Académique Documents
Professionnel Documents
Culture Documents
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2 Espace vectoriel
2.1 Introduction au groupe . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2 Espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3 Sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.1 Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3.2 Combinaisons linaires . . . . . . . . . . . . . . . . . . . . . .
2.3.3 Sous-espace vectoriel engendr par une partie dun espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4 Feuille dexercices-Espaces vectoriels et sous-espaces vectoriels . . . .
2.5 Applications linaires . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5.1 Dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5.2 Applications linaires particulires . . . . . . . . . . . . . . . .
2.5.3 Noyau et image dune application linaire . . . . . . . . . . . .
2.6 Famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6.1 Sous-espace vectoriel engendr par une famille finie de vecteurs
2.6.2 Famille gnratrice . . . . . . . . . . . . . . . . . . . . . . . .
2.6.3 Famille libre, famille lie . . . . . . . . . . . . . . . . . . . . .
2.6.4 Base dun espace vectoriel . . . . . . . . . . . . . . . . . . . .
2.6.5 Composante dans une base . . . . . . . . . . . . . . . . . . . .
2.7 Feuille dexercices sur les applications linaires, Famille libre, lie et
base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
i
1
1
1
1
2
2
3
4
4
5
5
5
5
7
9
9
11
12
12
13
13
15
16
16
16
17
18
18
19
19
21
21
22
i
2.7.1
2.7.2
2.7.3
2.7.4
2.7.5
Applications linaires . . . . . . . . . . . .
Image et noyau dun endomorphisme . . .
Sous-espace engendr par une famille finie
Famille libre . . . . . . . . . . . . . . . . .
Obtention de base . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
22
22
23
23
23
3 Matrices
3.1 Oprations sur les matrices . . . . . . . . . . . . . . . . . . .
3.1.1 Dfinition . . . . . . . . . . . . . . . . . . . . . . . .
3.1.2 (Mn,p (K), +, .) est un K-espace vectoriel . . . . . . .
3.1.3 Sous-espaces des matrices diagonales et triangulaires
3.1.4 Proprits du produit matriciel . . . . . . . . . . . .
3.2 Reprsentations matricielles . . . . . . . . . . . . . . . . . .
3.2.1 Matrice colonne des composantes dun vecteur . . . .
3.2.2 Matrice des composantes dune famille de vecteurs . .
3.2.3 Matrice dune application linaire . . . . . . . . . . .
3.2.4 Matrice dun endomorphisme . . . . . . . . . . . . .
3.2.5 Image dun vecteur . . . . . . . . . . . . . . . . . . .
3.2.6 Isomorphisme de reprsentation matricielle . . . . . .
3.2.7 Composition dune application linaire . . . . . . . .
3.2.8 Isomorphisme et matrice inversible . . . . . . . . . .
3.3 Formule de changement de base . . . . . . . . . . . . . . . .
3.3.1 Matrice de passage . . . . . . . . . . . . . . . . . . .
3.3.2 Nouvelle composante de vecteur . . . . . . . . . . . .
3.3.3 Nouvelle reprsenatation dune application linaire .
3.4 Rang dune matrice . . . . . . . . . . . . . . . . . . . . . . .
3.4.1 Definition . . . . . . . . . . . . . . . . . . . . . . . .
3.4.2 Proprits du rang dune matrice . . . . . . . . . . .
3.5 Srie dexercices . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
25
25
25
27
29
30
32
32
33
34
35
36
37
37
37
37
37
38
38
39
39
39
41
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
47
47
47
47
47
48
.
.
.
.
49
49
50
50
51
ii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Chapitre 1
POLYNOMES
1.1
1.1.1
Soit K = R ou C.
Dfinition 1.1. Un polynme coefficient dans K est un lment de la forme
P (X) = a0 + a1 X + + an X n =
Pn
i=1
ai X i ,
(2) F (X) = X 4 +
1.1.2
7X + 11 et G(X) =
X 3 X+1
X+13
Pn
(P Q)(X) =
Pmax(n,m)
k=0
k=0
(ak + bk )X k
ak X k
Pn+m
k=0
ck X k tel que ck =
Pk
i=0
ai bki
Avec la gnralisation ak = 0 k n + 1, bk = 0 k m + 1.
K[X] est stable pour ces lois, on dit que cest une algbre (et on peut vrifier aussi
quelle est commutative).
1
1 . POLYNOMES
1.2
1.2.1
Dfinition 1.10. Soit A, B deux polynmes non nuls, on dit que B divise A dans
K[X], ou que A est un multiple de B, si et seulement si Q K[X] tel que B = AQ.
On note B/A. On dit quun diviseur de P est trivial sil est de la forme P ou bien
avec un scalaire non nul.
Dfinition 1.11. On dit quun polynme P est irrductible si deg P 1 et tous
les diviseurs de P sont triviaux. Autrement dit, si un polynme A divise P , alors
A = K, soit A = P, K.
2
(1) 2X 3 + 5X 2 + 7X + 8 = (X 2 + X + 2)(2X + 3) + 2.
(2) 4X 4 + 3X 2 + 1 = (X 2 + X + 1)(4X 2 4X + 3) + (X 2)
Remarque 1.14. B divise A si et seulement si le reste de la division euclidienne
de A par B est nul.
1.2.2
Soit A, B deux polynmes non nuls, on effectue les divisions euclidiennes successives des quotients par leurs restes, jusqua arriver un reste nul, alors le dernier
reste non nul est un diviseur commun de A et B de degr minimal, ce reste une fois
normalis (lorsque le coefficient du degr de polynme vaut 1 1 ), sappelle le PGCD
de A et B et se note A B.
Exemple 1.15. PGCD (X 3 + 3X 2 + 3X + 1, X 3 + 2X 2 + 2X + 1) = X + 1
Dfinition 1.16. Deux polynmes sont dits premiers entre eux si leur PGCD vaut
1.
Remarque 1.17.
le PGCD ne change pas si on multiple lun des polynmes
par une constante.
1. On peut toujours normaliser un polynme. Si P = a0 + a1 X + + an X n , an 6= 0 le normalisateur de P est a1n P
1 . POLYNOMES
1.2.3
1.3
x 7 a0 + a1 x + . . . an xn
1.4 Factorisation
1.4
1.4.1
Factorisation
Factorisation dans K = C
1.4.2
Factorisation dans K = R
Preuve:
Le rsultat est evident pour un polynme de degr 0 ou 1. Si deg P 2, on applique
lalgorithme suivant :
Si P admet une racine relle a, alors il existe un polynme Q R[X] tel que
P = (X a)Q
Sinon (thorme de dAlembert-Gauss) P admet une racine complexe a C. Par
consquent a est aussi une racine de P . Donc P = (X 2 2(a)X + |a|2 )Q, o
Q R[X] et = 4 Im(a)2 < 0.
On remarquera que X 2 + 1 et X 2 + X + 1 sont irrductible dans R[X] mais pas
dans C[X] et sur R[X] le polynme P = (X 2 + 1)(X 2 + X + 1) nest pas irrductible
et quil ne possde pas de racines.
1.4.3
Ordre de multiplicit
1 . POLYNOMES
1.5
Questions de cours
(1) Soient A et B deux polynmes de K[X], abec B 6= 0. Ecrire la division euclidienne de A par B.
(2) Que veut dire lexpression a est une racine dordre 3 de P ?
(3) Donner lensemble des polynmes irrductibles de C[X] et R[X].
(4) Le polynme X 4 + X 2 + 1 est-il irrductible ?
Arithmtique des polynmes
Exercice 1 : Dans les cas suivants, effectuer la division euclidienne de A par B :
1. A(X) = X 3 + 4X 2 + 6X + 4 et B(X) = X 2 + 1
2. A(X) = X 5 + X 4 + 5X 3 + 6X 2 + 7X + 2 et B(X) = X 4 + 2X 3 + X + 2
Exercice 2. Dterminer le quotient et le reste de la division euclidinne de A par B
dans les cas suivants :
1. A = X 2 4X + 3 et B = X 3 + X 2 2.
2. A = X 5 + 1 et B = X + 1.
3. A = 3X 7 2X 5 + X 3 4 et B = 2X 2 X + 3.
(2) X 2 | X 3 3X 2 + 3X 2
(3) X + 1 | X 3 + 3X 2 2.
(3) n = 4, A = 2 + 2X X 2 + X 4 , B = 1 + X + X 2 .
(2) A lordre 4 (cest dire tel que le reste soit divisible par X 5 ) suivant les
puissances croissantes.
Exercice 8. Trouver le pgcd de P et Q dans les cas suivants :
7
1 . POLYNOMES
(1) P = X 4 + X 3 3X 2 4X 1 et Q = X 3 + X 2 X 1.
(2) P = X 4 10X 2 + 1 et Q = X 4 4X 3 + 6X 2 4X + 1.
(3) P = X 5 + 3X 4 + X 3 + X 2 + 3X + 1 et Q = X 4 + 2X 3 + X + 2
Exercice 9. Montrer que les polynmes P et Q suivants sont premiers entre eux.
Trouver U et V K[X] tel que UP + V Q = 1.
(1) P = X 4 + X 3 2X + 1 et Q = X 2 + X + 1.
(2) P = X 3 + X 2 + 1 et Q = X 3 + X + 1.
(2) X 5 1
(3) (X 2 X + 1)2 + 1.
(3) X 8 + X 4 + 1.
Chapitre 2
Espace vectoriel
2.1
Introduction au groupe
Dfinition 2.1. Une loi de composition interne sur un ensemble E est une application de E E dans E.
Exemple 2.2. (1) Laddition ou la multiplication sont des lois de composition
internes sur N, Z, Q, R ou C.
(2) la soustraction dfinit une loi de composition interne sur Z, Q, R, ou C mais
sur N.
(3) Le produit scalaire de deux vecteurs de Rd nest pas une loi de composition
interne si d 2.
(4) On note F (E, E) lensemble des applications de E dans E, lapplication
F (E, E) F (E, E) F (E, E)
(f, g)
f g
7 x y
2 . Espace vectoriel
Exemple 2.5. (1) Z, Q, R et C sont des groupes abliens : 0 est llment neutre,
linverse de x est x. Notons que (N, +) nest pas un groupe car la condition
(3) de la dfinition 2.3 nest pas vrifi.
(2) Q , R , C munis de la multiplication sont des groupes : 1 est llment neutre.
Il en est de mme pour T, lensemble des nombres complexe de module 1. Si
x est rel, alors linverse de x est x1 . Tout lment de C possde un inverse
pour la loi :
z C , z C | z z = z z = 1
1
1
(Si z = x + iy alors z = xxiy
).
2 +y 2 = z = z
(3) Soit E un ensemble et soit S(E) lensemble des bijections de E sur E, soit
la loi de composition interne dfinie par la composition de deux bijections.
Montrer titre dexercice que (S(E), ) est un groupe et quil est non ablien
et E a au moins trois lments.
En particulier, pour n N, soit E = {1, . . . , n}. Alors S(E) est not Sn . Sn
est un groupe de cardinal n!. On lappelle le groupe des permutations sur n
lments.
e e = e e = e,
e e = e e = e .
Par consquant e = e .
(2) Soit x G tel que x x = x x = e. on a alors x x x = x ce qui
implique que x = x (puisque x x = e).
(3) Soit (x ) linverse de linverse de x , on a (x ) x = e. Puisque x x = e et
daprs la deuxime proprit de cette proposition, on a x = (x ) .
(4) On a
(x y) (y x ) = x y y x = x x = e
donc (x y) = y x .
(5) On a
x (x y) = x (x z) = (x x ) y = (x x ) z = y = z.
Notation : Soit (G, ) un groupe, on note souvent xy au lieu de x y, 1 au lieu
de e et x1 linverse de x, pour tout x G.
10
2.2
Espace vectoriel
7 x
telles que :
(1) (E, +) est un groupe ablien.
(2) , K, x E, on a ( + )x = x + x.
(3) K, x, y E, on a (x + y) = x + y.
(4) , K, x E, on a (x) = ()x.
(5) x E, on a 1x = x.
Les lments dun espace vectoriel sont appels vecteurs ; et les lments de K sont
appels scalaires.
Lorsquil ny a pas de confusion, on dira espace vectoriel au lieu de K espace
vectoriel.
Exemple 2.8. (1) Lensemble des vecteurs du plan est un espace vectoriel.
(2) K est un K espace vectoriel.
(3) Soient E un K espace vectoriel et X un ensemble non vide quelconque. Considrons F (X, E) lensemble des applications de X dans E. Pour f, g F (X, E)
et K, on dfinit f + g, f F (X, E) par :
x X, (f + g)(x) := f (x) + g(x) et (f )(x) := (f (x))
alors F (X, E) muni de ces lois est un K espace vectoriel.
(4) Sur R2 , on dfinit les deux lois suivantes : pour (x, y), (x , y ) R2 et R,
(x, y) + (x , y ) := (x + x , y + y ) et (x, y) := (x, y)
alors R2 est un R-espace vectoriel.
(5) Plus gnralement : Si E1 , E2 , . . . , En sont n espaces vectoriels, alors lespace
produit E := E1 E2 En est un espace vectoriel pour les lois suivantes :
Pour tous (x1 , x2 , . . . , xn ), (y1 , y2, . . . , yn ) E et K, on dfinit
(x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn )
(x1 , x2 , . . . , xn ) = (x1 , x2 , . . . , xn ).
(6) Lensemble Pn [X] des polynmes de degr infrieur ou gal n additionn du
polynme nul est un espace vectoriel.
Proposition 2.9. Pour tout , K et pour tout x, y E, on a :
(1) x = 0 = 0 ou x = 0.
(2) (x y) = x y.
(3) ( )x = x x.
(4) ()(x) = x.
11
2 . Espace vectoriel
2.3
Sous-espace vectoriel
2.3.1
Dfinition
Remarque 2.11. Tout sous-espace vectoriel de E, est un espace vectoriel pour les
lois induites par E.
Exemple 2.12. (1) Si E est un espace vectoriel, alors {0} et E sont des sousespaces vectoriel de E.
(2) Si E = R2 , alors F = {(x, 0); x R} est un sous-espace vectoriel de E. De
mme, si (x0 , y0) R2 , alors F {(x0 , y0 ); R} est un sous-espace vectoriel
de E.
(3) Lensemble F = {(x, y, z) R3 | z = 0} est un sous-esapce vectoriel de R3 .
2.3.2
Combinaisons linaires
Soit {x1 , . . . , xp } une famille dePvecteurs dun espace vectoriel E. Tout vecteur
de E de la forme a1 x1 + . . . ap xp = pk=1 ak xk , o les ak R est appel combinaison
linaire des vecteurs xk , k = 1 . . . , p.
Remarque 2.17. On peut gnraliser cette notion une famille infinie de vecteurs,
mais dans ce cas il faut que la suite des scalaires soit support fini.
2.3.3
Soit A un sous-ensemble non-vide de lespace vectoriel E. On note vect(A), lensemble des combinaisons linaires dlments de A. On a donc
vect(A) = {
aA
2 . Espace vectoriel
14
2.4
et
(b) {(x, y) R2 | xy = 0} ;
(c) {(x, y) R2 | x = y} ;
(b) Dterminer F G.
15
2 . Espace vectoriel
2.5
Applications linaires
2.5.1
Dfinitions
Dfinition 2.25. Soient (E, +, .) et (F, .+) deux K-espaces vectoriels. On dit que
f : E F est linaire (ou est un morphisme despace vectoriel) si :
(1) x, y E, on a f (x + y) = f (x) + f (y) ;
(2) K, x E, on a f (x) = f (x).
On note L(E, F ) lensemble des applications de E dans F .
Proposition 2.26. [Caractrisation usuelle des applications linaires] : Soit
f : E F . Lapplication f est linaire, si et seulement si , , K, x, y E,
f (x + y) = f (x) + f (y).
Exemple 2.27. Soit f : E F dfinie par f : x 7 0F . Lapplication f est linaire.
Proposition 2.28. Soient E, E1 , . . . En , (n N ) des espaces vectoriels. Lapplication
f : E
E1 En
x 7 (f1 (x), . . . , fn (x)).
f est linaire de E dans E1 En , si et seulement si, f1 , . . . , fn sont des applications linaires de respectivement de E dans E1 , . . . , de E dans En .
Exemple 2.29. Montrons que f : R2 R3 dfinie par f (x, y) = (x + y, x y, 2y)
est une application linaire. Soient , R, et a = (x, y), b = (x , y ) R2 ,
f (a + b) =
=
=
=
f (x + x , y + y )
(x + x + y + y , x + x y + y , 2y + 2y )
(x + y, x y, 2y) + (x + y , x y , 2y )
f (a) + f (b).
Proposition 2.30. Soient (E, +, .), (F, +, .), (G, +, .) des K- espaces vectoriels.
(1) Si lapplication f : E F est linaire alors f (0E ) = 0F ;
(2) Si f : E F et g : F G sont linaires alors g f : E G est linaire.
P
(3) P
Si e1 , . . . en sont des vecteurs de E alors 1 , . . . , n K, f ( nk=1 ak ek ) =
n
k=1 ak f (ek ).
2.5.2
Formes linaires
Dfinition 2.31. On appelle forme linaire sur un K-espace vectoriel E, toute application linaire de E dans K. On note E , au lieu de L(E, K), lensemble des
formes linaires sur E.
Exemple 2.32. Pour a1 , . . . , an K fix, lapplication f : Kn K dfinie par
f : (x1 , . . . , xn ) 7 a1 x1 + + an xn est une forme linaire sur Kn . En effet, cest
une application de Kn vers K et cest aussi une application linaire car on vrifie
aisement que , K, x, y Kn , on a f (x + y) = f (x) + f (y).
16
2.5.3
2 . Espace vectoriel
Proposition 2.46.
2.6
2.6.1
E.
Famille de vecteurs
Sous-espace vectoriel engendr par une famille finie de
vecteurs
Pn
i=1
i ei | 1 , . . . , n K}.
2.6.2
Famille gnratrice
Dfinition 2.57. On dit quune famille F = (ei )1in de vecteurs de E est gnratrice de E, si tout vecteur x de E scrit comme combinaison linaire des vecteurs
de la famille F , cest--dire :
x E, (1 , . . . , n ) Kn | x = 1 e1 + + n en =
Pn
i=1
i ei .
(3) Dans E = C vu comme R-espace vectoriel, la famille F = (1, i) est gnratrice. En effet, pour tout z C, on peut crire z = a.1 + b.i, avec a = (z) et
b = Im(z).
Proposition 2.60. Si (e1 , . . . , en , en+1 ) est une famille gnratrice et si en+1
X(e1 , . . . , en ) alors la sous-famille (e1 , . . . , en ) est gnratrice.
2.6.3
2 . Espace vectoriel
++ =0
u + v + w = 0
2 + = 0
+ = 0.
Aprs rsolution du systme, on obtient u + v + w = 0 = = = 0,
la famille F est donc libre.
+ 2 = 0
u + v + w = 0
= 0
+ = 0.
= 2
= .
On en dduit que la famille F est lie car on a notament la relation linaire
2u + v w = 0.
Aprs rsolution du systme, on obtient u + v + w = 0
(2) Toute sur-famille dune famille lie, en particulier toute famille contenant le
vecteur nul est lie.
20
2.6.4
Remarque 2.70. La famille (1, i) est lie dans le C-espace vectoriel C. Elle nest
pas donc une base du C-espace vectoriel C.
2.6.5
Thorme 2.71. Si B = (ei )1in est une base dun K-espace vectoriel de E alors
x E, !(1 , . . . , n ) Kn , x = 1 e1 + . . . n en .
Dfinition 2.72. Avec les notations ci-dessous, les scalaires 1 , . . . , n sont appels
les composants de x dans la base B (ou encore les composantes de x).
Remarque 2.73. Les composantes dun vecteur dpendant de la base dans laquelle
on travaille.
Exemple 2.74. (1) Dans E = Kn , considrons la base canonique B = (e1 , . . . , en )
et le vecteur x = (x1 , . . . , xn ). Puisque x = x1 e1 + + xn en , les composantes
du vecteurs x dans la base B sont les saclaires x1 , . . . , xn .
(2) Dans le R-espace vectoriel C, les composantes de z C dans la base canonique
(1, i) sont (z) et Im(z)
Thorme 2.75. Si B = (ei )1in est une base de E alors pour tout vecteur x et
y de composantes x1 , . . . , xn et y1 , . . . , yn dans B, les composantes de x + y sont
x1 + y1 , . . . , xn + yn et celle de x sont x1 , . . . , xn . Ainsi lapplication x E 7
xi K est une forme linaire sur E.
21
2 . Espace vectoriel
2.7
2.7.1
(b) Exprimer et .
Exercice 5 : Soit f lapplication linaire dun K-espace vectoriel E vers un Kespace vectoriel F .
Montrer que pour toute partie A de E, on a f (vect(A)) = vect(f (A)).
Exercice 6 : Soie E un K-espace vectoriel et f un endomorphisme de E nilpotent,
cest--dire il existe n N pour lequel f n = 0 et f n1 6= 0. Montrer que Id f est
inversible et exprimer son inverse en fonction de f .
Exercice 7 : Soient E et F deux K-espaces vectoriels, f L(E, F ) et A, B deux
sous-espaces vectoriels de E. Montrer que f (A) f (B) A + ker f B + kerf .
2.7.2
2.7 Feuille dexercices sur les applications linaires, Famille libre, lie et base
2.7.3
2.7.4
Famille libre
2.7.5
Obtention de base
Exercice 20 : On pose e1 = (1, 1, 1), e2 = (1, 1, 0), e3 = (0, 1, 1). Montrer que
(e1 , e2 , e3 ) est une base de R3 .
Exercice 21 : Soit E un K-espace vectoriel de dimension 3 et B = (e1 , e2 , e3 ) une
base de E.
On pose u = e1 + 2e2 + 2e3 et v = e2 + e3 .
23
2 . Espace vectoriel
Montrer que la famille (u, v) est libre et complter celle-ci en une base de E.
Exercice 22 : Soit E un K-espace vectoriel de dimension 3 et B = (e1 , e2 , e3 ) une
base de E.
On pose u = e1 + 2e3 et v = e3 e1 et w = e1 + 2e2 .
Montrer que (u, v, w) est une base de E.
Exercice 23 : soi E un K-espace vectoriel muni de la base B = (e1 , . . . , en ). Pour
tout i {1, . . . , n}, on pose ui = e1 + . . . , ei .
(a) Montrer que B = (u1 , . . . , un ) est une base de E ;
(b) Exprimer les composantes dans B dun vecteur de E en fonction de ces comoposantes dans B.
24
Chapitre 3
Matrices
3.1
3.1.1
Dfinition
M = (aij )
1in
1jp
a2p
. .
..
. ..
anp
3 . Matrices
a
11
0
M =
..
.
0 a12 a1n
a12 a1n
..
.. . . . .
.
.
.
a22 a2n
.
, (resp.M =
..
.
.. ..
..
.
. ..
. an1,n
.
0 ann
0
0
0
0
a
0
11
..
..
.
.
a21
a21 a22
0
, (resp.M =
M =
.
.. . .
.
..
..
..
.
.
.
..
.
).
pour tout
..
.
).
a
0
0
11
..
..
..
.
.
0
.
.
M =
.. . .
. an1,n1 0
.
..
.
ann
0
(4) M est symtrique (resp. antisymtrique) si aij = aji (resp. aij =
tout 1 i, j n. Cest--dire :
11
M = .
,
(
resp.
M
=
.. . .
..
..
..
..
.
. .
.
.
.
.
.
aji ) pour
a1n
a2n
.. ).
.
ann
M == .
.. . .
.. .
.
. .
.
.
Remarque 3.4. (1) Une matrice carre M est symtrique, si et seulement si,
M =t M.
(2) Une matrice carre M est antisymtrique, si et seulement si, M = t M.
26
3.1.2
Oprations
Soit A = (aij ) 1jp
Mn,p(K) et B = (bij ) 1jp
Mn,p (K). On dfinit la
1in
1in
matrice A+B Mn,p (K) de la faon suivante : A+B = (aij +bij ) 1jp
1in Mn,p (K).
Ainsi
A+B =
a11 a12
a21 a22
..
..
.
.
an1 an2
a1P
a2p
.
..
. ..
anp
=
..
..
.
.
an1 + bn1 an2 + bn2
b11 b12
b21 b22
..
..
.
.
bn1 bn2
a1P + b1p
a2p + b2p
..
..
.
.
anp + bnp
b1P
b2p
..
..
. .
bnp
Thorme
3.7.
.
.
0
Dimension
Dfinition 3.8. Soit 1 i n et 1 j p. On appelle matrice lmentaire
dindice (i, j) de Mn,p (K) la matrice Eij , dont tous les coefficients sont nuls sauf
la iime ligne et la j ime colonne qui vaut 1.
Exemple 3.9. (1) Dans M2 (K), les matrices lmentaires sont E11 =
0 1
0 0
0 0
, E21 =
, E22 =
.
0 0
1 0
0 1
1 0
0 0
, E12 =
27
3 . Matrices
E11 =
.. , . . . , En1 =
..
.
.
11 1p
0 0
.. ..
..
..
=
.
. .
. .
n1 np
0 0
Par identification on obtient ij = 0, 1 i n, 1 j p.
Corollaire 3.11. La dimension de lespace vectoriel Mn,p (K) est mp. En particulier
dim Mn (K) = n2 et dim Mn,1(K) = dim M1,n (K) = n.
Exemple 3.12. (1) Soient A1 , A2 , A3 , A4 les matrices de M2 (R) suivantes :
1 0
1 0
1 1
0 1
, A2 =
, A3 =
, A4 =
.
A1 =
0 1
0 1
1 1
1 0
Montrons que B = (A1 , A2 , A3 , A4 ) est une base de M2 (R). Nous remarquons
que card(B) = 4 = dim M2 (R). Donc pour que B soit une base de M2 (R) il
suffi que B soit libre sur M2 (R). Soient 1 , . . . , 4 R, tel que 1 A1 + 2 A2 +
3 A3 +4 A4 = 0. Montrons que 1 = = 4 = 0. On a 1 A1 +2 A2 +3 A3 +
4 A4 = 0 est quivalent
+ 2 + 3
l3 4
0 0
1
=
.
3 + 4
1 2 + 3
0 0
Qui est quivalent
1 + 2 + 3 = 0,
= 0,
3
4
3 + 4 = 0,
+ = 0.
1
2
3
F = {
a+b
a + b
2a + b a + 2b
| a, b K}
M ()
K
2
a b
7 a + b + c + d.
c d
Il est facile vrifier que f est une application linaire, cest--dire, pour tous
, K, A, B M2 (K) on a f (A + B) = f (A) + f (B). On a
ker f = {M M2 (K) | f (M) = 0}
a b
= {
| a + b + c + d = 0}
c d
On remarque que ker f = H et on sait que le noyau dune application linaire
est un sous-espace vectoriel. On dduit alors que H est un sous-espace vectoriel
de M2 (K).
3.1.3
a11
0
..
Remarque 3.14. Une base de Dn (K) = {M Mn (K) | M =
, aij
.
0
ann
K} est B1 = (E11 , . . . , Enn ).
29
3 . Matrices
<
(2) T>
n (K) (resp. Tn (K)) est un sous-espace vectoriel de Mn (K) de dimension
n(n1)
.
2
Remarque 3.16.
(1) T
n (K) = vect(Eij , 1 i j n);
(2) T>
n (K) = vect(Eij , 1 i < j n);
(3) T
n (K) = vect(Eij , 1 j i n);
(4) T<
n (K) vect(Eij , 1 j < i n).
Exercice Montrer que :
<
(1) T
n (K) Tn (K) = Mn (K);
>
(2) T
n (K) Tn (K) = Mn (K).
3.1.4
1 0
0 1
0 1
=
.
0 0
0 0
0 0
0 1
0 0
1 0
0 0
0 0
0 0
Proposition 3.19. (1) Pour tout A Mn,p (K), B Mp, q(K), C Mq,m, on a
(AB)C = A(CB) ;
(2) pour tous A, B Mn,p (K) et C Mp, q(K), on a (A + B)C = AC + BC ;
1
0
..
In =
.
.
0
1
Puissance dune matrice
Dfinition 3.21. Soit A Mn (K), on note A0 = In , A1 = A, A2 = AA, . . . , Am =
A A (m termes).
Attension : (A + B)2 = A2 + AB + BA + B 2 6= A2 + 2AB + B 2 .
(A + B)3 = A3 + A2 B + ABA + Ba2 + AB 2 + BAB + B 2 .
Matrices inversibles
Dfinition 3.22. Une matrice A Mn (K) est dite inversible sil existe B
Mn (K) vrifiant AB = BA = In . Cette matrice B est alors unique, cest linverse
de A not A1 .
Exemple 3.23. La matrice In est inversible et In1 = In .
Proposition 3.24. Soient A, B Mn (K).
1 2
Exemple 3.27. Soit A =
. On vrifie par le calcul que A2 5A = 2I2 .
3 4
Par suite A( 21 A 52 I2 ) = I2 . On conclut alors que A1 = 12 A 52 I2 .
Remarque 3.28. La somme de deux matrices inversibles nest pas toujours une
matrice inversible. Par example :
1 0
0 1
0 0
0 0
31
3 . Matrices
= (aij ) 1jn
GL(n)(K). On introduit X = ... Mn,1(K) et Y =
1in
xn
y1
.. = AX M (K). On a
n,1
.
yn
x
a
ann
y
1
1 11
.. ..
.. ..
. = .
. . .
xn
an1 ann
yn
1
..
.
y
n
=
..
.
x = b y +b y +b y .
n
n1 1
n2 2
nn n
0 1 1
Exemple 3.30. Soit A = 1 0 1 M3 (R). Dterminons A1 ? Soient X =
1 1 0
x1
y1
x2 , Y = y2 M3,1 (R), tel que Y = AX. On a :
x2
y3
x2 = 21 (y1 y2 + y3 )
y1 = x2 + x3
x2 = y1 x3
1
x3 = 21 (y1 + y2 y3 )
y2 = x1 + x3
x3 = 2 (y2 y3 + y1 )
x1 = y3 y1 + x3
x1 = 21 (y1 + y2 + y3 )
y3 = x1 + x2
1 1
1
On dduit alors que A1 = 21 1 1 1 .
1
1 1
3.2
3.2.1
Reprsentations matricielles
Matrice colonne des composantes dun vecteur
0
..
1
.
0
On a : MatB (ei ) =
. Soit x = (1, 2, 3, . . . , n) Rn , on a MatB (x) = .. .
1
.
0
n
..
.0
3.2.2
1
0
..
MatB (B) = MatB (v1 , . . . , vn ) =
.
.
0
1
1 1 4 4
3 6 9 7
(3) Soit E = R3 [X] muni de sa base canonique B = (1, X, X 2, X 3 ). Soient F =
(P0 , P1 , P2 , P3 ), P0 = (1 + X)0 = 1, P1 = (1 + X)1 = 1 + X, P2 = (1 + X)2 =
33
3 . Matrices
1 + 2X + X 2 , P3 = (1 + X)3 = 1 + 3X + 3X 2 + X 3 . On a
1 1 1 1
0 1 2 3
.
MatB (F ) =
0 0 1 3
0 0 0 1
3.2.3
u :
R2
(x, y, z) 7 (x + 2y z, x y).
On muni R3 de la base canonique B = (e1 , e2 , e3 ) (e1 = (1, 0, 0), e2 = (0, 1, 0), e3 =
(0, 0, 1)) et soit C = (v1 , v2 ) la base canonique de R2 (v1 = (1, 0), v2 = (0, 1)).
Dterminons la matrice reprsentative de u dans les bases B et C. On a
u(e1 ) = (1, 1) = v1 + v2 ,
u(e2 ) = (2, 1) = 2v1 v2 ,
u(e3 ) = (1, 0) = v1 + 0v2 .
Donc
MatC (u(B)) =
1 1
R3
=
=
=
=
(1, 1, 1) = e1 + e2 + e3 ,
(a, b, c) = ae1 + be2 + ce3 ,
(a2 , b2 , c2 ) = a2 e1 + b2 e2 + c2 e3 ,
(a3 , b3 , c3 ) = a3 e1 + b3 e2 + c3 e3 .
1 a a2 a3
MatC (u(B)) = 1 b b2 b3 .
2
3
1 c c c
3.2.4
R3
(x, y, z) 7 (x + z, z + x, x + y).
On a
u(e1 ) = (0, 1, 1) = e2 + e3 ,
u(e2 ) = (1, 0, 1) = e1 + e3 ,
u(e3 ) = (1, 1, 0) = e1 + e2 .
Alors
0 1 1
MatB (u) = 1 0 1 .
1 1 0
Soient v1 = (1, 1, 1), v2 = (1, 1, 0), v3 = (1, 0, 0), vrifions que B = (v1 , v2 , v3 )
est une base de R3 , pour cela il suffit de montrer que B est libre, car card(B ) =
dim R3 = 3. Soient , , R, tel que v1 + v2 + v3 = 0R3 et montrons
que = = = 0. On a v1 + v2 + v3 = 0R3 est quivalent
++ =0
=0
+ =0
=0
=0
=0
Donc B est libre. Dterminons MatB u. On a
3 . Matrices
Alors
2 2
1
MatB (u) = 0 1 0
0 0 1
3.2.5
MatB u = 1 1 0
1 0 1
= A.
x + x2 + x3
1
MatB u(x) = AX = x1 x2
x1 + x3
AX = 0M3,1 (K)
x + x2 + x3 = 0
1
x =x ,
2
1
x1 x2 = 0
x = x .
3
1
x +x =0
1
3.2.6
7 MatB,C u
3.2.7
3.2.8
3.3
3.3.1
3 . Matrices
1
0 2
MatB B = 1 1
2 .
1 1 1
Proposition 3.51. Si P est la matrice de passage de la base B la base B alors
P = MatB (IdE (B )).
Attension : Ici la matrice de lendomorphisme IdE nest pas lidentit car la
reprsentation matricielle de lidentit est forme en choississant une base larrive
qui nest a priori la mme au dpart.
Proposition 3.52. Si P est la matrice de passage de la base B la base B alors
P est inversible et P 1 est la matrice de passage B la base B.
Exemple 3.53. Reprenons les notations de lexemple prcident.
1
0
2
e
=
e
e
+
e
1
2
3
et
P
=
Mat
B
=
1 1
2 .
e2 = e2 e3
B
e = 2e + 2e e
1 1 1
1
2
3
3
1
2
2
e
=
e
+
e
1
2
B
=
et
donc
P
=
Mat
1 1 0 .
e2 = 2e1 + e2 + e3
B
e = 2e + e
0 1 1
3
1
3
3.3.2
Thorme 3.54. Soient B et B deux bases dun K-espace vectoriel E de dimension n si x est un vecteur de E dont on note X et X les colonnes des composantes
dans B et B de x alors on a X = MatB B X .
Remarque 3.55. On retient la formule suivante MatB x = MatB B MatB x.
Corollaire 3.56. X = MatB BX.
3.3.3
IdE
(E, B )
(F, C)
IdF
(F, C )
On a :
IdF f = f IdE MatC IdF (C)A = A MatB IdE (B)
A = MatC Idf (C)AMatB IdE (B )
A = Q1 AP.
3.4
3.4.1
3.4.2
3 . Matrices
(ii) Rg(A) = n.
Remarque 3.66. Pour tout A Mn,p (K), on a Rg(A) = Rg(t A).
40
3.5
Srie dexercices
2 2 1
A = 2 1 2
1 2
2
(a) Calculer At A ou t AA.
(b) En dduire que A est inversible et donner lexpression de A1 .
Exercice 1 : On considre la matrice
1 1 1
A= 0 1 1
0 0 1
et on pose B = A I3 .
Calculer B n pour n N et en dduire lexpression de An .
Exercice 2 : On considre la matrice
1 2
A=
3
4
(a) Calculer A2 3A + 2I. En dduire que A est inversible et calculer son inverse.
1
0
1
(a) A = 2 1 1 .
1 1 1
1 1 1
(b) B = 2 0 1 .
2 1 1
2 0 1
(c) C = 1 1 1 .
1 0 1
Exercice 5 : Dterminer la matrice relative aux bases canoniques des applications
linaires f suivantes :
41
3 . Matrices
(a)
R3
f :
R2
(x, y, z) 7 (x + y, y 2x + z).
(b)
R3
f :
R3
(x, y, z) 7 (y + z, z + x, x + y).
(c)
f : R3 [X]
P
R3 [X]
7 P (X + 1).
(d)
f : R3 [X]
P
R4
0 0 0
1 0 0 .
0 1 0
Exercice 8 : Soit E un K-espace vectoriel de dimension finie n N .
Soit f un endomorphisme de E tel que f n = 0 et f n1 6= 0.
(a) Justifier quil existe x E tel que B = (x, f (x), f 2(x), . . . , f n1(x)) forme une
base de E.
3 1 3
A = 1 1 1
1 1 1
2 1 1
A = 1 0 1 .
1 1 0
(a) Calculer A2 . Quen dduire sur f ?
(b) Dterminer une base de Imf et ker f .
(c) Quelle est la matrice de f relativement une base adapte la supplmentarit
de Imf et ker f ?
Exercice 11 : Soit
2 1 1
A = 1 2 1 .
1 1 2
(a) Dterminer ker f et Imf . Dmontrer que ces sous-espaces sont supplmentaires
dans R3 .
2 1 1
0 1 0 .
1 1 0
(a) Soit C = (1 , 2, 3 ) avec 1 = (1, 0, 1), 2 = (1, 1, 0), 3 = (1, 1, 1).
Montrer que C est une base.
43
3 . Matrices
2 1 0
A = 2 1 2 .
1
1
3
Soit B = (1 , 2 , 3 ) la famille dfinie par
1 = e1 + e2 e3 ;
2 = e1 e3 ;
3 = e1 e2 .
(a) Montrer que B est une base de E et former la matrice D de f dans B .
3 2 2
A = 1 2 0 .
1 1 1
(a) Montrer quil existe une base C = (1 , 2 , 3) de E dans laquelle la matrice
reprsentative de f est une matrice diagonale D de coefficients diagonaux :
1, 2 et 3.
(b) Dterminer la matrice de passage P de B C. Calculer P 1 .
(c) Quelle relation lie les matrices A, D, P et P 1 ?
0 0 0
4 2 2
A = 1 0 1 et D = 0 1 0 .
0 0 2
3 2 1
Soit f lendomorphisme de E dont la matrice dans la base B est A.
44
x = 1,
x
= 4xn 2(yn + zn ),
0
n+1
y0 = 0, et n N, yn+1 = xn zn ,
z = 0,
z
= 3x 2y z .
0
n+1
f (e2 ) = v2 ,
f (e3 ) = v3 .
1
0
1
P = 1
1
0
1 1 1
est inversible et calculer son inverse.
(e) Monter que A0 = P BP 1 , o
0 0 0
B= 0 1 0
0 0 1
3 . Matrices
46
Chapitre 4
Systmes Linaires, Mthode du
Pivot de Gauss
4.1
4.2
4.3
4.4
Systmes linaires
47
4.5
Exercices
0
2 1 3
1 1 m
0
2 2 5
0
3
1
0
1 2
m 1
1 3
m
0
4
1
2
, 1 2
1
5
1 m 1
0
1 2 2
1
1
2 1 0
m
1
1
0 1 2 4 1 3
1
2 2 1
Exercice 2 : Calculer lorsque cest possible linverse des
2 1 0
1 2
3
0 0 0
A = 0 4 2 , B =
1 2 1
1 1 2
0 0 0
1 0 0 2
2 1 3 4
1 2
,D =
C=
0 0 2 1
3 1
0 0 0 0
1 1 1 2
matrices suivantes :
3
,
0 .
x y + 3z = 6,
2x + 3y = 12,
(S2 ) :
(S1 ) :
3x 2y + 7z = 14,
3x + 5y = 1,
x + 3y 3z = 4.
7x 11y = 1,
2x + 3y + z = 4,
x + 6y + 2z = 5,
Exercice 4 : Pour R, rsoudre le systme (S ) :
7x + 3y + z = .
Exercice 5 : Rsoudre en fonction du paramtre m C, les systmes suivants
dinconnues
complexes :
1
mx + y + z + t =
xy+z = m
mx + y + z = 1
x + my + z + t =
m
(a)
x + my z = 1 (b)
x + my + z = m (c)
x + y + mz + t = m + 1.
xyz = 1
x + y + mz = m2
Exercice 6 : Soit a, b C. Rsoudre le systme :
ax + by + z = 1
x + aby + z = b
x + by + az = 1
48
Chapitre 5
Rduction des Matrices Carres
5.1
(2) Soit f : R2 R2 , (x, y) 7 (x, 2y). On a f (1, 0)(1, 0) et f (0, 1) = 2(0, 1). Donc
1 et 2 sont deux valeurs propres de f et (1, 0) (resp. (0, 1)) est un vecteur propre
associ la valeur propre 1 (resp. 2).
Remarque 5.4. Soient 1 , 2 deux valeurs propres diffrentes de f L(E). Alors
E1 capE2 = {0}.
Proposition 5.5. Soient E un K-espace vectoriel et f un endomorphisme de E.
Si x1 , . . . , xp sont des vecteurs propres associes aux valeurs propres deux deux
distinctes 1 , . . . , p alors la famille (x1 , . . . , xp ) est libre.
Corollaire 5.6. Soient E un K-espace vectoriel de dimension n et f un endomorphisme de E.
(1) Si 1 , . . . , p sont des valeurs propres de f distinctes deux deux et E1 , . . . , Ep
sont
sous-espaces propres associs, alors la somme E1 + +Ep est directe
Ples
p
et i=1 dim Ei n.
(2) f ademet au plus n valeurs propres.
49
5.2
1
0
..
de E. Notons A = MatB (f (B)). Si A est diagonale avec A =
alors
.
0
n
f (ei ) = i ei , 1 i n. Donc les valeurs popres de f sont 1 , . . . , n et e1 , . . . , en
sont des vecteurs propres de f associs respectivement 1 , . . . , n . Rciproquement :
Si 1 i n, ei est
un vecteur propre de f associe la valeur propre _i, alors
1
0
.
..
A=
Dfinition 5.7. Soient E un K-espace vectoriel de dimension n et f un endomorphisme de E. On dit que f est diagonalisable sil existe une base B de E telle que
la matrice de f dans cette base est diagonale (cest--dire, il existe une base de E
forme par les valeurs propres de f ).
Thorme 5.8. Soient E un K-espace vectoriel de dimension n et f un endomorphisme de E, qui possde p valeurs propres distinctes. Les conditions suivantes sont
quivalentes :
(i) f est diagonalisable.
(ii) E = E1 . . . Ep .
5.3
(iii) det(A In ) = 0.
50
51
5.4
Sries dexercices
0 1 1 1
0 1 1
1 0 1 1
0 1
.
, A1 = 1 0 1 , A3 =
A1 =
1 1 0 1
1 0
1 1 0
1 1 1 0
Exercice 3
vantes :
A1 = 0
,
A
=
,
A
=
1
0 7 2
1 1
3
2
1
4 2 0
1 1
1 1
2
0 , (a 6= 0).
2
a
1 0
4
1 0 1
2 0
0
A1 = 0 1 4 , A2 = 0 1 0 , A3 = 0 7 2 .
4 2 0
1 0 1
0 4 1
52
7
3 9
A = 2 1 2
2 1 4
0
1
D = 0 2
0 0
0 .
3 2 2
1
2 .
Exercice 6 : Soit la matrice matrice A = 2
2
2
1
53
54