COURS DE MATHEMATIQUES ALGEBRE

LAKHEL El Hassan

Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi www.ensasafi.ma Ann´e Universitaire : 2006-2007 e

Table des mati`res e
I
1

` ´ ´ ALGEBRE GENERALE
´ ´ ´ ´ GENERALITES - STRUCTURES ALGEBRIQUES 1.1 Ensenbles - Relations . . . . . . . . . . . . . . . . . . . 1.1.1 Ensembles . . . . . . . . . . . . . . . . . . . . . . 1.1.2 Relation binaire sur un ensemble E . . . . . . . 1.1.3 Applications et fonctions . . . . . . . . . . . . . 1.2 Lois de composition - Structures d’ensembles . . . . . 1.3 Groupes et sous-groupes . . . . . . . . . . . . . . . . . . 1.4 Morphisme de groupes . . . . . . . . . . . . . . . . . . . 1.5 Anneaux et corps . . . . . . . . . . . . . . . . . . . . . . 1.6 EXERCICES. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6
7 7 7 8 8 10 11 13 14 16 19 19 19 20 21 22 24 26 26 27 27 28 29 30 30 30 32 33 36 36 36 38 38 38 41 41 43

ˆ 2 LES POLYNOMES 2.1 Pr´sentation des polynˆmes . . . . . . . . . . . . . . . . . . e o 2.1.1 D´finitions et notations . . . . . . . . . . . . . . . . e 2.1.2 Op´rations sur les polynˆmes : . . . . . . . . . . . . e o 2.2 Division Euclidienne . . . . . . . . . . . . . . . . . . . . . . 2.2.1 Arithm´tiques sur les polynˆmes . . . . . . . . . . . e o 2.2.2 Algorithme d’Euclide. . . . . . . . . . . . . . . . . . 2.3 Fonction polynˆme . . . . . . . . . . . . . . . . . . . . . . o 2.3.1 Polynˆme d´riv´ . . . . . . . . . . . . . . . . . . . . o e e 2.3.2 Formule de Taylor pour les polynˆmes . . . . . . . . o 2.4 Z´ros d’un polynˆme . . . . . . . . . . . . . . . . . . . . . . e o 2.4.1 Multiplicit´ d’une racine . . . . . . . . . . . . . . . . e 2.5 Polynˆmes irr´ductibles . . . . . . . . . . . . . . . . . . . . o e 2.6 D´composition des polynˆmes en facteurs irr´ductibles . . e o e 2.6.1 Factorisation des polynˆmes dans C[X] . . . . . . . o 2.6.2 Factorisation des polynˆmes dans R[X] . . . . . . o 2.6.3 Annexe : Recherche des racines, quelques r´sultats et e 2.7 EXERCICES. . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . m´thodes e . . . . . .

3 FRACTIONS RATIONNELLES 3.1 D´finitions et propri´t´s alg`briques . . . . . . . . . . . . . . . . e ee e 3.1.1 Fractions ratinnelles irr´ductibles . . . . . . . . . . . . . . e 3.2 D´composition en ´l´ments simples d’une fraction rationnelle . . e ee 3.2.1 Fractions rationnelles r´guli`res . . . . . . . . . . . . . . . e e 3.2.2 D´composition en ´l´ments simples . . . . . . . . . . . . e ee 3.2.3 D´composition dans C(X) . . . . . . . . . . . . . . . . . . e 3.2.4 D´composition dans R(X) . . . . . . . . . . . . . . . . . . e 3.3 Recherche des parties polaires relatives ` des facteurs de la forme a 1

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . (X − a)α

3.4 3.5 3.6

3.3.1 Division suivant les puissances croissantes . . . . . . . . . . . . . . . . Recherche des parties polaires relatives ` des facteurs de la forme (X 2 + bX + c)α a APPLICATIONS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . EXERCICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43 45 46 47

II

` ´ ALGEBRE LINEAIRE
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

49
50 50 51 51 52 54 54 56 56 56 57 57 57 60 62 62 62 63 63 63 64 65 65 66 72 72 72 73 74 74 74 74 75 75 77 78 79 80 80 80 81

´ 4 ESPACES VECTORIELS ET APPLICATIONS LINEAIRES 4.1 Structure d’espace vectoriel . . . . . . . . . . . . . . . . . . . . . 4.2 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . 4.2.1 G´n´ralit´s . . . . . . . . . . . . . . . . . . . . . . . . . . e e e 4.2.2 Sous-espace engendr´ par une partie . . . . . . . . . . . . e 4.3 Applications lin´aires . . . . . . . . . . . . . . . . . . . . . . . . . e 4.3.1 G´n´ralit´s . . . . . . . . . . . . . . . . . . . . . . . . . . e e e 4.3.2 Image et noyau d’une application lin´aire . . . . . . . . . e 4.4 Op´rations sur les applications lin´aires . . . . . . . . . . . . . . e e 4.4.1 Structure d’espace vectoriel de LK (E, F ) . . . . . . . . . . 4.4.2 Composition des applications lin´aires . . . . . . . . . . . e 4.4.3 Le groupe lin´aire (GL(E), o) . . . . . . . . . . . . . . . . e 4.5 Ind´pendance lin´aire . . . . . . . . . . . . . . . . . . . . . . . . e e 4.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 ESPACES VECTORIELS DE DIMENSION FINIE 5.1 D´finition d’un espace vectoriel de dimension finie. Bases. . . . . e 5.1.1 Espace vectoriel engendr´ par une suite finie. Base . . . . e 5.1.2 Existence de bases . . . . . . . . . . . . . . . . . . . . . . 5.2 Dimension d’un espace vectoriel de dimension finie . . . . . . . . 5.2.1 Le th´or`me de la dimension . . . . . . . . . . . . . . . . e e 5.2.2 Rang d’une suite finie de vecteurs . . . . . . . . . . . . . 5.2.3 Espace vectoriel de dimension finie donn´e n . . . . . . . e 5.3 Sous-espaces d’un espace vectoriel de dimension finie . . . . . . . 5.4 Applications lin´aires d’un K-e.v. de dimension finie dans un K e. e

. . . . . . . . . . . . . . . . v.

` ´ 6 MATRICES ET SYSTEMES LINEAIRES 6.1 G´n´ralit´s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e e 6.1.1 D´finitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 6.1.2 Transpos´e d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . e 6.2 Op´rations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 6.2.1 L’espace vectoriel Mp,n (K) . . . . . . . . . . . . . . . . . . . . . . . . 6.2.2 Base canonique et dimension de Mp,n (K) . . . . . . . . . . . . . . . . 6.2.3 Multiplication des matrices . . . . . . . . . . . . . . . . . . . . . . . . 6.2.4 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3 Matrice d’une application lin´aire . . . . . . . . . . . . . . . . . . . . . . . . . e 6.4 Matrices carr´es inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 6.5 Changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.5.1 Action d’un changement de base sur les coordonn´es d’un vecteur . . e 6.5.2 Action d’un changement de base sur la matrice d’une application lin´aire e 6.6 Syst`mes lin´aires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e e 6.6.1 D´finitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 6.6.2 Interpr´tation matricielle d’un syst`me lin´aire : . . . . . . . . . . . . e e e 2

. . . . . .8 6. . . . . . . . . . . . . . . . 91 . . . . . . . . . . . . . e e 7. .1 Calcul des valeurs propres. . . . . . . . 8. . . .2 Formes miltilin´aires altern´es . e 7. . . . . . . . . .1 Le groupe sym´trique Sn . . . . . . . . . . . . . . . . . . . . . . . . . . .6. . . . . . . . . . . . . . . . .2. . . 98 . . e e e 8. . .4 G´n´ralit´s . . . . .2. . 94 . . . . . . . . . . . . . e 8. . . . . . . . . . . . . . . e 7. . .4 D´terminant d’une matrice carr´e . . . . . . . . . . . . . . . . . . .2 D´terminant d’un endomorphisme . . . . . . . .6.6. . . . 99 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8. . . . . 101 . . . . . . . . . .3 Diagonalisation .v. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104 104 104 105 107 108 108 109 111 113 117 3 . .3 D´terminant d’une suite de vecteurs dans une base . . 7. .7 6.1 Ind´pendance lin´aire de n vecteurs dans un e. . . . . . . .3 Calcul de l’inverse d’une matrice carr´e inversible . . . . . . . . . . . . . . . .6 Trigonalisation . . . . . . . . . . . . . . . . . . . . . . . . . .5 Caract´risation des endomorphismes diagonalisables . . . . . . . . . . . . . . e 7. . . . . . . . . ee e 7. . . . . . . . .4 Calcul du rang d’une matrice . 97 . . . . . e 7. 8. . . . . . . . . . . . . . . . . . . 93 .5 Propri´t´s et calcul des d´terminants . . . . . . . . . . . . . . . . . . .6. . .6. . . . . . . . . . . . . . . . . . 9 Examens de l’ann´e universitaire 2005-2006 e . . . . . .7 Exercices . . . . . . . . . . . . . . . . . . . . . . . .6. . . . . . . . 91 . . . . . . . . . . . . . . . . . . .7 Exercices . . . . . . . .9 6. . . . . .6 Applications des d´terminants . . . . . 97 . . . . . . . . . . . . . . ´ 8 REDUCTION DES ENDOMORPHISMES 8. . . . . . . . . . . . .3 Rang d’un syst`me lin´aire e e M´thode de pivot de Gauss . . . . . . . . . . . . . . . . . . . . . 95 . 95 . . Exercices : Les matrices . de dimension n e e 7. . . 8.2 Sous-espaces propres . . . . . . . e e 7. . . . . . . . . . . e 7. . . . . . . . . 81 82 84 87 ´ 7 DETERMINANTS 7. .2 Vecteurs propres et valeurs propres d’un endomorphismes : 8. . . . . . . . . . . . . . . . e Algorithme du pivot de Gauss : . . . . . Polynˆme caract´ristique o e 8.1 Introduction . . . . . . . . . . . . . 99 . . . . . .

La maˆ e e ıtrise de l’alg`bre lin´aire ´l´mentaire en dimension finie constitue un objectif e e ee essentiel. les e e e d´terminants et les r´ductions des matrices. Il contient l’ese sentiel du module d’alg`bre. e e e e 4 . v´rifiez e a e e que les d´finitions et les th´or`mes ont ´t´ bien compris et refaire les exemples et exercices e e e ee donn´s. e o L’´tude de l’alg`bre lin´aire constitue le coeur du cours d’alg`bre . ni de faire les exercices. Survol du groupe des permutations d’ordre n (d´finition d’une pere mutation. Ces allers-retours entre le cours et les applications sont essentiels pour une bonne e compr´hension. en analyse et en e e g´om´trie. ee e e e En d´but d’ann´e. Les chapitres cinq-huit introuduisent les matrices. isomorphisme. e • Espaces vectoriels de dimension finie. morphismes) et ` quelques propri´t´s ´l´mentaires des morphismes (composition. Ce cours va te permettre de revoir rapidement ce qu’il te faut absolument savoir ! e Mais ¸a reste un aide-m´moire et ne te dispense ni de cours.INTRODUCTION Ce support de cours a pour objectif de faciliter le travail des ´tudiants. d’une transposition. isomorphismes). Elle n´cessite un important effort d’abstraction et e e demande une assez longue adaptation. a e e ee noyau. se r´duit aux d´finitions (structure. on introduit la notion de loi de composition interne dans un ensemble. Les domaines suivants seront trait´s dans le premier chapitre de cette partie : e • Espace vectoriel et sous-espace vectoriel. C’est pour les ´l`ves la partie la plus difficile. d´termination pratique de la signature). Notre but est d’introduire les e e notions de base de l’alg`bre lin´aire et de d´montrer rigoureusement les r´sultats principaux e e e e de ce sujet. revenez ` la partie du cours concern´e. dans le but e e d’habituer les ´l`ves ` tenir un raisonnement rigoureux. La plupart des r´sultats sont d´montrs. qui s’int´resse aux propri´t´s e e ee des objets manipul´s et non leur nature. la d´monstration ne demande que quelques lignes. e e • Application lin´aire. car la plus abstraite et la plus neuve : ee ils y rencontrent pour la premi`re fois la notion de structure. automorphisme. endomorphisme. Le programme d’alg`bre est organis´ autour des concepts fondamentaux d’ese e e pace vectoriel et d’application lin´aire. Pour certains th´or`me. elle est subdivis´e en e e e e e six chapitres : La deux`me partie ´voque la notion d’espace vectoriel. Chaque c e fois qu’un exercice vous pose des probl`mes. Ensuite. ` ne pas confondre d´monstration et ee a a e affirmation. Dans le cadre de ce cours on cherche ` la fois d´velopper de faon rigoureuse des concepts a e et des m´thodes et ´ d´gager des connaissances n´cessaires ` la physique et aux sciences e a e e a ing´nieurs. nous allons e ´tudier les polynˆmes et les fractions rationnelles. et de leurs interventions en alg`bre. e • Noyau et image d’une application lin´aire. corps. anneau. souse e e structure. et aussi parce que les d´monstrations permettent souvent de mettre en oeuvre et e d’illustrer les concepts introduits ou les propri´t´s pr´c´demment ´tablies. de la premi`re ann´e ENSAS que l’´tudiant doit connaˆ e e e e ıtre. e e Le meilleur apprentissage de l’Alg`bre Lin´aire s’obtient par un travail r´gulier sur toute e e e l’ann´e. • Suite libre et suite g´n´ratrice. les syst`mes d’´quations lin´aires . e e l’´tude des structures de groupe.

-alors que pour d’autres . E. a a e o au fur et ` mesure. Des exercices sont ins´r´s dans le e e ee cours. ils deveraient permettre ` l’´tudiant de contrˆler. l’acquisition des connaissances. a e Aucune de ces d´monstrations ne doit ˆtre trait´e ` la l´g`re. J’esp`re pr´senter ainsi un ensemble a e e coh´rent que chaque ´tudiant pourra parcourir ` son rythme. Lakhel 5 . souvent ` la fin de chaque chapitre. il faut beaucoup plus d’ingeniosit´. car c’est pr´cis´ment ` cause e e e a e e e e a de l’abondance de ces th´or`mes que le calcul offre une base naturelle d’´tude ` ceux qui e e e a veulent atteindre une certaine maturit´ math´matique.-et peut ` tort sembler triviale. e e a Je serais reconnaissant ` ceux de mes lecteurs qui me feront parvenir leurs remarques sur ce a ce fascicule.

Premi`re partie e ` ´ ´ ALGEBRE GENERALE 6 .

Appartenance : Soit E un ensemble. e ee Ces objets sont alors appel´s ´l´ments de l’ensemble. On dit qu’une partie A de E est un sous-ensemble de E si tout ´l´ment de A est ´l´ment de E .1.1.Chapitre 1 ´ ´ ´ GENERALITES . E × F = {(x.1 1. on dit que a appartient ee a ` E et on note a ∈ E. i. on dit aussi que A est ee ee inclus dans E et on note : A ⊆ E. Si a est un ´l´ment de E . E × E = E 2 . ee d. 1.Egalit´ d’ensembles : A = B ⇔ (A ⊆ B et B ⊆ A). et on a A ∈ P(E) ⇔ A ⊆ E. e ee b. Les sous ensembles ou parties de E constituent un ensemble qu’on note P(E). f. x ∈ A}.Sous-ensemble d’un ensemble : Soit E un ensemble. / 7 . et on a e ee a A = {x ∈ E/ ´ e e.Relations Ensembles a. Si E = ∅. Si a ∈ E on ne confondra pas a et {a} : a est un ´l´ment de E tandis que {a} est une ee partie de E. c. le souse E ensemble de E constitu´ des ´l´ments de E qui n’appartiennent pas ` A. a 2.STRUCTURES ´ ALGEBRIQUES 1.Ensemble : Un ensemble est une collection d’objets v´rifiant une propri´t´ commune. un ´l´ment de P(E). C’estee `-dire : P(∅) = {∅}. y)/ x ∈ E et y ∈ F } 2.Produit cart´sien de deux ensembles e Le produit cart´sien de deux ensembles E et F se d´finit par : e e 1.1 Ensenbles . P(E) contient un ´l´ment qui est la partie vide de E.Sous-ensemble compl´mentaire : Soient E un ensemble et A une partie de E.e. Remarque 1. On e appelle sous-ensemble compl´mentaire de A dans E et on note ⊂A ou A.

f (A ∪ B) = f (A) ∪ f (B). y = f (x)}. e e 1. ` tout ´l´ment de E. (Voir exercice 3 s´rie No 1. a ee ee Image d’une partie de E : D´finition 1.. Preuve. Elle n’est pas transitive ! e (Th´or`me d’Euclide : deux droite perpendiculaures ` un troisi`me sont parall`les. tel que : (∀a ∈ E). Soient A. L’image d’une partie X de E par l’application f que l’on note f (X). e e Relation d’´quivalence sur un ensemble e Une relation d’´quivalence dans un ensemble E est une relation binaire qui est ` la fois e a r´flexive.1.1. Soient E. si et seulement e e si : (aRb et bRa) =⇒ a = b (∀a ∈ E)(∀b ∈ E). B deux parties de E. La relation ” inclus dans ou ´gal ` ” est une relation r´flexive et transitive e a e 3.3 Applications et fonctions D´finition 1.2. a e antisym´trique et transitive. bRc Exemples 1. ≤ . e a e 2. Exemple .) e e a e e 3.1. est e l’ensemble des images de tous les ´l´ments de X : ee f (X) = {y ∈ F/∃x ∈ X. 2.. (∀a ∈ E) (∀b ∈ E). La relation ” ´gal ` ” est une relation d’´quivalence. La relation ”parall`le ` ” est une relation d’´quivalence.1.La relation ”inf´rieur ou ´gal ” est une relation d’ordre sur R. e a e Relation d’ordre sur un ensemble Une relation d’ordre dans un ensemble E est une relation binaire qui est ` la fois r´flexive. sym´trique et transitive. associe un ´l´ment unique de F .. tout sous-ensemble de E 2 .) e 8 . e aRb 3. on a : e e 1. Th´or`me 1.2 Relation binaire sur un ensemble E On appelle relation binaire R sur un ensemble E. (∀b ∈ E) aRb (a est en relation avecb) La relation R peut ˆtre un objet mat´matique quelconque : ⊆. R est une relation transitive si et seulement si =⇒ aRc. Mais on a seulement l’inclusion : f (A ∩ B) ⊆ f (A) ∩ f (B). La relation ”perpendiculaire” est une relation sym´trique. Une relation R est une relation antisym´trique. F deux ensembles. On appelle application de E vers F toute core respondance de E vers F qui. R est une relation sym´trique si et seulement si aRb =⇒ bRa. R est une relation r´flexive si et seulement si aRa e 2.3. (∀c ∈ E) e e 1.

On a e e 1. 25]. consid´rons l’applie e cation f : R −→ R x −→ x2 et consid´rons les ensembles A = [−3. 1. 4]. y) ∈ E 2 . 5].2. L’image r´ciproque d’une partie Y de F par l’application f qu’on note e e f −1 (Y ) est l’ensemble des ´l´ments de E dont l’image par f est dans Y .3. f (x) = f (y) ⇒ x = y. 2]. x = y ⇒ f (x) = f (y). 9]. Remarque 1. donc f (A) ∩ f (B) = [1. et A ∩ B = [1.). f −1 (A ∪ B) = f −1 (A) ∪ f −1 (B). et f une application de E vers F . 2. f −1 (A ∩ B) = f −1 (A) ∩ f −1 (B). Donc f (A) ∩ f (B) f (A ∩ B). e Image r´ciproque d’une partie de F e D´finition 1. Attention ! il ne faut pas confondre cette notion avec la fonction r´ciproque e d’une application bijective rappel´e ci-apr`s. F deux ensembles.D. e On a f (A) = [0. x ∈ f −1 (A ∩ B) ⇔ f (x) ∈ A ∩ B ⇔ f (x) ∈ A et f (x) ∈ B ⇔ (x ∈ f −1 (A)) et (x ∈ f −1 (B)) ⇔ x ∈ f −1 (A) ∩ f −1 (B). En effet. f (B) = [1. En fait l’inclusion r´ciproque n’est vraie que si l’application f est injective (voir T. 9]. y) ∈ E 2 .4. B = [1. 9 .Remarque 1.5. Autrement dit : ∀(x. 2]. e e Th´or`me 1. • Injection : On dit que l’application f est injective si : ∀(x. Propri´t´s des applications ee Soient E. ee f −1 (Y ) = {x ∈ E/ f (x) ∈ Y }. ∃x ∈ E / y = f (x). donc f (A ∩ B) = [1. l’inclusion r´ciproque n’est pas toujours vraie. 2. Preuve. x ∈ f −1 (A ∪ B) ⇔ f (x) ∈ A ∪ B ⇔ f (x) ∈ A ou f (x) ∈ B ⇔ (x ∈ f −1 (A)) ou (x ∈ f −1 (B)) ⇔ x ∈ f −1 (A) ∪ f −1 (B). Soient A et B deux parties de F . • Surjection : On dit que l’application f est surjective si : ∀y ∈ F.

Soit C ∞ (R. Notations 1. 3. 2. e On dit que f et g sont ´gales si. • Soient E et F deux ensembles.• Bijection : On dit que l’application f est bijective si elle est ` la fois injective et surjective. On obtient ∀y ∈ F. f: R −→ R x −→ x + 1 f est une application bijective.2 Lois de composition . Une loi de composition interne (l. y) = xT y. pour tout ´l´ment x de E. e ee On note alors : f = g. a Autrement dit. ∃!x ∈ e E/y = f (x). 10 . • Bijection r´ciproque : Soit f une bijection de E vers F . y) −→ T (x. F deux ensembles.c. y) = x⊥y. R) l’ensemble constitu´ des fonctions infiniment d´rivables sur R ` valeurs e e a dans R.e) sur E ` domaine d’op´rateurs (ou scalaires) dans a e F est une application de F × E dans E .c. • Application identit´ : e soit E un ensemble. on a f (x) = g(x).Structures d’ensembles D´finition 1. Ainsi e e e ∀(x. Une loi de composition externe (l. R) ϕ −→ ϕ Φ est une application surjective.6. cette application est not´e id. T : E × E −→ E (x. On appelle application identit´ dans E. la bijection F −→ E y→x est appel´e bijection r´ciproque de f et est not´e f −1 . Φ C ∞ (R. ∀y ∈ F. ∃!x ∈ E / y = f (x).i) sur E est une e application de E × E dans E. ` tout ´l´ment e a ee x de E. • Applications ´gales : Soient E. l’application qui. ⊥ : F × E −→ E (x. e Exemples 1. f : R∗ −→ R 1 x −→ x f est une application injective. • Soit E un ensemble. y) −→ ⊥(x. on associe x . 1. y) ∈ E × F. R) −→ C ∞ (R. et f une application de E vers F . f (x) = y ⇔ x = f −1 (y).

3 Groupes et sous-groupes D´finition 1. ee e a Si. L’autre relation e ´tant obtenue par la commutativit´. Soit (G. D´finition 1. x. Un ensemble (G. z ∈ G. +) o` E = { fonctions num´riques d´finies sur R}.i e not´e ∗. – Si une loi ∗ est commutative. ee a iii) Tout ´l´ment est sym´trisable c’est-`-dire ∀x ∈ G. ∗) un groupe. On dit qu’un ´l´ment a de G est r´gulier si il est r´rulier ` gauche et ` droite.4.9. pour tous les ´l´ments a et b de G. c ∈ G. c’est d´finir sur G un nombre fini de e lois de composition internes ou externes v´rifiant un certain nombre de conditions appel´es e e axiomes de la structure en question. ∀x. On dit qu’un ´l´ment a de G est r´gulier ` gauche si ee e a ∀b. (b ∗ a = c ∗ a) ⇒ (b = c). Les ensembles suivants sont des groupes : – (Z.c. Si on suppose que a ∗ x = a ∗ y.10. ee alors. +) o` + est l’addition usuelle. Le sym´trique de x est ee e unique. Dans la suite. ∗) est un groupe si il v´rifie les trois conditions suivantes : e e i) La loi ∗ est associative c’est-`-dire. ∗). ee e e a a Proposition 1. G ´tant un ensemble muni d’une l.5. pour v´rifier qu’un ´l´ment x est le e e e e ee sym´trique de x. De mˆme. 2. Tout ´l´ment d’un groupe est r´gulier.1. x ∗ e = e ∗ x = x. (a ∗ b)−1 est par d´finition l’unique ´l´ment de G qui v´rifie : e ee e (a ∗ b)−1 ∗ (a ∗ b) = (a ∗ b) ∗ (a ∗ b)−1 = e. ∃x ∈ G/x ∗ x = x ∗ x = e. on a : ee (a ∗ b)−1 = b−1 ∗ a−1 . x ∈ G. – (C u – (E. par : (f + g)(x) = f (x) + g(x).7. 11 . Munir un ensemble G d’une structure. x ∗ (y ∗ z) = (x ∗ y) ∗ z. Soit (G. y trois ´l´ments d’un groupe (G. e Exemple 1. pour tout a e ee e r´el x. il suffit de v´rifier que. e Proposition 1. C’est-`-dire. il suffit que l’on ait soit x ∗ x = e soit x ∗ x = e. pour v´rifier qu’un ´l´ment e est l’´l´ment e ee ee neutre. on a x ∗ e = x (ou e ∗ x = x). u ∗ . ee e Preuve. la loi est commutative (∀x. on aura apr`s multiplication ` gauche par a−1 e a a−1 ∗ (a ∗ x) = a−1 ∗ (a ∗ y). e 1.11. ∗) un groupe.Remarque 1. Preuve. Soient a. ×) o` × est la multiplication usuelle. de plus. y. e a x ∗x∗x = (x ∗ x) ∗ x = e ∗ x = x = x ∗ (x ∗ x ) = x ∗ e = x . c ∈ G. Soit (G. a ii) La loi ∗ admet un ´l´ment neutre c’est-`-dire ∃e ∈ G ∀x ∈ G. Or (b−1 ∗ a−1 ) ∗ (a ∗ b) = b−1 (a−1 ∗ a) ∗ b = b−1 ∗ e ∗ b = b−1 ∗ b = e et (a ∗ b) ∗ (b−1 ∗ a−1 ) = a ∗ (b ∗ b−1 ) ∗ a−1 = a ∗ e ∗ a−1 = a ∗ a−1 = e. Preuve. f et g ´tant deux ´l´ments de E. e 1. ∗) un groupe et soit x un ´l´ment de G. (a ∗ b = a ∗ c) ⇒ (b = c). et + est la somme usuelle des u e e fonctions. x ∗ x = x ∗ x). e Proposition 1. ∀x ∈ G. On dit qu’un ´l´ment a de G est r´gulier ` droite si ee e a ∀b. on dit que le groupe est commutatif ou ab´lien. On suppose qu’il existe deux sym´triques ` x : x et x”. f + g est d´finie. 3.8. Remarque 1.

Remarque 1. Le sym´trique d’un ´l´ment de H est le mˆme dans H que dans G. – 2Z = {2k/k ∈ Z}. +) et (3Z. muni de la loi ∗ induite par G est un groupe.y = x. Th´or`me 1. D´finition 1.) un groupe not´ multiplicativement.2. ∗) si et seulement si i) H est stable dans G. H est stable par la loi de G et ∀x ∈ H. e (iii) ⇒ (i) : Associativit´ d´coule de celle de G. e Sym´trique : ∀x ∈ H. on a x − y ∈ H. on a : e (ii) devient (ii)’ H = ∅. e e El´ment neutre : ∀x ∈ H. (iii) H = ∅ et ∀x.y i∈I Hi . on devrait avoir 2 + 3 ∈ 2Z ∪ 3Z. alors. +) est un sous-groupe de (Z. e On dit que H est un sous-groupe de (G. Soit G un groupe. Tous les autres sous-groupes sont dits propres. +). on a x. Par suite x = y. . +). Proposition 1. e (ii) ⇒ (iii) ´vident.(y −1 )−1 ∈ H. e Loi de composition interne : ∀x. Soit G un groupe et soit a un ´l´ment de G. Preuve. Soit (G. (ii) H = ∅. +).6. a 12 . Il existe un plus petit sousee groupe de G contenant a. Soit H ⊆ G et H = ∅. on a (2Z. x ∗ y ∈ H.ce qui entraine en utilisant l’associativit´ de la loi ∗ : e (a−1 ∗ a) ∗ x = (a−1 ∗ a) ∗ y. L’´l´ment neutre de H est le mˆme que ee e celui de G . donc e ∈ i∈I Hi . la partie H est dite stable pour la loi ∗ du groupe G (ou stable dans G)si ∀x. {e} et G sont deux sous-groupe de G. par suite i∈I Hi = ∅.y −1 ∈ Hi . . Ce sous-groupe est appel´ groupe engendr´ par a et est not´ gr(a).7. ∗) un groupe. +) est un sous-groupe de (Z. H est stable par la loi de G et ∀x ∈ H. – ∀i ∈ I(= ∅) e ∈ Hi . – Soit x. y ∈ H. on a y −1 ∈ H.13. y ∈ Hi donc x. – (Z. y ∈ H. Exemple 1. la r´union de 2 sous-groupes n’est pas un sous-groupe.15. Preuve. D’o` ee u −1 ∈ x. ×) n’est pas un sous-groupe de (R∗ . y deux ´l´ments de i∈I Hi . y ∈ H. Cette famille n’est pas vide car G appartient ` cette famille et gr(a) = i∈I Hi . Par e e e exemple.3. Soit (Hi )i∈I l’ensemble des sous-groupes de G qui contiennent a. on a x−1 ∈ H. Si 2Z ∪ 3Z est un sous-groupe de (Z. Remarque 1. (iii) devient (iii)’ H = ∅ et ∀x.groupes de G. – Soit H un sous-groupe de G. Soit H ⊆ G. Soit (G. +).y −1 ∈ H. Les propri´t´s e e e ee suivantes sont ´quivalentes : e (i) H est un sous-groupe de G.14. ∀i ∈ I.groupe de G. ii) L’ensemble H. Exemple 1. et donc x. Soit G un groupe et soit (Hi )i∈I une famille non vide de sous. y ∈ H. +) est un sous-groupe de (R. (i) ⇒ (ii) ´vident.x−1 ∈ H ⇒ x−1 ∈ H.x−1 ∈ H ⇒ e ∈ H.12. x. +) est un sous-groupe de (Z. En g´n´ral. Alors i∈I Hi est un sous. Proposition 1. on a −x ∈ H. (2Z. x. e. – (Z∗ . e e e Preuve. ×). Sous-groupes Soit H une partie non vide d’un groupe G . e ee e – Si la loi de G est not´e additivement.

+). Dans ce cas on dit que G et F sont isomorphes et on ´crit G ∼ F . Soient (G. On peut g´raliser cette d´finition ` une partie A quelconque d’un groupe e e a G. e e D´finition 1. e 2) (Z. 1) (2Z. La fonction exponentielle est un morphisme de (R. ×) . Exemples : 1. Remarque 1. 13 . gr(i) = {1. (F. Soient (G.4. (ii) ∀x ∈ G. est le sous-groupe de G d´fini par : e e Ker(f ) = f −1 (e ) = {x ∈ G : f (x) = e }. Il existe un plus petit sous-groupe de G contenant A. un morphisme (resp. +) qui ` chaque x on associe nx. donc ee (f (x))−1 = f (x−1 ). Th´or`me 1. f (x ∗ y) = f (x)⊥f (y). D´finition 1.19. ⊥) deux groupes d’´l´ments neutres respectifs e et e . ee e (ii) Soit x un ´l´ment de G. est un a morphisme de groupes (f (x + y) = f (x) + f (y)). • L’image de f not´ Im(f ). 3. −i}. e = Dans le cas o` G = F . +) dans (Z. ∗).Exemple 1. (F. Soient (G. G deux groupes. Ce sous-groupe est appel´ groupe e engendr´ par A et est not´ gr(A). +) engendr´ par 2. ∗). l’application de G dans G qui ` x fait correspondre e a (l’´l´ment neutre de G ). Soit n ∈ N. ×). −1. Alors f est injectif e e si et seulement si Ker(f ) = {e}.21. e e 1. ×) dans (R. Soient (G.4 Morphisme de groupes D´finition 1. e 3) Dans (C∗ . +) est un sous-groupe de (Z. i.18. (F. ⊥) deux groupes. ∗) et (F. e e ee Soit f un morphisme de G dans F . est le sous-groupe de G d´fini par : e e Im(f ) = f (G) = {f (x) : x ∈ G}.17. On e dit que f est un isomorphisme de G dans F s’il est bijective de G dans F . ∗). Preuve : (i) Nous avons e ⊥f (e) = f (e) = f (e ∗ e) = f (e)⊥f (e). (i) f (e) = e . est un morphisme de groupes appel´ morphisme trivial. +) dans (R∗ . +) est sous-groupe de (R. e • Le noyau de f not´ ker(f ). +) engendr´ par 1. + Th´or`me 1. Alors. ⊥) deux groupes et f un morphisme de G dans F . Soit f un morphisme d’un groupe G dans un groupe F . automorphisme)de G. et f une application de G dans F . Nous avons f (x−1 )⊥f (x) = f (x−1 ∗ x) = f (e) = e . Soient G.8. ee e 2. L’application de (Z. y) ∈ G2 .20. D´finition 1. On e dit que f est un morphisme de groupes si : ∀(x.16. ⊥) deux groupes et f un morphisme de G dans F . donc f (e) = e puisque dans un groupe tout ´´ment est r´gulier. On dit que A est une partie e g´n´ratrice de G si et seulement si gr(A) = G. La fonction loga+ rithme est un morphisme de (R∗ . f (x−1 ) = (f (x))−1 . un isomorphisme) de G dans G est appel´ un u e endomorphime (resp. Soit G un groupe et soit A une partie de G.

Notations 2.7. Par suite f est injective. c’est-`-dire : ∃x ∈ A tel que e a a x × x = x × x = 1. 1. On note u(A) l’ensemble des ´l´ments inversibles de A (qui sont appel´s aussi des unit´s). ×) o` + et × sont l’addition usuelle et la multiplication usuelle. Les pr´c´dents exemples (Z. Donc xy −1 = e.. 1.22. ×) sont des ane e neaux commutatifs. ×) un anneau. ×) o` + et × sont l’addition usuelle et la multiplication usuelle. +. +. On note g´n´ralement 0 ou 0A l’´l´ment neutre de e e ee (A. donc si x est un ´l´ment de ker(f ). Soit (A. y. +. Soit A un ensemble muni de deux lois de composition internes + et ×. (R. Soit E = { fonctions num´riques d´finies sur R} (E. +) est un groupe ab´lien. ×) :    0 0 0 0 0  et 0 =  0 0 0  . (R. 2. y. x×(y+z) = (x×y)+(x×z) et distributive ` droite : ∀x. iii ) La loi × est distributive par rapport ` la loi + . +) et 1 ou 1A l’´l´ment neutre de (A.5.5 Anneaux et corps D´finition 1. Pour les matrices. Un anneau n’est jamais vide. z ∈ A. D´finition 1. 2. Dans ce cas un anneau e e e e v´rifiant vi) sera dit un anneau unitaire. ×) est dit commutatif si la loi × et commutative. ce qui implique que x = e. 1. +.9. Les autres anneaux seront dits unif`res. +.23. ×). On parlera d’oppos´ pour le sym´trique d’un ee e e ´l´ment pour la loi +.6. +. Notons que la d´finition d’un anneau peut ˆtre ´nnonc´e sans vi). On pourrait d´terminer les ´l´ments neutres pour chacune e ee e ee des lois. ×) et (E. ×) o` + et × sont l’addition usuelle et la multiplication usuelle est un anneau. +. z ∈ A. ({0}. +. +. e e Exemple 1..Preuve Supposons que f est un morphisme injectif. +. ×). e ii ) La loi × est associative. On note e = 1A ou tout simplement 1. on obtient f (xy −1 ) = e . On note A∗ = A \ {0A }. y ∈ G tels que e f (x) = f (y). +. (M3 . d’o` x = y. (Z. soient x. Un anneau (A. ee alors f (x) = e = f (e)..24.. u 2. R´ciproquement. e Exemple 1. ee Exemple 1. e Remarque 1. (y+z)×x = a (y × x) + (z × x). 1 0 0 0 D´finition 1. en multipliant par f (y)−1 . u 3. Il en r´sulte que e xy −1 ∈ ker(f ) = {e}. ×) o` + et × sont les lois e e u usuelles : (f + g)(x) = f (x) + g(x) et (f × g)(x) = f (x) × g(x) pour tout r´el x (f et g e ´tant deux ´l´ments de E). c’est-`-dire distributive ` gauche : a a a ∀x. vi) A admet un ´l´ment neutre pour la loi × ee ∃e ∈ A ∀x ∈ A ex = xe = x. on  1 0  0 1 1 = I3 = 0 0 a dans (M3 (R). +. On dit qu’un ´l´ment x ∈ A est inversible si et e ee seulement si il admet un sym´trique par rapport ` la loi × . ×) que nous verrons plus tard n’est pas non plus commutatif. ee e e 14 . ×) un anneau. u Cet anneau est appel´ un anneau nul. Soit (A. +. alors. u 1. ×) est un anneau si et seulement si : i ) (A. On e dit que (A.

Exercice : Soit A = L(R2 ) l’ensemble des applications lin´aires de R2 dans R2 . ×) sont des corps. +. Si de plus la loi × est commutative. Est-il commutatif ? Quel est l’´l´ment neutre pour la loi o. 1. ×) et (R(X). +.9. ×) est un anneau unitaire. +. g) −→ f og telles que pour tout x ∈ R2 (f + g)(x) = f (x) + g(x) et fog(x)=f(g(x)).On munit A des deux e lois de composition internes suivantes : (f. 1} et u(Q) = Q∗ 2. Exemple 1. On appelle corps tout anneau unitaire tel que tout ´l´ment non nul soit e ee inversible.25. ×) et (R[X]. o) est un anneau. Alors. 1. +. C’est-`-dire. u(Z) = {−1. g) −→ f + g et (f. u e e u(E) = { fonctions num´riques qui ne s’annulent pas sur R}. +. (R. on dit que le corps est commutatif. +. ×) ne sont pas des corps. Montrer que (A. ×) o` E = { fonctions num´riques d´finies sur R}. +. ×) est un groupe. a si (A. e D´finition 1.Exemple 1. on a : A corps ⇔ (A∗ . (E. ee 15 .8. 2. (Z.

e R est une relation d’ordre ? d’´quivalence ? e Exercice 2.1. 4. e b. Exercice 6. χA∪B et χAc . 16 . 3. (iii) f (A ∪ B) = f (A) + f (B) si A ∩ B = ∅. e 1) Pour toute partie A de E. 1} par e e ∀x ∈ A. Soient E et F deux ensembles. b) f (A ∩ B) et f (A) ∩ f (B) si f est injective. Soient A et B deux sous-ensembles d’un ensemble E. 6. 3. 2. d’une relation binaire R l’ensemble G = {(x. On d´finit la relation R de E vers F par : ∀x ∈ E et ∀y ∈ F . f une application de E vers F . On donne ici l’ensemble E = {1. 7. A toute partie A d’un ensemble E. A et B ´tant deux parties quelconques de E. A∩B =A∪B 2) Les sous-ensembles ou parties de E constituent un ensemble que l’on note P(E). b. et d´finir f −1 . Exercice 1. a e e Exercice 5. on assoucie la fonction χA . et on le note G. xRy ⇐⇒ x est un diviseur de y. 2) Comparer : a) f (A ∪ B) et f (A) ∪ f (B). χA (x) = 1 χA (x) = 0 Soit A et B deux sous-ensembles de E. Exprimer ` l’aide des foctions χA et χB les fonctions χA∩B . Soit les ensembles : E = {0. On consid`re l’application : e f : R− −→ x −→ R x2 . y) ∈ E D´terminer le graphe de R. par ∀(x. e On appelle graphe. xRy ⇐⇒ x < y + 2. appel´e fonction e caract´ristique de A. et A et B deux parties de E. D´terminer le graphe de R. a. 1+x2 Montrer que f est une bijection de R− sur un intervalle ` pr´ciser. a Exercice 3. 5. 6} et F = {1. (ii) f (E) = 1. ∀x ∈ Ac . Exercice 4. a. Soit E un ensemble non vide. Montrer que A = B ⇐⇒ χA = χB . 6}. 2. 1) Montrer que : A ⊂ B ⇒ f (A) ⊂ f (B). d´finie de E vers {0. 8} et la relation R de E vers E d´finie e 2 . exprimer f (A) en fonction de f (A). Montrer que P(A ∩ B) ⊂ P(A).6 EXERCICES. 1) Montrer que : A ⊂ B ⇒ B ⊂ A. On consid`re une application f de E dans R telle que : e (i) f (∅) = 0. y) ∈ E × F/xRy}.

e Exercice 11. e 3) On suppose de plus que : (iv) ∀A ⊂ E. Alors : e (v) A ⊂ B ⇒ f (A) ≤ f (B). o) a −→ ϕ(a) = fa . ×) un anneau unitaire. a ∗ b = 3ab + a + b. . 3) Soit A = {fa . Montrer que fa ofb = fab et que (fa )−1 = fa−1 . Exercice 9. 1) V´rifier que ∗ est une loi interne sur R. On sait que R2 muni de l’addition ((a. e ee e 4) (R. b) + (a . o) ? e 4) Soit ϕ: (G. 1) Montrer que f est un morphisme de groupes. a ∈ G}. Que peut-on d´duire pour (A. ∗) soit un groupe ab´lien. si A et B sont deux parties de E.2) D´montrer que. +. +) est un sous-groupe de (R2 . y) = x − y.) −→ (A. −x). e x ∈ R}. 17 . Montrer que ϕ est un morphisme de groupe et que Ker(ϕ) = C. pour toutes parties A et B de E. 2) Soit F = {(x. On consid`re E = {(x. Exercice 7. ×) est un groupe. y) −→ f (x. Montrer que (u(A). 1) Montrer que (E. Soit (A. ∗) est-il un groupe ab´lien ? e Sinon d´terminer un ensemble E tel que (E. x ∈ R}. +) −→ (R. On d´finit dans R la loi de composition ∗ par : e ∀(a. f (A) ≥ 0. Soit (G. e e Exercice 8. 2) Pour a ∈ G on pose : fa : G −→ G x −→ fa (x) = axa−1 . Montrer que fa est un automorphisme de G. . e 2) La loi ∗ est-elle commutative ? associative ? D´terminer les ´l´ments r´gulier de R pour ∗. +) (x. b ) = (a + a . On d´signe par u(A) l’ensemble des ´l´ments e ee de A inversiblespour la loi ×. En d´duire que. b) ∈ R2 . +). f (A ∪ B) = f (A) + f (B) − f (A ∩ B). Soit f : (R2 . 1). b + b )) est un groupe commutatif. 1) Montrer que C est un sous-groupe de G. xy = yx}. F est-il un sous-groupe de R2 ? Exercice 10.) un groupe multiplicatif non n´cessairement commutatif. 2) D´terminer le noyau de f . On appelle centre de G la e partie not´e C d´finie par : e e C = {x ∈ G/ ∀y ∈ G. (vi) 0 ≤ f (A) ≤ 1.

εi ∈ {−1.Exercice 12. 18 .aεn / n 1 2 n ∈ N∗ ..aε2 .. Montrer que : gp(A) = {aε1 . 1}}. Soit A une partie non vide d’un groupe G. ai ∈ A.

1. par convention. o o e D´finition 2. La formule de o e e e r´solution de l’´quation du troisi`me degr´ x3 + px2 + q = 0 obtenue sans doute au d´but e e e e e du seizi`me si`cle. . on appelle degr´ de P le maximum des entiers naturels k tels que e e 0 P le degr´ du polynˆme P . e On peut faire jouer ` X d’autres rˆles que des valeurs de K. Elle marque l’entr´e des math´matiques dans une nouvelle `re. Si P est de degr´ n.1.1 2. o a e 2) Le polynˆme dont tous les coefficients sont nuls est dit polynˆme nul. 1) L’ensemble des polynˆmes ` coefficients dans K est not´ K[X]. il est not´ 0. fa est de degr´ 3. K est un corps (on pourra penser ` R ou C). on note ee e P (X) = a0 + a1 X + . le polynˆme est e o o dit unitaire.. Un polynˆme ` une ind´termin´e X est d´fini par la donn´e de ses coeffie o a e e e e cients a0 . l’´quation du cinqui`me degr´ tient les math´maticiens en e e e e e e echec pendant 200 ans . k≥0 ak X k. .. a1 . Si an = 1. La th´orie des e e e e e polynomes est n´e. X peut ˆtre remplac´ par a o e e exemple par une matrice. Exemple 2. La formule de r´solution de l’´quation du quatri`me degr´ est obtenue e e e e e e un demi si`cle apr`s. a 2. an X n est le terme (ou monˆme) dominant. Galois donne un e e e e a e crit`re de r´solubilit´ par des radicaux de toutes les ´quations polynomiales. e e 19 .Chapitre 2 ˆ LES POLYNOMES Historiquement. + an X n ou ´tant entendu que la somme ne comporte qu’un nombre fini de ak non nuls.. f−2 est de degr´ 2. ce n’ est qu’en 1826 qu’Abel d´montre qu’il est impossible de donner e des formules explicites de types de celles donn´es pour les degr´s inf´rieurs pour les solutions e e e des ´quations de degr´ sup´rieur ou ´gal ` 5. On note deg(P ) ou d e o Si P = 0.. Pour tout a = −2.. Si P = 0. ou un endomorphisme d’un espace vectoriel sur K... Quelques ann´es plus tard.2. on pose deg(P ) = −∞. X ´tant une lettre muette. la recherche des solutions des ´quations polynomiales pr´c`de l’´tude des e e e e polynˆmes. Cependant. Notations 3.1. an ´l´ments de K. Soit a ∈ R et fa (X) = (2 + a)X 3 − 5X 2 + X + 3. ˆ e Dans ce chapitre.1 Pr´sentation des polynˆmes e o D´finitions et notations e D´finition 2. etc. ak = 0. Pour a = −2.

. . deg(Q)). + bm X m deux polynˆmes sur K[X]. dont une base est constitu´e e e 2 . + an X n et Q = b0 + b1 X + . o 2. des polynˆmes (1. . alors P Q = k≥0 k ai bk−i X k ... On v´rifier facilement que (K[X]. X. n} Proposition 2. e Soient P = n ak X k et Q = m bk X k avec m.1) est ´vidente si P = 0 ou Q = 0. on a : o deg(P + Q) ≤ sup(deg(P ). deg(Q)).Q = m+n ck X k avec ck = k ai bk−i .... Soient P = n ak X k et Q = m0 bk X k deux polynˆmes. X n . +) est un groupe commutatif. X o d) Egalit´ formelle de 2 polynˆmes.1. La relation (2. La relation (2. k=0 k=0 Si m = n alors deg(P + Q) = sup(deg(P ).. De plus cm+n = an × bm = 0.. e o Soit P = a0 + a1 X + . i=0 c) Produit par un scalaire (produit extrene) Si P = k≥0 ak X k et λ ∈ K alors λP = k≥0 λak X k . D’o` u deg(P..1) (2.2) P oQ = k=0 ak Qk = a0 + a1 Q + . deg(Q)).2) est ´vidente si P = 0 ou Q = 0. deg(P.1.Nous indiquons maintenant comment calculer les coefficients de la somme et du produit de deux polynˆmes. n ≥ 1. e e 20 .. alors P + Q = k≥0 (ak + bk )X k On peut v´rifier facilement que (K[X]. Preuve.Q) = deg(P ) + deg(Q). .1. . Donc deg(P + Q) ≤ sup(deg(P ). En g´n´ral P oQ = QoP. On appelle e o k=0 k=0 compos´e de P et Q not´ P oQ (ou P(Q)) le polynˆme e e o n (2.1. Pour tous polynˆmes P et Q de K[X]. Si m = n alors deg(P + Q) ≤ sup(deg(P ).. deg(Q)).. + an Qn Remarque 2.4..) est un K−espace vectoriel. e b) Un produit interne Si P = k≥0 ak X k Q = k≥0 bk X k . On a P... o Alors P = Q ⇔ m = n et ai = bi pour tout i ∈ {1. . D´finition 2.2 Op´rations sur les polynˆmes : e o On peut d´finir sur K[X] e a) Une somme Si P = k≥0 ak X k et Q = k≥0 bk X k . Supposons que P et Q sont non nuls et e soit n = d0 P et m = d0 Q. +.1.). k=0 i=0 Pour k > m + n on a : i > n ou k − i > m. Donc pour tout k > m + n on a : ck = 0.1. donc ai bk−i = 0.Q) = n + m = d0 P + d0 Q.3.

5. sont ´galement analogues. Montrons l’unicit´ : e Si A = BQ + R = BQ + R avec d0 R < d0 B et d0 R < d0 B. E. Alors (P + Q)oR = P oR + QoR Preuve.B + 0 0..  0. On d´duit que deg(Q − Q ) = deg(R − R) − deg(B) < 0. Par cons´quent Q − Q = 0 et par suite e e R − R = 0. b . Soit P = On a n k=0 . La propri´t´ est vraie pour n = 0 : ee  si A = 0. on a B(Q − Q ) = R − R. Alors il existe un couple e e o unique (Q. (de A par B). On montre la propri´t´ e e e ee suivante : pour tout polynˆme A de degr´ ≤ n il existe un couple (Q.B + A si A = λ ∈ K∗ et deg(B) ≥ 1. e e Par exemple : on prend P = 1 + X 2 .6. bp Alors bp−1 an+1 n A − BQ1 = 0.Proposition 2. + bp X p . A=  a si A = a ∈ K∗ et B = b ∈ K∗ . Les d´monstrations. ee e e Soit A ∈ K[X]. + an+1 X n+1 . e e e en ce qui concerne l’unicit´.Q + R avec deg(R) < deg(B)..E. R) tel que A = BQ + R o e et deg(R) < deg(B). d0 A ≤ n la propri´t´ est v´rifi´e... Q = X 2 et R = X.. B dans K[X] deux polynˆmes avec B = 0.. e e e R est le reste de la D.2. Soient P . Remarque 2.R) supposons que pour tout A dans K[X] . Puisque d0 (R − R ) ≤ M ax(d0 R. e e Preuve. P o(Q + R) = P oQ + P oR. Soit A. Soit B = b0 + b1 X + . Q et R dans K[X].) .Q= m k k=0 bk X et R dans K[X]. Attention ! En g´n´ral. d0 R ) < d0 B..B + 0 (H. R) d’´l´ments de K[X] tel que : ee A = B. bp 21 . an+1 = 0. d0 A = n + 1 de la forme A = a0 + a1 X + . Montrons l’existence : Nous allons faire une d´monstration par r´currence sur le degr´ de A. On notera l’analogie dans l’´nonc´ avec la division euclidienne dans Z.2 Division Euclidienne Th´or`me 2. Q est le quotient de la division euclidi`nne (en abr´g´ D. m∨n P +Q= k=0 (ak + bk )X k Par suite m∨n n m (P + Q)oR = k=0 (ak + bk )R = k=0 k ak R + k=0 k bk Rk = P oR + QoR.X n+1 + (an − )X + . avec d0 (B(Q − Q )) = d0 B + d0 (Q − Q ). Posons Q1 = an+1 X n+1−p . Lorsque le reste est nul on dit que B divise A. 2.

. donc degP + degQ = 0.. .. Alors il existe un e e o polynˆme o D ∈ K[X] tel que : i) D divise chaque polynˆme Ai .. Apr`s calculs. ∀R ∈ E \ {0}. Si P. A = B. On trouve Q = X 2 + 4X + 5 et R = 13X − 4. X 2 + 1 = (X − i)(X + i)... .7. Q ∈ K Th´or`me 2.Q. Remarque 2..3. D’o` u ∗. On a D = 0 R ≥ d0 D. En abr´g´ pgcd et sera e o e e not´ : D = A1 ∧ A2 ∧ . Nous verrons au paragraphe sur les racines que le reste de la division euclidienne du polynˆme A par X − λ est le polynˆme constant R = A(λ)... Donc A = B(Q1 + Q2 ) + R2 avec deg(R2 ) < deg(B).Donc deg(A − BQ1 ) ≤ n. Soit A. par B = 2X 2 − 3X + 1. ∧ An . on dit que B divise A qu’on note par B/A si : e ∃Q ∈ K[X]. i ∈ {1. R2 ) ∈ K[X]2 tel que e A − BQ1 = BQ2 + R2 avec deg(R2 ) < deg(B).An .An ... n n D= j=1 Pj Aj = ( j=1 P jQj )D . . P. X 2 − 1 = (X − 1)(X + 1).4. . 2) Pour A = X 4 − 2X 2 − X + 1 et B = X 2 + X. 22 . i = 1.. On choisit un polynˆme ee o n 0 D = p.. Consid´rons l’ensemble : e E = {P = i=1 n Pi Ai /Pi ∈ K[X]}. puisque D ∈ E. D ∈ E tel que d i=1 Pi Ai . on trouve Q = X 2 − X − 1 e et R = 1. dans R[X] 2. Par suite do P = do Q = 0. 1. e Preuve. n.2. Soient A1 . o ii) Tout diviseur commun aux Ai divise D. donc (X − 1) et (X + 1) divisent X 2 − 1. D est appel´ plus grand commun diviseur des polynˆme A1 . B ∈ K[X]. n.3.2. donc (X − i) et (X + i) divisent X 2 + 1 dans C[X]... o o 2. n}. D’apr`s (H. Soit D ∈ K[X] tel que D soit diviseur commun des Ai . Exemple 2. n polynˆmes non tous nuls de K[X]. e Montrons ii).. d Montrons maintenant que D v´rifie i) et ii).. i = 1. On prend Q = Q1 + Q2 et R = R2 . Alors FE ⊆ N et FE = ∅.D avec Qi ∈ K[X]. On a aussi.Q = 1. . Et posons FE = {d0 P / P ∈ E \ {0}}. Exemple 2..1 Arithm´tiques sur les polynˆmes e o D´finition 2. Remarque 2. On a Ai = Qi . 1) Effectiuons la division euclidienne de A = 2X 4 + 5X 3 − X 2 + 2X + 1.. Donc FE admet un plus petit ´l´ment p.R) il exsite (Q2 .8.

si Ri = 0. . On dit que les polynˆmes A1 . D’apr`s la preuve du Th´or`me pr´c´dent il existe n polynˆmes P1 .3) =⇒ 1 = i=1 Pi Ai . Un ∈ K[X] tels que U1 A1 + ..... e IL reste ` montrer i).j=i Pj Aj Qi = (1 − Pi Qi )Ai − ( n j=1.10. n Ri peut s’´crire : e Ri = Pj Aj j=1 avec Pi = 1 − Pi Qi et Pj = Pj Qi pour j = i. Pn tels que e e e e e o n D= i=1 Pi Ai (2... ∧ An est le pgcd de e A1 .. e a Th´or`me 2. o n (2.... . ⇒) La condition est n´cessaire : si D = A1 ∧ A1 ∧ A2 ∧ .... (Bezout).3) Les polynˆmes A1 . An sont premiers entre eux dans leur e o ensemble si leur pgcd est une constante non nulle.. An sont preu i=1 miers entre eux. Des polynˆmes A1 . D Pi .. avec d0 Ri < d0 D. . An ... e e D´finition 2. Aj ) = 1. on aura : Ri = Ai − DQi = Ai − ( n Pj Aj )Qi j=1 = Ai − Pi Ai Qi − n j=1. D divise D. . D ∈ K[X] tels que P = DQ et Q = D P . De plus pn = Dqn ce qui entraire D = 1 de mˆme D = 1.. .9.j=i Pj Aj Qi ). D est une constante non nulle. . Ils sont dits premiers entre eux deux ` deux si ∀i = j. pgcd(Ai .. on a e 0 R ≥ d0 D.... 1 ≤ i ≤ n. .. An o i=1 divise aussi n Ui Ai = 1.. Par suite D. n. Ce qui est absurde. Par suite. D’o` A1 ...8. An sont premiers entre eux. i = 1. + Un An = 1 Preuve... implique a Ai = D. D ∈ K∗ . .. Donc R = 0.. autrement dit : s’ils n’ont pas de diviseur commun de degr´ > 0. Deux polynˆmes unitaires P et Q chacun divisant l’autre sont ´gaux.. e Cons´quence : D’apr`s cette remarque il existe un seul polynˆme unitaire D qui v´rifie le e e o e th´or`me 2... n. En o e effet : il existe D. Remarque 2. ∀i = 1.5. 23 .. An ∈ K[X] sont premiers entre eux dans e e o leur ensemble si et seulement s’il existe U1 . .2.Par cons´quent. Ceci implique DD’=1....2. Donc Ri ∈ E. D D’o` u 1= n Ui Ai .. i=1 avec Ui = ⇐) La condition est suffisante : si n Ui Ai = 1. La division euclidienne de Ai par D . Donc D est une constante non nulle. Par d´finition de D.. . Alors tout polynˆme D qui divise A1 .Qi + Ri . et par cons´quent D divise tous d i e i les Ai .

Soit ∆ = B ∧ R. e e alors C est un multiple de AB. Multiplions (**) par A. D’o` C divise A. Soit (Q. Si A et B sont premiers entre eux et divisent C. Si C est premier avec B et e e o divise AB. V ∈ K[X] tels que U A + V B = 1 et U A + V C = 1. D’apr`s (*). Alors A ∧ B = B ∧ R. Il existe des polynˆmes P. (Th´or`me d’Euclide ) Soient A et B deux polynˆmes dans K[X]. Q. on obtient : U AB + V AC = A. V ∈ K[X] tels que o C = P A = QB On en d´duit : e U AC + V BC = C Donc U AQB + V BP A = AB(U Q + V P ) = C. on peut remplacer AB par QC : e (U Q + V A)C = A. B.11. Si A est premier avec B et C. alors C divise A. on obtient : (U U A + U V C + V U B)A + (V V )BC = 1.14. Preuve.12. U.8 . Donc A et BC sont premiers entre eux. V ∈ K[X] tels que U B + V C = 1 (**). Soient A. Par multiplication. AB divise C. 2. Preuve. On a (∗) A = B. Il existe U. Soit R le reste de la division euclidienne de A par B. V. tels e e o que d0 B < d0 A. (Gauss). c’est ` dire que : ∆ v´rifie i) et ii) a e du th´or`me 2. u Th´or`me 2.2 Algorithme d’Euclide. Soient A. e e Preuve. Proposition 2.13. U . R) le quotient et le reste de la division euclidienne de A par B. B et C trois polynˆmes. Preuve. C ∈ K[X]. e Th´or`me 2. C divise AB ⇒ ∃Q ∈ K[X] tel que AB = QC (*) C ∧ B = 1 ⇒ ∃U. Nous allons montrer que ∆ = A ∧ B . autrement dit : AB divise C. il est premier avec le produit BC. et U A + V B = 1.Q + R avec d0 B < d0 R.2.Th´or`me 2. e e 24 . Par cons´quent.

de Rk−2 par Rk−1    0 (d Rk )k≥0 est une suite strictement d´croissante. On recommence et on consid`re R2 le reste de la division euclidienne de B par R1 .E.∆ et R = Q2 .  . Donc D divise ∆. Donc ∆ divise A. Le pgcd des deux polynˆmes A = X 5 − 3X 4 + 5X 3 − 4X 2 + 7X − 4 et o 5 − 3X 4 + 4X 3 − X 2 + 3X − 4 est le polynˆme R = −X 2 + 3X − 4.∆.E. d’apr`s la Proposition (2.14) . On construit ainsi une suite de polynˆmes (Rk )k≥0 v´rifiant : o e   R0 = B    R1 : est le reste de la D. il existe un entier n tel e e que Rn = 0. donc ∃Q1 . Algorithme d’Euclide Soient A et B deux polynˆmes de K[X] tels que d0 B < d0 A. P2 ∈ K[X] tels que : A = P1 D Rempla¸ons dans (*) : c R = P1 D − P2 DQ = (P1 − P2 Q)D. d0 R1 < d0 B.14). e Si R2 = 0 ⇒ B = R1 Q ⇒ R1 /B. on a e A ∧ B = B ∧ R1 d0 R1 < d0 B. Or ∆ = B ∧ R. Toujours d’apr`s la Proposition (2. B=X o 2 et B = P2 D 25 . de A par B     . Soit R1 le reste de la division o euclidienne de A par B. Si R2 = 0. c ii) Soit D un diviseur commun de A et B : ∃P1 . Si R1 = 0.   . on a : e A ∧ B = B ∧ R1 = R1 ∧ R2 d0 R2 < d0 R1 < d0 B. Si R1 = 0 ⇒ A = BQ ⇒ B/A.     Rk : est le reste de la D. Q2 ∈ K[X] tels que : B = Q1 . Rempla¸ons dans (*) : A = (Q1 Q + Q2 )∆. donc B ∧ R1 = R1 . e Comme la suite des degr´s des restes est strictement d´croissante.4. Alors A ∧ B = Rn−1 (o` Rn−1 est le dernier reste non nul). u Exemple 2. A = BQ + R1 . Finalement. donc A ∧ B = B. Par suite D divise R. D divise B et R.i) ∆ divise t-il A et B ? On a ∆ divise B et R.

Lorsque K = R.7. o o Le r´sultat suivant ´tablit un lien int´ressant entre les valeurs en 0 des polynˆmes d´riv´s e e e o e e successifs et les coefficients de P . Th´or`me 2. e 26 . e ´ ˆ Stop ! Avez-vous fait la demonstration vous-meme avant de lire ci-dessous ? ´ ´ Le cours n’est jamais qu’une suite d’exercices corriges et commentes ! ! ! Ceci ´ est valable pour TOUS les cours de mathematiques. Pour k ≥ 1. . e o o mais la fonction polynomiale associ´e est nulle de K dans K.15. ce terme constant r´sulte de k d´rivations successives de ak xk . cette it´ration e a e e finira par donner le polynˆme constant P (n) = n!an . P (k) (0) ak = k! Preuve.. il y a ´quivalence. le polynˆme d´riv´ correspond ` la d´riv´e usuelle de la o e e a e e fonction polynomiale P . Pour tout k ∈ e e o e {0.3 Fonction polynˆme o n k k=0 ak X D´finition 2. Soit P : x → an xn + . On a bien ´videmment l’implication : e ˜ P (X) = 0 ⇒ ∀x ∈ K : P (x) = 0. + 2a2 x + a1 .. Puisque P est encore un polynˆme.. P : x → an xn + .. On distingue parfois le polynˆme P (qui. P (x) = 0 (**)).. est nul si et o seulement si tous ses coefficients sont nul(*) ) de la fonction polynomiale associ´e (celle-ci e est nulle si et seulement si : ∀x ∈ K. Pour k = 0..3. de P 2. puis P (3) .. Pour k > n. Dans la suite on convient de e ˜ noter P (x) la valeur de la fonction polynomiale P (x) associ´e ` P au point x ∈ K. Il vaut donc k!ak d’o` e e u le r´sultat.1 Polynˆme d´riv´ o e e D´finition 2. n}. o e o Remarque 2. Celle-ci est non nul en tant que polynˆme formel.. Comme chaque d´rivation abaisse le degr´ e e de 1. ˜ On dit que P est la fonction polynˆme associ´e au polynˆme P . nous pouvons e prouver que dans notre cas (K = R ou C). Il suffit de se placer sur le corps Z/2Z et de e e e consid´rer le polynˆme P (X) = X 2 + X. Le polynˆme d´riv´ de P . + a1 x + a0 .6. comme le degr´ diminue de 1 ` chaque ´tape. + a0 un polynˆme de degr´ n.... Cependant. Soit P ∈ K[X]. Mais la r´ciproque est loin d’ˆtre ´vidente. on peut it´rer cette op´ration de d´rivation et d´finir o e e e e successivement P . Pour tout polynˆme P = e o ˜ P : dans K[X] : on note K→K ˜ x → P (x) = n k k=0 ak x . par construction.17. P (k) (0) est le terme constant de P (k) ..16. e o e e not´ P est d´fini par e e P : x → nan xn−1 + . au lieu e a ˜ (x). c’est ´vident.2. Remarque 2. P k = 0 (polynˆme nul).

e e 1) α est racine de P si et seulement si P est divisible par X − α. + Le th´or`me suivant montre qu’elle est valable en tout point.20... k! n! Soit P un polynˆme de degr´ n. on en d´duit e Q(k+1) = P (k+1) og. et pas seulement en 0. e e e Th´or`me 2. a e e Posons g(t) = t + α.2 Formule de Taylor pour les polynˆmes o P (n) (0) n P (k) (0) k x + . + x ... . La propri´t´ est donc vraie pour k + 1. 2) Soit n ∈ N∗ et α1 .17 prouve l’identit´ suivante : o e e e e P (x) = a0 + . P (t + α) = P (α) + P (α)x + . Alors. On dit que α ∈ K est racine de P si P (α) = 0. Si α1 . + an xn = P (0) + . Le Th´or`me 2.19.. Bien qu’il y ait peu de m´thodes g´n´rales pour leur calcul effectif (on en d´crira e e e e quelques unes en fin de paragraphe). la formule ` prouver devient Q(t) = P (t + α). pour tout x ∈ K. e e D´finition 2... ou en d’autres termes Q(k) (t) = P k og).. pour tout k.. .. On a alors. on a donc : Q(k) (t) = P k (t + α).. qui est la d´finition mˆme de Q. Q(k) (t) = P k (t + α). Comme g = 1. α2 . Posons Q(t) = P (t + α).4 Z´ros d’un polynˆme e o Une des questions les plus importantes dans l’´tude des polynˆmes est le calcul de leurs e o racines.2. + Q(n) (0) n t . α2 .18. αn ∈ K deux ` deux distincts. e e o e P (x) = P (α) + P (α)(x − α) + .3. Ceci termine la r´currence. Soit P ∈ K[X]. du mˆme degr´ que P . Alors. Supposons que la formule est vraie au rang k. Q est encore un polynˆme. n! Preuve... e Q(t) = Q(0) + Q (0)t + . Nous allons utiliser le fait que nous connaissons d´j` la validit´ de la formule pour ea e α = 0.. pour tout t∈K P (n) (α) n t . Soit P un polynˆme de degr´ n et soit α ∈ K. + P (n) (α) (x − α)n .. D´rivons cette ´galit´ en e e e appliquant la formule de d´rivation des fonctions compos´es : e e (Q(k) ) = [(P k ) og] × g .. il y a en revanche de nombreux r´sultats th´oriques.. Q(k) (t) = P k (t + α). mais ´galement en termes de divisibilit´. + ak xk + . grˆce au crit`re e e e a e donn´ par le th´or`me suivant. pour tout t ∈ K. On a Q = P og. Soit P ∈ K[X] et α ∈ K. ee e 2.. + n! Il reste donc ` prouver que. a Pour k = 0. n! Admettons pour l’instant que. αn sont des z´ros de a e P .. i=1 27 .. on peut o e e donc ´crire. alors : n (X − αi )/P. e e Th´or`me 2. pour tout t ∈ K. e Le fait qu’un nombre α soit racine d’un polynˆme peut s’exprimer en termes fonctionnels o comme dans la d´finition ci-dessus.

Preuve. 1) Si P est divisible par X − α, on a, pour tout x ∈ K, il existe un polynˆme Q ∈ K[X], tel o que P (x) = (x − α)Q(x). Par suite : P (α) = 0. R´ciproquement, soit α une racine de P . Faisons la division euclidienne de P par X − α. e Le reste R est nul ou de degr´ strictement inf´rieur ` 1, donc R est une constante r. On a e e a donc P (x) = (x − α)Q(x) + r pour tout x ∈ K. En rempla¸ant x par α, on obtient r = 0 c puisque P (α) = 0 : P est donc bien divisible par X − α. 2) On a d’une part, pour tout i ∈ {1, ..., n} αi est z´ro de P , donc (X − αi )/P . e D’autre part, ∀i, j ∈ {1, ..., n}, avec i = j : (X − αi ) ∧ (X − αj ) = 1. Le th´or`me 2.12 entraˆ : e e ıne
n

(X − αi )/P.
i=1

Ce th´or`me explique pourquoi le calcul des racines d’un polynˆme joue un rˆle important e e o o dans la factorisation des polynˆmes. Cependant, avant d’´noncer le th´or`me de factorisation, o e e e nous devons introduire le concept de racine multiple.

2.4.1

Multiplicit´ d’une racine e

Quand le discriminant d’un trinˆme du second degr´ est nul, on dit que cette ´quation o e e admet une racine double. Ce qui pouvait dans ce contexte apparaˆ comme une convention ıtre de vocabulaire un peu arbitraire est en fait le cas particulier d’une situation g´n´rale que e e nous d´crivons dans ce chapitre. e D´finition 2.21. Soit P ∈ K[X] et α ∈ K. On dit que α est racine de multiplicit´ k de P si e e (X − α)k divise P et si (X − α)k+1 ne divise pas P . Si k = 2 ou 3, on dit aussi : racine double ou racine triple. Si k = 1, on parle de racine simple. Exemple 2.5. Le polynˆme (X − 3)2 (X − 5)4 admet α = 3 comme racine double et α = 5 o comme racine de multiplicit´ 4. e Nous avons vu au paragraphe pr´c´dent qu’il y avait sur la notion de racine deux points e e de vue possibles : un point de vue fonctionnel et un point de vue de divisibilit´ (on parle, e pour le second, d’un point de vue arithm´tique). Cette dualit´ de points de vue se retrouve e e pour l’´tude des racines multiples. e Th´or`me 2.22. Soit P ∈ K[X] et α K. Alors α est racine de multiplicit´ k de P si et e e e seulement si P (α) = P (α) = = P (k−1) (α) = 0, et P (k) (α) = 0. Preuve. Supposons que α est racine de multiplicit´ k avec k ≥ 1. On peut ´crire, pour tout x ∈ K : e e P (x) = (x − α)k Q(x) avec Q(α) = 0. On v´rifie alors par r´currence sur l ∈ {1, ..., k} que e e P (l) (x) = (x − α)k−l Ql (x) 28

avec Ql (α) = 0. Il en r´sulte que, tant que k − l ≥ 1, c’est-`-dire l ≤ k − 1, P (l) (α) = 0, et que pour l = k, e a P k (α) = Qk (α) = 0. R´ciproquement, faisons l’hypoth`se sur les d´riv´es successives et montrons que α est e e e e racine de multiplicit´ k de P . On ´crit la formule de Taylor ` l’ordre n = deg(P ) en α. On a e e a
(α) P (x) = P (α) + (x − α)P (α) + ... + (x − α)k−1 P (k−1)! +
(k−1)

(x − α)k ∗

P (k) (α) ... k!

+ (x − α)n P

(n) (α)

n!

.

Tous les coefficients de la premi`re ligne sont nuls ` cause de l’hypoth`se. On peut donc e a e ´crire : e P (x) = (X − α)k Q(x), avec Q(α) = P k!(α) = 0. Ceci prouve que P est divisible par (X − α)k mais pas (X − α)k+1 , d’o` la conclusion. u Exercice. D´terminer a et b pour que le polynˆme P (x) = x5 + ax4 + bx3 − bx2 − ax − 1 e o admette 1 comme racine de plus grande multiplicit´ possible. e
(k)

2.5

Polynˆmes irr´ductibles o e
∀Q, R ∈ K[X], P = Q.R ⇒ d0 Q = 0 ou d0 R = 0.

D´finition 2.23. Un polynˆme P ∈ K[X] est irr´ductible sur K s’il n’est pas constant et si : e o e

Autrement dit, un polynˆme P est irr´ductible sur K si et seulement si o e 1- degP ≥ 1. 2- Les seuls diviseurs de P dans K[X] sont les constantes et λP avec λ ∈ K. Exemple 2.6. . 1) Tout polynˆme de premeir degr´ est irr´ductible. Par exemple P = X + 2 est irr´ductible o e e e dans K[X] ( K = R ou C ) 2) Le polynˆme P = X 2 + 1 est irr´ductible dans R. o e 3) Le polynˆme P = X 2 + 1 n’est pas irr´ductible dans C. o e Proposition 2.24. Soit P ∈ K[X] irr´ductible, A ∈ K[X] \ {0}. Alors e P/A ou P ∧ A = 1. Preuve. Soit D = P ∧ A. Puisque D/P et P est irr´ductible, alors D = 1 ou D = P (` une constante e a multiplicative pr`s) . D’o` e u P ∧ A = 1 ou P = D/A. Proposition 2.25. Soient P ∈ K[X] irr´ductible, n ∈ N∗ , A1 , ..., An ∈ K[X] \ {0}. Alors : e
n

(P/
i=1

Ai ) ⇔ (∃i ∈ {1, ..., n}, P/Ai ).

Preuve. ⇐) Evidente. ⇒) Si P ne divise aucun des Ai , 1 ≤ i ≤ n. Alors, il est premier avec chaque Ai (d’apr`s la e proposition 2.24. Donc premier avec le produit A1 ...An , d’apr`s le Th´or`me 2.13. e e e 29

2.6

D´composition des polynˆmes en facteurs irr´ductibles e o e

Les th´or`mes suivants donnent la forme de la d´composition d’un polynˆme P en facteurs e e e o irr´ductibles selon que P est ` coefficients dans R ou dans C . e a

2.6.1

Factorisation des polynˆmes dans C[X] o

Nous commen¸ons par rappeler le th´or`me de d’Alembert (que nous admettons) : c e e Th´or`me 2.26. (Th´or`me de d’Alembert) Si P ∈ C[X] est de degr´ n ≥ 1, P poss`de n rae e e e e e cines (compt´es ´ventuellement avec leur multiplicit´). On dit que C est un corps alg`briquement e e e e clos. On d´duit de ce th´or`me le r´sultat suivant : e e e e Th´or`me 2.27. Sur C, les polynˆmes irr´ductibles sont les polynˆmes de degr´ 1. e e o e o e Tout polynˆme ` coefficients dans C se d´compose comme produit de polynˆmes irr´ductibles. o a e o e Preuve. On sait d´j` que les polynˆmes de degr´ 1 sont irr´ductibles. Il reste ` prouver ea o e e a que les polynˆmes irr´ductibles sont de degr´ 1. On va montrer que les polynˆmes de degr´ o e e o e sup´rieur ou ´gal ` 2 ne sont pas ir´ductibles. e e a e Soit P ∈ C[X], d0 P ≥ 2. D’apr`s le th´or`me de d’Alembert, P poss`de au moins une racine. e e e e Donc P n’est pas irr´ductible. e Cons´quence : Tout polynˆme P de degr´ n ≥ 1 de C[X] se factorise donc de mani`re unique e o e e comme produit d’une contante et de polynˆmes du premier degr´ normalis´s, autrement dit, o e e P peut s’crire sous la forme :
p

P = an .
i=1

(X − xi )λi .

o` ; u - an est le coefficient dominant de P . - x1 , x2 , ...., xp sont les racines distinctes de P dans C. - λi pour i ∈ {1, 2, ..., p} est l’ordre de multiplicit´ de la racine xi . e - λ1 + λ2 + ... + λp = n. Exemples. 1. P = X 4 − 2X 2 + 1 = (X 2 − 1)2 = (X − 1)2 (X + 1)2 . 2. P = X n − 1 = n−1 (X − ωi ) o` les ωi sont les racines n−i`me de l’unit´. u e e i=1

2.6.2

Factorisation des polynˆmes dans R[X] o

Remarquons que si P ∈ R[X] et α ∈ C une racine d’ordre k de P , alors α est aussi ¯ racine d’ordre k de P . En effet, ¯ P (x) = (x − α)k Q(x) = (x − α)k Q(x). ¯ Les racines de P dans C sont donc : β1 , ..., βk : des racines r´elles. e

30

.. a e ¯ ¯ P (x) = λ(x − β1 ).. xl sont les racines distinctes de P dans R.s) sont des nombres r´els tels que ∆i = p2 − 4qi < 0. u .. ...(X − xl )λl .Les polynˆmes de degr´ 1. ¯ Ceci montre que tout polynˆme P ∈ R[X] est produit de polynˆmes ` coefficients r´els de o o a e degr´s 1 ou 2.. + λl + 2(µ1 + µ2 + .(x − αl )(x − αl ). (i=1. .P = X 4 + 2X 3 + X 2 − 1 = (X 2 + X − 1)(X 2 + X + 1).(X − x2 )λ2 . αl ¯ ¯ Donc complexes deux ` deux conjugu´es (distinctes ou multiples). alors la d´composition de P en facteurs e irr´ductibles sur R est de la forme : e P = an ...8. Si P ∈ R[X] tel que degP = n ≥ 1...29.P = X 4 + 2X 2 + 1 est P = (X 2 + 1)2 ... Il en r´sulte que ces polynˆmes sont les seuls ` ˆtre irr´ductibles. αl α1 .an est le coefficient dominant de P .(x − α1 )(x − α1 )... il suffit donc e o e de le d´composer sur C (en calculant ses racines (du moins lorsque c’est possible) et de ree grouper les racines complexes avec leurs conjugu´es. e .... x2 . et en outre ceux de degr´ 2 ont un discriminant strictement n´gatif (sinon leurs e e e racines seraient r´elles). . Pour d´composer un polynˆme en facteurs irr´ductibles sur R..... .(x − βk ).(X 2 + ps X + qs )µs .. on obtient e √ √ 1− 5 1+ 5 2 p = (X − )(X − (X + X + 1) 2 2 31 .pi . + µs ) = n.x1 .. e i . La d´composition de P en facteurs irr´ductibles de : e e 4 − 2X 2 + 1 est P = (X − 1)2 (X + 1)2 .(X − x1 )λ1 ..λ1 + λ2 + .λi pour i ∈ {1. o e e Corollaire 2. l} est l’ordre de multiplicit´ de la racine xi .. Les polynˆmes irr´ductibles R[X] sont e e o e .28. 2. avec k + 2l = d0 P . d’o` : u √ √ √ √ 1− 5 1+ 5 1−i 3 1−i 3 P = (X − )(X − )(X − )(X − ).. o o e On a donc le th´or`me : e e Th´or`me 2.. -P =X . qi . e Exemples. et e e o ae e que tout polynˆme de R[X] est produit de polynˆmes irr´ductibles.. . 2 2 2 2 En regroupant les racines complexes avec leurs conjugu´es.. ... Le polynˆme o (x − αi )(x − αi ) = x2 − 2(Reαi )x + |αi |2 ∈ R[X].(X 2 + p1 X + q1 )µ1 . . Remarque 2. o e -Les polynˆmes de degr´ 2 de discriminant strictement n´gatif. 2.α1 . o` .

2.6.3

Annexe : Recherche des racines, quelques r´sultats et m´thodes e e

Nous savons d´j` r´soudre les ´quations de degr´ 2, ` coefficients r´els ou complexes. Bien ea e e e a e que des formules existent aussi pour les ´quations de degr´ 3 (formules de Cardan) et 4 (fore e mules de Ferrari), ces formules sont assez difficiles ` utiliser, et en pratique ne servent jamais. a Au del`, on a pu d´montrer qu’il n’existe aucune formule g´n´rale permettant de r´soudre a e e e e les ´quations de degr´ 5 et plus. Il existe n´anmoins quelques types d’´quations que l’on peut e e e e r´soudre explicitement. Figurent parmi ceux-ci les ´quations bicarr´es, tricarr´es et certaines e e e e ´quations appel´es r´ciproques. e e e – On appelle ´quation bicarr´e une ´quation de la forme aX 4 + bx2 + c = 0. On la e e e r´soud en posant x = X 2 , en r´solvant l’´quation du second degr´ en x et en calculant e e e e les racines carr´es des solutions x1 et x2 . e – De mani`re analogue, une ´quation tricarr´e a pour forme aX 6 + bX 3 + c = 0. Cette e e e fois on pose x = X 3 , on r´soud l’´quation du second degr´ en x et on calcule les racines e e e cubiques des solutions x1 , x2 et x3 . Remarque 2.9. On terminera ce paragraphe en signalant que parfois, une information suppl´mentaire sur les racines permet de simplifier leur calcul (ou parfois mˆme de le rendre e e possible). Par exemple, si l’on sait que le polynˆme X 4 +5X 3 −9X 2 −81X−108 poss`de une racine triple, o e on cherche un nombre x tel que P (x) = P (x) = 0. Comme P est de degr´ 2, on calcule e facilement ses racines et on trouve x1 = −3 et x2 = 1/2. On v´rifie que P (−3) = P (−3) = 0. e La racine triple cherch´e est donc −3 et il n’y a plus qu’une racine x4 ` chercher pour factoe a riser P . En utilisant le produit des racines, on trouve (−3)3 x4 = −108, d’o` il r´sulte que x4 = 4. u e Finalement P (X) = (X + 3)3 (X − 4).

32

2.7

EXERCICES.

Exercice 1. Soient P , Q, et R trois polynomes dans K[X]. Montrer que (P + Q)oR = P oR + QoR. Et que en g´n´ral e e P o(Q + R) = P oQ + P oR. Exercice 2. Effectuer la division euclidienne de A par B dans les cas suivants : a) A = X 8 − 1, B = X 3 − 1. 6 + 4X 4 − X 2 + 1, b) A = X B = X 2 + 1. 9 − 1, 4 − 1. c) X B=X 3 − 3X 2 + X − 1, d) A = X B = X 2 − X − 2. 3 − iX 2 + X + 12, e) A = X B = X 2 − iX + 1. Exercice 3. On donne K = C, A = X 4 + aX 2 + bX + c, B = X 2 + X + 1. Trouver des conditions sur a, b, c pour que B divise A. Exercice 4. Soient a et b deux nombres complexes distincts, et soit P (X) un polynˆme. Calculer en o fonction de P (a) et de P (b) le reste de la division euclidienne de P (X) par (X − a)(X − b). Exercice 5. Soit la suite de polynˆmes d´finies par : P0 = 1 , P1 = X et pour tout n ≥ 0 , Pn+2 = o e XPn+1 − Pn . 1) Montrer que ∀n ∈ N : 2 Pn+1 − Pn Pn+2 = 1 2) Montrer que Pn et Pn+1 sot premiers entre eux. Exercice 6. Trouver le p.g.c.d des deux polynˆmes : o A = 2X 5 − 4X 4 − 3X 3 + 6X 2 + X − 2 et B = X 3 − 3X 2 + 3X − 2.

Exercice 7. Soit m et p des entiers tels que m ≥ p > 0. En effectuant la division euclidienne de X m − am par X p − ap , trouver une condition n´cessaire et suffisante pour que X p − ap divise X m − am . e Exercice 8. Soient A, B, et C trois polynˆmes tels que A ∧ B = B ∧ C = A ∧ C = 1. o Montrer que ABC ∧ (AB + BC + AC) = 1. Exercice 9. Soit P un polynˆme. Montrer que si P (X n ) est divisible par X − 1, il est aussi divisible par o n − 1. X Exercice 10. a) Soient a, p, q trois nombres complexes. Ecrire les conditions pour que a soit racine double 33

de polynˆme X 3 + pX + q. o b) Quelle condition n´cessaire et suffisante doivent satisfaire p et q pour que le polynˆme e o X 3 + pX + q ait une racine (au moins) double ? Exercice 11. (Polynˆmes d’interpolation de Lagrange). o Soient a, b, c trois nombres r´els distincts. e a) Chercher un polynˆme P1 de degr´ inf´rieur ou ´gal ` 2, tel que P1 (a) = 1, P1 (b) = 0, o e e e a P1 (c) = 0. Est-il unique ? b) Chercher des polynˆmes P2 et P3 de degr´ inf´rieur ou ´gal ` 2, tels que P2 (a) = 0, o e e e a P2 (b) = 1, P2 (c) = 0 et P3 (a) = 0, P3 (b) = 0, P3 (c) = 1 . c) Soient α, β, γ , trois nombres r´els quelconques. Chercher un polynˆme Q de degr´ inf´rieur e o e e ou ´gal ` 2, tel que Q(a) = α, Q(b) = β, Q(c) = γ. e a (Indication : chercher Q comme combinaison des polynˆmes P1 , P2 , P3 ). o Le polynˆme Q est-il unique ? o Exercice 12. Soit Q(X) le polynmes de R[X] donn´ par : ˆ e Q(X) = X 5 − X 4 − 2X 3 + 2X 2 + X − 1. 1) Calculer les d´riv´es Q (X), Q (X), Q3 (X), et Q4 (X). e e 2) Monter que 1 est un z´ro d’ordre trois de Q(X). e 3) En d´duire la d´composition en facteurs irr´ductibles de Q(X) dans R[X]. e e e Exercice 13. Quelle est la multiplicit´ des racines 1,-1 et 2 du polynˆme : e o P = X 9 − 2X 8 − 4X 7 + 8X 6 + 6X 5 − 12X 4 − X 3 + 8X 2 + X − 2. Exercice 14. 1) Montrer que si le polynˆme P = X 4 − X 3 + X 2 + 2 admet une racine complexe α, il admet o ´galement pour racine α. e ¯ √ e 2) Montrer que 1 + i et − 1 + i 23 sont des racines de l’´quation P = 0. 2 3) En d´duire une factorisation de P dans C[X] puis dans R[X]. e Exercice 15. dire, sans trop de calcul, si les polynˆmes suivants sont irr´ductibles dans R et dans C. o e 2 − X + 2, P = X 4 − 3X2 + 2, P = X − 2, P = X 3 − 2X 2 + 4X − 1. P1 = X 2 3 4

Exercice 16. Soit α1 , ..., αn , β1 , ..., βn ∈ R, avec αi = αj si i = j. On pose
n

P =
i

βi (
j=i

X − αj ). αi − αj

V´rifier due P (αk ) = βk , pour tout 1 ≤ k ≤ n. e

Exercice 17. Soit P ∈ K[X] et n ∈ N. Montrer que si d0 P ≤ n et si P admet au moins n + 1 z´ros deux ` e a deux distincts, alors P = 0. D´duire que si un polynˆme de K[X] admet une infinit´ de racines, alors P = 0. e o e

34

Montrer qu’il existe un couple unique (F. 1. F (X) = G(1 − X). it´rer cette proc´dure ). 35 . o a) On consid`re les deux polynˆmes suivants : P (X) = 2X 4 + X 3 − X 2 + 2X − 1 et Q(X) = e o 4X 3 + 4X 2 − X − 1. e e b) Mˆme question pour les polynˆmes : P (X) = X 4 − (1 + i)X 3 + X2 + (1 + i)X − 2 et e o Q(X) = X 3 + (2 + 2i)X 2 + 2iX − 1 . 2. Soit n un entier non nul. Montrer que ∀X ∈ R. de degr´ srictement o e inf´rieur ` n. Montrer qu’ils ont une racine commune α que l’on d´terminera. e (Indication : effectuer la division euclidienne de P par Q pour obtenir un polynˆme de degr´ o e plus petit que ceux de P et Q admettant encore pour racine α . G) de polynˆmes de R[X]. Exercice 19. Factoriser sur R puis sur C les polynˆmes suivants : o P1 = X 10 + X 5 + 1. v´rifiant : e a e (1 − X)n F (X) + X n G(X) = 1. P2 = X 6 + 5X 5 + 5X 4 − 12X 3 − 32X 2 − 32X − 16. (Racine commune a deux polynˆmes ).Exercice 18. Exercice 20.

Chapitre 3 FRACTIONS RATIONNELLES Dans ce chapitre.1. On appellera un repr´sentant de F tout couple de polynˆmes e o A e e (A. Alors P = DP1 et Q = DQ1 avec P1 ∧ Q1 = 1.1. B ∈ K[X] e Soit F une fraction rationnelle. A A Pour toute fraction rationnelle F = B = 0. Exemple 3. X 6 + 2X 3 + 4X iX 5 + 3jX 2 + 1 ∈ C(X). P P Par suite Q = Q1 . Exemple 3. F (X) = F (X) = X 5 + 3X 2 + 1 ∈ R(X). F = X 2 + 2X + 1 X +1 = . e D´finition 3. L’ensemble de ces fractions rationnelles est not´ K(X).1 Fractions ratinnelles irr´ductibles e P D´finition 3. Il n’est pas difficile de v´rifier que K(X) est un corps. B On dit que deux fractions rationnelles F1 = e et seulement si AD = BC.1. Proposition 3. X 6 + 2X 3 + 4i Remarque 3.1 D´finitions et propri´t´s alg`briques e e e e D´finition 3. on appellera inverse de F la fraction rationnelle 1 B F = A. B) tels que F = B . Autrement dit : une expression de la forme B o` A ∈ K[X] et o a u ∗ . Toute fraction rationnelle F est ´gale ` une fraction rationnelle irr´ductible.2. Une fraction F = Q de K(X) est dite irr´ductible si les polynˆmes P et Q e e o sont premiers entre eux (i. Il est clair qu’une fraction rationnelle admet une infinit´ de repr´sentants.e. 2−1 X X −1 A B et F2 = C D sont ´gales si e Car (X 2 + 2X + 1)(X − 1) = (X 2 − 1)(X + 1). e a e P Preuve.2. 3. Soit F = Q ∈ K(X) . P ∧ Q = 1 ). 1 36 . a 3. Si D = P ∧ Q. 0 On notera 0 la fraction rationnelle B et 1 la fraction rationnelle A .1. K est un corps (on pourra penser ` R ou C).3. On appelle fraction rationnelle ` coefficients dans K tout quotient de poe a A lynˆmes ` coeficients dans K.4.

Pour calculer les racines et les pˆles d’une fraction rationnelle F . A C A C Montrons 3. F2 ∈ K(X) et soit λ ∈ K∗ . o D’apr`s les propri´t´s des polynˆmes.Exemple 3. d0 (BC)) = d0 (BC). d0 F2 ). Soit F ∈ K(X) et soit B un repr´sentant irr´ductible de F . d0 (F1 + F2 ) = d0 (AD + BC) − d0 B − d0 D. Remarque 3. Le degr´ d’une fraction rationnelle F ∈ K(X) est ind´pendant du choix du e e repr´sentant de F . Preuve. il est o n´c´ssaire d’avoir un rep´sentant irr´ductible de F . alors ♣ X 3 − 3X + 2 = (X − 1)2 (X + 2).5. 2. est appel´e la fonction rationnelle associ´e ` F. ♣ −1 est un pˆle simple de F . ≤ sup(d0 (AD). Soit F1 = B et F2 = D . Si sup(d0 (AD). d0 F2 ).2. o Remarque 3.7. d0 (F1 F2 ) = d0 F1 + d0 F2 . 3. est la quantit´ : d0 F = e e e e 0 A − d0 B. sont faciles. d0 (F1 + F2 ) ≤ sup(d0 F1 . d0 (F1 + F2 ) ≤ sup(d0 F1 . Alors. e ee Proposition 3. l’application : e a 3 ˜ F : DF −→ K. d0 F2 ). On dit que e ee o o DF = K \ ∆F est l’ensemble de d´finition de F . On a F1 + F2 = B + D = AD+BC . not´ d0 F . d0 (BC)) = d0 (AD). Alors : 1. o ♣ 2 est un pˆle triple de F . donc 1 est un z´ro double et −2 est un z´ro simple e e de F . BD Par suite. d0 (F1 + F2 ) = d0 C − d0 D = d0 F2 ≤ sup(d0 F1 . A partir de l`.3. et 2. On dira que β ∈ K est un pˆle d’ordre m de F si β est une racine d’ordre m de B. Si sup(d0 (AD). Finalement. Soit F = B ∈ K(X). Les points 1. e e a x→ ˜ A(x) ˜ B(x) 37 . Soit F = (X+1)(X−2)3 . d0 (λF1 ) = d0 F1 . X 3 −1 (X 2 +X+1)(X+2) = (X−1)(X 2 +X+1) (X 2 +X+1)(X+2) = X−1 X+2 . d0 F2 ). e e e e X −3X+2 Exemple 3. On dira que e α ∈ K est une racine d’ordre n de F si α est une racine d’ordre n de A. e A e e D´finition 3.6. d0 (F1 + F2 ) = d0 A − d0 B = d0 F1 ≤ sup(d0 F1 . Alors. l’ensemble ∆F des pˆles de F est fini. Le degr´ de F . Soient F1 . A D´finition 3.3.4. d0 (BC))) − d0 B − d0 D. d Le degr´ d’une fraction rationnelle est un ´l´ment de Z ∪ {−∞}.

2 + 1)3 2 + 1) 2 + 1)2 (X − 1)(X X − 1 (X (X (X 2 + 1)3 puis on int`gre chaque ´l´ment.2 D´composition en ´l´ments simples e ee Comment int´grer la fraction rationnelle : e F = X ? (X − 1)(X 2 + 1)3 On proc`de de la mani`re suivante.6. F = R P =E+ Q Q do R < do Q. Unicit´ : Supposons que E1 .2 3.. e ee Le but de ce paragraphe est de montrer que cette ´criture est toujours possible. X +2 X +2 Propri´t´ Si F1 . On aura besoin e du r´sultat suivant. En . alors : e e e e do (E1 − E2 ) = do [(F − E2 ) − (F − E1 )] ≤ sup(do (F − E1 ).. la division euclidienne de P par Q donne : Preuve.1 D´composition en ´l´ments simples d’une fraction ratione ee nelle Fractions rationnelles r´guli`res e e P Q D´finition 3. La fraction rationnelle F = e Exemple 3.2. donc E = X − 2.. alors n Ei est la partie enti`re de la fraction rationnelle F = n Fi . E2 ∈ K[X] v´rifient le th´or`me. . do (F − E2 )) < 0.8. F1 = sont r´guli`res. Par suite E1 = E2 . F2 .. e e Remarque 3.9.2. Soit F = Q ∈ K(X). e 38 . X2 − 1 F2 = est dite r´guli`re si do P < do Q. 3 X2 − 1 =X −2+ . E2 . e e 2X 2 − 5 .. Fn sont des fractions rationnelles de parties enti`res respectivement ee e E1 . Il existe un polynˆme E ∈ K[X] et un seul. X3 + 6 F3 = X3 − 2 X5 + 3 P Th´or`me 3. tel que e e o F − E soit une fraction rationnelle r´guli`re.. e e o e o P > do Q.3. on ´crit : e e e X a0 a1 X + b1 a2 X + b2 a3 X + b3 = + + + . e e 5X − 2 . e i=1 i=1 F1 = 3.5. Exemple 3. Le polynˆme E s’appelle la partie enti`re de F . Une fraction rationnelle est r´guli`re si et seulement si do F < 0. . Ainsi. avec do R < do Q.4. On suppose d P = QE + R.

P ∧ Q = 1 avec Q normalis´.. Donc ˜ ˜ ˜ ˜ A = An + An−1 P + An−2 P 2 + . R1 ∈ K[X] tels que A = P Q1 + R1 . A1 = R2 et R = Q2 . D’o` l’unicit´.. ∃R ∈ K[X] tels que : e a a ˜ ˜ ˜ ˜ ˜ A = An + An−1 P + An−2 P 2 + .. d0 R2 < d0 P tels que : R = P Q2 +R2 . R par P .. puisque P = 0.. D’o` : u Bn = −P (Bn−1 + .on a alors S = 0. + A1 P n−1 + RP n . 1 ≤ k ≤ n. Bn−2 . Supposons que : e A = An + An−1 P + An−2 P 2 + . i αi ≥ 1. On simplifie par P (qui est = 0)et on fait la mˆme chose pour Bn−1 .Proposition 3. c e e Unicit´ : Commen¸ons par ´tablir l’unicit´.. 1 ≤ k ≤ n. ˜ d0 Ak < d0 P.. il existe Q2 . + B1 P n−1 + SP n . Pour n = 1. Il suffit de prendre A1 = R1 et R = Q1 .. 1 ≤ k ≤ n. d0 R1 < d0 P.. An et R tels que e o A = An + An−1 P + An−2 P 2 + .. ce qui est absurde. B1 . e a e e Le r´sultat fondamental portant sur les fractions rationnelles est le suivant : e 39 . A2 . ˜ ˜ Supposons le r´sultat vrai ` l’ordre n . + A1 P n−1 + RP n . R2 dans K[X].. Soient A et P deux polynˆmes de K[X].E... 1 ≤ k ≤ n.E.. il existe un syst`me unique de polynˆmes A1 . on a : ∃Q1 . et ˜ ˜ ˜ ˜ ˜ A = An + An−1 P + An−2 P 2 + . ˜ Posons Ak+1 = Ak .. d0 Ak < d0 P. Preuve. + B1 P n−2 + SP n−1 ). c’est-`-dire ∃Ak . ˜ ˜ Effectuons la D. ˜ ˜ Posons Bk = Ak − Ak et S = R − R. . 1 ≤ k ≤ n. irr´ductibles et normalis´s.. de A par P . + A1 P n−1 + RP n .. Pour tout entier naturel o non nul n.. Les Qi ´tant deux ` deux premiers entre eux. .. F = Q ∈ K(X). Si Bn = 0... + A1 P n−1 + RP n ... on effectue la D. + A1 P n−1 + R2 P n + Q2 P n+1 . P = 0... Finalement on trouve : A = An+1 + An P + An−1 P 2 + . avec d0 Ak < d0 P . u e e e Existence : Nous allons faire une d´monstration par r´currence sur n. P e Soit maintenant. avec ˜ d0 Ak < do P. Donc Bn = 0.. + A1 P n + RP n+1 . D´composons Q en facteurs irr´ductibles : e e r Q= i=1 Qαi . On a 0 = Bn + Bn−1 P + . on aura d0 Bn ≥ d0 P ... ` la fin on e a obtient SP = 0.10.

. 40 αi Pi.Th´or`me 3. e e e e sous la forme : r F =E+ i=1 Pi o` E est un polynˆme et o` Pi = u o u Les Pi. Existence : On a : Q = Qα1 (Qα2 . e e e e P = Qi et n = αi : ∃Pi.j j=1 Qj .j Qαi −j i + Ei ) = Qαi i r αi Pi. V ∈ K[X] tels que : U Qα1 + V (Qα2 .. e e a e Preuve..j < d0 Qi .j < d0 Qi ∀1 ≤ i ≤ r et ∀1 ≤ j ≤ αi .j et les Qi ´tant des polynˆmes tels que pour tout i et tout j. l ∈ N∗ et k < d0 Q est une base du K − espace vectoriel K(X)....Qαr ) = 1. ∀1 ≤ j ≤ αi ..j < d0 Qi ..j .. Il r r 1 2 1 2 existe U. i=1 j=1 avec d0 Pi. e o Le terme Pi s’appelle la partie polaire de F relative au facteur Qαi du d´nominateur Q de e i F.. 1 ≤ j ≤ αi .Qαr ) avec Qα1 et (Qα2 . et ∃Ei ∈ K[X] tels que : Ai = Pi. E s’appelle la partie enti`re de F .. d’apr`s le r´sultat de la proposition pr´c´dente pour A = Ai .j Qαi −j + Ei Qαi .Qr ) Qα1 1 PU α (Q2 2 . on obtient F = i=1 Ai Qαi i (∗) o` les Ai ´tant des polynˆmes.j < d0 Qi . + Pi.1 P [U Qα1 + V (Qα2 ..αi + Pi. d0 Pi.Qαr )] PU PV r 1 2 = = = . e Dans la pratique.1 Qαi −1 + Ei Qαi i i avec d0 Pi. u e o Soit maintenant 1 ≤ i ≤ r. ∀1 ≤ i ≤ r et ∀1 ≤ j ≤ αi . on a int´rˆt ` d´terminer d’abord E. r 1 2 D’o` u F = P P. Posons E = r Ei . α1 α2 α2 αr αr + Q Q Q1 (Q2 . Unicit´ : C’est une cons´quence du r´sultat suivant : la famille constitu´e d’une part par e e e e Xk n) u o e les (X n≥0 et d’autre part par les ( Ql ) o` Q est un polynˆme irr´ductible.j Qj i r + i=1 Ei . i De proche en proche...αi −1 Qi + .Qr ) (Q2 . on a F = r Pi + E avec Pi = i=1 i=1 d0 Pi.11. la fraction F s’´crit d’une mani`re unique.Qαr ) sont premiers entre eux. en appliquant le mˆme raisonnement ` e a r ..Qαr ) r αi Pi. Avec les notations ci-dessus..j j=1 Qj i et . αi Ai = j=1 Pi. i i En rempla¸ant dans (∗) on obtient : c r αi F = ( i=1 j=1 Pi.

Les Ai. Donc dans R(X) (eno ea e semble des fractions rationnelles) il y a deux types d’´l´ments simples : ee 1) L’´l´ment simple dit de premi`re esp`ce de la forme : ee e e λ (X + µ)n λX + µ ..3.4 D´composition dans R(X) e Lorsque K = R . Toute fraction rationnelle F dans R(X) s’´crit d’une mani`re unique sous e e e e la forme : F = E+ a1. e a Le th´or`me pr´c´dent s’´crit. + (X 2 +bn X+cn )µn . 1−X 1 + X2 (1 + X)(2 + X)(3 + X) = a X+i 1) On a 1 + X = −(1 − X) + 2.. dans ce cas.µn + (X 2 +bn X+cn ) + . 2) G = .. et n ∈ N∗ . Les polynˆmes o e o Pi.µn X+cn.µ + (X1. c ∈ R.α + (X−ar )2 + .(X − ar )αr (X 2 + b1 X + c1 )µ1 . + (X−arr)αr + X1. µ.. Toute fraction rationnelle F = Q ∈ C(X) admet la d´composition : e e e r αi F =E+ i=1 j=1 Ai..1 bn. + + . avec b2 − 4c < 0. 2) L’´l´ment simple de deuxi`me esp`ce de la forme : ee e e (X 2 avec λ. + bX + c)n avec µ. 3) H = . soit Qi = X − ai . a(X−i)+b(X+i) (X+i)(X−i) .12. + (X−a1 )α1 + ar...j (X − ai )j o` a1 . sont des constantes et E est un polynˆme de degr´ ´gal ` d o ee a Exemple 3.3 D´composition dans C(X) e Lorsque K = C.. Soit Q ∈ R[X].2.α1 a1.(X 2 + bn X + cn )µn .j se r´duisent ` des constantes.. .. b. ar sont les racines distinctes de Q et α1 ....2.7.. . G= = 2 1+X 2(X + i) 2(X − i) −i 2 i et a = 2 .+ Ceci est la d´composition de F en ´l´ments simples dans R(X)..1 X−ar b X+c1.1 a1. donc F = −1 + 2) G = 1 1+X 2 = 1 (X−i)(X+i) + b X−i = 2 1−X ...j u e 0 P − d0 Q. ar.13. On en d´duit alors (par identification) : a + b = 0 et b − a = −i donc b = e Par cons´quent : e i 1 i − .. 3. sous la forme : e e e e e P Th´or`me 3.1 1 X+c1 2 +b bn. αr leurs ordres de multiplicit´s.. les polynˆmes Qi sont du premier degr´.1 ar. e ee 41 . Donner la d´composition en ´l´ments simples dans C(X) des fractions rae ee tionnelles suivantes : 1) F = 1 1+X 1 . o e 2) Tout polynˆme du second degr´ ` discriminant strictement n´gatif.2 b X+c1. λ ∈ R et n ∈ N∗ . les polynˆmes irr´ductibles dans R[X] sont de deux types : o e 1) Tout polynˆme du prenier degr´.1 X+cn. .µ1 1 X+c1 )1µ1 2 +b + .. D’apr`s ce qui pr´c`de Q peut s’´crire sous la forme : e e e e Q = (X − a1 )α1 (X − a2 )α2 ...2 X−a1 + (X−a1 )2 + . Et le th´or`me de la d´composition en ´l´ments simples s’´crit dans le cas de R sous la e e e ee e forme : Th´or`me 3.

.. on peut utiliser tout proc´d´ qui nous e e e semble ad´quat pour obtenir les coefficients de la d´composition. F = 2 + X + 1)2 (X + 1) (X 42 . on obtient : b = −1. on obtient : 2 −1 2 1 G= + + + . e X +1 1 − . 2 X + 1 (X + 1) X − 1 (X − 1)2 Remarque 3. Pour trouver b multiplions G par (X + 1)2 . D´composer en ´l´ments simples dans C puis dans R la fraction rationnelle e ee 1 . b = 2 Par cons´quent. c − b = 0 et a − c = 1.G(X) = bX dX 4X 4 aX cX + + = + . + + 2 X + 1 (X + 1) X − 1 (X − 1)2 Remarquons que G est impaire : G(−X) = −G(X). Donc a = 1 . e Exercice 3. on peut : e ee i) soit d´composer F en ´l´ments simples dans C et regrouper les termes conjugu´s. On a : b −c d −a G(−X) = + + + . G admet une d´composition de la forme e G= c a b d + .14. Pour d´terminer les coefficients a et c. + + X + 1 (X + 1)2 X − 1 (X − 1)2 L’unicit´ de la d´composition en ´l´ments simples entraˆ : e e ee ıne a=c b = −d. Pour d´composer F ∈ R(X) en ´l´ments simples dans R. u Cette m´thode permet de trouver la somme des coefficients de plus bas degr´ de toutes e e les parties polaires.Remarque 3. (1+X 2 )(X−1) −1 2 = c. 2 − 1)2 2 (X X + 1 (X + 1) X − 1 (X − 1)2 lim XG(X) = 4 = a + c En cherchant la limite de XG(X) en +∞ .5.D). Puisque la d´composition est unique. multiplions G par X : e X.) (Voir T. en utilisant les propri´t´s de F (parit´. 2 X − 1 (X − 1) X + 1 (x + 1)2 −a −c −b −d −G(X) = + . sans que cela influe sur le e e r´sultat final.6. Finalement. on obtient : X−→+∞ d’o` a = c = 2. Soit G = 4X 3 . (X 2 −1)2 (1+X 2 )(X−1) 1 = a X−1 + bX+c X 2 +1 = a(X 2 +1)+(bX+c)(X−1) . F = Par identification on obtient : a + b = 0. e ee e Exemple 3. (X + 1)2 G(X) = 4X 3 c(X + 1)2 d(X + 1)2 + = a(X + 1) + b + . F = 2(X − 1) 2(X 2 + 1) 2.. d’o` d = 1. 1. c u Cette m´thode permet de trouver le coefficient du terme de plus haut degr´ de chaque e e partie polaire. e ee e ii) soit proc´der par identification.8. (X − 1)2 X −1 (X − 1)2 En rempla¸ant X par −1.

Le th´or`me de Gauss implique que X n+1 /Qn . on a donc d0 Qn+1 ≤ n + 1. A = BQ0 + XR0 .3. Q3 R3 43 . ai X i et B = i=0 bi X i . Alors Q0 ∈ K et A − BQ0 est divisible par X. B(0) On prend Qn+1 = Qn + Rn (0) X n+1 et Rn+1 = S. B(0) B(0) Rn (0) B + XS. Qn est appel´ le quotient ` l’ordre n. La condition B(0) = 0 implique e que B et X n+1 sont premiers entre eux. Rn ) aquise jusqu’` l’ordre n. e a a Preuve. e e o Pour tout entier n. On a : Rn = d0 Qn ≤ n. Rn (0) Rn (0) B + (Rn − B) .3. d0 Qn ≤ n. X n+1 Rn est le reste ` l’ordre n. posons Q0 = B(0) = l’existence de R0 ∈ K[X] tel que a0 b0 . il existe un couple unique de polynomes (Qn . c’est-`-dire : a a A = BQn + X n+1 Rn .3 3. Soient A. Par cons´quent R = 0. Rn ) v´rifiant : e A = BQn + X n+1 Rn . Alors X n+1 /BQn . on trouve : e X 3 + 2X + 1 = (2X 2 + X + 1) (1 + X − 3X 2 + 2X 3 ) +X 4 (4 − 4X) . d n e n n Exemple 3. B deux polynˆmes tels que B(0) = 0.15. or e e 0 Q ≤ n donc Q = 0. e e Posons p q A= i=0 A(0) Pour n = 0. a Apr`s le calcul. Supposons l’existence du couple (Qn . d’o` u d0 Q0 = 0. Existence : D´montrons l’existence par r´currence sur n. Effectuons la division suivant les puissances croissantes de A = X 3 + 2X + 1 par B = 2X 2 + X + 1 ` l’ordre 3. B(0) Unicit´ : Supposons BQn + X n+1 Rn = 0. B(0) B(0) H On a H(0) = 0.1 Recherche des parties polaires relatives ` des facteurs de a α la forme (X − a) Division suivant les puissances croissantes Th´or`me 3. donc il existe S ∈ K[X] tel que Rn = L’hypoth`se de r´currence implique : e e A = BQn + X n+1 ( Rn (0) Rn (0) n+1 B + XS) = B(Qn + X ) + X n+2 S.9.

+ + . a 8 16 16 44 . Ce qui ach`ve la d´monstration e e Exemple 3. alors 0 n’est pas un pˆle de o de la proposition. et F (X) = G(Y ) = P (a + Y ) . On trouve : c = 7 = −γ.. trouver la d´composition e en ´l´ments simples dans R(X) de la fraction rationnelle : ee 2X 2 + 5 . F (−X) = Ce qui donne : 2Y 2 + 4Y + 7 . b = −13 = β et a = 13 = −α. On a : e F = F (X) = a b c α β γ + + + + + ..Nous allons maintenant appliquer ce th´or`me ` la recherche de la partie polaire relative au e e a P (X) pˆle a de F = (X−a)α Q1 (X) .10. D´terminons a. X + 1 (X + 1)2 (X + 1)3 X − 1 (X − 1)2 (X − 1)3 a = −α. mais comme Q1 (0) = 0 . e Posons Y = X − 1.. La partie polaire de F relative au pˆle 0 est l’expression : o λ1 λα−1 λ0 + α−1 + . + . et c = −γ..16. D’o` u F = λ0 Rα−1 Q1 (X)(λ0 + λ1 X + . + λα−1 X α−1 ) + X α Rα−1 λ1 λα−1 = α + α−1 + .. + λα−1 X α−1 le quotient de la division suivant les puissances croissantes de P par Q1 ` l’ordre α − 1.. 2 3 2 X − 1 (X − 1) (X − 1) X + 1 (X + 1) (X + 1)3 b −c −α β −γ −a + + + + + . En effectuant la division suivant les puissances croissantes.. F (Y + 1) = b = β. Soit Qα−1 = λ0 + λ1 X + . α X X X avec λ0 +λ1 X +. (X 2 − 1)3 Comme F est paire. b et c. Etant donn´e la fraction rationnelle irr´ductible e e F = P (X) X α Q1 (X) . Q1 (0) = 0. Y 3 (Y + 2)3 Effectuons la division suivant les puissances croissantes de 2Y 2 + 4Y + 7 par (Y + 2)3 = Y 3 + 6Y 2 + 12Y + 8 ` l’ordre 2. et P (X) ∧ (X − a)α Q1 (X) = 1.. a Preuve. Q1 (a) = 0. Dans ce cas. l’unicit´ de la d´composition de F en ´l´ments simples permet d’identifier e e ee la d´composition de F (X) et de F (−X). o Posons Y = X − a... on a le r´sultat suivant : e u e Proposition 3. a Donc P = Q1 Qα−1 + X α Rα−1 . Y α Q1 (a + Y ) Nous sommes donc ramen´s au cas o` a = 0.+λα−1 X α−1 est le quotient de la division suivant les puissances croissantes de P par Q1 ` l’ordre α − 1. X α Q1 (X) X X X Q1 (X) Rα−1 Q1 (X) .

u D’autre part. (X 2 +4)(X 2 +1) .V´rifier si F (−X) = F (X) ou F (−X) = −F (X) (c’est ` dire la parit´ de F ). a e . (X−a) . La d´composition de F en ´l´ment simples dans C(X) e ee La d´composition de F en ´l´ments simples dans C(X) est e ee 1 1 1 1 1 F = [ + − − ]. Q1 (a) = 0 est Q (a) . 3 X +1 X +4 Technique 2 (m´thode des coefficients ind´termin´s) e e e On d´termine les coefficients par des consid´rations num´riques particuli`res . ee a o e Exemple 3.Remarque 3. Dans le cas o` α = 1. On cherche la d´composition en ´l´ments simples dans C(X). on a : α= P (X) α R0 (X) = + . . d’o` Q (a) = Q1 (a). En groupant les ´l´ments simples relatifs aux pˆles conjugu´s. e ee 2. Q(X) X − a Q1 (X) P (X)(X − a) R0 (X)(X − a) − . Q1 (a) Q (a) 3.7. e – Technique 1 1.multiplier par une puissance de X et faire tendre X vers +∞. La d´composition de F en ´l´ments simples dans R(X) est de e ee la forme : a bX + c dX + e 1 = + + .11.Donner ` X des valeurs particuli`res. F = D’o` u α= Pour X = a. mais on dispose pratiquement de trois techniques. Q(X) Q1 (X) P (a) P (a) = . 6 X + i X − i X + 2i X − 2i 2. On regroupe les ´l´ments simples relatifs ` des pˆles conjugu´s. e a e 2 + bX + c)) Technique 3 (abaissement de l’exposant de (X 1 Soit F = (X+1)(X 2 +1)2 . en g´n´ral. F = (X + 1)(X 2 + 1)2 X + 1 X 2 + 1 (X 2 + 1)2 45 X .4 Recherche des parties polaires relatives ` des facteurs de a 2 α la forme (X + bX + c) Il n’ y a pas. par exemple : e e e e . on trouve : e e Q (X) = Q1 (X) + (X − 1)Q1 (X). D´composer en ´l´ments simples dans R(X) la fraction F = e ee 1. on obtient : ee o e 1 X X F = [ 2 − 2 ]. Q(X) Q(X) = (X − a)Q1 (X). avec Q1 (a) = 0. En prenant les d´riv´es. la partie polaire relative ` un pˆle simple de u a o P (X) P (a) 1 F = (X−a)Q1 (X) . une m´thode pr´cise pour d´terminer les ´l´ments simples de e e e e e ee second esp`ces. F = P (X) . En effet.

il faut : ee 1.5 APPLICATIONS Voir les travaux dirig´s. Enfin. a u 2 1 1 −1 Par suite : e = 2 et d = 2 . e 46 . e e e e 4.. e e e e qu’on calcule en faisant la division euclidienne. e 5. Factoriser Q . (X + 1)(X 2 + 1) (X + 1) X 2 + 1 P Q CONSEILS PRATIQUES : Pour d´composer une fraction rationelle (irr´ductible) F = e e en ´l´ments simples. en n’oubliant pas la partie enti`re E. 2. 6. 2. dX + e 1 1 −X + 1 = − .1. Ecrire la forme g´n´rale de la d´composition. Terme de degr´ dominant : multiplier par (X − ai )αi . 3. On calcule F− Il reste.. 3. On commence par calculer d et e. prendre des valeurs . On multiplie les deux membres par (X 2 + 1)2 et 1 on donne ` X la valeur i. Utiliser la parit´-imparit´ qui r´duit souvent beaucoup l’´tude. puis prendre X = ai . d’o` 1 − 2 i = di + e. La somme des termes de plus bas degr´ : multiplier par X et calculer la limite quand e X tend vers +∞. (X 2 + 1)2 (X + 1)(X 2 + 1)2 2 (X 2 + 1)2 1 a bx + c = + . on obtient i+1 = di + e. simplifier.

3. An−1 . b) . 2)F = X4 .. On suppose que P est non nul et ne divise pas A. F3 = X 6 +1 . 3 2 5.. + An−1 P n−1 + Rn P n . Xn − 1 Exercice 2. 2) Si P est irr´ductible. n! 7. Montrer qu’il n’existe pas de fraction rationnelle de K(X) telle que F 2 = X. D´terminer les z´ros et les pˆles de la fraction rationnelle de C[X] e e o F (X) = X 4 − 5X 2 + 4 . n ∈ N∗ . D´composer les fractions rationnelles suivantes en ´l´ments simples dans R(X) e ee X 7 +2 0. o 1) Montrer que pour tout entier naturel non nul n. 9. il existe des polynˆmes A0 . X 4 +1 3.. + n−1 + .. . F6 = −2X −19X (X 2 +4X+5)3 −165X−72 . F7 = X(X+1)(X+2). + n P P P 3) D´composer en ´l´ments simples dans R(X) la fraction e ee F = 3X 8 + 4X 2 + 1 . 1−2X .. 1. F9 = X(X 1+1)2 ..6 EXERCICES Exercice 1.. Exercice 3. F4 = (X 2 +X−2)(X 2 +4) . avec deg(Ak )< deg(P). (X 2 +X+1)2 5 4 −76X 3 −157X 2 6.. (X 2 +1)(X+2)2 X 2 +1 2. (X 2 + 2X + 3)3 A Pn Exercice 5. F8 = (X 4 +X 2 +1)2 . Mettre sous forme irr´ductible les fractions rationnelles de R(X) e X 5 −X 4 −2X 3 +2X 2 +X−1 X3 X 2 −3X+2 a) X 4 −5X 2 +4 . F1 = Exercice 6. Soit A et P deux polynˆmes de K[X]. X 5 +1 47 . Rn o uniques tels que : A = A0 + A1 P + A2 P 2 + . X 4 +X+1 +4X 2 +X+2 Exercice 4. F2 = X 4 +X 3 −X−1 . c) X 4 −5X 3−3X+2 . X2 8. montrer que la d´composition en ´l´ments simples de la fraction e e ee est A0 A1 An−1 + Rn . 7X 3 +2X 2 +15X+6 4. A1 . F5 = −X −X +3X−1 .. F10 = X n −1 . 2 1 10. n ∈ N∗ .. 0 ≤ k ≤ n − 1.(X+n) . D´composer en ´l´ments simples dans C(X) les fractions rationnelles suivantes : e ee X 1)F = (X 2 −1)2 (X 2 +1) . F0 = (X 2 +X+1)3 .

Par exemple u ee X 2 + 1 est un polynˆme scind´ sur C et n’ est pas un polynˆme scind´ sur R. X +α (X + α)n+1 1 2) Calculer la d´riv´ d’ordre 4 de la fraction rationnelle F = X(X−1)(X+1) e e 3) Calculer la limite quand n tend vers l’infini de la somme partielle n Sn = k=2 1 k(k − 1)(k + 1) 48 . .. D´composer la fraction rationnelle en ´l´ments simples dans R(X) e ee F = X 2n . En effectuant la division suivant les puissances croissantes. ( D´rivation d’ordre n des fractions rationnelles et calcul des sommes pare tielles) 1) Montrer que pour tout n ∈ N et tout α ∈ C on a ( (−1)n n! 1 )(n) = . Exercice 8. i=1 (X − ai )ki o` a1 . D´composer en ´l´ments simples la fraction rationnelle P . kn des entiers strictement positifs. o e o e Soit P un polynˆme scind´. − 1)2 Exercice 10. 2) D´terminer les z´ros de P et en d´duire le degr´ de P . et seulement si.. pour tout x ∈ R. e ee 4) D´duire que e 2n kπ (−1)k cos( 2n+1 ) 2n + 1 = kπ sin(2n + 1)x sinx − sin( 2n+1 ) k=o pour tout r´el x tel que sin(2n + 1)x = 0 e Exercice 9. o e e ee P Exercice 11.. e e e e 1 3) D´composer en ´l´ments simples la fraction rationnelle P .. n ∈ N∗ . On dit qu’un polynˆme non nul P est scind´ sur K si. (X 2 +1)n n ∈ N. tels que e P (sinx) = sin(2n + 1)x. an sont des ´l´ments de K et k1 . P est de degr´ 0 ou. montrer qu’il existe un polynˆme P ` e o a coefficients r´els.. 1) En d´veloppant (cosX + isinX)2n+1 . d´composer la fraction ratione nelle dans R(X) F = (X 2 4 .. o e e si degr´ de P est non nul.. P s’´crit sous la forme e e n P = λ.Exercice 7.

Deuxi`me partie e ` ´ ALGEBRE LINEAIRE 49 .

chimie. ee e Exemples 1. µ ∈ K.. 2) Loi de composition externe. Mais pour sae e e voir l’utiliser. ¸a sera une multiplication de c K × E −→ E (α. ∀ λ. ×) est un R-espace vectoriel. ∀ λ. y ∈ E : λ(x + y) = λx + λy c. ∀x ∈ E : (λ + µ)x = λx + µx. ceux qui peuvent ˆtre munis de cette structure. En e e e a e math´matiques. il faut apprendre ` identifier les probl`mes lin´aires ou ceux qui peuvent ˆtre a e e e mod´lis´s par une approche lin´aire (c’est une situation usuelle dans la plupart des sciences : e e e on remplace ainsi un ph´nom`ne complexe par un probl`me plus facile ` r´soudre). ∀x ∈ E : 1K x = x Remarques 1. parmi les ensembles qui nous sont familiers.Chapitre 4 ESPACES VECTORIELS ET ´ APPLICATIONS LINEAIRES L’alg`bre lin´aire fournit un langage et une collection de r´sultats tr`s utiles dans des e e e e domaines tr`s vari´s (biologie. (Rn . e Dans tout ce chapitre K = R ou C. Les ´l´ments de E sont appel´s des vecteurs. 2. 50 . physique. +) est un groupe commue tatif. l’axiomatisation des probl`mes lin´aires se fait par la d´finition de la struce e e e ture d’espace vectoriel et notre premier souci sera de distinguer. Soit n ∈ N∗ . ∀x. ∀x ∈ E : λ(µx) = (λµ)x. d. ee e 3. x) −→ αx v´rifiant : e a.1 Structure d’espace vectoriel D´finition 4. Les ´l´ments de K sont appel´s des scalaires. un ensemble E e muni de : 1) Loi de composition interne + appel´e addition telle que (E. b. ´conomie. 4. ∀λ ∈ K. µ ∈ K. Faire attention aux lois.).1. statistiques .. On appelle espace vectoriel sur K ou K-espace vectoriel. +.

{0} et E sont deux sous-espaces vectoriels de E. Dans toute la suite. Une partie F de E est un sous-espace vectoriel si. µ ∈ K et ∀x ∈ E. (S.4. On d´finit. On a : λx = 0E ⇐⇒ λ = 0K ou x = 0E . 3. λ−1 (λx) = (λ−1 λ)x = x. 4. +. toute partie F de E v´rifiant les e e conditions suivantes : (1) 0E ∈ F et pour tout x ∈ F et tout y ∈ F . Preuve. 4. avec f + g est d´finie par e (f + g)(x) = f (x) + g(x).2.3. y ∈ E et ∀λ ∈ K.1 Sous-espaces vectoriels G´n´ralit´s e e e D´finition 4. a Exemples 1.2. 2. E d´signe un espace vectoriel sur K. 3. R) des fonctions continues d’un intervalle I de R a valeurs dans R est un sous-espace vectoriel de F(I.2. +. 4. ∀x. D’o` u x = 0E . ×) est un R-espace vectoriel. (R[X]. λ−1 (λx) = λ−1 0E = 0E .2 4. On appelle sous-espace vectoriel de E. ×). Kn [X] = {P ∈ K[X]/P = 0 ou do P ≤ n} est sous-espace vectoriel de K[X]. =⇒) Soit λ ∈ K et x ∈ E tels que λx = 0. 51 . +. E). e Proposition 4. +. dans l’espace des suites r´elles S qui sont des fonctions de N dans R. Proposition 4. λx ∈ F . D’autre part. x + λy ∈ K. Exercice ` le faire. ×) est un K-espace vectoriel. On a d’une part. x + y ∈ F. Ainsi. (2) pour tout x ∈ F et pour tout λ ∈ K. alors (F(X. ∀x ∈ E. et seulement si 0E ∈ F et ∀λ ∈ K. L’ensemble des suites convergentes dans R est un R-espace vectoriel de (S. les e e op´rations suivantes : e (u + v)n = un + vn (λu)n = λun . on obtient λ0E = 0E ceci ∀λ ∈ K. De mˆme (λ − µ)x = λx − µx. e Pour λ = µ. L’ensemble C 0 (I. Si X = 0 et E est un K-espace vectoriel. Soit λ ∈ K et x ∈ E. Supposons que λ = 0. Preuve ⇐=) On a : λ(x − y) = λx − λy . Pour x = y. ∀x. ∀λ. R). ∀x ∈ X. y ∈ F . ×) est un R-espace vectoriel. on obtient 0K x = 0E .

1) ∈ F ∪ G. . y) ∈ R2 . y)/y ∈ R}. . . D´finition 4. . on peut ´crire e (x. e e Notation Si A = {a} contient un seul ´l´ment on note V ect(a) = Ka = {λa | λ ∈ K}. . Exemple 4. 1) ∈ F et (1. 52 . . . ∃a1 . Par exemple : E = R2 . . car (1. . b1 . ee Remarques : • V ect(A) est le plus petit sous-espace vectoriel contenant A. Soit F un s. En particulier. . Soit E un K-e. an ∈ A e et des scalaires α1 . Si V ect(A) = F on dit que A est une partie g´n´ratrice e e (ou une famille g´n´ratrice) de F ou que A engendre F . bm ∈ A et β1 . . 0). .v. e Alors u + λv = α1 a1 + · · · + αn an + (λβ1 )b1 + · · · + (λβm )bm donc u + λv ∈ V ect(A). .6. . si A est une partie g´n´ratrice de E e e et si B contient A alors B est aussi une partie g´n´ratrice de E. .5. . En effet. 1) ∈ G ⊆ F ∪ G mais (1. . Par d´finition il existe un entier n. Evidente. il existe m ∈ N∗ . • Si A ⊂ B alors V ect(A) ⊂ V ect(B). Attention. Soit u. 1). V ect(A) = {u ∈ E | ∃n ∈ N∗ . Les vecteurs (1.7. / / / 2..v. 0) + y(0. Remarques 1. . (0.Th´or`me 4.1. La restriction ` F × F de l’addition est une loi interne sur F a (appel´e loi induite par celle de E). si e e e F = {(x. . Toutes intersections de sous-espaces vectoriels de E est e e un sous-espace vectoriel de E. On note V ect(A) l’ensemble des vecteurs u ∈ E pouvant s’´crire e u = λ1 a1 + λ2 a2 + · · · + λn an avec n ∈ N∗ . . Cons´quence : On montre rarement directement qu’un ensemble est un espace vectoriel. ∃λ1 . . .e.. (1. des vecteurs a1 . .v. v ∈ V ect(A) et λ ∈ K.4). F est un K-espace vectoriel. . de R2 . 4. 1) ∈ G. . . . . 0) ∈ F ⊆ F ∪ G et (0. Pour ces deux lois. λn ∈ K. y) = x(1. . Preuve. ce th´or`me est faux pour la r´union. 0)/x ∈ R} et G = {(0. λn ∈ K. . . = λn = 0. Proposition 4. . a1 . Prenons λ1 = λ2 = . On a F et G sont deux s. e e • On consid`re souvent un ensemble fini : si A = {a1 . . . βm ∈ K tels que v = β1 b1 + · · · + βm bm . Alors e V ect(A) = {λ1 a1 + · · · + λn an | λ1 .e. an ∈ A. . λn ∈ K}.v. . de E. 1) engendrent R2 . e mais souvent que c’est un sous-espace vectoriel d’un espace vectoriel connu (` l’aide de la a proposition 4. . αn ∈ K tels que u = α1 a1 + · · · + αn an .e.2 Sous-espace engendr´ par une partie e Soit A une partie non vide de E. mais F ∪ G n’est pas un s. . De mˆme. V ect(A) est appel´ le sous-espace engendr´ par A. si (x. La restriction ` K × F de la multiplication externe e a est une loi externe sur F . . u = λ1 a1 + λ2 a2 + · · · + λn an }. e e e Soit F un sous-espace vectoriel. λ1 a1 + λ2 a2 + · · · + λn an = 0 donc 0 ∈ V ect(A). an ∈ A et λ1 . . Preuve. de R2 . En effet.2. V ect(A) est un sous-espace vectoriel. . an }.

Deux sous-espaces vectoriels d’un K-e. en voici c e e une deuxi`me : e x−y y−x x+y (x.9. 1). Preuve. Donc E = F + G. (0. i) =⇒ ii) Soit x ∈ E.v. x = y + z. y) = (1. on a R2 = F ⊕ G = F ⊕ H. Or F + G ⊆ E. L’unicit´ de l’´criture de x comme somme d’un vecteur de F et d’un vecteur de G implique e e x = 0. y) = x(1. 0). (1. e1 = (1. y) comme combinaison lin´aire de ces 3 vecteurs. 1). e e e On dit ´galement que E est somme directe de F et G et on ´crit : e e E = F ⊕ G. ii) =⇒ i) Soit x ∈ E. H = {αa/α ∈ R} = vect(a). On a x = x + 0 avec x ∈ F et 0 ∈ G. 2 2 2 Th´or`me 4. 1) + (1. x s’´crit x = y + z avec y ∈ F et z ∈ G. Cons´qence : F ⊕ G = F ⊕ H n’implique pas que G = H! e G´n´ralisation e e 53 . E v´rifiant les conditions ´quivalentes e e e i) et ii) du th´or`me 4. e Supposons que x s’´crit de deux fa¸ons diff´rentes x = y + z = y + z avec y. u Soit x ∈ F ∩ G.8. puisque E = F + G. 1) et a = (1. On a aussi x = 0 + x avec 0 ∈ F et x ∈ G. Il y a plusieurs fa¸ons d’´crire (x. y ∈ F et e c e z. De plus {0} ⊆ F ∩ G.{(1. Ce qui imlpique y = y et z = z . e2 = (0. 1)} engendre ´galement R2 car e (x. 1) + 0(1. Exemple : Soit E = R2 . 0) + (0. avec x ∈ F et z ∈ G.8 sont dits suppl´mentaires dans E. e ii) E = F + G et F ∩ G = {0}. Alors y − y = z − z ∈ F ∩ G = {0}. 0) + y(0. D’o` u F ∩ G = {0}. donc e e x ∈ F + G. 1). Donc F ∩ G ⊆ {0}. z ∈ G. 1). e e e Les propri´t´s suivantes sont ´quivalentes : ee e i) tout vecteur x ∈ E s’ecrit de mani`re unique. D´finition 4. Soit F = {αe1 /α ∈ R} = vect(e1 ). 0). d’apr`s i) x s’´crit sous la forme x = y + z avec y ∈ F et z ∈ G. Soit F et G deux sous-espaces vectoriels d’un mˆme K-espace vectoriel E. d’o` E ⊆ F + G. G = {αe2 /α ∈ R} = vect(e2 ).

F2 = {αe2 /α ∈ R} = vect(e2 ).. = xn = 0). ∀i = 1. e1 = (1.. Soit F1 = {αe1 /α ∈ R} = vect(e1 ).1 Applications lin´aires e G´n´ralit´s e e e D´finition 4.. n. n ∈ N∗ .v. . on a R3 = F1 ⊕ F2 ⊕ F3 . Soient E un K-espace vectoriel.. n. i=1 L’unicit´ de l’´criture implique xi = 0. 0) et e3 = (0.. n. et n sous-espaces vectoriels F1 . xi ∈ Fi 1 ≤ i ≤ n) =⇒ (x1 = . . pour 1 ≤ i ≤ n. 1).D´finition 4...v. ... 0). Soit E = R3 . ∀i = 1. Remarques : 1) Si f est une application lin´aire de E dans F .. e D’o` u xi = xi . F1 . Alors. ∀i = 1. Fn e si tout vecteur x ∈ E s’´crit de mani`re unique : x = x1 + x2 + .12..3.Fn .. on a l’´quivalence : e  n  E = i=1 Fi et E = ⊕n Fi ⇐⇒ i=1  ( n xi = 0. e e i=1 Supposons x = n xi = n xi . n. 1.10. y ∈ E. F3 = {αe3 /α ∈ R} = vect(e3 ). 0. e 2) Pour tout x ∈ E. . e e ⇐=) L’existence de l’´criture x = n xi est ´vidente. + xn = n xi avec e e i=1 xi ∈ Fi .11. xi ∈ Fi tel que n xi = 0 = 0 + . Exemples : 1) Soit E et F deux K-e. =⇒) L’´galit´ E = n Fi est imm´diate.. e2 = (0. i=1 L’hypoth`se implique xi − xi = 0 ∀i = 1..... On dit que f est une application lin´aire de E dans F si ∀x.e.. e e i=1 Soit. + 0. on a f (0) = 0. 0. e 54 .. Ceci donne l’unicit´ de l’´criture. 1 ≤ i ≤ n. On ´crit alors : e E = F1 ⊕ F2 ⊕ .. ∀λ ∈ K : e f (x + λy) = f (x) + λf (y)... . i=1 Exemple. Proposition 4. . i=1 i=1 Ceci implique n (xi − xi ) = 0 avec (xi − xi ) ∈ Fi . L’application f : E −→ F x −→ 0F est lin´aire. ⊕ Fn = ⊕n Fi ..3 4.. e e 4. on a f (−x) = −f (x)... i=1 e Preuve. On dit que le K-espace vectoriel E est somme directe des s. Soit E et F deux K-espaces vectoriels et soit f une application de E e dans F ..

.. f est un isomorphisme. alors f −1 est une bijection de F dans E. Si E = K[X]. R) −→ F f −→ f (x0 ). e • Si f est une bijection de E sur F. Deux K-espaces vectoriels sont dits isomorphes. • Si E = F . (Indication : Raisonner par r´currence. f: E −→ F (a1 . on ´crit E F.. f est une application lin´aire si. e Exercice 4. s’il existe un isomore phisme de l’un dans l’autre . y = f −1 (y ). On a f (x + λy) = f (x) + λf (y) = x + λy Donc f −1 (x + λy ) = x + λy = f −1 (x ) + λf −1 (y ). 3.. soit x = f −1 (x ).) e D´finition 4. Un isomorphisme de E sur E s’appelle aussi automorphisme de E. Soit f : E −→ E P −→ P f est un endomorphisme.. 2. d´finie e par IdE (x) = x pour tout x ∈ E est un automorphisme. . a < b et E = C([a. Soit E et F deux K-espaces vectoriels et soit f une application lin´aire de e e E dans F . e Exemples. ∀(x1 . f s’appelle un isomorphisme de E sur F . R). Puisque f est une bijection de E dans F ... l’application r´ciproque f −1 est e un isomorphisme de F sur E. b ∈ R. + an X n . xn ) ∈ e En n n f( i=1 λi xi ) = i=1 λi f (xi ). appel´ isomorphisme r´ciproque de f .. Proposition 4. L’application : ϕ : E −→ R f −→ ϕ(f ) = est une forme lin´aire sur E. Soit E un K− espace vectoriel quelconque. x0 ∈ R ψ est une application lin´aire.2) Soit ψ : F(R.14. • Si E = K.. Si E = Kn et F = {P ∈ K[X]/P = 0 ou do P ≤ n}. . 1. . l’application identique IdE de E. Si f est un isomorphisme de E sur F . Il nous suffit de montrer que f −1 est lin´aire. e Soient x et y ∈ F et λ ∈ K .13. et seulement si ∀(λ1 .15.. Soit a ∈ R. D´finition 4. an ) −→ a0 + a1 X + .16. λn ) ∈ Kn . f s’appelle une forme lin´aire sur E. e b a f (t)dt 55 .. f s’appelle un endomorphisme de E. e e Preuve. b]. 4.

D´finition 4. Si y. . x ∈ f −1 (F ) et λ ∈ K.. .4.. et seulement si ker(f ) = {0}. F ) 56 .Le sous-espace vectoriel f e not´ Ker(f ). Si x. .. . L’image par f du sous-espace engendr´ e par (x1 .Le sous-espace vectoriel f (E) de F est appel´ l’image de f et not´ Im(f ). x ∈ E tels que y = f (x) et y = f (x ) et puisque E est sous-espace vectriel de E...18. e e −1 ({0}) = {x ∈ E/f (x) = 0} de E est appel´ le noyau de f et . ... Preuve. 2) L’image r´ciproque par f d’un sous-espace de F est un sous-espace vectoriel de E. on a f (x) = 0 = f (0).19. . on a f (x−y) = f (x)−f (y) = 0. Alors y + λy = f (x) + f (x ) = f (x + λx ) ∈ f (E ).4. xn n vecteurs de E. n f( i=1 λi xi ) = i=1 λi f (xi ).. on a f (x + λx ) = f (x) + λf (x ) ∈ F et donc x + λx ∈ f −1 (F ). f (xn )) . 4. (1) Si f est injective et si x ∈ ker(f ). y ∈ f (E ) et λ ∈ K.. c’est e ` dire : a f (vect(x1 . donc x + λx ∈ E . λn ) ∈ K .. d’o` x−y ∈ ker(f ) = {0}.. (2) Il d´coule imm´diatement de la propri´t´ : e e ee n n ∀(λ1 .. donc x = 0.4 4. Remarque : Les isomorphismes de E dans F sont les applications lin´aires f de E sur F e telles que Ker(f ) = {0} et Im(f ) = F .2 Image et noyau d’une application lin´aire e Th´or`me 4. xn )) = vect(f (x1 ). f (xn )). il existe x. e Th´or`me 4..17. On a : 0 ∈ E et 0 = f (0) ∈ f (E ). e Preuve.. 1) L’image par f d’un sous-espace vectoriel de E est un sous-espace vectoriel de F .. u et donc x = y. 2) Soit F un sous-espace vectoriel de F et soit : f −1 (F ) = {x ∈ E/f (x) ∈ F } On a f (0) = 0 ∈ F et donc 0 ∈ f −1 (F ).3.. Soit E et F deux K−espaces vectoriels et soit f une application lin´aire e e e de E dans F . Soit E et F deux K−espaces vectoriels et soit f une application lin´aire e e de E dans F .. xn ) est le sous-espace vectoriel de F engendr´ par (f (x1 ). (2) Soit n ∈ N∗ et soit x1 . Soit E et F deux K−espaces vectoriels et soit f une application lin´aire e e e de E dans F ..1 Op´rations sur les applications lin´aires e e Structure d’espace vectoriel de LK (E. Si ker(f ) = {0} et si f (x) = f (y). 1) Soit E un sous-espace vectoriel de E et soit f (E ) = {y ∈ F/∃x ∈ E tel que y = f (x)}. (1) f injective si. .

e 2. y) = (2x + y. V1 = (1. Exercice Remarques : 1.. Si 0 d´signe l’application nulle de E dans E et si f ∈ L(E) et g ∈ L(E)... 4. appel´ groupe lin´aire e e de E. = λn = 0. e Exemples. −1.. y) = (x. y) ∈ E. Par exemple. . prenez l’exemple pr´c´dent. 1. Si x = 0. On a f. F ) est un sous espace vectoriel de (F(E. + λn xn = i=1 λi xi = 0 =⇒ λ1 = . La loi o n’est pas commutative dans LK (E.. Si f et g sont deux automorphismes de E.. 1) et V3 = (1. donc f og = gof 2. o) e GL(E) est l’ensemble des automorphismes de E. F ) ou simplement L(E. g ∈ LK (E. . donc f og = gof 4. y) = (x + y. d’apr`s ce qui pr´c`de. F ). xn sont lin´airement ind´pendantes si e e n λ1 x1 + λ2 x2 + . y) = (x. . e e e GL(E) muni de la loi de composition des applications est un groupe. 1. En effet . H).. F ). y) = (x + y. 1. y) pour (x. V2 = (0.. 0). La suite (x) est libre ssi x = 0. on note LK (E) au lieu de LK (E. Soit E . L’ensemble des applications lin´aires de E dans F e est not´ LK (E.3 Le groupe lin´aire (GL(E). Dans le cas contraire on dit que la suite (x1 . F ) a une structure de K-e. LK (E. 0). g(x. Soit n ∈ N∗ et soit n vecteurs x1 . Remarques : GL(E) n’est pas commutatif. x + y). Si E = R3 .4. 0) pour (x. F ) et g ∈ LK (F. E). −2). H). Si f ∈ LK (E.) et donc LK (E. Preuve. x2 . donc (x) est libre. On dit que la suite e (x1 . 0)..5 Ind´pendance lin´aire e e D´finition 4. F et H trois K-espaces vectoriels.20. y) = (y.4. y) = (y. . F ).21. xn ) est li´e. e e 4. f og(x. e Lorsque E = F . Par exemple si E = F = R2 et si f (x.. x + 2y) et gof (x. On a f. x + y)..v. g(x.Soit E et F deux K-espaces vectoriels. xn de E. +. y) = (0. On a V1 − 2V2 − V3 = 0E . si x = 0.. λx = 0 implique λ = 0.. F ).2 Composition des applications lin´aires e Proposition 4. si E = R2 et si f (x. xn ) est libre. 0) et gof (x. y) ∈ E. alors . 57 . g ∈ GL(E)).. ou encore que x1 . 1. alors f og = 0 e n’implique pas f = 0 ou g = 0 .. f og est un automorphisme de E.. Alors gof ∈ LK (E. .x = 0 et (x) est li´e. f og(x.

3. il existe k.. 1 ≤ i ≤ n. xn ) est li´e. 1. avec −λi αi = λk si 1 ≤ i ≤ n . xk−1 qui le pr´c`de dans la suite (x1 ... il existe des scalaires λi . xn ).. 1 ≤ i ≤ n non tous nuls e n tels que i=1 λi xi = 0. . . =⇒) Si la suite (x1 . . 0) e implique λ = β = 0. xn ). Soit k...25.) Puisque la suite (x1 . V2 ) est libre car λV1 + βV2 = (0. 2.. x) soit li´e... .. xn ) est li´e.. car sinon λ1 x1 = 0 avec x1 = 0 et λ1 = 0.. . xn ) est donc li´e.. Soit k le plus grand indice j. soit i=1 λi xi = 0 avec λk = 1 = 0.. i ∈ {k1 . 1 ≤ k ≤ n tel que λk = 0.. 1 ≤ j ≤ p et la suite u (xk1 . x) et (x) avec x = 0.. 2. xn ) une suite de n vecteurs de E avec x1 = 0. 1 ≤ k ≤ n et des αi ∈ K.. il faut et il suffit que la suite (x1 .. xn ) est libre. Une suite extraite d’une suite li´e peut ˆtre libre. Soit n ∈ N et soit (x1 . D’apr`s le th´or`me 4. Comme la suite (x1 . 0. xn .. e e Remarques. Soit x1 . e 2. e Th´or`me 4. on a xk − i=1. si xk = n e i=1. 1.. ... αi ∈ K. xn ) une suite libre de E.i=k αi xi .. Pour que le vecteur x ∈ vect(x1 . pour 1 ≤ i ≤ k − 1. i = k tels que n xk = i=1. Une suite libre ne peut contenir le vecteur 0 . .. d’o` λkj = 0.... il existe des scalaires λi . 1 ≤ i ≤ n.. La suite Proposition 4.. Soit n ≥ 2 et soit (x1 ... non tous e nuls.. e k−1 i=1 αi xi . . Toute suite extraite d’une suite libre est une suite libre. on a aussi. V3 ) est li´e.. 1. aucun e e e des vecteurs xj .. S’il existe une suite li´e extraite de la suite (x1 .... (x. xn ) est li´e.... xn ) est libre. ... 1. . La e e suite (x1 . . ... e e Th´or`me 4. C’est une cons´quence imm´diate de 1. i = k. Si x ∈ vect(x1 .i=k αi xi .. La suite (x1 . .i=k αi xi .Donc la suite (V1 . On i=1 k a k = 1.. Soit n ≥ 2. kp }. e e e Preuve. Alors..22. . n n R´ciproquement. xn ) est e li´e. Soit (x1 .. xn ) alors la suite (x1 . Si la suite (x1 .. D’o` k−1 −λi xk = i=1 αi xi avec αi = λk . Proposition 4. . . V2 . Par exemple. tel que xk soit combinaison e lin´aire des vecteurs x1 .. xn ) est li´e si et seulement si. x s’´crit de mani`re unique e e n x= i=1 αi xi ..23. . e Preuve.). Supposons que p λkj xkj = 0. 1 ≤ j ≤ n n’est combinaison lin´aire de ceux qui le pr´c`dent dans la suite e e e 58 .. Preuve. xn ). ∀i = j.. x1 = 0.. . xkp ) est libre.. Par contre (V1 .23. 1 ≤ j ≤ n tel que λj = 0. xn une suite libre alors xi = xj . 1 ≤ i ≤ n.. e e 1... tel que xk = (x1 . alors n i=1 λi xi = 0 avec λk = 1 = 0.. . .. .i=k αi xi = 0. ⇐=) S’il existe k ≥ 2. Alors xk = n i=1. 2. donc k ≥ 2 et u i=1 xi = 0. et la suite (x1 . xkp ) une suite extraite de la suite (x1 . ...24..... 2 ≤ k ≤ n.. donc αi = 0. n αi xi = 0 avec i=1 j=1 / αkj = λkj si 1 ≤ j ≤ p et αi = 0 pour 1 ≤ i ≤ n. xn ).. Preuve. tels que n λi xi = 0. xn ) une suite libre et soit (xk1 . xn ) est li´e si et seulement si il existe e k.. .

. la suite (x1 . .. . xn ) de E est li´e. Soit n ∈ N∗ et (x1 .... xn ... f (xn )) de F est libre. ) Soit x ∈ vect(x1 .. xn )) est libre). Si la suite (x1 .. .... . Soit E et F deux K−espaces vectoriels et f ∈ L(E.26. x) est li´e. xn ) est une suite libre de E. endomorphisme.. Imm´diate. e 2... e e • Application lin´aire... n i=1 (αi − βi )xi = 0. Alors. Si la suite (f (x1 ). d’o` αi = βi pour 1 ≤ i ≤ n (car la suite (x1 . .. .. • Suite libre et suite g´n´ratrice.23 : e e e x ∈ vect(x1 .. e 59 ... d’apr`s le th´or`me 4. u Proposition 4..(x1 . xn ) et supposons que n n x= i=1 αi xi = i=1 βi xi Alors. Preuve. F ).. xn ) une suite de vecteurs de E... e • Noyau et image d’une application lin´aire.. . la suite (f (x1 )... xn ). xn ) ⇐⇒ x est combinaison lin´aire des x1 .. xn e ⇐⇒ la suite (x1 . f (xn )) est li´e e e 2. .. isomorphisme. 1.. .. . . automorphisme. e Les id´es clefs du chapitre : e • Espace vectoriel et sous-espace vectoriel.

p2 = p2 . (donc F + G = F + H n’implique pas G = H !) Exercice 5. [0. p1 op2 = p2 op1 = 0. e Exercice 3. c) Dans le cas b) pr´c´dent. Donner e un exemple tel que F + G = F + H et tel que G = H. montrer que F ∪ G est un sous-espace vectoriel de E si et seulement. Les ensembles sont-ils munis d’une structure d’espace vectoriel ? 1) F([0. 3) {(x. y. Autrement dit e la somme E = F + G est directe. e a Montrer qu’alors p1 et p2 sont deux applications lin´aires de E dans E. R). et que l’on a : e p1 + p2 = IdE . ( a ∈ R fix´). e f ) Soient F . si F ⊂ G ou G ⊂ F . alors F et G sont suppl´mentaires. 1] dans R. 1]. p2 = p1 . parmi les sous ensembles suivants. R) ensemble des applications de [0. R). Exercice 6. Exercice 4. Exercice 2. Soit le R-espace vectoriel E = F(R. l’´criture x + y est-elle unique ? ( On pourra consid´rer par e e e e exemple le cas o` F = G). c) {f ∈ E : f (x) = f (x − a) pour x ∈ R}. Dans E = F(R. avec x dans F et y dans G. Montrer que : {x ∈ E : ∃y ∈ F. Si E = F ⊕ G. e Exercice 7. 1 2 60 . ∃z ∈ G tels que x = y + z} est le plus petit (pour l’inclusion) sous-espace de E contenant F ∪ G.4. G et H trois sous-espaces vectoriels d’un mˆme K-espace-vectoriel E. Soit F et G deux sous-espaces vectoriels d’un K−espace vectoriel E. b) {f ∈ E : f (1) − f (0) = 1}. on note respectivement p1 (x) et p2 (x) les ´l´ments de ee l’unique d´composition de x en y ∈ F et z ∈ G (c’est-`-dire : y = p1 (x) et z = p2 (x)). tel que 2x + 3y − z = 0}.6 Exercices Exercice 1. pour tout x de E. quels sont. 1]) ensemble des applications de R dans [0. b) V´rifier que toutes combinaison lin´aire finie d’´l´ments de F ∪ G peut s’ecrire sous forme e e ee x + y. 1]. z) ∈ R3 . 4) L’ensemble des suites convergentes dans R. a) Soit F et G deux sous-espaces de E. 2) F(R. Montrer que si tout ´l´ment x d’un espace vectoriel E se d´compose de mani`re unique sous ee e e la forme y + z avec y dans F et z dans G. ceux qui sont des sousespaces vectoriels de E : a) {f ∈ E : f (1) = 2f (0)} . u d) que valent F + {0} et F + E ? e) V´rifier que F + G = G + F .D´montrer que l’ensemble P des fonctions paires de e E et l’ensemble I des fonctions impaires de E sont deux sous-espaces suppl´mentaires.

y) = (x − y. 0) et e2 = (0. e Exercice 9. V´rifier que f est un endomorphisme de E tel que f 2 = f . x−1 x+1 1)Montrer que les fonctions f1 et f2 sont lin´airement ind´pendantes. 1. (f 2 = f of ). 1] par : e ∀x ∈] − 1. α) appartienne au sous-espace vectoriel e e engendr´ par e1 et par e2 . 1. 1) Montrer que e1 et e2 forment une partie libre de R3 . 1. Soit f un endomorphisme de E tel que f D´montrer que que e E = Im(f ) ⊕ Kef (f ) et que f est la projection sur Im(f ) parall`lemnt ` Ker(f ). 1[. alors e f (x) = y. Exercice 8. e D´terminer Ker(f ) et Im (f ). D´terminer Ker(f ) et Im(f ). e Exercice 10. Soient f1 et f2 les fonctions d´finies sur [−1. 1[−→ R. I) Soit F et G deux sous-espaces vectoriels suppl´mentairesdans E. Soient e1 = (1. e a 2 et f : E −→ E d´finie par f (x. appartient au sous-espace vectoriel −1 engendr´ par f1 et f2 . ker(p2 ) = F. Im(p2 ) = G. e e 2) Montrer que la fonction f :] − 1. On d´finit l’ape e plication f : E −→ Ede la manı`re suivante si x ∈ E. Im(p1 ) = F. f1 (x) = 1 1 et f2 (x) = . 1) deux vecteurs de R3 . A t-on f 2 = f. I-2. e e II-2. V´rifier que f est un endomorphisme de E. 61 . I-1. y ∈ F .Ainsi que : Ker(p1 ) = G. D´montrer que E = Ker(f ) ⊕ Im(f ). y − x) II) Soit E = R e II-1. 2) D´terminer le r´el α pour que le vecteur (2. Soit E un K−espace vectoriel. x = y + z. e f est appel´ laprojection de F parall`lement ` G. z ∈ G. e II-3. e e a 2 = f. x −→ x22 .

e Espace vectoriel engendr´ par une suite finie.L.. . Pour que la suite (e1 .... e On dit que la suite (a1 .. Soit E un K−e. e e e D’autre part. en ) est une suite g´n´ratrice de E.... . αi ∈ K. + αn en = 0 avec αi ∈ K. en ) est une base de E et si x ∈ E. Preuve. d’apr`s l’unicit´ de l’´criture (1).2... Base e D´finition 5.1 5... + en = e e 0e1 + . an ) est ´gal ` E.1. si α1 e1 + α2 e2 + ... . e e On dit que la dimension de E est finie. Si la suite (e1 . .. en ). . . si le sous espace e e vect(a1 . 62 . 1 ≤ i ≤ n.v.. s’il existe une suite g´n´ratrice finie de E. Donc la suite (e1 . il faut et il suffit que tout vecteur x de E s’´crit de mani`re unique : e e (1) x = α1 e1 + . Proposition 5.. 1 ≤ i ≤ n. l’´galit´ e1 + ... l’´criture (1) est la e e d´composition de x et les scalaires α1 .. D´finition 5.. c’est ` dire si tout vecteur de E est une combinaison lin´aire e a a e (C..1 D´finition d’un espace vectoriel de dimension finie.. en ) est une base de E si elle est libre et g´n´ratrice de E. (e1 .) de a1 .25..1.. la suite (e1 .... . . Ainsi. E est dit de dimension infinie.. en ) de vecteurs de E soit une base de E...... =⇒) Il r´sulte du th´or`me 4.. en ) est libre. en ) est une base de E. e e e α1 = . Dans le e e cas contraire. . = αn = 0.3.. On dit que la suite (e1 .. Bases. . an ) de E est une suite g´n´ratrice de E. αn sont les coordonn´es ou les composantes de e e x dans la base (e1 ..0en = 0 implique. 5... 2) e e e ⇐=) Puisque tout x s’´crit sous la forme (1).. + αn en .Chapitre 5 ESPACES VECTORIELS DE DIMENSION FINIE Dans tout ce chapitre K = R ou C. ... an .

2 Existence de bases Th´or`me 5. e e e e alors E admet une base...2 5. ain ). ... en ) est une suite g´n´ratrice de E et E et de dimension finie.. e 63 . . ap ) est major´ par p.Exemples. donc (e1 .2.... ap ) ⊆ vect(ai1 .. ain ) ⊆ E. la suite (ak ) est libre.. . .. Puisque E = {0}. .... . i) est une base de C. ..en = (0. e e 5. . Donc : tout espace vectoriel. (Indication : Raisonner par r´currence sur n) .. .4. admet au moins une base. 0).. . e e De plus l’´galit´ n αi ei = 0 s’´crit (α1 ... les vecteurs ai ne sont pas tous nuls.. . ain ) une telle ee suite... puisque tout z ∈ C s’´crit de mani`re unique : e e z = α + iβ. La suite (e1 . soit E = Kn . 1.. (1.. . non nul. α. La suite {1. . C est un R−e. 0..v.. Soit n ∈ N et soit Kn [X] le K− e.. . e2 = (0.1. 0). 0... c’est une base de E. 5...v.. Preuve. .. Ainsi (ai1 .. ain ) est une suite libre et g´n´ratrice de E . ap ) et soit (ai1 . β ∈ R.. . On consid`re les vecteurs e1 = (1.. e . et par suite E = vect(ai1 .. 0.... ain ). αn ) ∈ E...25 e e e e chapitre 4. 1 ≤ k ≤ p... en ) est libre.. . ak ) est li´e et d’apr`s le th´or`me 4. ain . Pour tout k. Si ak = 0.. de dimension finie . Kn [X] = {P ∈ K[X]/P = 0 ou do P ≤ n}.5... e Preuve. 1). X n } est une base de Kn [X]. ap ) est une suite g´n´ratrice de E. Il existe donc au moins une suite libre extraite de (a1 ... Exercice. Soit n ∈ N∗ . c’est une base de E. Dans un espace vectoriel engendr´ par n vecteurs. toute suite de n + 1 e vecteurs est li´e.1 Dimension d’un espace vectoriel de dimension finie Le th´or`me de la dimension e e Proposition 5. .. la suite (ai1 .. ap ). Soit n... = αn = 0.. non nul. 2. 1.. Soit E un K− e. 0.... e 4.. X. Pour tout vecteur x = (α1 . Le nombre d’´l´ments ee d’une suite libre extraite de (a1 . 1 ≤ n ≤ p. ak ∈ vect(ai1 .. extraite de la suite (a1 .... K est un K− espace vectoriel ( cas pr´c´dent avec n = 1). e e 3. de dimension finie. on a n x= i=1 α i ei . le nombre e maximum d’´l´ments d’une suite libre extraite de (a1 . appel´e la base canonique de Kn [X]. . Si (a1 .. On appelle cette base la base canonique de Kn .v. On a donc : E = vect(a1 . ap ).. αn ) = 0Rn et implique e e i=1 e α1 = .. .

xir )...... xir ) extraite de la suite x1 . . Le nombre n e d’´l´ments de toute base de E est appel´ la dimension de E et not´ dimK (E) ou simplement ee e e dim(E).... xi2 . On applique la proposition 5... i1 < k ≤ p et tel que (xi1 . xp ) de vecteurs non tous nuls et d’une base du sous-espace vectoriel vect(x1 . 5.... Dans un K−espace vectoriel E. toute suite libre de r vecteurs extraite de la suite (x1 .. .. Donc n = p. 3. Si rg(x1 ... ep ) deux bases de E. xk ) soit li´e. ep ). non nul... Ceci est absurde e puisque (e1 . 2..4... rg(x1 . la suite (xi1 .2 Rang d’une suite finie de vecteurs D´finition 5... un sous-espace vectoriel de dimension 1 e est appel´ une droite vectorielle .. .. Alors. ( de la dimension ). e Alors. 1..1. xp .Th´or`me 5.. on a rg(x1 .. xi2 . e ee Preuve. i2 < k ≤ p et tel que (xi1 . pour tout k. ... . xp ) = 0 ⇐⇒ x1 = .. Soit Kn [X] = {P ∈ K[X]/P = 0 ou do P ≤ n}. d’apr`s le th´or`me 4. .. Mˆme d´monstration que celle du th´or`me 5. .. Par d´finition. xk ) soit libre.... dimK (K) = 1 et dimR (C) = 2. D´finition 5...... La suite (e1 . xk ∈ vect(xi1 .. de dimension finie. s’il e existe k. . c’est ` dire n + 1 ≤ p.. v. xp ) = p ⇐⇒ (x1 .v.. Dans un K−espace vectoriel E..... Soit E un K−espace vectoriel. ... . Exemples 1. e e e D’o` u vect(x1 . s’il existe k.. . xp ). En particulier. E. . nul est ´gale ` 0 . en+1 ..... Si n < p. D´finition 5. xp ). Et ainsi de suite ..10.. Puis... p vecteurs d’un K− e.xp = 0. 4. 2.7... xk ) soit libre. on obtient finalement une suite libre (xi1 . . Si n ∈ N∗ .. xp ) ≤ p et on a rg(x1 ... la dimension du sous-espace vectoriel vect(x1 .. soit i3 le plus petit entier k v´rifiant ces e conditions. xir ). xp ) une suite de vecteurs de E. . soit i2 le plus petit entier k v´rifiant ces conditions.. . xi2 . .5 ` la suite (e1 . 1 ≤ k ≤ p.. xir ..2.8.9. xp ) est libre.. Proposition 5. non nul... xp ) : Soit i1 le plus petit entier k .. Soit (e1 . On appelle rang de la suite e (x1 . On a dimK (Kn [X]) = n + 1. xp ) est une base de vect(x1 .... xi2 . xi2 . . .. . xp telle que pour tout k. xp ). c’est ` dire : dim{0} = 0 e e a a Remarque 5. .. ep ) est une base.. xp ) et on note rg(x1 . dimK (Kn ) = n. ..... E = {0} ⇐⇒ dimE ≥ 1. Soit x1 . ..6.. xp ) = vect(xi1 . Soit (x1 . de dimension e e finie. 1 ≤ k ≤ p.. e e e e Recherche pratique du rang d’une suite (x1 .. xp ) = r. On peut supposer n ≤ p. en ) et (e1 . 64 . tel que xk = 0. .. xp ). . . xp ) est ´gal au nombre maximum d’´l´ments d’une suite libre extraite de la e ee suite (x1 .25 chp. . 0 ≤ rg(x1 . la dimension d’un K− e.. Preuve. Ensuite. . .. en+1 ) est li´e et donc aussi la suite (e1 . en ) et aux vecteurs a a e1 . . toutes les bases ont le mˆme nombre d’´l´ments. 1 ≤ k ≤ p.. et un sous-espace de dimension 2 est appel´ un plan e e vectoriel .

..11. e e D’ap`s la proposition 5.... . Toute suite g´n´ratrice de n vecteurs e e e e est une base de E.. Toute suite libre a au plus n vecteurs. X − X 3 ). xi2 ... On a : * La suite (1. X 3 . xn ) est g´n´ratrice.. 4. X.. ..... X...10. . e D’apr`s th´or`me 4...3 Sous-espaces d’un espace vectoriel de dimension finie Proposition 5. xn ) de n vecteurs de E est une base de E... 1) Soit (e1 . X) est libre.. n ≥ 1. .. la suite (x1 . * La suite (1. 2). Toute suite libre de n vecteurs est une base de E.. Par contre (1. 2) Soit (x1 . 65 . .5. x) est li´e. e Exemple Soit E = K[X]. X − X 3 est li´e. xn ) une suite libre de E... 1 + X) ainsi que (1 + X. X − X 3 ) e e e e sont li´es..10. e e 1. X.. en ) une base de E. . .. une suite extraite de (x1 .. .. 1 + X 3 . 5. Ainsi. 1 + X 3 ) est une base de vect(1. Soit E un K−espace vectoriel de dimension finie n.. .. 2.. xn ) une suite g´n´ratrice de E. . e Si dimK (E) = n. 1 + X 3 ). 2. . xn ) est libre..3 Espace vectoriel de dimension finie donn´e n e Th´or`me 5. . 1 + X.. ayant r vecteurs.. 1 + X.... 1 + X.25 chap.. Soit E un K-espace vectoriel de dimension finie n.. xn+1 ) est li´e et donc toute suite (x1 .. et F un sous-espace vectoriel de E. xn ) est une base de E.. xp ) une suite g´n´ratrice de E. la suite (x1 . X − X 3) Remarque 5.. e Donc rg(1. Preuve.. . F est de dimension finie et dimF ≤ dimE. xp ) = r. dans l’exemple pr´c´dent r = 3 et (1.. X. Si rg(x1 . 1) n ≤ p. Soit la suite (1. * La suite (1. . X − X 3 ) = 3 et (1. la suite (x1 ... C’est une base de E. 1 + X 3.. (Tr`s importante en pratique).. 1 + X 3 . X. Donc. e e d’apr`s la proposition 5. X − X 3 ) est libre et donc il peut y avoir plusieurs suites libres e extraites de la suite (x1 . xn . . xn ) = n. 1 + X) est li´e. la suite (x1 . Toute suite g´n´ratrice a au moins n vecteurs. xp ) ayant r vecteurs peut ˆtre li´e. Pour tout vecteur x ∈ E. e e 5. e Remarque.. . . X. xp ) avec p > n est li´e.... ... X. e Soit (x1 . puisque E = vect(e1 .. xir ) est une base de vect(x1 .. ..12. 1 + X * La suite (1.. X. la suite (x1 .. Pour prouver qu’une suite (x1 . xn ) est libre.. en ). e 3 ) est libre. D’apr`s la proposition 5. Alors : 1. xp ) et rg(x1 .2. xp )..Il en r´sulte que (xi1 . xp ) = r. il suffit de prouver l’une des deux conditions suivantes : 1. e toute suite (x1 . . X. xn ). e e Soit maintenant (x1 .. e e e x ∈ V ect(x1 . Le rang de cette suite est n = dimE. On a rg(x1 .2.

. donc E = {0} et dimE > 0.. avec y ∈ F et z ∈ G. toute base de F est une suite libre de n vecteurs de E.. c’est une base de E. bq } est libre. b1 . bq ) deux bases de F et G respectivement.... xp ) est une base de F et on a dimF = p ≤ n = dimE.1)... . .. . i=1 i=1 Donc F + G = E. Proposition 5. Si dimF = dimE.. . c’est ´vident. Soit E et F deux K-espaces vectoriels.14. Cette suite a au plus n ´l´ments (th´or`me ee e e 5.. on a x = n αi ei . 1) Toute suite libre de F est une suite libre de E.. en ) une base de E et a1 ... Pour des sous-espaces vectoriels F et G de E.. .. . on a donc F ⊆ G.. c Proposition 5. on a E = F. bq } est une base de E. Si F = {0} ou G = {0} c’est ´vident. . . La suite (x1 . Un hyperplan vectoriel est donc un sous-espace vectoriel dont les suppl´mentaires sont des droites vectorielles.. ap . Pour tout x ∈ E.. 1 ≤ i ≤ n.... Preuve.. (1) =⇒ (2) Il suffit de montrer que {a1 . les deux assertions suivantes sont ´quivalentes : e (1) E = F ⊕ G (2) F ∩ G = {0} et dim E+ dim G=dim E Preuve.v. Dans un espace vectoriel de dimension n > 0.. . L’application i=1 f : E −→ F x −→ 66 n i=1 αi ai . Il suffit d’appliquer la proposition 5.2. Si F = {0}. x = p αi ai + q βi bi = y + z ... Par cons´quent. e e Par suite (x1 . D´finition 5. Soit E un K-espace vectoriel de dimension finie.v.an n vecteurs de F .1) ). en rempla¸ant E par G.. on appelle hyperplan e vectoriel tout sous-espace vectoriel de dimension n − 1.13.. xp ... Soit E un K-e. v. Soit ee (x1 . et F et G deux sous-espaces vectoriels de dimension finie. 2)..4 Applications lin´aires d’un K-e. ap ) et (b1 . de dimension finie dans e un K e. donc une base de E( d’apr`s le th´or`me 5. e Si F = {0} et G = {0}. . x) est li´e. xp ) une suite libre de F . 2) Si dimF = dimE. e Soit F = {0}... e e e Corollaire 5. ap . et soit G = vect(x1 .. les αi sont uniques. donc F = G et e e e e (x1 . Preuve.4. (2) =⇒ (1) F ∩ G = {0} implique que {a1 . xp ) est une suite g´n´ratrice de F . xp ).. e 5.25 ch. . Soit p le nombre maximum d’´l´ments d’une suite libre de F . Il existe une application lin´aire e f de E dans F et une seule telle que f (ei ) = ai .. soit (a1 .. E ´tant de dimension finie n ≥ 1.16. Soit x ∈ F .. e Soit (e1 . alors : F ⊆ G et dimF = dimG =⇒ F = G. e E = F ⊕ G. 4 . donc x ∈ G d’apr`s le th´or`me 4. . αi ∈ K.. puisque p + q = dimE. On a 0 < p ≤ n. Existence : Pour tout x ∈ E. Ce qui implique F = E.12..15. b1 .4.

D’apr`s le th´or`me 5. e e e e 2) Le r´sultat est ´vidente si E = F = {0}. Alors F est de dimensin finie et on a dimE = dimF.16. e e e Th´or`me 5. . . F ).19. e Soit x ∈ E. Deux K−espaces vectoriels de dimension finie tels que dimE = dimF sont isomorphes. f (en )) est une base de F .est une application lin´aire de E dans F telle que f (ei ) = ai .17. Preuve. 1 ≤ i ≤ n. 2) ϕ est surjective : Soit y ∈ Imf . . On a f (x) = f (x1 ) + f (x2 ) = f (x1 ) = ϕ(x1 ). Corollaire 5. . f est injective ⇐⇒ (f (e1 ). e e 3.. Imf ).. Alors e Im(f ) est un sous-espace vectoriel de dimension finie de F et on a : dimKerf + dimImf = dimE.. e Unicit´ : Supposons qu’il existe une autre application g telle que g(ei ) = ai . Soit (e1 . F ). D’o` x ∈ E ∩ Kerf = {0}. ϕ ∈ L(E . en ) une base de E et f ∈ L(E.... f (en )) est une suite g´n´ratrice de F . D’o` l’unicit´. u e Th´or`me 5. E ´tant de dimension finie.e.. fn ) une base de F . En particuler. . E ´tant de dimension finie n ≥ 1.. f (en )) est une suite libre dans F . il existe une application lin´aire unique f de E dans F telle que f (ei ) = fi . il existe x1 ∈ E et x2 ∈ Kerf tel que x = x1 + x2 . u Par suite Kerϕ = {0}. 2.18. ϕ est une application lin´aire comme la restriction d’une application lin´aire ` un a e e a s. u 67 . Soit f ∈ L(E.. le r´sultat d´coule de th´or`me 5. Soit ϕ la restriction de f ` E . 1) ϕ est injective : Soit x ∈ Kerϕ. 1. pour tout i. f est un isomorphisme ⇐⇒ (f (e1 )... en ) une base de E et (f1 . Ceci ´tant vrai pour tout x ∈ E.. on a : e f (x) = i αi f (ei ) = i αi ai = i αi g(ei ) = g(x). e Donc f = g.. ∃!αi ∈ K.. Soit E un K−espace vectoriel de dimension finie et f un isomorphisme de E sur un K− espace vectoriel F . Voir TD.17. x = n αi ei . 3) f est un isomorphisme. tout K-espace vectoriel de dimension n est isomorphe ` Kn . Puisque E = E ⊕ Kerf..3). 2. Soit E un sous-espace vectoriel de E tel que E ⊕ Kerf = E. Alors il existe x ∈ E tel que f (x) = y. e pour 1 ≤ i ≤ n.. 1. e e e Soit (e1 . Soit E et F deux K-espaces vectoriels. (Th´or`me noyau-image ou encore th´or`me du rang) e e e e e e Soit E et F deux K-espaces vectoriels. donc x = 0. e Si dimE ≥ 1. a Preuve. D’apr`s la e proposition 5. e e Si dimE = dimF ≥ 1.17.v. . 1) C’est ´vident si E = {0}. Alors. D’o` y = ϕ(x1 ) ∈ Imϕ. Preuve. Donc x ∈ E et f (x) = ϕ(x) = 0. i=1 Puisque f est une application lin´aire. Montrons que ϕ est un isomorphisme de E sur Imf ... f est surjective ⇐⇒ (f (e1 ). 1 ≤ i ≤ n.

Soit E et F deux K-espaces vectoriels. E ´tant de dimension finie. Remarque : Si (e1 .. Or. Soient E un espace vectoriel de dimension finie. e D’o` u dimf (G) = dimG. 1) Cons´quence imm´diate du th´or`me noyau-image. puisque Imf = V ect(f (e1 ).. Dans ce th´or`me F n’est pas suppos´ de dimension finie... f est injective ⇐⇒ dimf (E) = dimE ⇐⇒ rg(f ) = dimE. Exercice . b) Imf et Imf 2 . Soit e e f ∈ L(E. (Attention en g´n´ral la somme Kerf + Imf n’est pas toujours directe !) e e 2) Comparer : a) Ker(f ) et Ker(f 2 ). Corollaire 5. Ce qui donne dimE = dimE + Kerf = dimImf + dimKerf.21.. On a : 1. Donc dimE = dimImf. F ).20. Le th´or`me noyau-image donne une relation entre les dimensions des sous-espaces e e kerf . iv) Kerf ∩ Imf = {0}. 2. 1) Montrer qu’on a toujours : dimE = dimKerf + dimImf. f (en )). et f un endomorphisme de E. Soit e f ∈ L(E. Imf et dimE. on a dimf (G) = dimG Preuve. . e e Application du th´or`me noyau-image : e e 68 . D’apr`s 1) dimfG (G) = dimG.... e e e 2. Remarques : 1. on a rg(f ) = rg(f (e1 ). 3) Montrer que les propositions suivantes sont ´quivalentes : e i) Kerf ⊕ Imf = E . ϕ est un isomorphisme de E sur Imf . La dimension du sous-espace vectoriel Imf (= f (F )) est appel´e le rang de e f et on note rg(f ). D´finition 5. F ). iii) Kerf = Kerf 2 . E ´tant de dimension finie. ii) Imf = Imf 2 . e e e e 2) Si f est injective et si G est un sous-espace vectoriel de E. La r´ciproque r´sulte de 1) avec G = E. f est injective ⇐⇒ pour tout sous-espace vectoriel G de E. E = E ⊕ Kerf.Ceci montre la surjectivit´ de ϕ.. en ) est une base de E. f (en )). alors f /G est injective. . e Par suite. . Soit E et F deux K-espaces vectoriels.

on a dimImf ≤ 1.. hn−1 . ....Proposition 5... e Les id´es clefs du chapitre : e • un espace vectoriel de type fini admet des bases (systmes libres g´n´rateurs) ` e e • deux bases ont le mˆme cardinal : la dimension de l’espace vectoriel e • dim(F + G) = dimF + dimG − dim(F ∩ G). non nulle. on la compl`te en une base (h1 ....... .... a) de E. puisque dimK (K) = 1.... Si n = 1. Finalement. • rang d’une application lin´aire e • th´or`me du rang... Preuve.. 1.... Or f = 0.... e Soit f ∈ L(E.. il existe au moins une forme lin´aire e e sur E.. e 2.... Il en r´sulte que H = Kerf.. non nulle..... convient. 69 ...... donc Imf = {0}. soit (h1 . Le noyau d’une forme lin´aire f sur E... ( Equation d’un hyperplan vectoriel) Soit E un K-espace vectoriel de dimension n ≥ 1. R´ciproquement : si H est un hyperplan de E..... • la somme F + G est directe ⇔ dim(F + G) = dimF + dimG.. e Si n ≥ 2. puisque f (a) = 0... Imf est un sous-espace vectoriel de K. on a f = 0 et d’apr`s 1.. 1. 1 ≤ i ≤ n − 1. H = {0} et toute forme lin´aire sur E. dont le noyau est H. est un hyperplan vectoriel....... K) telle que f (hi ) = 0 pour tout i.... non nulle. et f (a) = 0..) e dimKerf = n − 1 = dimH.... On a H ⊆ Kerf.. Par suite dimImf = 1........ e e .... D’autre part. 2..22. hn−1 ) une base de H . dimKerf = dimE − dimImf = n − 1..

. y.. 1) Montrer que f est un automorphisme de E. Exercice 4. ´ 1) Ecrire les vecteurs de la base canonique de E. D´montrer qu’on a : e 1) f est injective ⇐⇒ (f (e1 ). D´terminer une base de chacun des sous-espaces Im(f ) et Ker(f ).v.. Exercice 3. x3 ) ? e Exercice 2. Soit E un K-e. 1) Soit f l’application de R3 dans R3 d´finie par : e f (x. Montrer que les deux assertions suivantes sont ´quivalentes : e (a) f est injective . e e 3) f est isomorphisme ⇐⇒ (f (e1 ). c) est une base de E. x2 . (b) pour toutes suite libre (x1 .. .. non nuls. b.Exercice 1. Soit(e1 . F ). en ) une base de e E et f ∈ L(E.. x2 .. x − 2y − z). R3 ) une application lin´aire d´finie par e e f (x. ep ) une 70 . 1).v. Soient E et F deux K-e. Soient E et F deux K-e.. f (en )) est une suite libre de F . . Soit f un endomorphisme d’un espace vectoreil E. 0). b) Quel est son noyau ? 2) Soit f ∈ L(R2 .. f ∈ L(E. −1. 2) f est surjective ⇐⇒ (f (e1 ). 1). Dans l’espace vectoriel E = R3 . f (e2 ). Soient E et F deux K-espaces vectoriels. Soit (e1 . on consid`re les vecteurs a = (1. les coordonn´es du vecteur x = (x1 . . (Remarque : un endomorphisme v´rifiant (b) est dit nilpotent).v. y − x. x − y + 2z. 2) Montrer qu’il existe n scalaires λi tels que (f n + λn−1 f n−1 + .. a) Montrer que f est un endomorphisme de R3 . f (e2 ).. (f (x1 ). e 3) Quelles sont. 2) D´montrer que (a. . f (en )) est une base de F . F ).. f (en )) est une suite g´n´ratrice de F . f (xn )) est une suite libre de vecteurs de F . + λ0 IdE = 0 Exercice 7.. y) = (x − y. xn ) de vecteurs de E.... . . (a) (∀x ∈ E) (∃n ∈ N) (f (b) (∃n ∈ N) (∀x ∈ E) (f n (x) = 0). e2 . dans cette base... 0. e Exercice 6. −1.. b = (1. + λ0 IdE )(u) = 0 3) En d´duire que e f n + λn−1 f n−1 + .. . e Exercice 5..E ´tant de dimension finie n ≥ 0... f (e2 ). 1) et e c = (1.... de dimension finie n et f un endomorphisme de E tel que il existe un vecteur u pour lequel (f k (u))1≤k≤n est une base de E.. z) = (x + y + z. de dimensions respectives p et q. Montrer que si E est de dimension finie. les deux conditions suivantes sont ´quivalentes : e n (x) = 0)..

Soient E et F deux sous-espaces vectoriels d’un espace vectoriel E. et f : F × G −→ E. de E.. Exercice 10. On suppose que f og = IdE . D´montrer que l’espace vectoriel E × F est de dimene sion finie.. f est un isomorphisme de F × G sur F + G. (Pk )0≤k≤n est une base de Rn [X]. y) = x + y. 10-1 Montrer que.base de E et (f1 . si F ∩ G = {0}. 3 Si F ∩ G = {0}. 10-4 Soit f et g deux endomorphismes.On consid`re la suite (Pn )n∈N de polynˆmes de R[X] tels que e o ∀k ∈ N. l’application d´finie par : f (x. 1) Montrer que F + G et F ∩ G sont de dimension finie. 2) f est injective si et seulement. 10-2 D´duire que (Pk )k∈N est une base de R[X]. F et G deux sous espaces vectoriels de dimension finie. Montrer que F + G = F ⊕ U . pour tout n ∈ N.. deg(Pk ) = k. ou f (F × G) = F + G. Soit E un K-espace vectoriel. e 3) D´duire que : e dim(F + G) = dim(F ) + dim(G) − dim(F ∩ G). Donner une base de E × F . . Exercice 9. 2) Soit H = F ∩ G et U un supl´mentaire de H dans G. que peut-on dire de f et g ? 71 . Quelle est la dimension de E × F ? Exercice 8. fq ) une base de F. autrement dit f envoie e E × F sur F + G. Montrer que : e 1) f est une application lin´aire surjective de E × F dans F + G. e 10-3 Donner un exemple d’endomorphisme surjectif et non injectif et un exemple d’endomorphisme injectif et non surjectif.

. ap.  .1 ai. Exemple : K = R.j = bi. 7 Egalit´ de deux matrices : Soit A = (ai. a2.j     . on appelle matrice de type (p. n colonnes d’´l´ments de K.≤p 1≤j≤n ou plus simplement e (ai.  .n ∈ Kn . a ee   a1. p = 3.1 ap. n) ou (p.1.j )1≤i.n (K). .p (K) et B(bi.2 (R). On appelle j eme vecteur colonne de la matrice A = (ai. 4 2 0.n    a= . on utilise la notation (ai.1 a2.1 G´n´ralit´s e e e D´finitions e Soit deux entiers p ≥ 1. 1 ≤ i ≤ p et 1 ≤ j ≤ n.2 .j ) lorsqu’il n’y a pas de confusion.n Les ´l´ments ai. .j ) ∈ Mn. . 1 ≤ j ≤ n. . a1.n (K). n ≥ 1 . .j ) ∈ Mp. sont les coefficients de la matrice A.j . ee Pour repr´senter une matrice.  ∈ Kp . n)−matrice ` a coefficients dans K. ai. ap.j  a2.1 6. ∀1 ≤ i ≤ p. n = n et ai. .j ) ∈ Mp.Chapitre 6 ` MATRICES ET SYSTEMES ´ LINEAIRES Dans tout ce chapitre K = R ou C 6. e Par d´finition e A = B ⇐⇒ p = p . le vecteur ai.1 a1.   . Vecteurs lignes et vecteurs colonnes : On appelle ieme vecteur ligne de la matrice A = (ai.2 .2 . .p (K). .j ) ∈ Mn .2 . le vecteur   a1.n  a2. un tableau rectangulaire ` p lignes.  . n = 2  √  2 1  1 1  ∈ M3. . . . . . ap.j 72 .j de K .

. .2 . .  . L’application A −→t A est une bijection de Mp.n    A= .. an. . 1 ≤ i ≤ n sont appel´s les coefficients diagonaux de la matrice e carr´e A. a2.n (K). . et e e on note t A.j ) telle que bi.2 0 . e • Une matrice carr´e est dite triangulaire sup´rieure (resp.i ∀1 ≤ i. . Ils constituent la diagonale principale de A. .  .   A= .2 .j ) ∈ Mn (K) est dite sym´trique si t A = A. 1 ≤ i ≤ n et 1 ≤ j ≤ p. a1. 0 an. .   . e Une matrice triangulaire sup´rieure s’´crit : e e   a1.n    A= . . . .2 .2 .n Les coefficients ai. an.n (K). t (t A) = A. a1. En pratique. t (AB) = t B t A et t (A + B) = t A +t B. j ≤ n. 0 .n 6. triangulaire inf´rieure) si tous e e e ses coefficients situ´s au dessous (resp. ai. . e e e Autrement dit.   .  A= . . 0  . 73 .2 0 . n)−matrice A = (ai. 0 0  0 . . n)-matrice A. Soit A = (ai. .Remarques : • Si n = p. .2 .1 a2. .n Une matrice triangulaire inf´rieure s’´crit : e e  a1.   0 a2. .n (K) est appel´e matrice carr´e d’ordre e e n. 0 an. la (n. la (n.n  0 a2.  .  . .i . .1 an. .n (K) sur Mp. au dessus) de la diagonale principale sont nuls. p)−matrice (bi. a2. t A est d´duite de A par ´change des lignes et des colonnes.j ) ∈ Mn. c’une matrice de la forme :   a1. . Soit A ∈ Mn (K) :   a1.n  a2. . . 0 an.1 0 .. D´finition 6.j ) ∈ Mp.1. 0  .j = aj. .2. Une matrice carr´e A = (ai. .2 .1 an. .  a2. 0 . .n (K). an.1. .i .   . 2. .1 0 .1 a1.j = aj.1 a2. .1 a1.n       Une matrice carr´e est dite diagonale si tous ses coefficients autres que les coefficients e diagonaux sont nuls. e e Remarques : 1. On note Mn (K) au lieu de Mn. . On appelle transpos´e de la (p.2 Transpos´e d’une matrice e D´finition 6.

..k bk...n (K) appel´e base e canonique de Mp. A) −→ λA. 5  j D´finition 6. n)−matrice ee dont le coefficient situ´ ` l’intersection de la ieme ligne et de la j eme colonne est ´gal ` 1 et ea e a dont tous les autres coefficients sont nuls.j ) est la matrice −A = (−ai.3 Multiplication des matrices D´finition 6.7.3. la matrice ´l´mentaire Ei. L’ensemble Mp.n (K) telle que ai. la matrice A = (ai.4.j ) ∈ Mp. 1 ≤ j ≤ n Exemple :   1 1 −5 0 3 1 2 6 1   2  = 3 9 4   1 3 3 −i −i 0 0 3  −5 3 0 1 3 4 3     2 3 0 0 Th´or`me 6. A Ecrire. E2.v.v.6.2. On appelle produit de la matrice A = (ai. et on note A + B. 1 ≤ j ≤ n.n ) est une base de Mp.j ) ∈ Mn.n (K) muni de l’addition (A.n (K) par la (n. e L’oppos´ de A = (ai..j + bi.n (K) est la (p.6. p)−matrice A = (ai.2..n (K) est la matrice dont tous les coefficients sont nuls. et on note AB.. appel´e ee e matrice nulle. E1...j ∈ Mp.n (K).n (K). Preuve.1 Op´rations sur les matrices e L’espace vectoriel Mp. Ep. L’´l´ment nul de Mp.j ) ∈ Mp. On appelle somme des deux matrices A = (ai. 1 ≤ i ≤ p. 1 ≤ j ≤ n Exemple : 1  0 A=  2 √ 2  3 5 6 i  1 2  .j ) ∈ Mp.j = ai. Donc dimMp. La suite (E1... la matrice C = (ci. 1 ≤ j ≤ n.j ) ∈ Mp. 6.. ayant K comme corps des scalaires.5. Preuve. est un K-e. 5  j 0  5 B=  7 0  1 6 4 1  2 4  . Proposition 6. la (p. 74 .. e 6.2 .n (K) = np.n (K) D´finition 6.. On appelle produit de la (n.j 1 ≤ i ≤ p.. q)−matrice C = (ci. B) −→ A + B et de la multie e plication externe (λ.j = λai. q)e matrice B = (bi..1 .j .j ).. et not´e par 0.j = k=1 ai.j ) ∈ Mp.... . Les autres axiomes d’un K−e.j ) ∈ Mp.q (K).n (K) et B = (bi.2 6.2..n (K) par le scalaire λ ∈ K.1 . 0  0 1 4  5 11 C=  9 10 √ 2 i+1   3 6  .n (K) telle que ci..j 1 ≤ i ≤ p.n (K) pour 1 ≤ i ≤ p.j ) ∈ e Mp.. e et on note λA.2 Base canonique et dimension de Mp.. sont e laiss´s en exercice.q (K) telle que n ci.

. .. ep ) une base de E et soit les n vecteurs xj = p ai. on a rgA ≤ n.n (K) (dont la jeme ) colonne est e constitu´e par les coordonn´es de xj dans la base B. non nuls de dimensions respectives n et p. D’autre part..4 (R). ap.8. Soit B = (e1 . a 2. . Si A ∈ Mp. La multiplication des matrices est associative et distributive par rapport ` l’addition.. la (p. . fp ).. On appelle matrice de l’application lin´aire ϕ ∈ L(E.4 Rang d’une matrice D´finition 6.. e e Autrement dit : ϕ(e1 ) ϕ(e2 ) . en ) une base de E et B = (f1 .. (Attention ` l’ordre !) a     1 0  −2 −1   B=  0 2  1 3  6.  . B = (e1 . fp ) une base de F et soit ϕ une application lin´aire de E dans e F . On appelle rang de la matrice A. F ) dans les bases e e B = (e1 ..j ) ∈ Mp. et on note e rg(A).j  a2. D’o` : u rgA ≤ min(n..j fi . 1 ≤ j ≤ n.. les vecteurs colonnes de A sont dans Kp . D´finition 6. On sait que ϕ est d´termin´e par les images des vecteurs de la base B. .. fp ) de F . 0 8 Remarques : 1. 1 ≤ j ≤ n..j     .. .q (K).j ei . n)−matrice A = (ai. e e Posons : p ϕ(ej ) = i=1 ai.j ) ∈ Mp. ϕ(en ) 75 . Exemple : Remarque : Soit E un K−espace vectoriel de dimension p > 0. D’une part. . donc rgA ≤ p.. Soit A = (ai.9.. .. n)−matrice A = (ai. p). e e 6.3 Matrice d’une application lin´aire e Soit E et F deux K-e. on a t (AB) = t B t A..Exemple : 1 3 2 0 A =  0 −1 −3 −1  ∈ M3. x − n) i=1 est ´gal au rang de la (p. Alors le rang de la suite (x1 .2. le rang de la suite des vecteurs colonnes... en ) de E et B = (f1 .j ) dont la jeme colonne :   a1.. −2 0 1 2  −5 1 AB =  1 −8  ..n (K). .j est constitu´e par les coordonn´es du vecteur ϕ(ej ) dans la base B = (f1 ..v.n (K) et B ∈ Mn.   .

Et pour 1 ≤ k ≤ n. Si A est la matrice de ϕ ∈ L(E. . . Si A et B sont les matrices respectives des applications ϕ ∈ L(E. .k gi . alors la matrice de l’application lin´aire λϕ est λA. . . ap. et si λ ∈ K. . .. .   A=  a1. E3 ) d´finie par ϕ(P ) e niques de E3 est :  0  0 Mϕ =   0 0 3. La matrice d’une application lin´aire ϕ : E −→ F dans les bases B de E et B de F e d´pend ´videmment des bases choisies dans E et F .j fk pour 1 ≤ j ≤ q. a2.2 .n .1 a1. F ) dans les bases B et B . B) =  3 1 0  ∈ M3 (R). . e2 . 0 0 0 3 2. F ) dans les bases B = (e1 .. . Soit f ∈ L(R3 ) d´finie par : e   f (e1 ) = e1 + 3e2 f (2) = e2  f (e3 ) = e3 avec B = (e1 .n a2. 0 0 1 Remarques : 1. G). . E2 ) d´finie par ϕ(P ) = P . Soit ϕ ∈ L(E3 .. e e 2. dans les bases B et B . on a n = P . Si B est la matrice de l’application lin´aire ϕ ∈ L(E. eq ) e et B = (f1 .. la matrice de ϕ + ψ dans les bases B et B est A + B. Alors la matrice de ϕ dans les bases e canoniques de E3 et de E2 est :   0 1 0 0 Mϕ =  0 0 2 0  ∈ M3. ..1 ap. alors la matrice de ψoϕ dans les bases B et B est le produit AB. e e Exemples : Soit n ∈ N et soit le R−espace vectoriel En = {P ∈ R[X]/P = 0 ou degP ≤ n}. F ). fp L’application ϕ : E −→ F est d´termin´e par sa matrice A dans les bases B et B . ap.. i=1 76 .4 (R). dans e les bases B et B = (g1 .. En effet. 1. gp ).2 . a1.2 . . 3.   1 0 0 M at(f. . .1 a2.. et si A est la matrice de l’application lin´aire ψ ∈ L(F. . Soit ϕ ∈ L(E3 . .. 3  0 ϕ(ej ) = k=1 bk. Alors la matrice de ϕ dans la base cano1 0 0 0 0 2 0 0  0 0   ∈ M4 (R).n      f1 f2 . on a ψ(fk ) = p ai. F ) et ψ ∈ L(E. e3 ) est la base canonique de R3 . fn ). e 4. . .

fp ) ´tant fix´es. e Une telle matrice B si elle existe est unique. le rang de ϕ est ´gal au rang de A.. B est alors appel´e l’inverse de A et not´e A−1 .. Alors l’application : J : L(E. ϕ(en )).. Donc t A est inversible et on a (t A)−1 = t (A−1 ).4 Matrices carr´es inversibles e D´finition 6.. ( t A−1 t A) = t (AA−1 ) = t In = In .j pour 1 ≤ i ≤ p et 1 ≤ j ≤ q..11. D´signons par e e e Mϕ la matrice de ϕ ∈ L(E.j )gi = p i=1 ci.Donc.. 1. 1. e e Proposition 6... B inversible =⇒ ∃ B −1 telle que BB −1 = B −1 B = In ... Donc la matrice C de l’application k=1 lin´aire ψoϕ est ´gale ` AB.v.13.k bk. soit ϕ ∈ L(E. Les bases B = (e1 ..n (K). Si A ∈ Mn (K) et B ∈ Mn (K) sont inversibles. alors AB est inversible et on (AB)−1 = B −1 A−1 . J est clairement lin´aire d’apr`s la remarque pr´c´dente. F ). .k )gi n k=1 ai. pour 1 ≤ j ≤ q. Donc J est surjective..10. non nuls.12.j gi avec ci. 2. Preuve. en )de E et B = (f1 . Donc AB est inversible et (AB)−1 = B −1 A−1 . De plus. On a rgϕ = dimϕ(E) = dim vect(ϕ(e1 ).j = n ai.. Soit E et F deux K−e.k gi ) = n k=1 p i=1 (bk. (AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIn A−1 = AA−1 = In . Preuve..j ai. 77 . .k bk. en ) et B = (f1 . Si A est la matrice de ϕ dans les bases B = (e1 . .j fi .j ) ∈ Mp. D’o` rgϕ = rgA u 6. ϕ(en )) = rgA. e Preuve.. alors t A est inversible et on a (t A)−1 = t (A−1 ). (B −1 A−1 )(AB) = B −1 (A−1 A)B = B −1 In B = B −1 B = In . .j ( p i=1 ai. F ) −→ Mp. F ) dans les bases B et B . . . Alors Mϕ = A. 1 ≤ j ≤ n. A inversible =⇒ ∃ A−1 telle que AA−1 = A−1 A = In . de dimensions respectives n et p et soit e e ϕ ∈ L(E. e e a Proposition 6. Une matrice A ∈ Mn (K) est dite inversible s’il existe B ∈ Mn (K) telle e que AB = BA = In (In est la matrice unit´ d’ordre n ).n (K) ϕ −→ Mϕ est un isomorphisme. fp ) de F . on a ψoϕ(ej ) = = n k=1 bk. e e e e Th´or`me 6. A inversible =⇒ ∃ A−1 telle que AA−1 = A−1 A = In . (t A)t (A−1 ) = t (A−1 A) = t In = In ..j ψ(fk ) p i=1 ( = n k=1 bk. J est injective : car Mϕ = Mψ implique ϕ(ej ) = ψ(ej ) pour 1 ≤ j ≤ n et donc ϕ = ψ. Donc rgϕ = rg(ϕ(e1 ). 2. J est surjective : car si A = (ai.. F ) d´finie par e p ϕ(ej ) = i=1 ai. Si A est inversible..

. (4) =⇒ (1) et (4) =⇒ (2) sont ´videntes.. D’o` ϕ est injective. rg A=n.15. 2. A est inversible. 4. (1) =⇒ (2)) On a : rgA = rg(ϕ) = dim vect(ϕ(e1 ). Les propositions suivantes sont ´quivalentes : e 1. Preuve. Soit A la matrice de ϕ−1 dans les bases B et B. Il existe B ∈ Mn (K) telle que BA = In .) Donc F ⊆ Imϕ. ce qui implique que ϕ est surjective... (3) =⇒ (1) L’image d’une base par ϕ est une base. E) de matrice C dans B et B.j ei . 2.Th´or`me 6. u D’o` ϕ est un isomorphisme de E sur F . E) de matrice B dans les bases B et B.v. Soit x ∈ Kerϕ. 6. . on a y = (ϕoh)(y) = ϕ(h(y). Soit y ∈ F . Soit A ∈ Mn (K). . v. en ) une autre base de E.5 Changement de base Soit E un K−e. Donc ϕ est un isomorphisme. On a ϕ−1 oϕ = In et Mϕ−1 oϕ = A A = In . Il existe C ∈ Mn (K) telle que AC = In 3. (1) =⇒ (3) Soit g ∈ L(F. 1 ≤ j ≤ n. non nuls de dimension n.. non nul de dimension n. Soit A ∈ Mn (K). Par suite A est inversible. x = goϕ(x) = g(ϕ(x)) = g(0) = 0. B une e e base de E et B une base de F .. de matrice A dans les bases B et B . ϕ(en )) = dimF = n. Donc ϕoh = IdF . De mˆme ϕoϕ−1 = IdF et Mϕoϕ−1 = AA = In . Preuve. Soit ϕ ∈ L(E. Les propositions suivantes sont ´quivalentes : e 1. ϕoh ∈ L(F ) et Mϕoh = AC = In . Donc Kerϕ = {0}. ϕ(en )) est une base de F.14.. donc (ϕ(e1 ).. Soit ϕ ∈ L(Kn ) de matrice A dans la base canonique de Kn . en ) une base de E et B = (e1 .. E et F deux K−e.. Les vecteurs colonnes de A constituent une base de Kn . goϕ ∈ L(E) et Mgoϕ = BA = In . ϕ est un isomorphisme de E sur F . 78 . ϕ(en )) est libre et dimF = n. (2) =⇒ (3)) La suite (ϕ(e1 ). . 3. e Corollaire 6.. A est inversible. D’o` ϕ est un isomorphisme de E sur F . .. . Soit B = (e1 . F ). e Donc A est inversible... u (2) =⇒ (3) Soit h ∈ L(F. On a n ej = i=1 pi. u (3) =⇒ (4).. Donc goϕ = IdE .

. en ) et B = (e1 .2 .j xj n j=1 p2.16. . Donc e rgP = n et P est inversible.j xj     =   pn. . .Posons    P =  p1.j ei = ( i=1 j=1 xj pi. . . Pour tout x ∈ E.. La matrice P = (pi..v. .       =   n j=1 pi. . .v.j ) ∈ Mn (K) dont la j eme colonne est constitu´e e e e par les coordonn´es de ej dans la base B = (e1 .1 pn. D´finition 6..j ) ∈ Mn (K) est ´gal au rang de la suite (e1 . .  ... . Soient B = (e1 . en ) et B = (e1 . Par e suite P −1 est la matrice de passage de B ` B. on a : n n x= i=1 xi ei = j=1 xj ej . pn. . .1 p1... . .   . Soit x ∈ E.2 . .  et X = (x)B =  . .n p2. . ..1 .. pn... (x)B = P (x)B .2 .1 . p1. pn. p1.j ) ∈ Mn (K) la matrice de passage de B ` B . xn Donc (x)B = P (x)B . Associons ` ces deux d´compositions les matrices colonnes : a e    x1 x1  x2   x    2 X = (x)B =  . ∀1 ≤ i ≤ n. xn     = PX . . E et P la matrice de passage de B ` B .j xj Soit sous forme matricielle :  p1.5. a a Preuve.2 . . .. .n .. p1.2 p2.  Le rang de la matrice P = (pi. .j xj . . ...n     ∈ Mn (K). en ) deux bases d’un K−e.. P ´tant inversible. . . en ) est appel´e matrice de pase sage de la base B = (e1 .. pn. a 79 ..1 Action d’un changement de base sur les coordonn´es d’un vecteur e Soient B = (e1 . . . .. donc (x)B = P −1 (x)B . E de dimension n..n . .1 p2. On a ej = n pi. a 6. C’est une matrice inversible. p2. en ).2 . on xi = u    X=  x1 x2 .n Proposition 6.17. . p2.j ei . Alors la matrice de passage de B ` B est la matrice P −1 . n j=1 pn.. . . .1 (K).  xn n x= j=1 xj ej = j=1 xj i=1 pi.. . .. i=1 On a n n n n n     ∈ Mn. . en ). n j=1 p1. . xn Soit P = (pi. a 1 ≤ j ≤ n.n .   ..      x1 x2 . en ) deux bases d’un K−e. en ) ` la base B = (e1 .1 p2.j )ei = i=1 xi ei D’o`. . .

. Donc : (y)B1 = Q−1 (y)B1 = Q−1 A(x)B = Q−1 AP (x)B = A (x)B D’o` : u A = Q−1 AP.5. 1 ≤ i ≤ p et 1 ≤ j ≤ n. un ensemble d’´quations : e   a1.1 Syst`mes lin´aires e e D´finitions e p ´quations ` n inconnues ` e a a = b1 = b2 . a2.2 x2 + . • Les ´l´ments bi .. e • Les ´l´ments xj . Or (y)B1 = Q(y)B1 et (x)B = P (x)B . 1 ≤ j ≤ n. de dimensions respectives n et p.n xn    a2. . Soit A la matrice de ϕ dans les bases B de E et B1 de F .19. e e 80 . .v.. on a a A = Q−1 AP. . +a1.6. appartiennent ` K et sont appel´s les coefficients ee a e de (S).2 x2 + .6 6. On a (y)B1 = A(x)B et (y)B1 = A (x)B .1 x1 +a1.j xj • Une solution de (S) est un vecteur (x1 .. F ).18. . .2 Action d’un changement de base sur la matrice d’une application lin´aire e Proposition 6. A ∈ Mn (K) et B ∈ Mn (K) sont dites e e semblables s’il existe une matrice carr´e inversible P ∈ Mn (K) telle que e B = P −1 AP.20. . 6.j . D´finition 6. . . non nuls. e a e e  a1. . Soit x ∈ E et y = ϕ(x). Deux matrices (p. Soit P la matrice de passage de B ` B et a Q la matrice de passage de B1 ` B1 . Soit ϕ ∈ L(E. 1 ≤ i ≤ p.1 x1 +ai. xn ) ∈ Kn v´rifiant toutes les ´quations de (S). A ∈ Mp. ee a e Les coefficients et les seconds membres sont donn´s. = bp Soit p et n deux entiers ≥ 1. Soit A la matrice de ϕ dans les bases B de E et B1 de F .j xj    e • Le vecteur   est appel´ j eme colonne de (S). n)−matrices . appartiennent ` K et sont appel´s seconds membres de (S). .1 x1 a2.n (K) et B ∈ Mp. D´finition 6.n xn • Les ´l´ments ai. . d’ordre n.    ap. ap.2 x2 +. . . On appelle syst`me lin´aire de e e coefficients dans K.6. Preuve.n xn =bi est appel´e ieme ´quation de (S).. ee a e • L’´quations i.   .j xj  a2.n xn S= . Soit E et F deux K−e.2 x2 + .+ai.1 x1 ap.. . Deux matrices carr´es.  . appartiennent ` K et sont appel´s les inconnues de (S).. ap.n (K) sont dites e ´quivalentes s’il existe deux matrices carr´es R ∈ Mp (K) et S ∈ Mn (K) telles que : e e B = RAS.

c’est trouver tous les vecteurs v´rifiant (1). Autrement dit.3 (R).2 Interpr´tation matricielle d’un syst`me lin´aire : e e e Soit A = (a ) ∈ Mp. le rang r de la matrice A de (S) et on e e notre rg (S). e Un syst`me de Cramer admet toujours une solution unique (X = A−1 b) car sa matrice A est e 81 .  ∈ Mp. • Le syst`me (S) s’´crit en abr´g´ : e e e e n (S) j=1 ai.j  b1  b2    Soit b =  . A est appel´e la matrice du syst´me (S). 6. e  . Dans le cas contraire (S) est dit incompatible (ou impossible). c2 ) est libre et c3 = c1 − c2 .  . On appelle rang du syst`me (S). X est appel´ inconnue de (S).Discuter et r´soudre (S) c’est trouver toutes les solutions de (S). .1 (K). si sa matrice est e carr´e et inversible. b  p x1  x2  Soit X =  . 7 8 −1 On a la suite (c1 .  xn Le syst`me (S) s’´crit matriciellement : e e AX = b. b est appel´ le vecteur second membre de (S). y. Remarque : Un syst`me est dit de Cramer si n = p = r. (1) R´soudre (S). Donc rg(S) = rg(A) = 2. Exemple : Soit (S) le syst`me lin´aire de 4 ´quations ` e e e a r´els : e  +2z =  2x   x +2y −z = (S)  4x −y +5z =   7x +8y −z = La matrice de (S) est  3 inconnues x.6.n (K).1 (K).3 Rang d’un syst`me lin´aire e e D´finition 6. e e i. 1 ≤ i ≤ p. z ` coefficients a 3 1 7 9  2 0 2  1 2 −1   A=  4 −1 5  ∈ M4. e e 6.21.    e  ∈ Mn. e • Deux syst`mes sont dits ´quivalents s’ils ont le mˆme ensemble de solutions.j xj = bi .6.  . e e e (S) est dit compatible s’il admet au moins une solution.

. .. . .... x1 = b1 − n j=2 a1. +. .  . . A= 0 e    0  .. Donc (S) est ´chelonn´ si la matrice de a la forme suivante dite ´chelonn´e : e e (S) e e  a1. 0 Th´or`me 6.. . Cas particulier : syst`mes de Cramer triangulaires.. xi = an. . xq+1 .j .. on a ai. 0 aq..1 6. ∗  0 a2. .j = 0.. Donc (T ) est un syst`me de Cramer et admet e une  solution unique. . . .q ∗ .n xn bn xn = .. . ... ..n−1 xn−1 +an−1. ∗  chaque ´toile est un coefficient quelconque. et seulement si bq+1 = .j xj ai...2 x2 +. xn sont des ´l´ments quelconques u ee de K et (x1 .. e Soit un syst`me (T ) de n ´quations ` n inconnues dont la matrice est triangulaire sup`rieure e e a e avec des coefficients diagonaux tous non nuls.j xj a1. 0    . xq .   . les solutions e de (S) sont les vecteurs (x1 . On montre facilement (exercice) que rg A = n..j xj = bi . et dans ce cas.. .. .n xn = bn Le syst`me (T ) est facile r´soudre.on a ai. s’il existe un entier q.. +a1. .1 x1 +a1. . .. x1 .. 1 ≤ q ≤ p et q ≤ n tel que : e e e pour tout q < i ≤ p. (T ) .n xn = b2   . .n xn = bn−1    an.. . ..23. on calcule de la fa¸on suivante : e e c bi − bn−1 − an−1. 1 ≤ i ≤ p... .... xq ) la solution du syst`me de Cramer triangulaire : e q n (T ) j=1 ai.. : Soit (S) un syst`me lin´aire ´chelonn´ : e e e e e e n (S) j=1 ai..   .. = bq = 0. . 0 .2     . . . Un syst`me lin´aire : e e e (S) j=1 ai... . pour tout 1 ≤ i ≤ q.1 ∗ . xq sont appel´s les inconnuses principales et xq+n .inversible. 1 ≤ j ≤ i.    an−1..j xj 1 ≤ i ≤ q.2 x2   a2..j = 0. .7 M´thode de pivot de Gauss e n D´finition 6. En effet..n an−1.j xj = bi ..22. 1 ≤ j ≤ n..  .   . Avec les notations pr´c´dentes .i = 0 et ai. e e Le syst`me est compatible si. 1 ≤ i ≤ p. . .. xn−1 = . .n−1 n j=i+1 ai. xn sont appel´es les incone e nues non principales.j xj = bi − j=q+1 ai. le rang de (S) est r=q . . 82 .. .n xn = b1   a1. est dit ´chelonn´ ou en ´chelon... xn ) o` xq+1 . +a2. .

.j xj = bi − j=q+1 ai.. xq ). Puisque les p-q derni`res lignes de la matrice A sont nulles . xn ) est une u e solution du syst`me (S). e e e e e 83 . avec xq+1 . . on a rg A ≤ q.. . .j xj 1 ≤ i ≤ q. Comme on transforme (S ) en (S) par une op´ration de mˆme type que celle qui nous fait passer de e e (S) ` (S ). i = k. . e e On rappelle que deux syst`mes lin´aires sont dits ´quivalents.. . donc il admet une solution unique (x1 . xn quelconques (mais fix´s) dans K. e Soit bq+1 = . et soit (S )le syst`me suivant d´duit de (S) : e e (S ) n j=1 ai. a a e (4) multiplier les deux membre d’une ´quation par un mˆme scalaire non nul.25. e Donc r = rgA = q. e e e Enfin il est ´vident que l’op´ration (4) transforme (S) en un syst`me lin´aire ´quivalent. (x1 . (2) permuter deux ´quations de (S). . h et k ∈ {1. toute op´ration ´l´mentaire sur (S) transe e e e e e ee forme (S) en un syst`me lin´aire ´quivalent et de mˆme rang..j xj n j=1 (ak. xn sont des ´l´ments quelconques fix´s dans K. . a L’op´ration qui consiste ` ajouter membre ` membre ` la k eme ´quation. xq+1 . toute solution de (S ) est aussi solution de (S)... l’op´ration (1) transforme (S) en un syst`me e e ´quivalent. Le sys`me (S) est ´quivalente au syst`me : e e e q n (T ) j=1 ai.. e L’ordre des ´quations n’intervient pas dans l’ensemble des solutions : l’op´ration (2) transe e forme (S) en un syst`me ´quivalent...24. ee e le syst`me (T) est de Cramer . impossible et le syst`me est donc incompatible. Il est clair que si (x1 . xn ) est solution de (S). L’addition dans K est commutative... .Preuve.. h = k. = bp = 0. = bk + λbh . On appelle op´ration ´l´mentaire sur (S) chacune des op´rations suie e ee e vantes : (1) permuter deux colonnes de (S)... e Puisque les q premi`res colonnes de A forment une suite libre on a rgA ≥ q. e Exemple Faire l’exercice 3 s´rie N 7.. p}. Th´or`me 6. e e e e Preuve. 1 ≤ i ≤ p.... une combinaison lin´aire des autres ´quations... une combinaison e a a a e lin´aire des autres ´quations. xq . donc elle e e e e e transforme (S) en un syst`me lin´aire ´quivalent.j )xj = bi . xn ) est aussi solution de (S )..j + λah. est une suite finie d’op´rations du type pr´c´dent. q + 1 ≤ i ≤ p tel que bi = 0 alors la ieme ´quation de (S) s’´crit : e e 0x1 + . e e e (3) ajouter membre ` membre ` une ´quation. (x1 . .. S’il exsiste i. e e Soit λ ∈ K. . e D’o` pour tout xq+1 .. e D´finition 6. . + 0xn = bi = 0. s’ils ont le mˆme ensemble e e e e de solutions. (S) ´tant un syst`me lin´aire .

1 ≤ i0 ≤ p et 1 ≤ j0 ≤ n tel que ai0 .1 = ai0 . 1≤i≤p avec a1. . ap. .i xj = bi .1 a1. 2 ≤ i ≤ p. pour 2 ≤ i ≤ p.2 . o` a”1. a1.1 ap. A”1 0 avec A”1 ∈ Mp−1. le produit de la premi`re a e e e e e ´quation par − a i. il existe donc i0 . . il existe une suite finie d’op´rations ´l´mentaires e e ee qui transforment (S) en un syst`me ´chelonn´.1 ∗ . a2.1 et a”i. 4 z 1 3 L’´criture matricielle du syst`me e e  1  3 2 84 . .n  a2.2 .j0 = 0. ap.n−1 (K).1 a n (S”) j=1 a”j. En permutant au besoin.1 . . Soit A la matrice du syst`me (S).   .   a1.1 = a1. On obtient alors un syst`me ´quivalent et de mˆme rang. 1 ≤ i ≤ p. .26.n A = 0.  . . x1 = xj0 et xj0 = x1 ) On ajoute alors membre ` membre la ieme ´quation. . les ´quations 1 et i0 et les colonnes 1 et j0 .2 .j0 . . .8 Algorithme du pivot de Gauss : n Th´or`me 6.6. On passe ` l’´tape suivante en travaillant maintenant avec A”1 . . . e e e Preuve.1 = 0. . ∗  0   . si A = 0. . e 1. . on se ram`ne ` un e e a syst`me ´quivalent et de mˆme rang : e e e n (S ) j=1 aj. (attention : si j0 = 1.  1 ≤ i ≤ p. . a e Exemple :  = −1  x−y 3x + 3z = 3  2x + y + 3z = 4 est :     −1 x −1 0 0 3  y  =  3 . . u La matrice de (S”) s’´crit : e   A” =    a”1.1 a2.j xj = bi . : Soit (S) un syst`me lin´aire de p ´quations ` n inconnues e e e e e a (S) j=1 ai.i xj = b”i . j0 .n    A= .

e e e e Ker(f ) = {X ∈ Rn /f (X) = 0. et d’en d´duire e le rang. on cherche les Y ∈ Rp pour lesquels le syst`me AX = Y . 85 . Comment d´terminer le rang d’une matrice A. e a On prend x et y comme inconnues principales et z comme inconnue non principale. On cherche les Y ∈ Rp pour lesquels l’´quation f (X) = Y . c’est-`-dire d’expliciter suffisamment les e a vecteurs X solutions de AX = 0 pour trouver la dimension de cet espace. S = {(x. R3 ) dont la matrice dans les base canoniques de R4 et R3 est   1 1 −3 4 A =  1 2 −5 2  . e ee e e C. z)/z ∈ R} R´capitulatif. y. Rp ).On utilise la m´thode de pivot de Gauss en n’oubliant e    1 −1 0 −1 1  3 0 3 | 3  =⇒  0 2 1 3 4 0  1 −1 0 −1  0 3 3 | 6 0 0 0 0 pas de traˆ b.} Exemple : Soit f ∈ L(R4 . La r´solution du syst`me lin´aire homog`me f (X) = 0 fournit Ker(f ). o` l’inconnue est X. t) ∈ R4 . e D’apr`s le th´or`me noyau-image : e e e rg(A) = n − dimKer(A) (o` n d´signe bien le nombre de colonnes de A. Si A est la matrice de f dans les bases canoniques de Rn et Rp . Soit f ∈ L(Rn . est e u compatible. B. o` l’inconnue est X. y. c’est-`-dire la dimension de l’espace de u e a d´part de l’application lin´aire assouci´e). Noyau de f . z) = (1 − z. AX = 0 s’´crit : e   x + y − 3z + 4t = 0 x + 2y − 5z + 2t = 0 (S)  −x + y − z − 8t 0. Syst`me qui a ´t´ consid´r´ en exercice 13. −1 1 −1 −8 Si X = (x. 2 − z. ıter  −1 0 −1 3 3 | 6  3 3 6   Le rang de (S) est ´gal ` r = 2. e e e Donc il suffit de d´terminer le noyau de A. Image de f . z. Quelques applications de la m´thode du pivot de Gauss : e e A. a e u au moins une solution.

.... A3 ∈ Mq... Alors on peut calculer le u produit AB de la mani`re suivante : e AB = A1 B1 + A2 B3 A3 B1 + A4 B3 A1 B2 + A2 B4 A3 B2 + A4 B4 ∈ Mm+q.. G´n´ralisation : Soient A = (AIK ) et B = (BKJ ) deux matrices d´compos´es par blocs telles e e e e que la d´compositions correspond ` l’indice K soit la mˆme pour A et B... 86 ......p (K).... A2 ∈ Mm.r+s (K) On peut proc´der de mˆme quel que soit le nombre de blocs... B3 ∈ Mp..r (K) et B4 ∈ Mp..........s (K)..le nombre de lignes et de colonnes de chaque bloc soient en ad´quation pour tous les e sous-produits. ` condition que : e e a ..Compl´ments Sur les matrices par blocs.s (K)........r (K)....n (K).n+p (K) et B ∈ Mn+p......... K Ceci est une g´n´ralisation de la multiplication habituelle des matrices. u B= B1 B2 B3 B4 o` B1 ∈ Mn....... .......... B2 ∈ Mn.. Alors AB = C se e a e d´compose par blocs et on a e CIJ = AIK BKJ ...n (K) et A4 ∈ Mq...p (K)....... e e .. e Produit des matrices par blocs : Soient A ∈ Mm+q....r+s (K) deux matrices que l’on ”d´compose ” de la e mani`re suivante : e A1 A2 A= A3 A4 o` A1 ∈ Mm.....le nombre de colonnes de blocs de A soit ´gal au nombre de lignes de blocs de B e (ici 2 et 2).....

D´duire (A1 + I)n = (nA1 + I). c) =  b a + c b + c  c b a+c o` a. Un fabricant de composantes ´lectriques vend deux produits diff´rents ` trois e e a clients. e d) D’une mani`re g´n´rale. u 1) Montrer que toute matrice E s’´crit de mani`re unique sous la forme aI + bJ + cK o` I e e u d´signe la matrice unit´ de M3 (Q) et J. Exercice 3. Les coˆts de transport e e u de chaque produit. pour chaque client. t At B et B 3 . 1) Calculer les produits AB et BA quand il existent dans le cas suivant : A = (3 5 − 1 − 2) et B = t (−1 0 1 2). On d´signe par E l’ensemble des matrices de la forme e   a c b M (a. b) Calculer om et I m . sont indiqu´s dans le sch´ma suivant : e e 1) Pr´sentez les informations contenues dans le sch´ma sous forme d’une matrices A de e e format 2 × 3. c) V´rifier les propri´t´s (λA)m = λm Am . b. a) D´velopper (A + B)3 . b.) i=0 Exercice 5.9 Exercices : Les matrices Exercice 1. Les deux produits sont fabriqu´s dans deux usines diff´rentes. (A + B)2 = A2 + AB + BA + B 2 . D´velopper (A + I)n . e e e e e i ( Indication : Si AB = BA on a pour tout k ∈ N∗ : (A + B)k = k Ck Ak−i B i . c ∈ Q. K deux matrices de M3 (Q) ind´pendantes de a. 2) Dans M4 (C) consid´rons les matrices : e     α 1 0 1 α 0 0 0  0 α 0 2   1 α 0 0     A=  0 0 β 3  et B =  0 0 β 1  0 0 0 1 0 0 0 β Calculer A2 . m ∈ N. o` aij repr´sente le coˆt de transport pour exp´dier le produit i au client j. AB. e c) D´velopper (A + I)3 . ABA. b. e b) D´velopper (A + B + c)2 . e ee Exercice 4. a) Calculer Am . pour A1 = 0 1 0 0 1 1 0 1 puis pour A2 = .6. c. t (AB). u e u e 2) Quelle information la deuxi`me ligne de la matrice contient-elle ? e 3) Quelle information la troisi`me colonne de la matrice contient-elle ? e 4) Quelle information a12 donne-elle ? Exercice 2. e e e 87 .

e Quelle est sa dimension ? 3) Calculer J 2 . Exercice 6. f2 .K. Montrer que R3 = ker(f ) ⊕ Im(f ). f2 = (−1.2) En d´duire que E est un sous-espace vectoriel sur Q. d) Soit M un ´l´ment non nul idempotent (M 2 = M ) de M(K). Exercice1 8. A k = P −1 Ak P . J  2 −3 −4  3 1 5   4) Soit A =   −1 0 −1  ∈ M4. On consid`re l’endomorphisme de R3 d´fini e e par :  1  f (e1 ) = − 2 e1 + 1 e2 + 1 e3 2 2 f (e2 ) = −e1 + e3  1 f (e3 ) = − 2 e1 − 1 e2 + 1 e3 2 2 1) 2) 3) 4) a) b) c) 5) 6) D´terminer la matrice de f dans la base B. Quel est le rang de cette matrice ? e D´terminer ker(f ) et sa dimension. J 3 . e Soient f1 = (1. PM (X) est le polynˆme minimal de M .  + I. a −1 AP. e D´terminer Im(f ) et sa dimension. −1). o b) Etablir que PA = PB . 1. Ap et B p sont semblables. non nulles. de dimension finie.3 (Q). (Polynˆme minimal d’un endomorphisme) o Deux matrices carr´es d’ordre n. Soit E un K−espaces vectoriel. e a Exercice 7. 1) Montrer que A = P 2) Pour tout k ∈ N. D´terminer la matrice de f dans la base B . f3 ) est une base de Im(f ). 0 2 4 Trouver le rang des matrices suivantes A et t A. e3 ) la base canonique de R3 . 1. Calculer f (f2 ) et f (f3 ). K 2 . e2 . e o 3) a) D´montrer que pour tout M non nul de Mn (K) il existe un polynˆme unitaire unique e o ∗ tel que : PM de (K[X]) i) PM (M ) = 0 ii) ∀Q ∈ K[X]. Soit A la matrice de ϕ dans la base B de E et A la matrice de ϕ dans la base B de E. h(A) et h(B) sont semblables. D´duire que (f2 . et soit ϕ ∈ L(E). Soient B et B deux bases dans E. e 2) En d´duire que si h est un polynˆme de K[X]. J. −1. Soit B = (e1 . e Montrer que B = (f1 . ee e Exercice 9. 88 . e D´terminer la matrice de passage P de la base B ` la base B. c) D´montrer qu’un ´l´ment non nul M de Mn (K) est inversible si le terme constant de PM e ee est non nul. 1). 1) D´montrer que pour tout p de N. Soit P la matrice de passage de B ` B . non nul. f3 ) est une base de R3 . A ∈ Mn (K) et B ∈ Mn (K) sont semblables s’il existe une e matrice carr´e inversible P ∈ Mn (K) telle que B = P −1 AP. Q(M ) = 0 ⇒ PM (X) divise Q(X). D´terminer PM . e Soient A et B deux matrices semblables de Mn (K) . 1) et f3 = (1.

) Ecrire la matrice A de l’application lin´aire f dans les bases B1 et B2 (sans utiliser P e et Q). L’application f og est-elle injective. surjective. V ) est une base e de R3 et ´crire la matrice de passage Q de la base canonique ` B1 . bijective ? Mˆme question pour gof . .) et 10.) On note U1 = f (e1 ). e e e Exercice1 12.) D´terminer le rang de g et les dimensions de Im g et Ker g. (S2 )  2x −y −3z +7t +5u = 2   4x −2y −5z +7t +8u = λ. e 8. e e e 4. Montrer que B2 = (U1 .). P et Q. 9. A l’aide des transformatons ´l´mentaires sur les lignes. bijective ? 10. 1 3 4 2) R´soudre le syst`me lin´aire (S) AX = 0.) (e1 .) Ecrire la matrice transpos´e t A de A. a ´ 6. 89 . 1.) D´duire des questions 2. L’application g est-elle e injective. U2 ) est une base de R2 et ´crire e la matrice de passage P de la base canonique ` B2 . e 11.) Montrer que f est lin´aire et ´crire sa matrice A dans les bases canoniques. U2 = f (e2 ). le rang. Ker(f og) = e e Kerg. d´terminer une matrice ee e triangulaire A ´quivalente ` : e a   1 1 1 A =  1 2 3 . Im(gof ) = Img. puis sous forme matricielle. e2 .) V´rifier en utilisant la formule du changement de base reliant A. Discuter et r´soudre e de Gauss :   x +2y   2x +3y (S1 )  3x +4y   4x +y les syst`mes lin´aires suivants.) D´terminer le rang de f et les dimensions de Im f et Ker f . En utilisant l’algorithme d’´limination e e e +3z +4t = 11 +4z +t = 12 +z +2t = 13 +2z +3t = 14.On consid`re l’application f de R3 dans R2 d´finie par : e e   x 2x − y − z  y = f −x + 2y − z z . L’application f est-elle ine jective. e e 9. On note d´sormais g : R2 → R3 l’application e e lin´aire d´finie par g(X) = t AX.) les identit´s : Ker(gof ) = Kerf . les syst`mes : e    x + 1 = −y − z 0= x+y+z+t    y−1= 2z − x z+t= z−2 2= x−y . e2 . surjective. bijective ? 3. la dimension de l’image et la dimension e du noyau. z= 2 − x + 3y  −1  x−y =  4= t−z  −y + 3 = z + 2x. 7. surjective. e e 2.) D´terminer un vecteur V qui engendre Ker f et dont la premi`re coordonn´e vaut 1. montrer que B1 = (e1 . puis pour gof .   x +3y +5z −2t −7u = 3   3x +y +z −2t −u = 1 . e3 ) d´signant la base canonique de R3 . Ecrire sous forme canonique. Exercice 10.) D´terminer pour f og. e a 5. Exercice 11. Im(f og) = Imf . A .

(Exemples d’applications des syst`mes lin´aires ) e e A. e 2) Montrer que (S) est compatible et en donner une solution. b et c sont des nombres r´els donn´s. Deux camionnettes livrent du sable sur un chantier de travaux publics. y. un des chauffeurs dit ` l’autre : ” on a fait ` e e e a a nous deux trente voyages et on a livr´ autant chacun”. On consid`re le syst`me lin´aire ` coefficients r´els : e e e a e  x +y +z =0  (b + c)x +(a + c)y +(a + b)z = 0  bcx +acy +abz =0 o` a. t) ∈ R4 solutions du syst`me (S) e e ` 3 ´quations : a e   x + y − 3z + 4t = 0 x + 2y − 5z + 2t = 0 (S)  −x + y − z − 8t 0. e e 1 Les exercices 8 et 12 constituent le sujet d’un devoir libre ` rendre au plus tard le 04 avril . Soit le sous-espace vectoriel F de R4 constitu´ des (x. e Combien chaque camion a t-il fait de voyage ? B. b. Si un train augmente sa vitesse de 10Km/h sur un trajet. Soit f ∈ L(C4 . il perd 1h. La premi`re livre deux tonnes ` chaque voyage. 3) Donner une base de ker(f ) et en d´duire toutes les solutions.. e e a 1) D´terminer rg(f ) et une base de Im(f ). u e e Exercice 13. Exercice 14. C3 ) l’application lin´aire associ´e ` (S). e Exercice 15. a 90 . z. Quelle est la longueur du trajet ? Exercice 16. 1) Quelle est la dimension de F ? 2) Trouver une base de F. Discuter (suivant les valeurs des param`tres u e e e a. il gagne 40 min.. c) et r´soudre ce syst`me. l’autre livre trois tonnes. S’il diminue sa vitesse de 10Km/h. e a Une fois livr´e la quantit´ command´e.o` λ est un param`tre r´el. On consid`re le syst`me lin´aire (S) ` coefficients complexes : e e e a   2x + 2y − z − t = −1 x + y − 2z − 2t = −4 (S)  x + y + 4z + 4t = 10.

j (j) = i et τi. K = R ou Q ou C..1.. e L’ensemble Sn muni de la loi interne (σ. Si n = 1 .4 = 1 2 3 4 5 6 1 2 4 3 5 6 91 ∈ S6 . σ= 1 2 3 4 4 2 1 3 ∈ S4 .2. n 1 3 2 4 . σ ) −→ σoσ est un groupe.j (k) = k si k = i et a e k = j..1. . c’est e ee ee ` dire une permutation not´e τi. 2.Chapitre 7 ´ DETERMINANTS Comme d’habitude. τ3. La compos´e de deux permutations de J est une permutation de J. 2. et le groupe Sn n’est pas commutatif.j telle que τi...j (i) = j. σ(n) Le nonmbre de permutation de J est n! Exemple 7. D´finition 7. n On a (σoσ (1) = 3) et (σ oσ(1) = 2) . Si n ≥ 3. σ = 1 2 3 4 ... 3 a fait correspondre 1 et ` 4 fait correspondre 3. n 3 2 4 1 . n . Exemple 7. τ } avec IJ = et τ = . Soit n un entier ≥ 1 et soit J = {1.2.. 1. S1 est r´duit ` l’application identique de J = {1}. Le groupe S2 est 1 2 2 1 commutatif.. a Remarque 7. 2 fait correspondre 2. 3. n}.. τi.. on appelle transposition de J = {1. n} une permutation e de J qui ´change deux ´l´ments i et j de J et qui laisse fixe les autres ´l´ments de J. Une permutation de J est une e application bijective de J sur lui-mˆme. Pour n ≥ 2.. n σ= σ(1) σ(2) .. appel´ groupe e sym´trique d’ordre n. σ est la permutation de J = {1... Si n = 2. 4} qui ` 1 fait correspondre 4. donc σoσ = σ oσ.1. .. e a 1 2 1 2 3. . e 2. S2 = {IJ .. on consid`re e σ= 1 2 3 4 .1 Le groupe sym´trique Sn e D´finition 7.. 7. 2. On note l’ensemble des permutations de J par Sn et e un ´l´ment σ de Sn par : ee 1 2 . 4.

j − 1 j j + 1 . σ = τ1.j = IJ . alors σ = IJ = τ1. Si 1 ≤ i < j ≤ n. On a Nσ j − i + (j − i − 1) = 2(j − i) − 1 = et ε(σ) = −1. On a τi. . 2 3 1 Soit n ≥ 2 et σ ∈ Sn . on a ε(σoσ ) = ε(σ)ε(σ ) e e et ε(σ −1 ) = ε(σ) Preuve.. 4 et 3. les points de J laiss´s fixes par σ sont aussi laiss´s fixes par σ et en outre.. σ est un produit de transpositions et σ = τi.2 oτ1.. e e D´finition 7. on dit que σ(i) et σ(j) pr´sentent une inversion.3.5.2 . et impaire si ε(σ) = −1 Remarque 7.. 4 et 2. σ est dite paire si ε(σ) = 1. . 5 et 3. i − 1 j i + 1 .ε(σ) et e e a donc ε(σ −1 ) = ε(σ) 92 . On a aussi ε(σ) = 1≤i<j≤n σ(j) − σ(i) j−i En effet. .3. σ est impaire. On a : e ε(σoσ ) = 1≤i<j≤n σoσ (j) − σoσ (i) = j−i 1≤i<j≤n σoσ (j) − σoσ (i) σ (j) − σ (i) 1≤i<j≤n σ (j) − σ (i) j−i Or. e e ee e a Preuve.j oσ est aussi e e e un produit de transpositions. Supposons la propri´t´ vraie pour n − p < q et soit σ ∈ Sn laissant fixes p = n − q ´l´ments ee ee de J (p < n). D’autre part. on a 1 = ε(Id) = ε(σoσ ) = ε(σ −1 ). 5 1 4 3 2 Les inverssion de σ sont : 5 et 1. Toute transposition est une permutation impaire Preuve.. tout ´l´ment de Sn est ´gal ` un produit de transpositions..7.2 oτ2. Exemple 7.est ´gal au nombre d’ine e versions dans la suite (σ(1).j avec i < j. σ = τi. Exemple 7.. D´finition 7. . e e D’apr`s l’hypoth`se de r´currence. .j oτi.i et τi.3 . Proposition 7. Quelle que soient σ ∈ Sn et σ ∈ Sn .j = τj.. . n ∈ Sn . i − 1 i i + 1 .. . Soit n ≥ 1. 5 et 2. Th´or`me 7. .2. Il existe i ∈ J tel que σ(i) = j = i et on a σ(j) = σ(i) = j.4. Th´or`me 7. Soit n ≥ 2. 3 et 2. . n}. Soit σ = τi. 1 2 3 σ= ∈ S3 . o` p est le nombre e u d´l´ments de J laiss´s fixes par σ.. n 1 . le nombre de signe . on appelle e e signature de la permutation σ ∈ Sn . Par e e suite le nombre p de points de J laiss´s fixes par σ v´rifie p > p et donc n − p < n − p = q. Pour n ≥ 2. 5 et 4 .4. et on note ε(σ). j − 1 i j + 1 .6. on a σ(i) = σ(j) et donc σ(i) < σ(j) ou σ(i) > σ(j). Soit τi. Si i < j et σ(i) > σ(j). Le cas n = 1 est ´vident. puisque ε(σ) est une permutation de {1.j = 1 .Remarque 7. Soit σ ∈ Sn On raisonne par r´currence sur l’entier q = n − p.. 1≤i<j≤n σoσ (j)−σoσ (i) = 1≤h<k≤n σ(k)−σ(h) et donc ε(σoσ ) = ε(σ)ε(σ ). Donc Nσ = 7 et ε(σ) = −1. . le nombre ε(σ) = (−1)Nσ ∈ {1. σ(n)). . −1}. σ laisse i fixe (σ (i) = i).3. Si Nσ d´signe le nombre d’inversions de la suite (σ(1). σ(n)). chaque expression j−i du d´nominateur e se trouve au signe pr´s au num´rateur une fois exactement et le d´nominateur ayant autant e e e de facteurs que le num´rateur.j oσ. k−h σ (j)−σ (i) En appliquant le resultat pr´c´dent ` σ = σ −1 . 1 2 3 4 5 σ= ∈ S5 . . ee e Si q = n − p = 0 ..

. . . . xi . . . avec τ = τi. . . . . . . . . . . xj−1 . . . . . . . xn ). et n ∈ N∗ . . . . . . xi . xj . . xτ (j) . Preuve. . . une forme n−lin´aire sur E est dite altern´e. . . . . f est une forme bilin´aire sur E.12. . . . . . . . on a f (x . Pour n ≥ 2. yp ) ∈ E. x. . . Soit f une forme n−lin´aire altern´e sur E. . × E (n fois). D´finition 7. . . . .Corollaire 7. e e e e e 7. i = j. . xi . . . . . . . . . . xi + xj . . Soit (x1 . . . . . e Exemple 7. . xj−1 . . on a f (xτ (1) . . xn ) = 0. . . . xn ) ∈ E n . . Soit E = R2 et f : E 2 −→ R d´finie par si x = (x1 . pour chaque j. Si n = 1. . . . Soit E = R e 1 p y = (y1 . . D’o` u f (xτ (1) . . . e 93 . . . . On pose E n = E × . . . . . . . . e Remarque 7. . e e Proposition 7. y2 ) ∈ e E. . . x2 ) ∈ E et y = (y1 . . xτ (i) . on obtient : e f (x1 . xn ) est li´e. Si la suite (x1 . xn ). xn ) = 0 En utilisant encore le fait que f est altern´e. . a. xj . f (x. .8. 1. . . 1 ≤ j ≤ n. . Th´or`me 7. . y) = p xi yi . . . .. Autrement dit. xn )+ f (x1 . . . Si n = 3 on a la notion de forme trilin´aire. . xi . . . xn ) + f (x1 . xi . . f (x1 . On appelle forme n−lin´aire (ou forme multilin´aire ` n variables) sur E. xτ (n) ) = −f (x1 . xn ). . On a f (x1 . . e 3. Preuve. .5. xi . .j . e p (p ∈ N∗ ) et f : E 2 −→ R d´finie par si x = (x . xi + xj . . . . xi . . .10. . R) et soit l’application φ : E × E −→ (f. Si n = 2 on a la notion de forme bilin´aire. xn ) = 0 car f est altern´e.2 Formes miltilin´aires altern´es e e Soit E un K-e. xj+1 .4. xn ) + f (x1 . . si pour toute e e e n ayant deux vecteurs ´gaux x et x avec i = j. . suite (x1 . alors f (x1 . xn ) de n − 1 vecteurs de E. xj . et pour toute suite (x1 . xj+1 . e e e a une application f : E n −→ K telle que. Soit f une forme n−lin´aire altern´e sur E. . . . xj . . . xτ (n) = −f (x1 . . . Soit E = C([0. . . . . xn ) soit lin´aire. . . l’application fj : E −→ K d´finie par e f (x1 . x ) ∈ E et b. . . . . g) −→ R 1 0 f (x)g(x)dx φ est une forme bilin´aire sur E. . e i=1 D´finition 7. . si τ = τi. . 1]. xi . . . . . . .. . f est une forme bilin´aire altern´e sur E. etc. e 2. . La preuve r´sulte du Th´or`me 1 et de la proposition pr´c´dente. . xn ) une suite de e e e e n vecteurs de E. . . . .9. xn ) ∈ E e i j 1 n Exemple 7. . xn ) est chang´ en son oppos´ a e e quand on intervertit deux vecteurs xi et xj . . xj . . . .6. e En d´veloppant par n−lin´arit´ on a : e e e f (x1 . on retrouve la notion de forme lin´aire. σ ∈ Sn est paire si et seulement si σ est ´gale au produit d’un e nombre pair de transpositions. . . xj . . . . . . Pour n ≥ 2. . e e e c’est ` dire que pour toute suite (x1 . . x ) = 0.v. xn ) = −f (x1 . y) = x1 y2 − x2 y1 . . f (x. alors f est antisym´trique . . . . .11.j . .

. g(x1 .. . . on a 1 = detB (B) = detB (B )detB (B). . Si B = (e1 . xn ) = f (x1 ..j ei . . . xn ) une suite li´e..v..15. . . xn ) = detB (B )detB (x1 . Pour tout λ ∈ K. Soit f une forme n−lin´aire altern´e. xn ) = σ∈Sn ε(σ)aσ(1). D’apr`s le e e e e th´or`me 7. . . . . . xn ) ∈ E n e detB = detB (B )detB (x1 . . . . .. . . .... . . . . . Pour tout (x1 . . .. . 2. ... xn ) une suite de n−vecteurs de E.. Preuve.1 . xn ). Si xj = n ai.. .. xn ) = j=i λj f (x1 . detB (B)detB (B ) = 1 Preuve. xn ) si l’on ajoute ` l’un des a vecteurs xi une combinaison lin´aire des autres vecteurs de la suite.v. e e e 1 ≤ j ≤ n. 1.) on a ∀(x1 . . Alors i=1 f (x1 . ..14.. On ne change pas la valeur de f (x1 .... . detB (x1 ..Preuve. . . en ) une base e de E. Admis..13. e e 2.. .. e Th´or`me 7.aσ(n).xn )... .16... ... .. Soit f une forme n−lin´aire altern´e sur E. xn ) = B = (e1 . ... Si n = 1 B = (e1 ) ∀λ ∈ K d´tB (λe1 ) = λ. j=i λj xj ... xn ) dans la base B.. en ).5. Soit (x1 . Soit B = (e1 . xn ) est appel´ le d´terminant de la suite (x1 . Soit (x1 ... . e e De mˆme detB est une forme n-lin´aire altern´e sur E et detB (B ) = α... . . Soit E un K−e. de dimension finie n ≥ 1. . alors : e f (x1 . Alors : 1. . ... .. . en ) une base de E. aσ(n). . . . . e e Remarque 7.. .. . en ) deux bases de E. 94 . . Soit α = detB (B ) et soit g : E n −→ K d´finie par : si (x1 . .. . g est une forme n-lin´aire altern´e sur E et de plus g(B ) = α. . xj . sur un K−e. l’unique forme n−lin´aire altern´e f sur E telle que f (e1 .n car d´tB (e1 . Le e e e scalaire d´tB (x1 . 7. xn ) pour (x1 . E de dimension finie e e e e n. en ). xn ) = e αdetB (x1 . . . .3 D´terminant d’une suite de vecteurs dans une base e D´finition 7. en ) et B = (e1 .... D’apr`s 1.. Soit (e1 . .. i=1 detB (x1 . .. xj = n ai. . . xn ) une suite de n vecteurs de E. ..14 : g = detB . . telle que e e f (e1 . xn ) ∈ E n .. xn ) = σ∈Sn ε(σ)aσ(1). xj . 1.en ) = 1 est appel´e le e e e d´terminant dans la base B et not´ d´tB . xn ) = 0 Corollaire 7.j ei . . . . 2.. . et une seule. e Proposition 7. Soit (x1 . xn ) ∈ E n .. L’un au moins des vecteurs xi est combinaison e lin´aire des autres vecteurs de la suite : xi = j=i λj xj . Soit (x1 . en )=d´tB (B) = 1. en ) = λ. 1 ≤ j ≤ n.n f (e1 . il existe une forme n−lin´aire altern´e sur E. .1 . xn ) une suite e e de n vecteurs de E. . . ... . .

j |.j ∈ M(K) et λ ∈ K . . τ1.1 . 1. Th´or`me 7. j) ∈ M(K) et ∆ = |ai. Si n = 2 donc A est de la forme A = et S2 = {id.1 .n ou encore |ai.2 − a1. . Si σ ∈ Sn . detB (Cσ(1) .1 a2. .n .. On ne modifie pas la valeur de ∆ en ajoutant ` une colonne une combinaison lin´aire a e des autres colonnes.4 D´terminant d’une matrice carr´e e e D´finition 7.. . On a les r´sultats suivants : e e e 1. . ∆ = detB (C1 . on a det(λA) = λn detA Th´or`me 7.18 d´coule du fait que le d´terminant est une forme multil´aire e e e e e altern´e.aσ(n). . . D´terminant d’une matrice triangulaire : soit A = (ai. Si n = 3. A = a31 a32 σ1 = 1 2 3 2 3 1 det(A) = a11 a22 a33 + a21 a32 a13 + a31 a12 a23 − a21 a12 a33 − a31 a22 a13 a11 a32 a23 .. Preuve. τ2.20. τ1 .  a11 a12 a21 a22 3. e 95 . . . a2.j | = detA. ε(σ)aσ(1).. Cn les colonnes de A.n . an. .. τ2 } avec a33 et σ2 = 1 2 3 3 1 2 ε(σ1 ) = ε(σ2 ) = 1. Cn ) de ses vecteurs colonnes dans la base canonique de Kn .1 On a donc detA = σ∈Sn a1.5 Propri´t´s et calcul des d´terminants e e e Soit A = (ai . Cσ(n) ) = ε(σ)∆...1 a1. Soit A = ai. donc detIn = det(e1 . 4. Exemple 7.3 . Soit A = ai.2 2. Le th´or`me 7. . . on pose C1 . . τ1. inf´rieure) e e n det(A) = a11 .n a2.. en ) = 1. 4..18. . e 7.8.7.2 . a1.2 a2. le e e determinant de la suite (C1 .2 .1 a2.j ) ∈ M(K) une matrice triangulaire e sup´rieure (resp.. ses vecteurs colonnes sont les vece teurs de la base canonique de Kn .2 }.2 ... . .1 .2 . . an. .3 .. e Corollaire 7. Cn ) d´pend lin´airement de chaque Ci .ann = i=1 aii . Le d´terminant d’une matrice carr´e est ´gal au d´terminant de sa matrice e e e e e e transpos´e... Soit I la matrice unit´ d’ordre n. a1.17.. an..7.j ∈ M(K). . Le d´terminant de A = ai.19. (B base canonique de Kn ) e e 2.j ∈ M(K) est aussi not´ : e e a1.2 det(A) = a1. τ1. Voir s´rie d’exercice N o . .. ..  a13 a23  et S3 = {id. Si Ci = Cj avec i = j. a2. On appelle d´terminant de A et on note det(A). 3.1 a2. alors ∆ = 0.

n = 1 et bi.1 .k  .Preuve. Cn les vecteurs colonnes de la matrice A : ck =  . ..j ) avec bi. On ape e pelle mineur du coefficient ai.n . 1 ≤ j ≤ n. Quel que soit l’indice j.. vn−1 .j .j = aj.. (b1.bσ (n−1).k pour 1 ≤ k ≤ n..j |. L’application ϕ : Sn −→ sn d´finie par ϕ(σ) == σ −1 est une bijection. .n-1} d’un seul σ ∈ Sn ... On a donc detB (v1 . Premi`re ´tape : Soit v1 .18 s’´tendent aux lignes de la matrice A. ..n = ε(σ −1 )b1. en ) = ε(σ)bσ(1). n−1 vecteurs de Kn avec vj = n bi.  a1.bσ (n−1).j de la matrice Ai. Enfin....bn. a e e 2.n−1 ..bσ(n).. la restriction de σ ` {1... on a ∆ = n (−1)i+j ∆i. et detAt = σ∈Sn ε(σ)bσ(1). a e Preuve.1 .. Si σ(n) = n. . σ∈Sn Si σ(n) = n.1 . 1 ≤ j ≤ n.. an..6.. Soit A = (ai. 96 σ∈Sn−1  .j ) ∈ M(K)n ≥ 2 et le d´terminant ∆ = detA = |ai..bσ(n). e 1.bσ(n). e dans A. en ) la base canonique de Kn .j (c’est le d´veloppement i=1 de ∆ par rapport ` la j`me colonne).. vn−1 ... tel que a σ(n) = n.  Deuxi`me ´tape : Soit C1 .n .aρ(n).j (c’est le d´veloppement j=1 de ∆ par rapport ` la i`me ligne)..21.. 1 ≤ i ≤ n. Or ε(σ)bσ(1). j) ∈ M(K).. bn..j le d´terminant ∆i. Soit ∆ = |ai.n = detA. C2 ...1 .. e e e e D´finition 7. 1 ≤ i ≤ n..σ−1 (n) (car ε(σ) = ε(σ ) et si i = σ(j) on a j = σ −1 (i).22.. On a detB (v1 . Soit A = (ai .σ−1 (n) = σ∈Sn ε(σ −1 )aσ−1 (1).j ai.j ai.σ−1 (1) ..1 . donc e detAt = ρ∈Sn ε(ρ)aρ(1). ..1 .1 . et e e e a ∆i.n = 0. ` coefficients dans K. vn−1 . ..bn. on a bσ(n).... D’apr`s le th´or`me 7.n .bσ(n). la i`me ligne et la j`me colonne. Quel que soit l’indice i.i . .) Ainsi : detAt = σ∈Sn ε(σ −1 )b1.. e e i=1 Posons bn..j le mineur de ai. 1 ≤ i ≤ n. e e e Soit B = (e1 . v2 .  e e ..j obtenue en supprimant. 1 ≤ j ≤ n−1..n = ε(σ )bσ (1). e e Th´or`me 7.σ−1 (1) .n−1 . on a ∆ = n (−1)i+j ∆i.20 il suffit de prouver le premier point.n sont les coordonn´es du vecteur e en de la base B).n = 0 pour 1 ≤ i ≤ n − 1..j | un d´terminant d’ordre n ≥ n. tout σ ∈ Sn−1 est la restriction ` {1.n ..1 . et d’un seul. 1 ≤ j ≤ n. Remarque 7.j ei .aσ−1 (n). en ) = ε(σ )bσ (1).. Les r´sultats du th´or`me 7. On a At = (bi. n − 1} est un ´l´ment a ee σ de Sn−1 et on a : ε(σ)bσ(1)...

k    Ck =  ai−1. Cn . Or on a par ´change de colonnes. . Cj+1 .. 7. ei .. par ´change de la i`me ligne et de la n`me. Cj+1 .23. donc c’est une base de E qu’on note B .. . . ei . on a rg(A) = n ⇐⇒ detA = 0.. . Cn . Cj−1 . xn ) = 0. k = j. . D’o` finalement : u detA = i=1 n (−1)i+j ai.. . .. . .On a : n n det(A) = det(C1 . . D’apr`s la proposition 7... Cj−1 .     . . ... .1 Applications des d´terminants e Ind´pendance lin´aire de n vecteurs dans un e. . en appliquant l’´tape 1) ` la suite e a (v1 .. en ) D’une part. . on a (−1)n−j+n−i = (−1)i+j .. . Cj−1 . . i=1 ai. . ei ).k  1 ≤ k ≤ n. e detB (C1 . . . e2 . on a (d’apr`s section I) detB (x1 . Cj+1 . Cn ). Cj+1 ..j . Cn ) = (−1)i+j ∆i. . puisque detB est une forme multie lin´aire al´rn´e. . Supposons que (x1 . . Donc : detB (C1 ..j ∆i. Cj−1 . Cj−1 .   .. Cj+1 . Corollaire 7.    ai−1. o` u  a1. Cn ) = (−1)n − jdetB (C1 .S. ..... . . de dimension n e e Th´or`me 7... . d’autre part. ... xn ) = 0. 97 .24.. .j ei . xn ) ∈ E n soit libre.6 7... par suite. .k  ai. . xn ) soit li´e. il faut et il suffit que detB (x1 .. Cj+1 .. .    an. .. Cj−1 .j .. . .k   . Soit E un K... . en ).detB (B ) = 1. .. La suite (x1 . nous obtenons : detB (C1 . . . .N. . Donc detB (B ) = e detB (x1 . Cj+1 . . xn ) est libre dans E et contient n vecteurs. . Preuve.. .k  . ei ) = (−1)n−i detB (C1 ..... . e e e e C.e.. Si A ∈ Mn (K). Cj−1 . on obtient : e e e detB (C1 . . . . Cn ) = i=1 ai. Pour que la suite (x1 . . . .   . C. Cj+1 . Cn−1 ). . en ) une base e e de E.v.. xn ) = 0. ei .16 detB (B).vn−1 = (C1 .. . Cn .. .. ei . .. . . Cn ) = (−1)n−j+n−i detB (C1 .j detB (C1 . . Cj−1 . de dimension finie n ≥ 1 et B = (e1 . . alors. Cn . .v.6.

. et g(x1 . xn ) ∈ E n . ... xn ). .. ϕ(xn ))) f et g sont deux formes multilin´iares altern´es..... et D´finition Soit E un K−espace vectoriel de dimension n ≥ 1. D’o` l’unicit´. on ait detB (ϕ(x1 ). et une seule. ϕ(xn )) = Cϕ detB (x1 .... xn )) = Cϕ detB (x1 . .. en )....... ϕ(xn )) = αdetB (x1 . .. .. Ind´pendance de la base de E : Soit B une base quelconque de E...16. xn ) ∈ E n .. on ait e detB (ϕ(x1 . 98 . ... . .. xn ).... ϕ(en )) = α. ϕ(xn )) = αdetB (x1 . ... .. . On prend Cϕ = α.. u e Existence : Soit B = (e1 . Posons α = detB (ϕ(e1 ).7. en ) = Cϕ = Cϕ .. detB (ϕ(x1 ). . et g(e1 . en )) = αdetB (e1 .. Il existe une constante Cϕ ∈ K. e2 ....2 D´terminant d’un endomorphisme e Th´or`me 7.. en ) = Cϕ detB (e1 ...... .... xn ). . .. en ) = α D’apr`s le th´or`me 7.25. xn ) ∈ E n .. .. e e f (e1 . D’apr`s e e la proposition 7. ... . . xn ) = αdetB (B )detB (x1 ... .. xn )... on a : detB (ϕ(x1 ).... en ) une base fix´e dans E. ϕ(xn )) = αdetB (x1 ..... .. ..6. xn ) = Cϕ detB (x1 .14 on a f = g.... xn ).. telle que pour toute base B = (e1 . . ϕ(en ))... .. xn ). .. e e Preuve. .. xn ) = detB (x1 .. on a detB (ϕ(e1 . . ϕ(xn )) = detB (B )detB (ϕ(x1 ).. On obtient : detB (ϕ(x1 ).. . .. De plus. xn ) = detB (ϕ(x1 .. e Soit f et g deux applications de E n dans K d´finies par : e f (x1 . Soit ϕ ∈ e e e L(E).. xn ) = (e1 . .xn ) = αdetB (x1 ...... .. La constante Cϕ est appel´e le d´terminant de l’endomorphisme ϕ et se note detϕ. Donc : e e e ∀(x1 ... . ϕ(xn )) et detB (ϕ(x1 )... Ce qui termine la preuve.. En particulier pour (x1 . en ) = detB (ϕ(e1 ). en )) = Cϕ detB (e1 . .. . En simplifiant par detB (B ) = 0..... en ) de E et toute suite (x1 ..... Unicit´ : Soit Cϕ et Cϕ ∈ K telles que pour toute suite (x1 .

le d´terminant de toute matrice carr´e obtenue e e e en supprimant dans A..29. Preuve. . Donc (ϕ(e1 ).26.j et bi.. . Si B = (e1 . . ai1 . A = (ai. .j1 aik . On a B t .v. 7.v. .6.27. ϕ(en )) = 0.. .In .j2 . 1 ≤ j ≤ n.jk o` 1 ≤ i1 < i2 < . . ... 1 ≤ i ≤ n . alors detA−1 = detA . de dimension n ≥ 1. ϕoψ(en )) detB (ϕ(ψ(e1 )).j1 ai2 . Th´or`me 7. on a : ϕ est un automorphisme de E ssi detϕ = 0.. . 1 2..jk ai2 .j e le cofacteur de ai.B t = (detA). Si ϕ ∈ L(E) et ψ ∈ L(E). Voir TD. .. Soit ϕ ∈ L(E). Le d´terminant d’un endomorphisme ne d´pend pas de la base de e e E. 2. aik .j ) ∈ Mn (K) . ϕ ∈ L(E) automorphisme de E ⇐⇒ det(ϕoϕ−1 ) = detϕ.A = A.. . ϕ(ψ(en ))) = detϕdetB (ψ(e1 ). e e 1. aik .j ) ∈ Mn (K) et B sa comatrice. . Donc 1 detϕ−1 = detϕ Corollaire 7.detB.. alors : detϕ−1 = detϕ . 1.4 Calcul du rang d’une matrice D´finition 7. de dimension n et ϕ ∈ L(E). Si A est inversible : A−1 = detA B t . 2. 1. < ik ≤ p et 1 ≤ j1 < j2 < .j1 ai1 .. .3 Calcul de l’inverse d’une matrice carr´e inversible e D´finition 7. .28. Preuve. en ) est une base de E et si A est la matrice de ϕ dans la base B. ∆i. < jk ≤ n.. Par suite. A est inversible ssi detA = 0...7.j2 . detϕoψ = detB (ϕoψ(e1 ). . . . 1 Si A ∈ Mn (K) est inversible.. 7. Soit A ∈ Mn (K) et B ∈ Mn (K). ϕ(en )) est une base de E..j ) ∈ Mp. u 99 .30. Soit E un K−e. 2. Soit A(ai. 1 Si ϕ ∈ L(E) est un automorphisme de E.. On e appelle d´terminant d’ordre k extrait de A. n}... . Soient A = (ai.. alors det(ϕoψ) = detϕ. on a : det(AB) = detA..n (K) et soit k un entier tel que 1 ≤ k ≤ inf {p. 1. La matrice B = (bi. ψ(en )) = detϕ .. Th´or`me 7.j ) ∈ Mn (K) est appel´e la e comatrice de A et on note B = comA. ai2 . on a detϕ = detB (ϕ(e1 ). .detψ. detB (ϕ(e1 ).j le mineur de ai.j . Soit A ∈ Mn (K).detψ 2.detϕ−1 = detIE = 1.. e e 1..Remarque 7. . . . Soit ϕ ∈ L(E) un automorphisme de E. Soit E un K−e. ϕ(en )) = detA. . .j = (−1)i+j ∆i.. c’est ` dire tout d´terminant de la a e forme : ai1 .jk . p − k lignes et n − k colonnes.j2 .6.

.......n (K) et soit ρ le plus grand entier k ≤ inf {p........... Soit A = (ai.....Th´or`me 7..... Preuve... Laiss´e en exercice...31... n} tel e e qu’il existe un d´terminant non nul...... d’ordre k..... e Alors rg(A) = ρ...................j ) ∈ Mp........ extrait de A... e . 100 ..........

e 1) D´montrer que si f est aussi une forme bilin´aire sur E. (a. B = (e1 . e e Dans quels cas est-elle alt´rn´e ? e e Exercice 5. ε(τ ) = −1. En d´duire ε(σ). 3) Soient B et B deux bases d’un K−espace vectoriel E de dimension finie ≥ 1. e3 ) une base de E. z). Soit f une forme lin´aire sur l’espace vectoriel produit E × E.an.. e2 + 2e3 . et soit l’application g : E × E −→ K d´finie par e e g(x.7 Exercices Exercice 1.n = i=1 n ai. y. En d´duire explicitement ε(σ) pour toute σ e de S3 . en fonction de f (e1 .j ∈ Mn (R) telle que bi.1 a2.1 b2. 5 5 0 2) Soit E un K−espace vectoriel de dimension 3.i . f une forme trilin´aire alt´rn´e sur E. Exercice 3. Alors f est nulle. Soit A = (ai.2 .j ) ∈ Mn (R) telle que ai. Soit E un K-espace vectoriel. y) ∈ E × E. 1) Montrer que ε(Id) = 1. 2) D´duire que si B = bi. 1 2 3 4) Soit σ ∈ S3 d´finie par σ = e . Calculer f (2e1 − 3e2 . z = ce1 + ae2 + be3 . 1) Calculer le d´terminant ` coefficients r´els e a e 2 3 1 2 7 8 . Calculer detB (x. c) ∈ K3 et les vecteurs x = ae1 + be2 + ce3 .j = 0 pour i > j. e2 . e3 trois vece e e teurs de E.. Montrer que σ peut s’´crire comme la compos´ e e 2 3 1 de deux tranposition bien choisies.2 .n = i=1 bi. y) = ϕ(x)ψ(y). e2 .j = 0 pour i < j.7. y = be1 + ce2 + ae3 . e2 . Exercice 6. b. et e1 . 2) Montrer que pour toute transposition τ ∈ Sn . On note ε(σ) la signature de σ ∈ Sn (n ∈ N∗ ). 3)Calculer explicitement ε(σ) pour σ de S2 . pour tout (x. 101 . Exercice 2. e 5) calculer σoσ pour σ de 4) et calculer ε(σoσ).. e e 2) Soit ϕ et ψ deux formes lin´aires sur E. e1 − 2e2 + 4e3 ) . e3 ). alors : e n det(B) = b1.i .. et soit P la matrice de passage de B ` B .bn. V´rifier que g est une forme bilin´aire sur E. a Montrer que detB (B ) = det(P ) Exercice 4. 1) Montrer que det(A) = a1.

a a a + x1 a . −a 2b b  1 −1 1 1) Soit B =  1 −1 −1 .. . c) ∈ R3 . Exercice 10. a + xn = 0. .. . a .. . + ).. b. On consid`re les endomorphisme fa de R4 . .. .. dont les matrices e e e e Aa dans la base canonique sont donn´es par : e   1 a 1 a  a 1 a 1   Aa =   1 a 1 a  ∈ M4 (R). Montrer que B est inversible et calculer B −1 . a a a + x2 .. . .... e  a A= a −b Exercice 9. x2 . .. 1) Calculer le d´terminant. ..... . .4 (R)... . a + xn Exercice 8. .. . a a a + x2 ... . .Montrer que si (a. −1 −1 −1 2) Soit a un nombre r´el. = x1 x2 . e a a a .. . . xn ) = 2)Etablir l’´galit´ : e e a + x1 a . . . . e e 102 . a . . x1 xn trouver le rang de la matrice :  b a 1 2b 3a 2  ∈ M3. . d´pendant d’un param`tre r´el a. En d´duire le d´terminant de Aa . ∆n+1 (x1 . . En utilisant des d´terminants extraits. . ... a 1 a 1 1) Quel est le rang de Aa et de fa ? (Discuter suivant les valeurs de a). pour tout n ∈ N∗ .xn (1 + a a + . . calculer l’inverse de la matrice : e C= cosa −sina sina cosa . 1 1 1 a b c b+c c+a a+b Exercice 7.

..... 2. c des r´els non nuls. . . . b. . n} o` n ∈ N∗ . . . e e 2) Si fm est l’endomorphisme de matrice Am dans une base de E . Calculer det(u)..... ee e e Soient a1 . an−1 1 a2 a2 2 . an ) = (Indication : montrer par recurrence sur l’entier n que V (a1 . En utilisant les formules de Cramer.. pour quelles valeurs de −1 m. −m 0 1 On consid`re les matrices Am =  2 m 1  ∈ M3 (R). Exercice 14.. . 1 an a2 . an−1 n n Exercice 11. .. . . e 103 .. . an n ´l´ments de R . a1 1 2 . fm est-il un automorphisme ? d´terminer dans ce cas la matrice de fm . . Soit n un ´l´ment de N∗ . . Soit a. ... 2.. u 1. . D´duire le rang de Am . Calculer le d´terminant de Vandermonde : ee e n−1 1 a1 a2 .  Vn = V (a1 . sup´rieur ou ´gal 2. Soit s une permutation de {1. an ) = 1≤i<j≤n (aj − ai )). Montrer que u est inversible et d´terminer det(u−1 ). e 1 1 2 1) Calculer le d´terminant de Am . Soit u l’endomorphisme de Rn d´fini par : u e u(ei ) = es(i) o` B = {ei /1 ≤ i ≤ n} est la base canonique de R. .. e a r´soudrele syst`me : e e  a  x+y+z = ax + by + cz = ab  x y z 1 a + b + c Exercice 13... e Exercice 12. . deux ` deux distincts.

α = 0. k ∈ N. ea En effet. e Remarque 8. etc.1 Introduction Soit E un K− espace vectoriel et f un endomorphisme de E. si elles existent. Mf e 8. et seulement si Ker(f − λId) = {0}.2. 2.x. en effet. 104 . Le scalaire λ (qui d´pend de x) est unique . αx est aussi e a vecteur propre associ´ ` λ. car f (αx) = αf (x) = αλx = λ(αx). Soient E un K − e. λ ∈ K est une valeur propre de f si. si x est un vecteur propre associ´ ` λ. e f (x) = λx = λ x.D´terminer.Chapitre 8 ´ REDUCTION DES ENDOMORPHISMES 8.Caract´riser les endomorphismes diagonalisables e 2.. l’objectif est de chercher des bases de E dans lesquelles la matrice de l’endomorphisme f soit la plus simple possible comme par exemple une matrice diagonale. tel que f (x) = λ. λ ∈ K est une valeur propre ⇐⇒ ∃x = 0 tel que f (x) = λx ⇐⇒ f (x) − λId(x) = 0 ⇐⇒ x ∈ Ker(f − λId) ⇐⇒ Ker(f − λId) = {0}. Dans ce cas x s’appelle un vecteur propre associ´ ` la valeur propre λ. implique (λ − λ )x = 0 et donc. ea Remarque : 1. Dans ce chapitre. s’il existe x ∈ E avec x = 0.1. Si λ ∈ K est une valeur propre de f . Autrement dit (f − λId) n’est pas injective. λ = λ . les bases dans lesquelles la matrice de f est diagonale. quelconque et f ∈ Lk (E).. puisque x = 0. un vecteur propre associ´ ` λ n’est pas unique. ea Proposition 8.2 Vecteurs propres et valeurs propres d’un endomorphismes : D´finition 8. On dit que λ ∈ K est une e valeur propre de f . sible de certains calculs comme par exemple : d´t Mf . et si α ∈ K.v. Preuve. Le probl`me consiste ` : e a 1.1. L’int´rˆt de travailler avec des matrices diagonales est la r´alisation pose e e k .

..e.v. du polynˆme caract´ristique Pf . Remarque : 1.D´finition 8. Donc Ker(f ) = C. dans K.2. e Si P ∈ C. E de dimension finie. Proposition 8. La seule valeur propre de f est donc λ = 0 et le sous espace propre associ´ ` la valeur propre ea λ = 0 est Ker(f ) = C.. ea On note Eλ = Ker(f − λId). D’apr`s la proposition 8. et on note e o e Pf (X) (ou Pf ). du polynˆme caract´ristique Pf (X). λ ∈ K est valeur propre de f si et seulement si l’endoe morphisme f − λId n’est pas injectif. D’apr`s la proposition 8.8. de dimension finie. dans K. Soit f un endomorphisme d’un K-e. P = 0. + Eλm est direte.Si α = 1. ce qui ´quivaut.7.4... Donc f (P ) = λP . E ´tant de dimension finie. 8. etc. Exemple Soit E = C[x] et f ∈ Lk (E) d´finie par : e f: C[x] −→ C[x] . De plus f (P ) = 0 implique P ∈ C. Polynˆme caract´ristique o e D´finition 8. On appelle polynˆme caract´ristique de l’endomorphisme f . Si λ = 0 et P = 0.. on a det(f − λId) = det(A − λIn ) = Pf (λ). et λm des valeurs propres deux ` deux distinctes de f . la valeur propre λ est dite simple .si α = 2. Si A est la matrice de f dans une base B et si λ ∈ K.. . Le polynˆme caract´ristique de l’endomorphisme f est un polynˆme ` coefficients dans o e o a o 9) K. de degr´ n = dimE (voir EX. A ecrire. o` A est la matrice o u de f dans une base quelconque de E. a Preuve. Soient f un endomorphisme de Eet λ1 .. ` f − λId e e a n’est pas automorphisme. on a λP = 0. Si λ ∈ K est une valeur propre de f . . la valeur propre λ est dite double. Cette derni`re condition ´quivaut ` e e a det(f − λId) = 0.6.1 Calcul des valeurs propres. e e .5.. le polynˆme Pf (X) = det(f − λId) = det(A − λIn ).... e D´finition 8.. Th´or`me 8. Si λ est racine . e e Les valeurs propres de f sont les racines.2. l’entier α est appel´ la multiplicit´ de la valeur propre λ.. on a P = 0 et f (P ) = 0 .3. Proposition 8. et seulemnt si det(f − λId) = 0. Dans toute la suite E est un K. Alors la somme Eλ1 + Eλ2 + ... λ2 . Or P = 0 ou do P = do P − 1. de multiplicit´ e o e e α ≥ 1.v. On a do (λP ) = do P . P −→ P Montrons que λ = 0 est la seule valeur propre de f et d´terminons E0 . λ est valeur propre de f si et seulement si Pf (λ) = 0.6. λ ∈ K une valeur propre de f si. Ker(f − λId) est appel´ le sous-espace e e propre de f associ´ ` la valeur propre λ.1 s´rie N e e 105 . o e Preuve.. Preuve. donc λ = 0 est valeur propre de f .

.  =  . Remarque : Une fois les valeurs propres calcul´es. e On a Pg (X) = X 2 + 1 = (X − i)(X + i) et g admet les valeurs propres simples i et −i. u ea En effet.λp . . . les valeurs propres de f sont λ1 .  −4 0 −2 Soit la matrice A =  0 1 0  .. −4 − λ 0 −2 0 1−λ 0 det(A − λId) = 5 1 3−λ = (−4 − λ)(1 − λ)(3 − λ) + 10(1 − λ) = (λ − 1)2 (λ + 2). e e e a 3. −X −1 1 −X = X 2 + 1.2.. . on d´termine les vecteurs propres en r´solvant le e e e syst`me lin´aire homog`ne suivant : e e e     x1 0  . X v. D’apr`s le th´or`me de factorisation dans C[X]. o` les λi sont des nombres complexes deux ` deux distinctes et les αi des entiers u a sup´rieurs ou ´gaux ` 1. dont la matrice dans la base canonique est : A= On a : Pf (X) = det(A − XI2 ) = 0 −1 1 0 . d’apr`s le th´or`me de d’Alembert.. xn 0 o` (x1 . ⇐⇒ X = 0 et X ∈ ker(A − λIn ). et s’il admet des valeurs propres multiples. de multiplicit´s α1 .αp .  . . + αp = do Pf (X) = n = dimE Attention : Ceci est faux si K = Q ou R. la somme de leurs multiplicit´s est inf´rieure ou ´gale ` n. 5 1 3 Cherchons les valeurs propres de A. e e a e et on a α1 + . xn ) est un vecteur propre associ´ ` la valeur propre λ. au moins e e e une valeur propre. . e Exemple : Soit f l’endomorphisme du R-espace vectriel R2 . Consid´rons l’endomorphisme g du C-espace vectoriel C2 dont la matrice dans la base e canonique est cette mˆme matrice A..  (A − λIn )  . l’endomorphisme f admet.   . on a : e e e Pf (X) = (λ1 − X)α1 .. f n’admet pas n´cessairement de valeur propre.(λp − X)αp . f n’admet pas de valeur propre. p. Si K = C. Il r´sulte de la remarque pr´c´dente et des propri´t´s des polynˆmes que l’endomore e e ee o phisme f admet au plus n valeurs propres distinctes... Si E est un (Q ou R)-espace vectoriel de dimension finie n ≥ 2. 106 Exemple :  . .

. 2 2 V1 = (1.e. . g = f /Eλ . 0. 1)/x ∈ R}. −x)/x ∈ R} = {x(1. 107 .  u . donc il existe Q ∈ K[X] tel e e que : Pf (X) = (X − λ)α Q(X) et Q(λ) = 0. on a : e dimK Eλ ≤ α D´monstration : On a λ est racine de multiplicit´ α de Pf . a Soit (e1 . −5 ) engendre E1 donc dimE1 = 1. 0.2 Sous-espaces propres Th´or`me 8. Alors dimK Eλ = dim ker(f − λI) = n − r o` r d´signe le rang u e de la matrice (A − λIn). et soit λ une valeur propre de f . 0. y=0 x+z =0 V2 = (1. Soit y = f (x). ep ) une base de Eλ . Alors. . 1) engendre E−2 .10. 8. 0. y=0 5x + y + 2z = 0 −5 −5 x)/x ∈ R} = {x(1. Touvons l’ensemble des vecteurs propre de A. ∗ Montrons que Eλ est stable par f (i. : e e Soit f un endomorphisme d’un K-espace vectoriel E de dimension n ≥ 1 et soit A la matrice de f dans une base B de E.2. donc y ∈ Eλ .e.  (A − λI)X = 0 o` x =  . 0. Soit g u la restriction de f ` Eλ i. D´monstration : On a d’apr`s le th´or`me noyau-image : e e e e dim Ker(f − λI) = n − dim Im(f − λI) = n − rg(f − λI) = n − rg(A − λIn ) = n − r Th´or`me 8. Cela revient ` r´soudre le syst`me lin´aire a e e e   x1  .9. On a ∀x ∈ Eλ f (x) = λx. xn Pour λ = 1. alors g ∈ LK (Eλ ). de multiplicit´ α. f (Eλ ) ⊆ Eλ ). )}. cherchons E−2 :   −2x − 2z = 0 3y = 0 (A + 2I)x = 0 ⇐⇒ ⇐⇒  5x + y + 5z = 0 Donc E2 = {(x. : e e Soit f un endomorphisme d’un K-espace vectoriel de dimension finie n ≥ 1. 2 Pour λ = −2. o` x ∈ Eλ donc f (y) = f (f (x)) = f (λx) = λf (x) = λy. donc dimE−2 = 1. 0. Soit p = dimK Eλ .On a deux valeurs propres λ = 1 qui est une valeur propre double et λ = −2 une valeur propre simple. . cherchons E1 :   −5x + 0y − 2z = 0 0x + 0y + 0z = 0 ⇐⇒ (A − I)X = 0 ⇐⇒  5x + y + 2z = 0 Donc E1 = {(x.

0  .. En groupant les facteurs du premier degr´ ´gaux..(λp − X)αp . On dit que f est diagonalisable s’il existe e une base de E dans laquelle la matrice de f est diagonale. 0 λ − X On sait d’apr`s T.... s’il existe une base B = (e1 . . µi ∈ K. 1 ≤ i ≤ n. Donc Pg (x) =   . 8.3 Diagonalisation On suppose que E est un K-espace vectoriel de dimension finie n ≥ 1. Proposition 8.4 G´n´ralit´s e e e D´finition 8.(µn − X). a On a Pf (X) = det(D − XIn ) = (µ1 − X). . Alors la matrice de f dans une telle base est une e matrice diagonale dont les coefficients diagonaux sont les valeurs propres de f . D’o` u  M at(g. . . . et la matrice de f dans la base B est la matrice diagonale 108 . Corollaire : Soit f un endomorphisme d’un K-espace vectoriel de dimension finie. Pour que f soit diagonalisable. . en ) de E constitu´e de vecteurs propres de e f .  .. e R´ciproquement.. .. e e a e D´monstration. on a ee Pf (X) = (λ1 − X)α1 . 0  . que Pg /Pf par suite. on a f (ei ) = µi ei . .  . et les coefficients µi sont les valeurs propres de f . 1 ≤ i ≤ n. (e1 . donc Q et (X − λ)p sont premiers entre eux. . . e (X − λ)p /(X − λ)α . 0        = (−1)p (x − λ)p   0 λ λ − X 0 . 8. 0 .  .D. 0 . . ..   D= ..Q Q(λ) = 0. . . . ep )) =   λ . on a dim Eλ = 1.. on a f (ei ) = µi ei . . . . en ) une base de E dans laquelle la matrice D de f est diagonale :   µ1 0 . . 0 µn Alors. . 0 0 .. . donc d’apr`s le th´or`me de Gauss e e e p divise (X − λ)α et par suite (X − λ) p ≤ α. 0  ...  . . chacune ´tant e ´crite un nombre de fois ´gal ` sa multiplicit´. .   0 . .. et ei . . soit B = (e1 .11. qui non nul. Si λ est valeur propre simple de f .. .  . e Si f est diagonalisable.. .. . pour 1 ≤ i ≤ n. il faut et il suffit qu’il existe une base de E constitu´e de vecteurs propres de f ... est un vecteur propre de f associ´ e ` la valeur propre µi ... Soit f un endomorphisme de E.12. .

. . Bp ) est une base de E = F et e c’est une base de E constitu´e de vecteurs propres de f .. u i=1 Alors : p dim Ei = dim F = dim E = n i=1 (b) =⇒ (c). telle que la matrice P 8. D’apr`s la proposition 8. admettant des valeurs propres. on a ej ∈ ∪p Ei ⊂ F d’o` E ⊂ F et E = F . Soit λ1 .. Cette condition n’est pas n´cessaire comme le montre l’exemple suivante : e soit l’homoth´tie vectorielle f : x −→ λx .. f ´tant diagonalisable. p dim Ei = n implique dim F = dim E et donc E = F = p Ei . o` dim E = n. u D´monstration. e On a d’apr`s le corollaire. Donc p 1≤i≤n dim Ei = n i=1 Par suite f est diagonalisable. Soit A ∈ Mn (K). et soit Ei = Ker(f − λi I) le sous-espace propre associ´ ` la valeur propre λi .15.. corollaire. D’apr`s le th´or`me ? du e e e e i=1 i=1 chapitre ?.14. Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie e e n ≥ 1. soit B = (e1 ..5 Caract´risation des endomorphismes diagonalisables e Th´or`me 8. Pf (X) = det(λIn − XIn ) = (λ − X)n et λ est valeur propre e de f de multiplicit´ n.. p (b) i=1 dim Ei = n(= dim E) . c’est-`-dire s’il existe une matrice P ∈ Mn (K). a a −1 AP soit diagonale. . Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E). 1 ≤ i ≤ p. (c) E = p Ei . i=1 i=1 (c) =⇒ (a).. e dim Ei = 1. alors f est diagonalisable. dans Mn (K). e Posons F = p Ei . (B ..2. inversible.4. Ce corollaire donne une condition suffisante pour qu’un endomorphisme soit diagonalisable.. Cependant. . Si f admet n valeurs propres distinctes. e e Pour que f soit diagonalisable il faut et il suffit : 109 . sa matrice dans n’importe e quelle base ´tant λIn . Remarque 8. dim F = p dim Ei et si Bi est une base de Ei . F = p Ei . ` une matrice diagonale.ci-dessus. D´finition 8. λp . en ) une base de E constitu´e de vecteurs e e propres de f . toutes les valeurs propres distinctes de f . f est diagonalisable. B = (B1 . i=1 D´monstration.. . Bp ) est une i=1 base de F .. (a) =⇒ (b). e Th´or`me 8. Pour 1 ≤ j ≤ n. 1 ≤ i ≤ p. si elle est seme blable. Alors les e a assertions suivantes sont ´quivalentes : e (a) f est diagonalisable . e Donc f est diagonalisable. On dit que A est diagonalisable sur K.13. Bi ´tant une base de Ei .

(λp − X)αp . (Attention e Il faut respecter le mˆme ordre des valeurs propres mises dans D). nous donne l’ensemble des vecteurs V solutions et nous e donne ainsi une base du sous-espace propre Eλ associ` λ. On se e e e e e place dans ce cas pour la suite.. e e e e faite par une m´thode ou une autre. Ce sont les e o valeurs propres. La r´solution. si Pf ne e v´rifie pas la condition (1) du th´or`me 5.Recherche des valeurs propres On calcule Pf (X) = d´t (f − XId) puis on cherche les racines de ce polynˆme. on calcule d´t(A − XIn ). alors f n’est pas e e e e diagonalisable. C. e a e ♣ La matrice de passage s’obtient en mettant en colonne les vecteurs propres trouv´s. f est diagonalisable. .. Voir Exercice 5. u ee a (2) dimK Eλ i = αi .. e i=1 B = (B1 . on proc`de comme suit : e A..(1) Pf est scind´ sur K i.. on r´sout le syst`me (A − λIn )V = 0. Diagonaliser f . alors.e.e. puisque E = ⊕p Eλ i . Pf n’est pas scind´ sur K. si la condition (2) du th´or`me 5 est ´galement r´alis´e. Chaque valeur propre apparait un nombre de fois ´gal ` sa multiplicit´. e On essayera. Alors.. Bp ) est une base constitu´e de vecteurs propres de f et dans cette base B . a On d´termine la dimension de chaque sous-espace propre Eλ = ker(f − λId). Pratique de la diagonalisation Pour diagonaliser une matrice ou un endomorphisme. e Pour chaque valeur propre λ trouv´e. la e matrice de f une matrice diagonale D. c’est trouver une base B de E dans laquelle la matrice de f est diagonalisable. autant que possible. B. 110 . Preuve. on d´termine une base Bi pour 1 ≤ i ≤ p . ♣ On obtient la matrice D en mettant sur la diagonale les valeurs propres de f . e ♣ Les matrices A et D sont li´es par la relation : e D = P −1 AP ⇔ A = P DP −1 . e Pf (X) = (λ1 − X)α1 . On a e dimEλ = n − rg(A − λIn ).Recherche des sous-espaces propres Supposons que Pf est scind´ sur K. 1 ≤ i ≤ p.Recherche d’une base de vecteurs propres Dans chaque Eλ i . Pour une matrice A. i. o` les λi sont des ´l´ments ( deux ` deux disticts) de K. de calculer Pf en factorisant d´t (A − XIn ) .

c’est trouver une base de E dans laquelle la matrice de f est triangulaire.. On r´sout le syst`me : ea e e  0  9x +9z = −3x +0y+ −3z = 0 ⇔ x + z = 0. Soit f un endomorphisme de E et A ∈ Mn (K). inversible. e 8. 1.. si elle est semblable.. en prenant x et y comme inconnues principales et z comme inconnue non principale u E2 = {( −3 1 −3 1 z. Trigonaliser f . dans Mn (K). et 2 valeur propre simple. il faut et il suffit que le polynˆme caract´ristique de f o e soit d´composable en produit de facteurs du premier degr´ e e Pf (X) = (λ1 − X)α1 .6 Trigonalisation D´finition 8.. e 1. telle que la matrice P −1 AP soit triangulaire. z)/z ∈ R} = vect(( . c’est-`-dire s’il existe une matrice P ∈ Mn (K). f2 ) est une base de E−1 . telle que la a matrice P −1 AP soit triangulaire. 1)). 1). −6 0 −7 − X Les valeurs propres sont -1 valeur propre double. ` une matrice a triangulaire. 0. (A + I)V = 0 ⇔  −6x +0y+ −6z = 0 det(M − XI) = On prend x comme inconnue principale. z. 2. u ee a Preuve. On dit que f est trigonalisable. 2 2 2 2  les trois vecteurs trouv´s forment notre base de vecteurs propres.16. . c’est trouver une matrice P ∈ Mn (K). y et z comme inconnues non principales.Exemple Diagonaliser la matrice suivante :  8 0 9 A =  −3 −1 −3  −6 0 −7 8−X 0 9 −3 −1 − X −3 = −(X − 2)(X + 1)2 . inversible. On r´sout le syst`me : ea e e  +9z = 0  6x x = −3 z 2 −3x + − 3y+ −3z = 0 ⇔ (A − 2I)V = 0 ⇔ y = 1z  2 −6x +0y+ −9z = 0 D’o`. A ´crire. * Sous-espace propre associ´ ` la valeur propre -1.(λP − X)αP . Or dim E−1 = 2 donc la suite (f1 . 0) et si y = 0 et z = 1 on obtient f2 = (−1. Th´or`me 8. o` les λi sont des ´l´ments (deux ` deux ) distincts de K. e 111 . s’il existe une base de E dans laquelle la matrice de f est triangulaire.17. Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie e e n ≥ 1. * Sous-espace propre associ´ ` la valeur propre 2. Pour que f soit trigonalisable. Alors si y = 1 et z = 0 on obtient comme solution f1 = (0. Trigonaliser A sur K. On dit que A est trigonalisable sur K.

Voir exercice 7. o` Pf est le polynˆme caract´ristique f . 112 . u o e Preuve.Th´or`me 8. (th´or`me de Cayley-Hamilton) e e e e Soit f un endomorphisme d’un K-espace vectoriel E de dimension finie n ≥ 1.18. on a Pf (f ) = 0.

5. Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E). det(A) λ o` PA est le polynˆme caract´ristique de A. e e 5) Soit la matrice :   −4 0 −2 A= 0 1 0  5 1 3 5. B ∈ Mn−p (K) et C ∈ Mp. e Exercice 3. 1) Montrer que le polynˆme caract´ristique Pf (X) =d´t(f − XI) de f ne d´pend pas de la o e e e base choisie dans E.n−p (K).8. 2) Soit M ∈ Mn (K) une matrice carr´ de la forme : e M= A C 0 B avec A ∈ Mp (K) . 1) Si A est une matrice inversible et λ ∈ K∗ . Calculer a0 et an .. a 4) D´duire que Pg divise Pf . D´montrer l’´quivalence suivante : e e PA (B) est inversible ⇔ Sp(A) ∩ Sp(B) = ∅. Soit E un C-espace vectoriel de dimension finie n et B = (e1 . u o e 2) On appelle spectre de A l’ensemble des valeurs propres de A. 3) Soient g la restriction de f ` Eλ . Soit 113 . Soient A et B deux matrices de Mn (K) . e Exercice 2.1 Calculer les valeurs propres de A. o a e 3) D´montrer que deux matrices carr´es semblables de Mn (K) ont mˆme polynˆme cae e e o ract´ristique. Soit λ une valeur propre de f . . e2 . en ) une base de E. e La r´ciproque est-elle vraie ? e 4) D´duire que deux matrices semlables ont les mˆmes valeurs propres.2 D´terminer une base de chacun des sous espaces propres de A.detB. Montrer par r´currence que e detM = detA.7 Exercices Exercice 1. avec K = C et n ∈ N∗ . on pose Eλ = Ker(f − λI) le sous-espace propre associ´ ` la ea valeur propre λ... 2) Montrer que Pf est un polynˆme ` coefficients dans K de degr´ n. Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E). Exercice 4. Montrer que g ∈ LK (Eλ ). 1) Montrer que Eλ est stable par f . Montrer que : PA−1 (λ) = (−λ)n 1 PA ( ).

. Exercice 6.. Montrer que f est diagonalisable si et seulement. 0 n 4) Etablir que (A )k = nk−1 A pour tout k ∈ N∗ ..  1 . . 1   . ..e. . e D´terminer les valeurs propres et sous-espace propres associ´s de M . e Pf (X) = (λ1 − X)α1 . e e En conclure si elle est ou non diagonalisable. (2) dimK Eλ i = αi ....d’autre part A la matrice carr´e de taille n e  1  1   . Montrer que Im(f )=Vect(u). .. 0 0     .. e3 ) de E..   . 1 ≤ i ≤ p.   . si (1) Pf est scind´ sur K i.. 0 0  0 0 ..+en . .. Application : Soit E un C-espace vectoriel et f un endomorphisme de E repr´sent´ par la matrice : e e   a 0 b  0 a+b 0  M= b 0 a sur une base donn´e B = (e1 . . On se propose de d´montrer le r´sultat suivant : e e 114 . e 1) Soit u le vecteur u = e1 +e2 +... 1 dont tous les coefficients sont ´gaux ` 1 : e a  1 . 0 0  0 0 ... Quelle est la dimension de Ker(f ) ? 2) Trouver les valeurs propres et leurs sous-espaces associ´s de f . Soient E un K−espace vectoriel de dimension finie n ≥ 1 et f ∈ LK (E). Discuter selon le param`tre m la diagonalisation de la matrice suivante dans M3 (R) e   1 m 1 A =  0 1 1 . . .. e2 .. A=  . avec e   0 0 ..     0 0 ..   . . e Exercice 5.. 1 1 . e 3) D´duire qu ’il existe une base B de E telle que la matrice de f dans B soit A ... .(λp − X)αp . 1 On d´signe par f l’endomorphisme de E dont la matrice dans la base B est A. En d´duire Ak pour tout k ∈ N∗ . .    A = . 0 0 −1 Exercice 7. ..

1 ..   M (f. . e Exercice 8. .     . 1) Soit f un endomorphisme nilpotent.2) Soit   2 0 4 A =  3 −4 12  ∈ M3 (R). B) = ti. . . 0 6) Application : Soit  −2 −1 2 A =  −15 −6 11  ∈ M3 (R). ıne 2)Pour tout i ∈ {1. i} : Ui (bj ) = 0. f n−1 ). j) ∈ {1. 0     . i > j e entraˆ tij = 0.j avec ∀i ∈ {1. e 2) Montrer que rg(f ) ≤ n − 1.... Montrer que pour tout p ∈ N.. . .Soit E un C− espace vectoriel de dimension finie = n ≥ 1. e 4) Conclure.. f q−1 (x)) est libre. n} on pose : ui = λi Id − f et Ui = (λ1 Id − f )o(λ2 Id − f )o.. n} Ui (bj ) = 0. prouver que (x. 5. . on a f p ∈ V ect(IdE . f (x).. 1 −2 5 Ecrire Ap .. pour tout p ∈ N comme combinaison lin´aire de I3 . A et A2 . 1  0 .. i. 5) Montrer que si f est nilpotent d’indice n.. 1 ... 3) Soit x ∈ E tel que f q−1 (x) = 0. B) =   .. . bn ) dans laquelle la matrice de f triangulaire sup´rieure . En d´duire que e q ≤ n. −14 −6 11  115 . On dit que f est nilpotent. 4) Etablir l’´quivalence suivante : e f nilpotent ⇔ f n = 0.. Cet entier q est appel´ indice de nilopotence de f . .e. o` Pf est le polynˆme caract´ristique f . . . 0  . .. f 2 ... .. Montrer que pour tout j ∈ {1.. n}2 . alors il existe une base B de E telle que :   0 1 0 ...o(λi Id − f ).. Soient E un K− espace vectoriel de dimension fini n ≥ 1 et f un endomorphisme de E.... ... Alors pour tout endomorphisme f de E on a Pf (f ) = 0. Montrer qu’il existe un entier q ≥ 1 tel que f q = 0 et f q−1 = 0...1) Soient E un K− espace vectoriel de dimension finie n ≥ 1 et f ∈ L(E). M (f... u o e 1) Montrer qu’il existe une base B = (b1 . 5) Application : 5.. n} tii = λi et ∀(i. s’il existe un entier m ≥ 1 tel que f m = 0. f... 3) D´duire que pour tout j ∈ {1..

Les projecteurs c’est-`-dire les endomorphismes f non nuls de Rn .E = R2 et f la rotation d’angle π i. par diagonalisation. o` M est une matrice carr´e : Soit u e  0 1 0 M = 1 0 1  1 1 1 Calculer M n . y)) = (−y. e Exercice 10. Chercher les valeurs propres et les sous espaces propres associ´s aux applications classiques : e a.1) Calculer le polynˆme caract´ristique PA de A. l’application lin´aire d´finie par : f ((x.6.e.E = R3 et f est la symertie orthogonale par rapport au plan P d’´quation x + y + z = 0. Calculer un et vn en fonction de u0 v0 et n.3) En d´duire qu’il existe une matrice P inversible telle que e   1 1 0 P −1 AP ==  0 1 1  ∈ M3 (R). e e 2 d. (Application de la diagonalisation) 1) Calculer M n . 2) Application aux suites r´currentes : e On consid`re deux suites (un )n∈N et (vn )n∈N de nombres complexes telles que pour tout entier e naturel n on ait : un+1 = −10un − 28vn vn+1 = 6un + 16vn . A est -il diagonalisable ? o e 6.2) Prouver qu’il existe λ ∈ R tel que A − λI3 soit nilpotente. x).Les homoth´ties λId e b. 0 0 1 Exercice 9.  116 . c. diff´rents de l’identit´ a e e de Rn et tels que f 2 = f . n ∈ N∗ . 6.

alors n (X − xi )/P. x1 . ∆ et P des polynˆmes de K[X]. C. A 5) Montrer que si ∆ = 0 et ∆ =pgcd (A.Chapitre 9 Examens de l’ann´e universitaire e 2005-2006 Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi Dur´e du sujet : 1H :30min e Responsable : Lakhel E. et en d´duire que j 2 (= j) est une racine de P . Soient A. Exercice 3. e e e 4) Montrer que si C divise A + B et A − B alors C divise A et B.. . 1) Montrer que x1 racine de P ⇐⇒ (X − x1 )/P.. On consid`re le polynˆme e o P (X) = X 6 + 5X 5 + 5X 4 − 12X 3 − 32X 2 − 32X − 16.. xn ∈ K deux ` a 2) D´duire que si x1 . 2 3) Factoriser P (X) dans C[X] et dans R[X]. e 2) Montrer que √ est une racine de P . e e i=1 3) Enoncer et d´montrer le th´or`me de Gauss. e Exercice 1. e Les trois exercices sont ind´pendants e Justifier toutes vos r´ponses.. x2 . B . Exercice 2.. .. xn sont des z´ros de P .. x2 . 117 . Epreuve d’alg`bre I e Examen de 18 octobre . B ∆ sont 1) Montrer que -2 est un z´ro d’ordre 3 de P . o deux distincts. o` j e u 2iπ −1+i 3 j=e 3 = . Devoir surveill´ N 1. n ∈ N∗ . B) alors les polynˆmes Q1 = ∆ et Q2 = o premiers entre eux. Horaire : 9h :00-10h :30..

2.. Exercice 3 : 10 points. + X n )2 = 1 + 2X + 3X 2 + .. + X n )2 ... + (n + 1) = (n+1)(n+2) . 3. 4. D´duire de ce qui pr´c`de par r´currence e e e e 2 que Qn (X) = a0 + a1 X + .... + an−1 X n−1 + an−2 X n + ... Quelle est la multiplicit´ pn de la racine 1 dans le e polynˆme o Pn (X) = X 2n+1 − (2n + 1)X n+1 + (2n + 1)X n − 1? 2) On note Qn (X) le quotient de Pn (X) par (X − 1)3 . + a1 X 2n−3 + a0 X 2n−2 . Barˆme approximatif : e Exercice 1 : 5 points . 118 ... + (n + 1)X n + nX n+1 + .. Quelle hypoth`se peut-on faire sur la forme g´n´rale de e e e Qn .1) Soit n un entier naturel non nul.. Montrer que Pn+1 (X) − XPn (X) = (X − 1)3 (1 + X + . Exercice 2 : 5 points. 3) Quelle relation en d´duit-on pour les polynˆmes Qn ? e o 4) Calculer Qn pour n = 1. 6) On pose an = 1 + 2 + . + 2X 2n−1 + X 2n . 5) Montrer que (1 + X + ..

on a. Faisons la division euclidienne de P par X − xi .. En effet. On a donc e e a P (x) = (x − xi )Q(x) + r pour tout x ∈ K. 5) Soit D = pgcd(Q1 . i=1 3) Le th´or`me de Gauss affirme que : Si A. e Mais A = Q1 ∆ = D∆R1 . ∀i. on peut remplacer AB par QC : e (U Q + V A)C = A. C divise AB ⇒ ∃Q ∈ K[X] tel que AB = QC(∗) C ∧ B = 1 ⇒ ∃U. 1) ⇒) Si P est divisible par X − xi . n} xi est z´ro de P . avec i = j : (X − xi ) ∧ (X − xj ) = 1. En faisant la somme de (***) et (4*). j ∈ {1. alors C divise A. pour tout i ∈ {1. o tel que P (x) = (x − xi )Q(x). Q2 ) On a D divise Q1 ⇒ ∃R1 ∈ K[X] tel que Q1 = DR1 . e D’autre part. Par cons´quent. De mˆme. on a D divise Q2 ⇒ ∃R2 ∈ K[X] tel que Q2 = DR2 . 2) On a d’une part. on aura e 1 B = (Q1 − Q2 )C 2 donc C divise B. on obtient : 1 A = (Q1 + Q2 )C. u 4) On a C divise A + B ⇒ ∃Q1 ∈ K[X] tel que A + B = Q1 C (***). Multiplions (**) par A. V ∈ K[X] tels que U B + V C = 1 (**). il existe un polynˆme Q ∈ K[X]. pour tout x ∈ K. B et C sont trois polynˆmes et si C est premier e e o avec B et divise AB. On a aussi C divise A − B ⇒ ∃Q2 ∈ K[X] tel que A − B = Q2 C (4*). Le reste R est nul ou de degr´ strictement inf´rieur ` 1. donc R est une constante r. . D’apr`s (*). Par suite : P (xi ) = 0.. donc (X − xi )/P . e n (X − xi )/P. 119 . ⇐) Soit xi une racine de P . 2 donc C divise A.... on obtient r = 0 puisque c P (xi ) = 0 : P est donc bien divisible par X − xi .. on obtient : U AB + V AC = A. D’o` C divise A. . n}. En rempla¸ant x par α.Corrig´ du devoir surveill´ N o 1 e e Exercice 1. Et en faisant la diff´rence de (***) et (4*).

d’o` D∆ divise A. u On a aussi, B = Q2 ∆ = D∆R2 , d’o` D∆ divise B. u Par cons´quent D∆ divise ∆ = pgcd(A, B). e Donc il existe S ∈ K tel que ∆ = SD∆ ; d’o` DS = 1. Ce qui entraˆ que D est une u ıne constante de K i.e. Q1 et Q2 sont premiers entre eux. Exercice 2. 1) On a P (X) = X 6 + 5X 5 + 5X 4 − 12X 3 − 32X 2 − 32X − 16. Apr`s le calcul, on trouve e P (−2) = P (−2) = P (−2) = 0 et P (−2) = 72 = 0. Donc −2 est un z´ro d’orde 3 de P . z 2) Ona P (j) = j 6 + 5j 5 + 5j 4 − 12j 3 − 32j 2 − 32j − 16 = 1 + 5j 2 + 5j − 12 − 32j 2 − 16 ( carj 3 = 1, j 4 = j = −27(1 + j + j) = 0. et j 5 = j 2 = j.)

D’autre part P est un polynˆme ` coefficients r´els, de plus j est racine de P donc j est aussi o a e racine de P . 3) Fractorisons P dans C[X] : en faisant la division euclidienne de P par (X + 2)3 = X 3 + 6X 2 + 12X + 8. On trouve X 3 − X 2 − X − 2. En divison X 3 − X 2 − X − 2. par (X − j)(X − j) = X 2 + X + 1 on trouve la factorisation de P dans C[C] P = (X − j)(X − j)(X − 2)(X + 2)3 . En groupant les termes conjugu´s, on obtient la factorisation de P dans R[X] : e P = (X 2 + X + 1)(X − 2)(X + 2)3 . Exercice 3. 1) On a tout dabord Pn (1) = 0, puis Pn (X) = (2n+1)X 2n −(2n+1)(n+1)X n +(2n+1)nX n−1 = (2n+1)[X 2n −(n+1)X n +nX n−1 ], donc Pn (1) = 0. On a ensuite Pn (X) = (2n + 1)[2nX 2n−1 − n(n + 1)X n−1 + n(n − 1)X n−2 ], donc Pn (1) = 0. (Le r´sultat reste vrai si n = 1, car le coefficient de X n−2 est nul dans ce e cas). On a enfin
(3) Pn (X) = (2n + 1)[2n(2n − 1)X 2n−2 − n(n + 1)(n − 1)X n−2 + n(n − 1)(n − 2)X n−3 ],

donc
(3) Pn (1) = (2n + 1)[2n(2n − 1) − n(n + 1)(n − 1) + n(n − 1)(n − 2)] = (2n + 1)(n2 + n) = 0.

(Le r´sultat reste vrai si n = 1 et n = 2, car le coefficient de X n−2 est nul dans ces deux e cas). 120

Donc 1 est racine triple de Pn (X), c’est-`-dire pn = 3. a 2) On a Pn+1 (X) − XPn (X) = X 2n+3 − (2n + 3)X n+2 + (2n + 3)X n+1 − 1 −(X 2n+1 − (2n + 1)X n+1 + (2n − 1)X n − 1) = (X − 1)X 2n+2 − 2(X − 1)X n+1 + X − 1 = (X − 1)(X 2n+2 − 2X n+1 + 1) = (X − 1)(X n+1 − 1)2 . Donc en utilisant la relation X n+1 − 1 = (X − 1)(1 + X + + X n ), on trouve : Pn+1 (X) − XPn (X) = (X − 1)3 (1 + X + + X n )2 , 3) Puisque Pn+1 = (X − 1)3 Qn+1 et Pn = (X − 1)3 Qn , on en d´duit e Qn+1 (X) − XQn (X) = (1 + X + + X n )2 . 4) Remarquons que P1 (X) = X 3 − 3X 2 + 3X − 1 = (X − 1)3 , donc Q1 (X) = 1. En appliquant la relation obtenue dans la question 2) on obtient alors Q2 (X) = XQ1 (X) + (1 + X)2 = X 2 + 3X + 1, puis Q3 (X) = XQ2 (X) + (1 + X + X 2 )2 = X 4 + 3X 3 + 6X 2 + 3X + 1, et enfin Q4 (X) = XQ3 (X) + (1 + X + X 2 + X 3 )2 = X 6 + 3X 5 + 6X 4 + 10X 3 + 6X 2 + 3X + 1. On voit donc s’introduire une suite de nombres a0 , a1 , a2 , .... tels que Qn (X) = a0 + a1 X + .... + an−1 X n−1 + an−2 X n + ... + a1 X 2n−3 + a0 x2n−2 . On peut remarquer ´galement que an + (n + 2) = an+1 en partant de a0 = 1, et donc que e an = 1 + 2 + ... + (n + 1) = (n + 1)(n + 2) . 2

5) Dans le d´veloppement de (1 + X + ... + X n )(1 + X + ... + X n ), le coefficient de X k est e le nombre de fa¸ons d’´crire X k sous la forme X p X k−p , avec 0 ≤ p ≤ n et 0 ≤ k − p ≤ n. c e La derni`re condition s’´crit encore k − n ≤ p ≤ k. e e Il y a deux cas possibles : Si 0 ≤ k ≤ n, alors 0 ≤ p ≤ k, et lon a k + 1 d´ompositions possibles. c

121

Si n ≤ k ≤ 2n, alors k − n ≤ p ≤ n, et l’on a 2n − k + 1 d´compositions possibles. e Donc on a bien (1 + X + + X n )2 = 1 + 2X + 3X 2 + + (n + 1)X n + nX n+1 + + 2X 2n−1 + X 2n . 6) La propri´t´ est vraie ` l’ordre 1, puisque Q0 (X) = a0 = 1. ee a Supposons la propri´t´ vraie ` lordre n. Alors : ee a Qn+1 (X) = XQn (X) + (1 + X + ... + X n )2 = X(a0 + a1 X + .... + an−1 X n−1 + an−2 X n + ... + a1 X 2n−3 + a0 x2n−2 )+ 1 + 2X + 3X 2 + .... + (n + 1)X n + nX n+1 + .... + 2X 2n−1 + X 2n = 1 + (a0 + 2)X + .... + (an−1 + n + 1)X n + (an−2 + n)X n+1 + .... + (a0 + 2)X 2n−1 + X 2n . Mais, si k ≥ 1, on a ak−1 + k + 1 = ak+1 d’o` u Qn+1 (X) = a0 + a1 X + ... + an X n + an−1 X n+1 + ... + a1 X 2n−1 + a0 x2n .

122

b) F2 = c) F3 = X8 (K = R). + . 1) Montrer que. V ) de polynˆmes de o R[X] tel que AU + BV = 1. Xn − 1 n ∈ N∗ . (X 2 −X+1)3 X 2n (K = C)... V0 ). ... en fonction de (U0 .. Exercice 1. alors : . tous les couples (U. αp les racines distinctes de P et k1 . le th´or`me de Bezout affirme que A et B sont e o e e premiers entre eux dans R[X] si et seulement si il existe un couple (U. .. il faut choisir). k2 . V2 ) v´rifient le th´or`me de Bezout pour A et e e e B. On suppose que A et B sont premiers entre eux.(X+n) (K = R). e EPREUVE D’ALGEBRE Examen de 29 novembre 2005. V1 ) et (U2 . 3) Trouver. kp leurs ordres de multiplicit´s. e e On note α1 . si les couples (U1 . o . Soit P un polynˆme de C[X] de degr´ au moins 1 et r un entier strictement positif... Exercice 2. V0 ) v´rifiant : e (i) AU0 + BV0 = 1 (ii) deg(U0 ) < deg(B) (iii) deg(V0 ) < deg(A). o 123 .. V ) de R[X] tels que AU +BV = 1. (X 2 +1)n Probl`me . 4) Que pensez-vous de ce probl`me si l’´quation ` r´soudre est AU + BV = C o` C est un e e a e u polynˆme quelconque de R[X]. o 2) Montrer que il existe un unique couple (U0 . Dur´e du sujet : 1h :30min e Responsable : Lakhel El Hassan Horaire : 10h :30-12h :00.Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi Devoir surveill´ N 2.le polynˆme U1 − U2 est divisible par B. D´composer en ´l´ments simples dans K(X) les fractions : e ee 1 a) F1 = X(X+1)(X+2). α2 . P X − α1 X − α2 X − αp 4) Application : d´composer en ´l´lents simples dans C(X) la fraction rationnelle : e ee X n−1 . o e 1) Montrer que le reste de la division euclidienne de P par (X − a) est P (a). e Etant donn´ deux polynˆmes A et B de R[X].. e 3) Montrer que la d´composition en ´l´ments simples de la fraction rationnelle P est e ee P kp k1 k2 P = + + . 2) Trouver le reste et le quotient de la division euclidienne du polynˆme X 2r − 1 par X + 1 o (r´fl´chir ou calculer.le polynˆme V1 − V2 est divisible par A.

7. alors dimK E = dimK F1 + dimK F2 . Soit E = R2 . I − p est un projecteur.Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi Devoir surveill´ N 3. Dur´e du sujet : 1h :30min e Responsable : Lakhel El Hassan Horaire : 10h :30-12h :00. 6. Soit E un K-espace vectoriel de dimension finie. Probl`me 1. p(I − p) = (I − p)p = 0. e e e e 2) Montrer que f est un isomorphisme si et seulement si l’image d’une base de E est une base de F . e 1) Montrer que l’image d’une suite g´n´ratrice de E est une suite g´n´ratrice de Im(f ). y) ∈ R2 ) D´terminer l’image et le noyau de f .. a 5) Montrer que les propri´t´s suivantes sont ´quivalentes : ee e i) E = Ker(g) ⊕ Im(g). f est-il un projecteur ? e 124 . y − x) ((x. (Indication : utiliser une base B1 de F1 et une base B2 de F2 et montrer que B1 ∪B2 = B est une base de E). p est un projecteur. y)) = (x − y. On appelle projecteur de E tout endomorphisme p de E tel que p2 = p.. e Alors dimK E = dimK F. ii. e E =∈ (p) ⊕ ker(p) 8. II. L’endomorphisme f de E est d´fini par : e f ((x. iii. e I. D´duire que si p est un projecteur. 4) Montrer que si F1 et F2 sont deux sous-espaces vectoriels de E tels que E = F1 ⊕ F2 . D´montrer l’´quivalence des propositions suivantes o` p est un endomorphisme de e e u E : i. On suppose que g est un endomorphisme de E c’est-`-dire : g ∈ LK (E). e EPREUVE D’ALGEBRE Examen de 26 janvier . III. ii) Ker(g 2 ) = ker(g). iii) Im(g 2 ) = Im(g). 3) En d´duire que si F est de dimension finie et f : E −→ F est un isomorphisme. Application : Soit I l’endomorphisme identique de E. Soit F un K-espace vectoriel de dimension quelconque et f : E −→ F une application lin´aire.

e b. a. 125 .D´duire que R[X] est de dimension infinie. e Barˆme approximatif : e Probl`me 1. On prend E = R[X].Montrer que f est une application lin´aire de E dans E. Soit f : R[X] −→ R[X] la ”multiplication par X ” d´finie par e f (P (X)) = XP (X). e d. 15 points : partie I : 4 pts + partie II : 4 pts . Partie III : 7 pts .Exercice 2.D´terminer Ker(f ) et Im(f ). e Exercice 2. : 5 points.

on pose Eλ = Ker(gof − λId3 ) o` Id3 d´signe l’identit´ de l’espace u e e 3 . on pose Fλ = Ker(f og − λId4 ) o` Id4 est l’application identit´ de u e R4 . ´ 2. Pour tout λ ∈ R. Exprimer D en fonction de D .. V2 . e 12. Montrer que Kerg ⊂ Ker(f og). V2 . Ecrire la matrice D de gof dans la base B = (V1 . e a e 11. Probl`me e g: R4 → R3      x −2x −2y −2z x − y + 2z − t x  y   2x +2y +3z     →    y  →  y−t  z   4x +2y +4z  y−z+t z t 3x +y +4z 1. V3 ) (au d´part et ` l’arriv´e) e a e −1 . Pour tout λ ∈ R. Apr`s avoir v´rifi´ que D = e  e e e e  1 −1 −1  −1 1 −1  . Soit P la matrice du syst`me B = (V1 . B et D. montrer que 1 1 3 Soient f:  R3 →  R4  et P (λ) = (2 − λ)2 (1 − λ).... V3 ). P et P −1 . Pour tout λ ∈ R . 13. V2 =  −1 . V3 ) est une base de E2 . d´part et ` l’arriv´e). 7. f (V3 )) est libre. D´duire de la question pr´c´dente que E = {0} si et seulement si λ = 1 ou 2. Calculer P −1 puis la matrice Mn . 6. On notera A la matrice de f et B la matrice de g. e a e 9. e ´ EPREUVE D’ALGEBRE LINEAIRE Examen de 17 avril 2006. 10. Soient V1 =  1 . Exprimer Mn en fonction de D . En d´duire que dimf (E1 ) = 1. En d´duire que Ker(f og) = {0}. R e e e λ      1 1 1 5. Montrer que f (V1 ) = 0 et que (f (V2 ). Sans calculer le rang de g . 126 .o(gof ) e n f ois dans les bases canoniques (au d´part et ` l’arriv´e) en fonction de A.o(gof ) dans les bases canoniques (au n f ois Dur´e du sujet : 1h :30min e Responsable : Lakhel El Hassan Horaire : 8h :30-10h :00. D´duire de la question 8) une expression de la matrice de (gof )n = (gof )o. On note Mn la matrice de (gof )n = (gof )o. Calculer det(P ) et en d´duire que B est e e une base de R3 . sans calculer P 8. Ecrire par rapport aux bases canoniques la matrice C de f og puis la matrice D de gof en fonction de A et B. Montrer que f et g sont des applications lin´aires dont on donnera les matrices relae tivement aux bases canoniques. Montrer que (V1 ) est une −1 0 −1 base de E1 et que (V2 . Montrer que f (Eλ ) ⊂ Fλ . et V3 =  0 . e dimf (E2 ) = 2 puis que dim(F0 ) ≥ 1. on consid`re la fonction P (λ) = det(D − λI3 ) o` I3 d´signe la e u e matrice identit´ de l’espace des matrices carr´es 3 × 3. 4.Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi Devoir surveill´ N o 5. dire pourquoi dim(Kerg) = 0. 3. dim(F1 ) ≥ 1 et dim(F2 ) ≥ 2. P et P −1 .

. an−1 1 1 1 a2 a2 ... 16. . sup´rieur ou ´gal 2. . Calculer le d´terminant de Vandermonde : ee e 1 a1 a2 .. . Quelle e e e est la valeur de dim(F0 ).14. . Exercice . . an ) = (Indication : montrer par recurrence sur l’entier n que V (a1 . De mˆme. . an−1 2 2 .. 15. dim(F1 ) et dim(F2 ) ? ` 17.... montrer que F0 ∩ (F1 + F2 ) = {0}.. montrer que Fλ = {0} si et seulement si λ = 0.. . ee e e Soient a1 . .. 1 an a2 .. 127 . . an n ´l´ments de R .. puis en d´duire que e e dim(F0 + F1 + F2 ) = dim(F0 ) + dim(F1 ) + dim(F2 ).. A partir de la relation F0 + F1 + F2 = R4 . .. an ) = − ai ) ). an−1 n n 1≤i<j≤n (aj Vn = V (a1 . . D´duire de la question pr´c´dente et de la question 13) que F0 + F1 + F2 = R4 . Montrer que F1 ∩ F2 = {0}. . puis exprimer dim(F1 + F2 ) en fonction de dim(F1 ) et dim(F2 ). 1 ou 2. .(facultatif ) Soit n un ´l´ment de N∗ . . . . .

. .. e EPREUVE D’ALGEBRE lin´aire e Examen de 11 avril . Montrer que Im(f )=Vect(u).. En d´duire Ak pour tout k ∈ N∗ ..... 1     .. . u o e 2) On appelle spectre de A l’ensemble des valeurs propres de A. . . det(A) λ o` PA est le polynˆme caract´ristique de A. e ` PROBLEME : ( MATRICES STOCHASTIQUES1 ) On note B = (e1 . e2 . 0 0  0 0 . e 3) D´duire qu ’il existe une base B de E telle que la matrice de f dans B soit A .     .. 1) Si A est une matrice inversible et λ ∈ K∗ . avec e   0 0 .... Exercice 2. . Soit E un C-espace vectoriel de dimension finie n et B = (e1 . Dur´e du sujet : 1H :30min e Responsable : Lakhel El Hassan Horaire : 9h :00-10h :30. Soit d’autre part A la matrice carr´e de taille n dont tous les coefficients sont ´gaux ` 1 : e e a   1 1 .. en ) la base canonique de l’espace vectoriel E = Kn (o` n ≥ 2 et u 128 .... . ... . 0 0  0 0 . Soient A et B deux matrices de Mn (K) . ..Universit´ Cadi Ayyad e Ecole Nationale des Sciences Appliqu´es e Safi Devoir surveill´ N 6. 1  1 1 . . . . 0 n 4) Etablir que (A )k = nk−1 A pour tout k ∈ N∗ ..     0 0 . ...  1 1 .+en .. e2 . Montrer que : PA−1 (λ) = (−λ)n 1 PA ( ). Quelle est la dimension de Ker(f ) ? 2) Trouver les valeurs propres et leurs sous-espaces associ´s de f . avec K = R ou C et n ∈ N∗ ..    A= . ...    A = . Exercice 1. D´montrer l’´quivalence suivante : e e PA (B) est inversible ⇔ Sp(A) ∩ Sp(B) = ∅. 1 On d´signe par f l’endomorphisme de E dont la matrice dans la base B est A. . en ) une base de E. e 1) Soit u le vecteur u = e1 +e2 +. 0 0     ...... .

. Probl`me : 10 points. e Montrer qu’une matrice M de Mn (R) ` coefficients r´els positifs ou nuls est stochastique si a e et seulement si M V1 = V1 .. x2 . on convient de noter : |x| = max(|x1 |. (Indication : Pour tout vecteur x = (x1 .. 8) Application :   A= 0 0 1 3 0 1 3 1 2 1 1 3 1 2 .2.. v2 . 2) D´duire que 1 est une valeur propre de f .n} ∈ Mn (R) est dite stochastique si et seulement si n ∀i. o e 129 .K = R ou C)... associ´es ` ces vecteurs propres e e a v1 . en notant : Ak = (k) (k) (aij ).j∈{1. v2 .. Soit D la matrice de f dans la base B .. |xn |). montrer que |f (x)| ≤ |x|.... Montrer que |λ| ≤ 1... vn ) e de vecteurs propres de f . e 3) Soit λ une valeur propre de f autre que 1. Barˆme approximatif : e Exercice 1 : 4 points . xn ) de E = Rn . .. 4) Montrer que Ker(f − Id) ⊕ Im(f − Id) = Rn . limk−→+∞ aij = aij ).. si . Puis conclure).... = |λp | ≥ |λp+1 | ≥ . e 6) Montrer que la somme directe des sous-espaces propres associ´s aux valeurs propres de f e autre que 1 est ´gale ` Im(f − Id). v2 . e 1 Ces matrices jouent un rˆle important. On note Sn (R) l’ensemble des matrices stochastiques de Mn (R)... . |x2 |. + sin = 1. on a : ∀i. .. 1) V1 le vecteur de E dont les composantes dans la base B sont toutes ´gales a 1. j sij ∈ R + et ∀i j=1 sij = si1 + si2 + .. On note λ1 . 5) Montrer que Im(f − Id) est stable par f . Ces matrices sont stables par le produit. λn les valeurs propres de f rang´es par modules e d´croissants (1 = |λ1 | = .... e Une matrice S = (sij )i. vp ) de E1 = Ker(f − Id) en une base B = (v1 . Prouver que la suite de matrices (S k ) converge si est seulement si la suite (Dk ) converge. λ2 . pour x ∈ Rn . e a 7) On compl`te une base (v1 .. notament en calcul de probabilit´s. . e (Pour une suite de matrices (Ak )k∈N . Dans la suite.. On se propose d’´tudier l’ensemble des valeurs propres des matrices stochastiques d’ordre n. D´duire que la suite (S k ) est convergente. ≥ |λn |). on dit que limk−→+∞ Ak = A .. on d´signe par f un endomorphisme de E = Rn dont la matrice S = (sij ) est e stochastique. . vn . j. . ea On suppose d´sormais que l’endomorphisme f est diagonalisable. Exercice 2 : 6 points. Etablir que tout sous-espace propre Eλ de f associ´ ` une valeur propre λ autre que 1 est inclus dans Im(f − Id).