Vous êtes sur la page 1sur 50

COURS DALGEBRE

LICENCE 1

Universit Plforo Gon Coulibaly de Korhogo (UPGC).

1
CHAPITRE 1 NOTION DE LOGIQUE

1- Gnralits
Une proprit est une affirmation dont la valeur de vrit- vrai (V) ou faux (F)- peut
dpendre de un ou plusieurs arguments, numriques ou autres. On notera () si la valeur
de vrit de la proposition P dpend de la valeur de largument (ou variable) x. On dit alors
que x est une variable libre pour la proprit P.
Exemple : x tant un nombre entier, la proprit () : x est un nombre premier est
vraie si x=2, fausse si x=4.

2- Quantificateurs
Dfinitions
Soit () une proprit, avec x appartenant un ensemble de rfrence E
Quantificateur existentiel. La proprit
, ()
Est vraie si, et seulement si, il existe x appartenant E tel que la proprit () soit
vraie.
Quantificateur universel. La proprit
, ()
Est vraie si, et seulement si, pour tout x appartenant E, la proprit () est vraie

Exemples

Lensemble de rfrence est . Soit les proprits

P1 : , 0 P2(y) : , ;

P3 : , < P4 : , < .

P1 est vraie ( tout entier naturel est suprieur ou gal 0).

P2(y) est vraie si y=0, fausse dans tous les autres cas.

P3 est vraie : tout entier naturel admet un entier qui lui est suprieur.

P4 est fausse : il nexiste pas dentier naturel suprieur tous les autres. A noter que lordre
des quantificateurs a de limportance.

3- Oprateurs logiques

Dfinitions
Soit P, Q, deux proprits.

2
La proprit P ou Q est vraie si une des deux proprits (ou les deux) est vraie,
fausse si P et Q sont fausses.
La proprit P et Q est vraie si les deux proprits sont vraies (simultanment),
fausse si une des deux (ou les deux) est fausse.
La proprit non P est vraie si P est fausse, fausse si P est vraie.
La proprit si P, alors Q ( PQ ) est fausse si P est vraie et Q fausse, vraie dans
tous les autres cas. On dit aussi : P est une condition suffisante de Q ou Q est
une condition ncessaire de P .
La proprit P si et seulement si Q (PQ) est vraie si P et Q ont mme valeur de
vrit, fausse sinon. On dit aussi P est une condition ncessaire et suffisante de Q

Ces dfinitions sont synthtises dans les tables de vrit :


P Q P ou Q P et Q PQ PQ

V V V V V V

V F V F F F

F V V F V F

F F F F V V

Rgles de calcul
Les quivalences sont vraies :
Non (P ou Q) (non P) et (non Q) ;
Non (P et Q) (non P) ou (non Q) ;
Non (, ()) , (()) ;
Non (, ()) , (()) ;
Non (PQ) P et (non P).

Les rgles de calcul ci-dessus sont utiles pour montrer quune proprit est fausse.
Par exemple, pour montrer quune proprit universelle ( , () ) est fausse, il
suffit de donner un contre-exemple, cest--dire une valeur de x telle que () est
fausse.

3
CHAPITRE 2 ENSEMBLES ET APPLICATIONS

1- Ensembles
X est un lment de E.
On ne cherche pas dfinir les notions primitives dlment, dappartenance,
densemble.
On peut distinguer deux faons de dfinir un ensemble :
Par extension : on donne la liste des lments de lensemble. On notera en
particulier, avec un entier naturel :
0, = {0; ; }
Par comprhension : on donne une proprit caractristique P des lments
de lensemble. Llment x appartenant lensemble E si, et seulement si, il
vrifie la proprit P, ce que lon note (). Par exemple, , tant deux
rels :
[, ] = { ; }

Certains ensembles ont des notations rserves :

: lensemble vide

: lensemble des entiers naturels.

: lensemble des entiers relatifs.

: lensemble des nombres rationnels.

: lensemble des nombres rels.

A, B, E tant des ensembles, on dfinit :

Relation dinclusion. On note ( lire A est inclus dans E), si et seulement si tout
lment de A est lment de E.

Runion de deux ensembles. On note ( lire A union B ). Lensemble ainsi dfini :

= {: }

Intersection de deux ensembles. On note ( lire A inter B ). Lensemble ainsi dfini :

= {: }

Complmentaire dun ensemble dans un ensemble. Soit . Le complmentaire de A


dans E est lensemble des lments de E qui nappartiennent pas A. On le note E\A, ou sil
ny a pas dambigut sur lensemble E de rfrence, .

4
Gnralisation : avec un ensemble dindices.

= {; }

= {; , }

Produit cartsien de deux ensembles. Le produit cartsien est lensembles des


couples (a ; b) avec et :

= {(; ) }

On dfinit de mme les produits cartsiens , , et :

= {(1 ; ; ) 1 ; ; }

est lensemble des suites lments de A, ou ensemble des -listes dlments de A


( ).

Ensemble des parties de E. On note () lensemble de toutes les parties de E :

() = { ; }.

Proprit

Soit A, B, C des sous-ensembles de lensemble de rfrences E. On notera les rgles de


calculs :

( ) = ( ) ( )

( ) = ( ) ( )


= ;
=

=; = ; =; =

Rgles de calcul qui se gnralisent, par exemple :

( ) = ( )

Remarquez que = =

5
2- Fonctions et applications

a- Dfinitions et proprits
Une fonction est dfinie par la donne dun ensemble de dpart E, dun
ensemble darrive F, et dune relation qui un lment de E associe au plus
un lment de F. Notation :
: , = ()
Si on a = (), on dit que est limage de par , et que x est un
antcdent de y par f.
Une application de E dans F est une fonction de E dans F telle que chaque
lment de E admette une image. On note alors () lensemble {();
}.
Soit : et : deux applications. La compose est
lapplication : , ().
On dit quune application : est :
- Une injection ssi tout lment de F admet au plus une un antcdent :
() = ( ) = .
- Une surjection ssi tout lment de F admet au moins un antcdent : pour
tout , il existe tel que = ().
- Une bijection ssi f est injective et surjective.

Proposition 1 Soit f une bijection de E sur F. Lapplication, note 1 de F


dans E qui tout lment y de F associe lunique lment x de E tel que
= () est une bijection de F sur E, appele bijection rciproque de f.

Proposition 2 Une application f de E dans F est bijective ssi il existe une


application g de F dans E telle que = et = . On a =
1 .

Il faut bien comprendre que lensemble de dpart et darrive sont


essentiels dans la dfinition de lapplication ou de la fonction . Ainsi, les
applications
1 : , 2 ; 2 : + , 2 ; 3 : + + , 2
sont diffrentes. 1 nest ni injective ni surjective. 2 est surjective mais
pas injective, 3 est bijective.

On note lensemble des applications de dans .

Si est un sous-ensemble de et , on appelle image rciproque


de par , le sous-ensemble not 1 () de caractris par lquivalence :
1 () () .

6
Attention 1 () est une notation. Cette criture ne signifie nullement que est
priori bijective.

Lapplication est dite constante sur une partie de si


() = ( ), , .

Si = et , on dit que est stable par si () .


En particulier si = {}, on dit que est un point fixe, () = .

est involutive ou une involution si = ( lapplication identit de


sur ).

On dit que lensemble est quipotent lensemble sil existe une bijection de
dans .

Lensemble est dnombrable sil est quipotent ou une partie de .

a- Thorme

Soient , et deux sous-ensembles de , et, et deux sous- ensembles


de , on a :
i) ( ) = () ()
ii) ( ) () ()
iii) 1 ( ) = 1 () 1 ()
iv) 1 ( ) = 1 () 1 ().

7
CHAPITRE 3 LOI DE COMPOSITION GROUPE

1- Loi de composition

Dfinition1
Soit E un ensemble. On appelle Loi de composition interne (l.c.i) sur E, toute
application de dans E.

Exemples

Dans , on dfinit laddition et la multiplication de deux entiers naturels. Dans on peut


aussi dfinir la soustraction qui est bien une l.c.i.

Dans , on peut dfinir, partir de laddition et de la multiplication usuelles dautres l.c.i.


Ainsi tout couple (a,b) de on associe = ( + ) + . Par contre, lapplication qui
+
(a,b) associe 1+ nest pas une l.c.i pour .

Dfinition2
Soit T une l.c.i dfinie sur E.
1. On dit que T est associative si : (, , ) 3 , aT(bTc)=(aTb)Tc.
2. On dit que T est commutative si : (, ) 2 , aTb=bTa.
3. On appelle lment neutre pour la loi T tout lment e de E vrifiant : ,
Te=eT=.
4. On appelle symtrique pour T dun lment x de E tout lment x tel que
T=T=e.

Dfinition3
Un lment a de E est dit rgulier gauche pour T si : (, ) 2 , aTx = aTy x=y.
On dfinit de mme la rgularit droite.

Dfinition4

Un lment s de E est dit absorbant gauche (resp. droite) pour la loi T si pour tout x
appartenant E, sTx=s (resp. xTs=s).
Par exemple, 0 est absorbant pour la multiplication dans .

Dfinition5

Soit E un ensemble muni dune l.c.i T, A un sous-ensemble de E. On dit que A est stable
pour la loi T si (, ) 2 , T .

Exemple : est stable pour la multiplication dans .

8
2- Morphismes

Dfinition6
Soient T et deux l.c.i dfinies respectivement sur les ensembles E et F. Une application
: est appele morphisme de (,) dans (,) si elle satisfait la condition : (, )
2 ; ( ) = () (). Si = , est appele endomorphisme.

Exemples :

Lapplication : dfinie par () = 2 est un morphisme de (, +) dans (, . ).

La fonction logarithme nprien est un morphisme de (+ , . ) dans (, +).

Dfinition7
On appelle isomorphisme un morphisme bijectif. Sil existe un isomorphisme f de (E, T) dans
(F, ), on dit que les structures de (E, T) et (F, ) sont isomorphes. Si E=F, f est appel
automorphisme.

3- Groupe
Dfinition8

On appelle groupe, un ensemble G muni dune l.c.i (, ) possdant les


proprits suivantes :

a- (G, ) est associative.


b- (G, ) admet un lment neutre e.
c- Tout lment de G admet un symtrique

Si de plus, la loi de composition est commutative, le groupe est dit commutatif ou ablien.
Dans ce cas la loi de composition est souvent note additivement, llment neutre est
dsign par 0 et le symtrique dun lment x est not x.
Un groupe peut tre fini ou infini. On appelle ordre dun groupe fini le nombre de ses
lments.
Convention de notation : si la loi est , on utilise le mot inverse et on note 1 (notation
multiplicative) ; le est souvent remplac par . ou bien omis.

Exemples : (, +), (, +), (, +), ( , . ) et ( , . ) sont des groupes abliens.

9
Dfinition9

Soit (,) un groupe et soit H une partie de G. On dit que H est un sous-groupe de (,) si
i) H est une partie stable pour T.
ii) (,) est un groupe (en particulier H est non vide).

Proprit caractristique

Pour quune partie non vide H dun groupe (G , .) soit un sous-groupe de G, il faut et il
suffit que

[ , , 1 ] ou encore [ , , 1 ]

Noyau et image

Soit G et G deux groupes nots multiplicativement, dlments neutres respectifs e et e,


et un morphisme de G dans G. On a () = ( 1 ) = [()]1.

() est un sous-groupe de G et est appel image de et est not .


= { () = } est le noyau de . Cest un sous-groupe de G.

4- Anneau et corps

Dfinition10
On appelle anneau un ensemble A muni de deux lois de composition interne :
- Une addition (, ) + ,
- Une multiplicative (, ) . ,

Satisfaisant aux axiomes suivants :

(1) Laddition est une loi de groupe ablien.


(2) La multiplication est associative et admet un lment neutre, not 1 ou 1, et appel
lment unit.
(3) La multiplication est distributive par rapport laddition.

Dfinition11
On appelle corps tout anneau K non nul dans lequel tout lment non nul est
inversible.

Exemple , sont des corps commutatifs.

10
CHAPITRE 4 ESPACES VECTORIELS
Dans ce chapitre, dsigne .

1- Structure despace vectoriel

On appelle espace vectoriel sur ou -espace vectoriel, tout ensemble E non vide muni
dune loi interne(+) et dune loi externe(.) appele multiplication par un scalaire telles que :

(1) (E, +) est un groupe ablien dont llment neutre est 0 (vecteur nul);
(2) , , : . ( + ) = . + . ;
(3) , , : ( + ). = . + . ;
(4) , , : . (. ) = (. ). ;
(5) : 1. = .

Les lments de E sont appels vecteurs. Ceux de sont appels scalaires. 0 est le
vecteur nul de E. est loppos du vecteur .

Exemples :
a) est un espace vectoriel sur ( 1). Les vecteurs sont les n-uplets
(1 , , ) dlments .
b) est un espace vectoriel sur .
c) Soit un ensemble, un -espace vectoriel, alors (, ) lensemble des
applications de E dans F est un -espace vectoriel.

Remarque : On utilise souvent labrviation : e.v. pour espace vectoriel.

2- Sous-espace vectoriel
a- Dfinition

Soit E un -ev. On appelle sous-espace vectoriel de E toute partie non vide F de E


qui a elle-mme une structure despace vectoriel sur .

Cela revient au mme de dire quun sous-espace vectoriel F dun -e.v. E, cest
une partie non vide possdant les deux proprits de stabilit suivantes :

- F est stable pour (+) : (, ) 2 , + .

11
- F est stable pour (.) : , , . .

Remarque :

{0 } et E sont des sous-espaces vectoriels de E.

Labrviation de sous-espaces vectoriels est s.e.v.

b- Caractrisation des s.e.v

F est un s.e.v du -ev. E ssi :

- ;
- ;
- est stable par combinaison linaire i.e

(, ) 2 , (, ) 2 : + .

Proposition1

Si E est un -ev., le vecteur nul de appartient tous les s.e.v de .

Si le vecteur nul nappartient pas F, alors F nest pas un s.e.v de E.

En pratique :

Pour montrer que F est un -ev, on essaie de montrer que F est un s.e.v dun -e.v bien
connu E.

Pour montrer que F est un s.e.v de E, on commence par chercher savoir si 0 ; si oui
.Sinon F nest pas un s.e.v de E.

Exemple

Soient un K-e.v. et {0}. Le sous-ensemble de dfini par

= { = , } est un s.e.v de . On appelle la droite vectorielle


engendre par .

Les droites vectorielles et les plans vectoriels sont des s.e.v de le.v des vecteurs de
lespace.

Proposition2
Si F et G sont deux s.e.v.de E, alors est un s.e.v de E.
Preuve
car et .
F et G tant deux s.e.v de E alors 0 et 0 . On en dduit 0 donc
.
12
Soit , et soit , .
, +
} + .
, +

Attention: En gnral, nest pas un s.e.v de si et sont des s.e.v de .

Considrons le contre-exemple suivant pour sen convaincre :

= 2 ; = {(, 0) }; = {(0, ) }

On a = {(, ) = 0 = 0}. nest pas un s.e.v de E car :

(1,0)
} (1,0) + (0,1) = (1,1) .
(0,1)

3- Familles de vecteurs
a- Combinaison linaire
Soit E un -e.v. et = (1 , , ) une famille de p vecteurs de E. est une
combinaison linaire des p vecteurs de sil existe p scalaires 1 , , tels que :

= 1 1 + + = =1 .

On dit aussi que u se dcompose suivant . Les 1 , , sont les coefficients de cette
combinaison.

Exemple Soit = 3 .

1 = (1, 2, 3); 2 = (2, 1, 3); 3 = (5, 0, 9).

1 1 + 2 2 + 3 3 = (1 22 + 53 ; 21 + 2 ; 31 32 + 93 ).

Donc un vecteur (; ; ) de E est combinaison linaire de 1 , 2 , 3 ssi il existe 1 , 2 , 3


rels tels que

1 22 + 53 =
{ 21 + 2 =
31 32 + 93 =

On effectue des combinaisons des lignes de ce systme dquations et on en dduit quil faut
et il suffit que 9 3 + 5 = 0.

Par exemple (-1, 3, 0) est une combinaison linaire de 1 , 2 , 3 et (1,1,1) ne lest pas.

b- Sous-espace vectoriel engendr par une famille de vecteurs

13
Thorme1
Soit = (1 , , ) une famille de p vecteurs dun . . E . Lensemble des
combinaisons linaires des p vecteurs de est un s.e.v de E appel sous-espace vectoriel
engendr par et not Vect() ou Vect(1 , , ).

Exemple : Considrer les trois vecteurs 1 , 2 , 3 de lexemple qui prcde. On montre


facilement que Vect(1 , 2 , 3 )={(, : ) 3 ; 9 3 + 5 = 0 }.

Remarque : Tout s.e.v de E qui contient les p vecteurs 1 , , contient aussi


Vect(1 , , ).

c- Famille gnratrice
On appelle famille gnratrice de E toute famille finie de vecteurs de E telle que tout
vecteur de E se dcompose suivant . On dit aussi que engendre E ou Vect ()=E.

Remarque
est une famille gnratrice de E ssi E=Vect().
Si lon modifie lordre des vecteurs dune famille gnratrice de E, On obtient encore
une famille gnratrice de E.
Exemples
= ( (1,0); (0,1) ) est une famille gnratrice de 2 . Car (, ) = (1,0) + (0,1)
avec (, ) 2 .
0 = (1 , , ) est une famille gnratrice de o 1 = (1,0, ,0); ; =
(0, ,
1 , 0, ,0) ; ; = (0, ,0, 1).

Proposition3
Toute famille de vecteurs de E qui contient une famille gnratrice de E est une famille
gnratrice de E.

Proposition4
Si (1 , , ) est une famille gnratrice de E et si est combinaison linaire des autres
alors (1 , , 1 ) est encore une famille gnratrice de E.

d- Famille libre- famille lie


Dfinition
Une famille = (1 , , ) de vecteurs dun . . E est une famille libre de E si

= 0 {1,2, , }; = 0.
=1
On dit aussi que les vecteurs 1 , , sont linairement indpendants. Une famille qui nest
pas libre est dite lie et les vecteurs qui la composent sont dits linairement dpendants.

14
Remarques
Si lon modifie lordre des vecteurs dune famille libre de E, on obtient une autre
famille libre de E.
La famille est lie ssi il existe une combinaison linaire nulle de vecteurs de ayant
au moins un coefficient non nul.

Exemples
0 = (1 , , ) est une famille libre de .
La famille ((1,0); (0,1); (1,1)) est une famille lie de 2 car (1,0)+(0,1)-(1,1)=(0,0).

e- Base
Dfinition2
On appelle base (en tant que . ) toute famille de vecteurs de E, qui est gnratrice et
libre de E.
Exemple
0 = (1 , , ) est une base de . Cette base est dite canonique.

Caractrisation des bases :


est une base de E ssi les vecteurs de sont dans E et tout vecteur de E scrit de manire
unique comme combinaison linaire des vecteurs de .

4- Espaces vectoriels de dimension finie

Lespace vectoriel E est dit de dimension finie sil existe dans E une famille gnratrice de E
ayant un nombre fini dlments.

Dfinition3

Le nombre commun dlments toute les bases dun e.v. de dimension finie non rduit
au vecteur nul, sappelle la dimension de . On le note : .

Par convention {0 } = 0.

Un espace vectoriel de dimension 1 est appel droite vectorielle.

Exemple

= ( . ).
=

15
Thorme2
Dans un -e.v. de dimension .
Toute famille libre a au plus lments.
Toute famille gnratrice a au moins lments.

Thorme3
Dans un -e.v. de dimension .
Toute famille libre de lments de E est une base de E.
Toute famille gnratrice de lments de E est une base de E.

5- Applications linaires

a- Dfinition et exemples

i)- Dfinition
On dsigne par un corps commutatif reprsentant ici ou .

Soient E et F deux espaces vectoriels sur et f une application de E dans F. On dit que f est
linaire (ou -linaire ) si les deux conditions suivantes sont vrifies :

(, ) 2 ; ( + ) = () + ().
(, ) ; () = ().
Ou encore de faon condense f est linaire si :
(, ) 2 , ; ( + ) = () + ().

Remarques : Les deux premiers points signifient quune application linaire entre deux
espaces vectoriels est simplement un morphisme despaces vectoriels.
- Une application linaire et bijective est appele un isomorphisme
despaces vectoriels.
- Une application linaire de E dans E est appel un endomorphisme de E.
- Une application linaire de E dans est appele une forme linaire sur E.

ii)- Exemples
1. = et = 3 . Soit dfinie de E dans F par : (, ) (, + , ). Alors
2

est linaire non bijective.


2. = ([0,1], ) : ensemble des applications continues de [0,1] dans . On dfinit
1
lapplication suivante : 0 (). Alors est une forme linaire sur E.
16
iii)- Notations

(, ) : ensemble des applications linaires de E dans F ;


() : ensemble des endomorphismes de E ;

b- Image rciproque dun e.v. et Noyau dune application linaire.

Soient et deux -e.v et un lment de (, ). Pour tout s.e.v de , on


dfinit limage rciproque de par , note 1 (), de la manire suivante :
1 () = { : () }. Cest un s.e.v de E.

En particulier 1 ({0 }), limage rciproque du vecteur nul de F, sappelle le noyau


de lapplication f. On le note Ker() ou Ker .
Ker()= { : () = 0 }. Il contient les vecteurs de E qui ont pour image par le
vecteur nul de . Cest un s.e.v de E.

Proposition5
et tant deux -e.v. et un lment de (, ) . Alors
est injective ssi ker()= {0 }.

Exemples
= 3 et = 2 . Soit dfinie de E dans F par
: (, , ) ( + , ). Montrer que est linaire et dterminer
son noyau.
tant un intervalle de , on pose = 1 (, ) et = (, ). E et F sont
des e.v. sur . On dfinit de E dans F lapplication : , qui tout
lment de E associe sa drive. Montrer que D linaire et dterminer son
noyau.

c- Image directe dun e.v. - Image dune application linaire.


Soient et deux -e.v et un lment de (, ). Pour tout s.e.v G de , on dfinit
limage de G par f, note (), de la manire suivante :

() = { , () = } = {(): } cest un s.e.v de F.

En particulier (), limage de par est appel image de . On le note Im() ou Im .

Donc par dfinition : = {(): }. Im est un s.e.v de .

Proposition5

17
E et F tant deux -e.v. et un lment de (, ) . Alors

est surjective ssi = .

d- Rang dune application linaire

Dfinition4
Soient E et F deux -e.v et f un lment de (, ). On appelle rang de et on note (),
la dimension de Im f. On a donc () = ()

Thorme4
Soient et deux - e.v. et un lment de (, ).

Alors : () + () = .

6- Matrice dune application linaire

a- Dfinition de la matrice dune application linaire


Soient E un e.v. de dimension finie 1 et F un e.v. de dimension finie 1. On note =
(1 , 2 , , ) une base de E et = (1 , 2 , , ) une base de F.
Une application linaire est dtermine par les images des vecteurs de la base de son
ensemble de dpart. Donc, si : est une application linaire, elle est dtermine par
les vecteurs (1 ), , ( ).
Chacun de ces vecteurs est dfini par ses coordonnes dans la base C. La notation de ces
coordonnes ncessite un double indice. On notera la -ime coordonne dans la base C
de limage ( ) du -ime vecteur de la B. Ces coefficients sont regroups dans un
tableau de lignes et de colonnes, appel matrice de lapplication linaire f par rapport
aux bases B et C quon prsente de la faon suivante :

La matrice de de la base B la base C est note (, , ) = ( )1;1 .

Exemple : Si = (1 , 2 , 3 ) est la base canonique de 3 et si = (1 , 2 ) est la base


canonique de2 lapplication linaire : 3 2 dfinie par
(1 ) = 21 2 ; (2 ) = 52 ; (3 ) = 1 + 32 a pour matrice

18
2 0 1
( )
1 5 3
Remarque : On met en colonnes les images des vecteurs de la base de dpart reprs dans la
base darrive.

b- Image dun vecteur par une application linaire dfinie par sa matrice
2
Par exemple, limage du vecteur ( ) de 2 par lapplication linaire 2 3 dfinie par la
3
1 1
matrice = ( 3 2) est dfinie par la matrice
2 2

1 1 1 2 + (1) 3 1
2
( 3 2) ( ) = (3 2 + (2) 3) = ( 0 )
3
2 2 2 2 + 2 3 2

c- Changement de bases

Soient un K-e.v. de dimension finie 1, = ( )1 et = ( )1 deux bases de


.
On appelle matrice de passage de la base la base la matrice note dont les
colonnes sont formes des coordonnes des vecteurs de la nouvelle base dans lancienne
base . On a
ei = nj=1 ji ej entraine la matrice
1
1 11 1
= ( )
1

Exemple : Soient = 2 et sa base canonique = (1 ; 2 ). Soit = ( 1 ; 2 ) une base de


2 1
telle que 1 = 21 + 2 et 2 = 1 + 32. = ( ).
1 3

19
CHAPITRE 5 MATRICES

1- Calcul matriciel

a- Dfinitions
Une matrice est un tableau form de nombres pris dans un corps commutatif not qui
reprsente toujours .
Soit le nombre de lignes et le nombre de colonnes, le couple (, ) sappelle la
dimension ou lordre de la matrice.
Les nombres qui forment la matrice sappelle les coefficients de cette matrice.
Lensemble des matrices dordre (, ) coefficient dans est not , ().
Soit , () alors on peut crire

Les sappellent les lments de la matrice ; llment est situ lintersection de la -


ime ligne et de la -ime colonne de A.
On note souvent = ( )1; 1 ou simplement = ( ) sil ny a pas de confusion
possible.
Si = , on dit que la matrice A est relle ; si = , elle est dite complexe.
Si = , on dite que A est une matrice carre dordre ; les lments 11 , 22 , ,
forment alors la diagonale principale de la matrice.

Exemples

2 5 1
( ) est une matrice 2 lignes, 3 colonnes dont les lments sont rels.
7 6 0
2 4 1
(2 0 3 ) est une matrice carre dordre 3. Les lments de la diagonale sont : 2; 0 et
9 7 1
1.

b- Oprations et structures algbriques


Addition
Soient , (), , () telles que = ( ) et = ( ), alors

20
= + est une matrice de , () dont les coefficients sont dfinis par =
+ , .

Laddition dans , () est commutation et associative. Llment neutre de (+) est la


matrice nulle not 0(,) ou 0 tout simplement, dont tous les coefficients sont nuls.

Exemple

11 12 13 11 12 13
Si = ( 22 23 ) et = (21 ).
21 22 23

+ 11 12 + 12 13 + 13
Alors + = ( 11 ).
21 + 21 22 + 22 23 + 23

Multiplication par un scalaire


Soient = ( ) dans , () et , alors = est une matrice de , () dont les
coefficients = , .

Exemple
2 5 1 92 9 5 9 (1) 18 45 9
Si = ( ) , alors 9 = ( )=( )
0 3 5 90 93 95 0 27 45

Remarque , () muni de laddition et de la multiplication par un scalaire est un e.v. sur


de dimension .

Produit matriciel

Soient = ( ) dans , () et = ( ) dans , (). Alors le produit = est


possible et donne une matrice de () dont les coefficients sont

=
=1
Remarques

Le produit AB nest dfini que si le nombre de colonnes de A est gal au nombre de lignes de
B.
Lexpression de sobtient partir de la linge dindice de A et de la colonne dindice j de
B. On dit que lon fait le produit AB ligne par colonne .
Attention : Le produit matriciel nest pas commutatif .

Exemple
2 4
1 1 2 9 14
( ) (1 6) = ( )
3 5 1 14 44
3 2

21
Proprit1

Si A, B, C sont des matrices telles que les diffrents produits ci-dessous soient dfinis et si
est un scalaire quelconque, on a :
(1) A(B.C)=(A.B)C ;
(2) A(B+C)=AB+AC ; (B+C)A=BA+CA.
(3) A(B)= (A)B= (AB).

, () muni de laddition et du produit matriciel (pour 1) est un anneau non intgre


car on peut avoir 0, 0 et = 0.
0 1 1 0 0 0
En effet, soit par exemple = ( ) = ( ) = ( ).
0 0 0 0 0 0

Transposition

Soit = ( ) dans , (). La matrice transpose de A est note ou tA est la matrice


de , () dont les coefficients = pour tous i,j.
Les lignes de A deviennent les colonnes de tA avec leur numro :
1 2
1 1 1
=( ) alors tA = (1 1)
2 1 0
1 0

Proprit2
1. t(tA) = A, pour tout A lment de , ()
2. t(A+B) = tA + tB pour tous A et B lments de , ()
3. t(A) = tA pour tout lment de .
4. t(AB) = tBtA, pour tous A et B tant que les produits sont possibles.

c- Matrices carres
Dfinition
Les lments de , () sont appels matrices carres dordre coefficients dans
. On note simplement () au lieu de , (). () est un espace vectoriel
sur de dimension 2 .

Trace dune matrice carre


La trace dune matrice carre est la somme des lments diagonaux.
Soit = ( ) . Sa trace est donne par : = =1 .

Matrices carres particulires

22
Matrice unit
Note , la matrice unit dordre est la matrice carre dordre dont les
coefficients sont donns par (symbole de Kronecker)

Matrices scalaires

Une matrice () est dite scalaire lorsquil existe tel que = .

2 0
Par exemple ( ) est scalaire.
0 2
Matrice diagonale

Une matrice diagonale est une matrice carre dont tous les coefficients non
diagonaux sont nuls

Matrices triangulaires
() est triangulaire suprieure (resp. infrieure) si tous les coefficients en
dessous (resp. au dessus) de la diagonale principale sont nuls.

Exemples :

est triangulaire suprieure.

23
est triangulaire infrieure.

Matrices symtriques et antisymtriques


() est dit symtrique si tA = A et elle est antisymtrique si tA = - A.

Remarque 1 :
Si A est symtrique, elle est gomtriquement symtrique par rapport la
diagonale principale .

Exemple
1 2 6
0 1
=( ) et = (2 0 1) sont symtriques.
1 2
6 1 5

Remarque2 :
Si A est antisymtrique dordre , alors toute sa diagonale principale est nulle.
tA = - A implique = implique = 0.

Exemple
0 1
( ) nest pas antisymtrique.
1 2
0 1
( ) est antisymtrique.
1 0

Matrices orthogonales
() est dite orthogonale lorsque : tA.A = A.tA =

Exemple
2 2
=( 2 2) , les colonnes forment une base orthonorme.
2 2
2 2

Matrices inversibles
() est inversible ssi il existe () telles que . = . = .
(Remarquons quune matrice orthogonale est inversible).
Dans ce cas, la matrice B est appele linverse de A et est note = 1 . On a donc
. 1 = 1 . = (pour une matrice A orthogonale, on a 1= tA ).

24
Proprits et calcul des inverses de matrices inversibles

On note () lensemble des matrices carres dordre coefficients dans qui


sont inversibles.

Proprit3

i) Si () alors 1 () et (1 )1 = .
ii) Si A et B sont dans () alors AB et BA sont inversibles et on a :
(. )1 = 1 . 1 et (. )1 = 1 . 1.
iii) Si () alors t () et (tA)-1 = t(A-1).
iv) Si () est diagonale, on note = (1 , 2 , , ) alors D est
1 1 1
inversible ssi 0, . Dans ce cas 1 = ( , , , ).
1 2
v) Si () est triangulaire alors est inversible ssi aucun coefficient
diagonal nest nul.
vi) ( + )1 1 + 1 .
1
vii) ()1 = 1 , si et ().

Matrices semblables
Deux Matrices A et B de () sont dites semblables lorsquil existe une matrice
inversible () telle que : = 1.

Formule du binme de Newton pour les matrices carres


Soit A, B deux matrices de () telles que AB=BA (on dit alors que A et B
commutent). Alors, pour tout entier 1 :

( + ) = =0 ( ) .

2- Dterminant

a- Formes bilinaires

Dfinition1
Soient 1 , 2 et trois -e.v ; une application de 1 2 valeurs dans F est bilinaire
si :
Pour tout 1, lapplication () = (, ) est linaire ,
Pour tout 2 , lapplication () = (, ) est linaire.

Si = , on parle de forme bilinaire.

25
Exemples
Le produit scalaire est une forme bilinaire sur 3 3 ;
Le produit vectoriel est une application bilinaire de 3 3 sur 3 .
Si = [] () (), les applications
1 : (, ) . , 2 : (, ) . + . , 3 : (, ) . . sont des applications
bilinaires de vers .

Dfinition2
Soient E et F deux -e.v et f une application bilinaire de valeurs dans F ; on dit
que :
est symtrique si (, ) 2 , (, ) = (, );
est antisymtrique si (, ) 2 , (, ) = (, ).
est alterne si , (, ) = 0 .

Exemple :
Le produit scalaire est symtrique, le produit vectoriel est antisymtrique.
1 est symtrique ssi est commutatif pour la multiplication,
2 est symtrique et 3 est antisymtrique.

b- Formes p-linaires

Dfinition3

Soient E et F deux -e.v. Une application de valeurs dans F est dite -linaire si elle
est linaire par rapport chacune de ses variables, i.e. si pour tout 1, et pour tout
, 1, \{}, les applications
( ) (1 , , 1 , , +1 , , ) ( ) sont linaires.

Lensemble des applications -linaires de E dans F est not (, ).


Les applications -linaires de E vers le corps des scalaires sont appeles formes -
linaires sur E.

Exemples :

(i) Si 1 , , sont des formes linaires sur E, lapplication


: (1 , , ) 1 (1 ) ( ) est une forme -linaire sur E.
(ii) Lapplication dterminant

(, ) 2 2 |1 1 | = 1 2 2 1
2 2
Est une forme 2-linaire (ou bilinaire) 2 .

26
c- Dterminant dune matrice carre

Thorme1
Il existe une unique application, appele dterminant que nous noterons det, qui la
matrice () que lon peut crire : = (1 , 2 , , ) o 1 , 2 , , dsignent les
colonnes de la matrice A, associe le nombre rel, not det(A), vrifiant :
{1, , } : (1 , , + , , ) = (1 , , , , ) + (1 , , , , )
1. {
, {1, , } : (1 , , , , ) = (1 , , , , )
2. 1 , 2 {1, , } : (1 , , 1 , , 2 , , ) =
(1 , , 2 , , 1 , , ).
3. det = 1 dsigne la matrice unit dordre n.

Remarque
Pour le premier point, on dit que le dterminant est linaire par rapport chaque
vecteur colonne (les autres vecteurs colonnes tant fixs), on dit alors que le
dterminant est une forme -linaire ;
Le second point signifie que le dterminant est une forme alterne.
Si la matrice = () 1 (), nous dduisons du premier et du troisime point du
thorme prcdent que () = .

11 1
Notation On notera encore le dterminant de la matrice = ( ) sous
1
11 1
la forme : det() = | |.
1

Premires proprits du dterminant

Proposition4
Si une matrice carre dordre possde un vecteur colonne nul, alors son
dterminant est nul.

Preuve. Ce rsultat est immdiat compte tenu du premier point du thorme 1

Proposition5
Si une matrice carre dordre possde deux vecteurs colonnes identiques, alors son
dterminant est nul.
Preuve. Ce rsultat est immdiat compte tenu du second point du thorme 1.

27
Proposition6
Considrons une matrice ().
Si A dsigne la matrice obtenue partir de A en ajoutant une de ses colonnes une
combinaison linaires des autres colonnes de la matrice A, alors on a : det(A) =
det(A).

Exemple
2 4 2
= (1 0 1 ) . En effectuant 1 1 2 + 3 on obtient
5 4 1
0 4 2
= (0 0 1 ) et det(A) = det(A) = 0.
0 4 1

Corollaire1
Si une colonne dune matrice () est une combinaison linaire des autres
colonnes de la matrice A, alors on a : det(A)=0.

Cofacteurs et dveloppement du dterminant

Cofacteurs

Dfinition4
11 1
Considrons la matrice = ( ) ().
1
On appelle mineur de llment de la matrice A le dterminant : det((,) ) o
(,) dsigne la matrice dordre ( 1) obtenue partir de la matrice A en lui
supprimant la ligne et la colonne .
On appelle cofacteur de llment de la matrice A le nombre rel =
(1)+ det((,) ).
Les forment la comatrice de la matrice A. Elle est note () = ( )1,

Remarque :

Le cofacteur dun lment de la matrice A est donc gal au mineur correspondant


affect dun signe + ou dun signe selon que la somme + est paire ou impaire, ce qui,
graphiquement, correspond la situation suivante :

+
[ + ]
+

28
Exemple

2 0 1
Considrons la matrice : = (0 3 0 ).
1 1 4
Par exemple, le cofacteur de llment 32 est

2 1 2 1
32 = (1)3+2 ( ) = ( ).
0 0 0 0
Dveloppement du dterminant

Thorme2

Si on a : = ( ) () alors :
, {1, , } : det() = =1 . ou encore : det() = =1 .

Remarque
Nous dirons que lon a dvelopp le dterminant de la matrice A selon la colonne
dans le premier cas et selon la ligne dans le second cas.

Exemple

1 2 1
Calculons le dterminant : = |3 1 2|
3 2 1
Mthode1 : Dveloppons par rapport la premire colonne :

1 2 2 1 2 1
= 1. | | 3. | | +3| | = 1(1 + 4) 3. (2 + 2) + 3. (4 + 1) = 6
2 1 2 1 1 2

Mthode2 : Utilisons des proprits du dterminant :

1 0 0
On a = |3 7 1| (nous avons remplac la seconde colonne 2 par 2 21 et la
3 8 2
troisime colonne 3 par 3 1 en appelant 1 ; 2 3 les trois colonnes du
dterminant). Il ne nous reste plus qu dvelopper par rapport la premire ligne. Nous
7 1
obtenons : = 1. | | = 1. (14 8) = 6
8 2
Remarque Rgle de Sarrus

La rgle de Sarrus sapplique uniquement sur les matrices carres dordre 3.

29
11 12 13
Calculer le dterminant suivant = |21 22 23 |.
31 32 33
11 12 13 11 12

| 21 22 23 21 22 | = (11 22 33 + 12 23 31 + 13 21 32 )
31 32 33 31 32
(13 22 31 + 11 23 32 + 12 21 33)

Donc = (11 22 33 + 12 23 31 + 13 21 32 ) (13 22 31 + 11 23 32 + 12 21 33 )

Remarque: Le dterminant dune matrice triangulaire suprieure ou infrieure est gal au


produit des lments de la diagonale principale.

Proposition7
() : det (tA) = det (A).
() , : det() = det .
, () : det(A.B) = det (A). det (B).

Remarque
Il faut remarquer que det(A+B)det(A)+det(B).
1 2 1 2
Par exemple, prenons : = ( ) et = ( ).
3 1 2 1
0 4
Nous avons : det (A)=7, det(B)=-5, + = ( ) et det(A+B) = 4 det(A)+det(B).
1 2

Dterminant des matrices inversibles


66666666666666666666
Thorme3
Soit () et dsignons par C la matrice des cofacteurs de la matrice A.

On a : A.tC = tC.A = det (A).In .

Corollaire 2

La matrice () est inversible si et seulement si det(A) 0 et on a :


1
1 = tC
det()

O C dsigne la matrice des cofacteurs (ou comatrice) de la matrice A.

Remarque

La matrice tC est appele la matrice adjointe de la matrice A.

Exemple
30
0 1 0
+ + + 666666 = (1 0 1) 3 ()
0 1 1
Calculons son dterminant en dveloppant suivant la premire colonne :

0 1 0
1 0
det() = |1 0 1| = 1 | | = 1 0 , par consquent A est inversible.
1 1
0 1 1

Dterminons maintenant 1.
1
Nous avons donc 1 = det()tC daprs le corollaire vu prcdemment.

0 1 1 1 1 0
| | | | | |
1 1 0 1 0 1 1 1 1
1 0 0 0 0 1
Ainsi = | | | | | | = (1 0 0 ) ;
1 1 0 1 0 1
1 0 0 0 0 1 1 0 1
( | 0 1| |
1 1
| |
1 0
| )

1 1 1 1 1 1
1
Par suite nous avons 1 = det()tC = 1. (1 0 0) = (1 0 0)
1 0 1 1 0 1

Dterminant et rang dune matrice

Dfinition5

Soit , () une matrice non nulle. On appelle rang de la matrice A et on note


rg(A), le nombre de colonnes de la matrice A qui sont linairement indpendantes.

Thorme4 (caractrisation du rang dune matrice)


Le rang dune matrice non nulle est lordre maximal des matrices carres inversibles
extraites.

Exemple

2 0 1 0
Soit = (1 1 0 1) une matrice 3 lignes et 4 colonnes. Le rang de cette matrice est
5 0 1 1
0 1 0
3 car la matrice extraite (1 0 1) est carre, a pour dterminant 1 donc est
0 1 1
inversible.
Remarque : la matrice nulle est la seule matrice de rang 0.

31
CHAPITRE 6 SYSTEMES LINEAIRES

1- Dfinitions

Dfinition1
On appelle systme linaire de quations linaires inconnues 1 , 2 , , ,
lensembles des relations

Les nombres (1 1 ) seront appels les coefficients du systme


linaire.
Les nombres (1 ) seront appels les seconds membres du systme linaire.
Les nombres (1 ) seront appels les inconnues du systme linaire.

Remarque
Remarquons que le systme prcdent peut encore scrire : = en posant :

Notons encore que le systme pourrait scrire = 1 1 + 2 2 + + o


1 , 2 , , dsignent les colonne s de la matrice A.

Exemple
3 + 42 = 2
Le systme : { 1 peut scrire = en posant :
1 22 = 1
3 4 1 2
=( ) , = ( ) = ( ).
1 2 2 1

Dfinition2
On appelle solution du systme linaire un n-uplet de nombres rels (1 , 2 , , )
vrifiant simultanment les m quations du systme.
On dit dun systme linaire quil est rsoluble, ou encore que ses quations sont
compatibles, lorsquil admet au moins une solution.

32
On dit dun systme linaire quil est impossible, ou encore que ses quation sont
incompatibles, lorsquil nadmet pas de solution.
On qualifie un systme rsoluble de dtermin lorsquil nadmet quune seule
solution.
On dit quun systme linaire est indtermin lorsquil admet plusieurs solutions.
On dit quun systme linaire est redondant lorsque certaines de ses quations sont
des combinaisons linaire des autres ; ces quations ne sont pas utilises pour
rsoudre le systme.

Dfinition3

Un systme linaire est homogne lorsque les seconds membres sont tous nuls, soit lorsque
= 0 ; le systme homogne associ est alors = 0.

Dfinition4
Considrons le systme linaire : = .
On appelle matrice augmente et on la notera: ( ; ), la matrice de type (, + 1)
obtenue en ajoutant la matrice colonne B droite de la matrice A :

Proposition1
Le systme (S) est rsoluble si et seulement si () = (; ).
Le systme (S) est impossible si et seulement si () < (; ).

Proposition2

Si le systme linaire (S) est rsoluble, alors il est redondant si et seulement si () < .

Proposition3

Si le systme linaire (S) admet plusieurs solutions alors il en admet une infinit.

Preuve

Supposons que le systme linaire (S) admet deux solutions 1 et 2. Nous aurons donc :

1 = 2 =

Prenons un nombre rel quelconque . Nous avons (1 + (1 )2 ) = (1 ) +


(1 )(2 ) = + (1 ) = .

33
Par consquent, 1 + (1 )2 sera galement une solution du systme (S). Comme
est un nombre rel quelconque, nous en dduisons donc quil y a une infinit de solutions au
systme (S).

Proposition4

Si le systme (S) est rsoluble, alors :

- Il est dtermin si et seulement si () = ;


- Il est indtermin si et seulement si () < .

Remarque

Systme rsoluble qui contient plus dinconnues que dquations (soit > ) sera
ncessairement indtermin.

Dfinition5

On appelle fonction affine des variables 1 , 2 , , une fonction f dfinie sur par

(1 , 2 , , ) = 0 + 1 1 + 2 2 + + o 0 , 1 , , dsignent + 1 nombres
rels.

Remarques

Si le systme linaire (S) est indtermin et si () = alors il est possible de trouver


parmi les variables 1 , 2 , , :

- inconnues principales ;
- inconnues secondaires ;

Telles que chacune des inconnues principales sexprime comme fonction affine des
inconnues secondaires, ces dernires prenant des valeurs quelconques. On dit dans ce cas
que le degr dindtermination du systme (S) est gal

Exemples

21 + 3 = 2
1) Considrons le systme linaire () { 1 2 + 3 = 1
1 + 32 53 = 1

2 0 1
Nous avons ici = = 3. Posons = (1 1 1 )
1 3 5
2 0
Puisque le dterminant : | | = 2 0, nous pouvons dire que : () 2.
1 1
De plus, nous remarquons que det() = 0, donc nous avons () 2 et par suite
() = = 2.
34
2 0 1 2
Comme : (; ) = (1 1 1 1) = 2, nous en dduisons que le systme est
1 3 5 1
rsoluble, redondant et indtermin. (Remarquons que : 3 = 21
32 ). La troisime quation est donc inutile. Le degr
dindtermination sera donc de 3-2=1 et puisque les deux premires colonnes de A sont
linairement indpendantes, nous choisirons 1 et 2 comme inconnues principales et 3
comme inconnue secondaire.
1
1 = 1 + 2 3
Nous avons donc : {2 = 1 + 1 + 3 = 3 3
2
3
1
1 + 2 3
Lensemble solution du systme sera {( 3 ), 3 }.
2 3
3

1 22 = 4
2) Considrons le systme (S) :{1 + 32 = 1
21 + 2 = 1
1 2
1 2
Posons = (1 3 ). Puisque | | = 5 0, nous pouvons dire que () =
1 3
2 1
1 2 4 1 2 4
= 2. De plus, (; ) = (1 3 1) = 3 puisque |1 3 1| = 10
2 1 1 2 1 1
0. Par consquent, le systme (S) est impossible : ses quations sont incompatibles.

2- Rsolution dun systme de Cramer

Dfinition6

Considrons le systme linaire de quation n inconnues

Et considrons posons

35
Le systme (S) est de Cramer si det() 0 cest--dire que() = .

Thorme1
Le systme (S) prcdent admet une unique solution (1 , 2 , , ) si et seulement si cest
un systme de Cramer. Dans ce cas, cette solution est donne par les formules de Cramer :


{1,2, , } =
det()

O dsigne le dterminant obtenu en remplaant dans det() la colonne par la


colonne B.

Exemple

1 + 2 + 23 = 1
Considrons le systme (S) : () {21 2 + 23 = 4
41 + 2 + 43 = 2

1 1 2
Posons = (2 1 2). On a det() = 6 0. Par consquent, on a () = 3 et le
4 1 4
systme est donc de Cramer. Nous aurons donc

1 1 2 1 1 2 1 1 1
1 = |4 1 2| = 6 ; 2 = |2 4 2| = 12 3 = |2 1 4| = 12
2 1 4 4 2 4 4 1 2
Par consquent, la solution du systme (S) est (1 = 1; 2 = 2; 3 = 2).

3- Rsolution par la mthode du pivot de Gauss

a- Oprations lmentaires sur les lignes dun systme.

Dfinition7

Soit (S) un systme linaire de n quations, p inconnues et coefficients dans . Notons


1 , 2 , , les quations successives de (S).

On appelle opration lmentaire sur les lignes de (S) lune des oprations suivantes :

Multiplier une quation par scalaire non nul . Cette opration est note :
36
.
Ajouter lune des quations un multiple dune autre quation . Cette opration
est note : + .
Echanger deux quations et . Cette opration est note .

Proposition5
Une opration lmentaire sur les lignes de (S) transforme le systme (S) en un systme ()
quivalent, cest--dire ayant exactement les mmes solutions que (S).

Remarque
On peut enrichir la panoplie des oprations lments :
Remplacer lquation par + avec 0 .
Ajouter lquation une combinaison linaire des autres quations du systme.
Une telle opration peut scrire + .
On peut supprimer de (S) toute quation qui serait combinaison linaire des
autres quations du systme.

b- Mise en uvre de la mthode

Considrons le systme :

Supposons dans un premier temps que 11 est non nul. On effectue alors les oprations
lmentaires suivantes, o 11 est le pivot, pour annuler les coefficients de 1 dans les
quations 2 , 3 , , :

Ce qui conduit un systme (S) scrivant :

37

Supposons maintenant que le pivot 22 soit non nul.

Les oprations lmentaires 22 2 2 (avec 3 ) conduisent :

On poursuit ainsi la mise sous forme chelonne de la matrice du systme.

A un moment donn, il est possible quun pivot soit nul : on change alors lquation
concerne avec lune des quations suivantes de manire obtenir un pivot non nul.

Il est galement possible que tous les pivots potentiels pour passer ltape suivante soient

nuls : cest le cas dans le systme (S) par exemple, si tous les coefficients 33 , 43 , , 3

sont nuls : dans cette situation particulire, on sintressera au coefficient 34 (sil est non
nul) ou dfaut aux coefficients 44 , , 4 etc.

Exemple

(1) Rsoudre le systme

38
Do on tire :

Le systme (S) possde donc lunique solution (2,1,1,1).

39
CHAPITRE 7 POLYNOMES ET FRACTIONS RATIONNELLES
1- Polynmes

a- Dfinitions

Soit , un corps commutatif gal ou .

On appelle polynme une indtermine et coefficients dans toute expression


de la forme = 0 + 1 + + = =0 , 0 , 1 , , sont des
lments de appels coefficients de P.
Deux polynmes sont gaux lorsque leurs coefficients respectifs sont gaux.
Si tous les coefficients de P sont nuls, on dit que P est le polynme nul et on le note
P=0.
On note [] lensemble des polynmes une indtermine X et coefficients dans
.

Soit P un polynme non de [].

Le plus grand entier tel que 0 est appel degr de P ; on le note deg().
Si deg() = ; est appel monme (ou terme) de plus haut degr de P (ou
terme) dominant de P). est le coefficient dominant de P. Si = 1, P est dit
unitaire ou normalis.
Lensemble des polynmes de degr est not [].
Par convention, deg(0) = et , < .

b- Oprations et structures algbriques

On dfinit sur [] des oprations en sinspirant de celles connues sur les fonctions
polynmes.

Soient P et Q deux polynmes de []. On pose :


max(,)
= =0 et = =0 . Alors on a + = =0 ( + ) .
, = =0( ) .
= +
=0 avec = =0 = =0 .
On notera (.) la multiplication par un scalaire et () le produit interne de deux
polynmes [].

Proprits du degr
Soit P, Q dans [] et , alors :
1. deg( + ) max(deg() , deg() ) ;
2. si deg() deg() alors deg( + ) = max(deg() , deg() ) ;
40
3. deg( ) = deg() + deg() ;
4. deg( ) = . deg() ;
5. deg() = = 0 ;
6. deg(1) = 0 deg( ) = .

Proposition1
Lanneau ([], +,) est intgre cest--dire :
, [], = 0 ( = 0 = 0)

Thorme1
1. La famille ( ) est une base de [], appele base canonique de [].
2. ( [], +, . ) est un s.e.v. de ([], +, . ), o [] est lensemble des polynmes
en , de degr infrieur ou gal , coefficient dans .
3. ( )0, = (1, , 2 , , ) est une base de [].

c- Conjugu dun polynme de []

Etant donn un lment = =0 , on appelle conjugu de P, le polynme


de [] not dfini par : = =0
.
Il est claire que tout polynme P de [] peut scrire de manire unique sous la
forme : = + avec A et B dans []. On a alors = .

d- Division Euclidienne

Thorme2

A et B tant dans [] avec 0, il existe un couple unique (, ) de polynmes


de [] tel que :
= +
{
= 0 deg() < deg() .
est le quotient et est le reste de la division euclidienne de A par B.

Exemple
Soit diviser le polynmes = 3 + 2 2 + 1 par le polynme = 2 + 1.
On trouve ainsi : = + 3 et = 2 avec = + .

Dfinition1
1. Soit A et B deux polynmes de []. On dit que A est divisible par B (dans []) sil
existe [] tel que = . On dit aussi que B divise A (dans []).
2. Un polynme de [] est dit irrductible dans [] lorsque les seuls polynmes
de [] qui divisent P (dans []) sont les polynmes constants et les ( ).

41
Proposition 4 :
Le reste de la division euclidienne dun polynme P par par ().

Exemple : = 3 + 2 2 + 1, = 1 (1) = 3. Le reste de la division


euclidienne de A par + 1 est 3.

e- Drivation et formule de Taylor

Dfinition2

(a) Soit = =0 un lment de []. On appelle polynme drive de , le


polynme tel que : = =1 1 si deg() 1 et = 0 si =
0 deg() = 0.
(b) Les polynmes drivs successifs de sont dfinis par rcurrence : pour 2,
() = ((1) ) et par convention, (0) = .
Par exemple : (3) = () et = ( ) = (2) .

Dfinition3
Formules de drivations successives.

Soit P un polynme de degr .


(a) Si , alors () = = . ( 1) ( + 1) ,
!
soit encore () = = ()! .
(b) Si > , () = 0

(4) (3)
Exemple : Calculer 1 2 avec 1 = 5 + 2 2 = 6 2 2 + + 1.

Thorme 3 (Formule de Taylor pour les polynmes)


P un polynme de degr infrieur ou gal .
1
, = =0 ! ( ) () ().
Exemple : Ecrire la formule de Taylor de 5 en 1.

f- Racines dun polynme

Dfinition 4

42
Soit [] et . On dit que est racine (ou zro) de P lorsque () = 0.
Lensemble des zros (dans ) du polynme P sera not () ou () lorsquaucune
confusion nest craindre.

Proposition 5
Soit [] et . Alors
= ().
1. ()
2. () ().
3. En particulier si [] : () ().

Proposition 6

Soit [] et . est racine de P ssi P est divisible par .

Proposition 7
Si [] et si P sannule pour au moins n+1 valeurs distinctes de alors P est le
polynme nul.

g- Ordre de multiplicit des zros

Dfinition5
Soient [], non constant et (). On appelle multiplicit (ou ordre de
multiplicit) de vis--vis de P, le grand entier 1 tel que ( ) divise P ; on dit aussi
que est une racine dordre de P.
On note parfois = () ou simplement (). Lorsque = 1 (resp. 2, 3) on dit que est
racine simple (resp. double, triple) de P.

Thorme4
Soit [], non nul, et , alors :
() = () = = (1) () = 0;
est une racine dordre de P {
() () 0

h- Factorisation et dcomposition

Proposition8
Si un polynme [], est irrductible dans [], avec deg() > 1, alors P nadmet
aucun zro dans .

En effet, si tel ntait pas le cas, admettant un zro , P serait divisible par ; or
car deg() 1.

43
La rciproque de cette proposition est fausse, comme le prouve le polynme = ( 2 + 1)3
qui nest pas irrductible dans [].

Dfinition6

Soit [], non nul, on dit que P est scind sur (ou ) si la somme des
ordres de multiplicit de ses zros dans est gal son dgr.

Thorme5 (DAlembert)

Soit [] tel que deg() 1. Alors P admet au moins un zro.

Thorme6 (DAlembert-Gauss)

1. Tout polynme non nul de [] est scind.


2. Les polynmes irrductibles de [] sont les polynmes du premier degr.

Exemple : () = 1 ( ).
() = {0 , 1 , . , 1 } avec, pour tout k dans {1, , 1}, = 2 . Or =
1 et {1, , 1}, ( ) 0. Donc est racine simple de P. Ainsi P tant
unitaire, on a :
= 1=0( ).

Proposition 9 (Dcomposition de DAlembert dans [X] )

Soit P un polynme de degr de [X], soit son coefficient dominant et 1 , , ses


racines relles. P peut alors se factoriser sous la forme :


= 1 2
=0( ) . =1( + + ) . Avec =1 + 2 =1 = deg() = ;
(2 4 < 0).

Exemples

Quelques exemples de dcompositions ou de factorisations :

1. 3 1 = ( 1)( 2 + + 1) = ( 1)( )( ) o = 23 .
2. 3 + 1 = ( + 1)( 2 + 1) = ( + 1)( 3 )( 3 ).
3. 4 1 = ( 1)( + 1)( 2 + 1) = ( 1)( + 1)( )( + ).
4. = 4 + 1 peut tre factoris dans [X] de deux manires :
1 } avec = exp( + ). Ainsi
0 ,
a) () = {0 , 1 , 4 2
() = ( 0 )(
0 )( 1 )(
1 )

44
3
() = ( 2 2 ( ) + 1)( 2 2 ( ) + 1)
4 4
2 2
() = ( 2 + 1)( + 2 + 1).

b) = 4 + 1 = ( 2 + 1)2 2 2 et on trouve !

i- Relations entre les coefficients et les racines dun polynme scind

Proposition 10
1. Soient , , dans , avec 0. Soient 1 et 2 les racines du polynme :

2 + + . Alors on a : 1 + 2 = et 1 2 =

2. Soient , , , dans , avec 0. Soient 1 , 2 et 2 les racines du polynme :


3 + 2 + + . Alors on a :

1 + 2 + 3 =


1 2 + 1 3 + 2 3 =


{ 1 2 3 =

2- Fractions rationnelles

a- Fractions rationnelles
Dfinition
Une fraction rationnelle est un quotient de deux polynmes , []. On la note
()
() = (). On note () lensemble des fractions rationnelles.
Egalit de deux fractions

On dit que deux fractions 1 et 2 sont gales si et seulement si 1 2 = 2 1 .
1 2
1 2
Autrement dit et sont des critures dune mme fraction.
1 2

Remarque

Si = (, ), alors = 1 et = 1 avec (1 , 1 ) = 1 et alors



= 1 = 1 . On peut diviser au numrateur et au dnominateur par le coefficient
1 1
dominant du polynme de 1 . Dans la suite, on considrera donc uniquement des fractions

rationnelles de la formes = avec (, ) = 1 et est un polynme unitaire.

45
Polynme

On assimile les polynmes P de [] aux fractions de (). En particulier le polynme nul
1
0
de []. Est assimil la fraction nulle 1 de ().

Opration sur les fractions


On peut dfinir la somme et le produit de deux fractions rationnelles par les formules
suivantes :
() () 1 2 +2 1
Si 1 () = 1 () et 2 () = 2 () , alors 1 + 2 = et 1 2 = 1 2 .
1 2 1 2 1 2

Degr dune fraction

Dfinition7

Soit une fraction rationnelle = (). On appelle degr de :
= .

Proposition11
On a les mmes proprits que pour le degr des polynmes :
deg(1 + 2 ) max(1 , 2 ) , (1 2 ) = 1 + 2
Lorsque 0, le degr de est un entier relatif. Lorsque = 0, =

Dfinition8

Soit = (). On rappelle que et sont premiers entre eux . Les racines de

sappellent les zros de et les racines de les ples de . Si dsigne lensemble des
ples de F, on peut dfinir la fonction rationnelle associe F :
\
{ ()

()

Remarque


Un ple de la fraction = , est dit de multiplicit , lorsque le scalaire est un

zro de multiplicit du polynme .

Dfinition8

Soit une fraction rationnelle = (). On dfinit formellement la drive de cette
fraction rationnelle par la formule


=
2

Remarque
46
On associe la fonction rationnelle drive associe : \ . Cette fonction drive concide
avec la drive usuelle de la fonction lorsque = . On vrifie aussi que cette drive des
fractions prolonge celle des polynmes.

3- Dcomposition en lments simples dune fraction rationnelle

Proposition12 (Partie entire dune fraction rationnelle)



Soit une fraction rationnelle = (X). Il existe un unique couple
(, ) [X] (X) tel que
=+
{
< 0
Le polynme est appel la partie entire de la fraction .

Preuve
Unicit.
On suppose que = 1 + 1 = 2 + 2 avec 1 , 2 [] et 1 , 2 () avec
1 < 0 et 1 < 0. On en dduit 1 + 2 = 2 1 . Donc deg(2 1 ) < 0 et
deg(1 + 2 ) < 0. Le seul polynme qui a un degr ngatif est le polynme nul. Donc 1 =
2 et donc 2 = 1 . Ce quil fallait vrifier.
Existence
On effectue la division euclidienne du polynme par le polynme : = + avec

< et alors = + avec [X] et = de degr strictement ngatif.

Proposition13 (Partie polaire dune fraction rationnelle)



Soit une fraction rationnelle = (X) et un ple de multiplicit :
= ( ) avec () 0. Il existe un unique couple (, ) [X]2 de polynmes tels
que

= + () et <

La fraction rationnelle () est appele partie polaire de la fraction relative au ple .

Proposition14

Si une fraction rationnelle = est de degr < 0 avec () = ( )(), o () 0,


la partie polaire de la fraction relativement au ple simple est de la forme :


= + (*)

Cest le rsultat prcdent dans le cas particulier = 1.

47
Remarque
Pour trouver le scalaire , on peut :
Multiplier (*) par ( ), puis faire = dans la fraction rationnelle associe.
()
On trouve que : = () .
()
Utiliser la formule de Taylor pour , et obtenir = (). Cette formule est trs utile
lorsquil est difficile de trouver le quotient du polynme par ( ).

Proposition16 (Dcomposition en lments simples dans ())



Soit une fraction rationnelle = (), avec la dcomposition du polynme en
lments irrductibles qui scrit :
= ( 1 )1 ( ) .
Alors la fraction scrit de faon unique sous la forme
11 12 11
=+( + + + ) + +
1 ( 1 )2 ( 1 )1
1 2
+( + + + )
( )2 ( )
o la partie entire [] est un polynme nul, ou de degr deg() deg() et o les
coefficients sont complexes.

Exemples

Mthode par substitution : les ples simples.

3 + 1 3 + 1
1 = 3 =
3 2 + 2 ( 1)( 2)
On pose
1 1 1
1 = 1 + + + .
1 2
Alors
1 = . 1 | = 0 ; 1 = ( 1). 1 | = 1 ; 1 = ( 2). 1 | = 2.
Donc pour obtenir 1 on multiplie 1 par et on y remplace ensuite par 0 :
3 +1 1 1
. 1 = (1)(2) = 0 (1)(2)
= 2.
1
Par consquent 1 = 2 . Continuer ainsi et trouver 1 et 1.

Mthode de linfini
1
2 =
( 1)2

2 2 2
On peut poser 2 = + 1 + (1)2 .

48
Ds lors on voit avec lexprience acquise que 2 et 2 peuvent tre obtenus par
substitution. Mais on ne peut pas faire de mme pour 2 . On constate que
1
. 2 = = 2 + 2 +
( 1) 2 1 ( 1)2 2
En prenant la limite lorsque tend vers + de . 2 , on obtient lquation : 0 = 2 + 2 .
Do lon tire 2 connaissant 2 .

49
SOMMAIRE

CHAPITRE 1 NOTION DE LOGIQUE

1- Gnralits
2- Quantificateurs
3- Oprateurs logiques
CHAPITRE 2 ENSEMBLES ET APPLICATIONS

1- Ensembles
2- Fonctions et applications

CHAPITRE 3 LOI DE COMPOSITION GROUPE

1- Loi de composition
2- Morphismes
3- Groupe
4- Anneau et corps

CHAPITRE 4 ESPACES VECTORIELS

1- Structure despace vectoriel


2- Sous-espace vectoriel
3- Familles de vecteurs
4- Espaces vectoriels de dimension finie
5- Applications linaires
6- Matrice dune application linaire

CHAPITRE 5 MATRICES

1- Calcul matriciel
2- Dterminant

CHAPITRE 6 SYSTEMES LINEAIRES

1- Dfinitions
2- Rsolution dun systme de Cramer
3- Rsolution par la mthode du pivot de Gauss

CHAPITRE 7 POLYNOMES ET FRACTIONS RATIONNELLES

1- Polynmes
2- Fractions rationnelles
3- Dcomposition en lments simples dune fraction rationnelle

50