Cours Algèbre 1

te
hti
C OURS D ’A LGÈBRE 1 (MIP, M ODULE M112)
Prof. Lahcen Oukhtite, Département de Mathématiques, FST Fès

k
November 6, 2020
Ou
L.
Table des matières
te
1 Fondements de Mathématiques 5
hti
1.1 Eléments de logique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.1 Assertions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Opérations Logiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.1.3 Quantificateurs Logiques . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2 Méthodes de démonstration . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

k
1.2.1 Démonstration directe . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
Ou
1.2.2 Démonstration par disjonction des cas . . . . . . . . . . . . . . . . . 10
1.2.3 Démonstration par contraposition . . . . . . . . . . . . . . . . . . . . 11
1.2.4 Démonstration par contre-exemple . . . . . . . . . . . . . . . . . . . 11
1.2.5 Démonstration par l’absurde . . . . . . . . . . . . . . . . . . . . . . . 12
1.2.6 Démonstration par récurrence . . . . . . . . . . . . . . . . . . . . . . 12

L.
1.3 Ensembles et applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4 Relations d’équivalence, relations d’ordre . . . . . . . . . . . . . . . . . . . . 15
2 Factorisation des polynômes dans R[X] et dans C[X] 21
2.1 Rappels sur les nombres complexes . . . . . . . . . . . . . . . . . . . . . . . 21
2.2 Factorisation des polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2
TABLE DES MATIÈRES 3
2.2.1 Définitions et notations . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2.2.2 Opérations sur les polynômes . . . . . . . . . . . . . . . . . . . . . . 27
2.2.3 Division suivant les puissances croissantes . . . . . . . . . . . . . . . 30
2.2.4 Division suivant les puissances décroissantes . . . . . . . . . . . . . 32
2.2.5 Plus grand diviseur commun . . . . . . . . . . . . . . . . . . . . . . . 34
te
2.2.6 Polynômes premiers entre eux . . . . . . . . . . . . . . . . . . . . . . 36
2.2.7 Calcul du PGCD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
hti
2.2.8 Polynômes irréductibles . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.2.9 Racine d’un polynôme et formule de Taylor . . . . . . . . . . . . . . 41
2.2.10 Les irréductibles de C[X] et de R[X] . . . . . . . . . . . . . . . . . . . 44
3 Fractions rationnelles 47
k
3.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
3.2 Opérations sur les fractions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

Ou
3.3 Eléments simples de K(X) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
3.4 Décomposition d’une fraction dans C(X) et dans R(X) . . . . . . . . . . . . 52
3.5 Calcul des parties principales . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.5.1 Méthode de la division . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.5.2 Méthode de dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . 56

L.
3.5.3 Cas d’une parité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4 Matrices et systèmes linéaires 61
4.1 Calcul matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

4 TABLE DES MATIÈRES
4.1.2 Opérations matricielles . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.1.3 Transposée d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . 69
4.1.4 Opérations élémentaires lignes . . . . . . . . . . . . . . . . . . . . . . 70
4.1.5 Matrices échelonnées-lignes . . . . . . . . . . . . . . . . . . . . . . . 70
4.2 Résolution des systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . 72
te
4.2.2 Méthode de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.2.3 Méthode de Gauss pour inverser une matrice carrée . . . . . . . . . 82
hti
5 Espaces vectoriels et applications linéaires 88
5.1 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88

k
5.1.2 Sous-espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
5.1.3 Intersection de deux sous-espaces vectoriels . . . . . . . . . . . . . . 90

Ou
5.1.4 Somme de deux sous-espaces vectoriels . . . . . . . . . . . . . . . . 90
5.1.5 Sous-espace engendré . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
5.1.6 Famille génératrice et famille libre . . . . . . . . . . . . . . . . . . . . 92
5.1.7 Base d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . 94
5.2 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

L.
5.2.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . 99
5.2.2 Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . 104
5.2.3 Equation matricielle d’une application linéaire . . . . . . . . . . . . 107

C HAPITRE 1
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
fausse, pas les deux en même temps.
Remarque. Une assertion peut s’exprimer en langage courrant (en français, en anglais,
etc.) ou en symboles mathématiques.

k
Exemple. On considère les phrases suivantes :
1) Rabat est la capitale du Maroc. 2) 2 + 5 = 1.

Ou
3) Il pleut. 4) Je suis plus grand que toi.
5) Quelle heure est-il ? 6) 2x − y = 5z.
1), 2), 3) et 4) sont des assertions. Cependant, 5) et 6) ne sont pas des assertions.
• Quand une assertion est vraie, on lui affecte la lettre V ou la valeur 1.
• Quand une assertion est fausse, on lui affecte la lettre F ou la valeur 0.

L.
Ces valeurs sont appelées “Valeurs de vérité de l’assertion”.
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
Remarque. La table de vérité pour deux propositions P et Q est
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
est vraie si P est fausse et qui est fausse si P est vraie.
P ¬P
V F
F V
L.
Si P est une assertion et Q est une autre assertion, nous allons définir de nouvelles
assertions construites à partir de P et de Q.
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
vérité de P ∧ Q est donnée par :
P Q P∧Q
V V V
V F F
F V F
F F F
te
Exemple.
1) "(3 > 5) et (9 6= 2 + 7)" est fausse.

p
2) "(2 = 1 + 1) et ( 2 6∈ Q)" est vraie.
hti
Exercice. Soit P une proposition, montrer que P ∧ ¬P est une proposition fausse.
Définition 1.5 La disjonction de deux propositions P et Q, notée P ∨Q (ou encore "P ou
Q") est la proposition qui est Vraie si l’une des deux propositions P ou Q est vraie, fausse
si P et Q sont fausses. La table de vérité de P ∨ Q est donnée par :

k
P Q P∨Q
Ou
V V V
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
cas. Sa table de vérité est donnée par :

L.
P Q P =⇒ Q
V V V
V F F
F V V
F F V
Exercice.
1) Montrer que "(P =⇒ Q)" ⇐⇒ "(¬P ∨ Q)"
2) Montrer que "(P ⇐⇒ Q)" est équivalent à "(P =⇒ Q) ∧ (Q =⇒ P)".
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).
3) (P ∨ Q) ⇐⇒ (Q ∨ P) 4) ¬(P ∨ Q) ⇐⇒ (¬P ∧ ¬Q).
5) ¬(P ∧ Q) ⇐⇒ (¬P ∨ ¬Q) 6) (P =⇒ Q) ⇐⇒ (¬Q =⇒ ¬P).
7) "P ∨ (Q ∧ R)" ⇐⇒ "(P ∨ Q) ∧ (P ∨ R)" 8) "P ∧ (Q ∨ R)" ⇐⇒ "(P ∧ Q) ∨ (P ∧ R)".
hti
1.1.3 Quantificateurs Logiques
Une proposition P peut dépendre d’un paramètre x, par exemple "x 2 ≥ 2".
Dans ce cas P(x) est vraie ou fausse selon la valeur de x.

k
Exemple. Soit la proposition P(x): "x est premier."
∗ Pour x = 2 on a P(2) est vraie car 2 est premie.

Ou
∗ Pour x = 10 on a P(10) est fausse car 10 n’est pas premier.
Définition 1.7 Soient E un ensemble et P(x) une proposition dépendant d’une variable
x. Le quantificateur universel, noté ∀, permet de former la proposition "∀x ∈ E, P(x)"
qui est varie lorsque P(x) est vraie pour tous les éléments x de E, et qui est fausse si P(x)
est fausse pour au moins un élément x de E.

L.
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.
∗ "∀x ∈ R x 2 ≥ 1" est fausse.
∗ "∀x ∈ [1, ∞[ x 2 ≥ 1" est vraie.

1.1. ELÉMENTS DE LOGIQUE 9
Définition 1.8 Soient E un ensemble et P(x) une proposition dépendant d’une variable
x. Le quantificateur existentiel, noté ∃, permet de former la proposition "∃x ∈ E, P(x)"
qui est varie lorsque P(x) est vraie pour au moins un élément x de E, et qui est fausse si
P(x) est fausse pour tous les éléments de E.
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.
La négation des quatificateurs logiques ∀ et ∃ est donnée comme suit.
Proposition 1.2 On a les équivalences suivantes :
1) "¬[∀x ∈ E : P(x)]" ⇐⇒ "[∃x ∈ E : ¬P(x)]".

k
2) "¬[∃x ∈ E : P(x)]" ⇐⇒ "[∀x ∈ E : ¬P(x)]".
Exemple.
Ou
1) "¬[∀x ∈ [1, ∞[: x 2 ≥ 1]" est "[∃x ∈ [1, ∞[: x 2 < 1]".
2) "¬[∃m ∈ Z : m 2 + m = 1]" est "[∀m ∈ Z : m 2 + m 6= 1]".
3) Soit (u n )n∈N une suite réelle. On a alors
- (u n ) est convergente ⇐⇒ (∃l ∈ R) tel que (∀² > 0), (∃N ∈ N): (∀n ∈ N)
n ≥ N =⇒ |u n − l | ≤ ².
- (u n ) est divergente ⇐⇒ (∀l ∈ R) (∃² > 0), (∀N ∈ N): (∃n ∈ N)

L.
n ≥ N et |u n − l | > ².
1.2 Méthodes de démonstration
1.2.1 Démonstration directe
Une démonstration directe de P =⇒ Q consiste à supposer que P est vraie et montrer
que Q est vraie.
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
et ainsi mn est un entier impair.

k
1.2.2 Démonstration par disjonction des cas
Pour montrer qu’une implication de la forme P ou Q =⇒ R est vraie, il suffit de mon-

Ou
trer que P =⇒ R et Q =⇒ R.
Notamment, dans une situation donnée, si tous les cas possibles mènent à une même
conclusion, alors la conclusion est vraie.
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.
2) Montrer que pour tout x ∈ R, |x − 1| ≤ x 2 − x + 1.

1.2. MÉTHODES DE DÉMONSTRATION 11
Premier cas : x ≥ 1. Alors |x − 1| = x − 1. Calculons x 2 − x + 1 − |x − 1|.
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.
1.2.3 Démonstration par contraposition
Puisque P =⇒ Q est équivalent à ¬Q =⇒ ¬P, une démonstration par contraposition de
P =⇒ Q consiste à donner une démonstration directe de ¬Q =⇒ ¬P.

k
p p
Exemple. Soit m, n ∈ N. Montrer que si a = mn, alors m ≤ a ou n ≤ a.
p p p p
Ou
Preuve. Supposons que m > a et n > a, alors mn > a. a = a et ainsi a 6= mn.
1.2.4 Démonstration par contre-exemple
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.
il existe k = 2 ∈ E tel que k − 1 = 1 6∈ E.
Exercice.
1) Montrer par un contre-exemple que les assertions [(∀x ∈ E, P(x)) ∨ (∀x ∈ E, Q(x))] et
[∀x ∈ E, (P(x) ∨ Q(x)] ne sont pas équivalentes.
2) Donner un contre-exemple pour montrer que les assertions
[(∃x ∈ E, P(x)) ∧ (∃x ∈ E, Q(x))] et [∃x ∈ E, (P(x) ∧ Q(x)] ne sont pas équivalentes.
1.2.5 Démonstration par l’absurde
Pour montrer qu’une assertion P est vraie, on suppose que ¬P est vraie et on montre
qu’on obtient une contradiction.
Pour montrer que P =⇒ Q on suppose que Q est fausse et P est vraie (c’est-à-dire P =⇒
Q est fausse) puis on cherche une contradiction.
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
que 3n + 2 est pair et 3n + 2 est impair, contradiction.
1.2.6 Démonstration par récurrence
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 :
Etape 1. On vérifie que P (n 0 ) est vraie.
Etape 2. On se donne un entier n ≥ n 0 quelconque.
On suppose que pour cet entier n la propriété P (n) est vraie (c’est l’hypothèse de
récurrence) et on montre que sous cette hypothèse la propriété P (n + 1) est vraie.

L.
Exemple. Montrer par récurrence que "∀n ∈ N, 1 + 2 + ... + n = n(n+1)

2 ."
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
aussi vraie pour n + 1 c’est-à-dire 1 + 2 + ... + (n + 1) = (n+1)(n+2)

2
.
Puisque 1+2+...+(n+1) = [1+2+...+n]+(n+1) et compte tenu du fait que 1+2+...+n =

1.2. MÉTHODES DE DÉMONSTRATION 13
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.
1) Montrer par récurence que pour tout entier naturel n ≥ 6, 2n ≥ 6n + 7.
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.
1.3 Ensembles et applications
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.
- A ∩ B = {x|x ∈ A et x ∈ B} est appelé intersection de A et B.
- A ∪ B = {x|x ∈ A ou x ∈ B} est appelé réunion de A et 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.
- Si A ⊂ E, alors A est appelé un sous-ensemble (ou une partie) de E.
hti
Définition 1.9 Une application d’un ensemble E dans un ensemble F est une correspon-
dance f permettant d’associer à tout élément x ∈ E un élément (et un seul) y ∈ F. On note
f : E −→ F
x 7−→ f (x) = y.
E est dit ensemble de départ, F est dit ensemble d’arrivé.

k
Exemple. IdE : E −→ E définie par IdE (x) = x est dite application identité de E.
Définition 1.10 Soient f : E −→ F et g : F −→ H deux applications. La composée de g

Ou
et f est l’application g ◦ f : E −→ H définie par (g ◦ f )(x) = g ( f (x)).
Exemple
Soient f , g R −→ R définies par f (r ) = r 2 et g (r ) = r − 1. Alors g ◦ f et f ◦ g sont des
applications de R dans R telles que (g ◦ f )(r ) = r 2 − 1 et ( f ◦ g )(r ) = (r − 1)2 .
Définition 1.11 Soit f une application d’un ensemble E dans un ensemble F.
f est injective si ∀ x, y ∈ E f (x) = f (y) ⇒ x = y ou encore x 6= y ⇒ f (x) 6= f (y).

L.
f est surjective si ∀y ∈ F ∃ x ∈ E tel que y = f (x), i.e., tout élément de F est l’image par f
d’un au moins élément de E.
f est bijective si f est à la fois injective et surjective
Proposition 1.3 i) Soient f : E −→ F, g : F −→ H et h : H −→ K des applications. Alors
(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
injective (resp. surjective).
iii) La composée de deux applications bijectives est une application bijective.
Théorème 1.1 f : E −→ F est bijective si et seulement si, il existe une application unique
g : F −→ E telle que g ◦ f = IdE et f ◦ g = IdF . On note g = f −1 .
te
Définition 1.12 Soient f : E −→ F une application et A ⊂ E. L’image directe de A par f
est f (A) = { f (a)|a ∈ A}. On a aussi f (A) = {y ∈ F|∃a ∈ A, y = f (a)}.
hti
Définition 1.13 Soient f : E −→ F une application et B ⊂ F. L’image réciproque de B par
f est f −1 (B) = {x ∈ E| f (x) ∈ B}.
Exemple. Considérons l’application f : Z −→ Z définie par f (n) = |n|. Alors f ({0, 1}) =
{0, 1} et f −1 ({0, 1}) = {0, 1, −1}.

k
1.4 Relations d’équivalence, relations d’ordre
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
vérifie les trois propriétés suivantes :
1) R est reflexive, c’est-à-dire ∀a ∈ E aRa.
2) R est symétrique, c’est-à-dire ∀(a, b) ∈ E2 aRb =⇒ bRa.

L.
3) R est transitive, c’est-à-dire ∀(a, b, c) ∈ E3 , aRb et bRc
Long r i g ht ar r ow aRc.
Exemples.
¦ Si E = Z et aRb ⇐⇒ ab 6= 0, alors R est symétrique, transitive mais non reflexive.
¦ Si E = Z∗ et aRb ⇐⇒ ab 6= 0, alors R est une relation d’équivalence.
¦ Si E est quelconque et aRb ⇐⇒ a = b, alors R est une relation d’équivalence.

Définition 1.16 Soit R une relation d’équivalence sur un ensemble E. On appelle classe
d’équivalence d’un élément x ∈ E, l’ensemble x̄ = {y ∈ E |xR y}.
¦ L’ensemble des classes d’équivalences s’appelle ensemble quotient et se note souvent
E/R.
¦ Tout élément d’une classe d’équivalence s’appelle représentant de cette classe.
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
Supposons que x̄ ∩ ȳ 6= ; et soit alors z ∈ x̄ ∩ ȳ. Donc z ∈ x̄ et z ∈ ȳ. Or z ∈ x̄ implique
x̄ = z̄ et z ∈ ȳ implique z̄ = ȳ, il en résulte alors que x̄ = ȳ.

k
Définition 1.17 Une relation binaire R sur E est dite une relation d’ordre si :
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
que E est ordonné par R. x et y sont comparables si xR y ou yRx. E est totalement
ordonné par R si deux éléments quelconques sont comparables, sinon l’ordre est dit
partiel.
L.
Exemple
¦ (N, <) n’est pas un ensemble ordonné.
¦ (N, ≤) est un ensemble ordonné.
¦ Si E = N∗ alors aRb ⇐⇒ a divise b est un ordre partiel sur N∗ .
¦ (Z, ≤) est un ensemble ordonné.

Exercices
Exercice 1
En utilisant les tables de vérité, démontrer que :
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-
antes (justifier votre réponse).

Ou
1) ∀n ∈ N, ∃m ∈ N : n ≥ m.
2) ∀n ∈ N, ∃m ∈ N : n 2 ≥ m.
Exercice 4
Un ensemble A ⊂ R est dit ouvert si la propriété suivante est vérifiée :
∀x ∈ A ∃² > 0 tel que ]x − ², x + ²[⊂ A

L.
a) Montrer que ]0, 1[ est un ouvert de R.
b) En niant la définition ci-dessus, montrer que [0, 1[ n’est pas un ouvert de R.
Exercice 5
Démontrer les énoncés suivants par récurrence :

n
2k = 2n+1 − 1.
P
1) Pour tout entier naturel n, on a
k=0
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
A l’aide d’un raisonnement par contraposé, démontrer que :
1) Si n 2 , n ∈ N, est impair alors n est impair.
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.
3) Si ∀² > 0 a ≤ ² alors a ≤ 0 (a ∈ R).
hti
Exercice 7
Parmi les applications suivantes, déterminer les injections, les surjections et les bijec-
tions:
1) f : R −→ R définie par f (x) = x 2 .
2) f : R+ −→ R définie par f (x) = x 2 .
3) f : C −→ C définie par f (z) = z 2 .

k
4) f : N −→ N définie par f (n) = 2n.
5) f : R2 −→ R définie par f (x, y) = x + y.

Ou
6) f : R2 −→ R2 définie par f (x, y) = (x − y, x + y).
7) f : R2 −→ R2 définie par f (x, y) = (x 2 − y 2 , x + y).
8) f : Z −→ N définie par f (m) = |m|.
Exercice 8
Sur R2 , on définit la relation binaire R par

L.
(x, y)R(x 0 , y 0 ) ⇐⇒ x = x 0 .
1) Démontrer que R est une relation d’équivalence.
2) Déterminer la classe d’équivalence d’un élément (x 0 , y 0 ) ∈ R2 .
Exercice 9
Soit E = {1, 2, 3, 4} et R la relation binaire sur E dont le graphe est
Γ(R) = {(1, 1), (1, 2), (2, 1), (2, 2), (3, 3), (3, 4), (4, 3), (4, 4)}
1) Vérifier que la relation R est une relation d’équivalence.
2) Déterminer la liste des classes d’équivalences distinctes.
3) Donner l’ensemble quotient E/R.
te
Exercice 10
Sur R2 , on considère la relation R définie par
hti
(a, b)R(c, d ) ⇐⇒ a 2 + b 2 = c 2 + d 2 .
1) Montrer que R est une relation d’équivalence.
2) Décrire la classe d’équivalence (a, b) du couple (a, b).
Exercice 11
k
Soient E et F deux ensembles et f : E −→ F une application. On définit une relation R
sur E en posant, pour tout (x, x 0 ) ∈ E × E,

Ou
xRx 0 ⇐⇒ f (x) = f (x 0 ).
2) Décrire la classe x̄ de l’élément x ∈ E.
3) Pourquoi l’application
Φ : E/R −→ F
L.
x̄ 7−→ f (x)
est-elle bien définie? Montrer que Φ est injective.
Exercice 12
On définit sur R la relation xR y si et seulement si x 2 − y 2 = x − y.

2) Calculer la classe d’équivalence d’un élément x de R. Combien y-a-t-il d’éléments
dans cette classe?
Exercice 13
On définit sur Z la relation xR y si et seulement si x + y est pair.
te
2) Quelles sont les classes d’équivalence de cette relation?
Exercice 14
On définit sur R2 la relation < par
hti
(x, y) < (x 0 , y 0 ) ⇐⇒ ((x < x 0 ) ou (x = x 0 et y = y 0 )).
Démontrer que ceci définit une relation d’ordre sur R2 .
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 .
1) Démontrer que < est une relation d’ordre sur R2 .
2) L’ordre est-il total?
Exercice 16
Soit E un ensemble et soit A une partie de E. On définit dans P (E) la relation R en

L.
posant, pour tout couple (X, Y) de parties de E :
XRY ⇐⇒ A ∩ X = A ∩ Y.

¯ Ē et Ā.
2) Expliciter les classes ;,
3) Montrer que si B = A ∩ X, alors est B est l’unique représentant de X̄ contenu dans A.

C HAPITRE 2
FACTORISATION DES POLYNÔMES DANS

R[X] ET DANS C[X]
te
hti
2.1 Rappels sur les nombres complexes
Définition 2.1 On définit une addition ⊕ et une multiplication ⊗ sur R2 par :
∀a, a 0 , b, b 0 ∈ R (a, b) ⊕ (a 0 , b 0 ) = (a + a 0 , b + b 0 ), (a, b) ⊗ (a 0 , b 0 ) = (aa 0 − bb 0 , ab 0 + a 0 b).
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
ainsi R comme un sous-ensemble de C, l’addition ⊕ et la multiplication ⊗ sur C pro-
longeant les opérations correspondantes sur R. Elles sont désormais notées + et ×.
2) Si on pose i = (0, 1), alors i 2 = (0, 1) × (0, 1) = (−1, 0) = −(1, 0) = −1.
3) Un complexe z = (a, b) se décompose z = (a, 0) + (0, b) = (a, 0) + (0, 1) ⊗ (b, 0). D’après
les conventions précédentes (a, 0) = a, (b, 0) = b et (0, 1) = i de sorte que z = (a, b) =

L.
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-
tivement partie réelle et partie imaginaire de z. On note a = Re(z) et b = Im(z).
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
imagianires purs est noté i R.
Définition 2.3 Soit z = a + i b un nombre complexe.
1) Le conjugué de z, noté z̄, est le nombre complexe z̄ = a − i b.

p p
2) Le module de z, noté |z|, est le réel positif définit par : |z| = z z̄ = a 2 + b 2 .
te
Remarque
∗ z est réel ⇐⇒ z̄ = z ⇐⇒ |z| = |Re(z)|.
hti
∗ z est imaginaire ⇐⇒ z̄ = −z ⇐⇒ |z| = |Im(z)|.
∗ Re(z) ≤ |Re(z)| ≤ |z| et Im(z) ≤ |Im(z)| ≤ |z|.
Proposition 2.2 Soit z, z 0 ∈ C. On a :
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
Les 5 premières propriétés sont simples. On montre la propriété 6) c’est-à-dire |z +z 0 | ≤
|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
donc de montrer que |1 + u| ≤ 1 + |u|. Comme
¢2
|1 + u|2 − 1 + |u| = (1 + u)(1 + u) − 1 + 2|u| + |u|2
¡ ¡ ¢
L.
= 1 + 2Re(u) + |u|2 − 1 + 2|u| + |u|2

¡ ¢
¡ ¢
= 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
Puisque |1 + u| et 1 + |u| sont des réels positifs, il en résulte alors que
|1 + u| ≤ 1 + |u|
ce qui termine la démonstration.
Définition 2.4 Pour tout réel θ, on définit l’exponentielle de i θ par :
te
e i θ = cos(θ) + i si n(θ).
Proposition 2.3 Les propriétés suivantes sont satisfaites :

³ ´n
1) e i 0 = 1 et e i (θ+φ) = e i θ e i φ = e −i θ et e i nθ = e i 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 .
Soit z = a + i b un nombre complexe non nul. On peut écrire

Ou
³a b ´
z = |z| +i
|z| |z|
a b
Comme |z| et |z| sont des nombres réels tels que
³ a ´2 ³ b ´2
+ =1
|z| |z|
a b
il existe un réel θ tel que |z|
= cos(θ) et |z|
= si n(θ). Ce qui permet d’écrire
z = |z|e i θ .
L.
Définition 2.5 Soit z un nombre complexe non nul. On appelle argument de z tout réel
θ tel que z = |z|e i θ .
L’argument principal de z, ar g (z), est l’unique argument de z dans l’intervalle ] − π, π].

n o
Si θ est un argument de z, l’ensemble de ses arguments est : θ + 2πZ = θ + 2kπ|k ∈ Z .
On note alors ar g (z) ≡ θ[2π].

Remarque
Soit z un nombre complexe tel que z = r e i θ .
∗ Si r > 0, alors r = |z| et ar g (z) ≡ θ[2π].
∗ 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:
Déterminer le module et un argument pour les nombres complexes suivants:
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
Considérons l’équation az 2 + bz + c = 0, où a, b et c réels. Trois cas sont possibles :
• Premier cas ; ∆ > 0

p p
−b − ∆ −b + ∆
Dans ce cas on a deux solutions réelles : z 1 = , z2 = .
2a 2a
L.
• 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
1) Somme et frome trigonométrique
−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
somme de deux nombres complexes de même module comme suit :

³ ´
r e i θ1 + r e i θ2 = r e i θ1 1 + e i (θ2 −θ1 )
θ −θ ³ θ −θ θ −θ ´
i θ1 i 2 2 1 −i 2 2 1 i 22 1
= re e e +e
³ θ − θ ´ θ2 +θ1
2 1 i
= 2r cos e 2
k 2
2) Linéarisation de si n 6 (θ)
Ou
³ e i θ − e −i θ ´6
si n 6 (θ) =
2i
1 ³ i 6θ ´
= − e − 6e i 4θ + 15e i 2θ − 20 + 15e −2i θ − 6e −i 4θ + e −i 6θ
64
1³ ´
= − cos(6θ) − 6cos(4θ) + 15cos(2θ) − 10
32
2) Linéarisation de si n(θ)cos 4 (θ)
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
2.2 Factorisation des polynômes
2.2.1 Définitions et notations

Soient K un corps commutatif (K = R ou C) et X un symbole fixé.
Définition 2.6 Un polynôme à une indéterminée X et à coefficients dans K est une ex-
pression a 0 + a 1 X + a 2 X 2 + ... + a n X n où a 0 , a 1 , ..., a n ∈ K.
te
Exemples:
¦ 1 − X et 1 + 3X − X 4 sont des polynômes à coefficients dans R.
¦ X 2 − 21 X 3 est un polynôme à une indeterminée X et à coefficients dans Q.
hti
¦ X 2 − 21 X 3 est un polynôme à une indeterminée X et à coefficients dans R.
¦ X 2 − 12 X 3 est un polynôme à une indeterminée X et à coefficients dans C.
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].
¦ a i est appelé le coefficient de X i dans P(X) (ou coefficient d’indice i de P(X)).
¦ a 0 est appelé le coefficient constant de P(X).
¦ P(X) est dit constant si tous les coefficients a i sont nuls sauf peut être a 0 .
¦ a i X i est appelé un monôme de P(X).
¦ 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).
¦ Un polynôme est dit unitaire si son coefficient dominant est égal à 1.
¦ On adoptera la convention d’écrire un polynôme suivant les puissances croissantes
ou décroissantes de X.
Définition 2.7 Soient P(X) = a 0 + a 1 X + ... + a n X n et Q(X) = b 0 + b 1 X + ... + b m X m deux
polynômes de K[X]. Alors P(X) = Q(X) si m = n et a i = b i , ∀ 0 ≤ i ≤ n.

2.2. FACTORISATION DES POLYNÔMES 27
Conséquences :
1) a 0 + a 1 X + ... + a n X n = 0 si et seulement si a i = 0 pour tout 0 ≤ i ≤ n.
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.
¦ Le coefficient constant de P(X) est − 21 .

p
¦ Le coefficient dominant de P(X) est 2.
p
¦ P(X) n’est pas unitaire puisque son coefficient dominant est 2.
k
Définition 2.8 Soit P(X) = a 0 + a 1 X + a 2 X 2 + ... + a n X n ∈ K[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
P(X) n’est pas nul, et d o P(X) = −∞ si P(X) est un polynôme nul.

Ou
2- Le plus petit i tel que a i 6= 0 est appelé valuation de P(X), noté v(P(X)), si P(X) n’est
pas nul, et v(P(X)) = +∞ si P(X) est un polynôme nul.
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.
2.2.2 Opérations sur les polynômes
Soient P(X) = a 0 + a 1 X + ... + a n X n et Q(X) = b 0 + b 1 X + ... + b m X m deux polynômes de
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 .
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 :
Si P(X) = a 0 + a 1 X + ... + a n X n , on pose −P(X) = (−a 0 ) + (−a 1 )X + ... + (−a n )X n .
te
Proposition 2.5 Pour tout P(X), Q(X) et F(X) de 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)).
hti
3) P(X) + (−P(X)) = 0 et P(X) + 0 = P(X) où 0 désigne le polynôme nul.
4) d eg (P(X) + Q(X)) ≤ sup(deg(P(X)), deg(Q(X))).
5) v(P(X) + Q(X)) ≥ inf(v(P(X)), v(Q(X))).
Preuve
1) ( resp. 2)) est une conséquence de la définition de la somme de deux polynômes et

k
du fait que l’addition dans K est commutative (resp. associative).
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-
férieur ou égal à inf(v(P(X)), v(P(X))) sont nuls.
Définition 2.10 Soient P(X) = a 0 + a 1 X + ... + a n X n ∈ K[X] et α ∈ K. Alors
αP(X) = (αa 0 ) + (αa 1 )X + ... + (αa n )X n .
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.
Proposition 2.6 Pour tout P(X), Q(X) ∈ K[X] et pour tout α, β ∈ K on a :
1) α(P(X) + Q(X)) = αP(X) + αQ(X).
2) (α + β)P(X) = αP(X) + βP(X).
3) 0P(X) = 0 et 1P(X) = P(X).
4) (−1)P(X) = −P(X).
5) Si α 6= 0, alors d eg (αP(X)) = d eg (P(X)) et v(αP(X)) = v(P(X)).

Preuve
Les quatres premières égalités sont une conséquence directe de la définition du pro-
duit d’un polynôme par un scalaire.
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
de αP(X). Donc n = d eg (αP(X)) et r = v(αP(X)).
Définition 2.11 Soient P(X) = a 0 + a 1 X + ... + a n X n et Q(X) = b 0 + b 1 X + ... + b m X m deux
hti
polynômes de K[X]. Alors le produit de P(X) par Q(X) est le polynôme
P(X)Q(X) = c 0 + c 1 X + ... + c m+n X m+n avec
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))
3) (P(X) + Q(X))F(X) = P(X)F(X) + Q(X)F(X)
4) d eg (P(X)Q(X)) = d eg (P(X)) + d eg (Q(X))
5) v(P(X)Q(X)) = v(P(X)) + v(Q(X))

L.
6) Si P(X)Q(X) = 0 alors P(X) = 0 ou Q(X) = 0
Corollaire 2.1 (K[X], +, ×) est un anneau commutatif unitaire intègre. L’élément unité
pour × est le polynôme constant P(X) = 1.
Définition 2.12 Le polynôme composé de P(X) = a 0 + a 1 X + ... + a n X n et de Q(X) est le
polynôme, noté (P ◦ Q)(X), défini par (P ◦ Q)(X) = a 0 + a 1 Q(X) + ... + a n (Q(X))n .

Exemple :
Soient P(X) = 2X 2 − 1 et Q(X) = X + 1 dans R[X]. Alors

(P ◦ Q)(X) = 2(X + 1)2 − 1 = 2X 2 + 4X + 1
½
(Q ◦ P)(X) = (2X 2 − 1) + 1 = 2X 2 .
!! Dans cet exemple, remarquer que (P ◦ Q)(X) 6= (Q ◦ P)(X).
te
Proposition 2.8 Pour tout P(X), Q(X) et F(X) de K[X] on a :
1) (P ◦ (Q ◦ F))(X) = ((P ◦ Q) ◦ F)(X).
2) ((P + Q) ◦ F)(X) = (P ◦ F)(X) + (Q ◦ F)(X).
3) d eg ((P ◦ Q)(X)) = d eg (P(X))d eg (Q(X)) si P(X) et Q(X) sont non nuls.
hti
4) v((P ◦ Q)(X)) = v(P(X))v(Q(X)) si P(X) et Q(X) sont non nuls.
Remarque :
Il existe des polynômes P(X), Q(X) et F(X) tels que :
(P ◦ (Q + F))(X) 6= (P ◦ Q)(X) + (P ◦ F)(X).
Pour se convaincre il suffit de considérer les exemples suivants :

k
P(X) = X + 1, Q(X) = X et F(X) = X 2 alors :
Ou
(P ◦ (Q + F))(X) = 1 + X + X 2
½
(P ◦ Q)(X) + (P ◦ F)(X) = 2 + X + X 2 .
D’où
(P ◦ (Q + F))(X) 6= (P ◦ Q)(X) + (P ◦ F)(X).
2.2.3 Division suivant les puissances croissantes
Théorème 2.1 Soient A(X) et B(X) deux polynômes de K[X] tels que B(0) 6= 0. Pour tout
L.
entier n, il existe un couple et un seul de polynômes (Q(X), R(X)) de K[X] vérifiant
A(X) = B(X)Q(X) + X n+1 R(X) où deg (Q(X)) ≤ n.
Preuve
Existence : Ecrivons A(X) et B(X) suivant les puissances croissantes de X.
Divisons ensuite A(X) par B(X) jusqu’à obtenir le premier reste T(X) de valuation stricte-
ment supérieure à n. Si Q(X) est le quotient correspondant à ce reste, alors A(X) =

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).
Il suffit donc de prendre R(X) = XT(X)

n+1 et on a bien
A(X) = B(X)Q(X) + X n+1 R(X).
Unicité : Supposons que
A(X) = B(X)Q1 (X) + X n+1 R1 (X) avec deg (Q1 (X)) ≤ n.
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
donc v(B(X)(Q1 (X) − Q2 (X))) = v(Q1 (X) − Q2 (X)) ≤ n.
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 :
Considérons A(X) = X 3 + 2X + 1 et B(X) = 2X 2 + X + 1. Alors pour n = 3 on a
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 )
Si on pose Q(X) = 1 + X − 3X 2 + 2X 3 et R(X) = 4 − 4X, on obtient alors A(X) = B(X)Q(X) +
X 4 R(X).
Application aux développements limités :

L.
- Sur l’exemple précédent :

1 + 2X + X 3 4X(1 − X)
2
= 1 + X − 3X 2 + 2X 3 + X 3
1 + X + 2X 1 + X + 2X 2
1 + 2x + x 3
et donc le DL de f (x) = en 0 à l’ordre 3 est 1 + x − 3x 2 + 2x 3 + x 3 θ(x)
1 + x + 2x 2
- DL de tg(x) en 0 à l’ordre 6 :
x − x 3 /6 + x 5 /120 + x 6 ρ(x) 1 − x 2 /6 + x 4 /120 + x 5 ρ(x)

t g (x) = =x
1 − x / 2 + x 4 /24 + x 5 η(x) 1 − x / 2 + x 4 /24 + x 5 η(x)
2 4 2 4
X
La division suivant les puissances croissantes de 1 − X6 + 120 par 1 − X2 + X24 à
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).
2.2.4 Division suivant les puissances décroissantes
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 :
A(X) = B(X)Q(X) + R(X) et deg(R(X)) < deg(B(X)).
Preuve
Existence de Q(X) et de R(X):

k
On suppose que A(X) = a n X n + a n−1 X n−1 + ... + a 1 X + a 0
et B(X) = b m X m + b m−1 X m−1 + ... + b 1 X + b 0 .

Ou
Premier cas : deg(B(X)) ≤ deg(A(X)).
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
division suivant les puissances décroissantes de A(X) par B(X).
Si deg(R1 (X)) < deg(B(X)) alors le couple (Q1 (X), R1 (X)) vérifie les conditions demandées
L.
par la proposition.
Si deg(R1 (X)) ≥ deg(B(X)) on passe alors à l’étape 2 suivante :
Etape 2 :
Puisque deg(B(X)) ≤ deg(R1 (X)) alors l’étape 1 appliquée à R1 (X) et B(X)

r 1l 1 l −m r 1l
(la division de R1 (X) par bm
X 1 1 ) donne : R1 (X) = B(X)[ bm1 X l 1 −m ] + R2 (X)
et deg(R2 (X)) < deg(R1 (X)) < deg(A(X)).

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
respectivement le quotient et le reste de la division correspondante à l’étape numéro
s. Dès lors la division suivant les puissances décroissantes de A(X) par B(X) s’achève et
A(X) = B(X)Qs (X) + R s (X) avec deg(R s (X)) < deg(B(X)).
hti
Deuxième cas : deg(A(X)) < deg(B(X))
Dans ce cas, il suffit de prendre Q(X) = 0 et R(X) = A(X).
Unicité de Q(X) et de R(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)) = −∞,
et Q1 (X) = Q2 (X) donc R2 (X) = R1 (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-
sion euclidienne de A(X) par B(X).
Exemples :
1) Si A(X) = 3X 3 − 1 et B(X) = X 4 − 7 alors on peut écrire

3X 3 − 1 = 0(X 4 − 7) + 3X 3 − 1 et par conséquent Q(X) = 0 et R(X) = A(X).
2) Si A(X) = X 4 − 2X + 2 et B(X) = X 2 + 1 alors
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.
2.2.5 Plus grand diviseur commun
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
un polynôme D(X) de K[X] tel que : A(X) = D(X)B(X).
Exemple :
Considérons A(X) = X 3 + 3X 2 − 7X + 15 et B(X) = X + 5. Puisque

k A(X) = (X 2 − 2X + 3)B(X)
alors A(X) = D(X)B(X) avec D(X) = X 2 − 2X + 3. D’où B(X) divise A(X).

Ou
Proposition 2.9 B(X) divise A(X) si et seulement si le reste de la division euclidienne de
A(X) par B(X) est nul.
Preuve
Si A(X) = d (X)B(X) alors d’après l’unicité du reste et du quotient de la division euclidi-
enne on déduit que le reste de la division euclidienne de A(X) par B(X) est nul. Inverse-
ment si Q(X) et 0 sont respectivement le quotient et le reste de la division euclidienne

L.
de A(X) par B(X), alors A(X) = Q(X)B(X) et donc B(X) divise A(X).
Définition 2.14 Etant donnés deux polynômes A(X) et B(X) de K[X].
- On appelle diviseur commun de A(X) et B(X), dans K[X], tout polynôme de K[X] di-
visant à la fois A(X) et B(X).
- On appelle un plus grand diviseur commun de A(X) et B(X), dans K[X], un polynôme
D(X) tel que :

i) D(X) est un diviseur commun dans K[X] de A(X) et B(X),
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
grand diviseur commun unitaire de A(X) et B(X).
Notation
Un plus grand diviseur commun de A(X) et B(X) est noté : un pg cd (A(X), B(X)).
te
Exemple :
Si A(X) = X 3 − X 2 − X + 1 et B(X) = 2X 3 − 3X 2 + 1 alors :
hti
- Un pg cd (A(X), B(X)) = 2(X − 1)2 .
- Un pg cd (A(X), B(X)) = 3(X − 1)2 .
- Le pg cd (A(X), B(X)) = (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)) ∈
(K[X])2 tels que

k A(X) = A1 (X)D(X), B(X) = B1 (X)D(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
et T(X) est un scalaire non nul (∈ K).

L.
Unicité: Si A2 (X) et B2 (X) sont deux autres polynômes de K[X] tels que
A(X) = A2 (X)D(X) et B(X) = B2 (X)D(X)
alors
D(X)(A1 (X) − A2 (X)) = 0 et D(X)(B1 (X) − B2 (X)) = 0.
Compte tenu du fait que D(X) 6= 0, il en résulte alors que A1 (X) = A2 (X) et B1 (X) =
B2 (X).
2.2.6 Polynômes premiers entre eux
Soient A(X) et B(X) deux polynômes de K[X].
Définition 2.15 A(X) et B(X) sont dits premiers entre eux dans K[X] si un
pg cd (A(X), B(X)) est un élément non nul de K.
Exemple :
te
A(X) = 2X 7 − 2 et B(X) = 2X 2 − 4. Un pg cd (A(X), B(X)) = 2 ∈ K.
Les deux polynômes 2X 7 − 2 et 2X 2 − 4 sont donc premiers entre eux.
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 :
Pour A(X) = 2X 2 + 5 et B(X) = X 2 + 2 on a : 1A(X) + (−2)B(X) = 1.
Donc A(X) et B(X) sont premiers entre eux.

k
Théorème 2.3 (Lemme de Gauss) Soient A(X) et B(X) deux polynômes premiers entre
eux dans K[X] et C(X) ∈ K[X].

Ou
1) Si A(X) divise B(X)C(X) alors A(X) divise C(X).
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
U(X), V(X) ∈ K[X] tels que A(X)U(X) + B(X)V(X) = 1.
1) Si A(X)D(X) = B(X)C(X), alors

L.
C(X) = C(X).1 = C(X)[A(X)U(X) + B(X)V(X)] = A(X)[C(X)U(X) + D(X)V(X)].
D’où A(X) divise C(X).
2) Si A(X)D(X) = C(X) et B(X)E(X) = C(X), alors comme dans 1) on a
C(X) = C(X)[A(X)U(X) + B(X)V(X)] = A(X)B(X)[E(X)U(X) + D(X)V(X)].
Par suite A(X)B(X) divise C(X).
3) Si A(X)U(X) + B(X)V(X) = 1 et A(X)R(X) + C(X)T(X) = 1 alors

1 = [A(X)U(X) + B(X)V(X)][A(X)R(X) + C(X)T(X)]
= A(X)[U(X)A(X)R(X) + U(X)C(X)T(X) + B(X)V(X)R(X)]
+B(X)C(X)[V(X)T(X)].
Donc A(X) et B(X)C(X) sont premiers entre eux.
Remarque :
te
S’il existe U(X), V(X) ∈ K[X] tels que :
A(X)U(X) + B(X)V(X) = E(X)
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 :
Si A(X) = 2X 2 + 5 et B(X) = X 2 + 2 alors
A(X)(X − 1) + B(X)(X − 1) = X − 1
malgrès que A(X) et B(X) sont premiers entre eux.
2.2.7 Calcul du PGCD

k
Dans ce paragraphe, nous exposons l’Algorithme d’Euclide permettant de déterminer
un pgcd de deux polynômes donnés A(X) et B(X) de K[X].

Ou
Algorithme d’Euclide :
On suppose que d eg (A(X)) ≥ d eg (B(X)).
Etape 1 : La division euclidienne de A(X) par B(X) permet d’écrire :
A(X) = B(X)Q1 (X) + R1 (X) avec deg(R1 (X)) < deg(B(X)).

L.
Si R1 (X) est nul, alors B(X) est un pg cd (A(X), B(X)).
Si R1 (X) est non nul, alors les diviseurs communs de A(X) et B(X) sont les diviseurs
communs de B(X) et R1 (X). Dans ce cas on passe à l’étape 2.
Etape 2 : On applique l’étape 1 aux polynômes B(X) et R1 (X).
La division euclidienne de B(X) par R1 (X) donne :
B(X) = R1 (X)Q2 (X) + R2 (X) avec d eg (R2 (X)) < d eg (R1 (X)) < d eg (B(X)).
Deux cas sont à distinguer :
i) R2 (X) est nul, dans ce cas R1 (X) est un pg cd (B(X), R1 (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 ≤
r − 1) est un pg cd (A(X), B(X)) ( où R−1 (X) = A(X) et R0 (X) = B(X)).
hti
Exemples :
1) Cherchons un pg cd des polynômes A(X) et B(X) avec
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
un pg cd (2X 2 − 4X + 2, X 2 − 3X + 2) = 2X − 2 et le pg cd (A(X), B(X)) = X − 1.
2) Déterminons un pgcd(A(X), B(X)) où A(X) = X 6 − 1 et B(X) = X 2 + 1.

A(X) = X 6 − 1 X 2 + 1 = B(X)
L.
−
X6 + X4 X 4 − X 2 + 1 = Q1 (X)
−X 4 − 1
−
−X 4 − X 2
X2 − 1
−
X2 + 1
R1 (X) = −2
D’où X 6 − 1 = (X 4 − X 2 + 1)(X 2 + 1) − 2 et X 2 + 1 = −2( −1

2
X 2 − 12 ) + 0.
Le dernier reste non nul est R1 (X) = −2. Donc un pgcd(X 6 − 1, X 2 + 1) = −2. On déduit
alors que X 6 − 1 et X 2 + 1 sont premiers entre eux. En effet :
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
de K[X], tels que :
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)
par B(X) alors le remplacement, dans l’égalité
hti
D(X) = R s (X) = R s−2 (X) − R s−1 (X)Qs (X),
de Ri (X) par Ri −2 (X) − Ri −1 (X)Qi (X) : pour 1 ≤ i ≤ s,
entraîne l’existence de deux polynômes U(X) et V(X) de K[X] tels que :
A(X)U(X) + B(X)V(X) = D(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.
Compte tenu du fait que d eg (B(X)(V(X) + A(X)Q(X))) = d eg (A(X)R(X) − 1)
≤ sup(d eg (D(X)), d eg (A(X)) + d eg (R(X))) < d eg (A(X)) + d eg (B(X)),
il suit alors que alors d eg (V(X) + A(X)Q(X)) < d eg (A(X)) et donc les deux polynômes
R(X) et V(X) + A(X)Q(X) vérifient les conditions de la proposition.
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)).
Le lemme de Gauss entraîne que B(X) divise U1 (X) − U2 (X),
or d eg (U1 (X) − U2 (X)) < d eg (B(X)) donc U1 (X) − U2 (X) = 0 d’où V1 (X) = V2 (X).
2.2.8 Polynômes irréductibles
Définition 2.16 Soit P(X) un polynôme de K[X]. Un polynôme Q(X) sera dit associé de
P(X) dans K[X] s’il existe 0 6= α ∈ K tel que Q(X) = αP(X).

Exemples :
1) 2X 6 + 6X 2 + 2 et −X 6 − 3X 2 − 1 sont des associés de X 6 + 3X 2 + 1 dans Q[X].
2) i X 6 + 3i X 2 + i est un associé de X 6 + 3X 2 + 1 dans C[X] et il n’est pas un associé de
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
les éléments non nuls de K.
Un polynôme non irréductible est dit réductible.
hti
Exemples :
¦ X 2 + 1 est irréductible dans R[X].
¦ X 2 + 1 est réductible dans C[X].
¦ 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)
alors deg(A(X)) = 0 et B(X) est un associé de aX + b ou bien deg(B(X)) = 0 et A(X) est un
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-
séquent, Ps (X) est un diviseur irréductible de P(X).
Lemme 2.1 Si P(X) est irréductible et P(X) divise un produit Q1 (X)Q2 (X)...Qm (X) alors
P(X) divise au moins un des Qi (X) pour un certain 1 ≤ i ≤ m.

Théorème 2.4 Tout polynôme non constant de K[X] est décomposable en un produit de
puissances de polynômes irréductibles unitaires et d’une constante. Cette factorisation
est unique, à l’ordre des facteurs près. Plus précisement si,

s n
P(X) = λR1 (X)s1 ...R t t (X) = βQ1 (X)n1 ...Ql l (X), où les Ri (X) et les Q j (X) sont tous unitaires
et irréductibles et tous les n i , s j sont dans N∗ , alors :
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
de polynômes irréductibles unitaires distincts.
a) A(X) divise B(X) si et seulement si s i ≤ n i , pour tout i .
Ri (X)mi n(si ,ni ) .

Q
b) Le pg cd (A(X), B(X)) =
i
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)
1) B(X) ne divise pas A(X) et A(X) ne divise pas B(X).
2) Le p.g.c.d.(A(X), B(X)) = X 2 + 2.
2.2.9 Racine d’un polynôme et formule de Taylor
Définition 2.18 Soient P(X) ∈ K[X] et a ∈ K. On dit que a est une racine (ou un zéro) de
L.
P(X) dans K si P(a) = 0.
Exemples :
1) Soit P(X) = X 3 + X ∈ R[X], 0 est une racine de P(X) dans R.
2) i est une racine de X 2 + 1 dans C, mais X 2 + 1 n’a pas de racine dans R.
3) 2 est une racine de X 2 − 4 dans R.
4) 2 est aussi une racine de X 2 − 4 dans Q.

Proposition 2.15 a est une racine de P(X) dans K si et seulement si a ∈ K et X − a divise
P(X) dans K[X].
Preuve
La division euclidienne de P(X) par X − a entraîne que : P(X) = Q(X)(X − a) + c. Si a ∈ K
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.
Remarques : Soit P(X) ∈ K[X].
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
a l’entier non nul m tel que :
(X − a)m divise P(X) et (X − a)m+1 ne divise pas P(X).
Exemple :
Soit P(X) = X 4 − 5X 3 + 9X 2 − 7X + 2. On a P(1) = 0 donc 1 est une racine de P(X) et alors
X − 1 divise P(X). La division euclidienne de P(X) par X − 1 donne P(X) = (X − 1)(X 3 −
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.
et la division euclidienne de Q(X) par X − 1 permet d’écrire Q(X) = X 3 − 4X 2 + 5X − 2 =
(X − 1)(X 2 − 3X + 2).
D’où P(X) = (X − 1)2 (X 2 − 3X + 2) et donc (X − 1)2 divise P(X).
Mais (X 2 − 3X + 2) = (X − 1)(X − 2) et alors P(X) = (X − 1)3 (X − 2) de sorte que 2 est aussi
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.
Vocabulaire
Une racine de multiplicité 1 est dite une racine simple.
Une racine de multiplicité 2 est dite une racine double.
Une racine de multiplicité 3 est dite une racine triple .
Une racine de multiplicité ≥ 2 est dite une racine multiple.
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-
sances de polynômes irréductibles, de K[X], de degré au moins égal à 2.
Soient P(X) = a 0 + a 1 X + ...a n X n ∈ K[X] et k ∈ N.

L.
Définition 2.20 Le k eme polynôme dérivé de P(X) est le polynôme P (k) (X) défini par :
1) P (0) (X) = P(X).
2) P (1) (X) = a 1 + 2a 2 X + ... + na n X n−1 .
3) P (k) (X) = (P (k−1) (X))(1) , pour k ≥ 2.

00
En général, on note P (1) (X) par P 0 (X) et P (2) (X) par P (X).
Exemple :
00 0 0 0
Si P(X) = 1 − 2X + X 3 alors P (X) = (P (X)) = (−2 + 3X 2 ) = 6X.
On considère K n [X] = {P(X) ∈ K[X] / deg(P(X)) ≤ n }.
Proposition 2.18 (Formule de Taylor)
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
Voirs cours d’Analyse.
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.
2.2.10 Les irréductibles de C[X] et de R[X]

k
Le théorème suivant est à la base de la caractérisation des polynômes irréductibles de
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
du premier degré a été déja prouvée, quelque soit K.
Proposition 2.20 (Factorisation dans C[X])

n
a i X i ∈ C[X] de degré n. Il existe b 1 , ..., b r ∈ C et n 1 , ..., n r ∈ N tels que :
P
Soit P(X) =
i =0
r
(X − b i )ni .
Q
P(X) = a n
i =1
Proposition 2.21 Les polynômes irréductibles de R[X] sont de deux types :
1) Les polynômes du premier degré.
2) Les polynômes du second degré de la forme aX 2 + bX + c à discriminant ∆=
b 2 − 4ac < 0.
Proposition 2.22 (Factorisation dans R[X])
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.
2) A(X) = 2X 4 − 11X 3 + 13X 2 + 24X − 14 et B(X) = X 2 − X − 1.

Ou
3) A(X) = (X − 1)3 (X + 2)2 (X − 3)(X − 4) et B(X) = (X − 1)2 (X + 2)(X + 5).
Exercice 2
Calculer le p gcd dans C[X] des polynômes A(x) et B(X) où
A(X) = 4X 5 − 25X 3 + 10X 2 + 21X − 10, B(X) = 2X 3 + 5X 2 + X − 2.
Exercice 3
L.
1) Montrer que les polynômes X 3 + 1 et X 2 + X + 1 sont premiers entre eux.
2) Déterminer les polynômes U(X) et V(X) ∈ R[X] tels que :
(X 3 + 1)U(X) + (X 2 + X + 1)V(X) = 1.
Exercice 4
Déterminer les paramètres réels a, b et c tels que :

1) X 4 + X 3 + aX 2 + bX + 2 soit divisible par X 2 + 2.
2) Le reste de la division euclidienne de X 2 + aX + b par X − 1 soit 2.
3) 1 est une racine multiple de aX 2 + bX − 1.
4) X 4 + aX 2 + bX + c soit divisible par X 2 + X + 1.
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].
Définition 3.1 On appelle fraction rationnelle à une indéterminée X et à coefficients

k N(X)
dans K, un élément de la forme D(X)
, avec N(X) ∈ K[X] et D(X) ∈ 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).
¦ L’ensemble des fractions rationnelles à coefficients dans K est noté K(X).
Exemples
F(X) = 2X+1
X2
∈ Q(X) et G(X) = X−i
X ∈ C(X).
N(X) M(X) N(X)

Définition 3.2 Deux fractions D(X) et E(X) de K(X) sont dites égales, et on écrit D(X) =
L.
M(X)
E(X)
, si dans K[X] on a : N(X)E(X) = M(X)D(X)
Proposition 3.1 Soit A(X) un polynôme non nul de K[X]. Alors

N(X) N(X)A(X) A(X)
1) = 2) =1
D(X) D(X)A(X) A(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) .
Définition 3.3 Une fraction N(X)

D(X) sera dite irréductible ou réduite dans K(X) si le pg cd (N(X), D(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
Soient F(X) = N(X)

D(X)
et d (X) = pg cd (N(X), D(X)). Il existe M(X) et E(X) deux polynômes de
k
K[X] tels que N(X) = M(X)d (X), D(X) = E(X)d (X) et 1 = pg cd (M(X), E(X)). D’où F(X) =
M(X)d (X)
E(X)d (X) = M(X)
E(X) .
Ou
N(X)
Remarque : Soit D(X)
une forme réduite de F(X). Alors :
αN(X)
i) Pour tout α ∈ K ∗ la fraction αD(X)
est une forme réduite de F(X).
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
d eg (F(X)), égal à d eg (N(X)) − d eg (D(X)).
Remarque : Le degré de F(X) est indépendant du choix du numérateur et du dénom-

N(X) M(X)
inateur de F(X). En effet, si F(X) = D(X) = E(X) , alors N(X)E(X) = M(X)D(X). Par con-
3.2. OPÉRATIONS SUR LES FRACTIONS 49
séquent, d eg (N(X)) − d eg (D(X)) = d eg (M(X)) − d eg (E(X)).
Exemple :
³ −2 + X 5 ´ ³ 1 + X1 ´
deg = 5 − 2 = 3, deg = 1 − 4 = −3.
3 − X + X2 −7 + X 4
3.2 Opérations sur les fractions
te
Définition 3.5 La fraction somme de F(X) et de G(X) est la fraction, notée F(X) + G(X),
définie par F(X) + G(X) = N(X)E(X)+M(X)D(X)

D(X)E(X)
.
hti
Proposition 3.3 Dans K(X) l’addition satisfait les propriétés suivantes:
1) ∀ F(X), G(X) ∈ K(X) : F(X) + G(X) = G(X) + F(X).
2) ∀ F(X), G(X), H(X) ∈ K(X) :
(F(X) + G(X)) + H(X) = F(X) + (G(X) + H(X)).

k
3) ∀ F(X) ∈ K(X) : F(X) + 0 = F(X).
Ou
Définition 3.6 La fraction produit de F(X) et de G(X) est la fraction, notée F(X)G(X),
définie par F(X)G(X) = N(X)M(X)

D(X)E(X)
.
Proposition 3.4 Dans K(X) la multiplication vérifie les propriétés suivantes :
1) ∀ F(X), G(X) ∈ K(X) : F(X)G(X) = G(X)F(X).
2) ∀ F(X), G(X), H(X) ∈ K(X) : (F(X)G(X))H(X) = F(X)(G(X)H(X)).
3) ∀ F(X) ∈ K(X) : F(X)0 = 0 et F(X)1 = F(X).
4) Si F(X), G(X) ∈ K(X) alors F(X)G(X) = 0 =⇒ F(X) = 0 ou G(X) = 0.

L.
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
(K(X), +, ×) est un corps commutatif.

3.3 Eléments simples de K(X)
Définition 3.8 Soit F(X) une fraction rationnelle de K(X). On appelle pôle de F(X) dans
K, une racine dans K du dénominateur d’une forme réduite de F(X).
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
comme racine du dénominateur d’une forme réduite de F(X).
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
Soient F(X) = N(X)

D(X)
et G(X) = M(X)
E(X)
deux fractions de K(X).
Proposition 3.5 Soit F(X) ∈ K(X). Il existe un unique polynôme E(X) ∈ K[X] et une frac-
tion G(X) ∈ K(X) de degré strictement négatif tels que :
F(X) = E(X) + G(X).
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
(∗∗) : E1 (X) − E2 (X) = G2 (X) − G1 (X).
Deux cas peuvent se présenter alors :
Premier cas : Si E1 (X) = E2 (X) alors (∗∗) entraîne que
G2 (X) = G1 (X) et l’unicité est donc assurée.
Deuxième cas : Si E1 (X) 6= E2 (X) alors (∗∗) donne que
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
1) Eléments simples de C(X) :

L.
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).
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.
2) Eléments simples de R(X) :
Une fraction F(X) non nulle de R(X) est un élément simple de R(X) si elle a l’une des
deux formes suivantes :
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
Les trois fractions suivantes sont des éléments simples de R(X) :
hti
3 3X X−1
, , .
X−5 X2 + 1 (X 2 + X + 1)3
• Aucune des fractions suivantes n’est élément simple de R(X) :
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
3.4 Décomposition d’une fraction dans C(X) et dans R(X)
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
Si F(X) ∈ R(X) alors la démonstration de la proposition précédente implique que a 1 , ..., a r ∈
R et G(X) ∈ R(X).
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
existe n i scalaires a i 1 , ..., a i ni ∈ C tels que :
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
est une décomposition de Q(X) en produit de puissances de polynômes irréductibles de
hti
R[X], alors :
- ∀ 1 ≤ j ≤ r il existe n j réels a j 1 , ..., a j n j .
- ∀ 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.
Donner la forme de la décomposition en éléments simples de R[X] de la fraction
1
F(X) =
(X − 1)2 (X 2 + X + 1)3 (X 2 − X + 1)2
D’après la proposition précédente on a :
a1 a2 α11 X + β11 α12 X + β12 α13 X + β13 c 11 X + d 11 c 12 X + d 12

F(X) = + + + + + + .
X − 1 (X − 1)2 X 2 + X + 1 (X 2 + X + 1)2 (X 2 + X + 1)3 X 2 − X + 1 (X 2 − X + 1)2
3.5. CALCUL DES PARTIES PRINCIPALES 55
3.5 Calcul des parties principales
3.5.1 Méthode de la division
Soit F(X) une forme réduite de degré strictement négatif. Si α est un pôle de F(X)
d’ordre r alors le dénominateur de F(X) est de la forme (X − α)r E(X) et X − α ne divise
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
où b 1 X r −1 +b 2 X r −2 +...+b r est le quotient de la division suivant les puissances croissantes
de N(X + α) par E(X + α) à l’ordre r − 1.
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).
∗ Calcul de la partie principale associée au pôle zéro.
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.
∗ Calcul de la partie principale associée au pôle −i .
Dans ce cas N(X) = 1 + 3i X + 8X 2 − 6i X 3 et E(X) = X, par suite
N(X − i ) = 2 + 5i X − 10X 2 − 6i X 3 et E(X − i ) = X − i .
2 + 5i X − 10X 2 − 6i X 3 −i + X
2i − 3X − 7i X 2
R(X) = i X 3
La partie principale associée à −i est alors
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
3.5.2 Méthode de dérivation
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
un polynôme R(X) avec d o R(X) < d o E(X) tels que
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
donc, pour le calcul de la partie principale d’un pôle d’ordre 2.
En effet, (∗) entraîne que

Ou
N(X) = a r E(X) + a r −1 (X − α)E(X) + .... + a 1 (X − α)r −1 E(X) + (X − α)r R(X) (∗∗)
D’où
N(α) ³ N(X) ´(0)
ar = = (α).
E(α) E(X)
En dérivant (∗∗) on obtient
N0 (α)E(α) − N(α)E0 (α) ³ N(X) ´0

L.
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.
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
Le développement cherché est alors :
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
3.5.3 Cas d’une pariték

Soit F(X) ∈ K(X) une fraction réduite de degré strictement négatif.
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).
∗ Calcul de la partie principale associée au pôle 1

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
∗ Calcul de la partie principale associée au pôle 0
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
Décomposer en éléments simples sur R, les fractions rationnelles suivantes :

L.
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)
Exercice 2
Décomposer en éléments simples de C(X), les fractions rationnelles suivantes :
X+i
∗ F1 (X) =
X2 + i
te
X
∗ F2 (X) =
(X + i )2
X5 + X + 1
∗ F3 (X) = .
X4 − 1
hti
Exercice 3
Soient a et b deux réels distincts et F(X) = (X−a)n1(X−b)n .
1) On pose f (X) = (X − a)n F(X); donner la formule de Taylor de f en a.
2) Décomposer F(X) en éléments simples sur R.

k
Exercice 4
Décomposer en éléments simples de C(X) la fraction

Ou
X−1
F(X) =
X 2 (X 2 + 1)
Exercice 5
A l’aide de la décomposition en éléments simples, calculer :

∞
X 1 ∞
X 1
, .
k=1 k(k + 1) k=1 k(k + 1)(k + 2)
Exercice 6
L.
Considérons la fraction rationnelle
1 1
F(X) = =
R(X) (X − α)2 Q(X)
avec Q(α) 6= 0.
Déterminer la partie principale associée à α en fonction de Q puis en fonction de R.

Exercice 7
On pose P0 (X) = X 3 − 5X 2 + 8X − 4, P1 (X) = X(X − 2)2 et P2 (X) = X(X − 1).
1) Montrer que 2 est une racine de P0 (X) et détérminer sa multiplicité.
2) Factoriser P0 (X) en produit de puissances de polynômes irréductibles de R[X].
3) Décomposer en éléments simples de R(X) la fraction rationnelle
te
F(X) =
X(X − 1)(X − 2)2
4) Trouver des polynômes U0 (X), U1 (X) et U2 (X) tels que
1 = U0 (X)P0 (X) + U1 (X)P1 (X) + U2 (X)P2 (X).
hti
Exercice 8
Décomposer les fractions suivantes en éléments simples sur C :
(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
M ATRICES ET SYSTÈMES LINÉAIRES
te
4.1 Calcul matriciel
hti
Dans la suite K désigne un corps commutatif (R, Q ou C).
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, ...
¦ L’élément de K appartenant à la i eme ligne et à la j eme colonne de la matrice A est
appelé le terme ou le coefficient d’indice (i , j ) de A et se note a i j .
61
62 CHAPITRE 4. MATRICES ET SYSTÈMES LINÉAIRES
¦ La matrice A de type (m, n) dont a i j est son coefficient d’indice (i , j ) se note :

 
a 11 a 12 . . . a 1n
a
 21 a 22 . . . . 
 . . . . . .  ou (a i j ) ou encore (a i j )1≤i ≤m .
 
1≤ j ≤n
 . . . . . . 
 
a m1 a m2 . . . a mn
¦ Si A = (a i j )1≤i ≤m et B = (b kl )1≤k≤m , alors A = B si et seulement si
1≤ j ≤n 1≤l ≤n
ai j = bi j ∀i ∈ {1, 2, ..., m} et ∀ j ∈ {1, 2, ..., n}.
te
¦ La matrice à m lignes et n colonnes dont tous les coefficients sont nuls est notée
O(m,n) ou O (ou0) s’il n’y a pas de risque

 de confusion à craindre, c’est-à-dire :
0 . . . . 0  
 . . . . . .  

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
¦ Une matrice carrée A = (a i j ) d’ordre n est diagonale si a i j = 0 pour i 6= j , i.e.,
 
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 ).
¦ Une matrice carrée A = (a i j ) d’ordre n est dite symétrique si a i j = a j i pour tout
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
4.1.2 Opérations matricielles
Addition des matrices
Définition 4.2 Soient M = (a i j ) et N = (b i j ) deux matrices de type (m, n). Alors M+N est
la matrice de type (m, n) définie par M + N = (c i j ) avec c i j = a i j + b i j . C’est-à-dire
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.
Proposition 4.1 L’addition des matrices satisfait les propriétés suivantes :
1) M + N = N + M ∀M, N ∈ M(m,n) (K).
2) (M + N) + C = M + (N + C) ∀M, N, C ∈ M(m,n) (K).
3) M + O(m,n) = M ∀M ∈ M(m,n) (K).

L.
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
Multiplication d’une matrice par un scalaire
Définition 4.3 Soient M = (a i j ) ∈ M(m,n) (K) et α ∈ K. Le produit de M par α est la ma-
trice de type (m, n) définie par αM = (c i j ) avec c i j = αa i j . C’est-à -dire
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
Dans toute la suite, −M désigne (−1)M appellée la matrice opposée de M.
Proposition 4.2 Soient M et N des matrices de M(m,n) (K) et α, β des éléments de K. On a
les propriétés suivantes:

k
1) (−1)M + M = O(m,n) .
2) (α + β)M = αM + βM.
Ou
3) α(M + N) = αM + αN.
4) 0M = O(m,n) .
5) 1.M = M.
6) (αβ)M = α(βM) = β(αM).
Produit des matrices

L.
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.
∗ 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
Définition 4.4 Soient M = (αi j ) ∈ M(m,s) (K) et N = (βi j ) ∈ M(s,n) (K).
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
(dans cet ordre) n’est défini que si n = r.
Proposition 4.3 Le produit matriciel vérifie les propriétés suivantes :

L.
1) (MN)S = M(NS).
2) S(M + N) = SM + SN.
3) (M + N)S = MS + NS.
4) MIn = In M = M.
5) α(MN) = (αM)N = M(αN), α ∈ K.
Pour vu que les produits qui figurent dans les expressions soient définies.
Exercice 2
µ ¶
1 1
Considérons la matrice A = .
−2 1
1) Déterminer toutes les matrices M ∈ M2 (R) vérifiant MA = AM.
2) Montrer que M ∈ M2 (R) vérifie la propriété "MN = NM ∀N ∈ M2 (R)" si et seulement

µ ¶
r 0
il existe r ∈ R tel que M = .
0 r
te
Définition 4.5 Une matrice carrée M ∈ Mn (K) sera dite inversible s’il existe une matrice
N ∈ Mn (K) telle que MN = NM = In . On note alors N = M−1 .
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
4) Donner deux matrices M et N dans M2 (R) vérifiant MN 6= NM.

L.
Proposition 4.4 (Mn (K), +, ×) est un anneau unitaire non commutatif et non intègre.
Principales différences entre la multiplication des matrices et la multiplication des nombres réels
Le produit des matrices n’est pas commutatif
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
AB = 0 n’implique pas que A = 0, B = 0 ou BA = 0.

µ ¶µ ¶ µ ¶
2 −2 1 1 0 0
=
−3 3 1 1 0 0
k µ
1 1
¶µ
2 −2
¶
=
µ
−1 1
¶
1 1 −3 3 −1 1
AC = AD n’implique pas nćessairement que C = D

Ou
µ ¶µ ¶ µ ¶
1 1 2 1 4 3
=
2 2 2 2 8 6
et
µ ¶µ ¶ µ ¶
1 1 3 0 4 3
=
2 2 1 3 8 6
A2 = I n’implique pas que A = I, ou A = −I.

µ ¶µ ¶ µ ¶
1 0 1 0 1 0
L.
=
0 −1 0 −1 0 1
µ ¶ µ ¶
1 0 1 0
mais 6= I et 6= −I.
0 −1 0 −1
A2 = B2 n’implique pas que A = B, ou A = −B.

µ ¶2 µ ¶2
1 0 1 1
=
0 −1 0 −1
µ ¶ µ ¶ µ ¶ µ ¶
1 0 1 1 1 0 1 1
mais 6= et 6= − .
0 −1 0 −1 0 −1 0 −1
Soient A et B des matrices de type (n, n). A-t-on (A − B)(A + B) = A2 − B2 ?
(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
3) Pour toute matrice carrée diagonale M on a t M = M.

Ou
Proposition 4.5 La transposée des matrices vérifie les propriétés suivantes :
1) t (M + N) = t M + t N.
2) t (λM) = λ t M
3) t (MN) = t N t M.
4) Si M ∈ Mn (K) est inversible, alors t M est inversible et (t M)−1 = t (M−1 ).
5) t (t M) = M.
L.
Preuve
Les propriétés 1), 2) et 5) découlent immédiatement de la définition de la transposée.
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
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 ).
4.1.4 Opérations élémentaires lignes
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:
1) Li j (A) est la matrice obtenue de A en permutant sa ieme ligne Li et sa jeme ligne L j
(Li ←→ L j ).
2) Li j (α)(A) est la matrice obtenue de A en remplaçant sa ligne Li par Li + αL j
hti
(Li −→ Li + αL j ).
3) Lk (β)(A) est la matrice obtenue de A en multipliant sa ligne Lk par β (Lk −→ βLk ).
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.
2) Si B est l’image de A par un nombre fini d’opérations élémentaires, on écrit A ∼ B.
Définition 4.8 Deux matrices A et B sont dites équivalentes si l’une est la transformée
de l’autre par un nombre fini d’opérations élémentaires, on écrit A ∼ B.

L.
4.1.5 Matrices échelonnées-lignes
Soit A ∈ M(m,n) (K).
Définition 4.9 La matrice A est dite échelonnée-lignes (e.l) si elle vérifie les deux condi-
tions suivantes :
1) Après une ligne nulle de A il y’a que des lignes nulles.
2) Le nombre de zéros consécutifs commençant une ligne non nulle de A, augmente
strictement de ligne en ligne.
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
de A, est le premier coefficient non nul de L.

k
Exemple.  
1 0 −1 1
 0 3 4 −1 
 
Considérons A =  .
Ou
 0 0 0 9 
0 0 0 0
Le pivot de la ligne L2 est 3.
Le pivot de la ligne L3 est 9.
La ligne L4 n’a pas de pivot.
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.
2) Tous les pivots des lignes de A sont égaux à 1.
Exemple.
 
1 0 −1
A1 =  0 1 2  est e.l.r
0 0 0
 
1 0 1
0 3 5
 
A2 =   est e.l mais non e.l.r
 
 0 0 0 
0 0 0
Définition 4.12 Une forme échelonnée-lignes (resp. forme échelonnée-lignes réduite)
de A, est une matrice échelonnée-lignes (resp. une matrice échelonnée-lignes réduite)
te
équivalente à A.
Proposition 4.6 Toute matrice non nulle admet une forme échelonnée-lignes et une
forme échelonnée-lignes réduite.
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
de lignes non nulles d’une forme échelonnée-lignes de A.
Calculer le rang de la matrice A =  .


Ou
 0
3 0 −12 
1 0 41
 
1 1 0 4
 0 −1 −1 −4 
 
Il est simple de vérifier A ∼   donc rg(A) = 3.
 0 0 −3 −24 
0 0 0 0
4.2 Résolution des systèmes linéaires

L.
Soit K un corps (K = R ou C).
Définition 4.14 Une équation linéaire à p inconnues x 1 , ..., x p est une équation définie
par une relation de la forme : a 1 x 1 + ... + a p x p = b (1)
où a 1 , ..., a p et b sont dans K.

4.2. RÉSOLUTION DES SYSTÈMES LINÉAIRES 73
¦ a i est le coefficient de l’inconnue x i (1 ≤ i ≤ p).
¦ b est le second membre de l’équation.
Résoudre l’équation (1) c’est déterminer l’ensemble de tous les p-uplets (α1 , ..., αp ) ∈
K p qui vérifient l’équation (1).
te
Définition 4.15 Un système de n équations linéaires à p inconnues à coefficients dans
K est une liste de n équations linéaires de la forme :


 a 11 x 1 + a 12 x 2 + ... + a 1p x p = b 1 (1)
.
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.
Si b 1 = b 2 = ... = b n = 0, le système (S) est dit homogène.

k
Le système (S) peut être représenté par l’écriture matricielle AX = B où
 
a 11 a 12 . . . a 1p
Ou
x1 b1
   
 . . . . . .
 
.  . 

X= , B= et A =  . . . . . .
 
 .  . 
. .  .

. . . . .

xp bn

a n1 a n2 . . . a np
 
a 11 a 12 . . . a 1p b1
 .
 . . . . . b2 

¦ . . . . . . .  est dite la matrice élargie (ou augmentée) du sys-
 
 . . . . . . .
 

a n1 a n2 . . . a np bn
tème (S).
L.
Exemples
1) Le système

 2x + 3y − 4z = 7
−x − 5y + 10z = 0
3x + 2y − z = 4

peut être représenté par l’écriture matricelle

    
2 3 −4 x 7
 −1 −5 10   y  =  0 
3 2 −1 z 4
et la matrice augmentée du système est

 
2 3 −4 7
 −1 −5 10 0  .
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.
Proposition 4.7 On obtient un système équivalent à un système linéaire donné (S) en
effectuant l’une des opérations suivantes :
1) multiplier une ligne de (S) par un scalaire non nul.
2) remplaçer une ligne Li de (S) par Li + αL j avec α ∈ K et j 6= i (on note Li −→ Li + αL j )

L.
3) échanger deux lignes de (S) (Li ←→ L j ).
4) échanger deux colonnes de (S) (changer l’ordre des inconnues).
4.2.2 Méthode de Gauss
La méthode de Gauss à pour objectif de transformer un système (S) en un système
équivalent facile à résoudre.

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)
on commence par faire les transformations L1 ←→ Li .
hti
Etape 1.
Cette étape consiste à éliminer l’inconnue x 1 dans les équations (lignes) L2 , L3 , ...., Ln
en effectuant les transformations suivantes :
a 21 a 31 a n1
L2 −→ L2 − L1 , L3 −→ L3 − L1 . . . , Ln −→ Ln − L1
k a 11 a 11 a 11
le système (S) est équivalent au système

= b 1 (L01 = L1 )
Ou

 a 11 x 1 + a 12
 x 2 + ... + a 1p x p
0 0
a 22 x 2 + ... + a 2p xp = b 20 (L02 = L2 − aa21 L1 )



 11

.

(S 0 )

 .



 .
0 0
= b n0 (L0n = Ln − aan1

a n2 x 2 + ... + a np xp L1 )

11
Etape 2.
On applique l’étape 1 au système de (n − 1) équations à p − 1 inconnues x 2 , ..., x p :

L.
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
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
Donc (S) est équivalent au système

2x + 5y + 3z + t

 = −3

− y + 2t = −1


 z + 2t = 0

− 5t = 8
Ce qui donne 

 x = 0
= − 11

y

5
te
 z
 = 16
5
= − 58

 t
x + y z 1

+ =
hti


x + 5y + 5z = 5


 2x + 5y + 5z = 5

− y − z = m
où m est un paramètre réel.
La matricelle augmentée est  

1 1 1 1
1 5 5 5
 
k 

 2 5 5 5



0 −1 −1 m
Etape 1
Ou
L2 −→ L2 − L1 , L3 −→ L3 − 2L1
 
1 1 1 1
0 4 4 4
 
 
0 3 3 3
 
 
0 −1 −1 m
Etape 2
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
D’où (S) est équivalent au système


 x + y + z = 1
y + z = 1
0 = m +1

∗ Si m + 1 6= 0 (m 6= −1) alors (S) n’a pas de solution.
∗ Si m = −1 alors
½
x = 0
te
y = 1−z
de sorte que l’ensemble des solutions est
n o
(0, 1 − z, z)| z ∈ R .
hti
5x 5y 4z

 + + = −5

x + y − z = 1


 2x − 3y + 2z = m

3x − 2y + z = 2
k
La matricelle augmentée du système est

 
Ou
5 5 4 −5
1 1 −1 1 
 

2 −3 2 m 
 

3 −2 1 2
On commence par L1 −→ L2 pour que le premier pivot soit 1 pour faciliter les calculs
lors des transformations on obtient alors

 
1 1 −1 1
 5 5 4 −5 
 
 2 −3 2 m 
 
L.
3 −2 1 2
Etape 1
L2 −→ L2 − 5L1 , L3 −→ L3 − 2L1 , L4 −→ L4 − 3L1

 
1 1 −1 1
 0 0 9 −10
 

 0 −5 4 m − 2
 

0 −5 4 −1
Etape 2
L3 −→ L4 chose qui permettera de déplacer le paramètre m à la dernière ligne

 
1 1 −1 1
 0 0 9 −10 
 
 0 −5 4 −1 
 
0 −5 4 m − 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
∗ Si m 6= 1 alors (S) n’admet pas des solutions.
∗ Si m = 1 alors (S) est équivalent au système


 x + y − z = 1
− 5y + 4z = −1
9z = −10

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
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:
1) On commence par déterminer une forme échelonnée-lignes US de la matrice élargie
hti
(augmentée) ES associée à S. rg(ES ) = r =nombre de lignes non nulles de US .
2) On discute l’existence des solutions de (S) en fonction de r.
On a 3 cas possibles.
Premier cas.
Parmi les éléments de la dernière colonne de US il y’a un pivot a 6= 0. (⇐⇒ r = r g (MS )+

k
1 = r g (ES )).
Dans ce cas l’ensemble des solutions du système est vide

Ou
S=;
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
parmi les éléments de la dernière colonne de US il y’a le pivot 7, pivot de L4 , donc S = ;.
Deuxième cas.
Aucun pivot n’est sur la dernière colonne de US et rg(ES ) = n (le nombre d’inconnues
du système), dans ce cas
S a une unique solution.
Exemple.
x + y + z = 1

te


2x + y + 3z = 0


 y − 2z = 4

x + 2z = −1
   
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
Aucun pivot de US n’est sur sa dernière colonne et rg(ES ) = 3 = n, donc le système a
une unique soultion.

n o
S = (3, 0, −2) .
k
Troisième Cas.
Aucun pivot de US n’est sur sa dernière colonne et rg(ES ) < n.

Ou
S a une infinité de solutions.
Dans ce cas, les pivots de US sont répartis sur r de ses colonnes.
¦ Une inconnue x i est dite principale si la ieme colonne de US est a pivot.
¦ Une inconnue x i est dite secondaire (ou non principale) si la ieme colonne de US n’est
L.
pas a pivot.
On a alors r inconnues principales et n − r inconnues secondaires. On résoud le sys-
tème à r inconnues principales et les inconnues secondaires seront considérées comme
arbitraires.
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
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.
On a 3 inconnues principales x 1 , x 2 , x 5 et deux inconnues secondaires x 3 et x 4 . Le sys-
tème est équivalent à


 x 1 + 2x 2 − x 5 = 1 − x 4
x 2 + x 5 = 2 − 2x 3
k 
x5 = 3
D’où
Ou
n o
S = (4x 3 − x 4 + 6, −2x 3 − 1, x 3 , x 4 , 3)|x 3 , x 4 ∈ R .
4.2.3 Méthode de Gauss pour inverser une matrice carrée
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
Considérons la matrice augmentée

 
µ ¯ ´ 1 2 1 1 0 0
A¯I3 =  4 0 −1 0 1 0 
¯
−1 2 2 0 0 1
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
unique solution X = A−1 Y.
 
1 2 1
Application. Déterminer l’inverse de la matrice A =  4 0 −1  .
−1 2 2

  
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

Il est facile de vérifier que la solution du système est donnée par
te
 −1 1 1
 x = 2 a + 2b + 2c

y = 47 a − 43 b − 54 c

z = −2a + b + 2c

ce qui est équivalent à l’écriture matricielle
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.
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.
2) Trouver X ∈ M(2,3) (R) tel que 3X + A = 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
(A + B)2 = A2 + 2AB + B2 , (A + B)3 = A3 + 3A2 B + 3AB2 + B3 .
2) Montrer par récurrence que :

n µ ¶
n n
An−k Bk .
X
(A + B) =
k
k k=0
3) Montrer que A − Im = (A − Im )(A + Im ) et A3 − Im = (A − Im )(A2 + A + Im ).
2
4) Montrer par récurrence que :

Ou
n
³X ´
(A − Im ) Ak = An+1 − Im .
k=1
n+1
5) En déduire que si A = 0, la matrice Im −A est inversible et déterminer son inverse.
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.
2) Déterminer An pour tout entier n.
3) Montrer que A est inversible et déterminer A−1 .
4) Soit u n et v n deux suites réelles définies par u 0 = 1, v 0 = 1 et la relation :

½
2u n + v n = u n+1
∀n ∈ N
2v n = v n+1
Déterminer pour tout entier n, u n et v n en fonction de n.
Exercice 4
1) Déterminer une forme échelonnée-lignes des matrices suivantes :

     
1 1 1 −1 5 0 2 2 3
A =  2 1 1  , B =  2 −1 1  , C =  3 2 1 .
1 0 1 4 3 2 −4 −2 1
2) Déterminer une forme échelonnée-lignes réduite des matrices suivantes :

 
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
Résoudre les systèmes suivants en utilisant la méthode du pivot de Gauss :

 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
Déterminer, par la méthode de Gauss, l’inverse des matrices suivantes :
       
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
E SPACES VECTORIELS ET APPLICATIONS
te
LINÉAIRES
5.1 Espaces vectoriels
hti
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)
i i ) ∀ (x, y) ∈ E2 : x + y = y + x (+ est commutative)
i i i ) ∃ e ∈ E tel que x + e = e + x = x ∀x ∈ E (e est appelé élément neutre pour +)
i v) ∀ x ∈ E ∃x 0 ∈ E tel que x + x 0 = x 0 + x = e (x 0 est dit symétrique de x pour +)
2) La loi externe . vérifie les propriétés suivantes :
i) ∀(α, β) ∈ K 2 , ∀x ∈ E : (α + β).x = α.x + β.x.
ii) ∀(α, β) ∈ K 2 , ∀x ∈ E : (α × β).x = α.(β.x).

L.
iii) ∀α ∈ K, ∀(x, y) ∈ E2 : α.(x + y) = (α.x) + (α.y).
iv) ∀x ∈ E : 1.x = x.
Exemples
1) Si (K, +, ×) est un corps commutatif alors (K, +, ×) est un K-espace vectoriel.
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
multiplication de P(X) par le scalaire k.
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.
¦ L’élément neutre du groupe (E, +) est appelé le vecteur nul de E noté 0 ou 0E .
¦ Le zéro de K est noté 0 ou 0K , pour éviter toute confusion avec 0E .
Proposition 5.1 Soit (E, +, .) un K-e.v. Pour tout α ∈ K et tout x ∈ E on a :

k
1) 0K .x = 0E et α.0E = 0E . 2) α.x = 0E =⇒ α = 0K ou x = 0E .
3) (−α).x = α.(−x) = −(α.x).

Ou
5.1.2 Sous-espace vectoriel
Soit (E, +, .) un K-espace vectoriel et H un sous-ensemble de E.
Définition 5.2 On dit que H est un sous-espace vectoriel (s.e.v) de E si :
1) H est non vide 2) ∀(x, y) ∈ H2 : x + y ∈ H
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-
pelés sous-espaces triviaux de E.

½µ ¶ ¾
a b
¦H= |a, b ∈ R est un sous-espace vectoriel du R-espace vectoriel M2 (R).
0 0
n o
¦ R2 [X] = P ∈ R[X]|P = 0 ou deg(P) ≤ 2 est un sous-esapce vectoriel du R-espace vec-
toriel R[X].
90 CHAPITRE 5. ESPACES VECTORIELS ET APPLICATIONS LINÉAIRES
Proposition 5.2 H est un sous-espace vectoriel de E si et seulement si :
1) H 6= ; 2) ∀(x, y) ∈ H2 , ∀λ ∈ K : x + λ.y ∈ H
Remarque. Si H est un s.e.v d’un K-e.v E, alors H est un sous-groupe de E et donc
0E ∈ H. Généralement cette remarque est utilisée pour montrer qu’un sous-ensemble
n’est pas un s.e.v d’un e.v donné.
te
n o
Exemple d’application. H = (x, x + 2)|x ∈ R est-t-il un s.e.v de l’espace vectoriel R2 ?
Comme 0R2 = (0, 0) 6∈ H, donc H n’est pas un s.e.v de R2 .
5.1.3 Intersection de deux sous-espaces vectoriels
hti
Proposition 5.3 Soient F et H deux sous-espaces vectoriels d’un K-espace vectoriel (E, +, .).
Alors F ∩ H est un sous-espace vectoriel de E.
Preuve
F ∩ H 6= ; car 0E ∈ F et 0E ∈ H.
Soient x et y deux vecteurs de F ∩ H. Alors x, y ∈ F et x, y ∈ H. Puisque F et H sont des

k
s.e.v de E, alors x + y ∈ F et x + y ∈ H. Par suite x + y ∈ H ∩ F.
Si x ∈ F ∩ H et λ ∈ K, alors λx ∈ F et λx ∈ H de sorte que λx ∈ F ∩ H. D’où F ∩ H est un

Ou
sous-espace vectoriel de E.
Remarques
¦ Si H1 , H2 ..., Hn sont des s.e.v de E, alors H1 ∩ H2 ∩ ... ∩ Hn est un s.e.v de E.
¦ La réunion de s.e.v n’est pas toujours un s.e.v. (Trouver un contre exemple?).
5.1.4 Somme de deux sous-espaces vectoriels

L.
Soient F et H deux sous-espaces vectoriels d’un K-espace vectoriel (E, +, .).

n o
On pose F + H = x + y|x ∈ F et y ∈ H .
Proposition 5.4 F + H est un s.e.v de E, appelé le sous-espace somme de F et H.
Preuve
Soient x et y deux éléments de F + H. Il existe (s, r ) et (u, v) ∈ F × H tels que x = s + r et

y = u + v. Donc
x + y = (s + r ) + (u + v) = (s + u) + (r + v) ∈ F + H.
De même si x ∈ F + H et α ∈ K, alors il existe (r, s) ∈ F × H tel que x = r + s et par suite
αx = αr + αs ∈ F + H. D’où F + H est un sous-espace vectoriel de E.
Définition 5.3 F + H est directe si F ∩ H = {0}. Dans ce cas, F + H se note F ⊕ H.
te
Définition 5.4 Un e.v E est dit une somme directe de deux s.e.v E1 et E2 si
E = E1 + E2 et E1 ∩ E2 = {0}. Dans ce cas, on écrit E = E1 ⊕ E2 .
hti
Exercice. Montrer que
1) E1 = {0} × R et E2 = R × {0} sont des s.e.v du R-e.v R2 tels que E1 ⊕ E2 = R2 .
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.
3) E = E1 ⊕ E2 ⇐⇒ ∀ x ∈ E, ∃ !(x 1 , x 2 ) ∈ E1 × E2 tel que x = x 1 + x 2 .

k
5.1.5 Sous-espace engendré
n o
Définition 5.5 Soit F = v 1 , ..., v n une famille finie de vecteurs de E. Un vecteur x de E
Ou
est dit une combinaison linéaire de F s’il existe des scalaires α1 , ..., αn ∈ K tels que x =
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.
8 est combinaison linéaire de F car 8 peut s’écrire 8 = 7 × 1 + 1 × (−2) + 5 × 53 .

L.
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
s.e.v de E contenant F, appelé le s.e.v de E engendré par F.

Preuve
Soient x, y deux éléments de Vect(F) et λ ∈ K. Il existe α1 , ..., αn , β1 , ..., βn ∈ K et des
vecteurs u 1 , ..., u n ∈ F tels que x = α1 u 1 +...+αn u n et y = β1 u 1 +...+βn u n . Donc x +λy =
(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.
i) Si F ⊂ F0 alors Vect(F) ⊂ Vect(F0 ).
ii) Vect(F) = Vect(F0 ) 6=⇒ F = F0 .
iii) Vect(Vect(F)) = Vect(F).
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) .
5.1.6 Famille génératrice et famille libre
Définition 5.6 Soit F une famille de vecteurs d’un K-e.v E. On dit que F est une famille
génératrice de E (ou encore F engendre E) si Vect(F) = E.

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
seulement si : ∀ v ∈ E, ∃ (k 1 , ..., k n ) ∈ K n tel que v = k 1 e 1 + ... + k n e n .
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
F. (∀v ∈ E, ∃e 1 , ..., e m ∈ F, k 1 , ..., k m ∈ K tels que v = k 1 e 1 + ... + k m e m .)
Proposition 5.8 Soit F une famille génératrice d’un K-e.v E. Alors toute famille G, de
vecteurs de E, contenant F est une famille génératrice de E.

k
Preuve
Ou
On a Vect(F) = E. Supposons que F ⊂ G, d’après la proposition 5.6 on déduit que Vect(F) ⊂
Vect(G). Donc E = Vec t (F) ⊂ Vec t (G) ⊂ E et alors E = Vect(G).
Définition 5.8 Soit F une famille de vecteurs d’un K-espace vectoriel E.

n o
1) Si F est finie et F = e 1 , ..., e n alors F est dite libre ou linéairement indépendante sur
K si : α1 e 1 + ... + αn e n = 0E , α1 , ..., αn ∈ K =⇒ α1 = α2 = ... = αn = 0K .
2) Si F est infinie, elle sera dite libre si toute sous famille finie de F est libre.
Une famille non libre est dite liée ou linéairement dépendante.

L.
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.
Proposition 5.9 Etant donné E un K-espace vectoriel, on a :
1) Toute famille de E contenant le vecteur nul, 0E , est liée.

2) Toute sous famille d’une famille libre est libre.
3) Une famille F est liée si et seulement si un de ses vecteurs est une combinaison linéaire
des autres vecteurs.
Preuve
Il suffit de montrer ces propriétés pour les familles finies.
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
nul, il en résulte alors que F est liée.

n o n o
2) Soit F1 = e 1 , e 2 , ..., e n une sous famille d’une famille libre F2 = e 1 , e 2 , ..., e n , w 1 , ..., w r .
Supposons que α1 e 1 + ... + αn e n = 0E avec α1 , ..., αn ∈ K. On obtient alors α1 e 1 + ... +
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 = ... =
αn = 0K . D’où F1 est libre.

n o
3) Soit F = e 1 , e 2 , ..., e n une famille liée. Par définition, il existe α1 , ..., αn des élé-
ments de K non tous nuls tels que α1 e 1 + ... + αn e n = 0E . Si par exemple α1 6= 0K , alors
α1 −1 ∈ K et on a e 1 = (−α1 −1 α2 )e 2 +...+(−α1 −1 αn )e n . D’où e 1 est combinaison linéaires

k
des vecteurs e 2 , ..., e n . La réciproque est triviale.
5.1.7 Base d’un espace vectoriel

Ou
Définition 5.9 Une famille B de vecteurs d’un K-espace vectoriel E sera dite une base de
E si B est une famille génératrice de E et B est libre sur K.
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
de quoi B est une base de R2 .

½µ ¶ µ ¶ µ ¶ µ ¶¾
1 0 0 1 0 0 0 0
3) , , , est une base du R-espace vectoriel M2 (R).
0 0 0 0 1 0 0 1
n o n o
4) 1, X, X 2 est une base du R-espace vectoriel R2 [X] = a + bX + cX 2 |a, b, c ∈ R .
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.
2) ∀x ∈ E, ∃ α1 , ..., αn ∈ K uniques tels que x = α1 e 1 + ... + αn e n .
Les scalaires α1 , ..., αn sont appelés les composantes ou coordonnées de x dans B.
hti
Preuve
C’est un exercice simple.
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 ∈
K tels que x = ni=1 αi e i . Comme E 6= {0E }, ∃ 1 ≤ i ≤ n tel que e i 6= 0E . Donc {e i } est

P
Ou
une partie libre de S. Soit B la partie libre de S de cardinal maximal. On suppose que
n o
B = e 1 , ..., e k . Montrons que B est une famille génératrice de E. Soit x ∈ S − B alors
k≤n
B ∪ {x} est liée. Alors ∃ β1 , ..., βk , λ ∈ K non tous nuls tels que β1 e 1 + ... + βk e k + λx = 0E .
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.
Comme e k+1 , ..., e n ∈ S − B et B engendre S − B alors :

e k+1 = αk+1 k+1
1 e 1 + ... + αk e k

.

.
.
e n = αn1 e 1 + ... + αnk e k

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.
Théorème 5.3 Soit E un espace vectoriel de type fini ayant une base formée de n élé-
ments. Alors toute famille qui possède n + 1 éléments est liée.
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
est génératrice. On a v 2 ∈ E, donc il existe β1 , β2 , β3 ∈ K tels que v 2 = β1 v 1 + β2 e 2 + β3 e 3 .
Si β2 = 0 et β3 = 0 alors v 2 = β1 v 1 et F est liée. Par suite β2 6= 0 ou β3 6= 0. On suppose par
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,
∃ µ1 , µ2 , µ3 ∈ K tels que v 3 = µ1 v 1 + µ2 v 2 + µ3 e 3 . Si µ3 = 0 alors v 3 = µ1 v 1 + µ2 v 2 et F

µ µ
est liée. On suppose donc que µ3 6= 0. On obtient e 3 = −µ13 v 1 + −µ23 v 2 + µ13 v 3 ce qui
n o
implique que v 1 , v 2 , v 3 est une famille génératrice. Donc v 4 peut s’écrire comme
k
une combinaison linéaire de v 1 , v 2 , v 3 ce qui prouve que F est liée.
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
entraîne que F est liée.

L.
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
de type fini est appelé la dimension de E sur K. On la note dimK E ou dimE.
Remarques
1) C est à la fois un R-e.v et un C-e.v tel que dimC C = 1 et dimR C = 2.

2) Si E = {0}, alors E n’a pas de base et on pose par convention dimE = 0.
3) Si dimE = n, alors toute famille génératrice de n éléments est une base de E.
4) Si dimE = n, alors toute famille libre de n éléments est une base de E.
5) Pour tout corps K, K n est un K-espace vectoriel et dimK K n = n. En effet,
Bn = {(1, 0, ......., 0), . . . , (0, ..., 1, ..., 0) , . . , (0, 0, ......., 1)}

| {z }
1 à la ieme {zcoordonnée
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
x = ni=1 λi v i ∈ F donc E ⊂ F. Or F ⊂ E, alors E = F.

P
Ou
Théorème 5.4 (Théorème de la base incomplète) Soient E un K-e.v de dimension n et
n o
e 1 , ..., e m une famille libre de E. Alors il existe (n − m) éléments e m+1 , ..., e n de E tels
n o
que e 1 , ..., e m , e m+1 , ..., e n est une base de E.
Proposition 5.11 Soient E1 et E2 deux sous-espaces vectoriels d’un espace vectoriel E tels
que E = E1 ⊕ E2 . Alors dimE = dimE1 + dimE2 .

L.
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
∃ ! x 2 ∈ E2 tels que x = x 1 + x 2 . Par suite x s’écrit de manière unique sous la forme x =

n o
α1 e 1 + ... + αn e n + β1 v 1 + ... + βm v m où α1 , ..., αn , β1 , ..., βm ∈ K. D’où e 1 , ..., e n , v 1 , ..., v m
est une base de E. Par conséquent dimE = dimE1 + dimE2 .
Proposition 5.12 Tout s.e.v d’un e.v de dimension finie admet un supplémentaire.
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
5.2 Applications linéaires

5.2.1 Définitions et propriétés
Définition 5.12 Soient E, F deux K-espaces vectoriels et f une application de E dans F.
f est dite linéaire ou encore un homomorphisme d’espaces vectoriels de E dans F, si les
conditions suivantes sont satisfaites :
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 )
= (x, y, x − 2y) + λ(x 0 , y 0 , x 0 − 2y 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
vectoriel F. Les conditions suivantes sont équivalentes :
1) f est une application linéaire.
2) ∀ x, y ∈ E et ∀α, β ∈ K : f (αx + βy) = α f (x) + β f (y).

L.
3) ∀ x, y ∈ E et ∀λ ∈ K : f (x + λy) = f (x) + λ f (y).
Proposition 5.14 Soit f une application linéaire d’un e.v E dans un e.v F. Alors
1) f (0E ) = 0F et f (−x) = − f (x) ∀x ∈ E.

n o
2) Ker f = x ∈ E| f (x) = 0F est un s.e.v de E appelé le noyau de f .
n o n o
3) Im f = f (x)|x ∈ E = y ∈ F|∃x ∈ E: y = f (x) est un s.e.v de F appelé l’image de f .
Preuve
1) Puisque 0E = 0K .0E et f est linéaire alors f (0E ) = f (0K .0E ) = 0K . f (0E ) = 0F .
Soit x ∈ E, puisque x − x = 0E alors f (0E ) = f (x − x) = f (x + (−x)) = f (x) + f (−x). Or
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.
3) Im f est clairement non vide. Soient u, v ∈ Im f et α ∈ K. Il existe x, y ∈ E tels que
u = f (x) et v = f (y). Compte tenu du fait que f est linéaire, on en déduit que u + αv =
f (x) + α f (y) = f (x + αy) ∈ Im f . Par suite, Im f est un s.e.v de F.
hti
Vocabulaire
Soit f une application linéaire d’un K-e.v E dans un K-e.v F.
¦ f est appelée un endomorphisme de E, si E = F.
¦ f est dite un isomorphisme d’espaces vectoriels de E dans F, si f est bijective.
¦ f est appelée un automorphisme de E, si E = F et f est bijective.

k
Définition 5.13 Soit f une application linéaire d’un K-e.v E dans un K-e.v F.
Ou
Le rang de f , noté r g ( f ) ou r ang ( f ), est l’entier naturel r g ( f ) =dimK Im f .
Exemple.
Considérons l’application linéaire f : R3 −→ R3 définie par

f (x, y, z) = (x − y, x − z, y − z)
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-
à-dire (x, y, z) = f (a, b, c) = (a − b, a 

− c, b − c) ce qui implique que
 a −b = x
a −c = y
b −c = z

Par conséquent
z = y −x
et alors
Y = (x, y, y − x) = x(1, 0, −1) + y(0, 1, 1)
ce qui prouve que n o n o
Im( f ) =n x(1, 0, −1) + y(0, 1, 1)|x, y ∈ R = Vec t (1, 0, −1), (0, 1, 1) .
te
o
Comme B = Vec t (1, 0, −1), (0, 1, 1) est libre (par une simple vérification), alors B est
une base de Im( f ). Ce qui montre que dimIm( f ) = 2, donc r g ( f ) = 2.
Remarque. Soient E et F deux K-espaces vectoriels et f : E −→ F une application
hti
linéaire. Alors les conditions suivantes sont équivalentes:
1) f est surjective. 2) Pour tout y ∈ F, il existe x ∈ E tel que y = f (x).
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.
Soient α1 , ..., αn ∈ K tels que α1 f (e 1 )+...+αn f (e n ) = 0F . Puisque 0F = f (0E ) alors f (0E ) =

L.
α1 f (e 1 )+...+αn f (e n ) = f (α1 e 1 +...+αn e n ). f étant injective donc α1 e 1 +...+αn e n = 0E .
Or S est libre, alors αi = 0K , ∀ 1 ≤ i ≤ n, d’où f (S) est libre.

n o
2) Supposons que f est surjective et soit S = e 1 , ..., e n une famille génératrice de E.
Soit y ∈ F, puisque f est surjective il existe un vecteur x ∈ E tel que y = f (x). Comme
S engendre E, alors ∃ α1 , ..., αn ∈ K tels que x = ni=1 αi e i , donc y = f (x) = ni=1 αi f (e i ).

P P
D’où f (S) engendre F.
3) La réponse découle immédiatement de 1) et 2).

Définition 5.14 On dit que deux K-espaces vectoriels E et F sont isomorphes s’il existe
un isomorphisme d’espaces vectoriels de E dans F.
Théorème 5.5 Soit f une application linéaire d’un K-e.v E dans un K-e.v F. Alors les
propriétés suivantes sont toujours vérifiées :
1) f est injective si et seulement ker f = {0E }.
2) E et F sont isomorphes si et seulement si dimK E = dimK F.
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
5.15. Par conséquent d i mF = n = d i mE. Inversement, supposons que d i mE = d i mF,
alors les bases de E et celles de F contiennent un même nombre de vecteurs n. Soient

n o
k n o
B = e 1 , ..., e n une base de E et C = ω1 , ..., ωn une base de F. On vérifie aisément que
l’application linéaire de E dans F qui à chaque e i associe ωi est un isomorphisme d’e.v

Ou
de E dans F. D’où E et F sont isomorphes.
3) Posons N = ker f et désignons par N0 un supplémentaire de N dans E, c’est-à-dire

n o n o
E = N ⊕ N0 . On note r = d i mN0 et soient e 1 , ..., e r une base de N0 et e r +1 , ..., e n une
n o
base de N. Montrons que f (e 1 ), ..., f (e r ) est une base de Im f .
Soit y ∈ Im f , il existe x ∈ E tel que y = f (x). Or E = N + N0 , alors il existe x 1 ∈ N0 et
x 2 ∈ N tels que x = x 1 + x 2 . Par suite f (x) = f (x 1 ) + f (x 2 ) = f (x 1 ) car x 2 ∈ Ker f . Mais
{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.
Soit (α1 , ..., αr ) ∈ K r tel que ri=1 αi f (e i ) = 0F . Alors f ( ri=1 αi e i ) = 0F et ri=1 αi e i ∈

P P P
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
Im f de sorte que dimIm f = r. Compte tenu du fait que E = N ⊕ N0 , il en résulte que

d i mE = d i mKer f + r = d i mKer f + d i mIm f .
Exemple d’application
Considérons l’application linéair e

R2 −→ R2
(x, y) 7−→ (x − y, x + 2y)
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
Im( f ) = R2 ce qui montre que f est surjective.

k
Proposition 5.16 Soit f une application linéaire d’un K-e.v E dans un K-e.v F et soit
n o
B = e 1 , ..., e n une base de E. Alors
Ou
1) f ∈ IsomK (E, F) ⇐⇒ f (B) est une base de F.
2) Si dimK E = dimK F = n, alors f est bijective ⇐⇒ f est injective ⇐⇒ f est surjective.
Preuve
1) ⇒ dèjà vu. Inversement, montrons que f est un isomorphisme de E dans F.
f est surjective? Soit y ∈ F, or f (B) est génératrice ∃ α1 , ..., αn ∈ K tels que y = ni=1 αi f (e i ).
P
Comme y = f ( ni=1 αi e i ) et ni=1 αi e i ∈ E donc f est surjective.

P P
L.
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.
2) Montrons que f bijective ⇒ f injective ⇒ f surjective ⇒ f bijective.

n o
f injective ⇒ f surjective? Soit C = e 1 , ..., e n une base de E. Puisque f est injective
d’après 1) de la proposition 5.15 on a f (C) est libre. Or f (C) est une famille contenant
n vecteurs de F et n = d i mF alors f (C) est une base de F. D’après 1) de la proposition
5.16, f est bijective et a fortiori surjective.

n o
f surjective ⇒ f bijective? Soit C = e 1 , ..., e n une base de E. D’après 2) de la propo-
sition 5.15, on a f (C) engendre F puisque Im f = F. Comme d i mF = n et f (C) est une
famille contenant n vecteurs de F alors f (C) est une base de F. En vertu de 1) de la
te
proposition 5.16 il en résulte alors que f est bijective.
Exemple d’application
hti
Considérons l’application linéaire
R2 −→ R2
(x, y) 7−→ (x − y, x + 2y)
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
Soient V et V 0 deux K-e.v de bases respectives B = (e 1 , ..., e n ) et B0 = (e 10 , ..., e m

0
). Si f
est une application linéaire de V dans V 0 , alors f est entièrement déterminée par les
images f (e i ) des e i , pour 1 ≤ i ≤ n. Comme f (e i ) ∈ V 0 , alors on peut écrire

L.
f (e 1 ) = α11 e 10 + α21 e 20 + ... + αm1 e m

0



f (e 2 ) = α12 e 10 + α22 e 20 + ... + αm2 e m
0


.
 .
.


f (e n ) = α1n e 10 + α2n e 20 + ... + αmn e m 0

où αi j est la ieme composante de f (e j ) dans B0 .
Définition 5.15 La matrice de l’application linéaire f relativement aux bases B et B0 ,

0
noée MBB0 ( f ) ou MBB ( f ), est la matrice
α11 α12 . . . α1n

 
 α
 21 α22 . . . α2n


 . . .
0
 
MBB ( f ) = 

 . . .


 
 . . . 
αm1 αm2 . . . αmn
Notation.
te
Dans le cas d’un endomorphisme f : E −→ E et B = B0 , on pose MBB ( f ) = MB ( f ).
Exemples.
1) Soit f : R2 −→ R3 l’application linéaire définie par f (x, y) = (x, y, x − 2y) et soit B =
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 .
Déterminer la matrice de f relativement aux bases B et B0 ?
Ecrivons f (e 1 ) et f (e 2 ) dans la base B0 on a :

k
f (e 1 ) = f (1, 0) = (1, 0, 1) = (1, 0, 0) + (0, 0, 1) = e 10 + e 30 .
f (e 2 ) = f (0, 1) = (0, 1, −2) = (0, 1, 0) − 2(0, 0, 1) = e 20 − 2e 30 .

Ou
par suite
 
1 0
0
MBB ( f ) =  0 1 
1 −2
2) Considérons l’application linéaire
R3 −→ 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.
ii) Déterminer une base de Ker( f ). En déduire le rang de f .
iii) Déterminer une base de Im( f ).
i) On a e 1 = (1, 0, 0), e 2 = (0, 1, 0), e 3 = (0, 0, 1) ce qui implique que


 f (e 1 ) = (1, 1, 1) = e 1 + e 2 + e 3
f (e 2 ) = (1, 1, 1) = e 1 + e 2 + e 3
f (e 3 ) = (1, 1, 1) = e 1 + e 2 + e 3

par conséquent
 
1 1 1
MB ( f ) =  1 1 1 
1 1 1
ii) Soit X = (x, y, z) ∈ Ker ( f ); puisque f (x, y, z) = (0, 0, 0) alors
(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
Ker( f ) de sorte que d i m(Ker ( f )) = 2 et r g ( f ) = d i m(R3 ) − d i m(Ker ( f )) = 3 − 2 = 1.
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
respectives de E et F, alors f est entièrement définie par la donnée de:
i) f (e 1 ), ..., f (e n ) comme des combinaisons linéaires de vecteurs de B0
ou par
ii) la donné directement de l’expression de f (x) pour un vecteur quelconque x ∈ E

L.
ou par
iii) la donnée de la matrice de f relativement aux bases B et B0 .
Exemple.
¦ Soit f : R2 −→ R3 l’application linéaire définie par

f (e 1 ) = e 10 − 2e 20 + e 30
½
f (e 2 ) = 3e 10 + e 20 − 5e 30
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 .
Calculer f (x, y) pour tout (x, y) ∈ R2 .
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
= (x + 3y)(1, 0, 0) + (−2x + y)(0, 1, 0) + (x − 5y)(0, 0, 1)
= (x + 3y, −2x + y, x − 5y)
hti
Par conséquent
f (x, y) = (x + 3y, −2x + y, x − 5y)
D’autre part,
 
1 3
MBB0 ( f ) =  −2 1 
1 −5
¦ À partir de la donnée de MBB0 ( f ) on peut retrouver l’expression de f (x, y) comme suit:

k
¶ t
    t
1 3 µ x + 3y
x  
f (x, y) =  −2 1  = −2x + y  = (x + 3y, −2x + y, x − 5y)
Ou
y
1 −5 x − 5y
¦ À partir de la donnée de f (x, y) = (x + 3y, −2x + y, x − 5y), on peut calculer f (e 1 ),
f (e 2 ), f (e 3 ) dans la base B0 comme suit:
f (e 1 ) = f (1, 0) = (1, −2, 1) = (1, 0, 0) + (0, −2, 0) + (0, 0, 1) = e 10 − 2e 20 + e 30
f (e 2 ) = f (0, 1) = (3, 1, −5) = (3, 0, 0) + (0, 1, 0) + (0, 0, −5) = 3e 10 + e 20 − 5e 30
5.2.3 Equation matricielle d’une application linéaire

L.
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
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
B = {(1, 1), (1, −1)} est une base de R2 etB0 = {(1,

 1, 0), (0, 1, 1), (0, 0, 1)} est une base de R .
3
0 1
B0
hti
Soit f : R → R définie par : MB ( f ) = 1 −1 . Calculer f (1, 2)?
2 3 
1 0
3
Ã !
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
  Ã !  −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
Théorème 5.6 Soient V et V 0 deux K-espaces vectoriels de bases respectives
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 )
est un isomorphisme d’espaces vectoriels et par conséquent dimK L (V, V 0 ) = mn.
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
donc la même dimension.

Remarque. Soit M = (a i j ) ∈ M(m,n) (K). Si B = (e 1 , ..., e n ) et B0 = (e 10 , ..., e m

0
) désignent
les bases canoniques respectives de K n et K m , alors f M : K n → K m définie par f M (e i ) =

Pm 0
a e 0 est une application linéaire et on a MBB ( f M ) = M.
k=1 ki k
Exercice
3 −1
 
Pour M = p1 2  ∈ M(3,2) (R), trouver l’application linéaire f M : R2 → R3 telle que
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
de V. Alors l’application MB : End (V) −→ Mn (K) est un isomorphisme
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 .
2) Déterminer une base de F.

Ou
3) Soient u = (1, 1, 1) et G = vec t (u). Montrer que F ⊕ G = R3 .
Exercice 2
Soit E le sous-espace vectoriel de R3 engendré par les vecteurs v 1 = (−1, 1, 0), v 2 =
(0, 2, −1) et v 3 = (−1, −3, 2).
1) Les vecteurs v 1 , v 2 et v 3 sont-ils linéairement indépendants?
2) Donner une base de E.

L.
3) Les sous-espaces E et Vec t {(0, 2 − 1)} sont-ils supplémentaires dans R3 ?
Exercice 3
Dans le R-espace vectoriel R4 , on pose : E = {(x, y, z, t ) ∈ R4 , x = y et z = t } et F =
{(x, y, z, t ) ∈ R4 , x = 2y et z = −t }.
1) Montrer que E et F sont des sous-espaces vectoriels de R4 .

2) Trouver deux vecteurs u et v dans R4 tels que E = Vec t (u, v).
3) Déterminer E ∩ F. Montrer que E ⊕ F = R4 .
Exercice 4
Soit E l’ensemble des suites réelles muni de l’addition et la multiplication par un réel
comme suit: (u n ) + (v n ) = (u n + v n ), λ.(u n ) = (λu n ) ∀(u n ), (v n ) ∈ E et ∀ λ ∈ R.
te
1) Montrer que (E, +, .) est un R−espace vectoriel.
2) Montrer que C = {(u n ) ∈ E / (u)n est convergente } est un sous-espace vectoriel de E.
3) Pour λ ∈ R, C λ = {(u n ) ∈ E / (u)n converge vers λ} est-il un s.e.v de E?
hti
Exercice 5
Soit E le R−espace vectoriel des fonctions de R dans R. Posons :
F = { f ∈ E telle que f est paire } et G = {g ∈ E telle que g est impaire }.
1) Montrer que F et G sont des sous-espaces vectoriels de E.
2) Montrer que E = F ⊕ G.
k
3) Montrer qu’il existe un couple ( f , g ) ∈ F × G tel que : exp = f + g
où exp désigne la fonction exponentielle.

Ou
Exercice 6
Soit f : R2 [X] −→ R2 [X] l’application qui associe à tout polynôme P de R2 [X] le reste de
la division euclidienne de XP par X 3 − 1.
1) Montrer que f est uner application linéaire.
2) Expliciter f (a + bX + cX 2 ). Écrire la matrice de f dans la base canonique de R2 [X].
3) Déterminer l’image de f . En déduire le rang de f .

L.
4) Montrer que f est un automorphisme. Déterminer f −1 (1 + X).
5) Calculer f 3 .
Exercice 7
Soit E = {P ∈ R[X]|(X − 2) divise P}.

1) Montrer que E est un sous-espace vectoriel de R[X].
2) Montrer que R[X] = R ⊕ E.
Exercice 8
Soit f : R2 [X] −→ R2 [X] l’applicatication définie par : f (P) = 2XP − X 2 P 0 .
1) Montrer que f est uner application linéaire.
te
2) Expliciter f (a + bX + cX 2 ). Écrire la matrice de f dans la base canonique de R2 [X].
3) Déterminer Ker( f ). En déduire le rang de f .
4) Déterminer une base de Im( f ).
hti
Exercice 9
Soit u l’endomorphisme de R3 dont la matrice dans la base canonique B0 = {e 1 , e 2 , e 3 }

 
−4 3 0
est A =  0 1 4  .
1 0 3
n o
1) Calculer 3u(e 1 ) + 4u(e 2 ). En déduire que u(e 1 ), u(e 2 ) est une base de Im(u).
k
2) Déterminer le rang de u. En déduire la dimension de Ker(u).
3) Donner une base de Ker(u).

Ou
4) Quel est le déterminant de u?
Exercice 10
Soient P, Q et R les polynômes de R2 [X] définies par :
P = (X − 7)(X − 107), Q = (X − 107)(X − 1007), R = (X − 7)(X − 1007)
1) Montrer que {P, Q, R} est une famille libre.
2) Montrer que {P, Q, R} est une base de R2 [X].

L.
3) Déterminer les coordonnées dans cette base du polynôme X − 7.
Exercice 11
Soient B = (e 1 , e 2 ) la base canonique de R2 et B0 = (v 1 , v 2 , v 3 ) la base canonique de R3 .
Soit u : R2 −→ R3 l’application linéaire définie par :
u(e 1 + e 2 ) = v 1 + 2v 2 + v 3 , u(e 1 − e 2 ) = v 2 + v 3 .
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 .
2) Déterminer Ker(u). Calculer une base de Im(u).
3) L’application u est-elle injective? bijective?
4) Soit v : R2 −→ Im(u) définie par v(a) = u(a) pour tout a ∈ R2 .
Montrer que v est bijective.
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-
riel de R4 engendré par les vecteurs
hti
a = (1, −1, 0, 0), b = (1, 0, −1, 0), c = (1, 1, 1, 1), d = (3, 0, 0, 1).
1) Donner une base de E.
2) Calculer une base de F.
3) Déterminer E ∩ F.
4) A-t-on E + F = R4 ? Justifier votre réponse.

k
5) A-t-on E ⊕ F = R4 ? Justifier votre réponse.
6) Déterminer un sous-espace vectoriel G tel que E ⊕ G = R4 .

Ou
Exercice 13
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.
2) Trouver une base pour le noyau et l’image de T.
3) Trouver les valeurs de a ∈ R tel que (a, 0, 0) soit dans l’image de T.
Exercice 14
Soit u : R2 −→ R2 l’application définie pour tout (x, y) de R2 par :
u(x, y) = (4x + 3y, 9x + 7y)

1) Montrer que u est une application linéaire. Déterminer la matrice de u dans la base
canonique de R2 .
2) Montrer que u est bijective et déterminer u −1 .
3) Déterminet sans calculs les ous-espaces Ker(u −1 ) et Im(u −1 ).
4) Soit v : R2 −→ R2 l’application définie par v(x, y) = (−y, x).
Montrer que u ◦ v 6= v ◦ u.
te
Exercice 15
Soit u : R3 −→ R3 l’application définie par :
hti
u(x, y, z) = (−2x + 4y + 4z, −x + z, −2x + 4y + 4z)
1) Montrer que u est linéaire.
2) Déterminer la matrice de u dans la base canonique de R3 .
3) Déterminer une base de Ker(u) et une base de Im(u).
4) A-t-on Ker (u) ⊕ Im(u) = R3 ?

k
Exercice 16
Ou
Soient B = (e 1 , e 2 , e 3 ) la base canonique de R3 et u l’endomorphisme de R3 défini par : :
u(e 1 ) = 2e 1 + e 2 + 3e 3 , u(e 2 ) = e 2 − 3e 3 , u(e 3 ) = −2e 2 + 2e 3 .
1) Déterminer explicitement u(x, y, z).
2) Déterminer la matrice de u dans la base canonique de R3 .
3) Déterminer une base de Ker(u) et une base de Im(u).

n o n o
4) Soient E = x ∈ R3 |u(x) = 2x et F = x ∈ R3 |u(x) = −x .
L.
Montrer que E et F sont des sous-espaces vectoriels de R3 .
5) Déterminer une base de E et une base de F.
6) E et F sont-ils suplémentaires? (c’est-à-dire R3 = E ⊕ F).
Exercice 17
Dans R3 muni de sa base canonique B = (e 1 , e 2 , e 3 ), on considère les endomorphismes

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
 
1) Déterminer les matrices de f et g dans la base B.
2) Déterminer les matrices associées à f ◦ g et g ◦ f .
te
3) Inverser quand c’est possible les matrice MB ( f ), MB (g ) et MB ( f ◦ g ).
Exercice 18
Soient E un espace vectoriel de dimension 3 sur un corps K, B = (e 1 , e 2 , e 3 ) une base de
hti
E et α, β ∈ K. Posons v 1 = e 1 − e 2 , v 2 = e 2 , v 3 = e 1 + e 3 .
1) Montrer que B0 = (v 1 , v 2 , v 3 ) est une base de E.
2) Déterminer la matrice de passage PB0 B et en déduire les coordonnées de αe 1 + βe 3
dans B0 .
3) Déterminer la matrice PBB0 et en déduire les coordonnées de v 3 − v 1 , αv 1 + βv 2 − v 3
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
Soit g l’endomorphisme de R4 dont la matrice associée relativement à la base canon-
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 .
1) Montrer que C = (x 1 , x 2 , x 3 , x 4 ) est une base de R4 et calculer PBC .
2) Calculer directement l’inverse de PBC et déduire PCB .
3) Calculer M3 . Qu’en déduit-on pour l’application g 3 = g ◦ g ◦ g ?
4) Montrer que l’application h = g + Id R4 est bijective et déterminer MB (h −1 ).

Exercice 20
Soit u l’application linéaire de R2 dans R3 donnée par sa matrice relativement aux
bases canoniques respectives B2 = (e 1 , e 2 ) et B3 = (c 1 , c 2 , c 3 ) de R2 et R3 :

 
3 4
B
MB32 (u) =  −1 1 
2 −2
1) Calculer les coordonnées de u((4, 1)) dans B3 .
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
4) Montrer que B03 = (−c 1 + c 3 , 2c 1 + c 2 , c 1 − c 2 + c 3 ) est une base de R3 .
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
Soit f l’application linéaire de R3 dans R2 dont la matrice associée relativement aux
bases canoniques B = (e 1 , e 2 , e 3 ) (resp. C = (c 1 , c 2 )) de R3 (resp. R2 ) est :

k
µ ¶
1 2 3
A=
0 −1 2
Ou
1) Déterminer le rang de A.
2) Calculer f (x, y, z), puis déterminer Ker f .
3) Montrer que B0 = (e 1 , e 1 + e 2 , e 2 + e 3 ) est une base de R3 et donner PBB0 .
4) Montrer que C0 = (c 1 , c 1 + c 2 ) est une base de R2 et donner PCC0 .

0
5) Déterminer MC
B0
( f ) et MC
B0
( f ).
Exercice 22
L.
Soit B1 la base canonique de R4 ,
B2 = {(1, 1, 1, 1, ); (0, 1, 0, 1); (0, 1, 1, 0); (0, 0, 0, 1)}
B3 = {(1, 1, 1, 1, ); (0, 1, 0, 1); (0, 1, 1, 0); (1, 0, 0, 1)}
1) Donnner la dimension et une base de Vec t (B3 ).
2) Montrer que B2 est une base de R4 et donner PB2 B1 .

3) Soit C1 la base canonique de R3 , montrer que C2 = {(1, 0, 1); (0, 1, 1); (1, 1, 0)} est une
base de R3 . Donner PC1 C2 et PC2 C1 .
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.
b) g est-elle injective? surjective?
c) Calculer la matrice associée à g dans les bases B2 et C2 .
hti
Exercice 23
Soient E un espace vectoriel sur un coprs K et p un endomorphisme de E. On dira que
p est un projecteur si p ◦ p = p.
1) Montrer que p est un projecteur si et seulement si (Id E − p) en est un .
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.
4) Pour tout projecteur p et tout endomorphisme u de E, montrer que :

Ou
p ◦ u = u ◦ p ⇐⇒ u(Ker p) ⊂ Ker p et u(Imp) ⊂ Imp.
L.

Cours Algèbre 1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Algèbre 1

Transféré par

Droits d'auteur :

Formats disponibles

te

Prof. Lahcen Oukhtite, Département de Mathématiques, FST Fès

1.1.2 Opérations Logiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

1.1.3 Quantificateurs Logiques . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.2 Méthodes de démonstration . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

1.2.3 Démonstration par contraposition . . . . . . . . . . . . . . . . . . . . 11

1.2.4 Démonstration par contre-exemple . . . . . . . . . . . . . . . . . . . 11

1.2.5 Démonstration par l’absurde . . . . . . . . . . . . . . . . . . . . . . . 12

1.2.6 Démonstration par récurrence . . . . . . . . . . . . . . . . . . . . . . 12

1.3 Ensembles et applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1.4 Relations d’équivalence, relations d’ordre . . . . . . . . . . . . . . . . . . . . 15

2 Factorisation des polynômes dans R[X] et dans C[X] 21

2.1 Rappels sur les nombres complexes . . . . . . . . . . . . . . . . . . . . . . . 21

2.2 Factorisation des polynômes . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.2.1 Définitions et notations . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.2.2 Opérations sur les polynômes . . . . . . . . . . . . . . . . . . . . . . 27

2.2.3 Division suivant les puissances croissantes . . . . . . . . . . . . . . . 30

2.2.4 Division suivant les puissances décroissantes . . . . . . . . . . . . . 32

2.2.5 Plus grand diviseur commun . . . . . . . . . . . . . . . . . . . . . . . 34

2.2.7 Calcul du PGCD . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37

2.2.9 Racine d’un polynôme et formule de Taylor . . . . . . . . . . . . . . 41

2.2.10 Les irréductibles de C[X] et de R[X] . . . . . . . . . . . . . . . . . . . 44

3.2 Opérations sur les fractions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

3.4 Décomposition d’une fraction dans C(X) et dans R(X) . . . . . . . . . . . . 52

3.5 Calcul des parties principales . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

3.5.1 Méthode de la division . . . . . . . . . . . . . . . . . . . . . . . . . . 55

3.5.2 Méthode de dérivation . . . . . . . . . . . . . . . . . . . . . . . . . . 56

3.5.3 Cas d’une parité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

4 Matrices et systèmes linéaires 61

4.1 Calcul matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

4.1.1 Définitions et notations . . . . . . . . . . . . . . . . . . . . . . . . . . 61

4.1.2 Opérations matricielles . . . . . . . . . . . . . . . . . . . . . . . . . . 64

4.1.3 Transposée d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . 69

4.1.4 Opérations élémentaires lignes . . . . . . . . . . . . . . . . . . . . . . 70

4.1.5 Matrices échelonnées-lignes . . . . . . . . . . . . . . . . . . . . . . . 70

4.2 Résolution des systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . 72

4.2.2 Méthode de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

4.2.3 Méthode de Gauss pour inverser une matrice carrée . . . . . . . . . 82

5.1 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88

5.1.1 Définitions et notations . . . . . . . . . . . . . . . . . . . . . . . . . . 88

5.1.3 Intersection de deux sous-espaces vectoriels . . . . . . . . . . . . . . 90

5.1.5 Sous-espace engendré . . . . . . . . . . . . . . . . . . . . . . . . . . . 91

5.1.6 Famille génératrice et famille libre . . . . . . . . . . . . . . . . . . . . 92

5.1.7 Base d’un espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . 94

5.2 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

5.2.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . 99

5.2.2 Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . 104

5.2.3 Equation matricielle d’une application linéaire . . . . . . . . . . . . 107

fausse, pas les deux en même temps.

etc.) ou en symboles mathématiques.

1) Rabat est la capitale du Maroc. 2) 2 + 5 = 1.

5) Quelle heure est-il ? 6) 2x − y = 5z.

• Quand une assertion est vraie, on lui affecte la lettre V ou la valeur 1.

• Quand une assertion est fausse, on lui affecte la lettre F ou la valeur 0.

Ces valeurs sont appelées “Valeurs de vérité de l’assertion”.

Remarque. La table de vérité pour deux propositions P et Q est

est vraie si P est fausse et qui est fausse si P est vraie.

assertions construites à partir de P et de Q.

vérité de P ∧ Q est donnée par :

1) "(3 > 5) et (9 6= 2 + 7)" est fausse.

Définition 1.5 La disjonction de deux propositions P et Q, notée P ∨Q (ou encore "P ou

si P et Q sont fausses. La table de vérité de P ∨ Q est donnée par :

cas. Sa table de vérité est donnée par :