage de B `
a B est:
P =

1 1
i i

son inverse est:


P 1 =

1
2
1
2

I2

8.5

(8.20)

Calcul de la puissance ni`


eme dune matrice

...

La puissance ni`eme de D est facile `a calculer et est donnee par:

n1

0
(D[1 , 2 , . . . , m ])n = D[n1 , n2 , . . . , nm ] =
..
.

0 ... 0
n2 . . . 0
.. . .
.
. ..
.
. . . 0 nm

(8.21)

la puissance ni`eme de matrice matrice M est donnee par:


(M )n = P D[n1 , n2 , . . . , nm ]P 1

x
y

=2

x
y

R
esolution des syst`
emes des suites r
ecurrentes:

= {(x, y) IR ; 3x + y = 2x et x + y = 2y}
2

= {(x, y) IR ; x + y = 0}

(8.18)

Tout vecteur de E2 est donc de la forme: (x, y) = x(1, 1), E2 est donc engendre par (1, 1) et est
donc de dimension
1. La matrice
M5 nest donc pas diagonalisable (dimE2 = 1 6= 2).

4 0 2

d. M6 [B] = 0 1 0 est elle diagonalisable dans IR.


5 1 3
Le polyn
ome caracteristique de M6 est donne par: PM6 () = det(M6 I3 ).
4
0
2
4 2
0
1
0
= (1 )
5
3
5
1
3

= ( 1)2 ( + 2)

Applications

= 2 est donc valeur propre double de M5 .


Calculons la dimension du sous espace propre E2 :

PM6 () =

Soit M une matrice carree dordre n. Si M est diagonalisable alors elle existe une matrice de passage
P telle que:

1 0 . . . 0

0 2 . . . 0
D[1 , 2 , . . . , m ] =
= P 1 M P
..
.. . .
..
. .
.
.

On pourra verifier que!M4 [B ] = P 1 M4 [B]P .


3 1
d. M5 [B] =
est elle diagonalisable dans IR. Le polyn
ome caracteristique de M5 est donne
1 1
par:
PM5 () = det(M5 I2 ) = 2 4 + 4 = ( 2)2

E2 = {(x, y) IR2 ; M5

tout vecteur (x, y, z) E1 est donc de la forme (x, y, z) = (x, 0, 5x/2) = x(1, 0, 5/2). E1 est donc
engendre par (1, 0, 5/2) et est de dimension 1, dimE1 = 1 6= 2. La matrice M6 nest donc pas
diagonalisable.

I
2

{(x, y, z) IR ; M6 y = y }

= {(x, y, z) IR3 ; 5x + 2z = 0 et y = 0}

i 0
0 i

M4 [B ] =

E1 =

= {(x, y, z) IR3 ; 4x 2z = x , y = y et 5x + y + 3z = z}

pour tout vecteur (x, y) Ei , on a y = ix. Ei est engendre par u1 = (1, i), Ei =< (1, i) >. De
meme on montre que Ei est engendre par u2 = (1, i), Ei =< (1, i) >.
La base des vecteurs propres est B = (u1 , u2 ) et la matrice M4 dans cette base est:

= 1 est valeur propre double et = 2 est valeur propre simple.


Calculons le sous espace propre associe `a = 1:

(8.17)

Ce polyn
ome na pas de racines dans IR, donc M4 nest pas diagonalisable dans IR.
PM4 () a deux racines simples dans C:
l 1 = i et 2 = i, donc M4 est diagonalisable dans C.
l
Sous espaces propres:
2

104

Nous traitons cette application sur un exemple. Soient (un ), (vn ) et (wn ) trois suites reelles de
premiers termes u0 = 1, v0 = 1, w0 = 1 tels que:

un = un1 + vn1 + wn1

vn = un1 vn1 + wn1

w =u
n
n1 + vn1 wn1

(8.22)

ce syst`eme de suites recurrentes peut secrire sous forme matricielle de la facon suivante:

un

Xn = vn = 1

wn

un1
1
1

1 1 vn1 = M3 Xn1
wn1
1 1

On a donc la relation de recurrence simple entre le vecteur Xn et Xn1


(8.19)

Xn = M3 Xn1

105

u0

On pourra donc exprimer Xn en fonction de X0 = v0 comme suit:


w0
Xn =

106
R
esolution dun syst`
eme diff
erentiel lin
eaire:
Nous traitons cela dans lexemple suivant:

y1 (t) = y1 (t) + y2 (t) + y3 (t)

M3n X0

y2 (t) = y1 (t) y2 (t) + y3 (t)

y (t) = y (t) + y (t) y (t)


1
2
3
3

Le probleme est donc ramene au calcul de M3n qua nous avons etudie dans la section precedente.
On a montre precedement que M3 est semblable `a une matrice diagonale. M3n est donc donnee par:

1 0
0

M3 [B ] = 0 2 0
0 0 2

y3 (t)
differentiel (8.23) peut secrire sous forme matricielle comme:

P
On pourra verifier sans probleme que

1 1
0

1
P = 1 0
1 1 1

La matrice de passage inverse est:

1
1
1
1

= 2 1 1
3
1 2 1

D= 0

un


vn =

wn

on trouve donc:

y3 (t)

1
1

1 1 Y (t) = M3 Y (t)
1 1

(8.24)

0 0
1 0
0

2 0 = 0 2 0 = P 1 M3 P
0 3
0 0 2

avec P est donnee dans lequation (8.14).


On multiplie lequation Y (t) = M3 Y (t) par P 1 `a gauche et on insere dans la meme equation
I3 = P P 1 entre M3 et Y (t), ce qui donne:

P 1 Y (t) = P 1 M3 P P 1 Y (t) = DP 1 Y (t)


|

(1 + (1)n 2( 1 + n))/3
(1 (2)n )/3
(1 (2)n )/3

(1 (2)n )/3
(1 + (1)n 2( 1 + n))/3
(1 (2)n )/3

n
n
n
n
n
(
(1 2 (1) )/3
(1 2 (1) )/3
(1 + (1) 2 1 + n))/3

{z

(8.25)

a cette etape il est donc naturel de proceder au changement suivant:


Z(t) = P

Les suites (un ), (vn ) et (wn ) sont donnes par:

y1 (t)

On a vu precedement que M2 est diagonalisable et on a montre que

tout calcul fait, on obtient:

M3n =

Y (t) = 1

1n
0
0
1
1
1
1 1
0
1

n
0 2 1 1
1 0 (2)n
M3 = 1 0
3
1 1 1
0
0
(2)n
1 2 1

y1 (t)

i (t)
. On pose Y (t) = y2 (t) . On a donc Y (t) = dYdt(t) = y2 (t) . Le syst`eme
avec yi (t) = dydt

La matrice de passage de la base canonique `a la base B est:

(8.23)

(1 + (1)n 2( 1 + n))/3
(1 (2)n )/3
(1 (2)n )/3
u0

(1 (2)n )/3
(1 + (1)n 2( 1 + n))/3
(1 (2)n )/3
v0
n
n
n
n
n
(
w0
(1 2 (1) )/3
(1 2 (1) )/3
(1 + (1) 2 1 + n))/3

z1 (t)

Y (t) = z2 (t)

z3 (t)

(8.26)

La matrice M3 est independante du temps et donc la matrice de passage lest aussi:

Z (t) = P

n (

un = (1 + (1) 2 1 + n))/3
vn = (1 + (1)n 2( 1 + n))/3

Lequation (8.25) devient donc:

z1 (t)

Y (t) = z2 (t)

z3 (t)

Z (t) = DZ(t)

wn = (1 2( 2 + n)(1)n )/3

comme D est diagonale, on a donc un trois equation differentielle du premier ordre non couplee:

R
esolution dun syst`
eme diff
erentiel lin
eaire du premier ordre:
Rappel: Equation diff
erentielle lin
eaire du premier ordre

z1 (t) = 1 z1 (t)

y (t)

Soit `
a resoudre lequation differentielle lineaire du premier ordre suivante:
= ay(t) o`
u a est une
constante reelle. La resolution est immediate. Il suffit decrire y (t) = ay(t) sous la forme: dy(t)
y(t) = adt.
Apr`es integration on trouve:
y(t) = ceat
ou c est une constante reelle fixee par les condition initiale du probl`eme en question. Si par exemple
`a t = 0, y(0) = y0 alors la solution generale de lequation differentielle est y(t) = y0 eat .

z2 (t) = 2 z2 (t)

z (t) = z (t)
3 3
3

(8.27)

La resolution dune equation differentielle du premier ordre est facile, z (t) = az(t) a pour solution
generale: z(t) = z(0)eat . La solution des trois equations differentielles (8.28) est de la forme:

z1 (t) = z1 (0)e 1

z2 (t) = z2 (0)e 2

z (t) = z (0)e3 t
3
3

(8.28)

107

8.6

La solution du syst`eme (y1 , y2 , y3 ) sobtient `a de lequation (8.26):

on trouve:

1 1
0
z1 (0)et

Z(t) = P 1 Y (t) Y (t) = P Z(t) = 1 0


1 z2 (0)e2t
1 1 1
z3 (0)e2t

t
2t

y1 (t) = z1 (0)e + z2 (0)e

(0)et

(0)e2t

y2 (t) = z1
+ z3

y (t) = z (0)et z (0)e2t z (0)e2t


3
1
2
3

108

Exercices

Exercice 1. Soit A une matrice carree. Montrer que A et t A ont les memes valeurs propres.
(8.29)
Exercice 2. Soient f et g des endomorphismes dun espace vectoriel E. Montrer que f og et gof
ont les memes valeurs propres.

(8.30)

Exercice 3. Soit M une matrice carree inversible. Determiner les valeurs propres de M 1 en fonction
de celles de M .
Exercice 4. Une matrice carree A est dite nilpotente sil existe un entier p > 1 tel que: Ap = 0 et
Ap1 6= 0. Montrer que si A est nilpotente alors 0 est lunique valeur propre de A.
Exercice 5. Les matrices suivantes sont elles diagonalisables?
A1 =

1 3
3 9

A2 =

9 2
2 6

Si oui calculer la puissance ni`eme de Ai .

2 2

4 4
2 4 4
1

A3 = 2

0 2 0

0 0
0 0 1

A4 = 2

Exercice 6. Pour les matrices de lexercice 3, montrer par le calcul que le theor`eme de Cayleyselle existe.
Hamilton est verifie. En deduire A1
i

4 0

Exercice 7. Soit la matrice A = 0 1


5 1
Montrer que A est semblable `a une matrice

0 . A est elle diagonalisable?


3
triangulaire que lon precisera.

Exercice 8. Applications de la diagonalisation.


1. Resoudre le syst`eme differentiel:

y1 (t) = 4y1 (t) + 6y2 (t)

2. un , vn et wn trois suites telles que:


en fonction de n et u0 , v0 et w0 .

y (t) = 3y (t) 5y (t)

1
2
2

y (t) = 3y (t) 6y (t) 5y (t)


1
2
3
3

un = un1 + 2vn1 2wn1

v = 2u

+ 4v

4w

n
n1
n1
n1

w = 2u
n
n1 4vn1 + 4wn1

3. Resoudre lequation differentielle suivante: y 5y 6y = 0

Calculer un , vn et wn