Académique Documents
Professionnel Documents
Culture Documents
hti
C OURS D ’A LGÈBRE 1 (MIP, M ODULE M112)
te
1 Fondements de Mathématiques 5
hti
1.1 Eléments de logique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Assertions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2
TABLE DES MATIÈRES 3
te
2.2.6 Polynômes premiers entre eux . . . . . . . . . . . . . . . . . . . . . . 36
hti
2.2.8 Polynômes irréductibles . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3 Fractions rationnelles 47
k
3.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
te
4.2.1 Définitions et notations . . . . . . . . . . . . . . . . . . . . . . . . . . 72
hti
5 Espaces vectoriels et applications linéaires 88
F ONDEMENTS DE M ATHÉMATIQUES
te
1.1 Eléments de logique
hti
1.1.1 Assertions
Définition 1.1 En logique, une proposition (ou assertion) est une phrase soit vraie, soit
Remarque. Une assertion peut s’exprimer en langage courrant (en français, en anglais,
1), 2), 3) et 4) sont des assertions. Cependant, 5) et 6) ne sont pas des assertions.
Ainsi, pour définir une proposition logique P, il suffit de donner ses valeurs de vérité
sous forme d’un tableu qu’on nommera Table de vérité associée à l’assertion P.
5
6 CHAPITRE 1. FONDEMENTS DE MATHÉMATIQUES
P Q
V V
V F
F V
te
F F
Définition 1.2 Deux propositions P et Q sont dites logiquement équivalentes si elles ont
les mêmes valeurs de vérité. On note P ⇐⇒ Q et on lit "P est équivalent à Q".
hti
La table de vérité de P ⇐⇒ Q est donnée par :
P Q P ⇐⇒ Q
V V V
V F F
F V F
k
F F V
Ou
1.1.2 Opérations Logiques
Définition 1.3 La négation d’une proposition P est la proposition notée ¬P (ou P̄) qui
P ¬P
V F
F V
L.
Si P est une assertion et Q est une autre assertion, nous allons définir de nouvelles
Définition 1.4 La conjonction de deux propositions P et Q, notée P ∧Q (ou "P et Q") est
la proposition qui est Vraie quand P et Q sont vraies à la fois, fausse sinon. La table de
1.1. ELÉMENTS DE LOGIQUE 7
P Q P∧Q
V V V
V F F
F V F
F F F
te
Exemple.
hti
Exercice. Soit P une proposition, montrer que P ∧ ¬P est une proposition fausse.
Q") est la proposition qui est Vraie si l’une des deux propositions P ou Q est vraie, fausse
V F V
F V V
F F F
Définition 1.6 Etant donné deux propositions P et Q, on note P =⇒ Q (se lit "P implique
Q), la proposition qui est fausse si P est vraie et Q est fausse et qui est vraie dans les autres
P Q P =⇒ Q
V V V
V F F
F V V
F F V
8 CHAPITRE 1. FONDEMENTS DE MATHÉMATIQUES
Exercice.
Proposition 1.1 Soient P, Q et R trois propositions logiques. Nous avons les équivalences
suivantes:
te
1) P ⇐⇒ ¬(¬P) 2) (P ∧ Q) ⇐⇒ (Q ∧ P).
hti
1.1.3 Quantificateurs Logiques
Une proposition P peut dépendre d’un paramètre x, par exemple "x 2 ≥ 2".
Définition 1.7 Soient E un ensemble et P(x) une proposition dépendant d’une variable
qui est varie lorsque P(x) est vraie pour tous les éléments x de E, et qui est fausse si P(x)
Remarque. "∀x ∈ E : P(x)" se lit "pour tout x dans E la proposition P(x) est vérifiée"
ou "tout élément x de E vérifie P" ou "quel que soit x dans E la proposition P(x) est
vérifiée".
Exemple.
Définition 1.8 Soient E un ensemble et P(x) une proposition dépendant d’une variable
qui est varie lorsque P(x) est vraie pour au moins un élément x de E, et qui est fausse si
Remarque. "∃x ∈ E : P(x)" se lit "il existe x dans E tel que la proposition P(x) est
te
v’erifiée" ou "il existe x de E qui vérifie P".
Exemple.
1) "∃x ∈ R x(x − 1) < 0" est vraie car on peut prendre par exemple x = 21 .
2) "∃n ∈ N n 2 − n > n" est vraie car on peut prendre par exemple n = 3 (ou n = 10).
hti
3) "∃r ∈ R r 2 = −1" est fause car pour tout réel r on a r 2 6= −1.
Exemple.
Ou
1) "¬[∀x ∈ [1, ∞[: x 2 ≥ 1]" est "[∃x ∈ [1, ∞[: x 2 < 1]".
- (u n ) est convergente ⇐⇒ (∃l ∈ R) tel que (∀² > 0), (∃N ∈ N): (∀n ∈ N)
n ≥ N =⇒ |u n − l | ≤ ².
n ≥ N et |u n − l | > ².
10 CHAPITRE 1. FONDEMENTS DE MATHÉMATIQUES
te
Exemple. Montrer que si m et n sont des entiers impairs, alors mn est un entier impair.
Preuve. Supposons que m et n sont impairs, alors il existe (k, h) ∈ Z2 tel que m = 2k + 1
et n = 2h + 1. Par suite
hti
mn = 2(2kh + h + k) + 1
Notamment, dans une situation donnée, si tous les cas possibles mènent à une même
Exemple.
n(n+1)
1) Montrer que pour tout n ∈ N, 2 ∈ N.
L.
Puisque n ∈ N, alors n est pair ou n est impair, ainsi on distingue les deux cas suivants :
n n(n+1)
Premier cas : n est pair. Alors 2 ∈ N et ainsi 2 = n2 (n + 1) ∈ N.
n+1 n(n+1)
Deuxième cas : n est impair. Alors n +1 est pair d’où 2
∈ N et ainsi 2
= n n+1
2
∈ N.
n(n+1)
Conclusion. Dans tous les cas 2
∈ N.
x 2 − x + 1 − |x − 1| = x 2 − x + 1 − (x − 1)
= x 2 − 2x + 2
= (x − 1)2 + 1 ≥ 0
Ainsi x 2 − x + 1 − |x − 1| ≥ 0 et donc |x − 1| ≤ x 2 − x + 1.
te
Deuxième cas : x < 1. Alors |x − 1| = −(x − 1) ce qui donne
x 2 − x + 1 − |x − 1| = x 2 − x + 1 + (x − 1) = x 2 ≥ 0
conséquence de quoi |x − 1| ≤ x 2 − x + 1.
hti
Conclusion. Dans tous les cas |x − 1| ≤ x 2 − x + 1.
p p p p
Ou
Preuve. Supposons que m > a et n > a, alors mn > a. a = a et ainsi a 6= mn.
Si l’assertion considérée est : "tout élément d’un ensemble E vérifie la propriété P",
alors l’existence d’un seul élément de E qui ne vérifie pas P montre que l’assertion est
fausse.
Exemple. Considérons E = {n ∈ N|n > 1}. L’assertion "∀n ∈ E, n − 1 ∈ E" est fausse car
L.
Exercice.
1) Montrer par un contre-exemple que les assertions [(∀x ∈ E, P(x)) ∨ (∀x ∈ E, Q(x))] et
[(∃x ∈ E, P(x)) ∧ (∃x ∈ E, Q(x))] et [∃x ∈ E, (P(x) ∧ Q(x)] ne sont pas équivalentes.
12 CHAPITRE 1. FONDEMENTS DE MATHÉMATIQUES
Pour montrer qu’une assertion P est vraie, on suppose que ¬P est vraie et on montre
Pour montrer que P =⇒ Q on suppose que Q est fausse et P est vraie (c’est-à-dire P =⇒
te
Exemple. Soit n un entier naturel. Montrer par l’absurde que si 3n + 2 est impair, alors
n est impair.
Preuve. On suppose que 3n + 2 est impair et que n est pair. Puisque n est pair il existe
hti
k ∈ N tel que n = 2k ce qui donne 3n + 2 = 6k + 2 = 2(3k + 1) est pair et on obtient ainsi
Soit P (n) une propriété dépendant d’un entier n et soit n 0 un entier naturel donné.
k
On se propose de montrer que la propriété P (n) est vraie pour tout entier naturel
n ≥ n0 .
Ou
On utilise ce qu’on apelle "une démonstration par récurrence" selon les deux étapes
suivantes :
On suppose que pour cet entier n la propriété P (n) est vraie (c’est l’hypothèse de
Preuve.
- Pour n = 0 on a 0 = 0(0+1)
2
donc la propriété est vraie pour 0.
n(n+1)
- Soit n ∈ N, supposons que 1 + 2 + ... + n = 2
. Il faut montrer que la propriété est
n(n+1)
2 , il en résulte alors que
n(n + 1) hn i (n + 1)(n + 2)
1+2+...+(n+1) = [1+2+...+n]+(n+1) = +(n+1) = (n+1) +1 = .
2 2 2
Exercice.
2) Soit (Un ) la suite définie par u 0 = 2 et pour tout entier naturel n, u n+1 = 12 u n + 2.
te
1
Montrer par récurrence que pour tout entier naturel n, u n = 4 − 2n−1
3) Montrer par récurrence que pour tout entier naturel n, 22n + 2 est un entier divisible
par 3.
k hti
Ou
L.
14 CHAPITRE 1. FONDEMENTS DE MATHÉMATIQUES
Etant donné deux ensembles A et B. Nous dirons que A est inclu dans B, on écrit A ⊂ B,
si et seulement si ∀x ∈ A, x ∈ B.
te
- CAB = {x ∈ A| x 6∈ B} est appelé complémentaire de B dans A.
- A = B si et seulement si A ⊂ B et B ⊂ A.
hti
Définition 1.9 Une application d’un ensemble E dans un ensemble F est une correspon-
f : E −→ F
x 7−→ f (x) = y.
Exemple
f est surjective si ∀y ∈ F ∃ x ∈ E tel que y = f (x), i.e., tout élément de F est l’image par f
(h ◦ g ) ◦ f = h ◦ (g ◦ f ).
1.4. RELATIONS D’ÉQUIVALENCE, RELATIONS D’ORDRE 15
ii) La composée de deux applications injectives (resp. surjectives) est une application
Théorème 1.1 f : E −→ F est bijective si et seulement si, il existe une application unique
te
Définition 1.12 Soient f : E −→ F une application et A ⊂ E. L’image directe de A par f
hti
Définition 1.13 Soient f : E −→ F une application et B ⊂ F. L’image réciproque de B par
Exemple. Considérons l’application f : Z −→ Z définie par f (n) = |n|. Alors f ({0, 1}) =
Définition 1.14 Une relation binaire R sur un ensemble E est une partie Γ(R) du pro-
Ou
duit cartésien E × E. Deux éléments a et b de E sont en relation par R si (a, b) ∈ Γ(R) et
on note aRb .
Définition 1.15 Une relation R sur un ensemble E est une relation d’équivalence si R
Long r i g ht ar r ow aRc.
Exemples.
Définition 1.16 Soit R une relation d’équivalence sur un ensemble E. On appelle classe
E/R.
te
Remarque.
¦ ∀x ∈ E, x̄ 6= ; (car x ∈ x̄).
¦ xR y ⇐⇒ x̄ = ȳ.
hti
Théorème 1.2 deux classes d’équivalences sont disjointes ou confondues, c’est-à-dire
∀x, y ∈ E on a : x̄ = ȳ ou x̄ ∩ ȳ = ;.
Preuve
1) R est reflexive.
Ou
2) R est antisymétrique, c’est-à-dire xR y et yRx =⇒ x = y.
3) R est transitive.
Si R est une relation d’ordre sur E, on dit alors que (E, R) est un ensemble ordonné ou
ordonné par R si deux éléments quelconques sont comparables, sinon l’ordre est dit
partiel.
L.
Exemple
Exercices
Exercice 1
1) (P =⇒ Q et Q =⇒ R) =⇒ (P =⇒ R).
2) ¬(P ∨ Q) ⇐⇒ ¬P ∧ ¬Q.
te
3) ¬(P ∧ Q) ⇐⇒ ¬P ∨ ¬Q.
Exercice 2
Evaluer les formules suivantes en utilisant les tables de vérité. Indiquez alors lesquelles
hti
parmi ces formules sont des tautologies, des contradictions.
1) (P =⇒ Q) ∨ (Q =⇒ P).
2) (P ⇐⇒ Q) ∧ (Q ⇐⇒ ¬Q).
Exercice 3
k
Peut-on intervertir les quantificateurs "∀n ∈ N" et "∃m ∈ N" dans les propositions suiv-
2) ∀n ∈ N, ∃m ∈ N : n 2 ≥ m.
Exercice 4
Exercice 5
2) Pour tout entier naturel n, 10n − (−1)n est divisible par 11.
n ³ ´2
k 3 = n(n+1)
P
3) Pour tout entier naturel n, on a 2
.
k=0
Exercice 6
te
r
2) Soit r un réel. Si r 2 n’est pas un multiple entier de 16, alors 2 n’est pas un entier pair.
hti
Exercice 7
Parmi les applications suivantes, déterminer les injections, les surjections et les bijec-
tions:
Exercice 8
(x, y)R(x 0 , y 0 ) ⇐⇒ x = x 0 .
Exercice 9
1.4. RELATIONS D’ÉQUIVALENCE, RELATIONS D’ORDRE 19
Γ(R) = {(1, 1), (1, 2), (2, 1), (2, 2), (3, 3), (3, 4), (4, 3), (4, 4)}
te
Exercice 10
hti
(a, b)R(c, d ) ⇐⇒ a 2 + b 2 = c 2 + d 2 .
Exercice 11
k
Soient E et F deux ensembles et f : E −→ F une application. On définit une relation R
3) Pourquoi l’application
Φ : E/R −→ F
L.
x̄ 7−→ f (x)
Exercice 12
Exercice 13
te
2) Quelles sont les classes d’équivalence de cette relation?
Exercice 14
hti
(x, y) < (x 0 , y 0 ) ⇐⇒ ((x < x 0 ) ou (x = x 0 et y = y 0 )).
Exercice 15
k
On munit R2 de la relation notée < définie par
Ou
(x, y) < (x 0 , y 0 ) ⇐⇒ x ≤ x 0 et y ≤ y 0 .
Exercice 16
XRY ⇐⇒ A ∩ X = A ∩ Y.
te
hti
2.1 Rappels sur les nombres complexes
R2 muni de ces opérations est un corps appelé le coprs des nombres complexes noté C.
k
Remarques.
Ou
1) L’addition et la multiplications se comportent sur les complexes de la forme (a, 0)
comme sur les réels. On pourra donc identifier le complexe (a, 0) au réel a. On obtient
3) Un complexe z = (a, b) se décompose z = (a, 0) + (0, b) = (a, 0) + (0, 1) ⊗ (b, 0). D’après
a + i b.
Proposition 2.1 Tout nombre complexe s’écrit de manière unique sous forme a+i b avec
a et b deux réels.
Définition 2.2 Soit z = a + i b un nombre complexe. Les réels a et b sont appelés respec-
21
22 CHAPITRE 2. FACTORISATION DES POLYNÔMES DANS R[X] ET DANS C[X]
Un nombre complexe z sera dit imaginaire pur si Re(z) = 0. L’ensemble des nombres
te
Remarque
hti
∗ z est imaginaire ⇐⇒ z̄ = −z ⇐⇒ |z| = |Im(z)|.
1) z + z 0 = z + z 0 2) zz 0 = zz 0 .
k z + z̄ z − z̄
3) z = z 4) Re(z) = et Im(z) = .
2 2i
5) |zz 0 | = |z||z 0 | 6) |z + z 0 | ≤ |z| + |z 0 |.
Ou
Preuve
|z| + |z 0 |.
z
Si z 0 = 0, l’inégalité est évidente. On suppose alors que z 0 6= 0 et on pose u = z0
, il suffit
¢2
|1 + u|2 − 1 + |u| = (1 + u)(1 + u) − 1 + 2|u| + |u|2
¡ ¡ ¢
L.
¡ ¢
= 2 Re(u) − |u|
¢2
Compte tenu du fait que Re(u) ≤ |Re(u)| ≤ |u|, il s’en suit alors que |1+u|2 − 1+|u| ≤ 0.
¡
Conséquence de quoi
|1 + u|2 ≤ (1 + |u|)2
2.1. RAPPELS SUR LES NOMBRES COMPLEXES 23
|1 + u| ≤ 1 + |u|
te
e i θ = cos(θ) + i si n(θ).
hti
1
2) eiθ
³ ´n
3) (Formule de Moivre): Pour tout n ∈ Z: cos(nθ) + i si n(nθ) = cos(θ) + i si n(θ) .
En particulier, on a :
e i θ = e i φ ⇐⇒ θ ≡ φ[2π].
(
iθ
+e −i θ iθ
−e −i θ
cos(θ) = e et si n(θ) = e
k 2 2i .
z = |z|e i θ .
L.
Définition 2.5 Soit z un nombre complexe non nul. On appelle argument de z tout réel
Remarque
∗ Si r < 0, alors z = −(−r )e i θ = (−r )e i (θ+π) dans ce cas |z| = −r et ar g (z) ≡ θ + π[2π].
Exemples:
te
p
p p −i 2
z 1 = i , z 2 = 1 + i 3, z 3 = −i 2, z 4 = 1 + i , z 5 =
1+i
π
1) |z 1 | = 1 et z 1 = e i 2 . D’où ar g (z 1 ) = π2 (mod 2π).
p ´ π
hti
³
2) |z 2 | = 2 et z 2 = 2 21 + i 23 = 2e i 3 de sorte que ar g (z 2 ) = π3 (mod 2π).
p p p π p 3π
3) |z 3 | = 2 et z 3 = 2(−i ) = 2e −i 2 = 2e i 2 de sorte que ar g (z 3 ) = 3π 2 (mod 2π).
p p ³ 1 ´ p ³p p ´ p π
4) |z 4 | = 2 et z 4 = 2 p + i p1 = 2 22 + i 22 = 2e i 4 , d’où ar g (z 4 ) = π4 (mod 2π).
2 2
p i 3π
z3 2e 2 5π 5π
5) z 5 = = p π = e i 4 , d’où ar g (z 5 ) = (mod 2π).
z4 i 4
2e 4
k
Proposition 2.4 Soit r 1 , r 2 deux réels non nuls et θ1 , θ2 deux réels tels que
³ ´ ³ ´
r 1 e i θ1 = r 2 e i θ2 . Alors r 1 = r 2 et θ1 = θ2 où r 1 = −r 2 et θ1 = θ2 + π[2π] .
Ou
Équations du second degré
• Deuxième cas : ∆ = 0
−b
On a une solution réelle double : z = .
2a
• Troisième cas : ∆ < 0
¡ p ¢2
On peut écrire ∆ = −(−∆) = i2 × (−∆) = i −∆ car −∆ > 0.
p p
−b − i −∆ −b + i −∆
Dans ce cas, on obtient deux solutions complexes conjuguées : z 1 = , z2 =
2a 2a
2.1. RAPPELS SUR LES NOMBRES COMPLEXES 25
Quelques applications
−i θ2
i θ2 i θ2
³ ´
iθ
1+e = e e +e
³θ´ θ
= 2cos ei 2
2
te
De la même façon on a :
−i θ2
i θ2 i θ2
³ ´
iθ
1−e = e e −e
³θ´ θ
= −2i si n ei 2
2
hti
Cette technique de factorisation est utilisée pour écrire sous forme trigonométrique la
³ e i θ − e −i θ ´³ e i θ + e −i θ ´4
L.
si n(θ)cos 4 (θ) =
2i 2
i ³ iθ ´³ ´4
= − e − e −i θ e i θ + e −i θ
32
i ³ iθ ´³ ´
= − e − e −i θ e i 4θ + 4e i 2θ + 6 + 4e −i 2θ + e −i 4θ
32
i ³ ´
= − 2i si n(5θ) + 6i si n(3θ) + 2i si n(θ)
32
1³ ´
= si n(5θ) + 3si n(3θ) + si n(θ)
16
26 CHAPITRE 2. FACTORISATION DES POLYNÔMES DANS R[X] ET DANS C[X]
Définition 2.6 Un polynôme à une indéterminée X et à coefficients dans K est une ex-
te
Exemples:
hti
¦ X 2 − 21 X 3 est un polynôme à une indeterminée X et à coefficients dans R.
Notations:
¦ Dans toute la suite K[X] désigne l’ensemble des polynômes à une indéterminée X et
à coefficients dans K.
k
¦ Un polynôme de K[X] est désigné par : P(X), F(X), R(X),....
Vocabulaire et conventions :
Ou
Soit P(X) = a 0 + a 1 X + a 2 X 2 + ... + a n X n un polynôme de K[X].
¦ P(X) est dit constant si tous les coefficients a i sont nuls sauf peut être a 0 .
¦ Si i est le plus grand entier (0 ≤ i ≤ n) tel que a i 6= 0, alors a i est appelé le coefficient
L.
dominant de P(X).
ou décroissantes de X.
Conséquences :
2) Pour écrire un polynôme, on peut ne citer que les termes à coefficients non nuls.
Exemples :
te
p
Soit P(X) = 3X 2 − 12 + 2X 3 − X ∈ R[X].
p
¦ P(X) = − 12 −X +3X 2 + 2X 3 est l’écriture de P(X) suivant les puissances croissantes de
X.
p 3
¦ P(X) = 2X + 3X 2 − X − 21 est l’écriture de P(X) suivant les puissances décroissantes
hti
de X.
1- Le plus grand i tel que a i 6= 0 est appelé degré de P(X), noté d eg (P(X)) ou d o P(X), si
Exemple :
p
Pour P(X) = 12 − X + 3X 2 + 2X 5 ∈ R[X] on a : do P(X) = 5 et v(P(X)) = 0.
L.
K[X].
Définition 2.9 La somme de P(X) et Q(X) est le polynôme, noté P(X)+Q(X), ayant a i +b i
comme coefficient de X i .
28 CHAPITRE 2. FACTORISATION DES POLYNÔMES DANS R[X] ET DANS C[X]
Exemple :
p
Si K = R, P(X) = 13 X + 4X 2 + ( 3)X 3 et Q(X) = 12 − 2X 2 + 5X 3 alors
1 1 p
P(X) + Q(X) = + X + 2X 2 + ( 3 + 5)X 3 .
2 3
Notation :
te
Proposition 2.5 Pour tout P(X), Q(X) et F(X) de K[X] on a :
hti
3) P(X) + (−P(X)) = 0 et P(X) + 0 = P(X) où 0 désigne le polynôme nul.
Preuve
3) est triviale.
Pour vérifier 4) (resp. 5)) il suffit de remarquer que tous les coefficients du polynôme
Ou
P(X) + Q(X) d’indice supérieur ou égal à sup(d eg (P(X)), d eg (Q(X))) (resp. d’indice in-
Exemple :
Si K = Q, P(X) = −3 + 15 X − X 2 + 7X 3 alors 2 2 2 2 14 3
3 P(X) = −2 + 15 X − 3 X + 3 X .
L.
4) (−1)P(X) = −P(X).
Preuve
Les quatres premières égalités sont une conséquence directe de la définition du pro-
Pour montrer 5), supposons que n = d eg (P(X)) et r = v(P(X)) alors p n ( resp. p r ) est le
coefficient non nul de plus grand (resp. de plus petit) indice de P(X). Si α est non nul
te
alors αp n ( resp. αp r ) est le coefficient non nul de plus grand (resp. de plus petit) indice
hti
polynômes de K[X]. Alors le produit de P(X) par Q(X) est le polynôme
c i = a i b 0 + a i −1 b 1 + a i −2 b 2 + ... + a i −1 b 1 + a 0 b i
Exemple :
p p
Soient P(X) = −2 + 3X + 2X 2 et Q(X) = 1 + 7X + 5X 2 − 3X 4
p
P(X)Q(X) = ((−2) × 1) + ((−2) × 7 + 3 × 1)X + ((−2) × 5 + 3 × 7 + 2 × 1)X 2
p
k p p p p p
+(3 × 5 + 2 × 7)X 3 + ((−2) × (− 3) + 2 × 5)X 4 +(3 × (− 3)X 5 + ( 2 × (− 3))X 6
p p p p p p
= −2 − 11X + (11 + 2)X 2 + (15 + 7 2)X 3 + (2 3 + 5 2)X 4 − 3 3X 5 − 6X 6 .
Ou
Proposition 2.7 Pour tout P(X), Q(X) et F(X) ∈ K[X] on a :
1) P(X)Q(X) = Q(X)P(X)
2) (P(X)Q(X))F(X) = P(X)(Q(X)F(X))
Corollaire 2.1 (K[X], +, ×) est un anneau commutatif unitaire intègre. L’élément unité
Exemple :
(Q ◦ P)(X) = (2X 2 − 1) + 1 = 2X 2 .
te
Proposition 2.8 Pour tout P(X), Q(X) et F(X) de K[X] on a :
hti
4) v((P ◦ Q)(X)) = v(P(X))v(Q(X)) si P(X) et Q(X) sont non nuls.
Remarque :
(P ◦ Q)(X) + (P ◦ F)(X) = 2 + X + X 2 .
D’où
(P ◦ (Q + F))(X) 6= (P ◦ Q)(X) + (P ◦ F)(X).
Théorème 2.1 Soient A(X) et B(X) deux polynômes de K[X] tels que B(0) 6= 0. Pour tout
L.
Preuve
Divisons ensuite A(X) par B(X) jusqu’à obtenir le premier reste T(X) de valuation stricte-
B(X)Q(X) + T(X). Comme v(T(X)) ≥ n + 1, alors il existe R(X) tel que T(X) = X n+1 R(X).
et
te
A(X) = B(X)Q2 (X) + X n+1 R2 (X) avec deg (Q2 (X)) ≤ n.
alors B(X)(Q1 (X) − Q2 (X)) = X n+1 (R2 (X) − R1 (X)). Puisque b 0 6= 0 alors v(B(X)) = 0 et
Si R1 (X) 6= R2 (X) alors v(X n+1 (R2 (X) − R1 (X))) ≥ n + 1 absurde. Par suite R1 (X) = R2 (X)
hti
et alors Q1 (X) = Q2 (X).
Exemple :
1 + 2X + X 3 1 + X + 2X 2
−
k
1 + X + 2X 2 1 + X − 3X 2 + 2X 3
R1 (X) = X − 2X 2 + X 3
−
X + X 2 + 2X 3
R2 (X) = −3X 2 − X 3
Ou
−
− 3X 2 − 3X 3 − 6X 4
R3 (X) = 2X 3 + 6X 4
−
2X 3 + 2X 4 + 4X 5
R4 (X) = 4X 4 − 4X 5 = X 4 (4 − 4X 4 )
X 4 R(X).
- DL de tg(x) en 0 à l’ordre 6 :
X2 X4 X2 X4 X2 2 19 6 X 8
l’ordre 6 entraîne que 1 − + = (1 − + )(1 + + X4 ) + X −
6 120 2 24 3 15 360 180
te
3
D’où t g (x) = x + x3 + 15
2 5
x + x 6 θ(x).
Théorème 2.2 Pour tout A(X), B(X) ∈ K[X] avec B(X) non nul il existe un couple unique
hti
de polynômes Q(X) et R(X) de K[X] vérifiant :
Preuve
Etape 1 :
a n n−m
La division de A(X) par bm
X donne A(X) = B(X)[ bamn X n−m ]+R1 (X) avec deg(R1 (X)) <
deg(A(X)).
l
Posons Q1 (X) = bamn X n−m (resp. R1 (X) = Σi 1=0 r 1i X i ) le premier quotient (resp. reste) de la
Si deg(R1 (X)) < deg(B(X)) alors le couple (Q1 (X), R1 (X)) vérifie les conditions demandées
L.
par la proposition.
Etape 2 :
par conséquent
a n n−m r 1l 1 l 1 −m
A(X) = B(X)[ X + X ] + R2 (X).
bm bm
l r 1l
Le polynôme R2 (X) = Σi 2=0 r 2i X i (resp. Q2 (X) = brmn X n−m + bm1 X l 1 −m ) est appelé le second
reste (resp. second quotient) de la division suivant les puissances décroissantes de A(X)
par B(X).
Comme le degré de A(X) est fini, donc après un nombre fini, s, d’étapes sémilaires aux
te
deux premières, on a nécessairement deg(R s (X)) < deg(B(X)), où R s (X) et Qs (X) sont
s. Dès lors la division suivant les puissances décroissantes de A(X) par B(X) s’achève et
hti
Deuxième cas : deg(A(X)) < deg(B(X))
On suppose que
k
A(X) = Q1 (X)B(X) + R1 (X) avec d eg (R1 (X)) < d eg (B(X))
et
Ou
A(X) = Q2 (X)B(X) + R2 (X) avec d eg (R2 (X)) < d eg (B(X))
On en déduit alors que (Q1 (X) − Q2 (X))B(X) = R2 (X) − R1 (X). Par suite d eg (Q1 (X) −
Q2 (X)) + d eg (B(X)) = d eg (R2 (X) − R1 (X)) < d eg (B(X)). D’où d eg (Q1 (X) − Q2 (X)) = −∞,
Remarque
Effectuer la division euclidienne de A(X) par B(X) dans K[X] c’est déterminer les deux
L.
polynômes Q(X) et R(X) de K[X] vérifiant: A(X) = B(X)Q(X) + R(X) avec deg(R(X)) <
deg(B(X)). Le polynôme Q(X) (resp. R(X)) est dit le quotient (resp. le reste) de la divi-
Exemples :
X 4 − 2X + 2 X2 + 1
−
X4 + X2 X2 − 1
−X 2 − 2X + 2
−
−X 2 − 1
−2X + 3
te
D’où Q(X) = X 2 − 1 et R(X) = −2X + 3.
Soient A(X) et B(X) deux polynômes de K[X] avec B(X) non nul.
hti
Définition 2.13 On dit que B(X) divise A(X) (ou que A(X) est divisible par B(X)) s’il existe
Exemple :
Preuve
enne on déduit que le reste de la division euclidienne de A(X) par B(X) est nul. Inverse-
de A(X) par B(X), alors A(X) = Q(X)B(X) et donc B(X) divise A(X).
- On appelle diviseur commun de A(X) et B(X), dans K[X], tout polynôme de K[X] di-
- On appelle un plus grand diviseur commun de A(X) et B(X), dans K[X], un polynôme
ii) tout diviseur commun de A(X) et B(X), dans K[X], divise D(X) .
- On appelle le plus grand diviseur commun de A(X) et B(X) dans K[X], l’unique plus
Notation
Un plus grand diviseur commun de A(X) et B(X) est noté : un pg cd (A(X), B(X)).
te
Exemple :
hti
- Un pg cd (A(X), B(X)) = 2(X − 1)2 .
Proposition 2.10 Si D(X) est un pgcd(A(X), B(X)) alors il existe un couple unique (A1 (X), B1 (X)) ∈
et les éléments non nuls de K sont les seuls pgcd(A1 (X), B1 (X)).
Ou
Preuve
Existence: Soient A1 (X) et B1 (X) dans K[X] tels que A(X) = A1 (X)D(X) et B(X) = B1 (X)D(X).
Si T(X) est un diviseur commun de A1 (X) et B1 (X) alors T(X)D(X) est un diviseur com-
mun de A(X) et B(X) de degré supérieur ou égale au degré de D(X). Donc deg(T(X)) = 0
Unicité: Si A2 (X) et B2 (X) sont deux autres polynômes de K[X] tels que
alors
Compte tenu du fait que D(X) 6= 0, il en résulte alors que A1 (X) = A2 (X) et B1 (X) =
B2 (X).
36 CHAPITRE 2. FACTORISATION DES POLYNÔMES DANS R[X] ET DANS C[X]
Définition 2.15 A(X) et B(X) sont dits premiers entre eux dans K[X] si un
Exemple :
te
A(X) = 2X 7 − 2 et B(X) = 2X 2 − 4. Un pg cd (A(X), B(X)) = 2 ∈ K.
Proposition 2.11 (Identité de Bezout) Deux polynômes A(X) et B(X) de K[X] sont pre-
hti
miers entre eux si et seulement si il existe deux polynômes U(X) et V(X) de K[X] tels que :
A(X)U(X) + B(X)V(X) = 1.
Exemple d’application :
2) Si A(X) divise C(X) et B(X) divise C(X) alors A(X)B(X) divise C(X).
3) Si A(X) et C(X) sont premiers entre eux alors A(X) et B(X)C(X) sont premiers entre eux.
Preuve
Puisque A(X) et B(X) sont premiers entre eux, l’identité de Bezout assure l’existence de
+B(X)C(X)[V(X)T(X)].
Remarque :
te
S’il existe U(X), V(X) ∈ K[X] tels que :
alors les polynômes A(X) et B(X) n’ont pas nécessairement E(X) comme pg cd (sauf si
hti
d0 E(X) = 0). Pour s’en rendre compte considérons l’exemple suivant :
A(X)(X − 1) + B(X)(X − 1) = X − 1
Si R1 (X) est non nul, alors les diviseurs communs de A(X) et B(X) sont les diviseurs
B(X) = R1 (X)Q2 (X) + R2 (X) avec d eg (R2 (X)) < d eg (R1 (X)) < d eg (B(X)).
38 CHAPITRE 2. FACTORISATION DES POLYNÔMES DANS R[X] ET DANS C[X]
ii) R2 (X) est non nul et alors les diviseurs communs de B(X) et R1 (X) sont les diviseurs
communs de R2 (X) et R1 (X). Donc au bout d’un nombre fini, r (au plus égal au d eg (B(X)))
de divisions euclidiennes, le reste Rr (X) est nul (car le degré des restes diminue stricte-
ment après chaque étape effectuée) et Rr −2 (X) = Rr −1 (X)Qr (X). Donc le dernier reste
te
non nul, Rr −1 (X), des divisions euclidiennes successives de R j (X) par R j +1 (X)(0 ≤ j ≤
hti
Exemples :
A(X) = 2X 2 − 4X + 2 et B(X) = X 2 − 3X + 2.
A(X) = 2X 2 − 4X + 2 X 2 − 3X + 2 = B(X)
−
2X 2 − 6X + 4 2 = Q1 (X)
R1 (X) = 2X − 2
k
D’où Q1 (X) = 2 et R1 (X) = 2X − 2
B(X) = X 2 − 3X + 2 R1 (X) = 2X − 2
Ou
1
−
X2 − X 2 X − 1 = Q2 (X)
−2X + 2
−
−2X + 2
R2 (X) = 0
D’où B(X) = (2X − 2)( 21 X − 1) et le dernier reste non nul est R1 (X). Donc
−
X6 + X4 X 4 − X 2 + 1 = Q1 (X)
−X 4 − 1
−
−X 4 − X 2
X2 − 1
−
X2 + 1
R1 (X) = −2
Le dernier reste non nul est R1 (X) = −2. Donc un pgcd(X 6 − 1, X 2 + 1) = −2. On déduit
2.2. FACTORISATION DES POLYNÔMES 39
1 = 21 (X 4 − X 2 + 1)(X 2 + 1) − 21 (X 6 − 1).
Proposition 2.12 Si D(X) est un pgcd(A(X), B(X)) alors il existe U(X) et V(X), polynômes
A(X)U(X) + B(X)V(X) = D(X), deg U(X) < deg B(X) et deg V(X) < deg A(X).
te
Si de plus D(X) ∈ K alors U(X) et V(X) sont uniques.
Preuve
Existence : Si D(X) est le dernier reste non nul, R s (X), de la division successive de A(X)
hti
D(X) = R s (X) = R s−2 (X) − R s−1 (X)Qs (X),
pour prouver l’existence de deux tels polynômes vérifiant en plus d eg (U(X)) < d eg (B(X))
k
et d eg (V(X)) < d eg (A(X)), supposons que d eg (U(X)) ≥ d eg (B(X)), la division euclidi-
enne de U(X) par B(X) donne l’existence de Q(X) et R(X), dans K[X], tels que : U(X) =
Ou
Q(X)B(X) + R(X) et d eg (R(X)) < d eg (B(X)). D’où A(X)R(X) + B(X)(V(X) + A(X)Q(X)) = 1.
il suit alors que alors d eg (V(X) + A(X)Q(X)) < d eg (A(X)) et donc les deux polynômes
Unicité : Supposons qu’ils existent deux couples de tels polynômes (U1 (X), V1 (X)) et
L.
(U2 (X), V2 (X)) alors A(X)(U1 (X) − U2 (X)) = B(X)(V2 (X) − V1 (X)).
or d eg (U1 (X) − U2 (X)) < d eg (B(X)) donc U1 (X) − U2 (X) = 0 d’où V1 (X) = V2 (X).
Définition 2.16 Soit P(X) un polynôme de K[X]. Un polynôme Q(X) sera dit associé de
Exemples :
X 6 + 3X 2 + 1 dans Q[X].
Définition 2.17 Un polynôme A(X) ∈ K[X] sera dit irréductible dans K[X] si son degré est
te
supérieur ou égal à un, et si ses seuls diviseurs dans K[X] sont ses associés dans K[X] et
hti
Exemples :
¦ Tout polynôme du premier degré est irréductible dans K[X]. En effet, pour montrer
k
l’irréductiblité d’un polynôme aX + b, avec a 6= 0, supposons que aX + b = A(X)B(X)
associé de aX + b. Donc les seuls diviseurs de aX + b sont ses associés et les éléments
Ou
non nuls de K.
Proposition 2.13 Tout polynôme non constant P(X) ∈ K[X] admet un diviseur irréductible
dans K[X].
Preuve
Si P(X) est irréductible c’est fini puisque P(X) divise P(X). Si P(X) est réductible alors il
admet un diviseur non constant P1 (X). Si P1 (X) est irréductible c’est fini, sinon P1 (X) est
L.
réductible et il admet un diviseur non constant P2 (X). On construit ainsi des polynômes
Pi (X) divisant P(X). Comme la suite (deg(Pi (X)))i est strictement décroissante et à valeurs
dans N−{0}, alors il existe un s tel que Ps (X) est irréductible ou deg(Ps (X)) = 1. Par con-
Lemme 2.1 Si P(X) est irréductible et P(X) divise un produit Q1 (X)Q2 (X)...Qm (X) alors
Théorème 2.4 Tout polynôme non constant de K[X] est décomposable en un produit de
1) λ = β, l = t
te
2) pour chaque 1 ≤ i ≤ t il existe 1 ≤ j ≤ l tel que Ri (X) = Q j (X) et s i = n j .
s n
Proposition 2.14 Soient A(X) = λR1 (X)s1 ...R t t (X) et B(X) = βR1 (X)n1 ...Rl l les décompo-
hti
sition des deux polynômes non constants A(X) et B(X) de K[X], en produit de puissances
Exemple d’application :
k
Pour
Ou
A(X) = (X 2 + 2)(X + 1)(X 2 − X + 2)
½
B(X) = (X 2 + 2)(X − 1)
2) Le p.g.c.d.(A(X), B(X)) = X 2 + 2.
Définition 2.18 Soient P(X) ∈ K[X] et a ∈ K. On dit que a est une racine (ou un zéro) de
L.
Exemples :
Preuve
est une racine de P(X) alors P(a) = c = 0 et donc X − a divise P(X). Inversement, si X − a
divise P(X) et a ∈ K alors P(X) = d (X)(X − a) et P(a) = d (a)(a − a) = 0 de sorte que a est
te
une racine de P(X) dans K.
hti
1) Si P(X) a une racine dans K alors P(X) est réductible dans K[X].
2) Si P(X) est réductible dans K[X] alors P(X) peut ne pas avoir de racine dans K.
En effet, pour 1) il suffit de remarquer que X − a divise P(X) si a est une racine de P(X)
dans K.
Pour 2), le polynôme P(X) = (X 2 + 1)2 n’a pas de racine dans R et X 2 + 1 divise P(X) dans
k
R[X].
Ou
Définition 2.19 Soit a une racine de P(X) dans K. On appelle multiplicité (ou ordre) de
Exemple :
4X 2 +5X −2). Or 1 est aussi une racine de Q(X) = X 3 −4X 2 +5X −2, alors X −1 divise Q(X)
L.
(X − 1)(X 2 − 3X + 2).
une racine de P(X). Donc 1 est une racine de P(X) de multiplicité 3 et 2 est une racine
de P(X) de multiplicité 1.
2.2. FACTORISATION DES POLYNÔMES 43
Vocabulaire
te
Proposition 2.16 Si P(X) ∈ K[X] est de degré n alors le nombre de racines de P(X) dans K
ne dépasse pas n, et si a 1 , ..., a r sont les racines de P(X) dans K de multiplicités respectives
n 1 , ..., n r alors :
hti
1) Il existe Q(X) ∈ K[X] n’ayant pas de racines dans K tel que :
r
(X − a i )ni Q(X).
Q
P(X) =
i =1
2) n 1 + ... + n r ≤ n.
Preuve
1) Si a i est une racine de P(X) de multiplicité n i alors (X −a i )ni divise P(X), et pour j 6= i
k
les polynômes (X − a i )ni et (X − a j )n j sont premiers entre eux. D’où (X − a i )ni (X − a j )n j
divise P(X) et alors Πri=1 (X − a i )ni divise aussi P(X). Donc P(X) = Πri=1 (X − a i )ni Q(X),
Ou
pour un polynôme Q(X) de K[X] n’ayant pas de racines dans K.
2) Si P(X) est de degré n alors l’égalité P(X) = Πri=1 (X − a i )ni Q(X) entraîne que n 1 + ... +
n r ≤ n.
Proposition 2.17 Si P(X) ∈ K[X] n’a pas de racine dans K, alors P(X) est produit de puis-
Définition 2.20 Le k eme polynôme dérivé de P(X) est le polynôme P (k) (X) défini par :
Exemple :
00 0 0 0
Si P(X) = 1 − 2X + X 3 alors P (X) = (P (X)) = (−2 + 3X 2 ) = 6X.
te
Soit P(X) ∈ K n [X]. Pour tout a ∈ K, la formule de Taylor de P(X) en a s’écrit :
0 (2)
P (n) (a)
P(X) = P(a) + P 1!(a) (X − a) + P (a) 2 n
2! (X − a) + ... + n! (X − a) .
Preuve
hti
Proposition 2.19 Soient P(X) ∈ K[X] et a ∈ K. Alors a est une racine de P(X) de multi-
plicité m si et seulement si :
0
P(a) = P (a) = .... = P (m−1) (a) = 0 et P(m) (a) 6= 0.
C[X].
Ou
Théorème 2.5 (Théorème admis) Tout polynôme de C[X] a une racine dans C.
Corollaire 2.2 Les polynômes irréductibles de C[X] sont ceux de degré un.
Preuve
En effet, tout polynôme de degré strictement supérieur à un, admet une racine dans C
L.
et la réductiblité d’un tel polynôme est alors prouvée. L’irréductiblité d’un polynôme
b 2 − 4ac < 0.
te
n
a i X i ∈ R[X] de degré n il existe unique:
P
Pour tout polynôme P(X) =
i =0
1) b 1 , ..., b r ∈ R et n 1 , ..., n r ∈ N
2) R1 (X), ..., R t (X) ∈ R[X] unitaires de degré deux et à discriminant négatif (irréductibles
hti
dans R[X] ) et m 1 , ..., m t ∈ N tels que :
r
h Q t
ih Q i
P(X) = a n (X − b i )ni R j (X)m j .
i =1 j =1
Exercice 1
Calculer le p gcd dans R[X] des polynômes A(X) et B(X) dans chacun des cas suivants :
k
1) A(X) = X 5 + X 4 + X 3 + X 2 + X + 1 et B(X) = X 4 − 1.
Exercice 2
Exercice 3
L.
(X 3 + 1)U(X) + (X 2 + X + 1)V(X) = 1.
Exercice 4
Exercice 5
te
Factoriser les polynômes suivants autant que possible:
1) P(X) = 2X 3 − 3X 2 − 11X + 6
2) P(X) = 3X 3 − 11X 2 − 6X + 8
3) P(X) = 3X 3 + 2X 2 − 7X + 2
hti
4) P(X) = 9X 3 − 6X 2 − 20X − 8
5) P(X) = 4X 4 − 8X 3 − 13X 2 + 2X + 3
k
Ou
L.
C HAPITRE 3
F RACTIONS RATIONNELLES
te
hti
3.1 Définitions et propriétés
Dans toute la suite K[X]∗ désignera l’ensemble des éléments non nuls de K[X].
N(X)
¦ Pour une fraction F(X) = D(X) , le polynôme N(X) (resp. D(X)) est appelé un numéra-
Ou
teur (resp. un dénominateur) de la fraction F(X).
Exemples
F(X) = 2X+1
X2
∈ Q(X) et G(X) = X−i
X ∈ C(X).
M(X)
E(X)
, si dans K[X] on a : N(X)E(X) = M(X)D(X)
0 N(X)
3) =0 4) = 0 ssi N(X) = 0.
A(X) A(X)
47
48 CHAPITRE 3. FRACTIONS RATIONNELLES
Remarques :
P(X) P(X)
1) Pour tout P(X) ∈ K[X], 1
∈ K(X) et on pose 1
= P(X) ce qui entraîne K[X] ⊂ K(X).
2) Si F(X) = N(X)
D(X)
1
∈ K(X)∗ alors F−1 (X) = F(X) D(X)
= N(X) .
1 dans K[X].
te
Exemples :
X+1 1
,
X2 X
et X 3 sont des fractions rationnelles réduites.
hti
Proposition 3.2 Pour toute fraction F(X) ∈ K(X) il existe deux polynômes M(X) et E(X)
M(X)
de K[X] tels que : E(X) est irréductible et F(X) = M(X)
E(X) .
M(X)
E(X) est appelée une forme réduite de F(X).
Preuve
ii) Si T(X) est une forme réduite de F(X), alors ∃ α ∈ K ∗ tel que T(X) = αN(X)
αD(X)
.
Exemples :
X−2 X 2 − 3X + 2
est une forme réduite de 2 .
X−1 X − 2X + 1
L.
3X − 6 X 2 − 3X + 2
est aussi une forme réduite de 2 .
3X − 3 X − 2X + 1
N(X)
Définition 3.4 Soit F(X) = D(X) ∈ K(X). On appelle degré de F(X) l’entier relatif, noté
Exemple :
³ −2 + X 5 ´ ³ 1 + X1 ´
deg = 5 − 2 = 3, deg = 1 − 4 = −3.
3 − X + X2 −7 + X 4
te
Définition 3.5 La fraction somme de F(X) et de G(X) est la fraction, notée F(X) + G(X),
hti
Proposition 3.3 Dans K(X) l’addition satisfait les propriétés suivantes:
N(X)
Définition 3.7 Soient α ∈ K et F(X) = D(X) ∈ K(X). On appelle produit de α par F(X) la
αN(X)
fraction, notée αF(X), égale à D(X) .
α
Remarquons que αF(X) peut s’écrire comme produit des deux fractions 1 et F(X).
Théorème 3.1 Si × désigne la multiplication des fractions rationnelles, alors
Définition 3.8 Soit F(X) une fraction rationnelle de K(X). On appelle pôle de F(X) dans
Exemples :
7X 2 + 1
1) F(X) = a zéro comme unique pôle dans C.
te
iX
X 2 − 3X + 2 X−2
2) −1 est l’unique pôle dans C de la fraction G(X) = . En effet, est
(X + 1)(X − 1) X+1
une forme réduite de G(X).
hti
Définition 3.9 Soit x un pôle de F(X) ∈ K(X). On appelle ordre de x, sa multiplicité
Exemples :
X3 + 1
i) 1 est un pôle d’ordre 2 et 0 est un pôle simple dans R de la fraction .
X 3 − 2X 2 + X
X 2 − 3X + 2
ii) 1 est un pôle simple, dans C, de G(X) = . Car une des formes réduites de
(X − 1)2
X−2
k
G(X) est .
X−1
X+3
iii) 2 n’a pas de pôle dans R.
Ou
X +1
Proposition 3.5 Soit F(X) ∈ K(X). Il existe un unique polynôme E(X) ∈ K[X] et une frac-
Preuve
L.
N(X)
Soit F(X) = D(X) ∈ K(X). La division euclidienne de N(X) par D(X) donne l’existence de
E(X) et R(X) dans K[X] tels que : N(X) = E(X)D(X)+R(X) et deg(R(X)) < d eg (D(X)). D’où
N(X) E(X)D(X)+R(X) R(X) R(X)
F(X) = D(X)
= D(X)
= E(X) + D(X) , et G(X) = D(X)
est bien une fraction de degré
négatif de K(X).
N(X)
Pour l’unicité, supposons que D(X)
= E1 (X) + G1 (X) avec deg(G1 (X)) < 0 et
N(X)
D(X) = E2 (X) + G2 (X) avec deg(G2 (X)) < 0. D’où
3.3. ELÉMENTS SIMPLES DE K(X) 51
0 ≤ d eg (E1 (X) − E2 (X)) = d eg (G2 (X) − G1 (X)) < 0 situation contradictoire. Donc E1 (X) =
te
E2 (X) et l’unicité est assurée, d’après le premier cas.
Le polynôme E(X) donné par la proposition ci-dessus est appelé la partie entière de
hti
la fraction F(X).
Exemple
2
Cherchons la partie entière de la fraction F(X) = X X+1
+X+1
.
1
On a F(X) = X + X+1 , donc la partie entière cherchée est E(X) = X.
k
Définition 3.10 On dit qu’une fraction F(X) ∈ K(X) est un élément simple de K(X) s’il
existe un polynôme irréductible B(X) ∈ K[X] et un polynôme A(X) ∈ K[X] tels que :
1) deg A(X) < deg B(X)
Ou
A(X)
2) F(X) =
B(X)n
A(X)
¦ Un élément simple est dit du r eme espèce si degB(X) = r.
B(X)n
Exemples
Une fraction F(X) de C(X) est un élément simple de C(X) si F(X) a une forme réduite de
a
la forme : pour un n ∈ N∗ , a, b ∈ C∗ et c ∈ C.
(bX + c)n
Les éléments simples de C(X) sont donc de première espèce.
1
¦ G(X) = (X+i )2
est un élément simple de C(X).
52 CHAPITRE 3. FRACTIONS RATIONNELLES
X+1
¦ F(X) = n’est pas simple dans C(X) car dans C[X] le plolynôme X 2 + 1 n’est
(X 2 + 1)3
pas une puissance d’un aX + c.
Une fraction F(X) non nulle de R(X) est un élément simple de R(X) si elle a l’une des
te
a
i) avec a, b ∈ R∗ , c ∈ R et n ∈ N∗ .
(bX + c)n
eX + f
ii) avec a, c ∈ R∗ , b ∈ R tels que b 2 − 4ac < 0 et n ∈ N∗ .
(aX + bX + c)n
2
hti
3 3X X−1
, , .
X−5 X2 + 1 (X 2 + X + 1)3
X−1
¦ car d o (X − 1) = d o (X + 1).
X+1
k
2X + 5
¦ car X 2 − 1 n’est pas une puissance d’un irréductible de R[X].
X2 − 1
Ou
X2 + 2
¦ car d o (X 2 + 2) = d o (X 2 − X + 1).
(X 2 − X + 1)4
Proposition 3.6 Soit F(X) ∈ C(X) une fraction réduite de degré strictement négatif ayant
α comme pôle d’ordre r. Alors il existe r éléments uniques a 1 , a 2 ...a r ∈ C et il existe une
L.
fraction unique G(X) de degré strictement négatif de pôles ceux de F(X) autres que α, tels
que :
a1 a2 ar
F(X) = + + ... + + G(X).
X − α (X − α) 2 (X − α)r
a1 a2 ar
• + + ... + est appelée la partie principale associée au pôle α.
X − α (X − α) 2 (X − α)r
Preuve
3.4. DÉCOMPOSITION D’UNE FRACTION DANS C(X) ET DANS R(X) 53
N(X)
Soient F(X) = et notons par a r +a r −1 X+...+a 1 X r −1 (resp. E(X)) le quotient
(X − α)r D(X)
(resp. le reste) de la division suivant les puissances croissantes de N(X +α) par D(X +α)
à l’ordre r − 1. Alors
N(X + α) a1 a2 ar E(X)
F(X + α) = = + + ... + + .
X r D(X + α) X X2 X r D(X + α)
Donc
te
N(X) a1 a2 ar
F(X) = = + + ... + + G(X)
(X − α) D(X) X − α (X − α)
r 2 (X − α)r
E(X−α)
avec G(X) = D(X) et le degré de G(X) est strictement négatif, du fait que d eg (F(X)) est
strictement négatif : d eg (D(X)) + r > d eg (N(X)) ≥ r + d eg (E(X)). D’autre part les pôles
hti
de G(X) sont les pôles de D(X), donc les pôles de G(X) sont ceux de F(X) autres que α.
De plus si λ est un pôle de G(X) alors son ordre est le même que son ordre comme pôle
de F(X).
Pour l’unicité, supposons qu’il existe unique r autres éléments b 1 , ..., b r ∈ C et une frac-
tion H(X) de degré strictement négatif de pôles ceux de F(X) autres que α, tels que :
k
a1 a2 ar
F(X) = + + ... + + G(X)
X − α (X − α)2 (X − α)r
Ou
b1 b2 br
= + + ... + + H(X)
X − α (X − α)2 (X − α)r
alors
a1 − b1 a2 − b2 ar − br
+ + ... + = H(X) − G(X)
X−α (X − α)2 (X − α)r
Comme la fraction du deuxième membre de cette égalité n’a pas α comme pôle, alors
a1 − b1 a2 − b2 ar − br
+ + ... + = 0 et H(X) − G(X) = 0. Par conséquent
X−α (X − α) 2 (X − α)r
L.
a1 a2 ar b1 b2 br
+ + ... + = + + ... +
X − α (X − α)2 (X − α)r X − α (X − α) 2 (X − α)r
et G(X) = H(X).
Remarque
R et G(X) ∈ R(X).
54 CHAPITRE 3. FRACTIONS RATIONNELLES
N(X)
Proposition 3.7 Soient F(X) ∈ C(X) et D(X) une forme réduite de F(X) avec d o F(X) < 0.
Si α1 , ..., αr sont les pôles de F(X) d’ordre respectifs n 1 , n 2 ...n r , alors pour tout 1 ≤ i ≤ r il
³ a
11 a 1n1 ´ ³ a
r1 ar nr ´
F(X) = + ... + + ... + + ... + .
X − α1 (X − α1 )n1 X − αr (X − αr )nr
P(X)
Proposition 3.8 Soient F(X) ∈ R(X) et une forme réduite de F(X) avec d o F(X) < 0. Si
te
Q(X)
r s
(X − αi )ni (c j X 2 + d j X + e j )m j
Y Y
Q(X) =
i =1 j =1
hti
R[X], alors :
- ∀ 1 ≤ k ≤ s il existe m k couples de réels : (αk1 , βk1 ), ..., (αkmk , βkmk ) tels que
X r ³ a
j1 ajnj ´ X s ³ αi 1 X + βi 1 αi mi X + βi mi ´
F(X) = + ... + + + ... + .
j =1 X − α j (X − α j )n j 2
i =1 c i X + d i X + e i (c i X 2 + d i X + e i )mi
Vocabulaires :
k
aj1 ajnj
Ou
• + ... + est appelée la partie principale associée au pôle α j .
X − αj (X − α j )n j
αi 1 X + βi 1 αi mi X + βi mi
• + ... + est la partie principale associée à
2
ci X + di X + e i (c i X 2 + d i X + e i )mi
ci X2 + di X + e i .
Exemple.
L.
1
F(X) =
(X − 1)2 (X 2 + X + 1)3 (X 2 − X + 1)2
Soit F(X) une forme réduite de degré strictement négatif. Si α est un pôle de F(X)
te
pas E(X).
N(X)
Proposition 3.9 Soit F(X) = une fraction réduite de degré strictement né-
(X − α)r E(X)
gatif telle que X − α ne divise pas E(X). La partie principale associée à α est
hti
b1 b2 br
+ + ... +
X − α (X − α)2 (X − α)r
Exemple
k
−6i X 3 + 8X 2 + 3i X + 1
Décomposer en éléments simples F(X) = .
X(X + i )3
Ou
0 est un pôle simple de F(X) et −i est un pôle d’ordre 3 de F(X).
N(X) = 1 + 3i X + 8X 2 − 6i X 3 et E(X) = (X + i )3 = −i − 3X + 3i X 2 + X 3 .
1 + 3i X + 8X 2 − 6i X 3 −i − 3X + 3i X 2 + X 3
−
1 − 3i X − 3X 2 + i X 3 i
6i X + 11X 2 − 7i X 3
i
Donc est la partie principale associée à 0.
L.
2 + 5i X − 10X 2 − 6i X 3 −i + X
2i − 3X − 7i X 2
R(X) = i X 3
56 CHAPITRE 3. FRACTIONS RATIONNELLES
2i −3 −7i
3
+ 2
+ .
(X + i ) (X + i ) X+i
En conclusion :
i 2i −3 −7i
F(X) = + 3
+ 2
+
te
X (X + i ) (X + i ) X+i
N(X)
hti
Soit F(X) = une fraction rationnelle de degré srtictement négatif ayant α
(X − α)r E(X)
comme pôle d’ordre r. Il existe alors d’une manière unique r éléments a 1 , ..., a r ∈ K et
a1 a2 ar R(X)
F(X) = + + ... + + (∗)
X − α (X − α) 2 (X − α)r E(X)
k
La méthode de dérivation est à conseiller pour le calcul de a r et de a r −1 et en particulier
D’où
N(α) ³ N(X) ´(0)
ar = = (α).
E(α) E(X)
En dérivant (∗∗) on obtient
a r −1 = = (α)
E2 (α) E(X)
Exemple
X4 + 2
Dévelloper en éléments simples la fraction rationnelle F(X) = ?
X(X 2 − 1)2
a
i) 0 est un pôle simple de F(X), sa partie principale est alors de la forme X
avec a =
³ 4 ´
X +2
(X 2 −1)2
(0) = 2.
3.5. CALCUL DES PARTIES PRINCIPALES 57
b1 b2
ii) 1 est un pôle d’ordre 2, donc sa partie principale est de la forme +
X − 1 (X − 1)2
où
³ X4 + 2 ´ 3 ³ X 4 + 2 ´0 −1
br = b2 = 2
(1) = et b r −1 = b 1 = 2
(1) =
X(X + 1) 4 X(X + 1) 2
c1 c2
iii) −1 est un pôle d’ordre 2, donc sa partie principale est de la forme +
X + 1 (X + 1)2
avec
te
³ X4 + 2 ´ −3 ³ X 4 + 2 ´0 −1
cr = c2 = 2
(−1) = et c r −1 = c 1 = 2
(−1) =
X(X − 1) 4 X(X − 1) 2
hti
X4 + 2 2 −1 3 −1 −3
2 2
= + + 2
+ + .
X(X − 1) X 2(X − 1) 4(X − 1) 2(X + 1) 4(X + 1)2
Proposition 3.10 Si F(X) est paire (resp. impaire) alors les pôles de F(X) sont opposés
Ou
a1 ar
deux à deux. De plus si + ... + est la partie principale associée à α, alors
X−α (X − α)r
−a 1 a2 (−1)r a r
¦ la partie principale associée à −α est + + ... + si F(X) est paire.
X + α (X + α)2 (X + α)r
a1 −a 2 (−1)r +1 a r
¦ la partie principale associée à −α est + + ... + si F(X) est im-
X + α (X + α)2 (X + α)r
paire.
L.
Exemple
1
Décomposer en éléments simples de R(X) la fraction F(X) = .
(X 2 − 1)2 X
1
F(X) est impaire, comme F(X) = , alors 1 et −1 sont des pôles opposés
(X − 1)2 (X + 1)2 X
d’ordre deux de F(X) et 0 est un pôle simple de F(X).
N(X)
F(X) = avec N(X) = 1 et E(X) = (X + 1)2 X.
(X − 1)2 E(X)
Comme le quotient de la division suivant les puissances croissantes à l’ordre 1 de N(X+
1) = 1 par E(X + 1) = (X + 2)2 (X + 1) est 14 − X2 , il s’en suit que la partie principale associé
−1 1
à 1 est + .
2(X − 1) 4(X − 1)2
te
∗ Calcul de la partie principale associée au pôle −1
Compte tenu du fait que F(X) est impaire, la proposition précédente montre que la
−1 −1
hti
partie principale associée au pôle −1 est + .
2(X + 1) 4(X + 1)2
N(X)
F(X) = avec N(X) = 1 et E(X) = (X 2 − 1)2 .
XE(X)
La division suivant les puissances croissantes à l’ordre 1 de N(X) par E(X) entraîne
k
que 1 = 1 × (X 2 − 1)2 + X(2X 2 − X 3 ).
1
Donc la partie principale associée au pôle 0 est .
Ou
X
D’où le développement de F(X) est
1 −1 1 −1 −1
F(X) = + + 2
+ + .
X 2(X − 1) 4(X − 1) 2(X + 1) 4(X + 1)2
Exercice 1
X 2 + 3X + 5
∗ F1 (X) =
X2 + X − 2
X4 + 1
∗ F2 (X) =
(X + 1)(X + 2)
X3
∗ F3 (X) = .
(X 2 + 1)(X 2 + X + 1)
3.5. CALCUL DES PARTIES PRINCIPALES 59
Exercice 2
X+i
∗ F1 (X) =
X2 + i
te
X
∗ F2 (X) =
(X + i )2
X5 + X + 1
∗ F3 (X) = .
X4 − 1
hti
Exercice 3
Exercice 5
Exercice 6
L.
1 1
F(X) = =
R(X) (X − α)2 Q(X)
avec Q(α) 6= 0.
Exercice 7
te
F(X) =
X(X − 1)(X − 2)2
hti
Exercice 8
(3 − 2i )X − 5 + 3i
∗ F1 (X) =
X2 + i X + 2
k
X+5
∗ F2 (X) =
X 2 − 2i
Ou
1−X
∗ F3 (X) = .
(X + i )2
L.
C HAPITRE 4
te
4.1 Calcul matriciel
hti
4.1.1 Définitions et notations
Définition 4.1 On appelle matrice de type (m, n) à coefficients dans K, un tableau d’éléments
k
de K ayant m lignes et n colonnes.
Ou
Exemples
:
−i 3 5
3 7 0
1) p est une matrice de type (4, 3) à coefficients dans C.
7 i 2
0 0 1
1 −1 0
2) 2 5 3 est une matrice de type (3, 3) à coefficients dans R.
−1 1 0
Notations et vocabulaires
L.
¦ L’ ensemble des matrices de type (m, n) à coefficients dans K est noté M(m,n) (K).
¦ Une matrice de type (n, n) est dite aussi une matrice carrée d’ordre n.
¦ L’ensemble des matrices carrées d’ordre n à coefficients dans K est noté Mn (K).
¦ Une matrice est désignée par une lettre majuscule : A, B, C...., M, ...
61
62 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
te
¦ La matrice à m lignes et n colonnes dont tous les coefficients sont nuls est notée
hti
O(m,n) = . . . . . . m lignes est la matrice nulle de M(m,n) (K).
. . . . . .
0 . . . . 0
| {z }
n colonnes
¦ La matrice
carrée I n d’ordre
n définie par : a i i = 1 et a i j = 0 pour i 6= j , i.e.
1 0 . . . 0
0 1 0 . . 0
. . . . . .
In =
. . . . . .
k n lignes est appelée la matrice identité d’ordre n.
0 . . . 1 0
0 . . . 0 1
Ou
| {z }
n colonnes
¦ Une matrice carrée d’ordre n est dite triangulaire supérieure si a i j = 0 pour j < i .
∗ . . . . ∗
0 ∗ . . . .
. . . . . .
Une telle matrice est de la forme suivante : n lignes
. . . . . .
. . . . . .
0 . . . 0 ∗
| {z }
n colonnes
L.
¦ Une matrice carrée d’ordre n est dite triangulaire inférieure si a i j = 0 pour i < j .
∗ 0 . . . 0
. ∗ 0 . . 0
. . . . . .
Une telle matrice est de la forme : . . . . . . n lignes
. . . . . .
. . . . . 0
∗∗ . . . . ∗
| {z }
n colonnes
4.1. CALCUL MATRICIEL 63
a 11 0 . . . 0
0 a 22 0 . . .
te
. 0 . . . .
A= n lignes
. . . . 0 .
. . . 0 . 0
0 . . . 0 a nn
| {z }
n colonnes
hti
On écrit aussi A = d i ag (a 11 , a 22 , ..., a nn ).
1 ≤ i , j ≤ n.
k
¦ Une matrice carrée A = (a i j ) d’ordre n est dite antisymétrique si a i j = −a j i pour
Ou
tout 1 ≤ i , j ≤ n.
Exemples :
p
2 2 3
p
∗ 2 i −1 est symétrique.
3 −1 7
L.
p
0 5 7 i
p p
− 5 0 2 − 3
∗ est antisymétrique.
−7 −2 0 0
p
−i 3 0 0
1 0 3
∗ 0 6 7 n’est ni symétrique ni antisymétrique.
3 −1 4
64 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
Définition 4.2 Soient M = (a i j ) et N = (b i j ) deux matrices de type (m, n). Alors M+N est
te
a 11 a 12 . . . a 1n b 11 b 12 . . . b 1n a 11 + b 11 a 12 + b 12 . . . a 1n + b 1n
a
21 a 22 . a 2n
21 b 22
. . a . . . b 2n a +b a 22 + b 22 . . . a 2n + b 2n
21 21
. . . . . . + . . . . . . = . . . . . . .
. . . . . . . . . . . . . . . . . .
hti
a m1 a m2 . . . a mn b m1 b m2 . . . b mn a m1 + b m1 a m2 + b m2 . . . a mn + b mn
Exemples :
i −1 2 0 3 1 i +0 −1 + 3 2 + 1 i 2 3
5 0 3
−1 5 i 5 + (−1) 0 + 5
3+i 4 5 3+i
1)
+ p = p =
p .
4 −2 1 0 3 2 4+0 −2 + 3 1 + 2 4 1 1+ 2
0 1 0 2
k 4 7 0+2 1+4 0+7 2 5 7
1 −3 2 µ ¶
1 2
Ou
2) 9 5 6 + n’est pas définie car les deux matrices ne sont pas de même
5 7
0 7 1
type.
Exercice 1
Calculer
2 1 −1 −2 −1 1
5 1 4
1 0 0
5 3 7 −5 −3 −7
+ et 0 1 0 + p3 7 0
3 2 −5 −3 −2 5
0 0 1 2 6 3
−i 4 1 i −4 −1
4.1. CALCUL MATRICIEL 65
αa 11 αa 12 . αa 1n
a 11 a 12 . . . a 1n . .
a
21 a 22 . . . a 2n αa 21 αa 22
. . . αa 2n
. . . . . . = . . . . . . .
te
. . . . . . . . . . . .
a m1 a m2 . . . a mn αa m1 αa m2 . . . αa mn
Exemple :
−1 2 3 4 × (−1) 4 × 2 4×3 −4 8 12
hti
p p p
4 p1 i 2 = 4×1 4×i 4× 2 = 4 4i 4 2
p p
3 −5 7 4 × 3 4(−5) 4 × 7 4 3 −20 28
2) (α + β)M = αM + βM.
Ou
3) α(M + N) = αM + αN.
4) 0M = O(m,n) .
5) 1.M = M.
β1
.
Soient L = (α1 , ..., αm ) ∈ M(1,m) (K) et C = . ∈ M(m,1) (K).
.
βm m
Le produit de C par L est le scalaire LC = α1 β1 + α2 β2 + ... + αm βm = αi βi .
P
i =1
Remarque.
∗ Une matrice ayant une seule ligne (de type (1, m)) est appelée une matrice uniligne.
66 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
∗ Une matrice ayant une seule colonne (de type (n, 1)) est appelée une matrice uni-
colonne.
Exemples
−1
p p p
1) (2, 1, 3) 2 = 2 × (−1) + 1 × 2 + 3 × (−5) = 2 − 17.
−5
te
2
3
2) (1, 1, 1, 1) = 6.
−5
6
hti
Le produit de N par M est la matrice MN = (γi j ) ∈ M(m,n) (K) telle que
β1 j
. s
γi j = Li C j = (αi 1 , ..., αi s ) . = αi k βk j .
P
. k=1
βs j
Exemples.
µ ¶ 1 −1 2 µ ¶
2 −1 0 −1 −3 4
1) 3
k
1 0 = .
1 3 4 6 2 6
−1 0 1
Ou
1 ¡ ¢ −1 5 7
2) 2 −1 5 7 = −2 10 14 .
3 −3 15 21
Remarque.
Soit A une matrice de type (m, n) et B une matrice de type (r, p), alors le produit AB
1) (MN)S = M(NS).
2) S(M + N) = SM + SN.
3) (M + N)S = MS + NS.
4) MIn = In M = M.
Pour vu que les produits qui figurent dans les expressions soient définies.
4.1. CALCUL MATRICIEL 67
Exercice 2
µ ¶
1 1
Considérons la matrice A = .
−2 1
1) Déterminer toutes les matrices M ∈ M2 (R) vérifiant MA = AM.
te
Définition 4.5 Une matrice carrée M ∈ Mn (K) sera dite inversible s’il existe une matrice
hti
Exercice 3
1 0 0 0 1 0 0 1 0 1 0 0
1) Calculer 0 0 0 0 0 0 et 0 0 0 0 0 0 .
0 0 0 0 0 0
k 0 0 0 0 0 0
a 0 0 a 11 a 12 a 13 a 11 a 12 a 13 a 0 0
2) Calculer 0 a 0 a 21 a 22 a 23 et a 21 a 22 a 23 0 a 0
0 0 a a 31 a 32 a 33 a 31 a 32 a 33 0 0 a
Ou
où a ∈ R et a i j ∈ R pour tout 1 ≤ i , j ≤ 3.
0 0 2 1 −1 2 1 −1 2 0 0 2
3) Calculer 0 2 0 3 1 0 et 3 1 0 0 2 0 .
2 0 0 −1 0 1 −1 0 1 2 0 0
Proposition 4.4 (Mn (K), +, ×) est un anneau unitaire non commutatif et non intègre.
68 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
Principales différences entre la multiplication des matrices et la multiplication des nombres réels
te
En général AB 6= BA.
µ ¶µ ¶ µ ¶
1 2 2 2 8 4
=
4 1 3 1 11 9
mais
hti
µ ¶µ ¶ µ ¶
2 2 1 2 10 6
=
3 1 4 1 7 7
1 1 −3 3 −1 1
et
µ ¶µ ¶ µ ¶
1 1 3 0 4 3
=
2 2 1 3 8 6
=
0 −1 0 −1 0 1
µ ¶ µ ¶
1 0 1 0
mais 6= I et 6= −I.
0 −1 0 −1
(A − B)(A + B) = A2 − B2 ⇐⇒ AB = BA
te
4.1.3 Transposée d’une matrice
Définition 4.6 La transposée d’une matrice M = (αi j ) ∈ M(m,n) (K) est la matrice t M =
(βi j ) ∈ M(m,n) (K) avec βi j = α j i (les lignes de t M sont les colonnes de M).
hti
Exemples p
µ ¶ 4 5
4 3 1 t
1) Soit M = p ∈ M(2,3) (R). Alors M = 3
2 ∈ M(3,2) (R).
5 2 7
1 7
1
t
2)
¡
1 −1 2
¢
= −1 .
k
2
1) t (M + N) = t M + t N.
2) t (λM) = λ t M
3) t (MN) = t N t M.
5) t (t M) = M.
L.
Preuve
3) Soient M = (αi j ) ∈ M(m,n) (K), N = (βi j ) ∈ M(n,p) (K) et MN = (γi j ) ∈ M(m,p) (K). On pose
t
M = (α0i j ), t N = (β0i j ) et t (MN) = (γ0i j ). Si t N t M = (γ00i j ), alors
n n
γ0i j = γ j i = α j k βki = β0i k α0k j = γ00i j pour tout 1 ≤ i ≤ p et tout 1 ≤ j ≤ m
X X
k=1 k=1
70 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
D’où t (MN) = t N t M.
t
4) Si M est inversible, alors MM−1 = In = M−1 M. Par suite, (M−1 ) t M = t
In = In =
t
M t (M−1 ). Il en résulte que t M est inversible et (t M)−1 = t (M−1 ).
Définition 4.7 Une opération élémentaire-lignes de M(m,n) (K) est l’une des applications
te
Li j , Li j (α), Lk (β) définies de M(m,n) (K) dans M(m,n) (K) par:
(Li ←→ L j ).
hti
(Li −→ Li + αL j ).
Exemples.
1 −1 2 0 1 3 1 −1 2
k
Soit A = 1 1 1 , on a L13 (A) = 1 1 1 , L21 (−3)(A) = −2 4 −5 .
0 1 3 1 −1 2 0 1 3
Notation.
Ou
1) Si B est l’image de A par une opération élémentaire L, on écrit A ∼L B.
Définition 4.8 Deux matrices A et B sont dites équivalentes si l’une est la transformée
Définition 4.9 La matrice A est dite échelonnée-lignes (e.l) si elle vérifie les deux condi-
tions suivantes :
4.1. CALCUL MATRICIEL 71
Exemples.
1 0 2 7 0
te
0 −1 3 4 1
A= est échelonnée-lignes.
0 0 0 1 2
0 0 0 0 0
1 0 −1 1 0
0 2 0 8 0
B= n’est pas échelonnée-lignes.
0 1 7 1 0
hti
0 0 0 2 2
Définition 4.10 Soit A une matrice échelonnée-lignes. Le pivot d’une ligne non nulle L
Définition 4.11 Une matrice A ∈ M(m,n) (K) est dite échelonnée-lignes réduite (e.l.r) si
L.
1) A est échelonnée-lignes.
Exemple.
1 0 −1
A1 = 0 1 2 est e.l.r
0 0 0
72 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
1 0 1
0 3 5
A2 = est e.l mais non e.l.r
0 0 0
0 0 0
te
équivalente à A.
Proposition 4.6 Toute matrice non nulle admet une forme échelonnée-lignes et une
Exemple.
k
1 0
0 −1
41
1
0
hti
Définition 4.13 Le rang d’une matrice A, est l’entier naturel noté r g (A), égal au nombre
Définition 4.14 Une équation linéaire à p inconnues x 1 , ..., x p est une équation définie
Résoudre l’équation (1) c’est déterminer l’ensemble de tous les p-uplets (α1 , ..., αp ) ∈
te
Définition 4.15 Un système de n équations linéaires à p inconnues à coefficients dans
hti
.
.
(S) a i 1 x 1 + a i 2 x 2 + ... + a i p x p = b i (i )
.
.
.
a n1 x 1 + a n2 x 2 + ... + a np x p = b n (n)
où a i j , b i ∈ K.
Exemples
1) Le système
2x + 3y − 4z = 7
−x − 5y + 10z = 0
3x + 2y − z = 4
74 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
te
3 2 −1 4
2) Le système
½
5x + y − z = 20
hti
−x + 7y − 13z = 11
est équivalent à
µ ¶ x µ ¶
5 1 −1 y = 20
−1 7 −13 11
z
et la matrice augmentée de ce système est
µ ¶
5 1 −1 20
.
k −1 7 −13 11
Ou
Définition 4.16 Deux systèmes linéaires seront dits équivalents s’ils ont le même en-
semble de solutions.
Considérons le système
a 11 x 1 + a 12 x 2 + ... + a 1p x p = b 1 (L1 )
a 21 x 1 + a 22 x 2 + ... + a 2p x p = b 2 (L2 )
.
(S)
.
.
a n1 x 1 + a n2 x 2 + ... + a np x p = b n (Ln )
te
On peut supposer que a 11 6= 0 (a 11 est le pivot). En effet, si a 11 = 0 et a i 1 6= 0 (1 ≤ i ≤ n)
hti
Etape 1.
Cette étape consiste à éliminer l’inconnue x 1 dans les équations (lignes) L2 , L3 , ...., Ln
a 21 a 31 a n1
L2 −→ L2 − L1 , L3 −→ L3 − L1 . . . , Ln −→ Ln − L1
k a 11 a 11 a 11
Etape 2.
x p = b 20 (L02 = L2 − aa21
0 0
a 22 x 2 + ... + a 2p 11
L1 )
a 31
0 0 0 0
a 32 x 2 + ... + a 3p x p = b 3 (L3 = L3 − a11 L1 )
.
.
.
x p = b n0 (L0n = Ln − aan1
0 0
a n2 x 2 + ... + a np 11
L1 )
c’est à dire éliminer l’inconnue x 2 dans les équations (lignes) L03 , L04 , ...., L0n . On peut
0
supposer que a 22 6= 0 (sinon, L02 ←→ L0i où a i0 2 6= 0 avec 3 ≤ i ≤ n). En effectue les
76 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
transformations suivantes
0 0 0
a 32 a 42 a n2
L03 −→ L03 − 0 L02 , L04 −→ L04 − 0 L02 , ..., L0n −→ L0n − 0 L02
a 22 a 22 a 22
et après on itère le procédé.
Exemples
te
1) Considérons le système
y 2t
− + = −1
2x + 5y + 3z + t = −3
4x + 11y + 7z + 2t = −5
6x + 17y + 10z − 4t = 1
hti
La matricelle augmentée est
0 −1 0 2 −1
2 5 3 1 −3
4 11 7 2 −5
6 17 10 −4 1
Etape 1
L1 ←→ L2
k
2 5 3 1 −3
0 −1 0 2 −1
4 11 7 2 −5
6 17 10 −4 1
Ou
L3 −→ L3 − 2L1 , L4 −→ L4 − 3L1
2 5 3 1 −3
0 −1 0 2 −1
0 1 1 0 1
0 2 1 −7 10
Etape 2
L3 −→ L3 + L2 , L4 −→ L4 + 2L2
2 5 3 1 −3
L.
0 −1 0 2 −1
0 0 1 2 0
0 0 1 −3 8
Etape 3
L4 −→ L4 − L3
2 5 3 1 −3
0 −1 0 2 −1
0 0 1 2 0
0 0 0 −5 8
4.2. RÉSOLUTION DES SYSTÈMES LINÉAIRES 77
te
z
= 16
5
= − 58
t
2) Considérons le système
x + y z 1
+ =
hti
x + 5y + 5z = 5
2x + 5y + 5z = 5
− y − z = m
où m est un paramètre réel.
L2 −→ 41 L2 , L3 −→ 31 L3
1 1 1 1
L.
0 1 1 1
0 1 1 1
0 −1 −1 m
Etape 3
L3 −→ L3 − L2 , L4 −→ L4 + L2
1 1 1 1
0 1 1 1
0 0 0 0
0 0 0 m +1
78 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
∗ Si m = −1 alors
½
x = 0
te
y = 1−z
n o
(0, 1 − z, z)| z ∈ R .
hti
3) Considérons le système
5x 5y 4z
+ + = −5
x + y − z = 1
2x − 3y + 2z = m
3x − 2y + z = 2
k
où m est un paramètre réel.
On commence par L1 −→ L2 pour que le premier pivot soit 1 pour faciliter les calculs
3 −2 1 2
Etape 1
Etape 2
Etape 3
te
L2 −→ L3 on obtient
1 1 −1 1
0 −5 4 −1
0 0 9 −10
0 −5 4 m − 2
hti
Etape 4
L4 −→ L4 − L2
1 1 −1 1
0 −5 4 −1
0 0 9 −10
0 0 0 m −1
D’où (S) est équivalent au système
k
x + y − z 1
=
− 5y + 4z = −1
Ou
9z = −10
0 = m −1
conséquence de quoi
L.
26
x = 45
31
y = − 45
z = − 10
9
de sorte que l’ensemble des solutions est
½µ ¶¾
26 31 10
,− ,− .
45 45 9
80 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
Cas général.
Pour résoudre un système (S) de m q́uations à n inconnues
a 11 x 1 + a 12 x 2 + ... + a 1n x n = b 1
.
.
.
a i 1 x 1 + a i 2 x 2 + ... + a i n x n = b i
.
te
.
.
a m1 x 1 + a m2 x 2 + ... + a mn x n = b m
par la méthode de Gauss:
hti
(augmentée) ES associée à S. rg(ES ) = r =nombre de lignes non nulles de US .
On a 3 cas possibles.
Premier cas.
Exemple.
x + y + z = 1
2x + y + 3z = 0
y − 2z = 4
5x + y − z = 3
On a m = 4 et n = 3. De plus
L.
1 1 1 1 1 1 1 1
2 1 3 0 0 1 −1 2
ES = , US =
0 1 −2 4 0 0 1 −2
5 1 −1 3 0 0 0 7
Deuxième cas.
4.2. RÉSOLUTION DES SYSTÈMES LINÉAIRES 81
Aucun pivot n’est sur la dernière colonne de US et rg(ES ) = n (le nombre d’inconnues
Exemple.
x + y + z = 1
te
2x + y + 3z = 0
y − 2z = 4
x + 2z = −1
On a m = 4 et n = 3. De plus
1 1 1 1 1 1 1 1
hti
2 1 3 0 0 1 −1 2
ES = , US =
0 1 −2 4 0 0 1 −2
1 0 2 −1 0 0 0 0
¦ Une inconnue x i est dite secondaire (ou non principale) si la ieme colonne de US n’est
L.
pas a pivot.
arbitraires.
82 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
Exemple.
Considérons le système
x1 + 2x 2 + x4 − x5 1
=
x1 + 3x 2 + 2x 3 + x 4 = 3
2x 2 + 4x 3 + 3x 5 = 7
−x 1 − 2x 2 − x 4 + 2x 5 = 2
On a m = 4 et n = 5. De plus
te
1 2 0 1 −1 1 1 2 0 1 −1 1
1 3 2 1 0 3 0 1 2 0 1 2
ES = , US =
0 2 4 0 3 7 0 0 0 0 1 3
−1 −2 0 −1 2 2 0 0 0 0 0 0
Aucun pivot de US n’est sur sa dernière colonne et rg(ES ) = 3 < 5, donc le système (S) a
hti
une infinité de soultions.
D’où
Ou
n o
S = (4x 3 − x 4 + 6, −2x 3 − 1, x 3 , x 4 , 3)|x 3 , x 4 ∈ R .
Soit A ∈ Mn (K) une matrice carrée inversible. La méthode de Gauss pour calculer A−1
L.
µ ¯ ´
consiste à faire des opérations élémentaires sur les lignes du tableau A¯In jusqu’à
¯
µ ¯ ´
obtenir le tableau In ¯B et alors B = A−1 .
¯
Exemple
1 2 1
Calculer l’inverse de la matrice A = 4 0 −1 .
−1 2 2
4.2. RÉSOLUTION DES SYSTÈMES LINÉAIRES 83
L2 −→ L2 − 4L1 , L3 −→ L3 + L1
1 2 1 1 0 0
0 −8 −5 −4 1 0
te
0 4 3 1 0 1
L2 −→ L2 × −1
8
1 2 1 1 0 0
0 1 5 1 −1
0
8 2 8
hti
0 4 3 1 0 1
L3 −→ L3 − 4L2
1 2 1 1 0 0
5 1 −1
0 1 0
8 2 8
1 1
0 0 2 −1 2 1
L3 −→ L3 × 2
1 2 1 1 0 0
k 0 1 5 1
8 2
−1
8 0
0 0 1 −2 1 2
L2 −→ L2 − 58 L3
Ou
1 2 1 1 0 0
0 1 0 7 −3 −5
4 4 4
0 0 1 −2 1 2
L1 −→ L1 − 2L2 − L3 −1 1 1
1 0 0 2 2 2
7 −3 −5
0 1 0
4 4 4
0 0 1 −2 1 2
Conséquence de quoi
−1 1 1
2 2 2
L.
7
A−1 = −3 −5
.
4 4 4
−2 1 2
Remarque. Si une matrice carrée A est inversible alors le système AX = Y admet une
1 2 1
Application. Déterminer l’inverse de la matrice A = 4 0 −1 .
−1 2 2
84 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
x a
On va résoudre le système AX = Y où X = y et Y = b ce qui donne
z c
x + 2y + z = a
4x − z = b
−x + 2y + 2z = c
te
−1 1 1
x = 2 a + 2b + 2c
y = 47 a − 43 b − 54 c
z = −2a + b + 2c
hti
−1 1 1
x 2 2 2 a
74
y = −3 −5
b .
4 4
z −2 1 2 c
Par conséquent −1 1 1
2 2 2
7
A−1 = −3 −5
.
4 4 4
k −2 1 2
Ou
L.
4.2. RÉSOLUTION DES SYSTÈMES LINÉAIRES 85
Exercices
Exercice 1
µ ¶ µ ¶
1 0 −2 −3 1 1
Soit A = et B = .
4 1 0 2 0 −3
1) Calculer A + 2B, 3A − B.
te
3) Trouver X, Y ∈ M(2,3) (R) tels que :
½
X + 2Y = A
2X + Y = B
Exercice 2
hti
Soit A, B ∈ Mm (R) des matrices carrées qui commutent, c’est-à-dire AB = BA.
1) Montrer que
Exercice 3
µ ¶ µ ¶
0 1 2 1
Soit J = et A = .
0 0 0 2
1) Calculer J2 et Jn pour tout entier n ≥ 2.
L.
Exercice 4
te
1 1 0 2
1 2 2 2 2 1
−1 1 4 2
A = 3 3 4 , B = 1 0 3 , C = .
1 0 2 1
2 1 3 4 −2 3
0 0 1 5
hti
Exercice 5
x − y + z = m
(S 1 ) x + m y − z = 1
x − y − z = 1
k
2x − y + 2z = m
(S 2 ) 3x − m y − z = −m
x + 2y − z
= −1
Ou
mx + y + z = 1
(S 3 ) x + my + z = m
x + y + mz = m 2
x − y − z 1
=
2x + y − 3z = 0
(S 4 )
y + 2z = 3
x + y − z = 5
L.
mx + 2y + u − v 1
=
x + m y + 2z + u = m
(S 5 )
2y + mz + 3v = m +1
x + y − u + v = 1
Exercice 6
1 1 1 1 1 1 1 2 3 0 3 2
A1 = 2 −1 1 , A2 = 2 3 4 , A3 = 0 4 5 , A4 = 1 −6 6 .
−1 2 −1 4 7 10 0 0 6 5 9 1
te
1 2 1 1 1 0 1 1
1 1 0 1 1 2
0 1 −1 1 2 0 −1 1
A5 = 0 1 1 , A6 = 1 2 1 , A7 = , A8 =
0 0 2 1 −1 0 2 −1
1 0 1 2 1 1
0 0 0 1 2 1 −1 1
k hti
Ou
L.
C HAPITRE 5
te
LINÉAIRES
hti
5.1.1 Définitions et notations
Soit K est un corps commutatif et soit E un ensemble muni d’une loi de composition
interne + et d’une loi de composition externe . K × E −→ E.
Définition 5.1 On dit que (E, +, .) est un espace vectoriel sur K ou encore (E, +, .) est un
K-espace vectoriel si :
k
1) (E, +) est un groupe abélien c’est-à-dire:
Ou
i ) ∀ (x, y, z) ∈ E3 : x + (y + z) = (x + y) + z (+ est associative)
iv) ∀x ∈ E : 1.x = x.
Exemples
2) (R2 , +, .) est un R-e.v où la loi externe "." est définie par : r.(x, y) = (r x, r y) ∀ r, x, y ∈ R.
3) (R×{0}, +, .) est un R-e.v où la loi externe "." est définie par : r.(x, 0) = (r x, 0) ∀ r, x ∈ R.
88
5.1. ESPACES VECTORIELS 89
µ ¶ µ ¶
a b ra rb
4) (M2 (R), +, .) est un R-e.v où la loi externe "." est définie par : r. = .
c d rc rd
5) Si K est un corps alors (K[X], +, .) est un K-espace vectoriel où "k.P(X)" désigne la
Vocabulaires et conventions
¦ Quand les lois + et . de E sont connues sans risque de confusion, on dira simplement
te
que E est un e.v (ou encore un K-e.v).
¦ Les éléments de E sont appelés les vecteurs de l’espace vectoriel (E, +, .).
¦ Les éléments de K sont appelés les scalaires de l’espace vectoriel (E, +, .).
hti
¦ La loi interne dans E est notée + est appelée l’addition des vecteurs.
¦ La loi . est dite la multiplication par un scalaire de K et α.x est souvent noté αx.
3) ∀x ∈ H, ∀α ∈ K : α.x ∈ H
L.
Exemples
n o
¦ H = (x, x)|x ∈ R est un sous-espace vectoriel du R-espace vectoriel R2 .
n o
¦ Soit E un espace vectoriel, alors 0E et E sont des sous-espaces vectoriels de E ap-
toriel R[X].
90 CHAPITRE 5. ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES
1) H 6= ; 2) ∀(x, y) ∈ H2 , ∀λ ∈ K : x + λ.y ∈ H
te
n o
Exemple d’application. H = (x, x + 2)|x ∈ R est-t-il un s.e.v de l’espace vectoriel R2 ?
hti
Proposition 5.3 Soient F et H deux sous-espaces vectoriels d’un K-espace vectoriel (E, +, .).
Preuve
F ∩ H 6= ; car 0E ∈ F et 0E ∈ H.
Remarques
Preuve
y = u + v. Donc
x + y = (s + r ) + (u + v) = (s + u) + (r + v) ∈ F + H.
te
Définition 5.4 Un e.v E est dit une somme directe de deux s.e.v E1 et E2 si
hti
Exercice. Montrer que
2) F = R × {0} × {0}, H = {0} × R × {0} et L = {0} × {0} × R sont des s.e.v du R-e.v R3 tels que
F ⊕ L = R × {0} × R et H ⊕ L = {0} × R × R.
α1 v 1 + ... + αn v n .
L’ensemble de toutes les combinaisons linéaires d’une famille F est noté Vect(F).
Exemples
n o
1) Considérons la famille F = 1, −2, 53 du R-e.v R.
n o nP o
n
2) Si F = v 1 , ..., v n alors Vect(F) = a v
i =1 i i |a i ∈ K .
n o n o
3) Si F = (−1, 1), (1, −1) et E = R2 , alors Vect(F) = (r, −r ) |r ∈ R 6= R2 .
n o n o
4) Si F = (1, 0), (0, 1) et E = R2 , alors Vect(F) = (x, y) |x, y ∈ R = R2 .
Proposition 5.5 Soit F une famille de vecteurs d’un K-e.v E. Alors Vect(F) est le plus petit
Preuve
(α1 +λβ1 )u 1 +...+(αn +λβn )u n ∈ Vect(F). D’où Vect(F) est un s.e.v de E. Soit u ∈ F, comme
u = 1.u ∈ Vect(F) alors F ⊂ Vect(F). D’où Vect(F) est bien un s.e.v de E contenant F. Si
te
H est un autre s.e.v de E contenant F, alors H contient toute combinaison linéaire de
vecteurs de F. Donc Vect(F) ⊂ H ce qui prouve que Vect(F) est le plus petit s.e.v de E
contenant F.
hti
Proposition 5.6 Soient F et F0 deux familles de vecteurs d’un K-e.v E.
Preuve
k
i) et iii) découlent de la définition du Vect(F) et de la proposition 5.5.
ii) L’exemple suivant donne des familles de vecteurs F et F0 telles que Vect(F) = Vect(F0 )
Ou
mais F 6= F0 .
Exemple
n o n o
1) R est un R-espace vectoriel. Comme Vect 1 = R et Vect 3 = R, il résulte que
n o n o
Vect 1 = Vec t 3 mais {1} 6= {3}.
n o n o
2) Dans R2 on a Vect (1, 0), (0, 1) = Vec t (1, 0), (0, 1), (2, 5) , mais
L.
n o n o
(1, 0), (0, 1), (2, 5) 6= (1, 0), (0, 1) .
Définition 5.6 Soit F une famille de vecteurs d’un K-e.v E. On dit que F est une famille
Exemple
n o n o
1) F = 1, 52 est une famille génératrice du R-e.v R car Vect(F) = x + 25 y|x, y ∈ R = R.
n o
2) F = (1, 0), (0, 1) est une famille génératrice du R-e.v R2 car
n o n o
Vec t (F) = x(1, 0) + y(0, 1)|x, y ∈ R = (x, y)|x, y ∈ R = R2 .
te
Proposition 5.7 F = {e 1 , ..., e n } est une famille génératrice d’un K-espace vectoriel E si et
hti
Définition 5.7 Une famille infinie F de vecteurs d’un K-e.v E est dite une famille généra-
trice de E si tout élément de E est combinaison linéaire d’un nombre fini de vecteurs de
Proposition 5.8 Soit F une famille génératrice d’un K-e.v E. Alors toute famille G, de
2) Si F est infinie, elle sera dite libre si toute sous famille finie de F est libre.
Exemples
n o
¦ F = 1, i est une famille libre du R-espace vectoriel C.
n o
¦ F = − 1, 1 est une famille liée du R-espace vectoriel R.
3) Une famille F est liée si et seulement si un de ses vecteurs est une combinaison linéaire
Preuve
te
n o
1) Si F = 0E , e 2 , ..., e n alors 10E + 0K e 2 + ... + 0K e n = 0E . Comme le scalaire 1 n’est pas
hti
αn e n + 0K w 1 + 0K w 2 + ... + 0K w r = 0E . Comme F2 est libre, il s’en suit que α1 = α2 = ... =
ments de K non tous nuls tels que α1 e 1 + ... + αn e n = 0E . Si par exemple α1 6= 0K , alors
Exemple
n o
1) B = 1, i est une base du R-espece vectoriel C.
n o
2) B = (1, 0), (0, 1) est une base de R2 . En effet, si a, b ∈ R tels que a(1, 0)+b(0, 1) = (0, 0)
L.
alors a = 0 et b = 0 ce qui prouve que B est libre. Comme tout vecteur (x, y) de R2 peut
s’écrire (x, y) = x(1, 0) + y(0, 1), alors B est une famille génératrice de R2 . Conséquence
Exercice. Montrer que tout e.v à une famille génératrice et une famille libre.
Par contre un e.v n’a pas nécessairement une famille génératrice finie.
Définition 5.10 Un e.v est dit de type fini s’il admet une famille génératrice finie.
Dans toute la suite, les espaces vectoriels considérés seront supposés de type fini.
te
Théorème 5.1 Soit E un K-e.v. Les propositions suivantes sont équivalentes :
n o
1) B = e 1 , ..., e n est une base de E.
hti
Preuve
Théorème 5.2 Tout espace vectoriel de type fini admet une base.
Preuve
k
n o
Soit S = e 1 , ..., e n une famille génératrice de E (E = Vec t (S)). Donc ∀x ∈ E, ∃ α1 , ..., αn ∈
Or λ 6= 0, sinon B est liée, donc x = (−λ−1 )β1 e 1 +...+(−λ−1 )βk e k . D’où B est une famille
génératrice de S − B.
Pn Pk Pn
Soit x ∈ E, or E = Vect(S) alors x = i =1 αi e i = i =1 αi e i + i =k+1
αi e i où α1 , ..., αn ∈ K.
L.
k+1
+ ... + αn αn1 ) e 1 +
Pk k+1 k+1 n n
D’où x = i =1 αi e i +αk+1 (α1 e 1 +...+αk e k )+...+αn (α1 e 1 +...+αk e k ) = (α
|
1 + αk+1 α1
{z }
γ1
... + (αk + αk+1 αk+1 + ... + αn αnk ) e k
Pk
k = i =1 γi e i . D’où B est une famille génératrice de E
| {z }
γk
qui est libre, donc B est une base de E.
96 CHAPITRE 5. ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES
Théorème 5.3 Soit E un espace vectoriel de type fini ayant une base formée de n élé-
Preuve
n o
On démontre le théorème pour n = 3 et soit B = e 1 , e 2 , e 3 une base de E.
n o
Soit F = v 1 , v 2 , v 3 , v 4 où v i 6= 0 ∀1 ≤ i ≤ 4; montrons que F est liée. Comme v 1 ∈ E,
te
∃ α1 , α2 , α3 ∈ K tels que v 1 = α1 e 1 + α2 e 2 + α3 e 3 et un des αi 6= 0 puisque v 1 6= 0. On
α2 α3
n o
suppose que α1 6= 0. Par suite e 1 = α11 v 1 + −α 1
e 2 + −α1 e 3 ce qui montre que v 1 , e 2 , e 3
hti
β β
n o
exemple que β2 6= 0. Donc e 2 = −β12 v 1 + β12 v 2 + −β32 e 3 d’où v 1 , v 2 , e 3 est génératrice.
Comme v 3 ∈ E,
n o
Remarque. Soient E un e.v ayant une base de n éléments et F = v 1 , ..., v m une famille
Ou
de vecteurs de E. Alors m > n =⇒ F est liée (ou encore F est libre =⇒ m ≤ n).
Exemple
n o n o
B = (1, 0), (0, 1) est une base de R2 formée de deux vecteurs. F = (1, 1), (2, 1), (3, 7)
est une famille de vecteurs de R2 , comme Car d (F) = 3 > Car d (B) = 2, le théorème 5.3
Corollaire 5.1 Dans un e.v de type fini toutes les bases ont le même cardinal.
Définition 5.11 Le nombre d’éléments qui forment une base d’un K-espace vectoriel E
Remarques
te
| }
n vecteurs
est une base de K sur K, appelée la base canonique de K n sur K.
n
Proposition 5.10 Soit F un sous-espace vectoriel d’un espace vectoriel E. Alors dimF ≤
hti
dimE. Si de plus dimF = dimE, alors E = F.
Preuve
n o n o n o
Soient e 1 , ..., e n une base de E et u 1 , ..., u m une base de F. Comme u 1 , ..., u m est
une famille libre de E, le théorème 3 affirme que m ≤ n, i.e., dimF ≤ dimE. Si dimF =
n o
dimE et B = v 1 , ..., v n est une base de F, alors B est une famille libre de E de cardinal
k
n= dimE, d’après la remarque 4) B est une base de E. Soit x ∈ E, ∃ λ1 , ..., λn ∈ K tels que
Proposition 5.11 Soient E1 et E2 deux sous-espaces vectoriels d’un espace vectoriel E tels
Preuve
n o
Soient e 1 , ..., e n une base de E1 et {v 1 , ..., v m } une base de E2 . ∀ x ∈ E, ∃ ! x 1 ∈ E1 et
Proposition 5.12 Tout s.e.v d’un e.v de dimension finie admet un supplémentaire.
98 CHAPITRE 5. ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES
Preuve
Soit E un e.v de dimension n et soit F un s.e.v de E. Puisque F est de type fini, alors F
n o n o
admet une base e 1 , ..., e m . Donc e 1 , ..., e m est une famille libre de E. En vertu du
n o
théorème 5.4, ∃ (n − m) éléments e m+1 , ..., e n tels que e 1 , ..., e m , e m+1 , ..., e n est une
n o
base de E. Posons L = Vec t e m+1 , ..., e n alors F ⊕ L = E.
te
k hti
Ou
L.
5.2. APPLICATIONS LINÉAIRES 99
te
1) ∀ x, y ∈ E : f (x + y) = f (x) + f (y). 2) ∀ x ∈ E et ∀α ∈ K : f (αx) = α f (x).
Exemples.
1) f : R2 −→ R3 définie par f (x, y) = (x, y, x−2y) est linéaire.En effet, soient (x, y), (x 0 , y 0 ) ∈
R2 et λ ∈ R; on a
hti
f ((x, y) + λ(x 0 , y 0 )) = f (x + λx 0 , y + λy 0 )
= (x + λx 0 , y + λy 0 , x + λx 0 − 2y − 2λy 0 )
= f (x, y) + λ f (x 0 , y 0 )
k
2) f : R2 −→ R2 définie par f (x, y) = (x, si n(y)) n’est pas une application linéaire, en
effet ³ π´ ³ π ´ ³ ³ π ´´
f 0, = 0, si n( ) = (0, 1) mais f 2 0, = f (0, π) = (0, 0)
Ou
2 2 2
ce qui donne ³ ³ π ´´ ³ π´
f 2 0, 6= 2 f 0, .
2 2
Proposition 5.13 Soit f une application d’un K-espace vectoriel E dans un K-espace
Proposition 5.14 Soit f une application linéaire d’un e.v E dans un e.v F. Alors
Preuve
f (0E ) = 0F , il s’en suit alors que f (x) + f (−x) = 0F ce qui implique que f (−x) = − f (x).
2) Ker f est non vide car 0E ∈ ker f . Soient x, y ∈ Ker f et α ∈ K, on a f (x + αy) = f (x) +
te
α f (y) = 0F + α0F = 0F + 0F = 0F . D’où x + αy ∈ Ker f et ker f est alors un s.e.v de E.
u = f (x) et v = f (y). Compte tenu du fait que f est linéaire, on en déduit que u + αv =
hti
Vocabulaire
Exemple.
n o
3
Ker ( f ) = (x, y, z) ∈ R | f (x, y, z) = (0, 0, 0)
n o
= (x, y, z) ∈ R3 |(x − y, x − z, y − z) = (0, 0, 0)
L.
n o n o
= (x, y, z) ∈ R3 |x = y = z = (x, x, x)|x ∈ R
n o
= x(1, 1, 1)|x ∈ R
n o n o
d’où Ker ( f ) = Vec t (1, 1, 1) . Par suite (1, 1, 1) est une base de Ker ( f ) ce qui prouve
que d i mKer ( f ) = 1.
Soit Y = (x, y, z) ∈ Im( f ); par définition il existe X = (a, b, c) ∈ R3 tel que Y = f (X) c’est-
5.2. APPLICATIONS LINÉAIRES 101
te
o
Comme B = Vec t (1, 0, −1), (0, 1, 1) est libre (par une simple vérification), alors B est
hti
linéaire. Alors les conditions suivantes sont équivalentes:
3) Im( f ) = F 4) r g ( f ) = d i mF.
Proposition 5.15 Soit f une application linéaire d’un K-espace vectoriel E dans un K-
espace vectoriel F.
k
1) Si f est injective alors l’image d’une famille libre de E par f est une famille libre de F.
2) Si f est surjective alors l’image d’une famille génératrice de E par f est une famille
Ou
génératrice de F.
3) Si f est bijective alors l’image d’une base de E par f est une base de F.
Preuve
n o
1) Soit S = e 1 , ..., e n une famille libre de vecteurs de E et supposons que f est injec-
n o
tive.Montrons que f (S) = f (e 1 ), ..., f (e n ) est libre.
Soit y ∈ F, puisque f est surjective il existe un vecteur x ∈ E tel que y = f (x). Comme
Définition 5.14 On dit que deux K-espaces vectoriels E et F sont isomorphes s’il existe
Théorème 5.5 Soit f une application linéaire d’un K-e.v E dans un K-e.v F. Alors les
te
3) d i m K E = d i m K Im f + d i m K Ker f (⇔ r g ( f ) = d i mE − d i mKer f : résultat appelé
théorème du rang).
Preuve
hti
1) C’est simple.
n o
2) Soit f un isomorphisme de E dans F. Si d i mE = n et B = e 1 , ..., e n désigne une
n o
base de E alors f (B) = f (e 1 ), ..., f (e n ) est une base de F d’après 3) de la proposition
{e 1 , ..., e r } est une base de N0 , donc il existe (α1 , ..., αr ) ∈ K r tel que x 1 = ri=1 αi e i et
P
L.
Pr n o
alors f (x) = f (x 1 ) = i =1 αi f (e i ). Par conséquent Im f = Vec t f (e 1 ), ..., f (e r ) . Mon-
n o
trons que f (e 1 ), ..., f (e r ) est libre.
Pr Pr n o
Ker f = N. Mais i =1 αi e i ∈ N ∩ N = {0E } donc i =1 αi e i = 0E . Comme e 1 , ..., e r est
0
n o
libre, alors α1 = ... = αr = 0K . D’où f (e 1 ), ..., f (e r ) est libre et c’est donc une base de
Exemple d’application
te
n o
2
Ker ( f ) = (x, y) ∈ R | f (x, y) = (0, 0)
n o
= (x, y) ∈ R2 |(x − y, x + 2y) = (0, 0)
n o n o
= (x, y) ∈ R2 |x = y = 0 = (0, 0)
hti
ce qui prouve que f est injective et alors dimKer ( f ) = 0. En appliquant le théorème du
rang, on a
r g ( f ) = d i mR2 − d i mKer ( f ) = 2 − 0 = 2
alors d i mIm( f ) = 2 = d i mR2 , comme Im( f ) est un sous-espace vectoriel de R2 alors
Preuve
f est surjective? Soit y ∈ F, or f (B) est génératrice ∃ α1 , ..., αn ∈ K tels que y = ni=1 αi f (e i ).
P
f est injective? Soient x, x 0 ∈ E tels que f (x) = f (x 0 ). Comme B est une base de E, on
peut écrire x = ni=1 αi e i et y = ni=1 βi e i . Donc f (x) = f (y) entraîne que ni=1 αi f (e i ) =
P P P
Pn
i =1 βi f (e i ) et alors αi = βi ∀i car f (B) est libre. D’où x = x , ce qui montre que f est
0
injective.
d’après 1) de la proposition 5.15 on a f (C) est libre. Or f (C) est une famille contenant
te
proposition 5.16 il en résulte alors que f est bijective.
Exemple d’application
hti
Considérons l’application linéaire
R2 −→ R2
n o
On a vu que f est injective car Ker( f ) = (0, 0) . Compte tenu du fait que les espaces
k
vectoriels considérés ici ont la même dimension 2, il en résulte alors que f est bijective.
Ou
5.2.2 Matrice d’une application linéaire
est une application linéaire de V dans V 0 , alors f est entièrement déterminée par les
0
noée MBB0 ( f ) ou MBB ( f ), est la matrice
te
Dans le cas d’un endomorphisme f : E −→ E et B = B0 , on pose MBB ( f ) = MB ( f ).
Exemples.
hti
{e 1 = (1, 0), e 2 = (0, 1)} et B0 = {e 10 = (1, 0, 0), e 20 = (0, 1, 0), e 30 = (0, 0, 1)} les bases canon-
iques respectives de R2 et R3 .
(x, y, z) 7−→ (x + y + z, x + y + z, x + y + z)
n o
i) Déterminer la matrice de f par rapport à la base canonique B = e 1 , e 2 , e 3 de R3 .
L.
par conséquent
1 1 1
MB ( f ) = 1 1 1
1 1 1
(x + y + z, x + y + z, x + y + z) = (0, 0, 0)
te
ce qui donne
x +y +z =0
et alors z = −x − y. D’où X = (x, y, −x − y) = x(1, 0, −1) + y(0, 1, −1) et ainsi Ker( f ) =
n o n o
Vect (1, 0, −1), (0, 1, −1) . Comme F = (1, 0, −1), (0, 1, −1) est une famile libre (par une
n o
hti
simple vérification), il en résulte alors que F = (1, 0, −1), (0, 1, −1) est une base de
iii) Soit Y = (a, b, c) ∈ Im( f ), il existe X = (x, y, z) tel que Y = f (X) c’est-à-dire
(x + y + z, x + y + z, x + y + z) = (a, b, c)
n o
k
et par suite a = b = c et ainsi Y = (a, a, a) = a(1, 1, 1) prouvant que C = (1, 1, 1) est une
famille génératrice de Ker( f ). Compte tenu du fait que Car d (C) = 1 = d i m(Ker ( f )),
n o
alors C = (1, 1, 1) est une base de Ker( f ).
Ou
Remarque.
n o n o
Soit f : E −→ F une application linéaire. Si B = e 1 , ..., e n et B0 = v 1 , ..., v m des bases
ou par
ou par
Exemple.
f (e 2 ) = 3e 10 + e 20 − 5e 30
5.2. APPLICATIONS LINÉAIRES 107
n o n o
où B = e 1 , e 2 est la base canonique de R2 et B0 = e 10 , e 20 e 30 , la base canonique de R3 .
f (x, y) = f (xe 1 + ye 2 )
= x f (e 1 ) + y f (e 2 )
= x(e 10 − 2e 20 + e 30 ) + y(3e 10 + e 20 − 5e 30 )
te
= (x + 3y)e 10 + (−2x + y)e 20 + (x − 5y)e 30
hti
Par conséquent
f (x, y) = (x + 3y, −2x + y, x − 5y)
D’autre part,
1 3
MBB0 ( f ) = −2 1
1 −5
n o n o
0 0 0 0
Soient V et V deux K-e.v de bases respectives B = e 1 , ..., e n et B = e 1 , ..., e m . Soit
0 m n
f ∈ L (V, V 0 ) telle que MBB ( f ) = (αi j ), c’est-à-dire f (e i ) = αki e k0 . Si x =
P P
xi e i ∈ V
k=1 i =1
m
y i e i0 , alors
P
et y = f (x) =
i =1
n n m m Xn
αki e k0 ) = ( αki x i )e k0 .
X X X X
f (x) = x i f (e i ) = xi (
i =1 i =1 k=1 k=1 i =1
108 CHAPITRE 5. ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES
x1 y1 x1
n . . B0
.
αki x i = (αk1 , ..., αkn ) . Par conséquent . = MB ( f ) . . Si on
P
D’où y k =
i =1 . . .
xn yn xn
y1 x1
. .
note YB0 = .
et X B = . , on obtient alors
. .
yn xn
0
YB0 = MBB ( f )X B
te
Exemple
0 1
B0
hti
Soit f : R → R définie par : MB ( f ) = 1 −1 . Calculer f (1, 2)?
2 3
1 0
3
à !
2
Calculons tout d’abord X B pour x = (1, 2); on a (1, 2) = x 1 (1, 1) + x 2 (1, −1) =⇒ X B = −1
2
y1
0
Dans B on a f (1, 2) = y 1 (1, 1, 0)+y 2 (0, 1, 1)+y 3 (0, 0, 1). Si YB0 = y 2 , alors YB0 = MBB ( f )X B ⇐⇒
0
y3
à ! −1
0 1 3
2
2
k
YB = 1 −1 −1 = 2 d’où f (1, 2) = −1 (1, 1, 0) + 2(0, 1, 1) + 32 (0, 0, 1) = ( −1 , 3 , 7 ).
0
2 2 2 2
1 0 2 3
2
Ou
Cas d’un endomorphisme
n
P n
P
Soient B = {e 1 , ..., e n } une base d’un K-e.v V et f ∈ End K (V). Si x = x i e i et f (x) =
i =1 i =1
x1 y1
. .
y i e i et si on pose X B = . , YB = . alors
. .
xn yn
YB = MB ( f )X B
L.
Exemple
Soient V = R2 et B = {(1, 1), (0, 1)} une base de V sur R. Considérons f ∈ End R (V) défini
µ ¶
2 0
par : MB ( f ) = . Déterminer f (−1, 2)?
0 1
µ ¶
−1
(−1, 2) = x 1 (1, 1) + x 2 (0, 1) =⇒ x 1 = −1 et x 2 = 3 =⇒ X B = .
3
µ ¶µ ¶ µ ¶
2 0 −1 −2
Comme YB = = alors f (−1, 2) = −2 × (1, 1) + 3 × (0, 1) = (−2, 1).
0 1 3 3
5.2. APPLICATIONS LINÉAIRES 109
B = {e 1 , ..., e n } et B0 = {e 10 , ..., e m
0
}. Alors l’application
0
MBB : L (V, V 0 ) −→ M(m,n) (K)
0
f 7−→ MBB ( f )
te
Preuve
0
i) Montrons d’abord que MBB est une application linéaire.
0 0 0 0 0
MBB ( f + g ) = MBB ( f ) + MBB (g )? si MBB ( f ) = (αi j ) et MBB (g ) = (βi j ), alors
m m
αi j e i0 et g (e j ) = βi j e i0
X X
f (e j ) =
hti
i =1 i =1
Par suite m m m
αi j e i0 + βi j e i0 = (αi j + βi j )e i0 .
X X X
( f + g )(e j ) =
i =1 i =1 i =1
0 0 0
Par conséquent MBB ( f + g ) = (αi j + βi j ) = (αi j ) + (βi j ) = MBB ( f ) + MBB (g ).
0 0 0
MBB (λ f ) = λMBB ( f ), pour tout λ ∈ K? Si MBB ( f ) = (αi j ), alors
m m
k (λ f )(e j ) = λ f (e j ) = λ
X
αi j e i0 =
X
(λαi j )e i0 .
i =1 i =1
0
B0
Il s’en suit alors que MBB (λ f ) = (λαi j ) = λ(αi j ) = λMB ( f ).
Ou
0
En conclusion, MBB est une application linéaire.
0
ii) Montrons que MBB est injective.
0 0
Soient f , g ∈ L (V, V 0 ) telles que MBB ( f ) = MBB (g ), montrons que f = g .
0 0 n n
On a MBB ( f ) = MBB (g ), donc f (e i ) = g (e i ), ∀1 ≤ i ≤ n. Soit x = αi e i ∈ E; on a f (x) =
P P
i =1 i =1
n 0
αi f (e i ) = αi g (e i ) = g (x) donc f = g et MBB est injective.
P
i =1
0
iii) Montrons que MBB est surjective.
L.
0
Soit A ∈ M(m,n) (K), cherchons une application linéaire f ∈ L (V, V 0 ) telle que MBB ( f ) = A.
0
On suppose que A = (αi j )1≤i ≤m , alors A est l’image par MBB de l’application f : V −→ V 0
1≤ j ≤n
m 0
αi j e i0 , ce qui prouve que MBB est surjective.
P
définie par : f (e j ) =
i =1
Par conséquent, les K-espaces vectoriels L (V, V 0 ) et M(m,n) (K) sont isomorphes et ont
Exercice
3 −1
te
2 0
0
MBB ( f M ) = M, où B (resp. B0 ) est la base canonique de R2 (resp. R3 )?
p
Réponse. f M (x, y) = (3x − y, x + 2y, 2x).
hti
Corollaire 5.2 Soient V un K-espace vectoriel de dimension n et B = {e 1 , ..., e n } une base
f 7−→ MB ( f )
Exercice 1
n o
On considère l’ensemble F = (x, y, z) ∈ R3 |2x − y + z = 0 .
k
1) Montrer que F est un sous-espace vectoriel de R3 .
Exercice 2
Exercice 3
{(x, y, z, t ) ∈ R4 , x = 2y et z = −t }.
Exercice 4
Soit E l’ensemble des suites réelles muni de l’addition et la multiplication par un réel
te
1) Montrer que (E, +, .) est un R−espace vectoriel.
hti
Exercice 5
2) Montrer que E = F ⊕ G.
k
3) Montrer qu’il existe un couple ( f , g ) ∈ F × G tel que : exp = f + g
Soit f : R2 [X] −→ R2 [X] l’application qui associe à tout polynôme P de R2 [X] le reste de
5) Calculer f 3 .
Exercice 7
Exercice 8
te
2) Expliciter f (a + bX + cX 2 ). Écrire la matrice de f dans la base canonique de R2 [X].
hti
Exercice 9
Exercice 10
Exercice 11
u(e 1 + e 2 ) = v 1 + 2v 2 + v 3 , u(e 1 − e 2 ) = v 2 + v 3 .
5.2. APPLICATIONS LINÉAIRES 113
1) Exprimer u(e 1 ) et u(e 2 ) dans la base B0 . En déduire la matrice de u par rapport aux
bases B et B0 .
te
Exercice 12
n o n o
Soient E = (x, y, z, t ) ∈ R4 |x + y + z + t = 0 et F = Vec t (a, b, c, d le sous-espace vecto-
hti
a = (1, −1, 0, 0), b = (1, 0, −1, 0), c = (1, 1, 1, 1), d = (3, 0, 0, 1).
3) Déterminer E ∩ F.
Soit T l’application linéaire de R3 dans R4 dont la matrice dans les bases canoniques
est
2 −2 1 1
M = 1 3 0 1 .
3 1 1 2
1) Donner l’expression de T(x, y, z, t ).
L.
Exercice 14
1) Montrer que u est une application linéaire. Déterminer la matrice de u dans la base
canonique de R2 .
Montrer que u ◦ v 6= v ◦ u.
te
Exercice 15
hti
u(x, y, z) = (−2x + 4y + 4z, −x + z, −2x + 4y + 4z)
Exercice 17
f et g définies par :
f (e 1 ) = si n(u)e 1 − cos(u)e 3 g (e 1 ) = cos(v)e 1 + si n(v)e 2
f (e 2 ) = −e 2 g (e 2 ) = si n(v)e 1 − cos(v)e 2 où u, v ∈ R
f (e 3 ) = cos(u)e 1 + si n(u)e 3 g (e 3 ) = e 3
te
3) Inverser quand c’est possible les matrice MB ( f ), MB (g ) et MB ( f ◦ g ).
Exercice 18
hti
E et α, β ∈ K. Posons v 1 = e 1 − e 2 , v 2 = e 2 , v 3 = e 1 + e 3 .
dans B0 .
dans B.
k
4) On suppose que E = R3 et B sa base canonique. Calculer les coordonnées des vecteurs
Ou
(−1, 0, 3) et (5, 2, 1) dans B puis dans B0 .
Exercice 19
ique B = {e 1 , e 2 , e 3 , e 4 } est :
2 1 −3 −2
2 1 −3 −4
M=
2 1 −3 −3
0 0 0 0
L.
Posons x 1 = e 1 + e 2 + e 3 , x 2 = e 1 + 4e 2 + 3e 3 , x 3 = −e 1 + 4e 2 + 3e 3 et x 4 = e 4 .
Exercice 20
te
2) Déterminer Ker (u), Im(u) et rang(u).
B
3) Montrer que B02 = (3e 1 + e 2 , −2e 1 + 5e 2 ) est une base de R2 , puis calculer MB30 (u).
2
hti
a) Déterminer les coordonnées de c 1 , c 2 , c 3 dans B03 .
B0 B0
b) Calculer MB32 (u), MB30 (u).
2
Exercice 21
Exercice 22
L.
3) Soit C1 la base canonique de R3 , montrer que C2 = {(1, 0, 1); (0, 1, 1); (1, 1, 0)} est une
4) Soit g l’application linéaire de R4 dans R3 de martice associée dans les bases canon-
iques :
1 1 2 1
M= 0 1 3 3
1 2 5 4
te
a) Calculer le rang de M.
hti
Exercice 23
p est un projecteur si p ◦ p = p.
2) Montrer que si p est un projecteur, alors Im(Id E − p) = Ker p et Ker (Id E − p) = Imp.
k
3) Montrer que si p est un projecteur, alors E = Imp ⊕ Ker p.