ALGEBRE LINEAIRE

Cours & Exercices avec Solutions

M. KACHKACHI
Université Hassan 1er
Faculté des Sciences & Techniques de Settat
Département de Mathématiques & Informatique

1
 INTRODUCTION
L’algèbre est l’une des branches principales des mathématiques. C’est une
discipline systématisant les méthodes de résolution de problèmes
mathématiques. Son domaine d’application s’étend des problèmes arithmé-
tiques qui traitent de nombres, à ceux d’origine géométrique.
Cet ouvrage s’adresse aux étudiants de première année de l’enseignement
supérieur scienti…que. Il est conforme dans l’ensemble au programe
d’algèbre.
Il intéressera les étudiants travaillant seuls et ceux qui sont suivis par des
eneignants.
Ce cours d’algèbre linéaire se compose de 10 chapitres. Dans le premier
chapitre on rappelle les dé…nitions sur les ensembles, les applications
entre ensembles, les groupes, les anneaux et les corps. Dans le chapitre 2 on
donne les dé…nitions et les dé…nitions de base des espaces
vectoriels ainsi que des exemples d’applications.
Le chapitre 3 introduit l’algèbre matriciel ainsi que le calcul du déterminant
et la méthode de résolution des systèmes di¤érentiel à l’aide de pivot
en se basant sur des exemples d’application. Dans le chapitre 4 on présente
les applications des espaces vectoriels et le calcul matriciel à la
géométrie pour dé…nir les angles entre les vecteurs, leurs produits scalaires
et leurs produits vectoriels. Le chapitre 5 est basé sur les chapitres
précédents et dans lequel on développe les applications linéaires en com-
mençant par les dé…nitions classiques jusqu’à leurs applications en
géométrie comme les rotations els di¤érents symétries dans le plan. C’est la
base du chapitre 6 dans lequel on présente la diagonalisation des
endomorphismes et leurs matrices associées. On souligne aussi l’utilité et
l’importance de la diagonalisation dans des problèmes physiques et le
rôle que joue le passage d’une base quelconque à une base diagonale là où la
résolution d’un problème physique devient métrisable. On termine
ce chapitre introduire la trigonalisation quand la dimension de l’espace vec-
toriel varie lors de passage d’une base à une autre.
le chapitre 7est consacré à l’algèbre des polynômes pour l’application aux
fractions rationnelles dans le chapitre 8.
Le chapitre 9 est consacré aux problèmes avec solutions et aux problèmes
proposés couvrant l’ensemble des chapitre de cet ouvrage.
On termine par donner quelques références qu’on a utilisé pour développer
cet ouvrage
Je me suis attaché à donner la solution détaillée et parfois, que cela est
possible, à indiquer plusieurs méthodes de résolution.
Les exercices proposés sont de di¤érents niveaux; du facile aux di¢ cile et
même des exercices et problèmes donnés à l’examen sont considérés..
Les problèmes proposés complètent la compréhension et l’application du
cours.

2
 Comme tout travail scienti…que, l’utilisation d’un pareil recueil d’exercices
nécessite la plus grande honnêteté intellectuelle, ainsi, il ne doit être fait
usage des solutions qu’après une recherche approfondie des problèmes, suivie
d’une rédaction minutieuse, a…n de comparer les résultats
démontés aux solutions proposées. La plus grande rigueur doit accompagner
cette comparaison.
La résolution des problèmes de synthèse contenue dans le chapitre 9, nécessite
une connaissance préalable de l’ensemble du programme.
Dans la plus part de l’ouvrage, la notation indicielle de l’analyse tensorielle
comme la sommation d’Einstein, la contraction indicielle est utilisée du
moment qu’elle réduise énormément l’écriture des eéquations sous forme des
égalités tensorielles.

3
ALGEBRE I
Chapitre I
- Eléments de logique
- Relations binaires
- Nombres complexes
Chapitre II
Groupes &Anneaux
Chaiptre III
Anneaux de polynômes
Chapitre IV
Fractions rationnelles
Chapitres V
- Matrices
- Déterminants
- Systèmes linéaires

ALGEBRE II
Chapitre VI
Espaces vectoriels
Chapitre VII
Applications linéaires
Chapitre VIII
- Matrice d’une application linéaire
- Changement de base
Chapitre IX
- Diagonalisation d’un endomorphisme
- Trigonalisation d’un endomorphisme
Chapitre X
Exercices corrigés & Problèmes proposés
Références

4
 ALGEBRE I

Chapitre I
I.1. Eléments de logique
L’idée est de préciser schématiquement comment se présente une théorie
mathématique ainsi que la notion essentielle de démonstration.
Quelques notions mathématiques même si elles sont relativement intuitives,
nécessitent des dé…nitions rigoureuses. La première notion celle
d’assertion.
I.1.1 Assertion:
Une assertion ( ou proposition) est un énoncé mathématique qui a une seule
valeur vrai ou faux.
Exemples: p n
2 15 (vraie), 2 est un nombre rationnel (fausse), cos (n ) = ( 1)
(vraie).
Deux assertions sont dites équivalentes si elle ont la même valeur.
Une assertion est dite indécidable s’il n’est pas possible de démontrer
qu’elle est vraie ou fausse.
Les assertions supposées vraies à priori, c’est- à-dire avant toute expérience,
sont les axiomes et les postulats. Elles sont élaborées à partir de
l’intuition et ne sont pas déduites d’autres relations.
Exemple:
En géométrie euclidienne, un postulat a¢ rme que par un point donné passe
une et une seule droite parallèle à une autre donnée.
La notion de dé…nition permet de décrire un objet ou une situation précise
à l’aide du langage courant.
Le théorème est une assertion vraie déduite d’autres assertions.
Le lemme est un résultat préliminaire utilisé pour démontrer un théorème.
Le corllaire est une conséquence importante d’un théorème.
I.1.2 Connecteurs logiques
L’élaboration de nouvelles assertions à partir d’autres se fait en utilisant les
connecteurs logiques qui sont la négation, la conjonction, la disjonction,
l’implication et l’équivalence.
La négation d’une proposition P est notée P ou non P . C’est une assertion
qui est vraie lorsque la proposition P est fausse et est fausse lorsque P
est vraie. Par exemple (x 0) = (x 0) :

5
 La conjonction de deux propositions P et Q est notée P ^ Q (ou P et Q).
C’est l’assertion qui est vraie uniquement si P et q sont toutes deux vraies,
et donc fausse dans les trois autres cas. Par exemple, P ^ P est toujours
fausse.
La disjonction de deux propositions P et Q est notée P _Q (P ou Q). C’est
une assertion qui est vraie si l’une des deux assertions P ou Q est vraie;
donc elle est fausse uniquement lorsque P et Q sont toutes les deux fausses.
Par exemple, P _ P est toujours vraie.
L’implication de deux assertions P et Q est notée P ) Q. C’est l’assertion
qui est fausse uniquement si P est vraie et Q fausse; donc elle est vraie
dans les trois autres cas.
C’est une assertion transitive: Si P ) Q et Q ) R alors P ) R:
L’équivalence de deux propositions P et Q est notée P , Q. C’est
l’assertion qui est vraie si P ) Q et Q ) P sont toutes les deux vraies.
Le tableau récaputilatif des di¤érentes assertions est donné par:
P Q P P ^Q P _Q P )Q P ,Q
V V F V V V V
V F F F V F F
F V V F V V F
F F V F F V V
Théorème:
Soient P; Q; R trois propositions. Alors on a les équivalences suivantes
entre propositions:
Commutativité:

(P ^ Q) , (Q ^ P ) , (Q ^ P )
(P _ Q) , (Q _ P )

Associativité:

(P ^ (Q ^ R)) , ((P ^ Q) ^ R)
(P _ (Q _ R)) , ((P _ Q) _ R)

Distributivité:

(P ^ (Q _ R)) , (P ^ Q) _ (P ^ R)
(P _ (Q ^ R)) , (P _ Q) ^ (P _ R)

6
 Négation:

P , P
(P ) Q) , Q)P , P _Q
(P ) Q) , P ^Q

ainsi que la loi de Morgan:

(P ^ Q) , P _Q
(P _ Q) , P ^Q

I.1.3 Quanti…cateurs
Le quanti…cateur pour tout x ou quelque soit x est noté 8x:
La proposition 8x 2 E; P (x) est vraie lorsque, pour tout x 2 E, la propo-
sition P est vraie.
Le quanti…cateur il existe est noté 9: Par exemple, 98x 2 E telle que la
proposition P (x) est vraie
Le quanti…cateur il existe au moins un est noté 9:j Par exemple, 9:8x
j
2E
telle que la proposition P (x) est vraie
La négation de la proposition 8x 2 E; P (x) est 98x 2 E, non P (x) :
La négation de la proposition 98x 2 E, P (x) est 8x 2 E; P (x).
I.1.4 Méthodes de raisonnement
Raisonnement par contraposée:
Pour démontrer que P ) Q, il su¢ t de démontrer la contraposée de cette
assertion; c’est-à-dire montrer que non Q ) non P:
Raisonnement par l’absurde:
Pour démontrer que P ) Q, on peut supposer que P et non Q sont toutes
deux vraies et obtenir le contraire.
Raisonnement par récurrence:
Si on veut prouver qu’une proposition P (n) dépendant de l’entier n est vraie
8n 2 N, on peut procéder de la façon suivante:
Initialisation: Véri…er que P (0) est vraie
Hérédité: supposer que P (n) est vraie 8n 2 N et montrer que P (n + 1)
est vraie.

7
 I.2. Relations binaires sur un ensemble
I.2.1. Relations binaires
Une relation binaire R sur un ensemble E est un sous-ensemble de E E
noté G.
Si (x; y) 2 G; on dit que x est en relation avec y et note x<y.
Une relation binaire < sur un ensemble E est dite:
i) re‡exive sur un ensemble E si 8x 2 E x<x
ii) symétrique si 8x; y 2 E x<y ) y<x
iii) antisymétrique si x; y 2 E x<y et y<x ) x = y
iv) transitive si x; y; z 2 E x<y et y<z ) x<z
I.2.2. Relation d’ordre
Une relation binaire est une relation d’ordre si elle est re‡éxive, anti-
symétrique et transirtive.
Un ensemble E muni d’une relation d’ordre par exemple ( ) ; (E; ) est dit
ensemble ordoné.
Par exemple (R; ) est un ensemble ordoné. En e¤et,

8x 2 R; x x

( re‡éxive) ;
8x; y 2 R; x yety x)x=y
( antisymétrique) ;

8x; y; 2 R; x yety z)x z

( transitive)
Deux éléments x; y 2 (E; ) sont dits comparables si x y ou y x:
une relation d’ordre sur un ensemble est dite totale si tous les éléments de
cet ensemble sont comparables deux à deux.
Par exemple, la relation de divisiblité sur N ( ou Z ):

m0n si9 q 2 N (resp. 2 Z ) = n = q:m:

I.2.3. Relation d’équivalence

Une relation binaire < sur un ensemble E est une relation d’équivalence si
elle est re‡éxive, symétrique et transitive.
La classe d’équivalence d’un élément x 2 E, notée cl< (x), est l’ensemble
des éléments de l’ensemble E qui sont en relation avec l’élément
x2E:
cl< (x) = fy 2 E = y<xg

8
 Propositions:
i) 8x 2 E; x 2 cl< (x)
ii) cl< (y) = cl< (x) si et seulement si y 2 cl< (x)
iii) si y 2
= cl< (x) alors cl< (y) \ cl< (x) = ?
L’ensemble des classes d’équivalence de l’ensemble E forme une partition de
E: Inversement, toute partition d’un ensemble E dé…nit une relation
d’équivalence sur E:
L’ensemble des classes d’équivalence de E suivant une relation d’équivalence
< sur E est appelé ensemble quotient et est noté
E =< = fcl< (x) = x 2 Eg :
Exemples:
1) L’égalité sur un ensemble E est une relation d’équivalence
2) Le parallélisme sur un ensemble de droites dans un plan est une relation
d’équivalence.

9
 I.3 Nombres complexes
I.3.1 DE l’espace vectoriel R2 au corps des nopmbres complexes
Soit l’ensembles des couples des réels:

R2 = f(a; b) ; a 2 R; b 2 Rg
Dans un plan muni du repère orthonormé (O; ! e 1; !
e 2 ), à chaque couple de
!
réels (a; b) correspond un unique vecteur OM = a e + b!
! e ; soit un unique
1 2
point M de coordonnées (a; b) :
Cette correspondance permet de dé…nir la somme de deux couples de réels
et le produit d’un couple de réels par un scalaire.
! !
En e¤et, la somme de deux vecteurs OM = a! e 1 + b!
e 2 et OM ; = a; !
e1+
b; !
e 2 est le vecteur
! !
OM + OM ; = (a + a; ) !
e 1 + (b + b; ) !
e2

c’est-à-dire:
(a; b) + (a; ; b; ) = (a + a; ; b + b; )
!
Le produit d’un vecteur OM = a! e 1 + b!
e 2 par un scalaire 2 R est le
vecteur
!
OM = a! e 1 + b! e2
c’est-à-dire
(a; b) = ( a; b)
En plus de ces deux opérations vectorielles, on dé…nit la multiplication de
deux couples de réels de la manière suivante:

(a; b) (a; ; b; ) (aa; bb; ; ab; + a; b)

Par exemple
(0; 1) (0; 1) = ( 1; 0)

Dé…nition:
Le corps des nombres complexes est l’ensembles des couples de réels R2
structuré par l’addition, la multiplication par un scalaire
et la multiplication de deux couples de réels.
Notations:
- Le couple (a; 0) est identi…é est identi…é au nombre reel a et la droite
(O; ! e 1 ) est identi…ée à la droite reelle:
- Le couple (0; 1) est appelé i et véri…e

i2 = 1 = (0; 1) (0; 1) = ( 1; 0)

- Le couple (0; b) est identi…é au nombre ib appelé imaginaire pur

10
 - La droite (O; ! e 2 ) est la droite des imaginaires purs.
Par la suite, le couple (a; b) = (a; 0) + (0; b) s’identi…e avec le nombre com-
plexe z = a + ib :

(a; b) = (a; 0) + (0; b)

= a (1; 0) + b (0; 1)
= a + ib
!
Le point M (ou le vecteur OM ) de coordonnées (a; b) est appelé image du
nombre complexe z = a + ib:
Inversement, le nombre complexe z est l’a¢ xe du point M ( du vecteur
!
OM ).
I.3.2 Ecriture algébrique & trigonométrique
Dans un plan muni d’un repère orthonormé (O; ! e 1; !
e 2 ) chaque point M
peut être repéré par ses cçoordonnées cartésiennes (a; b) ou polaires ( ; ) :
Deux écritures possibles d’un nombre complexe en découlent:
- Ecriture algébrique: z = a + i b
a = <e (z) est la partie réelle de z et correspond à l’abscisse du point M
b = Im (z) est la partie imaginaire de z et correspond à l’ordonnée du point
M:
- Ecriture trigonométrique: z = (cos + i sin )
= jzj est le module de z et correspond à la distance de l’origine du repère
O au point M
= arg (z) est l’argument de z et correspond à l’angle géométrique
! !
e 1 ; OM :
La relation entre ces écritures s’exprime comme:

z = a + i b = (cos + i sin )
= ei

ce qui donne:

a = cos ; b = sin
! 2
2
a2 + b2 = 2
cos2 + sin2 = jzj = OM = 2

ce qui implique
cos2 + sin2 = 1
une formule trigonométrique connue.

11
 I.3.3 Opérations sur les nombres complexes
Multiplication:
Sous la forme algébrique le produit de deux complexes z = a+ib; z ; = a; +ib;
s’écrit:

zz ; = (a; b) (a; ; b; ) = (aa; bb; ; ab; + a; b)

= (aa; bb; ) + i (ab; + a; b)

Sous la forme trigonométrique le produit de z = (cos + i sin ) et z ; =

;
(cos ; + i sin ; ) est donné par:

zz ; = ;
(cos cos ; sin sin ; ; cos sin ;
+ sin cos ; )
= ;
(cos ( + ; ) ; sin ( + ; ))
= ;
(cos ( + ; ) + i sin ( + ; ))
;0
; i +
= e

Propriétés du module et de l’argument

On a les propriétés suivantes:
-
jzz ; j = jzj jz ; j ; arg (z) + arg (z ; )
-
n
8 n 2 N; jz n j = jzj ; arg (z n ) = n arg (z)
-
1 1 1
si z 6= 0; = ; arg = arg (z)
z jzj z
z jzj z
= ; arg ; = arg (z) arg (z ; )
z; jz ; j z

Nombre complexe conjugué

Le nombre complexe conjugué de z est noté z :

z = a + ib; z = a ib;
z = ei ; z = e i

12
 Propriétés:

z+z = 2a = 2 cos ; z z = 2ib = 2i sin

2 2
zz = a2 + b2 = jzj = jzj = 2

8 z; z ; 2 C; z + z ; = z + z ;
; ;
ei ei = ei( + )
ei ;
; = ei( )
ei

0
z; z 2 C; zz 0 = zz 0
n
zn = (z)
1 1
=
z z
z z
=
z0 z0

I.3.4 Egalité de deux nombres complexes

Identi…er des nombres complexes revient à identi…er des points du plan à
l’aide de leurs coordonnées cartésiennes ou polaires.
Forme algébrique: si

a = a;
z = a + i b et z ; = a; + ib; alors z = z ; ,
b = b;

Forme exponentielle: si
;0 = ;
ei et ; i
e alors z = z ; , ;
= + 2k ; car e2ik = 1

Formule d’Euler:

ei + e i
cos =
2
ei e i
sin =
2
Ainsi, on peut véri…er la formule triogonométrique

e2i + e 2i + 2 e2i + e 2i 2
cos2 + sin2 = + =1
4 4

13
 Application:
En utilisant la formule d’Euler, retrouver la formule
1
sin a cos b = [sin (a + b) + sin (a b)]
2
En e¤et,
eia e ia eib + e ib 1
sin a cos b = = ei(a+b) e i(a+b) + ei(a b)
e i(a b)
2i 2 4i
2i sin (a + b) 2i sin (a b) 1
= + = (sin (a + b) + sin (a b))
4i 4i 2

I.3.5 Somme d’xponentielles

Soient 1 et 2 2 R; alors on a:

1 2 1 i 2 i 1 i 2
ei 1
+ ei 2
= ei 2 ei 2 ei 2 e 2 +e 2 e 2

( 1+ 2)
ei( )+e i 1
1 2 2
= ei 2 2
2
( 1+ 2)
1 2
2 ei 2 cos
2
( 1+ 2)
1 2
ei 1
ei 2
= 2i ei 2 sin
2

I.3.6 Amplitude complexe d’une fonction sinusoïdale

Soit la fonction sinusoïdale
s (t) = A cos (!t + ')
!
On lui associe à l’aide de la représentation de Fresnel, un vecteur OM
tournant autour de l’origine O à une vitesse angilaire constane !:
Par dé…nition, l’a¢ xe complexe de fonction sinusoïdale s (t) = A cos (!t + ')
est:
s (t) = Aei(!t+')
L’amplitude complexe de la fonction sinusoïdale est:
A = Aei' = s (0)
Son image correspond donc à la position du vecteur tourant à l’instant t = 0:
La somme de deux fonctions sinusoïdales de même pulsation !:
S (t) = A1 cos (!t + '1 ) + A2 cos (!t + '2 )
est encore une fonction sinusoïdale de même pulsation ! et d’amplitude
complexe:

A = A1 + A2

14
 I.3.7 Résolution d’équations dans C
La racine nieme d’un nombre réel a est notée
p
n
1
a = an

qui est l’unique réel positif véri…ant l’équation:

xn = a

cependant l’équation complexe

z n = ei

possède n solutions complexes distinctes qui sont données par:

p
ei( n + );
2k
zk = n n k = 0; 1; 2; :::; n 1

Les points correspondants aux nombres complexes zk sont les sommets d’un
polygone régulier à n côtés.
L’équation complexe du second degré

az 2 + bz + c = 0 où a 6= 0; b; c 2 C

admet toujours deux solutions dans C :

p p
b + b2 4ac b b2 4ac
z1 = ; z2 =
2a 2a

15
 ALGEBRE I

Chapitre II: GROUPES & ANNEAUX

II.1. LOI DE COMPOSITION INTERNE (LCI)
II.1.1. Dé…nition
Une loi de composition interne f dans un ensemble E est une application
linéaire dé…nie par:

f : E E!E
(x; y) 7! xf y

tel que x f y existe et appartient à E:

II.1.2. Exemples
- l’addition (+) est une loi de composition interne sur N; Z; Q; R; C
- la multipication ( ) est une loi de composition interne sur N; Z; Q; R; C
- la soustraction ( ) est une loi de composition interne sur Z; Q; R; C
mais pas sur N
II.1.3. Propriétés d’une LCI
Soit une loi de composition interne sur un ensemble E:
1 = La loi est associative si on a:
8 x; y; z 2 E; (x y) z = x (y z)

2 = La loi est commutative si

8 x; y 2 E; x y = y x

3 = e est élément neutre de la loi si on a:

e 2 E et 8 x 2 E; x e = e x = x

II.1.4. Exercice d’application

Véri…er que les lois (+) et ( ) sont associatives et commutatives sur N; Z; Q; R; C
d’élément e neutre 0 et 1 respectivement

16
 II.1.5. Proposition
L’élément neutre s’il existe est unique
0
En e¤et, soient e, e 2 E deux éléments neutres associés à loi :
Ainsi,

8 x 2 E; x e=e x=x
0 0 0 0
pour x = e :e e=e e =e
0 0
8 x 2 E; x e =e x=x
0 0
pour x = e: e e =e e=e

En comparant les deux équations on trouve

0
e=e

II.2. ELEMENT REGULIER & ELEMENT SYMETRISABLES

II.2.1. Dé…nitions
- Un élément a 2 E est dit régulier pour la loi de composition interne s’il
est régulier
à gauche:
8 x; y 2 E; (a y = a y) ) (x = y)
et à droite:

8 x; y 2 E; (x a = y a) ) (x = y)

- Un élément a 2 E est dit symétrisable pour la loi sil existe un élément

b2 E tel que:
a b=b a=e

II.2.2. Proposition
Si la loi est associative, alors il y a unicité de l’élément symétrique
Démonstration
Supposons que b et b0 soient deux éléments symétrisables pour la loi
d’élément neutre e. Alors on a:

a b = b a=e
a b0 = b0 a = e

Ainsi
(a b0 ) b = (b0 a) b = e

17
 c’est-à-dire

b = b0 (a b)
= b0 e
= b0

II. 3. GROUPE
II.3.1. Dé…nition
Un ensemble G muni d’une loi de composition interne est un groupe s’il
véri…e les propriétés suivantes:
1 = est une LCI sur G
2 = est associative sur G
3 = Il existe un élément neutre e 2 E pour
4 = Tout élément de G est symétrisable pour la loi dans G
De plus, si la loi est commutative, le groupe (G; ) est dit abélien ou
commutatif
II.3.2. Exemples
(Z; +) ; (Q; +) ; (C; +) ; (Q ; ) ; (R ; ) ; (C ; ) sont des groupes
abéliens

II. 4. SOUS-GROUPE
II.4.1. Dé…nition
Soit (G; ) un groupe et soit e l’élément neutre pour la loi .
Soit x 1 2 G l’élément symétrique d’un élement x 2 G:
Soit H une partie du groupe G : H G:
Alors, (H; ) est un sous-groupe de (G; ) s’il véri…e les trois propriétés
suivantes:
1 = H 6= ? ( H est non vide)
2 = est une LCI sur H
3 = 8 x 2 H; x 1
2 H:

18
 II.4.2. Exemples
(Z; +) ; (Q; +) ; (2Z; +) (2Z= l’ensemble des entiers pairs) sont des sous-
groupes du groupe (R; +) :
II.4.3. Proposition
Si (H; ) est un sous-groupe du groupe (G; ), alors (H; ) est un groupe

II.4.4. Remarque
En pratique, pour montrer qu’un ensemble est un groupe, il su¢ t de prouver
que c’est un sous-groupe d’un groupe connu pour cette LCI.

II. 5. MORPHISME DE GROUPES

II.5.1. Dé…nition
Soient (G; ) un groupe de neutre e et (H; o) un groupe de neutre f .
On appelle morphisme de groupes de G vers H; toute application

':G!H

véri…ant la propriété suivante:

8 a; b 2 G; ' (a b) = ' (a) o' (b)

II.5.2. Exemples
- La fonction exponentielle

exp : (R; +) ! (R ; )

est un morphismes du groupe (R; +) vers le groupe (R ; ):

a; b 2 R
exp (a + b) = exp a exp b 2 R

- L’opération de conjugaison:

(C; +) ! (C; +)
z 7! z

est un morphismes du groupe (C; +) vers le groupe (C; +) :

z1 ; z2 2 C
z1 + z2 = z1 + z2

19
 II.5.3. Propriétés
Soit (G; ) un groupe de neutre e pour la loi et soit (H; o) un groupe de
neutre f pour la loi o
Si ' : G ! H est un morphisme de groupes, alors on a:

' (e) = f;
1 1
x 2 G; ' x = [' (x)]

II.5.4. Dé…nitions
Soit ' : G ! H un morphisme de groupes (avec (H; o) un groupe de neutre
f pour la loi o ) et (G; ) un groupe de neutre e pour la loi
- On appelle noyau de ' et on note ker ' :

ker ' = fx 2 G = ' (x) = f g = n ' 1

(ff g) o

- On appelle image de ' et on note im' :

im' = fy 2 H = 9 x 2 G; y = ' (x)g = n ' (G) o

II.5.5. Caractérisation
(x 2 ker ') , (x 2 G et ' (x) = f )
(y 2 im') , (y 2 H et 9 x 2 G; y = ' (x))
Si ' : G ! H est un morphisme de groupes, alors:
' est surjective , (im' = H)
' est injective , (ker ' = feg)
Si l’application ' est à la fois injective et surjective, elle est bijective
II.5.6. Dé…nitions
- Un morphisme de groupe ' du groupe G vers le groupe H est un
isomorphisme si l’application ' est bijective
- L’application
' : (G; ) ! (G; )
est endomorphisme du groupe (G; )
- L’application
' : (G; ) ! (G; )

20
 II. 6. ANNEAUX
II. 6. 1. Structure d’anneaux
Soit A un ensemble muni de deux LCI + et .
(A; +; ) est un anneau s’il véri…e les propriétés suivantes:
- (A; +) est un groupe abélien de neutre 0 noté 0A
- la loi ( ) est associative et possède un élément neutre 1 dans A noté 1A
- la loi ( ) est distributive sur la loi +, c’est-à-dire
8 a; b 2 A
a (b + c) = (a b) + (a c)
et (b + c) a = b a + c a
L’anneau est commutatif si en plus la loi ( ) est commutative.
II. 6. 2. Exemples
Z; Q; R; C sont des anneaux commutatifs pour les lois usuelles (+) et ( ) :
RN = l0 ensemble des suites a valeurs reelles est un anneau commutatif
pour les lois (+) et ( ), de neutre la suite constante nulle pour la loi (+) et de
neutre la suite constante 1 pour la loi ( ) :
II. 6. 3. Dé…nition
Un anneau A est dit intègre s’il est commutatif et s’il véri…e:
8 a; b 2 A; (a b = 0A ) ) a = 0A ou b = 0A
II.6.4 Exemple
les ensembles Z; Q; R; C munis des lois usuelles sont des anneaux intègres.
II. 6.5. SOUS-ANNEAUX
Soit (A; +; ) un anneau et soit B A:
B est sous-anneaux de (A; +; ) si + et sont des LCI sur B et si 1A et
1A appartiennent à B:Dans ce cas B est lui-mëme un anneaux.
II.6.6 Exemple
(Z; +; ) est sous-anneaux de (Q; +; )

II. 7. STRUCTURE DE CORPS

(IK; +; ) est un corps si (IK; +; ) est un anneau commutatif dans
lequel tout élement sauf 0IK , est inversible de sorte que (IK ; +) avec
IK = IK f0g, est un groupe commutatif
II.7.1 .Exemples
(Q; +; ) ; (R; +; ) ; (C; +; ) sont des corps.
II.7.2. Dé…nition
Soit L IK avec (IK; +; ) un corps.
L est un sous-corps de IK si (L; +; ) est un sous-anneaux de l’anneaux

(IK; +; ) et si (L; +; ) est lui-même un corps.

21
 ALGEBRE I

CHAPITRE III: ANNEAUX DE POLYNOMES

Les polynômes et les fractions rationnelles sont très utilisés en Génie Elec-
trique, puisque les fonctions de transfert servant à l’étude des systèmes
linéaires sont des fractions rationnelles.
III. 1. Anneaux
- On appelle anneau un ensemble A muni de deux lois de composition internes
notées + et telles que (A; +) est un groupe commutatif, d’élément
neutre 0 et tel que la multiplication est associative:

8 a; b; c 2 A; (ab) c = a (bc)

La multiplication est distributive par rapport à la loi + :

8 a; b; c 2 A; (a + b) c = ac + bc;
c (a + b) = ca + cb

La multiplication possède un élément neutre noté 1A ou 1 :

8 a 2 A; a 1=1 a=a

Si de plus la multiplication est commutative, on dit que A est anneau commutatif

III. 2. Polynômes
Dé…nition
On appelle polynôme tout fonction dé…nie par

P (X) = an X n + an 1X
n 1
+ ::: + a1 X + a0

Les nombres an ; an 1 ; :::; a0 sont les coe¢ cients du Polynôme. Ils peuvent
être réels ou complexes.
Si an 6= 0, l’entier n est appelé degré du Polynôme et on note

deg (P ) = n

On note IK [X] l’anneau des polynômes à coe¢ cients dans le corps IK = R

ou C:
Exemples
3 p
P1 (X) = 3X 5 + 2X 2 X 10
11
3 p
P2 (X) = 3X 5 + (1 + 2i) X 2 X 10
11

22
 III. 3. Divisibilité
Dé…nitions
- Soient A; B 2 IK [X] : On dit que B divise A ou que B est un diviseur
de A ou que A est un multiple de B s’il existe un polynôme Q 2 IK [X] tel que

A = BQ

et on écrit:
BnA
- Si A 2 IK [X], on note AIK [X] l’ensemble des multiples de A:
Théoème ( Division euclidienne )
Soient A; B 2 IK [X] avec B 6= 0: Il existe un unique couple (Q; R) de
polynômes de IK [X] tel que:

A = BQ + R avec deg (R) deg (B)

On dit que Q est le quotient et R le reste de la division euclidienne de A par

B:
Remarque
Si R = 0 on a par convention deg (R) = 1:
Lemme
Soit A 2 IK [X] et soit x0 2 IK on a:

A (x0 ) = 0 , (X x0 ) divise A

Démonstration
Ecrivons la division euclidienne de A par (X x0 ),

A (X) = (X x0 ) Q + R

avec
deg (R) deg (X x0 ) = 1
Donc R est un polynôme constant R = r:
Remplaçons X par x0 dans l’équation précédente:

A (x0 ) = (x0 x0 ) Q + R !
A (x0 ) = r

Si A (x0 ) = 0 on a r = 0 et donc

A (X) = (X x0 ) Q

Reciproquement, si (X x0 ) divis A alors il existe Q tel que

A (X) = (X x0 ) Q

23
 et donc
A (x0 ) = (x0 x0 ) Q (x0 ) = 0

Dé…nitions
m
Soit a 2 IK: Soit P un polynôme. l’ensemble fm 2 N; tel que (X a) n Pg
admet un plus grand élément, noté m (a) et appelé multiplicité de la
racine a de P
III. 4. Idéal
Dé…nition
- Soit (A; +; ) un anneau. Soit I une partie de A: On dit que I est un
idéal de A si et seulement si:
(I; +) est un sous-groupe du groupe (A; +) pour tout i2 I; et pour tout
a 2 A on a: a:i 2 A et i:a 2 A
Exemples
- nZ est un idéal de Z pour tout n
- AIK [X] est un idéal de IK [X] :
- Plus généralement si A est un anneau commutatif et si a 2 A; alors aA:
l’ensemble des multiples de a est un idéal de A
Proposition
Soit (A; +; ) un anneau commutatif. Soient I et J deux idéaux de A:

I \ J est un ideal de A
I + J est un ideal de A

Dé…nition
- Un idéal I d’un un anneau commutatif A, est idéal principal s’il est formé
des multiples d’un élément a 2 A; c’est-à-dire si

I = aA

- Un anneau A est dit principal si tous ses idéaux sont principaux.

24
 Exemple
Z est un idéal principal. En e¤et, si I est un idéal de Z c’est un sous-groupe
de (Z; +) donc on a
I = n:Z

Dé…nition
On dit qu’un polynôme est unitaire s’il est non nul et si son coe¢ cient de
plus haut degré est égal à 1:
Proposition
L’anneau IK [X] est un anneau principal
III. 4. PGCD de deux polynômes
Dé…nition
Soient A et B deux polynômes de IK [X] : AIK [X] + BIK [X] est un idéal
de IK [X] :
Donc il existe un D 2 IK [X] unitaire tel que

AIK [X] + BIK [X] = DIK [X]

:
On appelle D le plus grand diviseur commun de A et B et on note

D = pgcd (A; B)
ou D = A ^ B

Proposition
Soient A et B deux polynômes de IK [X] non tous nuls, alors D = pgcd (A; B)
si et seulement si:
- le polynôme D divise A et B
- si D0 est un diviseur de A et de B alors D0 divise D
Exemples
-
pgcd 2X + 2; X 2 + 2X + 1 = X + 1
- Si A 2 IK , pour tout polynôme B on a

pgcd (A; B) = 1

-
pgcd (X: (X 1) ; (X 1)) : (X + 2) = X 1
-
pgcd (X p ; X q ) = X min(p; q)

25
 Proposition
Soient A, B 2 IK [X] : On a les propriétés suivantes:
-
pgcd (A; B) = pgcd (B; A)
- si A 6= 0;
1
pgcd (A; A) = A
a
où désigne le coe¢ cient dominant de A
- pour tout a; b 2 IK

pgcd (aA; b B) = pgcd (A; B)

- pour tout polynôme unitaire C 2 IK [X] ; on a:

pgcd (CA; C B) = C:pgcd (A; B)

III. 5. Algorithme d’Euclide

Proposition
Soient A et B deux polynômes non nuls. On construit par récurrence une
suite de polynômes (Rn )n2N de façon suivante: R0 = A; R1 = B R2 est le
reste de la division euclidienne de R0 par R1 , et de proche en proche tant
que Rn 6= 0: Rn+1 est égal au reste de la division de Rn 1 par Rn :
Alors il existe un entier N tel que RN 6= 0 et RN +1 = 0: De plus,
1
pgcd (A; B) = RN
cN
où cN désigne le coe¢ cient dominant de RN :
Exemple
Soient A, B 2 IK [X] donnés par:

A = X5 + X3 + X2 + 1

et
B = X 4 + X 3 + 2X 2 + X + 1
on a

X 5 + X 3 + X 2 + 1 = (X 1) X 4 + X 3 + 2X 2 + X + 1 + 2X 2 + 2

1 2 1 1
X 4 + X 3 + 2X 2 + X + 1 = X + X+ 2X 2 + 2 + 0
2 2 2
Le dernier reste non nul étant 2X 2 + 2, on obtient alors que

pgcd (A; B) = X 2 + 1

26
 Relation de Bézout
Soient A et B deux polynômes de IK [X] : Alors il existe des polynómes U
et V tels que
pgcd (A; B) = A:U + B:V

III. 6. Polynômes premiers entre eux

Dé…nition
Soient A, B 2 IK [X] : On dit que A et B sont premier entre eux si pgcd (A; B) =
1:
Exemples
- Les polynómes 2 et 2X + 4 dans R [X] sont premiers entre eux.
- Les polynómes X 2 + X + 1 et X 3 1 ne sont pas premiers entre eux car

X3 1 = (X 1) X 2 + X + 1

Théorème de Bézout
Deux polynômes A et B de IK [X] sont premiers entre eux si et seulement
s’il existe deux polynómes U; V 2 IK [X] tel que

A:U + B:V = 1

III. 7. PPCM de deux polynômes

Dé…nition
Soient A, B 2 IK [X] ; il existe M 2 IK [X] unitaire tel que

AIK [X] \ BIK [X] = M IK [X]

M est appelé le plus petit multiple commun de A; B;

ppcm (A; B) = A _ B

Propositions
Soient A et B deux polynômes sur IK. Soit M 2 IK [X] : Alors M =
ppcm (A; B) si et seulement si:
- M est un multiple de A et B
- Si P est un multiple de A et de B alors M divise P
Exemples
-

ppcm 2X 2 + 2; X 2 + X + 1 = X 2 + X + 1
-
ppcm (X: (X 1) ; (X 1) : (X + 2)) = X: (X 1) : (X + 2)

27
 -
ppcm (X p ; X q ) = X max(p; q)

III. 8. Polynômes scindés

Propositions
1 = Soit A 2 IK [X] non nul. Soient 1 ; 2 ; :::; n 2 IK distincts deux à
deux. Soient m1 ; m2 ; :::; mn 2 N:
- pour tout k 2 f1; :::; ng ; k est racine de A avec la multiplicité mk .
- il existe Q 2 IK [X] tel que
n mk
A = Q k=1 (X k) ; 8 k 2 f1; :::; ng
et Q ( k ) 6= 0

2 = Soit A 2 IK [X] ; deg (A) = n 1: Soient 1 ; 2 ; :::; n 2 IK ses

racines distinctes dans IK.
Soient m1 ; m2 ; :::; mn 2 N leurs multiplicités respectives (mk 1) : On
Xn
suppose que mk = 1:Autrement dit, on suppose que A admet n racines
k=1
dans IK, chacune étant comptée autant de fois que sa mmultiplicité. Alors
n mk
A= k=1 (X k)

où est le coe¢ cient dominant de A. On dit que le polynôme A est scindé

dans IK.
III. 9. Polynômes irréductibles

Dé…nition
Un polynôme P 2 IK [X] est irréductible sur IK s’il n’est pas constant et
si:

8 Q; R 2 IK [X] ;
P = QR ) deg (Q) = 0 ou deg (R) = 0

c’est- à- dire que l’on peut pas écrire P comme le produit de deux polynômes
no-constants.
Exemples
- tout polynôme de degré est irréductible
- le polynôme P = X 2 + X + 1 est irréductible sur R
- le polynôme P = X 2 + X + 1 n’est pas irréductible sur C
- les seuls polynômes irréductibles de C sont de degré 1

28
 III. 10. Relations entre coe¢ cients et racines d’un polynôme
Dé…nition
Soit un polynôme

P (X) = X n + an 1X
n 1
+ ::: + a0

et soient x1 ; x2 ; :::; xn ses n racines (complexes), chacune d’elle étant écrite

autant de fois que son ordre de multiplicité.
On a donc:

P (X) = X n + an 1X
n 1
+ ::: + a0 = (X x1 ) (X x2 ) ::: (X xn )

En développant et en identi…ant les coe¢ cients on trouve:

n
X
1 = xi = an 1
i=1

n
X
2 = xi xj = an 2
i j
n
X
3 = xi xj xk = an 3
i j k

:::
n
n = x1 x2 :::xn = ( 1) a0
d’où l’égalité
n
P (X) = X n +an 1X
n 1
+:::+a0 = (X x1 ) (X x2 ) ::: (X xn ) = X n 1X
n 1
+ 2X
n 1
+:::+( 1) n

Réciproquement, si les nombres x1 ; x2 ; :::; xn véri…ent les relations précé-

dentes alors ils sont racines du polynôme P (X) = X n + an 1 X n 1 + ::: + a0 :
( i )i=1;:::; n sont appelées fonctions symétriques des racines du polynôme P:
Exemples & applications
1. Ecrire les relations précédentes dans le cas où

P (x) = ax2 + bx + c

résoudre sans calcul l’équation

2x2 x 3

2. soient a; b et c les racines x3 + px + q: Calculer en fonction de p et q :

a2 + b2 + c2

29
 1 1 1
+ +
a b c
1 1 1
3 2 + 3 2 + 3 2
(a 1) (b 1) (c 1)
a3 + b3 + c3
Soit l’équation
X3 2X 2 + X + 1 = 0
et x1 ; x2 ; x3 des racines (réelles ou complexes); former une équation du
troisième degré ayant pour racines x21 ; x22 ; x23 : Même question avec
1 1 1
x1 ; x2 ; x3 :
3. résoudre le système dans C3 :
8 9
< x+y+z =1 =
x2 + y 2 + z 2 = 9
: 1 +1+1 =1 ;
x y z

prendre comme inconnues

1 = x+y+z
2 = xy + xz + yz
3 = xyz

30
 ALGEBRE I

CHAPITRE IV: FRACTIONS RATIONNELLES

IV.1 Dé…nition
Une fraction rationnelle sur IK estun couple de polynômes (A; B) 2 IK [X]
IK [X] avec B 6= 0; noté sous forme de fraction:
A
F =
B
Le polynôme A se nomme le numérateur et B le dénominateur.
A C
Deux fractions F = B et G = D sont dites équivalentes sil existe un
polynôme non nul P 2 IK [X] tel que

C PA
=
D PB
A C
On dit alors que F = B et G = D représentent la même fraction rationnelle.
Exemple
Les deux fractions suivantes
X5 3X 4 + 3X 2
F =
X3 6X 2 + 11X 6
et
X4 X2
G=
X2 3X + 2
sont équivalentes car

X5 3X 4 + 3X 2 (X 3) : X 4 X 2
=
X3 6X 2 + 11X 6 (X 3) : (X 2 3X + 2)

IV. 2. Forme irréductible

Dé…nition
On appelle forme irréductible d’une fraction rationnelle F non nulle tout
(A; B) 2 IK [X] IK [X] avec A 6= 0; B 6= 0; tel que A et B ne possède pas de
diviseurs communs.

31
 Exemple
La fraction rationnelle
X4 X2
X2 3X + 2
n’est pas irréductible car

X4 X2 X 2 (X 1) (X + 1)
=
X2 3X + 2 (X 1) (X 2)

Sa forme irréductible est

X 2 : (X + 1)
(X 2)

Convention & notation

On convient de représenter une fraction rationnelle par sa forme irréductible
et on désigne pa IK (X) l’ensemble des fractions rationnelles sur IK
Immersion de IK [X] dans IK (X)
On identi…e tout polynôme P 2 IK [X] à la fraction

P
2 IK (X)
IIK[X]

et on note
P
=P
IIK[X]
On dit que l’on immerge l’ensemble des polinômes dans celui des fractions.
IV. 3 Structure de corps commutatif sur IK (X)
On munit IK (X) de deux opérations ( notées + et ) dé…nies pour tous
A1 A2
,
B 1 B2 appartenant à IK (X) par:
A1 A2 A1 B2 + B1 A2
+ =
B1 B2 B1 B2
A
Ainsi, (IK (X) ; +; ) est un anneau commutatif. De plus, pour tout B
2 IK (X) ,
A B 1IK[X]
= = 1IK[X]
B A 1IK[X]
Alors, (IK (X) ; +; ) est un corps commutatif.

32
 IV. 4. Zéros & pôles d’une fraction rationnelle
Dé…nitions
Soit (A; B) 2 IK (X) une fraction rationnelle irréductible non nulle
- On appelle zéro de la fraction (A; B) toute racine du polynôme A dans
IK [X] :
A
- On appelle alors de multiplicité du zéro de la fraction B l’ordre de
multiplicité de en tant que racine de A 2 IK [X]
A
- L’élément 2 IK est appelé póle de la fraction B s’il est une racine du
polynôme B 2 IK [X]
A
- On appelle alors ordre de multiplicité du póle de la fraction B l’ordre
de multiplicité de en tant que racine de B 2 IK [X]
Exemple
- Considérons dans R (X) la fraction rationnelle suivante:

X 2 : (X + 1)
(X 2)

* Elle admet pour zéro X = 1 ( zéro simple ) et X = 0 (zéro double )

* Elle admet pour póle X = 2 ( póle )
- Considérons dans R (X) la fraction rationnelle suivante:
3
(X 4)
X2 + X + 1
* Elle admet pour zéro X = 4 (zéro triple )
* Elle n’admet aucun póle dans R
* Cependant, elle admet deux póles simples dans C qui sont les nombres
2i
complexes X1 = j = e 3 et X2 = j
IV. 5 Partie entière d’une fraction rationnelle
Soit (A; B) 2 IK (X) une fraction rationnelle irréductible. La division
euclidienne de A par B implique qu’il existe (Q; R) 2 IK [X] IK [X] tel que

A = BQ + R
et deg (R) deg (B) :

On obtient alors dans IK (X) l’égalité suivante:

A R
=Q+
B B
A
Le polynôme Q se nomme partie entière de B: Il est nul si deg (A) deg (B)

33
 Exemple
La partie entière de la fraction rationnelle

X4
(X 4 1)

n’est pas nulle.

La division euclidienne de X 4 par X 4 1 donne:Q = 1 et R = 1 c’est-à-dire,

X4 X4 1 + 1 1
= =1+
(X 4 1) (X 4 1) (X 4 1)

IV. 6. Première décomposition

Lemme
R
Sot B 2 IK (X) une fraction rationnelle irréductible telle que deg (R)
deg (B) et telle que le dénominateur B admet la décomposition en facteurs
premiers dans IK [X] de la forme:

B = P1n1 P2n2 ::: nm

Pm

avec (Pi )i=1; :::; m sont des polynômes irréductibles. Alors il existe m polynômes
L1 ; :::; Lm 2 IK [X] tels que:

R L1 Lm
= n1 + ::: + nm
B P1 Pm

avec deg (Lk ) deg (Pknk ) pour tout k 2 f1; :::; mg : Cette décomposition
est unique.
Exemple
On considère la fraction rationnelle:
A 4X
= 2 2 2 R (X)
B (X 1) (X 2 + 1)

On a la factorisation irreductible suivante:

B = P12 P22

avec

P1 = X 1
P2 = X2 + 1

Ainsi (Q = 0 car deg (A) deg (B)) :

A L1 L2 2 X X3 + X 2
=Q+ 2 + 2 = 2 + 2
B P1 P2 (X 1) (X 2 + 1)

34
 IV. 7 Deuxième décomposition
Lemme
Soit PLn 2 IK (X) une fraction rationnelle irréductible telle que deg (L)
deg (P n ). Alors il existe n polynômes S1 ; :::; Sn 2 IK [X] tels que:

L S1 S2 Sn
n
= + 2 + ::: + n
P P P P
avec deg (S1 ) deg (P ) ; :::; deg (Sn ) deg (P ) : Cette décomposition est
unique.
Exemple
2 X
Appliquons le lemme précédent à la fraction (X 1)2
, on obtient:

2 X
2 = + 2
(X 1) X 1 (X 1)
1 1
= + 2
X 1 (X 1)

puis appliquons leàla fraction:

X3 + X 2
2
(X 2 + 1)

X3 + X 2 X+ X+
2 = + 2
(X 2 + 1) X2 + 1 (X 2 + 1)
X 2
= +
X 2 + 1 (X 2 + 1)2

Bilan: on a obtenu la décomposition sur R :

4X 1 1 X 2
2 2 = + 2 + +
(X 1) (X 2 + 1) X 1 (X 1) X2 + 1 (X + 1)2
2

35
 IV. 8 Décomposition en éléments simples (DES)
Théorème
R
Sot B 2 IK (X) une fraction rationnelle irréductible telle que B admet une
factorisation irréductible dans IK [X] de la forme:

B = B = P1n1 P2n2 ::: nm

Pm
R
Alors B se décompose de manière unique comme suit:

X m
R Sk;1 Sk;2 Sk;n
=Q+ + 2 + ::: + nkk
B Pk Pk Pk
k=1

où Q 2 IK [X] est la partie entière et, pour tout k 2 f1; :::; mg : Sk;1 ; Sk;2 ; :::; Sk;nk
2 IK [X] et véri…ent:

deg (Sk;1 ) deg (Pk ) ; :::; deg (Sk;nk ) deg (Pk )

IV. 8. 1. Décomposition sur C

- Les seuls polynômes irréductibles de C [X] sont les polynômes de degré 1:
R
Sot B 2 C (X) une fraction rationnelle irréductible avec

B = bn X n + ::: + b1 X + b0 ; (bn 6= 0)

Le polynôme B est nécessairement scindé sur le corps C :

m hk
B = bn k=1 (X k)

avec 1; :::; m dans C; tous distincts, et

m n et
h1 + h2 + ::: + hm = n
R
- Sur C, la décomposition en éléments simples de B est:

R 1;1 1;h1 m;1 m;hm

=Q+ + ::: + h1
+ ::: + + ::: + hm
B X 1 (X 1) X m (X m)

où 1;h1 6= 0; :::; m;hm 6= 0:

- Tout élément simple de C (X) est nécessairement du type:

k
(X )

avec ( ; ) 2 C2 et k 2 N :

36
 Exemple
on considère sur C (X) la fraction rationnelle:
4
2
(X 2 + 1)

- La partie entière de la décomposition en élément simples est nulle puisque

deg(4) = 0 deg((X 2 + 1)) = 4:
- Le dénominateur se factorise comme suit:
2 2 2
X2 + 1 = (X + i) (X i) ; 1 = i; 2 = i

La décomposition en éléments simples sur C s’écrit:

i 1 i 1
+ 2 + +
X i (X i) X + i (X + i)2

IV. 8.2 Décomposition sur R

- Le corps R n’est pas algébriquement clos.
- Les polynômes irréductibles de R [X] sont:
* les polynômes de degré 1
* les polynômes de degré 2 n’ayant aucune racine réelle.
R
- Sot B 2 R (X), irréductible. On suppose que le polynôme B se factorise
sur R comme suit:
m hk m0 sk
B = bn k=1 (X k) k=1 ak X 2 + bk X + ck
avec

h1 + ::: + hm + 2 (S1 +) ::: + sm0 = n

8k 2 f1; :::; mg b2k 4ak ck 0

On trouvera ainsi deux sommes partielles.

R
- Dans le cas où B 2 R (X) admet un pôle 2 R de multiplicité h; on
trouve:
R 1 h
= + ::: + h
B X (X )
avec 1 ; :::; h 2 R:
- Dans le cas où la factorisation irréductible de B fait apparaître le polynôme
s
aX 2 + bX + c ; (a; b; c) 2 R3 ; a 6= 0;

on trouve:
1X + 1 SX + S
B= +
aX 2 + bX + c (aX 2 + bX + c)s

37
avec 1; 1; :::; S 2 R:
Exemple
Soit sur R (X) la fraction rationnelle: (X 1)24X
(X 2 +1)2
- La partie entière de la DES sur R est nulle.
- La décomposition en éléments simples sur R s’écrit ainsi:
4X X+ X+
2 2 = + 2 + +
(X 1) (X 2 + 1) (X 1) (X 1) (X 2 + 1) (X 2 + 1)2

IV. 8.3 Cas d’un póle simple

R
Soit B 2 R (X), irréductible, possédant un póle simple 2 IK:
- Le polynôme B s’écrit ainsi sous la forme:

B = (X ) C où C 2 IK [X] et C ( ) 6= 0:

On en déduit:
A T
= + où T 2 IK [X] :
(X )C (X ) C

- En multipliant par (X ) ; on a:

A (X )T
= +
C C
- En évaluant en , on obtient:

A( )
= :
C( )

Exemple
Considérons sur R la DES formelle suivante:
X 1 2
= +
(X 1) (X 2) X 1 X 2
Déterminons les deux réels 1 et 2 :
- En multipliant par (X 1) et en évaluant en 1, on a: 1 = 1
- En multipliant par (X 2) et en évaluant en 2, on a: 2 =2
Finalement, on obtient:
X 1 2
= +
(X 1) (X 2) X 1 X 2

38
 IV. 8.4 Cas d’un pôe multiple
A1
Soit B1 2 IK (X) ; irréductible, possédant un póle 2 IK d’ordre h 2:
h
- On a ainsi: B1 = (X ) C1 avec C1 ( ) 6= 0:
- Dans la DES sur IK, la partie relative au póle sécrit:

1 2 h
+ 2 + ::: + h
(X ) (X ) (X )
- Le calcul de h se¤ectue indépendament des autres coe¢ cients. En e¤et,
on a:
A1 1 2 h T
h
= + 2 + ::: + h
+
(X ) C1 (X ) (X ) (X ) C1

où T 2 IK [X] :
h
En multipliant par (X ) et en évaluant en ; on a:

A1 ( )
h =
C1 ( )

Procédons à présent au calcul des coe¢ cients 1; 2; ::: ; h

- Étape 1
On e¤ectue un chagement d’indéterminée:

Y =X

On obtient ainsi A2 2 IK [Y ] et C2 2 IK [Y ] :

A1 A2
h
=
(X ) C1 Y h :C2

- Étape 2
On e¤ectue ensuite une division selon les puissances croissantes à l’ordre A2
par C2 :
h 1
A2 = C2 q0 + q1 Y + ::: + qh 1Y + Y h R2
où q0 ; q1 ; :::; qh 1 2 IK et R2 2 IK [Y ] :
- Étape 3
Retour à la fraction. On obtient:
A2 q0 q1 qh 1 R2
= h+ h + ::: + +
Y h :C2 Y Y 1 Y C2

39
Étape 4
Il reste en…n à revenir à l’indéterminée X

A1 q0 q1 qh 1 R1
h
= h
+ h 1
+ ::: + +
(X ) C1 (X ) (X ) (X ) C1

On a ainsi obtenu:

h = q0 ; h 1 = q1 ; :::; 1 = qh 1

Exemple
Déterminons la somme partielle relative au póle = 1 de
4X A1
2 2 = 2
(X 1) (X 2 + 1) (X 1) C1

- Étape 1
changement d’indéterminée: Y = X 1:
A1 A2
2 =
(X 1) C1 Y 2 C2
où les deux polynômes A2 et C2 sécrivent:

A2 = 4Y + 4

et
C2 = 4 + 8Y + 8Y 2 + 4Y 3 + Y 4

- Étape 2
La division selon les puissances croissantes à l’ordre 1 de A2 par C2
donne:
A2 = C2 (1 y) + Y 2 4Y + 3Y 2 + Y 3

- Étape 3
On a ainsi

A2 1 1 4Y + 3Y 2 + Y 3
2
= 2 +
Y C2 Y Y C2

40
 Étape 4
changement inverse Y = X 1

4X 1 1 X3 + X 2
2 2 = 2 + 2
(X 1) (X 2 + 1) (X 1) X 1 (X 2 + 1)

Remarque
La partie relative au polynôme X 2 + 1 peut être obtenue
à partir de la fraction rationnelle R
C1 : En e¤et,
1

X3 + X 2 X X2 + 1 2 X 2
2 = 2 = +
(X 2 + 1) (X 2 + 1) X 2 + 1 (X 2 + 1)2

IV. 9. Réduction du nombre des coe¢ cients

R
Sot B 2 IK (X) (avec IK = R ou C) une fraction rationnelle irréductible.
- Supposons que cette fraction possède (au moins) un pôle 2 IK d’ordre
h 1:
- La partie relative au pôle sécrit alors

1 2 h
+ 2 + ::: + h
(X ) (X ) (X )
avec 1; :::; h 2 IK:
IV. 9. 1. Utilisation de la parité
Supposons que la fraction rationnelle F est paire
- Alors est aussi un pôle de F , de même multiplicité que :
- La partie relative au pôle s’écrit:
0 0 0
1 2 h
+ 2 + ::: + h
(X + ) (X + ) (X + )
0 0
avec 1; :::; h 2 IK:
On a alors les résultats suivants:
- Si F est paire alors
0 k
8 k 2 f1; 2; :::; hg ; k = ( 1) k

0 k 1
- Si F est impaire alors 8 k 2 f1; 2; :::; hg ; k = ( 1) k

41
IV. 9. 2. Utilisation de la conjugaison
A
Supposons B à coe¢ cients réels et 2 C n R:
- Alors est un pôle de F , de même multiplicité que :
- La partie relative au pôle s’écrit:

1 2 h
+ 2 + ::: + h
(X ) (X ) (X )
avec 1 ; :::; h 2 C
Puisque F est à coe¢ cients réels, on a

8 k 2 f1; 2; :::; hg ; k = k

Exemple

X2 + 1 1 2 1 2
2 = + 2 + + ;
(X 2 + X + 1) X j (X j) X j X j
( 1; 2 2 C)

42
 ALGEBRE I

Chapitre VI: MATRICES DETERMINANT & SYSTEMES LINEAIRES

V.1. Matrices
Dans ce chapitre, on dé…nit les matrices et les di¤érentes règles de calcul qui
les accompagnent.
Généralités
Dé…nitions
On appelle matrice à coe¢ cients réels, tout tableau ayant n lignes et m
colonnes de la forme
0 1
a11 a12 ::: a1n
B a21 a22 ::: a2n C
M =B@ :::
C ; aij 2 R
::: ::: ::: A
am1 am2 ::: amn

Une telle matrice est dite matrice de m 1 lignes et de n 1 colonnes.

L’ensemble des matrices de m lignes et n colonnes de scalaires de R se note
M m;n (R) :
Exemples

A = (a) 2 M 1;1 (R) ;

0 1
2
B = @ 0 A 2 M 3;1 (R) ;
1
C= 0 1 2 6 2 M 1;4 (R)
0 1
8 2 1
D=@ 5 0 1 A
7 4 1
V.2 DIFFERENTS TYPES DE MATRICES
Matrice nulle
La matrice de M m;n (R) dont tous les éléments sont nuls est appelée matrice
nulle de m lignes et n colonnes:
0 1
0 0 ::: 0
B 0 0 ::: 0 C
N =B C
@ ::: ::: ::: ::: A
0 0 ::: 0

Matrice colonne

43
 C’est une matrice qui une seule colonne et m lignes:
0 1
a1
B a2 C
C=B C
@ ::: A 2 M m;1 (R)
am

Matrice ligne
Une matrice d’une seule ligne et de n colonnes est dite matrice ligne et est
de la forme
a1 a2 ::: an 2 M 1;n (R)

Matrice carrée
Une matrice M est carrée si le nombre de lignes est égal aux nombre de
colonnes; m = n:
0 1
a11 a12 ::: a1n
B a21 a22 ::: a2n C
M =B @ :::
C
::: ::: ::: A
an1 an2 ::: ann

Exemple
La matrice identité 0 1
1 2 5 0
B 1 2 3 0 C
B C
@ 0 6 1 7 A
4 5 0 1

Matrice diagonale
La diagonale d’une matrice carrée est constituée des termes de la forme:
aii ; 1 i n
Une matrice diagonale est une matrice carrée dont les éléments en dehors de
la diagonale sont nuls:

44
 Exemples
- La matrice identité
0 1
1 0 ::: 0
B 0 1 ::: ::: C
In = B C
@ ::: 0 ::: 0 A 2 M n;n (R)
0 ::: 0 1
i si i = j
Ii;j = ij =
0 si i 6= j

1 0
I2 =
0 0

Matrice triangulaire
Une matrice est dite triangulaire supérieure si tous ses termes en dessous de
sa diagonale sont nuls.
Une matrice est dite triangulaire inférieure si tous ses termes en dessus de
sa diagonale sont nuls.
Exemple
0 1
3 1 2
@ 0 4 2 A
0 0 6
0 1
5 0 0
@ 1 4 0 A
4 3 2
Matrice transposée
On appelle matrice transposée d’une matrice A ayant m lignes et n colonnes
une matrice notée AT ayant n lignes et m colonnes.

A 2 M m;n ; A = (aij ) ; 1 i m; 1 j n
AT 2 M n;m ; AT = (aji )

Exemple
0 1
1 2
B 0 1 C 1 0 4 1
A=B
@ 4
C; AT =
5 A 2 1 5 9
1 9

45
 V.3. MATRICE SYMETRIQUE
Dé…nition
Une matrice carrée A est dite symétrique si elle est égale à sa transposée:

A = AT

Exemple
0 1
5 3 2
A=@ 3 3 0 A
2 0 1

Trace d’une matrice

La trace d’une matrice carrée A qu’on note T r (A) de dimension n est la
somme des éléments de sa diagonale:
n
X
T r (A) = aii
i=1

Proposition
Soient A et B deux matrices carrées de dimension n et c 2 R: On a:

T r (cA + B) = cT r (A) + T r (B)

T r (AB) = T r (BA)

V. 4. Opérations sur les matrices

On peut dé…nir sur les matrices trois opérations:
- La somme de deux matrices de même type,
- Le produit extérieur d’une matrice par un scalaire
- Le produit de deux matrices dont le nombre de lignes de la première est
égal au nombre de colonnes de la deuxième
V.4.1 Somme de deux matrices
Dé…nition
Deux matrice de même type lorsqu’elles ont le même de lignes et le même
nombre de colonnes.
Soient A; B 2 M m;n (R). Alors leur somme est une matrice C = A + B
dont les éléments de matrices sont donnés par:

Cij = (A + B)ij = Aij + Bij ;

1 i m; 1 j n

46
 Exemple

1 1 2 4 6 6 5 7 4
+ =
20 5 2 1 0 7 21 5 5

Proposition
1. Associativité
L’addition est associative dans M m;n (R):

8 A; B; C 2 M m;n (R) ; (A + B) + C = A + (B + C)

2. Commutativité

8 A; B; 2 M m;n (R) ; A + B = B + A
3. Elément nul
Soit la matrice 0 2 M m;n (R) dont tous les éléments sont nuls, alors

8A 2 M m;n (R) ; A + 0 = 0 + A

4. Opposé
Tout élément (toute matrice) de M m;n (R) admet un opposé:

8A 2 M m;n (R) , A 2 M m;n (R)

tel que A + ( A) = 0;
A = (aij ) , A = ( aij )

V. 4.2. Multiplication externe

Soit 2 R un scalaire et soit A 2 M m;n (R) :
Par dé…nition, la matrice :A notée aussi A est une matrice dont les élé-
ments sont eux de A pultipliés par :

( A)ij = aij

Exemple

1 1 2 2 2 4
2 =
20 5 2 40 10 4

47
 Proposition
1. L’élément unité de R, noté 1R , laisse invariantes les matrices:

8A 2 M m;n (R) ; 1R :A = A
(1R :A)ij = (A)ij

2. L’élément nul de R est un élément absorbant:

8A 2 M m;n (R) ; 0R :A = 0
(0R :A)ij = 0

3. La multiplication externe est distributive par rapport à l’addition sur R

et sur M m;n (R) :
2
8 ( ; ) ; 8 (A; B) 2 M m;n (R) ;
( + )A = A+ A
(A + B) = A+ B
( A) = A

Ainsi, l’ensemble M m;n (R) muni de l’addition interne (+) et de la multipli-

cation externe (:) est un espace vectoriel sur R:
V.4.3 Produit de matrices
On ne peut dé…nir le produit de matrices que lorsqu’elles sont conformes.
Deux matrices A et B sont conformes si le nombre de colonnes de A est
égal au nombre de lignes de B:
Les éléments de M m;n (R) et M n;k (R) sont conformes.
Dé…nition
On dé…nit le produit d’une matrice ligne X de n colonnes par une matrice
colonne de n lignes comme:
0 1
y1
B y2 C
X = x1 x2 ::: xn ; Y B C
@ ::: A ;
yn
XY = x1 y1 + x2 y2 + ::: + xn yn

Exemple
0 1
0
1 2 4 @ 4 A = (1 0) + ( 2 4) + (4 3) = 4
3

48
 Dé…ntion
Le produit d’une matrice A 2 M m;n (R) de m lignes et de n colonnes par
une matrice B 2 M n;k (R) de n lignes et de k colonnes est une matrice
C 2 M m;k (R) de m lignes et de k colonnes:

C = AB; cij = (AB)ij

Exemple
0 1 0 1 0 1
1 2 0 2 0 8 9
@ 1 2 1 A @ 3 2 A=@ 9 7 A
0 4 5 1 3 7 7

Remarques
1. Le produit de matrices est associatif:

A(m;n) B(n;k) C(k;p) = A(m;n) B(n;k) C(k;p)

2. Une matrice nulle est absorbante, c’est-à-dire, que si O 2 M m;n (R) est
une matrice nulle, alors pour toute matrice A 2 M m;n (R) qui lui est
conforme on a:
O A=O
Exercices
1. Soit la matrice carrée d’ordre deux
1 1
M=
2 2

a) Calculer M 2 et véri…er que M 2 = M avec une constante à déterminer

b) Calculer M 3 et M 4 en fonction de M et
c) Soit n un entier quelconque. Déduire de b) l’expression de M n en
fonction de M; et n:
d) Démontrer par récurrence la relation établie sous c)
2. Soit la matrice
1 2
M=
3 5
Déterminer la famille des matrices X telles que le produit M X soit une
matrice diagonale.

49
 V.5. Déterminant d’une matrice
Le concept de déterminant d’une matrice est un outil qui sert essentiellement
à étudier l’indépendance linéaire d’un ensemble de vecteurs et à
calculer pratiquement l’inverse d’une matrice
V.5.1. Déterminant d’ordre 2
Dé…nition
Soit une matrice carrée d’ordre 2 de la forme
a11 a12
A=
a21 a22

C’est une fonction des éléments de cette matrice. Il peut aussi être considéré
comme une fonction de ses vecteurs colonnes
Le déreminant de A est un nombre et est noté
a11 a12
det (A) =
a21 a22
= a11 a22 a12 a21

Exemple

3 1
det =3 5 4 1 = 11
4 5

V.5.2. Déterminant d’ordre 3

Mineur
Soit la matrice 0 1
2 1 4
A=@ 5 2 3 A
8 7 3
Le mineur M12 de la matrice A est le déterminant de la matrice obtenue en
éliminant la 1ère ligne et la 2ème colonne de A:

5 3
M12 = = 5:3 3:8 = 9
8 3

Le mineur M22 est le déterminant de la matrice obtenue en éliminant la

2ème ligne et la 2 ème colonne de A :

2 4
= 2:3 4:8 = 26
8 3

50
 Cofacteur
Le cofacteur d’une matrice A est dé…ni par la relation
i+j
Cij = ( 1) Mij

Considérons à nouveau la matrice A.

Le cofacteur correspondant au mineur M12 = 9 est
1+2
C12 = ( 1) M12 = 9

le cofacteur correspondant au mineur M22 = 26 est

2+2
C22 = ( 1) M22 = 26

V. 5.3 Expansion par cofacteur-méthode de calcul du déterminant

Soit A une matrice carrée et Cij ses cofacteurs. Le déterminant est obtenu
en suivant une expansion par cofacteurs comme suit:
- choisir une ligne ou une colonne de A (s’il est possible la ligne ou la colonne
contenant le plus grand nombre de zéros)
- multiplier chacun des éléments aij de la ligne ou (de la colonne) choisie par
son cofacteur, Cij , correspondant
- faire la somme de ces résultats

Calcul du déterminant d’une matrice 3x3

Pour une matrice 3 3, le calcul de son déterminant en utilisant une expan-
sion le long de la 1ère ligne serait

det A = a11 C11 + a12 C12 + a13 C13

Si l’on choisit de faire une expansion le long de la 2ème colonne, alors le

déterminant est donné par:

det A = a12 C12 + a22 C22 + a32 C32

Quoique le choix de ligne ou de colonne puisse di¤érer, le résultat du déter-

minant sera le même quel que soit ce choix.

51
 Exemple
Calculons le déterminant de la matrice
0 1
2 1 3
A=@ 1 0 2 A
2 0 2

Utilisons le processus de l’expansion par cofacteurs:

- Choisissons la première ligne
- multiplier chacun des éléments de cette ligne par leurs cofacteurs corre-
spondants: les éléments de la première ligne sont a11 = 2; a12 = 1 et
a13 = 3 que l’on multiplie par les cofacteurs correspondants qui sont

1+1 0 2
C11 = ( 1) M11 = 1 = 0;
0 2
1+2 1 2
C12 = ( 1) M12 = ( 1) = 6;
0 2
1+3 1 0
C13 = ( 1) M13 = 1 =0
2 0

Finalement, on a:

det A = a12 C12 + a22 C22 + a32 C32

= 0+6+0=6

Exercice
Calculer le déterminant des matrices suivantes:
a) 0 1
1 3 2
@ 4 1 3 A
2 2 0
b) 0 1
1 0 2
@ 1 3 4 A
0 6 0
V.5.4. Déterminant d’ordre n
Dé…nition
Le mineur jAij j de l’élément aij de la matrice A est le déterminant de la
matrice Aij , obtenue en supprimant la ième ligne et la jème colonne de A:
i+j
Le cofacteur Aij de l’élément aij de la matrice A est égal à ( 1) fois le
mineur de aij :
i+j
Aij = ( 1) jAij j
Exemple

52
 a11 a12
jA23 j = det
a21 a22
On obtient:
2+3 a11 a12
A23 = ( 1) jA23 j = det
a21 a22

Dé…nition
Le développement par rapport à la ième ligne du déterminant de la matrice
A est donné par la formule:
n
X i+j
det (A) = ( 1) aij jAij j ; i étant f ixe
j=1

V.5.5 Propriétés du déterminant

1) Si un ligne ( ou une colonne) d’une matrice est multipliée par une con-
stante c, le déterminant est également multiplié par c:
2) La permutation de deux lignes ou de deux colonnes change uniquement
le signe du déterminant:

1 3 7 1 3 7
2 4 8 = 5 0 6 = 32
5 0 6 2 4 8

3) Une matrice qui a deux lignes ou deux colonnes identiques a un détermi-

nant nul
0 1
4 2 1
2 1 2 1 2 1
det @ 1 2 1 A =4 + =0
2 1 2 1 2 1
1 2 1
4) Le déterminant d’une matrice est nul si et seulement si les vecteurs
colonnes (respectivement les vecteurs lignes) sont liés:

3 6
det =0
4 8
En e¤et, la deuxième colonne est le double de la première colonne.
5) Si l’on ajoute à une colonne (respectivement à une ligne) un multiple
scalaire d’une autre colonne (respectivement d’une autre ligne) on ne
change pas le déterminant.
6) Si A est une matrice carrée alors,

det (A) = det AT

7) Soient A et B deux matrices d’ordre n alors,

det (AB) = det (A) det (B)

53
 8) Le déterminant d’une matrice diagonale d’ordre n est égal au produit des
éléments de la diagonale:

D = diag ( 1; 2; :::; n)
Yn
det (D) = j
j=1

9) Le déterminant d’une matrice triangulaire d’ordre n est égal au produit

des éléments de sa diagonale.

V. 6. Le pivot de Gauss
Principe général
Le pivot de Gauss est une méthode qui peut s’appliquer sur des matrices ou
sur des systèmes d’équations.
Le but de cette méthode est de transformer une matrice ou un système de
départ en une matrice ou un système qui soit triangulaire
La matrice ou le système obtenus sont dit "équivalent" à la matrice ou le
système de départ.
Opérations sur les lignes
- On échange la ligne d’indice i avec la ligne d’indice j: Li ! Lj
- On multiplie la ligne d’indice i par une constante a 6= 0 : Li ! aLi
- On remplace la ligne d’indice i par la somme de la ligne d’indice i multipliée
par a 6= 0 et de la ligne d’indice j multipliée par b

54
 V. 6 1. Déterminer si une matrice est inversible
Principe
La matrice équivalente obtenue après les opérations du pivot de Gauss pos-
sède les mêmes propriétés d’inversibilité que la matrice de départ.
Méthode
Pour répondre à la question "la matrice A est-elle inversible?" on commence
par appliquer les opérations du pivot de Gauss à la matrice A pour la
transformer en une matrice triangulaire B: s’il n’y a pas de 0 sur la diagonale
de B alors B est inversible et donc A est inversible. S’il y a un ou
plusieurs alors B n’est pas inversible et donc A n’est pas inversible.
Exemple 1
Cherchons si la matrice
0 1
2 7 3
A=@ 3 9 4 A
1 5 3

est inversible.
0 1
2 7 3
@ 3 L ! 3L1 2L2
9 4 A 2
L3 ! 2L3 L1
1 5 3 !
0 1 0 1
2 7 3 2 7 3
@ 0 3 1 A L3 ! L3 L2 @ 0 3 1 A
!
0 3 3 0 0 2
La matrice A est équivalente à une matrice triangulaire sans 0 sur la diago-
nale donc A est inversible
Remarques
- Si on trouve une matrice B qui véri…e

A B=I

alors on peut immédiatement dire que A est inversible et que

1
A =B

- Si les lignes de A sont liées ou si une ligne ne contient que des zéros, alors
A n’est pas inversible. C’est possible aussi avec les colonnes.
- Les valeurs de la constante pour lesquelles la matrice A I n’est pas
inversible sont les valeurs pour lesquelles l’un des termes de la diagonale
de la dérnière matrice du pivot de Gauss s’annule

55
 Exemple 2
Soit la matrice 0 1
2 2 1
@ 2 1 2 A
1 2 2
déterminer les valeurs de pour lesquelles la matrice A I n’est pas in-
versible:

0 1
2 2 1
A I = @ 2 1 2 A
1 2 2
0 1
1 2 2
L1 ! L3 @ 2 1 2 A
!
2 2 1
0 1
1 2 2
L2 ! 2L1 + L2 @ 0 3 6 2 A
!
2 2 1
0 1
1 2 2
L3 ! L3 + (2 + ) L1 @ 0 3 6 2 A
! 2
0 6 2 (2 + ) + 1
0 1
1 2 2
L3 ! L3 2L2 @ 0 3 2 (3 + ) A
! 2
0 0 +9
Plusieurs cas se présentent:
- si 3 = 0 , = 3 alors A I est équivalente à une matrice
triangulaire possédant un zéro sur sa diagonale donc A I n’est pas inversible.
2
- Si + 9 = 0 , = 3 ou = 3 alors A I est équivalente à une
matrice triangulaire possédant un zéro sur sa diagonale donc A I n’est pas
inversible.
- Sinon A I est équivalente à une matrice triangulaire sans zéro sur sa
diagonale donc A I est inversible.

56
 V. 6.2 Calcul de l’inverse d’une matrice
Principe
Lorsqu’une matrice est inversible, grâce aux opérations de pivot de Gauss
on peut la transformer en la matrice identité. Si on applique exactement
les mêmes opérations à la matrice identité, on obtient la matrice A 1 :
Méthode
On commence par écrire côte à côte la matrice A et la matrice identité. A
l’aide des opérations sur les lignes il faut transformer la matrice A en la
matrice identité. A chaque étape de la transformation de A il faudra e¤ectuer
les opérations sur les lignes aussi sur la matrice identité qu’on a écrit
à côté. A la …n, la matrice qu’on aura à côté de la matrice identité est la
matrice A 1 :
Exemple
Soit la matrice
0 1 0 1
2 7 3 1 0 0
A=@ 3 9 4 A I=@ 0 1 0 A
1 5 3 0 0 1

# L1 ! L3

0 1 0 1
1 5 3 0 0 1
@ 3 9 4 A @ 0 1 0 A
2 7 3 1 0 0

# L2 3L1 L2

L3 2L1 L3
0 1 0 1
6 0 7 0 5 9
@ 0 6 5 A @ 0 1 3 A
0 0 1 2 1 1

# L1 L1 + 7L3
L2 L2 5L3
0 1 0 1
6 0 0 14 12 2
@ 0 6 0 A @ 10 6 2 A
0 0 1 2 1 1
1
# L1 L1
6
1
L2 L2
6

57
 0 1 0 7 1
1
1 0 0 3 2 3
@ 0 1 0 A @ 5
1 1 A
3 3
0 0 1 2 1 1
On a donc 0 1
7 1
3 2 3
A 1
= @ 5
3 1 3
1 A
2 1 1
c’est-à-dire, on peut véri…er que
1
A:A =I

V. 6.3 Application aux systèmes di¤érentiel

Systèmes di¤érentiel sans paramètre
Pour résoudre un systèmed’équations sans paramètre il existe deux grandes
méthodes: la méthode par substitution et le pivot de Gauss. Voici un
exemple de résolution par le pivot de Gauss
Exemple
Résolvons le système suivant:
8 9
< 4x + 2y z = 5 =
2x + y + 2z = 5
: ;
x + 2y + 4z = 0

L1 L3
8 9
< x + 2y + 4z = 0 =
2x + y + 2z = 5
: ;
4x + 2y z = 5

L2 2L1 + L2
L3 L3 + 4L1
8 9
< x + 2y + 4z = 0 =
5y + 10z = 5
: ;
10y + 15z = 5
1
L2 L2
5

L3 2L2 L3
8 9
< x + 2y + 4z = 0 =
y + 2z = 1
: ;
5z = 15

58
 8 9
< x= 2 =
, y=5
: ;
z= 3
Systèmes di¤érentiel à paramètre
Pour étudier proprement un système à paramètre il est très fortement con-
seillé d’utiliser le pivot de Gauss qui aide à éviter de faire des opérations
du type division par 0
Exemple
Etudions le nombre de solutions du système suivant en fonctions des valeurs
du paramètre :
8 9
< (2 + ) x + 2y z = 0 =
(S) 2x + ( 1) y + 2z = 0
: ;
x + 2y + (2 + ) z = 0

Première étape
Il fau mettre le système sous forme triangulaire en s’assurant bien de ne pas
faire des opérations interdites. Par exemple il est interdit dans la
première étape d’e¤ectuer l’opération L2 (2 + ) L2 2L1 car on ne peut
pas remplacer L2 par une combinaison linéaire où nous ne sommes
pas sûr que le coe¢ cient devant L2 est non nul.

8 9 8 9
< (2 + ) x + 2y z = 0 = <x + 2y + (2 + ) z = 0 =
2x + ( 1) y + 2z = 0 L ! L3 2x + ( 1) y + 2z = 0
: ; 1 ! : ;
x + 2y + (2 + ) z = 0 (2 + ) x + 2y z = 0

8 9
< x + 2y + (2 + ) z = 0 =
L2 2L1 + L2
( + 3) y + 2 ( + 3) z = 0
L3 L3 + (2 + ) L1 : ;
! 2 ( + 3) y + 2 + 4 + 3 z = 0

8 9 8 9
< x + 2y + (2 + ) z = 0 = < x + 2y + (2 + ) z = 0 =
( + 3) y + 2 ( + 3) z = 0 L3 L3 2L2 ( + 3) y + 2 ( + 3) z = 0
: ; !: ;
2 ( + 3) y + 2 + 4 + 3 z = 0 2
9 z=0

59
Deuxème étape
On résout le système en faisant bien attention aux di¤érents cas:
- Si 2 9 6= 0 ( 6= 3 et 6= 3 ) alors on a:
8 9
< x + 2y = 0 =
(S) ( + 3) y = 0
: ;
z=0

,x=y=z=0
8 9
< x + 2y + 5z = 0 =
(S) () 6y + 12z = 0
: ;
0=0
Donc l’ensemble des solutions du système est S = f(0; 0; 0)g
- Si = 3; alors on a

8 9
< x + 2y + 5z = 0 =
x=z
(S) () 6y + 12z = 0 ,
: ; y = 2z
0=0
Donc l’ensemble des solutions du système est S = f(z; 2z; z) = z 2 Rg
-Si = 3; alors on a

8 9
< x + 2y z = 0 =
(S) () 0=0 , fz = x + 2yg
: ;
0=0
Donc l’ensemble des solutions est S = (x; y; x + 2y) = (x; y) 2 R2

60
 ALGEBRE II

CHAPITRE VI: ESPACE VECTORIEL

VI.1. STRUCTURE D’ESPACE VECTORIEL
On désignera par la suite par IK un corps commutatif quelconque.
Dé…nition
Un espace vectoriel E sur IK ( et on écrit que E est un IK ev) est un
groupe additif muni d’un produit externe
Les éléments de E sont appelés vecteurs ( notés !
x ) et ceux de IK sont
appelés scalaires ( notés :

IK E ! E
( ; !
x ) 7! !
x

tel que l’on a:

8 ; 2 IK et 8 !
x; !
y 2E
! !
( x ) = ( ) x associativite
( + )! x = !
x + ! x
! !
(x + y) = !
x + ! y distributivite a gauche et a droite

Scalaires
Les scalaires sont des réels ou complexes. Ce sont des éléments du corps R
ou C:
Les opérations sur les scalaires sont la somme et le produit qui véri…ent les
propriétés suivantes:

+( + ) = ( + )+
+0 =
+ = +
( ) = ( )
1 =
=
( + ) = +
0 = 0

De plus, tout scalaire possède un opposé , tel que

+( )=0

61
 1
et tout scalaire 6= 0 a un inverse tel que
1
=1

et on a aussi
( ) =

Vecteurs
Les vecteurs sont des éléments de Rn : En particulier, ce sont des éléments
de R2 (plan) ou ceux de R3 (espace de la mécanique classique).
Les opérations sur les vecteurs sont la somme et le produit externe (par un
scalaire). Ainsi, pour R2 , on pose:

(x; y) + (x0 ; y 0 ) = (x + x0 ; y + y 0 )
(x; y) = ( x; y)
!
Le vecteur nul (0; 0) est noté 0

VI.2 BASE D’UN ESPACE VECTORIEL

VI.2.1 Famille libre, famille liée

Dans la suite, E désigne un R espace vectoriel
Dé…nition 1:
une famille (!
e 1; !
e 2 ; :::; !
e n ) de vecteurs de E est libre si:
n
X
8( 2 Rn ; !
1; 2 ; :::; n) i ei=0) 1 = ::: = n =0
i=1

On dit aussi que les n vecteurs (!e i )i=1;:::;n sont linéairement indépendants.
Dé…nition 2:
Une famille qui n’est pas libre est dite liée. On dit aussi que les n vecteurs
sont linéairement dépendants.

62
 Exemple 1:
On considère dans R3 les deux vecteurs !
e 1 = (1; 3; 5) et !
e 2 = (6; 4; 0)
2
Soit ( 1 ; 2 ) 2 R , tel que
! ! !
1 e1+ 2 e2= 0

Cette équation vectorielle est équivalente aux système d’équations suivant:

+6 1 2 = 0
3 1 = 0
5 1+4 2 = 0

dont l’unique solution est la solution triviale

1 = 2 =0

Ainsi, la famille (!
e 1 = (1; 3; 5) ; !
e 2 = (6; 4; 0)) est libre.
Exemple 2:
On considère dans R2 la famille (!
e 1 = (1; 2) ; !
e 2 = (3; 4) ; !
e 3 = (5; 6) )
3
Soit ( 1 ; 2 ; 3 ) 2 R ; tel que
! ! ! !
1 e1+ 2 e2+ 3 e3= 0

Le système di¤érentiel équivalent s’écrit:

1 +3 2 +5 3 =0 1= 3
,
2 1 +4 2 +6 3 =0 2 = 2 3

Ce système admet au moins une solution non triviale, ce qui donne:

! ! ! ! !
3 e1 2 3 e2+ 3 e3 = 0 , 3 (!
e 1 2! e2+! e 3) = 0
!
, (!e 1 2!
e2+! e 3 ) = 0 avec 3 6= 0

Cette dérnière est une relation de dépendance linéaire et par conséquent la

famille (!
e 1; !
e 2; !
e 3 ) est liée.

Propriétés
) Toute famille contenant le vecteur nul est liée
) La famille (!e 1; !
e 2 ; :::; !
e n ) est liée si et seulement si l’un des vecteurs
est combinaison linéaire des autres
) Toute famille contenant une famille liée est liée
) Toute sous-famille d’une famille libre est libre.

63
 VI.2.2. Famille génératrice, base d’un espace vectoriel
Famille génératrice
Soient !
e 1; !
e 2 ; :::; !
e n des vecteurs d’un espace vectoriel E. Alors l’ensemble
F des combinaisons linéaires de ces vecteurs est engendré par ces
vecteurs et on le note

F = vect (!
e 1; !
e 2 ; :::; !
e n)

Dé…nition 3
La famille (! e 1; !
e 2 ; :::; !e n ) est une famille génératrice de l’espace vectoriel
E si E = vect ( e 1 ; !
! e 2 ; :::; !e n ).
Cela signi…e que tout vecteur de E peut s’écrire comme combinaison linéaire
des vecteurs !e 1; !
e 2 ; :::; !
e n:
!
Ainsi, si v 2 E, alors
n
X
9 ( 1; 2 ; :::; n) 2 Rn = !
v = i
!
ei
i=1

Cette écriture est une décomposition du vecteur !

v dans la famille (!
e 1; !
e 2 ; :::; !
e n)

Exemple 3
On considère dans R2 les vecteurs suivants:
!
u = (1; 1) ; !
v = (1; 0) ; !
w = (0; 1)

Véri…ons que la famille (!

u = (1; 1) ; !
v = (1; 0) ; !
w = (0; 1)) engendre R2 :
!
Soit le vecteur X = (x; y) 2 R , on cherche s’il existe ( 1 ; 2 ; 3 ) 2 R3
2

tel que
!
X = 1! u + 2! v + 3! w
Cette égalité vectorielle implique, en termes de composantes, les relations
suivantes:

2 = x 1

3 = y+ 1

On obtient donc
! ! ! !
X = 1 u + (x 1) v +( y+ 1) w; 1 2R

Ainsi, la famille (!
u;!
v; !
w ) est bien génératrice de R2

64
 VI.2.3 Base d’un espace vectoriel

Dé…nition 4
Une base d’un espace vectoriel E est une famille libre et génératrice de E:

Exemple 4
Reprenons l’exemple précédent.
Soient
!
u = (1; 1) ; !v = (1; 0) ; !
w = (0; 1)
! ! !
On a vu que la famille ( u ; v ; w ) est génératrice de R2 mais on constate
que
!
u +!
w =!
v
Donc la famille est liée et par conséquent (!
u;!
v; !
w ) n’est pas une base de
R2 :

Exemple 5
Soit F le sous-ensemble de R3 dé…ni par:

F = (x; y; z) 2 R3 =x = 2y + z

F = ( 2y + z; y; z) ; (y; z) 2 R2
= y ( 2; 1; 0) + z (1; 0; 1) ; (y; z) 2 R2
= vect (( 2; 1; 0) ; (1; 0; 1))

L’ensemble F est le sous-espace vectoriel de R3 engendré par les vecteurs

!
u = ( 2; 1; 0) et !
v = (1; 0; 1).
De plus, ces vecteurs forment une famille libre. Donc (!
u; !
v ) est une base
de F .
Base canonique
La base canonique de R2 est dé…nie par:
!
e 1 = (1; 0) ; !
e 2 = (0; 1)
Ainsi, tout vecteur !
u =(x; y) 2 R2 peut s’écrire sous la forme
!
u = x!
e 1 + y!
e2

Les scalaires x; y sont les composantes du vecteur !

u dans cette base.
Idem pour R3 qui a pour base canonique:
!
e 1 = (1; 0; 0) ; !
e 2 = (0; 1; 0) ; !
e 3 = (0; 0; 1)

65
 Exercice
! !
En utilisant ce qui précède, montrer que si 6= 0 et !
u = 0 alors !
u = 0:
VI. 2. 4. Combinaisons linéaires
On dit qu’un vecteur !v est combinaison linéaire des vecteurs !
u 1; !
u 2 ; :::!
un
s’il existe des scalaires 1 ; 2 , ..., n tels que
n
X
!
v = i!
ui
i=1

Exemple
Le vecteur
!
w = a!
e 1 + b!
e 2 + c!
e3
est combinaison linéaire des vecteurs
!
u =!
e1+!
e2+!
e3

et
!
v = 2!
e 1 + 3!
e 2 + 4!
e3
s’il existe deux scalaires et tel que
!
w = !
u + !
v

c’est-à-dire, le système linéaire suivant a au moins une solution:

8 9
< +2 =a =
+3 =b
: ;
+4 =c

la solution est donnée par:

= b a
= c b
= 2a c

C’est la cas pour le vecteur

!
w = 2!
e1+!
e 2 + 0!
e 3 = (2; 1; 0)
mais pas pour
!
w = (1; 0; 0) :

66
 Remarques
!
Le vecteur nul 0 est toujours combinaison linéaire des vecteurs ! u 1 ; :::; !
u n:
1 n
Il su¢ t de poser = ::: = 0:
On dit que le système de vecteurs ! u 1 ; :::; !
u n est lié, ou que les vecteurs
sont linéairement dépendants, s’il existe une relation linéaire non triviale
entre les vecteurs c’est-à-dire, s’il existe des scalaires 1 ; :::; n non tous
nuls tels que l’on a:
1! !
u 1 + ::: n ! un = 0
Dans le cas contraire, on dit que le système est libre ou que les vecteurs
(!
ui )i=1; :::; n sont linéairements indépendants.
Théorème
Un système de k + 1 vecteurs de Rk est toujours lié.
VI. 3. Sous-espace vectoriel
Dé…nition
Un sous -espace vectoriel E de Rk est un sous-ensemble de Rk qui contient
le vecteur nul et qui est clos par les opérations sur les vecteurs.
Autrement dit, si !
u; ! v 2 E; alors !u +! v 2 E et si
!
u 2 E alors !
u 2 E pour tout 2 R:

Si !
u 1 ; :::; !
u n sont des vecteurs de Rk , l’ensemble
1! n! 1 n
E= u 1 + ::: un = ; :::; 2R

est un sous-espace vectoriel de Rk : C’est le sous-espace vectoriel engendré

par !u 1 ; :::; !
u n:
Exemple
Si !
u et !
v sont deux vecteurs non colinéaires, l’ensemble

R!
u + R!
v =f !
u + !
v = ; 2 Rg

est le plan vectoriel engendré par ! u et !v .

En général, si un espace vectoriel V est engendré par le système libre !
u 1 ; :::; !
u n;
on dit que ce système forme une base de V:
Exemple
On peut véri…er que le système (1; 1) ; (1; 1) est libre dans le plan R2 et
forme une base de l’espace vectoriel R2 :
Théorème (Unicité de la décomposition)
Si les vecteurs !
u 1 ; :::; !
u n forment une base d’un espace vectoriel E alors
!
tout vecteur v 2 E s’écrit de façon unique sous la forme:
n
X
!
v = i!
ui
i=1

67
 Exercice
Montrer que toute droite vectoriel de R2 est engendrée par un vecteur de la
forme: !
e 1 + a!
e 2 ou bien !
e 2 avec (!e 1; !
e 2 ) est la base canonique de R2 :
VI. 4. Orthogonalité
Si U = f!
u g est un ensemble de vecteurs de Rk , alors l’ensemble
U = v 2 Rk = !
? ! u ?! v est un sous-espace vectoriel de Rk appelé orthogonal de U :
Exemples
- Si U = (a; b) 6= (0; 0), alors

U ? = (x; y) 2 R2 = ax + by = 0

est une droite de R2 :

- Si

U = (a; b; c) 6= (0; 0; 0)
alors,

U ? = (x; y; z) 2 R3 = ax + by + cz = 0
est un plan vectoriel de R3 :
Autrement dit:
- Dans R2 ; une équation linéaire homogène non nulle dé…nit une droite vec-
torielle
- Dans R3 , une équation linéaire homogène non nulle dé…nit un plan vecto-
riel.:
8 9
< (x; y; z) 2 R3 = x + 2y + 3z = 0 =
?
f(1; 2; 3)g = 2y z; y; z = y; z 2 R
: = ;
= R!u + R!v
avec
!
u = ( 2; 1; 0)
et
!
v = ( 3; 0; 1)

68
 Propriétés
1. Si E est sous-espace vectoriel de Rk alors, son orthogonal lui est complé-
mentaire:
E E ? = Rk
et
dim E + dim E ? = k
2. Formule des quatre dimensions:
Soit E un espace vectoriel de dimension …nie et soient F et G deux sous-
espace vectoriels de E. Alors dimensions satisfont la formule des quatre
dimensions:dim (F + G) = dim (F ) + dim (G) dim (F \ G)

69
CHAPITRE VII: APPLICATION A LA GEOMETRIE
VII. 1. Produit scalaire

Dé…nition
Soient !
u 1 = (x; y), !u 2 = (x0 ; y 0 ) deux vecteurs de R2 :
Le produit scalaire de !
u 1 avec ! u 2 = (x0 ; y 0 ) est donné par:
!
u1 !
u 2 = xx0 + yy 0

C’est un scalaire qui véri…e les propriétés suivantes:

8!u; !v; !
w 2 R2 ; 2 R
! !
(u + v) !
w = !
u ! w +!v !
w
! !
0 u = 0
( !
u) !
v = (!
u !v)
!u !
v = !
v u!

De même pour les vecteurs !

u = (x; y; z) et !
w = (x0 ; y 0 ; z 0 ) de R3 :
!
u ! w = xx0 + yy 0 + zz 0
Dans la base canonique (!
e 1; !
e 2 ) les vecteurs

!
u1 = (x; y) x1 ; x2 = x1 !
e 1 + x2 !
e2
!
et u 2 = (x0 ; y 0 ) x ; x = x e + x20 !
10 20 10 !
e
1 2

Ainsi, leur produit scalaire se réécrit:

!
u1 !
u2 = x1 x10 + x2 x20
= x1 !e + x2 ! x1 !e 1 + x20 !
0
1e 2 e2

Alors on en déduit les propriétés d’orthonormalité de la base canonique:

!
ei !
ej = ij
= 1 si i = j
= 0 si i =
6 j

70
Exemple
Le produit scalaire de !
u = (1; 2)= ! e1 2! e 2 et !
v = (0; 3) = 3!
e2
est donné par:
!u !v = 6
On dit que les vecteurs !
u et !
v sont orthogonaux et on écrit:
!
u ?!
v

si
!
u !
v =0

Remarque
!
e1?!
e2
et
!
8!
u 2 Rn ; 0 ? !
u

Exercice
Etant donné
! !
u 1 = x1 ; x2 6= 0
!
construire le vecteur !
v 6= 0 tel que !u ?!v:
VII. 2. Déterminant dans R2
Dé…nition
Soient deux vecteurs !
u 1 = x1 !
e 1 + x2 !
e 2 et !
u 2 = x1 !e 1 + x20 !
0
e 2 de R2 :
! !
Le déterminant de u 1 et u 2 est dé…ni par:

x1 x10
det (!
u 1; !
u 2) = = x1 x20 x2 x10
x2 x20

Le déterminant véri…e les identités suivantes:

det (!
u +!
v; !
w ) = det (!
u; !
w ) + (!
v; !
w)

! !
det 0; u =0

det ( !
u; !
v )= det (!
u; !
v)

det (!
u; !
u)= 0

det (!
u; !
v )= det (!
v; !
u)

71
 Remarque
Cette dérnière relation montre que le déterminant est antisymétrique
VII. 3. Produit vectoriel
Dé…nition
Soient deux vecteurs de R3 donnés par !u = xi !
e i et !
u 0 = xi0 !
e i.
Leur produit vectoriel est dé…nie par:
! u 0 =2ijk xi xj0 !
u ^! ek

avec

2 ijk = 0 si i = j ou j = k
2 ijk = 1 si i j k
2 ijk = 1 pour une permutation de deux indices

Exemple
On peut montrer que pour les vecteurs:
!
u 1 = x1 !
e 1 + x2 !
e 2 et !
u 2 = x1 !
0
e 1 + x20 !
e 2 de R2 on a la relation
!
u1^!
u 2 = det (!
u 1; !
u 2) !
e1^!
e2

qui relie le produit vectoriel et le déterminant et qui montre aussi que le

produit vectoriel est antisymétrique.
Dé…nition
Deux vecteurs !
u et !
v de R2 sont colinéaires s’il existe un scalaire 2 R tel
que l’on a:
!
u = ! v

Remarque
Pour déterminer si un système est lié, on peut utiliser les critères suivants:
-!u et ! v de R2 sont colinéaires si det (!u; !v)=0
!
- u et v de R sont colinéaires si u ^ !
! ! 3 ! v = 0
- u , v ; w de R sont coplanaires si det ( u ; v ; !
! ! ! 3 ! ! w) = 0
- Pour les vecteurs ! u = (x; y; z) et !
u 0 = (x0 ; y 0 ; z 0 )
le critère de colinéarité s’écrit:
x x0 x x0 y y0
= = =0
y y0 z z0 z z0

72
 VII. 4. Norme & Distance
D’après la dé…nition du produit scalaire, on peut véri…er que le produit
scalaire du vecteur !u = (x; y) de R2 avec lui-même s’écrit
! !
u u =x +y 2 2
0
Dé…nitions
- La norme du vecteur !
u 2 R2 est dé…nie par:
p p
k!uk= ! u ! u = x2 + y 2

- Un vecteur !
u est appelé vecteur unitaire s’il satisfait la relation

k!
u k = 1:
- De façon générale, si !
u = x1 ; x2 ; :::xn 2 Rn sa norme est donnée par:
v
u n
! uX i 2
kuk=t x
i=1

Remarque
Les vecteurs (!
e i )i=1; :::; n de la base canonique de Rn sont unitaires:

k!
e i k = 1; i = 1; :::; n

Propriés de la norme
La norme de tout vecteur !
u 2 Rn satisfait les propriétés suivantes:

k !
u k = j j k!
uk

jk!
uk k!
v kj k!
u +!
vk k!
u k + k!
vk

!
k!
u k = 0 ssi !
u = 0

73
 VII. 5. Distance entre deux vecteurs
La distance entre !
u et !
v est dé…nie par:

d (!
u; !
v ) = k!
v !
uk

Des propriétés de la norme on en déduit celle de la distance:

jd (!
u; !
v) d( !
v; !
w )j d (!
u; !
v ) + d( !
v; !
w)

d (!
u; !
v ) = 0 ssi !
u =!
v

VII. 6. Projection orthogonale

Soit !
v est vecteur non nul.
Tout vecteur !u se décompose de façon unique selon !
v de la manière suiv-
ante:
!
u = ! u0+ ! u"
avec
!
u 0
2 R!v et !u " = f!
vg
?

Il su¢ t de poser
!u !v
!
u0 = ! 2
kvk
et
!
u"=! u ! u0
Le vecteur ! u " est la projection orthogonale de !
u 0 (respectivement) ! u sur
! ! ?
R v (respectivement) sur f v g :
La distance entre le vecteur !u et la droite (ou le plan) f!
?
v g est donnée
par:
det !
u ; f! = k!
?
vg u 0k

De même, la distance entre le vecteur !

u et la droite R!
v est

det (!
u ; R!
v ) = k!
u "k

On a donc dans R2 :
j!
u ! vj
det !
u ; f!
?
vg = !
kvk
jdet (!
u; !
v )j
det (!
u ; R!
v) = !
kvk

74
 Dans R3 :
k!
u ^!vk
det (!
u ; R!
v)= !
kvk

VII. 7. Angle entre deux vecteurs

Dé…nition
Soient !
u et !
v de R2 non nuls.
L’angle (!
u; !
v ) entre !
u et !
v est l’unique 2] ; [ tel que

j!
u !
vj
cos = ! !
kukk v k

jdet (!
u; !
v )j
sin = ! !
kukk v k

si !
u et !
v sont deux vecteurs de R3 , l’angle (!
u; !
v ) entre !
u et !
v est
l’unique 2 [0; ] tel que
j!
u ! vj
cos = ! !
kukk v k

k!
u ^!vk
sin = ! !
kukk v k

Remarque
On prend 2 [0; ] car, dans R3 il n’y a pas de façon unique pour distinguer
les angles et ( ) alors que, dans R2 l’orientation permet de les
distinguer.
VII. 8. Aire & Volume
On note A (!u; !v ) l’aire du parallélogramme dé…ni par les vecteurs !
u et !
v
2
de R non nuls:
A (!u; !v ) = jdet (!
u; !
v )j
Dans R3 l’aire parallélogramme dé…ni par les vecteurs !
u et ! v est donné par

A (!
u; !
v ) = k!
u ^!
vk

Le volume du parallélépipède formé par les trois vecteurs

!
u, !v; !
w de R3 est dé…ni par

V (!
u; !
v; !
w ) = jdet (!
u; !
v; !
w )j

75
 CHAPITRE VIII: APPLICATIONS LINEAIRES
VIII. 1. Applications linéaires
On désignera par la suite E; F; G des IK espaces vectoriels
Dé…nition
Soit f une application de E dans F ; on dit que f est IK linéaire (ou que
c’est un morphisme de IK espaces vectoriels) si f est un morphisme pour
les deux lois dé…nies sur E etF , c’est-à-dire si

1:8 !
x; !
y 2 E; f (!
x +!
y ) = f (!
x ) + f (!
y)
2: 8 ! ! !
x 2 E 8 2 IK; f ( x ) = f ( x )

Vocabulaire
- Une application linéaire de E dans lui-même est appelée un endomor-
phisme de E
- Une application linéaire bijective est appelée un isomorphisme d’espaces

vectoriels
- Un endomorphisme de E bijectif est appelé automorphisme de E
Remarques
1. On peut regrouper les deux conditions en une seule:

3: :8 !
x; !
y 2 E; 8 2 IK; f (!
x + !
y ) = f (!
x ) + f (!
y)

2. La condition 1: signi…e que f est un morphisme du groupe (E; +) vers

le groupe (F; +): mais ceci ne su…e pas pour que f soit linéaire. Par
exemple

C ! C
z 7 ! z

est un morphisme additif, mais elle n’est pas C-linéaire ( par contre, elle est
R-linéaire).
Propriétés
si l’application f est linéaire:
! !
f0E = 0F
n
! n
X X
i!
f xi = i
f (!
x i)
i=1 i=1

Exemples

76
 a) Homothéties vectorielles
L’application

ha : E ! E; 8 a 2 IK
!
x 7! ha (!
x ) = a!
x

est appelée l’homothétie vectorielle de rapport a:

Les homothéties sont linéaires et véri…ent les propriétés suivantes:

h1 = idE ; ha = a:idE
ha hb = hab = hb ha
1
ha est bijective ssi a 6= 0 et (ha ) = h a1

Si E est une droite (donc par exemple si E = IK) les homothéties sont les
seules applications linéaires de E dans E:
b) Projections vectorielles
Les projections sont linéaires et véri…ent les propriétés suivantes:
si E = F G, soient p (respectivement q) la projection de base F (respec-
tivement G) et de direction G (respectivement F ) alors:
8 !0 9
!0 !0 < =
x 2F
:8 !x ; x 2 E; x = p (! x), !
: x0 ! x 2G ;
p p = p; p q = h0 ; p + q = h1 = idE
si f = E; p = h1 = idE
si g = E; p = h0

VIII. 2. Espaces vectoriel d’applications linéaires

L’ensemble des applications linéaires de E dans F :

L (E; F ) = f 2 F E = f est lineaire

est un espace vectoriel.

Par exemple, si comme ci-dessus p et q sont les deux projections associées à
la décomposition E = F G; alors

8 ; 2 IK; p + q est linéaire

L’application s = p q est appelée la symétrie vectorielle de base F et de

direction G (ou symétrie par rapport à F et parallélement à G). Elle

77
 véri…ent les propriétés suivantes:
8 !0 9
!0 !0 < ! =
x + x 2F
8!
x; x 2 E; x = s (!
x), !0
: x x 2G ;
!

s = 2p idE ; s s = h1 = idE (on dit que s est involutive

si F = E; s = h1 = idE
si G = E; s = h 1 = idE

Plus généralement, l’application fa = p + aq est appelée la dilatation (ou

a¢ nité) vectorielle de base F; de direction G et de rapport a:
VIII. 3. Composition des applications linéaires
La composée de deux applications linéaires est linéaire; plus précisément;

si f 2 L (E; F ) et g 2 L (F; G) alors g f 2 L (E; G)

La composition des applications dé…nit donc une loi de composition interne

dans L (E). Ainsi, (L (E) ; +; ) est un anneau non commutatif et non
intègre dès que dim E 2:
Exemple
Avec la notation des a¢ nités ci-dessus, la composition de deux homothéties
est une homothétie:
fa fb = fab

VIII. 4. Noyau et Image d’une application linéaire

VIII.4.1. Noyau d’une application linéaire
Dé…nition
Le noyau d’une application linéaire est l’ensemble des vecteurs de l’ensemble
de départ qui ont pour image le vecteur nul de l’espace d’arrivée:
n ! o !
Si f 2 L (E; F ) ; ker f = !x 2 E = f (! x) = 0F =f 1 0F

Proposition
On peut montrer que le noyau d’une application linéaire est un sous-espace
vectoriel de l’espace de départ.
Cette proposition est souvent utilisée pour démontrer qu’une partie d’un
espace vectoriel est en fait un espace vectoriel.

78
 Noyau & injectivité
Lemme:
si f 2 L (E; F ) et !
y 2 F; alors la di¤érence de deux solutions de l’équation
d’inconnue ! x 2E:
(E) : f (! x) = !y
est un élément du noyau de f:
autrement, si x ! est une solution particulière de l’équation (E), alors les
0
! un élément de ker f ; sous
autres solutions sont obtenues en ajoutant à x0
forme symbolique:
f 1 (!
y)=x ! + ker f
0

Corrolaire:
Si f 2 L (E; F ) et !
y 2 F , alors f 1
(!
y ) est soit vide soit un sous-espace
a¢ ne de E de direction le noyau de F
Proposition
une application linéaire est injective si et seulement si son noyau est réduit
à zéro: n! o
f est injective , ker f = 0 E

VIII.4.2. Image d’une application linéaire

Dé…nition
L’image d’une application linéaire est l’ensemble des images des vecteurs de
l’espace de départ:

Im (f ) = f!
y 2F =9!
x 2 E = f (!
x) = !
y g = f (E)

Proposition
L’image d’une application linéaire est un sous-espace vectoriel de l’espace
d’arrivée.
Dé…nition
Une application linéaire est surjective si et seulement si son image est égale
à son espace d’arrivée:

f est surjective , Im (f ) = F

79
 Proposition
si B est une base de E alors, Im (f ) = V ect (f (B))
A retenir:
Le noyau d’une projection est sa direction et son image est sa base.
VIII.4.3. Isomorphismes
Isomorphismes & espaces isomorphes
Rappelons qu’un isomorphisme d’espaces vectoriels est une application linéaire
bijective.
Notons ISOM (E; F ) l’ensemble des isomorphismes de E sur F:
Proposition
La composée de deux isomorphismes est un isomorphisme, et la réciproque
d’un isomorphisme est un isomorphisme:

f 2 ISOM (E; F ) ; g 2 ISOM (F; G) =) g f 2 ISOM (E; G)

f 2 ISOM (E; F ) =) f 1 2 ISOM (F; E)

Dé…nition
Deux espaces vectoriels E et F sont dits isomorphes (notation E F ) s’il
existe un isomorphe de E vers F , autrement dit::

E F , ISOM (E; F ) 6= ;

Proposition
La relation d’isomorphie est une relation d’équivalence entre espaces vec-
toriels.
Exemple

si E = F G; alors E F G

Isomorphismes & dimension

Lemme
Soit f 2 L (E; F ), B = (! e 1 ; :::; !
e n ) une base de E, alors:
f est injective (1) () l’image (f (! e 1 ) ; :::; f (!
e n )) de B par l’application
f est une famille libre (2)
f est injective (3) () l’image (f (! e 1 ) ; :::; f (!
e n )) de B par l’application
f est une famille génératrice de F (4)
f est bijective (donc est un isomorphisme) () l’image (f (! e 1 ) ; :::; f (!
e n )) de
B par l’application f est une base de F .

80
 Théorème
Deux espaces vectoriels de dimension …nie sont isomorphes si et seulement
s’ils ont la même dimension.
VIII. 5. Théorème du rang
VIII. 5. 1. Théorème de la restriction
La restriction d’une application linéaire à un supplémentaire de son noyau
dé…nit un isomorphisme de ce supplémentaire sur son image, autrement
dit

G ! Im (f )
f 2 L (E; F ) ; E = ker f G et
x 7! f (x)
alors f1 est bijective, donc c’est un isomorphisme.
Remarque
On peut aussi dire de façon équivalente que la restriction

G!F
f0 :
x 7! f (x)

est injective et que Im f0 = Im f

Corollaires
1. Un supplémentaire du noyau d’une application linéaire est toujours iso-
morphe à l’image de cette application linéaire
2. Deux supplémentaires d’un même sous-espace vectoriel sont toujours
isomorphes
VIII. 5. 2. Codimension, hyperplans
Théorème
D’après le corollaire 2) ci-dessus, si un sous-espace vectoriel F de E possède
un supplémentaire de dimension …nie, tous les autres
supplémentaires ont la même dimension; cette dimension est par dé…nition
la codimension de F:
Remarque
Si l’espace vectoriel E est de dimension …nie, alors:

codimF = dim E dim F

Dé…nition
Un hyperplan de E est un sous-espace vectoriel de codimension 1 (autrement
dit, un sous-espace vectoriel dont un supplémentaire est une droite)

81
 VIII. 5. 3. Théorème du rang
Théorème (application directe du corollaire 1) ci-dessus)
La somme des dimensions du noyau et de l’image d’une application linéaire
(dont l’espace de départ est de dimension …nie) est égale à la
dimension de l’espace de départ:

dim ker f + dim Im f = dim E; si dim E +1

Corollaire 3
La dimension de l’image d’une application linéaire est inférieure ou égale à
la dimension de l’espace de départ
VIII. 5. 4. Rang d’une application linéaire
Dé…nition
Le rang d’une application linéaire est la dimension de son image:

si f 2 L (E; F ) ; rg (f ) = dim (Im f )

Remarque
Le théorème du rang s’appelle ainsi car il peut s’enoncer sous la forme:

rg (f ) = codim (ker f )

Propriétés du rang
Si dim E = n; dim F = p; alors

1:rg (f ) min (n; p)

2:rg (f ) = n , f est injective

3: rg (f ) = p , f est surjective
4: rg (f ) = n = p , f est bijective

82
 VIII. 6. Automorphismes, Groupe linéaire
Rappelons qu’un automorphisme (d’espaces vectoriels) est un endomorphisme
bijectif.
L’ensemble des automorphismes de l’espace vectoriel E est GL(E); ou parfois
AU T (E):
Proposition ( diverses caractérisations des automorphismes parmi les en-
domorphismes):
Soit f 2 L(E); alors les 10 conditions suivantes sont des conditions néces-
saires et su¢ santes pour que f 2 GL(E) :

1: f est bijective ( 8 !
y 2 E 9! !
x 2E = !
y =f(!
x)

2: 9 g 2 L(E) = g f = f g = idE

3: f est un element inversible de l0 anneau (L(E); +; )

Les 7 conditions suivantes ne sont valables que si E est de dimension …nie.

4: l0 image de toute base de E est une base de E

5: L0 image d0 une base donnee de E est une f amille libre
6: f est injective
n! o
7: ker f = 0 E

8: f est surjective
9: une matrice de f est inversible

10: det f 6= 0

Propositions
- L’ensemble des automorphismes d’un espace vectoriel est un groupe pour
la loi de composition des applications linéaires :
- C’est un sous-groupe des applications bijectives de E dans lui même qui
est noté (BIJ(E); ).
- Ce groupe des automorphismes est appelé le groupe lineaire de E (d’où
la notation GL(E)):

83
 VIII. 7. Applications linéaires & Matrices carrées
Dé…nition
- Toute application linéaire est dé…nie par:

f : R2 ! R2
(x; y) 7! f (x; y) = (ax + by; cx + dy)

- Tout vecteur de R2
!
u = x!
e 1 + y!
e2
est représenté par sa matrice colonne

! x
u =
y
En particulier, les vecteurs de base canonique sont représentés par les ma-
trices unicolonnes suivantes:
! 1
e1 =
0
! 0
e2 =
1

- L’application linéaire f est représentée par sa matrice carrée d’ordre 2 (2 2):

2 lignes, 2 colonnes:

a b
A=
c d
- L’application identique s’exprime par la matrice identité

1!
u = !
u
1 0
1 =
0 1
- L’application nulle est représentée par la matrice nulle
!
0!
u = 0
0 0
0 =
0 0

Une application f : Rk ! Rk est linéaire si elle véri…e les propriétés suiv-

antes:
!u; ! v 2 Rk ;
f : R k ! Rk
1 2 k
x ; x ; :::; x 7 ! f x1 ; x2 ; :::; xk
! !
f(u + v) = f (!u ) + f (!
v)
f( ! u) = f(u)!

84
 Remarque
On peut véri…er que les images par l’application linéaire f des vecteurs de
la base canonique sont données par:

f (!
e 1 ) = f (1; 0) = (a; c)

f (!
e 1 ) = f (1; 0) = (b; d)

Proposition
L’ensemble des matrices carrées (2 2) est un espace vectoriel de dimension
4
Exercice
Véri…er que les quatre matrices formant la base de cet espace vectoriel. sont:

1 0 0 1 0 0 0 0
; ; ;
0 0 0 0 1 0 0 1

De même, toute application linéaire sur R3

f : R3 ! R3

est représentée par une matrice carrée d’ordre 3: (3; 3) :

0 1
a b c
A=@ d e f A
g h i

85
 VIII. 8. Exemples dans R2
VIII. 8.1. Homothétie de rapport a 2 R
Elle est dé…nie par la relation:

f : R2 ! R2
f x1 ; x2 = ax1 ; ax2

Cas particuliers
1 =

a = 1
1 2
f x ; x = x1 ; x2

Cette application peut se réécrire sous la forme vectorielle suivante:

A!
u =I !
u

Le vecteur image est parallèle au vecteur d’origine et de même sens que lui.
C’est la représentation matricielle de l’application linéaire avec la matrice
identité (2 2) donnée par:
1 0
I=
0 1
C’est une matrice carrée qui a deux lignes et deux colonnes.
2 =

a = 1
1 2
f x ; x = x1 ; x2

ou bien
A!
u = 1!
u
Le vecteur image est parallèle au vecteur d’origine mais de sens contraire.
3 =:

a = 0
! !
Au = 0

Dans ce cas, l’application linéaire est représentée par la matrice nulle (2 2)

0 0
0=
0 0

86
VIII. 8. 2. a¢ nité orthogonale d’axe !
e 2 et de rapport a 2 R
Cas particuliers
1 =

a = 1
1 2
f x ; x = x1 ; x2

C’est la symétrie orthogonale d’axe !

e 2 . Sa représentation matricielle s’écrit:

1 0 x1 x1
=
0 1 x2 x2

Soit
!
u = x1 !
e 1 + x2 !
e2
Alors,
A!
u =x1 !e 1 + x2 !e2
2 = La projection orthogonale sur l’axe !e 2 est dé…nie par

f x1 ; x2 = 0; x2

c’est-à-dire
0 0 x1 0
=
0 1 x2 x2
3 = La projection orthogonale sur l’axe !
e 1 est dé…nie par:

f x1 ; x2 = x1 ; 0

10 x1 x1
=
00 x2 0

VIII. 8. 3. Symétrie orthogonale sur l’axe !

e1+!
e2
Elle est dé…nie par
f x1 ; x2 = x2 ; x1

01 x1 x2
=
10 x2 x1

87
VIII. 8. 4. Rotation d’angle
Elle est dé…nie par:

f x1 ; x2 = x1 cos x2 sin ; x1 sin + x2 cos

qui peut s’écrire sous forme matricielle comme:

R( )!
u =!
v

avec

! x1
u =
x2
cos sin
R( ) =
sin cos
! x1 cos x2 sin
v =
x sin + x2 cos
1

En particulier
1 0
R ( = 0) == I =
0 1
est la matrice identité

0 1
R = =
2 1 0
et
0 1
R( = ) = = 1
1 0

Groupe des rotations d’angle

L’ensemble des rotations d’angle : R ( ) forment un groupe:
- La loi du groupe s’exprime par:

R( 1 + 2) = R ( 1) R ( 2)

- L’élément neutre est la rotation d’angle =0:

R ( = 0) == I

- L’élement symétrique est la rotation - :

1
R( ) = R( )

tel que
1
R( )R( ) =1

88
 Remarque
Le groupe des rotations R ( ) est un groupe abélien puisque l’addition est
une loi de composition interne commutative dans R:

R ( 1) R ( 2) = R ( 2) R ( 1)

En e¤et, à deux dimensions on a:

cos ( 1 + 2) sin ( 1 + 2 )
R ( 1) R ( 2) =
sin ( 1 + 2) cos ( 1 + 2 )

VIII. 9. Opérations sur les matrices

La somme et le produit externe sont dé…nis de façon évidente sur les matrices
colonnes et les matrices carrées.
Cas des matrices carrées d’odre 2

a b a0 b0 a + a0 b + b0
+ =
c d c0 d0 c + c0 d + d0
a b a b
=
c d c d

Distributivité par rapport à l’addition:

A + (B + C) = (A + B) + C

A+0 = A
A+B = B+A

( )A = ( A)

1A = A

( + )A = A + A

0A = 0

(A + B) = A + B

0=0

89
 Remarques
- La multiplication de deux matrices n’est pas commutative:
a b a0 b0 aa0 + bc0 ab0 + bd0
=
c d c0 d0 ca0 + dc0 cb0 + dd0

- Si A est la matrice de l’application linéaire f : Rk ! Rk et B est la matrice

de l’application linéaire g : Rk ! Rk alors, A + B est la matrice de
l’application f + g et AB est la matrice de l’application f g:
VIII. 10. Déterminant & inverse
Dé…nition
Le déterminant d’une application linéaire f : R2 ! R2 de matrice
a b
A=
c d
est dé…ni par:

det f = det A
= det (f (!
e 1 ) ; f (!
e 2 ))
a b
=
c d
= ad bc

Si !
u, !
v 2 R2 on a

det (f (!
u ) ; f (!
v )) = det f: det (!
u; !
v)

Autrement dit, le déterminant det f est le facteur de changement d’aire de

f:
De même, le déterminant d’une application linéaire f : R3 ! R3 est le
facteur de changement de volume de f
Propriétés du déterminant d’une matrice carrée d’orde k

det (AB) = det (A) det (B)

= det (BA)

det I = 1

k
det ( A) = det (A)
On dit qu’une matrice A est inversible s’il existe une matrice A0 telle que

AA0 = I
= A0 A

90
 1
Cette inverse est unique et se note A : On a donc
1
AA = I
1
= A A

1 1
A =A
Théorème
Pour une matrice carrée d’ordre k, les propriétés suivantes sont équivalentes:
1. La matrice A est inversible
2. Les colonnes de A sont linéairement indépendantes
3. Les lignes de A sont linéairement indépendantes
4. Le déterminant de A est non nul
Pour la matrice
a b
A=
c d
avec
det A = ad bc 6= 0
la matrice inverse
1 1 d b
A =
det A c a
Exemple

1 2
A=
3 4

1 1 4 2
A =
2 3 1

Remarque
Si A est la matrice de f , alors A est inversible lorsque f est bijective. Dans
ce cas, A 1 est la matrice de bijection f 1
VIII. 11. Matrices & Systèmes linéaires
Si
a b
A=
c d

! x
u =
y

! x0
v =
y0
alors l’équation vectorielle
A!
u =!
v

91
 correspond au système linéaire

ax + by = x0
cx + dy = y 0

Si la matrice A est inversible, cette équation est équivalente à l’équation

vectorielle
!u = A 1! v
Autrement dit, on résout le système ci-dessus en inversant la matrice. Cela
donne une méthode pour inverser les matrices.
Exemple
Pour inverser la matrice

1 2
A=
3 4
on résout le système

x + 2y = x0
3x + 4y = y0

Par substitution on obtient la solution

x 2x0 + y 0
= 3 0 1 0
y 2x 2y
2 1 x0
= 3 1
2 2 y0

Ainsi, on obtient
1 2 1
A = 3 1
2 2

Remarque
Si la matrice A n’est pas inversible, les équations du système linéaire ne sont
pas indépendantes.
On peut toujours résoudre le système mais on ne pas exprimer les com-
posantes x et y du vecteur ! u en fonction de x0 et y 0 celles du vecteur image
!
v

92
 VIII. 12. Matrices & Changement de base
Si les vecteurs
!
e 01 = a!
e 1 + c!
e2
et
!
e 02 = b!
e 1 + d!
e2
forment une base de R2 , c’est-à-dire s’ils sont linéairement indépendants
alors tout vecteur
!
u = x! e 1 + y!e2
s’écrit de façon unique

u = x0 !
! e 01 + y 0 !
e 02

Le passage d’une décomposition à une autre se fait en utilisant la matrice de passage

P de la base (!
e 1; !
e 2 ) à la base (!
e 01 ; !
e 02 ) et son inverse:

x x0
=P
y y0

et
x0 1 x
=P
y0 y
avec
a b
P =
c d

Exemple
Pour
!
e 01 = !
e1+!
e2
et
!
e 02 = !
e1+!
e2
la matrice de passage et son inverse sont données par:

1 1
P =
1 1

1 1 1 1
P =
2 1 1
Si f est l’application linéaire de matrice A, on peut calculer la matrice
colonne !v 0 de f (!u ) dans la base (!e 01 ; !
e 02 ) à partir de la matrice colonne
!
u 0 de
!
u dans cette même base:
!
v 0 = A0 !
u0

93
 o¼
u
A0 = P 1
AP
est la matrice de l’application linéaire f dans la base (!
e 01 ; !
e 02 ) :
Les colonnes de la matrice A sont les matrices colonnes de f (!
0
e 1 ) et f (!
e 2)
! 0 !0
dans la base ( e 1 ; e 2 ) :
Remarque
En particulier, A est la matrice de l’application f dans la base canonique
(!e 1; !
e 2) :
Ainsi, les matrices A et A0 = P 1 AP représentent la même application
linéaire f dans deux bases di¤érentes (!e 1; !
e 2 ) et (!
e 01 ; !
e 02 ) :
Dé…nition
On dit que les matrices A et A0 = P 1 AP sont semblables.
Exemple
Pour les vecteurs images
!
e 01 = !
e1+!
e2

!
e 02 = !
e1+!
e2
et la matrice
01
A=
10
sa matrice semblable est donnée par:

1 0
A0 =
0 1

94
 CHAPITRE IX: DIAGONALISATION
IX. 1. Exemples de problèmes
Considérons les problèmes suivants:
1 = Calculer M n , où M est une matrice carrée, par exemple:
0 1
8 0 9
M =@ 3 1 3 A
6 0 7

2 = Trouver les suites véri…ant les relations suivantes

xk+1 = 8xk + 9zk

yk+1 = 3xk yk 3zk
zk+1 = 6xk 7zk

pour tout k et avec x0 ; y0 ; z0 sont donnés.

3 = Trouver les fonctions véri…ant le système di¤érentiel suivant.

dx (t)
= 8x (t) + 9z (t)
dt
dy (t)
= 3x (t) y (t) 3z (t)
dt
dz (t)
= 6x (t) 7z (t)
dt
pour tout réel t et avec x (0) ; y (0) ; z (0) donnés.
Les problèmes 1 = et 2 = sont équivalents. En e¤et, pour le problème 2 =
on peut posr 0 1
xk
!
V k = @ yk A 2 R3
zk
On a alors la relation de récurrence suivante:
! !
V k+1 = M V k

M étant la matrice du problème 1 = : Ainsi, il est d’en déduire par récurrence

la relation suivante:
! !
V k = Mk V 0
La di¢ culté de ces problèmes tient au fait que la matrice utilisée n’estpas
diagonale.
Comparons en e¤et les trois problèmes précédents aux trois problèmes suiv-
ants:

95
 1 bis = Calculer Dk où D est une matrice diagonale, par exemple:
0 1
1 0 0
D=@ 0 1 0 A
0 0 2

2 bis = Trouver les suites véri…ant les relations suivantes

xk+1 = xk
yk+1 = yk
zk+1 = 2zk

pour tout k 2 N et avec x0 ; y0 ; z0 donnés.

3 bis = Trouver les fonctions véri…ant le système di¤érentiel suivant:

dxk (t)
= xk
dt
dyk (t)
= yk
dt
dzk (t)
= zk
dt
pour tout réel t 2 R et x0 ; y0 ; z0 donnés.
La résolution est immédiate; on a respectivement
0 k 1
( 1) 0 0
Dk = @ 0 ( 1)k 0 A
0 0 2k
8 k 9
< xk = ( 1) x0 =
k
y = ( 1) y0
: k ;
zk = 2k z 0
Le principe de la diagonalisation consiste à passer d’une matrice quelconque
(et d’un problème général ) à une matrice diagonale (et à un problème simple).

96
 IX.2. Vecteurs propres, valeurs propres & sous-espaces propres
Dé…nitions
- Un endomorphisme u d’un espace vectoriel E est dit diagonalisable s’il
existe une base de E dans laquelle la matrice de u est diagonale.
- Une matrice carrée M est dite diagonalisable si elle est semblable à une
matrice diagonale D.
- M est semblable à D s’il existe une matrice P inversible telle que
1
M = P DP

- M et D représente le méme endomorphisme dans des bases di¤érentes.

- P est la matrice de passage d’une base à une autre.
Si (!
e 1; !e 2 ; :::; !
e n ) est la base dans laquelle la matrice de l’endomorphisme
u est diagonale:
0 1
1 0 0 :::
D = @ 0 2 0 ::: A
: : n
on a
u (!
e i) = i! ei
On est donc amené à s’intéresser aux vecteurs transformés par l’endomorphisme
u qui sont des multiples d’eux-mêmes
- Soit u un endomorphisme d’un espace vectoriel E:
!
On appelle vecteur propre V de u tout vecteur non nul de E pour lequel il
existe un scalaire tel que
! !
u V = V
!
- Le scalaire s’appelle valeur propre relative au vecteur propre V :
- On appelle sous-espace propre associé à la valeur propre le sous-espace
n! ! !o
E = V 2E =u V = V

!
Si V est vecteur propre, est unique.
En e¤et, si
! !
u V = V
et
! 0!
u V = V

alors,
! 0!
V = V
ce qui implique que
0
=
!
puisque le vecteur V est non nul.

97
 - L’ensemble des valeurs propres d’un endomorphisme u s’appelle le spectre de u et
est noté Sp (u) :
Dé…nition

det (u XId) = uu (X)

s’appelle polynôme caractéristique de l’endomorphisme u. Ses racines sont
les valeurs propres de u.
L’ordre de multiplicité de cette valeur propre en tant que racine de ce
polynôme s’appelle ordre de multiplicité d’une valeur propre.
IX. 3. Méthode pratique
Pour diagonaliser une matrice d’un endomorphisme, on procède comme suit:
IX. 3. 1. Recherche des valeurs propres
On calcule
P ( ) = det (M Id)
puis on cherche les racines de ce polynôme. Ce sont les valeurs propres.
Exemple
0 1
8 0 9
M =@ 3 1 3 A
6 0 7

8 0 9
det (M Id) = 3 1 3
6 0 7
2
= ( 2) ( + 1)

Les valeurs propres sont donc

1 = 1 valeur propre double

et
2 = 2 valeur propre simple

98
 IX. 3. 2. Recherche des sous-espaces propres
Pour chaque valeur propre trouvée, on résout le système
! !
(M I) V = 0
!
L’ensemble des vecteurs V solutions de ce système constitut le sous-espace
propre E associé à la valeur propre en question.
- le sous-espace propre associé à la valeur propre 1 = 1 est solution de
l’équation vectorielle
! !
(M + I) V = 0
ce qui est équivalent à

9x + 9z = 0
3x 3z = 0
6x 6z = 0

dont la solution est donnée par:

z= x

Ainsi le vecteur propre associé à 1 = 1 s’écrit:

0 1 0 1
x x
!
V = @ y A=@ y A
z x
0 1 0 1
1 0
= x@ 0 A + y@ 1 A
1 0

C’est le plan vectoriel engendré par les deux vecteurs

0 1 0 1
1 0
!
v 1 = @ 0 A et ! v2=@ 1 A
1 0

- le sous-espace propre associé à 2 = 2 est solution de l’équation

! !
(M 2I) V = 0

ce qui donne le système

6x + 9z = 0
3x 3y 3z = 0
6x 9z = 0

99
 qui a pour solution
1
y = x
3
2
z = x
3
et donc
0 1 0 1
x x
!
V = @ y A = @ 13 x A
2
z x
0 1 3
3
x@
= 1 A
3
2

Il s’agit de la droite vectorielle engendrée par le vecteur

0 1
3
!v3=@ 1 A
2

IX. 3. 3. Recherche d’une base de vecteurs propres

Dans chaque sous-espace propre E , on choisit une base. La réunion des
vecteurs ainsi obtenus forme un système libre. C’est-à-dire les
sous-espaces propres sont en somme directe:
X
dim (E) = dim (E i )
i

Dans l’exemple précédents, les trois vecteurs propres forment une base.
Donc, la matrice M est diagonalisable et elle est semblable à une matrice
diagonale: 0 1
1 0 0
D=@ 0 1 0 A
0 0 2
La matrice de passage de la base canonique (! e ; !
1e ; !
2 e ) où la matrice de
3
l’endomorphisme u est la matrice M à la base des vecteurs propres
où la matrice de cet endomorphisme est D qui est diagonale est:
0 1
1 0 3
P =@ 0 1 1 A
1 0 2

100
 Remarque
Les colonnes de la matrice P sont formées des composantes des vecteurs
propres dans la base canonique. On a donc
1
M = P DP
avec 0 1
2 0 3
P 1
=@ 1 1 1 A
1 1 1
Ainsi,
M k = P Dk P 1

Finalement, les solutions des problèmes précédents sont:

- pour le problème 1 = on a:
0 10 k 10 1
1 0 3 ( 1) 0 0 2 0 3
Mk = @ 0 1 1 A@ 0 ( 1)
k
0 A@ 1 1 1 A
1 0 2 0 0 2k 1 1 1
0 1
k+1 k+1
2 ( 1) + 3:2k 0 3: ( 1) + 3: 2k
B k k k C
= @ ( 1) 2k ( 1) ( 1) 2k A
k k k k+1
( 1) 2 0 3 ( 1) 2
On véri…e bien que pour
k = 0; M k=0 = I
k = 1; M k=1 = M
- pour 2 = on a:

k+1 k+1
xk = 2 ( 1) + 3:2k + 3: ( 1) + 3: 2k z0
k k k
yk = ( 1) 2k x0 + ( 1) y0 + ( 1) 2k z0
k k
zk = 2 ( 1) 2k+1 x0 + 3 ( 1) 2k+1 z0
!
- pour 3 = Soit le vecteur V (t) donné par:
0 1
x (t)
!
V (t) = @ y (t) A
z (t)
alors,
!
d V (t) !
= M: V (t)
dt 0 1
dx(t) 0 1
dt x (t)
B C
() @ dy(t)
dt A = M @ y (t) A
dz(t) z (t)
dt

101
 !
d V (t) 1
= P DP
dt
!
1 dV
(t) 1!
, P = DP V (t)
dt
d 1! !
P V (t) = DP 1 V (t)
dt
Posons
! 1!
W (t) = P V (t)
on obtient l’équation vectorielle suivante:
!
dW (t) !
= DW (t)
dt
qui est facile à résoudre. En e¤et, avec
0 1
X (t)
!
W (t) = @ Y (t) A
Z (t)

on obtient
0 1 0 10 1
dX(t)
dt 1 0 0 X (t)
B C @
@ dY (t)
dt A= 0 1 0 A @ Y (t) A
dZ(t) 0 0 2 Z (t)
dt

d’où le système d’équation di¤érentielles suivantes:

dX (t)
= X (t)
dt
dY (t)
= Y (t)
dt
dZ (t)
= 2Z (t)
dt
qui a pour solution
0 1 0 1
X (t) e t X0
!
W (t) = @ Y (t) A = @ e t Y0 A
Z (t) e2t Z0
avec

X0 = 2:x (0) 3:z (0)

Y0 = x (0) + y (0) + z (0)
Z0 = x (0) + z (0)

102
 !
Finalement, le vecteur V (t) est donné par:
! !
V (t) = P:W (t)

c’est-à-dire,

0 1 0 t
1
x (t) 2:e + 3:e2t :x (0) + 3:e t + 3:e2t :z (0)
!
V (t) = @ y (t) A = @ e t e2t :x (0) + e t :y (0) + e t 2:e2t :z (0) A
z (t) 2:e t 2:e2t :x (0) + 3:e t 2:e2t :z (0)

IX. 4. Condition de diagonalisation

Soit u un endomorphisme sur l’espace vectoriel E: Alors il y a équivalence
entre:
i= u est diagonalisable
ii= l’espace vectoriel E est la somme des sous-espaces vectoriels propres
iii= Le polynôme caractéristique est scindé (égal au produit des polynômes
de degré 1)et l’ordre de multiplicité de chaque valeur propre est égale
à la dimension du sous-espace propre correspondant
iv= Il existe un polynôme annulateur ( P (u) = 0 ) de l’endomorphisme u
scindé à racines simples
v= le polynôme (X I) ; qui décrit le spectre de u; est un polynôme
annulateur de l’endomorphisme u:

103
 IX. 5. Trigonalisation
Soit E un espace vectoriel sur le corps IK, de dimension n. Soit u un
endomorphisme de E:
L’endomorphisme u est triangonalisable s’il existe une base dans laquelle la
matrice de l’endomorphisme u est triangulaire.
Trigonaliser une matrice consite à réduire celle-ci sous la forme d’une matrice triangulaire
supérieure ou inférieure.
Une matrice triangulaire supérieure est une matrice dont tous les coe¢ cients
situés strictement en dessous de la diagonale sont nuls:
0 1
a1;1 ::: a1;n
T =@ 0 ::: a2;n A
0 ::: an;n

De la même manière, une matrice triangulaire inférieure est une matrice dont
tous les coe¢ cients situés strictement au-dessus de la diagonale
sont nuls.
IX. 5. 1. Endomorphismes & matrices trigonalisables
Soit M 2 Mn (IK) (l’ensemble des matrices à n lignes et n colonnes à
coe¢ cients dans le corps commutatif ).
On dit que la matrice M est triangulasable s’ilexiste une matrice inversible
P et une matrice T triangulaire supérieure telles que:
1
M = PTP

Théorème de trigonalisation de Schur

Toute matrice carrée complexe est trigonalisable dans une base orthonor-
male.
Condition de trigonalisation
- une matrice est trigonalisable si et seulement si son polynôme caractéris-
tique est scindé
En particulier, si IK est algébriquement clos, toute matrice de Mn (IK) est
trigonalisable.
En particulier, si IK = C, toute matrice de Mn (C) est trigonalisable car C
est algébriquement clos
IX. 5. 2. exemples de trigonalisation
- Matrice carrée d’ordre 2
Soit la matrice
1 3
M= 3
4 2
Son polynôme caractéristique est
2
1
PM (X) = X+
2

104
 qui a comme unique racine
1
X=
2
qui est donc l’unique valeur propre de la matrice M:
L’espace propre associé est donné par:

x x 1 x
E 1 = 2 R2 = M: = =
2 y y 2 y
2x
=x2R
x

C’est donc un sous-espace vectoriel de dimension 1 qui a pour base le vecteur

! 2
e 01 =
1

On peut alors compléter le vecteur !

e 01 par le vecteur

! 0
e 02 =
1

de manière à ce que
B 0 = (!
e 01 ; !
e 02 )
forme une base de l’espace R2 tout entier.
On sait déjà que
1 !0
M:! e 01 = e
2 1
et on a facilement
3 3 !0 1 !0
M:!
e 02 = = :e :e
2 2 1 2 2

Ainsi, la matrice M s’écrit dans la base B 0 = (!

e 01 ; !
e 02 ) comme
1 3
T = 2 2
1
0 2

La matrice P telle que

1
M = PTP
est la matrice de passage de la base canonique B = (! e 1; !
e 2 ) à la base
0 ! 0 !0
B = ( e 1; e 2) :
Les colonnes de la matrice P sont constituées des composantes des vecteurs
de la base B 0 = (!
e 01 ; !
e 02 ) dans la base B = (!
e 1; !
e 2) :

2 0
1 1

105
 1
Pour avoir la matrice P il su¢ t d’exprimer les vecteurs de la base B dans
la base B 0 .
On a facilement:
! 1 !0 1 0
e1 = e1+ !
e
2 2 2
!
e = !
e 02
2

- Matrice carrée d’ordre 3

Soit la matrice 0 1
i 2 1
N =@ 0 i 0 A 2 M3 (C)
0 1 2
Son polynôme caractéristique est

PN (X) = (i X) (2 X)

Comme dans l’exemple précédent on a après calculs:

0 1
1
!e 01 = @ 0 A 2 Ei
0
0 1
1
!e 02 = @ 0 A 2 E2
i 2

et 1
0
0
!
e 03 = @ 1 A
0
pour compléter une base

B 0 = (!
e 01 ; !
e 02 ; !
e 03 ) de C3

On remarque que
8 i! 2+i !
N:!
e 03 = :e1+ :e2 i:!
e3
5 5
La matrice M dans la base B 0 est donc
0 1
i 0 85 i
T = @ 0 2 2+i 5
A
0 0 i

et l’on a
1
N = PTP

106
 avec P la matrice de passage de la base canonique B = (!
e 1; !
e 2; !
e 3 ) à la
0 0
base B est constituée des vecteurs de B exprimés dans la base B :
0 1
1 1 0
P =@ 0 0 1 A
0 i 2 0

et 0 1
2+i
1 0 5
P 1
=@ 0 0 2 i
5
A
0 1 0

107
CHAPITRE X: EXERCICES AVEC SOLUTIONS & PROBLEMES PROPOSES

Nombres complexes+ Polynômes

Exercice I:
Utiliser la formule d’Euler pour
1) retrouver la formule:
1
cos a cos b = [cos (a + b) + cos (a b)]
2
3
2) linéariser (cos )
Exercice II:
Déterminer le module et l’argument de
1)
i i
z1 = e 2 + e 3
2)
i i
z2 = e 2 e 3

Exercice III:
a) Simpli…er la somme

Sn = 1 + ei' + e2i' + ::: + ein'

b) En déduire les sommes

n
X n
X
Un = cos '; Vn = sin ' + 1
k=0 k=1

Exercice IV: Résoudre dans C les équations suivantes:

1)
z3 = 2
2)
z4 = i
3) p
z2 = 2 + i 5
4) p
iz 2 + 3z + 1 = 0

108
Relation binaires+ Groupes & Anneaux
Exercice I:
Dans C on dé…nit la relation < par:
0 0
z<z , jzj = z

1. Montrer que < est une relation d’équivalence

2. déterminer la classe d’équivalence de z 2 C:
Exercice II:
Montrer que la relation < dé…nie sur R par:

x<y , xey = yex

est une relation d’équivalence. Préciser, pour x …xé dans R, le nombre
d’éléments de la classe de x modulo <
Exercice III
Soit (E; ) un ensemble ordonné. On dé…nit sur P (E) n f?g la relation <
par X<Y si et seulement si

(X = Y ou 8x 2 X 8y 2 Y x y)

Véri…er que c’est une relation d’ordre.

Exercice IV
1. On munit R de la loi de composition interne dé…nie par:

8x; y 2 R; x y = xy + x2 1 y2 1
Montrer que est commutative, non associative, et que 1 est élément neutre.
2. On munit R+ de la loi de composition interne dé…nie par:
p
8x; y 2 R+ ; x y = x2 + y 2

Montrer que est commutative, associative, et que 0 est élément neutre.

Montrer qu’aucun élément de R+ n’a de symétrique pour :
Exercice V
On munit A = R R de deux lois dé…nies par:

0 0 0 0
(x; y) + x ; y = x + x ;y + y
et
0 0 0 0 0
(x; y) x ;y = xx ; xy + x y

1. Montrer que (A; +) est un groupe commutatif

2.

109
a) Montrer que la loi est commutative
b) Montrer que est associative
c) déterminer l’élément neutre de A pour la loi
d) montrer que (A; +; ) est anneau commutatif
Exercice VI
On pose

2ik
Un = exp ; k 2 f0; 1; 2; :::; n 1g ; n 3
n

Soit
2ik0
! k0 = exp ; k0 1
n
d0 l’odre de ! k0 . On rappelle que d0 est le plus petit entier non nul tel que
! dk00 = 1. Montrer que (Un ; ) est un sous-groupe de (C ; ) :
Exercice VII
Soit
U5 = z 2 Z; z 5 = 1
On pose
i2k
f : Z ! C; f (k) = exp
5
Montrer que f est un morphisme du groupe additif Z dans le groupe
multiplicatif U5 : déterminer ker (f ) :

110
 X. 1. Espaces vectoriels
X. 1.1. Enoncés des exercices
Exercice 1
Parmi les ensembles suivant, lesquels sont, ou ne sont pas, des sous-espaces
vectoriels?
a/
E1 = (x; y) 2 R2 = xy = 0
b/ E2 , l’ensemble des solutions de l’équation di¤érentielle
0
y + a (x) y = 0

avec a (x) une fonction dérivable.

Exercice 2
Trouver un système générateur des sous-espaces vectoriels de R3 suivants:
1.
F = (x; y; z) 2 R3 = x + 2y z = 0
2.
G = (x; y; z) 2 R3 = x y + z = 0 et 2x y z=0

Exercice 3
Soient E un espace vectoriel de dimension …nie, et F et G deux sous-espaces
vectoriels de E.
Montrer que deux quelconques des trois propriétés suivantes entraînent la
troisième:
1.
F \ G = f0g
2.
F +G=E
3.
dim (F ) + dim (G) = dim (E)

111
 Exercice 4
On considère les vecteurs !u = ( 1; 1; 1) ; ! v = (1; 1; 1) ; et !w = (1; 1; 1)
4
de R :
a. Exprimer les composantes x0 ; y 0 ; z 0 du vecteur x!
u +y ! v +z ! w en fonction
des scalaires x; y; z puis calculer x; y; z en fonction de x ; y 0 ; z 0
0

b. En déduire que les vecteurs ! u; ! v et !w sont linéairement indépendants

c. Quel est le sous-espace vectoriel de R3 engendré par ces trois vecteurs?
Exercice 5
On pose ! u = (1; 2; 1) ; !v = ( 1; 1; 2) ; et !
w 0 = (2; 1; 2)
! !
1/ calculer l’angle ( u ; v )
2/ Construire un vecteur non nul ! w orthogonal à ! u et à !v
3/ Donner une équation cartésienne du plan vectoriel P engendré par !
u et
!
v
4/ Calculer la distance entre le point w0 et le plan P:
5/ Donner une équation cartesienne de la sphère de centre w0 et de rayon r
Exercice 6
Soit f : R2 ! R2 l’application linéaire de matrice

2 2
A=
2 2

dans la base canonique (! e 1; !e 2 ).

! !
a. Trouver un vecteur e 1 6= 0 tel que f (!
! 0
e 01 ) = 0
!
b. Trouver un vecteur ! e 02 6= 0 et un scalaire 6= 0 tels que f (!
e 02 ) = !
e 02
0 ! 0 !0
c. Calculer la matrice A de f dans la base ( e 1 ; e 2 )
d. L’application f est-elle injective? surjective? bijective?

112
 X. 1.2. Solutions des exercices
Exercice 1
a/ E1 n’est pas un sous-espace vectoriel de R2 car il n’est pas stable par
addition.
En e¤et, X = (1; 0) et Y = (0; 1) sont tous les deux éléments de E1 mais
X + Y = (1; 1) n’est pas élément de E1 :
b/ remarquons d’abord que E2 est une partie de l’ensemble des fonctions
dérivables. soient y1 et y2 deux solutions et 2 R:
Posonsy = y1 + y2 :
alors
y 0 + a (x) y = (y10 + a (x) y1 ) + (y20 + a (x) y2 ) = 0
ce qui prouve que y 2 E2 : ainsi, E2 est un sous-espace vectoriel de l’espace
vectoriel des fonctions dérivables sur R:
Exercice 2
1. On a
(x; y; z) 2 F , x = 2y + z
Donc
0 1 0 1
x 2y + z
@ y A = @ y A
z z
0 1 0 1
2 1
= y@ 1 A+z@ 0 A
0 1

Donc ,0le système

1 générateur
0 de1F est formé par les deux vecteurs
2 1
u 1 = @ 1 A et !
! u 2 = @ 0 A et on écrit:
0 1

F = vect (!
u 1; !
u 2)

2. On a
x y+z =0
(x; y; z) 2 G,
2x y z = 0
0 1 0 1
x 2
1
, @ y A = x@ 3 A
2
z 1

Ainsi, 1 0
2
G = V ect (!
u ) ; avec !
u =@ 3 A
1

113
Exercice 3
Tout repose sur la formule des quatre dimensions:
dim (F + G) = dim (F ) + dim (G) dim (F \ G)
et sur la propriété:
si H est sev de E tel que dim (H) = dim (E) ; alors H = E
- si 1. et 2. sont vraies, alors
dim (F + G) = dim (F ) + dim (G) dim (F \ G)
= dim (F ) + dim (G)
tandis que
E =F +G
implique
dim (E) = dim (F ) + dim (G)
3. est donc véri…ée
- Si 1. et 3. sont vraies, alors
dim (F + G) = dim (F ) + dim (G) dim (F \ G)
= dim (E) 0 = dim (E)
Ainsi, F + G est un sev de E de même dimension que E :
F +G=E
- Si 2. et 3. sont vraies, alors
dim (E) = dim (F + G) = dim (F ) + dim (G) dim (F \ G)
= dim (E) dim (F \ G)
On en déduit que
dim (F \ G) = 0
et donc
F \ G = f0g

Exercice 4
a. On a
8 0 9 8 9
< x = x+y+z = < x y + z = x0 =
y0 = x y + z , 2z = x0 + y 0
: 0 ; : ;
z =x+y z 2y = x0 + z 0
8 0 0
9
>
< x = y +z >
=
0
2 0
, y = x +z
>
: 0
2 0 >
;
z = x +y
2

114
 b. D’après a., l’équation vectorielle
!
x!
u + y!
v + z!
w = 0

admet comme unique solution

(x; y; z) = (0; 0; 0)

autrement dit, les vecteurs !

u; ! v; !w sont linéairement indépendants.
De façon alternative ( sans utiliser a. ): les trois vecteurs sont linéairement
indépendants car:

1 1 1
det (!
u; !
v; !
w) = 1 1 1
1 1 1
= 4 6= 0

c. Comme !
u; !v; !w sont linéairement indépendants, le sous-espace vectoriel
de R engendré par ces trois vecteurs est l’espace R3 lui-même.
3

Exercice 5
1/ Soit
=!
[
u !
v = (!
u; !
v)
On est dans l’espace tridimensionnel, donc

2 [0; ] et
!u :!
v
cos =
k u k k!
! vk
3 1
= p p =
6 6 2
d0 ou =
3
2/

! 2 1 1 1 1 1
u ^!
v = ; ; = (3; 3; 3 )
1 2 1 2 2 1

est orthogonal à !
u et à !
v : On peut poser !
w = (1; 1; 1) :
3/ P est l’orthogonal du vecteur !w (ou de la droite R!
w ). On obtient
l’équation cartésienne
x y+z =0
!
4/ La distance entre w et le plan P est donnée par:
0

!
w 0 :!
w 3 p
! =p = 3
kwk 3

115
 5/ La sphère de centre w0 et de rayon r est l’ensemble des points !
s =
(x; y; z) tels que
k!
s !
2
w 0 k = r2 :
On obtient l0 équation cartésienne
2 2 2
(x 2) + (y 1) + (z 2) = r2

x2 + y 2 + z 2 4x 2y 4z + 9 = r2

Exercice 6
a. Étant donné !
u = (x; y), on a

! 2x + 2y = 0
f (!
u ) = 0 si
2x + 2y = 0

c’est-à-dire si
x+y =0

!
e 01 = (1; 1) = !
e1 !
e 2;
on a
!
f (!
e 01 ) = 0
b. Étant donné !
u = (x; y), on a

2x + 2y = x
f (!
u)= !
u si
2x + 2y = y

c’est-à-dire si
(2 ) x + 2y = 0
2x + (2 )y = 0
Ce système a des solutions non triviales lorsque le déterminant

2 2 2
= 4
2 2

est nul. Il su¢ t donc de poser

=4

et
!
e 02 = (1; 1) = ! e1+! e2
!
c. Comme f (! e 01 ) = 0 et f (! e 02 ) = 4!e 02 ; la matrice de f dans la base
! 0 !0
( e 1 ; e 2 ) est
0 0
A0 =
0 4

116
 On peut aussi utiliser la formule de changement de base

A0 = P 1
AP

avec
1 1
P =
1 1
!
d. L’application f n’est pas injective car f (!
e 01 ) = 0 = f 0 : elle n’est
pas surjective car f R2 est la droite R!e0: 2
Elle n0 est pas bijective car elle n’est pas injective (ou car elle n’est pas sur-
jective ).

Université Hassan 1er

117
 Travaux Dirigés
Série N 1

Exercice 1
Parmi les ensembles suivant, lesquels sont, ou ne sont pas, des sous-espaces
vectoriels?
a/
E1 = (x; y) 2 R2 = xy = 0
b/ E2 , l’ensemble des solutions de l’équation di¤érentielle
0
y + a (x) y = 0

avec a (x) une fonction dérivable.

Exercice 2
Trouver un système générateur des sous-espaces vectoriels de R3 suivants:
1.
F = (x; y; z) 2 R3 = x + 2y z = 0
2.
G = (x; y; z) 2 R3 = x y + z = 0 et 2x y z=0

Exercice 3
Soient E un espace vectoriel de dimension …nie, et F et G deux sous-espaces
vectoriels de E.
Montrer que deux quelconques des trois propriétés suivantes entraînent
la troisième:
1.
F \ G = f0g
2.
F +G=E
3.
dim (F ) + dim (G) = dim (E)

Exercice 4
On considère les vecteurs !u = ( 1; 1; 1) ; ! v = (1; 1; 1) ; et !
w = (1; 1; 1)
4
de R :
a. Exprimer les composantes x0 ; y 0 ; z 0 du vecteur x!
u +y !v +z !
w en fonction
des scalaires x; y; z puis calculer x; y; z en fonction de x0 ; y 0 ; z 0

118
b. En déduire que les vecteurs !u; ! v et !
w sont linéairement indépendants
c. Quel est le sous-espace vectoriel de R3 engendré par ces trois vecteurs?
Exercice 5
On pose ! u = (1; 2; 1) ; !v = ( 1; 1; 2) ; et !
w 0 = (2; 1; 2)
! !
1/ calculer l’angle ( u ; v )
2/ Construire un vecteur non nul ! w orthogonal à ! u et à !v
3/ Donner une équation cartésienne du plan vectoriel P engendré
par !u et ! v
4/ Calculer la distance entre le point w0 et le plan P:
5/ Donner une équation cartesienne de la sphère de centre w0 et de rayon r
Exercice 6
Soit f : R2 ! R2 l’application linéaire de matrice

2 2
A=
2 2

dans la base canonique (! e 1; !e 2 ).

! !
a. Trouver un vecteur e 1 6= 0 tel que f (!
! 0
e 01 ) = 0
!
b. Trouver un vecteur ! e 02 6= 0 et un scalaire 6= 0 tels que f (!
e 02 ) = !
e 02
0 ! 0 !0
c. Calculer la matrice A de f dans la base ( e 1 ; e 2 )
d. L’application f est-elle injective? surjective? bijective?

119
X. 2. Applications linéaires
X. 2.1. Enoncés des exercices
Exercice 1
1/ Déterminer la forme linéaire f dé…nie sur R3 telle que

f (1; 1; 1) = 0; f (2; 0; 1) = 1; f (1; 2; 3) = 4

2/ Donner une base du noyau de ker (f )

Exercice 2
Soient f1 et f2 les deux éléments de L R2 ; R dé…nis par

f1 (x; y) = x + y

et
f2 (x; y) = x y
1/ Montrer que (f1 ; f2 ) forme une base de R2
2/ Exprimer dans la base (f1 ; f2 ) les formes linéaires suivantes:

g (x; y) = x
h (x; y) = 2x 6y

Exercice 3
Soit (!e 1; !
e 2; !e 3 ) la base canonique de R3 et f : R3 ! R3
l’application linéaire dé…nie par:

f (x; y; z) = (3x + 2y + z; x + z; 2x + 3z)

a. Exprimer f (! e 1 ) ; f (!
e 2 ) ; f (!
e 3 ) en fonction des vecteurs !
e 1; !
e 2; !
e 3:
b. Quelle est la matrice de f et quel est son déterminant?
c. Quelle est la matrice de l’application linéaire réciproque f 1 ?
Exercice 4
Soit f : R2 ! R2 l’application linéaire dé…nie par

f (!
e 1) = !
e 1 + a!
e 2; a2R

et
f (!
e 2 ) = a!
e1+!
e2
Soit g : R2 ! R2 l’aplication linéaire dé…nie par:

g (!
e 1) = !
e 01

et
g (!
e 2) = !
e 02

120
 avec
! 1
e 01 = p (!e1+!
e 2)
2
et
! 1
e 02 = p ( !
e1+!
e 2)
2
1/ Quelle est la matrice A de f dans la base canonique (! e 1; !e 2 ) et quel est
son déterminant?
2/ Quelle est la matrice B de g dans la base canonique (! e 1; !e 2 ) et quel est
son déterminant?
3/ Calculer les matrices AB et B 1
4/ Quelle est l’interprétation géométrique de g?
5/ Exprimer f (! e 01 ) et f (!
e 02 ) en fonction des vecteurs !
e 01 et !e 02
0 ! 0 !0
6/ Quelle est la matrice A de f dans la base ( e 1 ; e 2 ) et quel est son
déterminant?
7/ Exprimer A0 en fonction des matrices A et B, puis A en fonction des
matrices A0 et B
Exercice 5
On considère l’endomorphisme f de R3 dont la matrice dans la base canon-
ique est la matrice 0 1
0 1 1
A=@ 1 0 1 A
1 1 0
1/ Montrer que f est diagonalisable, trouver une base de R3 formée de
vecteurs propres de f et la matrice A0 de f dans cette base
2/ Déterminer, pour tout entier n 2 N la matrice An :
Exercice 6
Soit f l’endomorphisme de R2 de matrice dans la base canonique est dé…nie
par:
2
2 3
C= 5 2
2 3

1/ Montrer que les vecteurs !

u 1 = ( 2; 3) et !u 2 = ( 2; 5) forment une base
2
de R
2/ Déterminer la matrice B de f dans cette base
3/ Calculer C n pour tout n 2 N
4/ déterminer l’ensemble des suites réelles qui véri…ent:
2
8n 2 N; xn+1 = 2xn + yn
3
5 2
yn+1 = xn yn
2 3

121
 Exercice 7
Soit f l’endomorphisme de R3 dont la matrice dans la base canonique est
donnée par 0 1
1 0 1
A=@ 1 2 1 A
1 1 1
1/ Montrer que f est trigonalisable
2/ Montrer que l’espace propre associé à la valeur propre = 1 est de
dimension 1:
Montrer que !u = (1; 1; 0) est un vecteur non nul de cet espace propre
3/ Montrer que !v = (0; 0; 1) est tel que

(f IdR3 ) (!
v)=!
u

4/ Chercher un vecteur propre !w associé à la valeur propre = 2:

Montrer que (!u; ! v; !
w ) est une base de R3 .
Calculer la matrice T de f dans la base (!
u; ! v; !
w )
k !
5/ Calculer f ( v ) pour tout k 2 N:En déduire T k
6/ Calculer Ak pour tout k 2 N:

122
 X. 2.2. Solutions des exercices
Exercice 1
1/ La forme linéaire f est donnée par:

f (x; y; z) = x + y + z

En calculant

f (1; 1; 1) = 0
f (2; 0; 1) = 1
f (1; 2; 3) = 4

on obtient le système suivant:

8 9
< + + =0 =
2 + =1
: ;
+2 +3 =4

On résout ce système et on trouve:

= 1
= 2
= 3

Ainsi, on a:
f (x; y; z) = x 2y + 3z
2/ On en déduit
8 9
< x= 2y + 3z =
f (x; y; z) = 0 , y=y
: ;
z=z

Une base de ker (f ) est donnée par la famille des deux vecteurs ( 2; 1; 0) et
(3; 0; 1)
Exercice 2
1/ Puisque R2 est de dimension 2, il su¢ t de montrer que la famille
(f1 ; f2 ) est libre. Supposons qu’on a la relation

f1 + f2 = 0

On la teste pour des valeurs de (x; y) particulières: pour (x; y) = (1; 0) puis
pour (x; y) = (0; 1) ; on trouve successivement:

f1 (1; 0) + f2 (1; 0) = 0 + =0
,
f1 (0; 1) + f2 (0; 1) = 0 =0

123
 On prouve facilement que ceci implique

= =0

et donc que la famille (f1 ; f2 ) est libre, à fortuori une base de R2 :

2/ Il est facile de voir que

(f1 + f2 ) (x; y) = 2x

et donc
1
g= (f1 + f2 )
2
Pour h il faut trouver et tels que, pour tout (x; y) 2 R2 ; on a:

2x 6y = (x + y) + (x y)
= ( + )x + ( )y

Par identi…cation, on doit résoudre le système

+ =2 = 2
,
= 6 =4

Autrement dit, on a
h= 2f1 + 4f2

Exercice 3
a. On se rappelle que la base canonique s’écrit:
!
e 1 = (1; 0; 0) ; !
e 2 = (0; 1; 0) ; !
e 3 = (0; 0; 1)

On trouve
f (!
e 1 ) = f (1; 0; 0) = (3; 1; 2)

f (!
e 2 ) = f (0; 1; 0) = (2; 0; 0)

f (!
e 3 ) = f (0; 0; 1) = (1; 1; 3)
b. En mettant ces vecteurs images sous forme de matrices colonnes la matrice
A de f est 0 1
3 2 1
A=@ 1 0 1 A
2 0 3
et
2 3 1
1 1
det f = det A = 0 1 1 = 2 = 2
2 3
0 2 3

124
 c. Comme det f 6= 0; f 1 existe et sa matrice dans la base canonique est
donnée par A 1 : Celle-ci se calcule en inversant le système
8 9
< 3x + +2y + z = x0 =
x + z = y0
: ;
2x + 3z = z 0

On obtient: 8 9
< x = 3y 0 z 0 =
y = 21 x0 27 y 0 + z 0
: ;
z = 2y 0 + z 0
d’où on lit 0 1
0 3 1
A 1
=@ 1
2
7
2 1 A
0 2 1

Exercice 4
1/ Par dé…nition,
1 a
A=
a 1
et
det A = 1 a2
2/
!
p1 p1
B= 2 2
p1 p1
2 2

et
det B = 1
3/ !
1+a
p ap 1
AB = 2 2
1+a
p 1p a
2 2

et !
p1 p1
1 2 2
B = p1 p1
2 2

4/ La matrice B de l’application linéaire g est celle d’une rotation d’angle

4 : En e¤et, la matrice d’une rotation d’angle est donnée par:

cos sin
R( ) =
sin cos

125
 Exercice 5
1/ Pour déterminer les valeurs propres de f on calcule le polynôme carac-
téristique de f :

X 1 1
Pcar;f (X) = det (A XI3 ) = 1 X 1
1 1 X

En ajoutant à la ligne 1 la somme des deux autres lignes on fait

apparaître une factorisation par 2-X:

2 X 2 X 2 X
Pcar;f (X) = 1 X 1
1 1 X
1 1 1
= (2 X) 1 X 1
1 1 X

Ensuite, on retanche la ligne 1 de la lgne 3 on obtient:

1 1 1
Pcar;f (X) = (2 X) 1 X 1
0 0 1 X
2
= (2 X) (X + 1)

Le polynôme caractéristique de f est scindé dans R:

L’endomorphisme f de R3 a deux valeurs propres distinctes: 1 = 1 une
valeur propre double, 2 = 2 est une valeur propre simple.
L’endomorphisme f est diagonalisable si et seulement si, pour chaque valeur
propre la dimension du sous-espace propre associé est égale à son
ordre de multiplicité en tant que racine du polynôme caractéristique.
La dimension du sous-espace propre associé à une valeur propre simple est
égale à 1.
Donc f est diagonalisable si et seulement si ladimension du sous-espace pro-
pre associé à la valeur propre double est égale à 2.
Soit E 1 le sous-espace propre associé à la valeur propre double 1 = 1 et
soit !
u = (x; y; z) un vecteur de R3 :

1 0 1 0
x 0
!
u 2 E , f (!u ) = !
u , (A + I ) @ y A = @ 0 A
1 3
z 0
8 9
< x+y+z =0 =
, x+y+z =0
: ;
x+y+z =0

E 1 est un plan vectoriel de R3 : L’endomorphisme f est donc diagonalisable.

126
 On détermine maintenant une base de R3 formée de vecteurs propres de f:
Les vecteurs !u 1 = (1; 0; 1) et ! u 2 = (0; 1; 1) sont deux vecteurs non
colinéaires de E 1 , ils forment donc une base de E 1 :
Soit E 2 le sous-espace propre associé à la valeur propre 2 = 2 et soit
!
u = (x; y; z) un vecteur de R3 :

0 1 0 1
x 0
!
u 2 E , f (!
u ) = 2!
u , (A 2I3 ) @ y A = @ 0 A
2
z 0
8 9
< 2x + y + z = 0 =
, x 2y + z = 0
: ;
x + y 2z = 0

Les opérations suivantes L2 L2 L1 ; L3 L3 + 2L1 transforment le

système en un système équivalent:

2x + y + z = 0
!
u 2 E , 3x 3y =0
2
3x + 3y =0
y=x
,
z=x

!
u 2E , 9 x 2 R; ! u = x (1; 1; 1)
2

!
E 2 est la droite vectorielle de base u 3 = (1; 1; 1) :
(!u 1; !
u 2 ) est une base de E 1 ; !
u 3 est une base E 2 donc la famille (!
u 1; !
u 2; !
u 3)
! ! !
est libre et les vecteurs u ; u ; u forment une base deR : 3
1 2 3
Soit
B 0 = (! u 1; !
u 2; !
u 3)
Comme f ( u 1 ) = u 1 ; f ( u 2 ) = u 2 , f (!
! ! ! ! u 3 ) = 2!
u 3 la matrice A0 de f
0
dans la base B est donnée par:
0 1
1 0 0
A0 = @ 0 1 0 A
0 0 2

La matrice de passage de la base canonique B à la base des vecteurs prores

B 0 est donnée par: 0 1
1 0 1
P =@ 0 1 1 A
1 1 1
et on a:
A = P A0 P 1

2/
A = P A0 P 1
, An = P A0n P 1
8n2N

127
 0 n 1
( 1) 0 0
n
A0n =@ 0 ( 1) 0 A
0 0 2n
La matrice P 1 est la matrice de passage de la base B 0 = (!
u 1; !
u 2; !
u 3) à
! ! !
la base canonique ( e 1 ; e 2 ; e 3 ) :

!
u1 = !e 1 + 0!e2 !e3
!
u2 = 0!e1+! e2 !e3
!
u = !e1+! e2+!e3
3

d’où
! 1 !
e1 = (2 u 1 !u2+!
u 3)
3
! 1 !
e2 = ( u 1 + 2!
u2+!u 3)
3
! 1 !
e1 = ( u1 ! u2+!u 3)
3
Ainsi, 0 1
2 1 1
1
P 1= @ 1 2 1 A
3
1 1 1
0 n 1
( 1) 0 2n
n+1
PA = @
0n
0 ( 1) 2n A
n+1 n+1
( 1) ( 1) 2n
et …nalement,
0 n n+1 n+1 1
2n + 2 ( 1) 2n + ( 1) 2n + ( 1)
1@ n n+1 n n+1 A
An = P A0n P 1
= 2 + ( 1) 2n + 2 ( 1) 2n + ( 1)
3 n n+1 n n+1 n n
2 + ( 1) 2 + ( 1) 2 + 2 ( 1)

Exercice 6
1/ Les vecteurs !u 1 = ( 2; 3) et !
u 2 = ( 2; 5) forment une base de R2 s’ils
sont linéairement indépendants et s’ils forment un système générateur de
R2 :
Les deux vecteurs sont linéairement indépendants si 9 ; 2 R tel que
! !
u1+ !
u2 = 0 , = = 0:

En e¤et,
! ! 2 2 =0
u1+ !
u2 = 0 ,
3 +5 =0

128
 La première équation implque que

et en l’insérant dans la deuxième équation donne:

2 = 0 () = 0 et donc =0

Ainsi, les deux vecteurs sont linéairement indépendants.

Ces deux vecteurs forment un système générateur de R2 si pour tout vecteur
!
u = (x; y) 2 R2 9 un couple de scalaires ; 2 R; tel que :
!
u = !
u1+ !
u2

En e¤et, cette équation implique que

x = 2 2
y = 3 +5

Il su¢ t de prendre
5 1
= x y
4 2
3 1y
= x+
4 2
Donc, les deux vecteurs forment une base de R2 :
2/

f (!
u 1) = f ( 2! e 1 + 3! e 2)
= 2f ( e 1 ) + 3f (!
! e 2)
= !
2e1+3e2 !

c’est-à-dire,
f (!
u 1) = !
u1
et

f (! = f ( 2!
u 2) e 1 + 5! e 2)
= 2f ( e 1 ) + 5f (!
! e 2)
2! 5!
= e1+ e2
3 3
1!
= u2
3
Ainsi, les vecteurs !
u 1 et !
u 2 sont des vecteurs propre de l’endomorphisme
f associés aux valeurs propres respectives 1 = 1 et 2 = 31 et donc la

129
 matrice de l’application linéaire f dans la base (!
u 1; !
u 2 ) est une matrice
diagonale:
1 0
B=
0 31
3/
2
2 3
det C = 5 2
2 3
4 5 1
= + =
3 3 3
Alors la matrice C est diagonalisable.
Les valeurs prores de C sont solutions de l’équation
2
2 3
det (C I2 ) = 5 2 =0
2 3

c’est-à-dire
2 5
(2 ) + = 0
3 3
2 4 1
+ = 0
3 3
1
, 1 = 1 et 2 =
3
Ainsi la matrice B est la matrice diagonale associée à la matrice C: Donc,
on a:
C = P BP 1 , C n = P B n P 1
avec P est la matrice de passage de la base canonique (! e 1; !
e 2 ) à la base
! !
des vecteurs propres ( u ; u ).
1 2
Les colonnes de la matrice P sont formées des composantes des vecteurs
propres dans la base canonique:

2 2
P =
3 5

Pour déterminer la matrice inverse de la matrice P , on exprime les veceurs

!
e 1; !
e 2 en termes des vecteurs !
u 1; !
u 2 . On trouve

! 1
e1 = ( 5!
u 1 + 3! u 2)
4
! 1 !
e2 = (u2 ! u 1)
2
Alors on en déduit
1 1 5 2
P =
4 3 2

130
Alors
n+1
1 10 2:3 4 4:3 n
Cn = n+1 n
4 15 + 5:3 6 + 10:3
4/

8n 2 N;
2
xn+1 = 2xn + yn
3
5 2
yn+1 = xn yn
2 3
En posant
xn
Xn =
yn
Le système précédent se réécrit:

Xn+1 = CXn
, Xn = C n X0

avec
x0
X0 =
y0
Ainsi
n+1
xn 1 10 2:3 4 4:3 n x0
Xn = = n+1 n
yn 4 15 + 5:3 6 + 10:3 y0
n+1
1 10 2:3 x0 + (4 4:3 n ) y0
= n+1
4 15 + 5:3 x0 + ( 6 + 10:3 n ) y0

Finalement les suites sont déterminées par:

1 n+1 n
xn = 10 2:3 x0 + 4 4:3 y0 ;
4
1 n+1 n
yn = 15 + 5:3 x0 + 6 + 10:3 y0
4

Autre méthode
Reconsidérons le systèmes des suites
2
8n 2 N; xn+1 = 2xn + yn
3
5 2
yn+1 = xn yn
2 3
De la première équation on en déduit
2
xn+2 = 2xn+1 + yn+1
3

131
 Or de la deuxième équation on a:
3
yn = + xn+1 3xn
2
Alors
4 1
xn+2 xn+1 + xn = 0
3 3
En résolvant sous la forme:
xn = rn
on obtient l’équation caractéristique
4 1
r2 r+ =0
3 3
qui est exactement le polynôme caractéristique de la matrice C dont les
racines sont les valeurs propres de cette matrice.Ainsi, on a:
n
1
xn = 1n +
3

avec la condition initiale

x0 = +
Ensuite on en déduit yn de l’équation
3
yn = + xn+1 3xn
2
on obtient:
1 n
yn = 3 + 5 :3
2
et avec la condition initiale
1
y0 = (3 + 5 )
2
Ainsi, on obtient les expressions …nales:
1 n+1 n
xn = 10 2:3 x0 + 4 4:3 y0 ;
4

1 n+1 n
yn = 15 + 5:3 x0 + 6 + 10:3 y0
4

132
 Exercice 7
1/ On calcule le polynôme caractéristique de f . On trouve
2
Pf (X) = (1 X) (2 X)

Puisqu’il a toutes ses racines dans R, l’endomorphisme f est trigonalisable.

2/ Posons ! u = (x; y; z), on a:
8 9 8 9
< z=0 = < x=x =
f (!
u)=! u , x+y+z =0 , y=x
: ; : ;
x y=0 z=0

Une base de ker (f I) est donc donnée par le vecteur (1; 1; 0)

3/ On a
f (!
v ) = (1; 1; 1)
d’où
f (!
v) !
v =!
u
4/ On cherche l’espace propre associé à la valeur propre = 2:On a pour
!
w = (x; y; z),
8 9 8 9
< x+z =0 = < x=x =
f (!
w) = !
w , x+z =0 , y=0
: ; : ;
x y z=0 z=x

Le vecteur !w = (1; 0; 1) est donc un vecteur propre de f associé à la valeur

propre = 2:
On véri…e facilement que la famille (! u;!v ;!
w ) est une famille libre de R3 ,
donc une base.
La matrice de f dans cette base est donnée par
0 1
1 1 0
T =@ 0 1 0 A
0 0 2

5/ On montre par récurrence sur k que f k (! v)=! v + k! u:

En e¤et, c’est vrai pour k = 1 et si c’est vrai au rang k, alors

f k+1 (!
v) = f (!v + k! u)
= f ( v ) + kf (!
! u)
= ! !
u + v +ku !
= !
v + (k + 1) ! u

Puisque

f k (!
u) = !
u;
f (w) = 2k !
k
w;

133
 on en déduit 0 1
1 k 0
Tk = @ 0 1 0 A
0 0 2k
6/ Soit Q la matrice de passage de la base canonique de R3 à la base
(u;!
! v ;!
w ) : Q est donnée par:
0 1
1 0 1
Q=@ 1 0 0 A
0 0 1

et on a la relation
1
A = QT Q
Par récurrence, on montre que

Ak = QT k Q 1

1
Il reste à calculer Q et à utiliser le résultat de la question précédente. On
trouve 0 1
0 1 0
Q 1=@ 1 1 1 A
1 1 0

Travaux Dirigés

Série N 2

Exercice 1
1/ Déterminer la forme linéaire f dé…nie sur R3 telle que

f (1; 1; 1) = 0; f (2; 0; 1) = 1; f (1; 2; 3) = 4

2/ Donner une base du noyau de ker (f )

Exercice 2
Soient f1 et f2 les deux éléments de L R2 ; R dé…nis par

f1 (x; y) = x + y

et
f2 (x; y) = x y
1/ Montrer que (f1 ; f2 ) forme une base de R2
2/ Exprimer dans la base (f1 ; f2 ) les formes linéaires suivantes:

g (x; y) = x
h (x; y) = 2x 6y

134
Exercice 3
Soit (!e 1; !
e 2; !e 3 ) la base canonique de R3 et f : R3 ! R3
l’application linéaire dé…nie par:

f (x; y; z) = (3x + 2y + z; x + z; 2x + 3z)

a. Exprimer f (! e 1 ) ; f (!
e 2 ) ; f (!
e 3 ) en fonction des vecteurs !
e 1; !
e 2; !
e 3:
b. Quelle est la matrice de f et quel est son déterminant?
c. Quelle est la matrice de l’application linéaire réciproque f 1 ?

135
Exercice 4
Soit f : R2 ! R2 l’application linéaire dé…nie par

f (!
e 1) = !
e 1 + a!
e 2; a2R

et
f (!
e 2 ) = a!
e1+!
e2
Soit g : R2 ! R2 l’aplication linéaire dé…nie par:

g (!
e 1) = !
e 01

et
g (!
e 2) = !
e 02
avec
! 1
e 01 = p (!e1+!
e 2)
2
et
! 1
e 02 = p ( !
e1+!
e 2)
2
1/ Quelle est la matrice A de f dans la base canonique (! e 1; !e 2)
et quel est son déterminant?
2/ Quelle est la matrice B de g dans la base canonique (! e 1; !e 2)
et quel est son déterminant?
3/ Calculer les matrices AB et B 1
4/ Quelle est l’interprétation géométrique de g?
5/ Exprimer f (! e 01 ) et f (!
e 02 ) en fonction des vecteurs !
e 01 et !e 02
! !
6/ Quelle est la matrice A0 de f dans la base ( e 01 ; e 02 )
et quel est son déterminant?
7/ Exprimer A0 en fonction des matrices A et B, puis A en fonction
des matrices A0 et B
Exercice 5
On considère l’endomorphisme f de R3 dont la matrice dans la base
canonique est la matrice
0 1
0 1 1
A=@ 1 0 1 A
1 1 0

1/ Montrer que f est diagonalisable, trouver une base de R3

formée de vecteurs propres de f et la matrice A0 de f dans cette base
2/ Déterminer, pour tout entier n 2 N la matrice An :

136
Exercice 6
Soit f l’endomorphisme de R2 de matrice dans la base canonique
est dé…nie par:
2
2 3
C= 5 2
2 3

1/ Montrer que les vecteurs !

u 1 = ( 2; 3) et !u 2 = ( 2; 5)
2
forment une base de R
2/ Déterminer la matrice B de f dans cette base
3/ Calculer C n pour tout n 2 N
4/ déterminer l’ensemble des suites réelles qui véri…ent:
2
8n 2 N; xn+1 = 2xn + yn
3
5 2
yn+1 = xn yn
2 3

Exercice 7
Soit f l’endomorphisme de R3 dont la matrice dans la base canonique
est donnée par 0 1
1 0 1
A=@ 1 2 1 A
1 1 1
1/ Montrer que f est trigonalisable
2/ Montrer que l’espace propre associé à la valeur propre = 1
est de dimension 1:
Montrer que !u = (1; 1; 0) est un vecteur non nul de cet espace propre
3/ Montrer que !v = (0; 0; 1) est tel que

(f IdR3 ) (!
v)=!
u

4/ Chercher un vecteur propre !w associé à la valeur propre = 2:

Montrer que (!u; ! v; !
w ) est une base de R3 .
Calculer la matrice T de f dans la base (!
u; ! v; !
w )
k !
5/ Calculer f ( v ) pour tout k 2 N:En déduire T k
6/ Calculer Ak pour tout k 2 N:

137
 Corrigé de la Série N 2

Exercice 1
1/ La forme linéaire f est donnée par:

f (x; y; z) = x + y + z

En calculant

f (1; 1; 1) = 0
f (2; 0; 1) = 1
f (1; 2; 3) = 4

on obtient le système suivant:

8 9
< + + =0 =
2 + =1
: ;
+2 +3 =4
On résout ce système et on trouve:

= 1
= 2
= 3

Ainsi, on a:
f (x; y; z) = x 2y + 3z
2/ On en déduit
8 9
< x= 2y + 3z =
f (x; y; z) = 0 , y=y
: ;
z=z

Une base de ker (f ) est donnée par la famille des deux vecteurs
( 2; 1; 0) et (3; 0; 1)
Exercice 2
1/ Puisque R2 est de dimension 2, il su¢ t de montrer que la famille
(f1 ; f2 ) est libre. Supposons qu’on a la relation

f1 + f2 = 0

On la teste pour des valeurs de (x; y) particulières:

pour (x; y) = (1; 0) puis pour (x; y) = (0; 1) ; on trouve successivement:

f1 (1; 0) + f2 (1; 0) = 0 + =0
,
f1 (0; 1) + f2 (0; 1) = 0 =0

138
On prouve facilement que ceci implique

= =0

et donc que la famille (f1 ; f2 ) est libre, à fortuori une base de R2 :

2/ Il est facile de voir que

(f1 + f2 ) (x; y) = 2x

et donc
1
g= (f1 + f2 )
2
Pour h il faut trouver et tels que, pour tout (x; y) 2 R2 ; on a:

2x 6y = (x + y) + (x y)
= ( + )x + ( )y

Par identi…cation, on doit résoudre le système

+ =2 = 2
,
= 6 =4

Autrement dit, on a
h= 2f1 + 4f2

Exercice 3
a. On se rappelle que la base canonique s’écrit:
!
e 1 = (1; 0; 0) ; !
e 2 = (0; 1; 0) ; !
e 3 = (0; 0; 1)

On trouve
f (!
e 1 ) = f (1; 0; 0) = (3; 1; 2)

f (!
e 2 ) = f (0; 1; 0) = (2; 0; 0)

f (!
e 3 ) = f (0; 0; 1) = (1; 1; 3)
b. En mettant ces vecteurs images sous forme de matrices colonnes
la matrice A de f est
0 1
3 2 1
A=@ 1 0 1 A
2 0 3
et
2 3 1
1 1
det f = det A = 0 1 1 = 2 = 2
2 3
0 2 3

139
c. Comme det f 6= 0; f 1 existe et sa matrice dans la base canonique
est donnée par A 1 : Celle-ci se calcule en inversant le système
8 9
< 3x + +2y + z = x0 =
x + z = y0
: ;
2x + 3z = z 0

On obtient: 8 9
< x = 3y 0 z 0 =
y = 21 x0 27 y 0 + z 0
: ;
z = 2y 0 + z 0
d’où on lit 0 1
0 3 1
A 1
=@ 1
2
7
2 1
A
0 2 1

Exercice 4
1/ Par dé…nition,
1 a
A=
a 1
et
det A = 1 a2
2/
!
p1 p1
B= 2 2
p1 p1
2 2

et
det B = 1
3/ !
1+a
p ap 1
AB = 2 2
1+a
p 1p a
2 2

et !
p1 p1
1 2 2
B = p1 p1
2 2

4/ La matrice B de l’application linéaire g est celle d’une rotation

d’angle 4 : En e¤et, la matrice d’une rotation d’angle est donnée par:

cos sin
R( ) =
sin cos

Exercice 5

140
1/ Pour déterminer les valeurs propres de f on calcule le polynôme
caractéristique de f :

X 1 1
Pcar;f (X) = det (A XI3 ) = 1 X 1
1 1 x

En ajoutant à la ligne 1 la somme des deux autres lignes on fait

apparaître une factorisation par 2-X:

2 X 2 X 2 X
Pcar;f (X) = 1 X 1
1 1 X
1 1 1
= (2 X) 1 X 1
1 1 X

Ensuite, on retanche la ligne 1 de la lgne 3 on obtient:

1 1 1
Pcar;f (X) = (2 X) 1 X 1
0 0 1 X
2
= (2 X) (X + 1)

Le polynôme caractéristique de f est scindé dans R:

L’endomorphisme f de R3 a deux valeurs propres distinctes: 1 = 1
une valeur propre double, 2 = 2 est une valeur propre simple.
L’endomorphisme f est diagonalisable si et seulement si, pour chaque valeur
propre la dimension du sous-espace propre associé est égale à son ordre
de multiplicité en tant que racine du polynôme caractéristique.
La dimension du sous-espace propre associé à une valeur propre simple
est égale à 1.
Donc f est diagonalisable si et seulement si ladimension du sous-espace
propre associé à la valeur propre double est égale à 2.
Soit E 1 le sous-espace propre associé à la valeur propre double 1 = 1
et soit !
u = (x; y; z) un vecteur de R3 :

1 0 1 0
x 0
!
u 2 E , f (!u ) = !
u , (A + I ) @ y A = @ 0 A
1 3
z 0
8 9
< x+y+z =0 =
, x+y+z =0
: ;
x+y+z =0

E 1 est un plan vectoriel de R3 : L’endomorphisme f est donc diagonalisable.

On détermine maintenant une base de R3 formée de vecteurs propres de f:

141
Les vecteurs !u 1 = (1; 0; 1) et !u 2 = (0; 1; 1) sont deux vecteurs
non colinéaires de E 1 , ils forment donc une base de E 1 :
Soit E 2 le sous-espace propre associé à la valeur propre 2 = 2
et soit !
u = (x; y; z) un vecteur de R3 :

0 1 0 1
x 0
!
u 2 E , f (!
u ) = 2!
u , (A 2I3 ) @ y A = @ 0 A
2
z 0
8 9
<
2x + y + z = 0 =
, x 2y + z = 0
: ;
x + y 2z = 0

Les opérations suivantes L2 L2 L1 ; L3 L3 + 2L1 transforment

le système en un système équivalent:

2x + y + z = 0
!
u 2 E , 3x 3y =0
2
3x + 3y =0
y=x
,
z=x

!
u 2E , 9 x 2 R; ! u = x (1; 1; 1)
2

!
E 2 est la droite vectorielle de base u 3 = (1; 1; 1) :
(!
u 1; !u 2 ) est une base de E 1 ; !
u 3 est une base E 2 donc la famille (!
u 1; !
u 2; !
u 3)
! ! !
est libre et les vecteurs u ; u ; u forment une base deR : 3
1 2 3
Soit
B 0 = (! u 1; !
u 2; !
u 3)
Comme f ( u 1 ) = u 1 ; f ( u 2 ) = u 2 , f (!
! ! ! ! u 3 ) = 2!
u 3 la matrice A0 de f
0
dans la base B est donnée par:
0 1
1 0 0
A0 = @ 0 1 0 A
0 0 2

La matrice de passage de la base canonique B à la base des vecteurs

prores B 0 est donnée par:
0 1
1 0 1
P =@ 0 1 1 A
1 1 1
et on a:
A = P A0 P 1

2/
A = P A0 P 1
, An = P A0n P 1
8n2N

142
 0 n 1
( 1) 0 0
n
A0n =@ 0 ( 1) 0 A
0 0 2n
La matrice P 1 est la matrice de passage de la base B 0 = (!
u 1; !
u 2; !
u 3)
! ! !
à la base canonique ( e 1 ; e 2 ; e 3 ) :

!
u1 = !e 1 + 0!e2 !e3
!
u2 = 0!e1+! e2 !e3
!
u = !e1+! e2+!e3
3

d’où
! 1 !
e1 = (2 u 1 !u2+!
u 3)
3
! 1 !
e2 = ( u 1 + 2!
u2+!u 3)
3
! 1 !
e1 = ( u1 ! u2+!u 3)
3
Ainsi, 0 1
2 1 1
1@
P 1
= 1 2 1 A
3
1 1 1
0 n 1
( 1) 0 2n
n+1
P A0n =@ 0 ( 1) 2n A
n+1 n+1
( 1) ( 1) 2n
et …nalement,
0 n n n+1 n+1 1
2 + 2 ( 1) 2n + ( 1) 2n + ( 1)
1@ n n+1 n n+1 A
An = P A0n P 1
= 2 + ( 1) 2n + 2 ( 1) 2n + ( 1)
3 n n+1 n n+1 n n
2 + ( 1) 2 + ( 1) 2 + 2 ( 1)

Exercice 6
1/ Les vecteurs ! u 1 = ( 2; 3) et !
u 2 = ( 2; 5) forment une base de R2
s’ils sont linéairement indépendants et s’ils forment un système générateur
de R2 :
Les deux vecteurs sont linéairement indépendants si 9 ; 2 R tel que
! !
u1+ !
u2 = 0 , = = 0:

En e¤et,
! ! 2 2 =0
u1+ !
u2 = 0 ,
3 +5 =0

143
La première équation implque que

et en l’insérant dans la deuxième équation donne:

2 = 0 () = 0 et donc =0

Ainsi, les deux vecteurs sont linéairement indépendants.

Ces deux vecteurs forment un système générateur de R2 si pour tout vecteur
!
u = (x; y) 2 R2 9 un couple de scalaires ; 2 R; tel que :
!
u = !
u1+ !
u2

En e¤et, cette équation implique que

x = 2 2
y = 3 +5

Il su¢ t de prendre
5 1
= x y
4 2
3 1y
= x+
4 2
Donc, les deux vecteurs forment une base de R2 :
2/

f (!
u 1) = f ( 2! e 1 + 3! e 2)
= 2f ( e 1 ) + 3f (!
! e 2)
= !
2e1+3e2 !

c’est-à-dire,
f (!
u 1) = !
u1
et

f (!
u 2) = f ( 2! e 1 + 5! e 2)
= 2f ( e 1 ) + 5f (!
! e 2)
2! 5!
= e1+ e2
3 3
1!
= u2
3
Ainsi, les vecteurs !
u 1 et !
u 2 sont des vecteurs propre de l’endomorphisme
f associés aux valeurs propres respectives 1 = 1 et 2 = 31
et donc la matrice de l’application linéaire f dans la base (!u 1; !
u 2)

144
est une matrice diagonale:

1 0
B=
0 13

3/
2
2 3
det C = 5 2
2 3
4 5 1
= + =
3 3 3
Alors la matrice C est diagonalisable.
Les valeurs prores de C sont solutions de l’équation
2
2 3
det (C I2 ) = 5 2 =0
2 3

c’est-à-dire
2 5
(2 ) + = 0
3 3
2 4 1
+ = 0
3 3
1
, 1 = 1 et 2 =
3
Ainsi la matrice B est la matrice diagonale associée à la matrice C:
Donc, on a:
C = P BP 1 , C n = P B n P 1
avec P est la matrice de passage de la base canonique (! e 1; !
e 2)
! !
à la base des vecteurs propres ( u ; u ). 1 2
Les colonnes de la matrice P sont formées des composantes des vecteurs
propres dans la base canonique:

2 2
P =
3 5

Pour déterminer la matrice inverse de la matrice P , on exprime les veceurs

!
e 1; !
e 2 en termes des vecteurs !
u 1; !
u 2 . On trouve

! 1
e1 = ( 5!
u 1 + 3! u 2)
4
! 1 !
e2 = (u2 ! u 1)
2
Alors on en déduit
1 1 5 2
P =
4 3 2

145
Alors
n+1
1 10 2:3 4 4:3 n
Cn = n+1 n
4 15 + 5:3 6 + 10:3
4/

8n 2 N;
2
xn+1 = 2xn + yn
3
5 2
yn+1 = xn yn
2 3
En posant
xn
Xn =
yn
Le système précédent se réécrit:

Xn+1 = CXn
, Xn = C n X0

avec
x0
X0 =
y0
Ainsi
n+1
xn 1 10 2:3 4 4:3 n x0
Xn = = n+1 n
yn 4 15 + 5:3 6 + 10:3 y0
n+1
1 10 2:3 x0 + (4 4:3 n ) y0
= n+1
4 15 + 5:3 x0 + ( 6 + 10:3 n ) y0

Finalement les suites sont déterminées par:

1 n+1 n
xn = 10 2:3 x0 + 4 4:3 y0 ;
4
1 n+1 n
yn = 15 + 5:3 x0 + 6 + 10:3 y0
4

Autre méthode
Reconsidérons le systèmes des suites
2
8n 2 N; xn+1 = 2xn + yn
3
5 2
yn+1 = xn yn
2 3
De la première équation on en déduit
2
xn+2 = 2xn+1 + yn+1
3

146
Or de la deuxième équation on a:
3
yn = + xn+1 3xn
2
En substituant dans xn+2 on obtient:
4 1
xn+2 xn+1 + xn = 0
3 3
En résolvant sous la forme:
xn = rn
on obtient l’équation caractéristique
4 1
r2 r+ =0
3 3
qui est exactement le polynôme caractéristique de la matrice C dont
les racines sont les valeurs propres de cette matrice.
Ainsi, on a:
n
1
xn = 1n +
3
avec la condition initiale
x0 = +
Ensuite on en déduit yn de l’équation
3
yn = + xn+1 3xn
2
on obtient:
1 n
yn = 3 + 5 :3
2
et avec la condition initiale
1
y0 = (3 + 5 )
2
ainsi on obtient les expressions …nales:
1 n+1 n
xn = 10 2:3 x0 + 4 4:3 y0 ;
4

1 n+1 n
yn = 15 + 5:3 x0 + 6 + 10:3 y0
4

Exercice 7
1/ On calcule le polynôme caractéristique de f . On trouve
2
Pf (X) = (1 X) (2 X)

147
Puisqu’il a toutes ses racines dans R, l’endomorphisme f est trigonalisable.
2/ Posons ! u = (x; y; z), on a:
8 9 8 9
< z=0 = < x=x =
f (!
u)=! u , x+y+z =0 , y=x
: ; : ;
x y=0 z=0

Une base de ker (f I) est donc donnée par le vecteur (1; 1; 0)

3/ On a
f (!
v ) = (1; 1; 1)
d’où
f (!
v) !
v =!
u
4/ On cherche l’espace propre associé à la valeur propre = 2:
On a pour !w = (x; y; z),
8 9 8 9
< x+z =0 = < x=x =
f (!
w) = ! w , x+z =0 , y=0
: ; : ;
x y z=0 z=x

Le vecteur !w = (1; 0; 1) est donc un vecteur propre de f associé

à la valeur propre = 2:
On véri…e facilement que la famille (!u;!v ;!
w ) est une famille libre
3
de R , donc une base.
La matrice de f dans cette base est donnée par
0 1
1 1 0
T =@ 0 1 0 A
0 0 2

5/ On montre par récurrence sur k que f k (! v)=! v + k! u:

En e¤et, c’est vrai pour k = 1 et si c’est vrai au rang k, alors

f k+1 (!
v) = f (!v + k! u)
= f ( v ) + kf (!
! u)
= ! !
u + v +ku !
= !
v + (k + 1) ! u

Puisque

f k (!u) = !
u;
f k (w) = 2k !
w;

on en déduit 0 1
1 k 0
Tk = @ 0 1 0 A
0 0 2k

148
6/ Soit Q la matrice de passage de la base canonique de R3
à la base (!
u;!v ;!
w ) : Q est donnée par:
0 1
1 0 1
Q=@ 1 0 0 A
0 0 1

et on a la relation
1
A = QT Q
Par récurrence, on montre que

Ak = QT k Q 1

1
Il reste à calculer Q et à utiliser le résultat de la question précédente.
On trouve 0 1
0 1 0
Q 1=@ 1 1 1 A
1 1 0

149
 X.3. Opérations sur les polynômes
X.3.1.Enoncés des exercices
Exercice I
Soit P un polynôme donné par:

P (X) = X 4 + 2a:X 3 + b:X 2 + 2:X + 1; a; b 2 R

Pour quelles valeurs de a; b le polynôme P est-il carré d’un polyôme de

R [X]?
Exercice II
Résoudre les équations suivantes, où l’inconnue est un polynôme P de R [X] :
1/
P X 2 = X 2 + 1 :P (X)
2/
2
P 0 = 4P

Exercice III
Calculer le quotient et le reste de la division euclidienne de
1/
X 4 + 5X 3 + 12X 2 + 19X 7 par X 2 + 3X 1
2/
X5 X2 + 2 par X 2 + 1

Exercice IV
On considère les deux polynômes suivants:

P (X) = X 3 9X 2 + 26X 24

et
Q (X) = X 3 7X 2 + 7X + 15
Décomposer ces deux polynômes en produits irréductibles de R [X] sachant
qu’ils ont une racine commune.

150
 Exercice V: Calcul du pgcd
Déterminer le pgcd des polynômes suivants

P (X) = X 4 3X 3 + X 2 + 4

et
Q (X) = X 3 3X 2 + 3X 2

Exercice VI: Equation de Bézout

Trouver deux polynômes U et V de R [X] tels que

AU + BV = 1

avec
A (X) = X 7 X 1
et
B (X) = X 5 1

Exercice VII
Décomposer en produits irréductibles de R [X] les polynomes suivants:
1/
P (X) = X 4 + 1
2/
Q (X) = X 8 1

Exercice VIII
Soit le polynôme

P (X) = X 3 8X 2 + 23X 28

Déterminer les racines de P sachant que la somme de deux des racines est
égale à la troisième

151
 X.3.2. Solutions des exercices
Exercice I
Si P = Q2 est le carré d’un polynôme, alors Q est nécessairement de degré
2, et son coe¢ cient dominant est égal à 1. On peut écrire

Q (X) = X 2 + cX + d

On a alors

Q2 (X) = X 4 + cX 3 + d + c2 X 2 + dcX + d2

Par identi…cation, on doit avoir

2c = 2a; 2d + c2 = b; 2cd = 2 et d2 = 1

On trouve donc
c = a et d = 1
Si
d = 1; alors c = 1; et donc a = 1 et b = 3
Si
d= 1; alors c = 1; a = 1 et b = 1
Les deux solutions sont donc
2
P1 (X) = X 4 + 2X 3 + 3X 2 + 2X + 1 = X 2 + x + 1
2
P2 (X) = X4 2X 3 X 2 + 2X + 1 = X 2 X 1

Exercice II
1/ Le polynôme nul est évidemment solution. Sinon, si P est solution alors
on a
2 deg (P ) = deg (P ) + 2
ce qui prouve que deg (P ) doit être égal à 2
Maintenant, si
P (X) = aX 2 + bX + c
alors
P X 2 = aX 4 + bX 2 + c

X 2 + 1 P (X) = aX 4 + bX 3 + (a + c) X 2 + bX + c
On en déduit que
b = 0 puisque a + c = 0

152
 Les solutions sont donc les polynômes qui s’écrivent

P (X) = a X 2 1 ; a2R

2/ Là encore, le polynôme nul est aussi solution, et c’est la seule solution

constante.
Par ailleurs, si P est une solution non constante, alors son degré véri…e
l’équation
2 (deg (P ) 1) = deg (P )
ce qui entraîne que
deg (P ) = 2
Maintenant, si
P (X) = aX 2 + bX + c;
alors
2
P 02 = (2aX + b) = 4a2 X 2 + 4abX + b2
4P = 4aX 2 + 4bX + 4C

ceci entraîne
a2 = a; donc a = 1
2
le polynôme est de degré 2, a 6= 0, puis c = b4 :
Les polynômes solutions sont donc le polynôme nul et les polynômes

b2
P (X) = X 2 + bX + ; b2R
4
Exercice III
1/ Le quotient est X 2 + 2X + 7; le reste est nul
2/ Le quotient est X 3 X 1; le reste est X + 3
Exercice IV
Si a est une racine commune de P et Q, alors X a divise le pgcd de P et
Q:
On commence donc par chercher ce pgcd, par exemple en appliquant l’algorithme
d’Euclide. Ici, on a:

X3 9X 2 + 26X 24 = X 3 7X 2 + 7X + 15 + 2X 2 + 19X 39

X 5 45X 135
X3 7X 2 + 7X + 15 = 2X 2 + 19X 39 +
2 4 4 4

45X 135 8X 52
2X 2 + 19X 39 = +
4 4 4 4

153
 Le pgcd de P et Q est donc le polynôme
45X 135
4 4
ou encore X 3:On divise alors P et Q par X 3; et on trouve:
P (X) = (X 3) X 2 6X + 8
= (X 3) (X 2) (X 4)
et
Q (X) = (X 3) X 2 4X 5
= (X + 1) (X 3) (X 5)
Exercice V
On applique l’algorithme d’Euclide. Le dernier reste non-nul donne un pgcd
des deux polynômes. On a successivement:
X4 3X 3 + X 2 + 4 = X 3 3X 2 + 3X 2 X+ 2X 2 + 2X + 4

X
X3 3X 2 + 3X 2= 2X 2 + 2X + 4 + 1 + 3X 6
2

2X 2
2X 2 + 2X + 4 = (3X 6)
3 3
Un pgcd est donc (3X 6) ou (X 2)
Exercice VI: Equation de Bézout
On utilise l’algorithme d’Euclide. On a

X7 x 1 = X5 1 X2 + X2 X 1

X5 1 = X2 X 1 X 3 + X 2 + 2X + 3 + 5X + 2

X 7 11
X2 X 1 = (5X + 2)
5 25 25
On remonte ensuite les calculs. On va partir de
11 = 25 X 2 X 1 + (5X 7) (5X + 2)
On trouve alors successivement:
11 = 25 X 2 X 1 + (5X 7) X5 1 X2 X 1 X 3 + X 2 + 2X + 3
= 5X 4 + 2X 3 3X 2 X 4 X2 X 1 + (5X 7) X 5 1
4 3 2 7
= 5X + 2X 3X X 4 X X 1 +
6 5 4 3 2
5X 2X + 3X + X + 4X + 5X 7 X5 1

154
Il su¢ t de diviser par 11 pour obtenir les polynômes U et V:
Exercice VII
1/ Soit
P (X) = X 4 + 1
On peut remarquer que
2
X2 + 1 = X 4 + 2X 2 + 1

Donc
2
X4 + 1 = X2 + 1 2X 2
2 p 2
= X2 + 1 2X

c’est -à-dire
p p
P (X) = X 2 + 1 + 2X X2 + 1 2X

2/

X8 1 = X4 1 X4 + 1
p p
= X2 1 X2 + 1 X2 + 1 + X2 + 1
2X 2X
p p
= (X + 1) (X 1) X 2 + 1 X 2 + 1 + 2X X 2 + 1 2X

Exercice VIII
on écrit

X3 8X 2 + 23X 28 = (X + a) (X + b) (X + c)

sachant que
a+b=c
ensuite on développe

(X + a) (X + b) (X + c) = X 3 + (a + b + c) X 2 + (ab + ac + bc) X + abc

puis on identi…e les coe¢ cients on obtient

a+b+c= 8

ce qui donne
c= 4

155
 Ensuite, on fait la division euclidienne de X 3 8X 2 + 23X 28 par X 4
et on trouve

X3 8X 2 + 23X 28 = (X 4) X 2 4X + 7

et donc
p p
X3 8X 2 + 23X 28 = (X 4) X 2+i 3 X 2 i 3

Université Hassan 1er

Faculté des Sciences & Techniques
Département de Mathématiques & Informatique
Année Universitaire 2013-2014
Module: GEGM07: Algèbre
Responsable: Prof. M. Kachkachi

Travaux Dirigés
Série N 3
Opérations sur les polynômes

Exercice 1
Soient a; b des réels et

P (X) = X 4 + 2a:X 3 + b:X 2 + 2:X + 1

Pour quelles valeurs de a; b le polynôme P est-il carré d’un polyôme

de R [X]?
Exercice II
Résoudre les équations suivantes, où l’inconnue est un polynôme P de R [X] :
1/
P X 2 = X 2 + 1 :P (X)
2/
2
P 0 = 4P
Exercice III
Calculer le quotient et le reste de la division euclidienne de
1/
X 4 + 5X 3 + 12X 2 + 19X 7 par X 2 + 3X 1
2/
X5 X2 + 2 par X 2 + 1

156
Exercice IV
On considère les deux polynômes suivants:
P (X) = X 3 9X 2 + 26X 24
et
Q (X) = X 3 7X 2 + 7X + 15
Décomposer ces deux polynômes en produits irréductibles de R [X]
sachant qu’ils ont une racine commune.
Exercice V: Calcul du pgcd
Déterminer le pgcd des polynômes suivants
P (X) = X 4 3X 3 + X 2 + 4
et
Q (X) = X 3 3X 2 + 3X 2

Exercice VI: Equation de Bézout

Trouver deux polynômes U et V de R [X] tels que
AU + BV = 1
avec
A (X) = X 7 X 1
et
B (X) = X 5 1

Exercice VII
Décomposer en produits irréductibles de R [X] les polynomes suivants:
1/
P (X) = X 4 + 1
2/
Q (X) = X 8 1

Exercice VIII
Soit
P (X) = X 3 8X 2 + 23X 28
Déterminer les racines de P sachant que la somme de deux des racines
est égale à la troisième

157
Université Hassan 1er
Faculté des Sciences & Techniques
Département de Mathématiques & Informatique
Année Universitaire 2012-2013
Module: GEGM07: Algèbre
Responsable: Prof. M. Kachkachi

Travaux Dirigés
Série N 3; Corrige
Opérations sur les polynômes

Exercice I
Si P = Q2 est le carré d’un polynôme, alors Q est nécessairement
de degré 2, et son coe¢ cient dominant est égal à 1. On peut écrire

Q (X) = X 2 + cX + d

On a alors

Q2 (X) = X 4 + cX 3 + d + c2 X 2 + dcX + d2

Par identi…cation, on doit avoir

2c = 2a; 2d + c2 = b; 2cd = 2 et d2 = 1

On trouve donc
c = a et d = 1
Si
d = 1; alors c = 1; et donc a = 1 et b = 3
Si
d= 1; alors c = 1; a = 1 et b = 1
Les deux solutions sont donc
2
P1 (X) = X 4 + 2X 3 + 3X 2 + 2X + 1 = X 2 + x + 1
2
P2 (X) = X4 2X 3 X 2 + 2X + 1 = X 2 X 1

Exercice II
1/ Le polynôme nul est évidemment solution. Sinon, si P est solution
alors on a
2 deg (P ) = deg (P ) + 2
ce qui prouve que deg (P ) doit être égal à 2

158
Maintenant, si
P (X) = aX 2 + bX + c
alors
P X 2 = aX 4 + bX 2 + c

X 2 + 1 P (X) = aX 4 + bX 3 + (a + c) X 2 + bX + c
On en déduit que
b = 0 puisque a + c = 0
Les solutions sont donc les polynômes qui s’écrivent

P (X) = a X 2 1 ; a2R

2/ Là encore, le polynôme nul est aussi solution, et c’est la seule solution

constante.
Par ailleurs, si P est une solution non constante, alors son degré
véri…e l’équation
2 (deg (P ) 1) = deg (P )
ce qui entraîne que
deg (P ) = 2
Maintenant, si
P (X) = aX 2 + bX + c;
alors
2
P 02 = (2aX + b) = 4a2 X 2 + 4abX + b2
4P = 4aX 2 + 4bX + 4C

ceci entraîne
a2 = a; donc a = 1
2
le polynôme est de degré 2, a 6= 0, puis c = b4 :
Les polynômes solutions sont donc le polynôme nul et les polynômes

b2
P (X) = X 2 + bX + ; b2R
4
Exercice III
1/ Le quotient est X 2 + 2X + 7; le reste est nul
2/ Le quotient est X 3 X 1; le reste est X + 3
Exercice IV
Si a est une racine commune de P et Q, alors X a divise le pgcd
de P et Q:
On commence donc par chercher ce pgcd, par exemple en appliquant
l’algorithme d’Euclide. Ici, on a:

159
 X3 9X 2 + 26X 24 = X 3 7X 2 + 7X + 15 + 2X 2 + 19X 39

X 5 45X 135
X3 7X 2 + 7X + 15 = 2X 2 + 19X 39 +
2 4 4 4

45X 135 8X 52
2X 2 + 19X 39 = +
4 4 4 4
Le pgcd de P et Q est donc 45X
4
135
4 ; ou encore X 3:
On divise alors P et Q par X 3; et on trouve:

P (X) = (X 3) X 2 6X + 8
= (X 3) (X 2) (X 4)

et

Q (X) = (X 3) X 2 4X 5
= (X + 1) (X 3) (X 5)

Exercice V
On applique l’algorithme d’Euclide. Le dernier reste non-nul donne
un pgcd des deux polynômes. On a successivement:

X4 3X 3 + X 2 + 4 = X 3 3X 2 + 3X 2 X+ 2X 2 + 2X + 4

X
X3 3X 2 + 3X 2= 2X 2 + 2X + 4 + 1 + 3X 6
2

2X 2
2X 2 + 2X + 4 = (3X 6)
3 3
Un pgcd est donc (3X 6) ou (X 2)
Exercice VI Equation de Bézout
On utilise l-algorithme d’Euclide. Ona
On a
X7 x 1 = X5 1 X2 + X2 X 1

X5 1 = X2 X 1 X 3 + X 2 + 2X + 3 + 5X + 2

X 7 11
X2 X 1 = (5X + 2)
5 25 25

160
 On remonte ensuite les calculs. On va partir de

11 = 25 X 2 X 1 + (5X 7) (5X + 2)

On trouve alors successivement:

11 = 25 X 2 X 1 + (5X 7) X5 1 X2 X 1 X 3 + X 2 + 2X + 3
= 5X 4 + 2X 3 3X 2 X 4 X2 X 1 + (5X 7) X 5 1
4 3 2 7
= 5X + 2X 3X X 4 X X 1 +
6 5 4 3 2
5X 2X + 3X + X + 4X + 5X 7 X5 1

Il su¢ t de diviser par 11 pour obtenir les polynômes U et V:

Exercice VII
1/ Soit
P (X) = X 4 + 1
On peut remarquer que
2
X2 + 1 = X 4 + 2X 2 + 1

Donc
2
X4 + 1 = X2 + 1 2X 2
2 p 2
= X2 + 1 2X

c’est -à-dire
p p
P (X) = X 2 + 1 + 2X X2 + 1 2X

2/

X8 1 = X4 1 X4 + 1
p p
= X2 1 X2 + 1 X2 + 1 + X2 + 12X 2X
p p
= (X + 1) (X 1) X 2 + 1 X 2 + 1 + 2X X 2 + 1 2X

Exercice VIII
on écrit

X3 8X 2 + 23X 28 = (X + a) (X + b) (X + c)

sachant que
a+b=c

161
ensuite on développe

(X + a) (X + b) (X + c) = X 3 + (a + b + c) X 2 + (ab + ac + bc) X + abc

puis on identi…e les coe¢ cients on obtient

a+b+c= 8

ce qui donne
c= 4
ensuite, on fait la division euclidienne de X 3 8X 2 + 23X 28 par X 4
et on trouve

X3 8X 2 + 23X 28 = (X 4) X 2 4X + 7

et donc
p p
X3 8X 2 + 23X 28 = (X 4) X 2+i 3 X 2 i 3

162
X. 4. Fractions rationnelles
X. 4.1. Enoncés des exercices
Exercice I
Décomposer en éléments simples les fractions rationnelles suivantes:
1.
1
X 3 X
2.
X 2 + 2X + 5
X 2 3X + 2

Exercice II
Décomposer en éléments simples la fraction rationnelle:

X4 X + 2
F (X) =
(X 1) (X 2 1)

Exercice III
Décomposer en éléments simples dans C (X),

Xn 1
F (X) =
Xn 1

Exercice IV
a) Décomposer dans R (X) la fraction
1
X (X + 1)

b) En déduire la décomposition dans R (X) de

1
X3 (X 3 + 1)

Exercice V
On considère une fraction rationnelle avec un pôle double:
U
F (X) = 2 ; V1 (a) 6= 0
(X a) V1 (X)

163
 La décomposition en éléments simples s’écrit
U1
F = + 2 +
X a (X a) V1

En dé…nissant la fraction
2 U
G = (X a) F = ;
V1
exprimer les coe¢ cients et à l’aide de G: Généraliser à un pôle multiple
Exercice VI
On considère un polynôme P 2 C [X] ayant n racines distinctes notées
x1 ; x2 ; :::; xn :
Soit un complexe a 2 C tel que P (a) 6= 0: exprimer les sommes
n
X 1
S1 =
a xk
k=1

n
X 1
S2 = 2
k=1
(a xk )
en fonction de P; P 0 et a:
Exercice VII
1. Soit
P
F =
Q
Si 2 C est une racine simple de Q, montrer que le coe¢ cient de l’élément
simple X 1 est QP0(( ))
2. Décomposer dans C (X) la fraction

X
F =
Xn 1

164
 X. 4.2. Solutions des exercices
Exercice I
1. La partie entière est nulle, le dénominateur se factorise en X (X 1) (X + 1) :
Multipliant par X et faisant X = 0, on trouve la partie polaire relativement
à X 0 et ainsi de suite... On trouve …nalement
1 1
1 1
= + 2 + 2
X3 X X X 1 X +1
2. Il y a cette fois une partie entière, car le numérateur et le dénominateur
ont même degré.
Cette partie entière obtenue en faisant la division euclidienne vaut 1 et on
a:
X 2 + 2X + 5 5X + 3
=1+ 2
X 2 3X + 2 X 3X + 2
Le dénominateur se factorise en (X 1) (X 2) et on trouve …nalement
utilisant les techniques décrites dans la question précédente

X 2 + 2X + 5 8 13
=1 +
X 2 3X + 2 X 1 X 2

Exercice II
Le degré du numérateur est supérieur à celui du dénominateur. Il faut diviser
X 4 X + 2 par (X 1) X 2 1 = X 3 X 2 X + 1
On trouve
X4 X + 2 2X 2 X + 1
F (x) = = X + 1 +
(X 1) (X 2 1) (X 1) (X 2 1)
On pose

2X 2 X + 1 2X 2 X + 1
G (X) = 2
= 2
(X 1) (X 1) (X 1) (X + 1)
a b c
= 2 + (X +
(X 1) 1) X +1
2
On multiplie par (X 1) et on pose X = 1 on trouve a = 1
Ensuite on multiplie par X + 1 puis X = 1; on trouvec = 1
En…n,on multiplie par X et en tend X ! 1 on a:

2=b+c)b=1

alors
1 1 1
F (X) = X + 1 + 2 + +
(X 1) (X 1) X +1

165
Exercice III
La décomposition s’écrit
n
X1 k i2k
F (X) = ; !k = e n
X !k
k=0

On utilise la formule
P (! k ) ! kn 1
1
k = = =
Q0 (! k ) n! kn 1 n

et donc
n 1
1X 1
F (X) =
n X !k
k=0

Exercice IV
a) Puisque
1 1 1
= ;
X (X + 1) X X +1
il vient que
1 1
X3 X3 + 1
et il ne reste qu’à décomposer
1 1
=
X3 + 1 (X + 1) (X 2 X + 1)
1
3 1 X 2
=
X +1 3 X2 X + 1

Exercice V
2
En multipliant la décomposition par (X a) ; on obtient

2 U1
G= + (X a) + (X a)
V1
On trouve
= G (a)
puis en dérivant on trouve

= G0 (a)

La généralisation est immédiate. Si la fraction F possède un pôle d’ordre k;

U 1 2 k U1
F = k
= + 2 + ::: + k
+
(X a) V1 X a (X a) (X a) V1

166
 k
en multipliant par (X a) ; on trouve

k U
G = (X a) F =
V1
k k U1
= k + k 1 (X a) + ::: + 1 (X a) + (X a) :
V1
d’où l’on tire en dérivant k fois, que

k = G (a)
k 1 = G0 (a)
G00 (a)
k 2 =
2
:::
G(k) (a)
1 =
k!

Exercice VI
Regarder pour un polynôme de degré 2; puis utiliser formellement la dérivée
logarithmique.
En…n décomposer la fraction

P 0 (X)
P (X)

On trouve
P 0 (a)
S1 =
P (a)
puis en dérivant,
(P P 0 ) 2P 02
S2 = (a)
P2

Exercice VII
1. est une racine simple de Q donc il existe Q1 tel que

Q = (X ) Q1 avec Q1 ( ) 6= 0

P P a
F = = = + :::
Q (X ) Q1 X
En multipliant par X , puis en faisant X = , on trouve

P( )
a=
Q0 ( )

167
2.
n
Y1 2ik
Xn 1= X e n

k=0

Donc il existe a0 ; a1 ; :::; an 1 tels que:

n
X1 ak
F = 2ik
k=0 X e n

En appliquant le résultat de 1., avec

P =X etQ0 = nX n 1

2ik
e n 1 4ik
ak = n 1 = e n
2ik n
n e n

Donc
n
X1 1 4ik
ne
n
F = 2ik
k=0 X e n

Exercice VII
Décomposer en éléments simples dans R les fractions rationnelles suivantes:
1
F1 = 2
(X 4 1)
X2 + 1
F2 = 4
(X 1) (X 3 + 1)
1
F3 =
X6 1

X5 3X 3 + X 2
F4 = 3
(X 2 + 2X + 2)

Solution 1

1
F1 = 2
(X 4 1)
1
= 2 2
(X 2 1) (X 2 + 1)
1
= 2 2
(X 1) (X + 1) (X 2 + 1)

168
On pose alors
a b c d eX + f
F1 = + + + 2 +
X 1 X + 1 (X 1)2 (X + 1) (X 2 + 1)
2

De plus, la fraction F1 est paire:

F1 (X) = F1 ( X)
avec
a b c d eX + f
F1 ( X) = + + 2 + 2 + 2
X + 1 X 1 (X + 1) (X 1) (X 2 + 1)
Ceci donne comme équations:

a = b
c = d
e = 0

Alors F1 se réduit à l’expression suivante:

a a c c f
F1 (X) = + + + 2 +
X 1 X + 1 (X 1)2 (X + 1) (X 2 + 1)
2

Exercice 1
Décomposer en éléments simples dans R les fractions rationnelles suivantes:
1
F1 = 2
(X 4 1)
X2 + 1
F2 = 4
(X 1) (X 3 + 1)
1
F3 =
X6 1
X5 3X 3 + X 2
F4 = 3
(X 2 + 2X + 2)

Solution 1

1
F1 = 2
(X 4 1)
1
= 2 2
(X 2 1) (X 2 + 1)
1
= 2 2
(X 1) (X + 1) (X 2 + 1)

169
On pose alors
a b c d eX + f
F1 = + + + 2 +
X 1 X + 1 (X 1)2 (X + 1) (X 2 + 1)
2

De plus, la fraction F1 est paire:

F1 (X) = F1 ( X)
avec
a b c d eX + f
F1 ( X) = + + + 2 +
X + 1 X 1 (X + 1)2 (X 1) (X 2 + 1)
2

Ceci donne comme équations:

a = b
c = d
e = 0

Alors F1 se réduit à l’expression suivante:

a a c c f
F1 (X) = + + 2 + 2 + 2
X 1 X + 1 (X 1) (X + 1) 2
(X + 1)

Université Hassan 1er

Faculté des Sciences & Techniques
Département de Mathématiques & Informatique
Année Universitaire 2012-2013
Module: GEGM07: Algèbre
Responsable: Prof. M. Kachkachi

Travaux Dirigés
Série N 4
Fractions rationnelles

Exercice I
Décomposer en éléments simples les fractions rationnelles suivantes:
1.
1
X 3 X
2.
X 2 + 2X + 5
X 2 3X + 2

170
Exercice II
Décomposer en éléments simples la fraction rationnelle:

X4 X + 2
F (X) =
(X 1) (X 2 1)

Exercice III
Décomposer en éléments simples dans C (X),

Xn 1
F (X) =
Xn 1

Exercice IV
a) Décomposer dans R (X) la fraction
1
X (X + 1)

b) En déduire la décomposition dans R (X) de

1
X3 (X 3 + 1)

171
Exercice V
On considère une fraction rationnelle avec un pôle double:
U
F (X) = 2 ; V1 (a) 6= 0
(X a) V1 (X)
La décomposition en éléments simples s’écrit
U1
F = + 2 +
X a (X a) V1

En dé…nissant la fraction
2 U
G = (X a) F = ;
V1
exprimer les coe¢ cients et à l’aide de G:
Généraliser à un pôle multiple
Exercice VI
On considère un polynôme P 2 C [X] ayant n racines distinctes
notées x1 ; x2 ; :::; xn :
Soit un complexe a 2 C tel que P (a) 6= 0: exprimer les sommes
n
X 1
S1 =
a xk
k=1

n
X 1
S2 = 2
k=1
(a xk )
en fonction de P; P 0 et a:

Exercice VII
1. Soit
P
F =
Q
Si 2 C est une racine simple de Q, montrer que le coe¢ cient
de l’élément simple X 1 est QP0(( ))
2. Décomposer dans C (X) la fraction
X
F =
Xn 1

172
Université Hassan 1er
Faculté des Sciences & Techniques
Département de Mathématiques & Informatique
Année Universitaire 2012-2013
Module: GEGM07: Algèbre
Responsable: Prof. M. Kachkachi

Travaux Dirigés
Série N 4 Corrige
Fractions rationnelles

Exercice I
1. La partie entière est nulle, le dénominateur se factorise en X (X 1) (X + 1) :
Multipliant par X et faisant X = 0, on trouve la partie polaire relativement
à X 0 et ainsi de suite... On trouve …nalement
1 1
1 1
= + 2 + 2
X3 X X X 1 X +1
2. Il y a cette fois une partie entière, car le numérateur et le dénominateur
ont même degré.
Cette partie entière obtenue en faisant la division euclidienne vaut 1
et on a:
X 2 + 2X + 5 5X + 3
2
=1+ 2
X 3X + 2 X 3X + 2
Le dénominateur se factorise en (X 1) (X 2) et on trouve …nalement
utilisant les techniques décrites dans la question précédente
X 2 + 2X + 5 8 13
=1 +
X 2 3X + 2 X 1 X 2
Exercice II
Le degré du numérateur est supérieur à celui du dénominateur
Il faut diviser X 4 X + 2 par (X 1) X 2 1 = X 3 X 2 X + 1
On trouve
X4 X + 2 2X 2 X + 1
F (x) = = X + 1 +
(X 1) (X 2 1) (X 1) (X 2 1)
On pose
2X 2 X + 1 2X 2 X + 1
G (X) = = 2
(X 1) (X 2 1) (X 1) (X + 1)
a b c
= 2 + (X +
(X 1) 1) X + 1

173
 2
On multiplie par (X 1) et on pose X = 1 on trouve a = 1
Ensuite on multiplie par X + 1 puis X = 1; on trouve

c=1

en…n on multiplie par X et en tend X ! 1 on a:

2=b+c)b=1

alors
1 1 1
F (X) = X + 1 + 2 + +
(X 1) (X 1) X +1
Exercice III
La décomposition s’écrit
n
X1 k i2k
F (X) = ; !k = e n
X !k
k=0

On utilise la formule
P (! k ) ! kn 1
1
k = = =
Q0 (! k ) n! kn 1 n

et donc
n 1
1X 1
F (X) =
n X !k
k=0

Exercice IV
a) Puisque
1 1 1
= ;
X (X + 1) X X +1
il vient que
1 1
X3 X3 + 1
et il ne reste qu’à décomposer
1 1
=
X3 +1 (X + 1) (X 2 X + 1)
1
3 1 X 2
= 2
X +1 3X X +1
Exercice V
2
En multipliant la décomposition par (X a) ; on obtient

2 U1
G= + (X a) + (X a)
V1
On trouve
= G (a)

174
puis en dérivant on trouve

= G0 (a)

La généralisation est immédiate. Si la fraction F possède un pôle d’ordre k;

U 1 2 k U1
F = k
= + 2 + ::: + k
+
(X a) V1 X a (X a) (X a) V1
k
en multipliant par (X a) ; on trouve

k U
G = (X a) F =
V1
k k U1
= k + k 1 (X a) + ::: + 1 (X a) + (X a) :
V1
d’où l’on tire en dérivant k fois, que

k = G (a)
k 1 = G0 (a)
G00 (a)
k 2 =
2
:::
G(k) (a)
1 =
k!
Exercice VI
Regarder pour un polynôme de degré 2; puis utiliser formellement la dérivée
logarithmique.
En…n décomposer la fraction
P 0 (X)
P (X)
On trouve
P 0 (a)
S1 =
P (a)
puis en dérivant,
(P P 0 ) 2P 02
S2 = (a)
P2

Exercice VII
1. est une racine simple de Q donc il existe Q1 tel que

Q = (X ) Q1 avec Q1 ( ) 6= 0

P P a
F = = = + :::
Q (X ) Q1 X

175
En multipliant par X , puis en faisant X = , on trouve

P( )
a=
Q0 ( )
2.
n
Y1 2ik
Xn 1= X e n

k=0

Donc il existe a0 ; a1 ; :::; an 1 tels que:

n
X1 ak
F = 2ik
k=0 X e n

En appliquant le résultat de 1., avec

P =X etQ0 = nX n 1

2ik
e n 1 4ik
ak = n 1 = e n
2ik n
n e n

Donc
n
X1 1 4ik
ne
n
F = 2ik
k=0 X e n

176
Université Hassan 1er
Faculté des Sciences & Techniques
Département de Mathématiques & Informatique
Année Universitaire 2012-2013
Module: GEGM07: Algèbre
Responsable: Prof. M. Kachkachi

Travaux Dirigés
Série N 3
Opérations sur les polynômes

Exercice 1
Soient a; b des réels et

P (X) = X 4 + 2a:X 3 + b:X 2 + 2:X + 1

Pour quelles valeurs de a; b le polynôme P est-il carré d’un polyôme

de R [X]?
Exercice II
Résoudre les équations suivantes, où l’inconnue est un polynôme P de R [X] :
1/
P X 2 = X 2 + 1 :P (X)
2/
2
P 0 = 4P
Exercice III
Calculer le quotient et le reste de la division euclidienne de
1/
X 4 + 5X 3 + 12X 2 + 19X 7 par X 2 + 3X 1
2/
X5 X2 + 2 par X 2 + 1

Exercice IV
On considère les deux polynômes suivants:

P (X) = X 3 9X 2 + 26X 24

et
Q (X) = X 3 7X 2 + 7X + 15
Décomposer ces deux polynômes en produits irréductibles de R [X]
sachant qu’ils ont une racine commune.

177
Exercice V: Calcul du pgcd
Déterminer le pgcd des polynômes suivants

P (X) = X 4 3X 3 + X 2 + 4

et
Q (X) = X 3 3X 2 + 3X 2

Exercice VI: Equation de Bézout

Trouver deux polynômes U et V de R [X] tels que

AU + BV = 1

avec
A (X) = X 7 X 1
et
B (X) = X 5 1

Exercice VII
Décomposer en produits irréductibles de R [X] les polynomes suivants:
1/
P (X) = X 4 + 1
2/
Q (X) = X 8 1

Exercice VIII
Soit
P (X) = X 3 8X 2 + 23X 28
Déterminer les racines de P sachant que la somme de deux des racines
est égale à la troisième

178
Université Hassan 1er
Faculté des Sciences & Techniques
Département de Mathématiques & Informatique
Année Universitaire 2012-2013
Module: GEGM07: Algèbre
Responsable: Prof. M. Kachkachi

Travaux Dirigés
Série N 3; Corrige
Opérations sur les polynômes

Exercice I
Si P = Q2 est le carré d’un polynôme, alors Q est nécessairement
de degré 2, et son coe¢ cient dominant est égal à 1. On peut écrire

Q (X) = X 2 + cX + d

On a alors

Q2 (X) = X 4 + cX 3 + d + c2 X 2 + dcX + d2

Par identi…cation, on doit avoir

2c = 2a; 2d + c2 = b; 2cd = 2 et d2 = 1

On trouve donc
c = a et d = 1
Si
d = 1; alors c = 1; et donc a = 1 et b = 3
Si
d= 1; alors c = 1; a = 1 et b = 1
Les deux solutions sont donc
2
P1 (X) = X 4 + 2X 3 + 3X 2 + 2X + 1 = X 2 + x + 1
2
P2 (X) = X4 2X 3 X 2 + 2X + 1 = X 2 X 1

Exercice II
1/ Le polynôme nul est évidemment solution. Sinon, si P est solution
alors on a
2 deg (P ) = deg (P ) + 2
ce qui prouve que deg (P ) doit être égal à 2

179
Maintenant, si
P (X) = aX 2 + bX + c
alors
P X 2 = aX 4 + bX 2 + c

X 2 + 1 P (X) = aX 4 + bX 3 + (a + c) X 2 + bX + c
On en déduit que
b = 0 puisque a + c = 0
Les solutions sont donc les polynômes qui s’écrivent

P (X) = a X 2 1 ; a2R

2/ Là encore, le polynôme nul est aussi solution, et c’est la seule solution

constante.
Par ailleurs, si P est une solution non constante, alors son degré
véri…e l’équation
2 (deg (P ) 1) = deg (P )
ce qui entraîne que
deg (P ) = 2
Maintenant, si
P (X) = aX 2 + bX + c;
alors
2
P 02 = (2aX + b) = 4a2 X 2 + 4abX + b2
4P = 4aX 2 + 4bX + 4C

ceci entraîne
a2 = a; donc a = 1
2
le polynôme est de degré 2, a 6= 0, puis c = b4 :
Les polynômes solutions sont donc le polynôme nul et les polynômes

b2
P (X) = X 2 + bX + ; b2R
4
Exercice III
1/ Le quotient est X 2 + 2X + 7; le reste est nul
2/ Le quotient est X 3 X 1; le reste est X + 3
Exercice IV
Si a est une racine commune de P et Q, alors X a divise le pgcd
de P et Q:
On commence donc par chercher ce pgcd, par exemple en appliquant
l’algorithme d’Euclide. Ici, on a:

180
 X3 9X 2 + 26X 24 = X 3 7X 2 + 7X + 15 + 2X 2 + 19X 39

X 5 45X 135
X3 7X 2 + 7X + 15 = 2X 2 + 19X 39 +
2 4 4 4

45X 135 8X 52
2X 2 + 19X 39 = +
4 4 4 4
Le pgcd de P et Q est donc 45X
4
135
4 ; ou encore X 3:
On divise alors P et Q par X 3; et on trouve:

P (X) = (X 3) X 2 6X + 8
= (X 3) (X 2) (X 4)

et

Q (X) = (X 3) X 2 4X 5
= (X + 1) (X 3) (X 5)

Exercice V
On applique l’algorithme d’Euclide. Le dernier reste non-nul donne
un pgcd des deux polynômes. On a successivement:

X4 3X 3 + X 2 + 4 = X 3 3X 2 + 3X 2 X+ 2X 2 + 2X + 4

X
X3 3X 2 + 3X 2= 2X 2 + 2X + 4 + 1 + 3X 6
2

2X 2
2X 2 + 2X + 4 = (3X 6)
3 3
Un pgcd est donc (3X 6) ou (X 2)
Exercice VI Equation de Bézout
On utilise l-algorithme d’Euclide. Ona
On a
X7 x 1 = X5 1 X2 + X2 X 1

X5 1 = X2 X 1 X 3 + X 2 + 2X + 3 + 5X + 2

X 7 11
X2 X 1 = (5X + 2)
5 25 25

181
 On remonte ensuite les calculs. On va partir de

11 = 25 X 2 X 1 + (5X 7) (5X + 2)

On trouve alors successivement:

11 = 25 X 2 X 1 + (5X 7) X5 1 X2 X 1 X 3 + X 2 + 2X + 3
= 5X 4 + 2X 3 3X 2 X 4 X2 X 1 + (5X 7) X 5 1
4 3 2 7
= 5X + 2X 3X X 4 X X 1 +
6 5 4 3 2
5X 2X + 3X + X + 4X + 5X 7 X5 1

Il su¢ t de diviser par 11 pour obtenir les polynômes U et V:

Exercice VII
1/ Soit
P (X) = X 4 + 1
On peut remarquer que
2
X2 + 1 = X 4 + 2X 2 + 1

Donc
2
X4 + 1 = X2 + 1 2X 2
2 p 2
= X2 + 1 2X

c’est -à-dire
p p
P (X) = X 2 + 1 + 2X X2 + 1 2X

2/

X8 1 = X4 1 X4 + 1
p p
= X2 1 X2 + 1 X2 + 1 + X2 + 12X 2X
p p
= (X + 1) (X 1) X 2 + 1 X 2 + 1 + 2X X 2 + 1 2X

Exercice VIII
on écrit

X3 8X 2 + 23X 28 = (X + a) (X + b) (X + c)

sachant que
a+b=c

182
ensuite on développe

(X + a) (X + b) (X + c) = X 3 + (a + b + c) X 2 + (ab + ac + bc) X + abc

puis on identi…e les coe¢ cients on obtient

a+b+c= 8

ce qui donne
c= 4
ensuite, on fait la division euclidienne de X 3 8X 2 + 23X 28 par X 4
et on trouve

X3 8X 2 + 23X 28 = (X 4) X 2 4X + 7

et donc
p p
X3 8X 2 + 23X 28 = (X 4) X 2+i 3 X 2 i 3

183
 PROBLEMES PROPOSES
Applications linéaires & Applications
Problème 1
Soit R2 l’espace vectoriel muni de la base canonique (!
e 1; !
e 2) :
Soit la base polaire dé…nie par les vecteurs:
!
e r ( ) = cos :!
e 1 + sin :!
e2
!e = !er +
2
Soit f l’endomorphisme de R2 dé…ni par:

f (!
e 1) = !
er( )
f (!
e 2) = !
e

1 = Déterminer la matrice R( ) associée à l’endomorphisme f dans la base

canonique
2 = Montrer que l’ensemble des matrices R( ) forme un groupe
3 = Calculer la matrice de l’endomorphisme f 2 dans la base canonique
4 = En déduire que la matrice de l’endomorphisme f n avec n 2 N; est R(n )
5 = En déduire la matrice de l’endomorphisme f 1
6 = Montrer que l’endomorphisme f est diagonalisable
!
7 = Déterminer tous les vecteurs V qui satisfont
! !
f V = V; 2C (1)

8 = Déterminer la matrice de l’endomorphisme f dans la base des vecteurs

qui satisfont la relation (1)
9 = Déterminer la matrice de passage P de la base canonique à la base
des vecteurs qui satisfont la relation (1)
10 = Montrer que

8 !u 2 R2 avec k!
u k = 1,
!
u f (!
u) = cos

184
 Exercice 1
Soit la suite numérique (Un ( )) dé…nie par

U1 ( ) = 2 cos ; U2 ( ) = 4 cos2 1; 2 ] ; [
8n 2 N; n 2; Un ( ) = 2 cos :Un 1( ) Un 2 ( )

En posant
Un ( )
Xn ( ) = ;
Un 1 ( )

1 = Trouver la matrice ( ) satisfaisant la relation

Xn ( ) = ( ) :Xn 1 ( )

2 = Montrer que
n 2
8n 2; Xn ( ) = ( ) :X2 ( )

3 = A l’aide des résultats du problème, montrer que le terme général de la

suite (Un ( )) s’écrit:
sin [(n + 1) ]
sin

Exercice 2
Soit (!
e 1; !
e 2; !
e 3 ) une base de R3 : On pose
!
f1=!
e 1 + 2!
e2+!
e3

!
f 2 = 3!e1 ! e 2 + 4! e3
!
f 1 = 7 e 1 + 27 e 2 + 5!
! ! e3
! ! !
1 ) Montrer que f 1 ; f 2 ; f 3 une base de R3
! ! !
2 ) Ecrire la matrice de passage de la base (! e 1; !
e 2; ! e 3 ) à la base f 1 ; f 2 ; f 3 :
Calculer l’inverse de cette matrice.
! ! !
3 ) Calculer les coordonnées du vecteur ! e 1 +!e 2 +!e 3 dans la bse f 1 ; f 2 ; f 3 :

185
 Exercice 3
Considérons les vecteurs
!
u 1 = (1; 2; 0)
!
u 2 = (1; 1; 1)

!
u 3 = ( 1; 0; 3)
1 ) Montrer que (!u 1; !
u 2; !u 3 ) est une base de R3 :
!
2 ) Soit x le vecteur de matrice
0 1
1
@ 2 A
3

dans la base (!
u 1; !
u 2; !
u 3 ) : Donner la matrice de !
x dans la base canon-
ique.
3 ) Soit !
y le vecteur de matrice
0 1
1
@ 2 A
3

dans la base canonique. Expliciter la matrice de !

y dans la base (!
u 1; !
u 2; !
u 3) :

Problème 2
Soit u l’application de R4 vers R4 dé…nie pour tout vecteur (x; y; z; t) par la
formule:

u (x; y; z; t) = (2x + y 3z 2t; 2x + y 3z 4t; 2x + y 3z 3t; 0)

On pose
! !
a = (1; 1; 1; 0) ; b = (2; 4; 3; 0) ; !
c = (3; 0; 2; 0)

1 ) Montrer que u est endomorphisme de R4 :

2 ) Ecrire la matrice de u dans la base canonique (! e 1; !
e 2; !
e 3; !
e 4 ) de R4 :
! !
3 ) Montrer que ! a et b sont des éléments de Im (u), puis que ! a; b
constitue une base de Im (u) :
L’application u est-elle bijective? Préciser la dimension du noyau Ker (u) :
4 ) Montrer que que ! a et !c sont des éléments de Ker (u), puis que (! a ;!
c)
constitue une base de Ker (u) :
5 ) déterminer la dimension de Ker (u) \ Im (u) et fournir une base de ce
sous-espace
6 ) On pose
! ! !
e1 !
0
e1= b e3

186
 !e2=!
0
a
!0 !
e3= b
!
e =!
0
e
4 4

Montrer que ! e 1; !
e 2; !e 3; !
e 4 est une base de R4 : exprimer u !
e1 ; u !
e2 ; u !
e3 ; u !
0 0 0 0 0 0 0 0
e4
dans la base !e 1; !
e 2; !e 3; !
0 0 0 0
e 4 : en déduire la matrice
de u dans cette base.

Exercice 4
Soit
R2 ! R3
une application linéaire. On note = (! e 1; !
e 2 ) la base canonique de R2 et
! ! ! 3
= f 1 ; f 2 ; f 3 celle de R : L’application u est dé…nie par:

! ! !
u (!
e1+!
e 2) = f 1 +2f 2 + f 3
! ! ! !
u( e e )
1 2 = f2+ f3

1 ) Exprimer u (!e 1 ) et u (!
e 2 ) dans la base ; en déduire la matrice de u
par rapport aux bases canoniques et :
2 ) Déterminer Ker (u) : Calculer une base de Im (u) :
3 ) L’application u est-elle injective ? bijective? Justi…er.
4 ) soit

v : R2 ! Im (u)
!
v(a) = u (!
a ); !
a 2 R2

Montrer que l’application v est bijective

Exercice 5
Soit T une application linéaire de R3 vers R3 : Soient r1 et r2 des réels avec
r1 6= r2 :
1 ) Montrer que deux vecteurs non nuls ! v 1 et !
v 2 qui véri…ent

T (!
v 1 ) = r1 !
v 1 ; T (!
v 2 ) = r2 !
v2

forment une famille libre.

2 ) On suppose que la matrice de T dans la base canonique de R3 est
0 1
5 6 6
@ 1 4 2 A
3 6 4

a) Calculer T (x; y; z)

187
 b) trouver une base de chacun des sous-espaces suivants (on admettra que
ce sont e¤ectivement des sous-ev):

V1 = !
u 2 R3 j T (!
u)=!
u

V2 = !
u 2 R3 j T (!
u ) = 2!
u
c) Montrer que
R3 = V 1 V2

188
 Polynômes
Exercice 1
1 ) E¤ectuer la division euclidienne de A (x) = x2 +2x 7 par B (x) = x 1
2 ) Donner 2 façons di¤érentes de caractériser la racine d’un polynôme P
3 ) Soit
5 2 1 1
P (x) = x3 x x+
2 2 2
1
Ver…er que 2 est une racine de P et trouver toutes les racines de P:
Exercice 2
Soit
P (x) = 2x3 x2 4x + 3
1 ) Montrer que 1 est racine de P:
2 ) Déterminer son ordre de multiplicité, puis trouver les autres racines de
P:
Exercice 3
On donne un polynôme P et une racine complexe de P:
Factoriser P dans R puis donner toutes ses racines dans C
a)
P (x) = x3 6x2 + 13x 10; P (2 j) = 0
b)
P (x) = 2x3 3x2 + 2x 3; P (j) = 0

Exercice 4
Factoriser dans R les polynômes suivants:
4
P1 (x) = 3x2 4x +
3
P2 (x) = x3 + x2 + x + 1

P3 (x) = x3 + x2 x 1
Exercice 5
Montrer que le polynôme

P (x) = 4x4 12x3 + 9x2 + 2x 3

admet le nombre 1 comme racine double. En déduire les deux autres racines.

189
 Exercice 6
Résoudre dans C les équations suivantes:
(Eq1 ) 3x4 4x2 + 1 = 0
(Eq2 ) x4 + x2 + 1 = 0
(Eq3 ) x3 + x2 + x + 1 = 0

Fractions rationnelles
Exercice 1
1 ) Qu’est-ce qu’une fraction irréductible?
2 ) Préciser si les fractions
x2 1
F1 (x) =
x2 x 2
1
F2 (x) = 4
5x 7x3 + 5x2 2
3
x 2x + 11
F1 (x) =
x4
sont irréductibles ou non et si elles sont non irréductibles les simpli…er
Exercice 2
1 ) Dé…nir la partie entière d’une fraction rationnelle
P (x)
F (x) =
Q (x)
Dans quel cas est-elle non nulle?
2 ) Ramener la fraction
x4
D (x) =
(x 1) ( x2 + 1)
à la somme d’un polynôme et d’une fraction rationnelle dont le degré du
numérateur est strictement inférieur à celui du dénominateur.
Exercice 3: Pôles multiples
Décomposer en éléments simples dans R les fractions rationnelles suivantes:
x+1
G1 (x) = 2
x (x 3)
x2 1
G2 (x) = 2
x (x 2)
1
G3 (x) =
x2 (x 1)

190
Exercice 4: Eléments simples de seconde espèce
Décomposer en éléments simples dans R les fractions rationnelles suivantes:
x
E1 (x) =
(x + 3) (x2 + x + 1)
1
E1 (x) =
(x 1) (x2 + 1)
x2 + 1
E3 (x) =
(x 2) (x2 + x + 1)

Exercice 5: Décomosition dans C

Décomposer en éléments simples dans C les fractions rationnelles suivantes:
x
H1 (x) =
x3 1
4x2
H2 (x) =
x4 +1

Exercice 6
Décomposer en éléments simples sur le corps des nombres réels
la fraction rationnelle suivante:

X4 + X3 + 1
F (X) =
X3 + 1

Exercice 7
Résoudre l’équation suivante, où l’inconnue est un polynôme P de R [X] :

P X 2 = X 2 + 1 P (X)

Exercice 8
On note A la matrice dé…nie par:
0 1
0 1 1
A=@ 3 4 3 A
1 1 0

1) Véri…er que:
A2 3A + 2I = 0:
où I est la matrice identité (3x3)
1
En déduire que la matrice A est inversible et déterminer A :

191
2) On pose,
8n 2 N : Mn = An + A 2I
Montrer que 8n 2 N;
a)
An+2 2An+1 = An+1 2An
b)
An+2 = 2An+1 + An 2I
c)
Mn+2 = 2Mn+1

192
 Contrôle

Exercice I
Soit
g : R2 ! R2
l’application linéaire dé…nie par:

x 1 3x + 4y
g =
y 5 4x 3y

x
où ! v = est un vecteur colonne qui s’écrit dans la base canonique
y
! !
( e 1 ; e 2 ) comme:
!v = x! e 1 + y!
e 2 2 R2

1 ) Ecrire la matrice de g dans la base caninique. on la notera M

2
2 ) Montrer que le vecteur ! v1= est vecteur propre de g:
1
Quelle est la valeur propre associée?
1
3 ) Montrer que le vecteur ! v2= est également vecteur propre
2
de g: Quelle est la valeur propre associée?
4 ) Montrer que la famille (! v 1; !
v 2 ) forme une base de R2
5 ) quelle est la matrice de g dans la base (! v 1; !
v 2 )? On la notera D
6 ) Soit P la matrice dont la première colonne est formée des composantes
du vecteur ! v 1 et dont la deuxième colonne est formée des composantes
du vecteur ! v 2 :Calculer P 1
7 ) Quelle relation y-a-t-il entre les matrices M; P; P 1 et D
8 ) Calculer M n ; n 2 N:

193
Exercie II
On considère le polynôme dé…ni par:

P (X) = X 4 + X 2 + 1

1 ) Donner la décomposotion de P en produit de facteurs irréductibles

dans C [X] puis dans R [X]
2 ) En déduire la décomposition en éléments simples dans C [X]
puis dans R [X] de la fraction rationnelle
1
F (X) =
X4 + X2 + 1

194
Contrôle N 1

Bareme:
Exercice I (2 points); Exercice II (2 points); Exercice III (4 points)
Exercice IV ( 6 points); Exercice V ( 8 points)

Exercice I
Trouver une base du sous-espace vectoriel
?
f(1; 1; 1)g

où (?) désigne l’orthogonal

Exercice II
Trouver l’intersection du plan passant par les trois points ( 3; 1; 4) ; (0; 1; 1)
et ( 1; 0; 1) avec le plan d’équation x + y + 2z = 3:

Exercice III
Soit la matrice
0 1
A=
1 1
Calculer A2 ; A3 ; A4 ; A5 ; puis An pour tout n 0:
Indication: Montrer que

un 1 un
An =
un un+1

où la suite (un )n2N véri…e une relation de récurrence

195
Exercice IV
Soit 2 [0; 2 ] et soit f l’application linéaire de matrice

cos2 sin cos

M=
sin cos sin2

1). Calculer M 2
2). Soit le vecteur
!
u 1 = cos !
e 1 + sin !
e2
Montrer que pour tout vecteur
!
u 2 R2 ; on a f (!
u ) = (!
u !
u 1) !
u1

où !
u !
u 1 désigne le produit scalaire des vecteurs !
u et !
u 1.

3). Déterminer le vecteur !

u 2 tel que les vecteurs (!
u 1; !
u 2 ) forment
2
une base orthonormée directe de R
4). Donner la matrice N de l’application linéaire f dans cette nouvelle base

Exercice V
Soit f l’application linéaire de matrice

0 1
A=
2 3

1). Déterminer les réels tels que l’ensemble

E = !
v 2 R2 j f (!
v)= !
v

contient des vecteurs non nuls.

2). Pour chacun des obtenus dans la question 1)., montrer que E
est une droite vectorielle dont on donnera un vecteur directeur
3). Montrer que l’on peut choisir une base (!
v 1; !v 2 ) de R2 telle que f (!
v 1)
! ! !
est colinéaire à v et f ( v ) est colinéaire à v et donner la matrice B
1 2 2
de l’application linéaire f dans cette base.
4). calculer B n puis An pour tout n 2 N:

Contrôle N 2
Bareme:
Exercice I (3 points); Exercice II (3 points); Exercice III (4 points)
Exercice IV ( 5 points); Exercice V ( 5 points)

Exercice I

196
Soit P 2 IK [X], soit a 2 IK et soit R le reste de la division euclidienne
2
de P par (X a) :
0
Déterminer les coe¢ cients de R en fonction de P (a) et de P (a)
Exercice II
Soit P le polynôme à coe¢ cients réels dé…ni par:
2
P (X) = X 2 1 3X X 2 + 1

Montrer que
2i
j=e 3

est racine de P .
En déduire la factorisation de P dans R [X] en produits irréductibles
et les racines réelles de P
Indication: Le nombre complexe j satisfait les équations suivantes:

j2 + j + 1 = 0
j3 = 1

197
Exercice III
Soit la fraction rationnelle
1
G (X) = 2
(X 2 3X + 2)
1) Ecrire sa décomposition en éléments simples
2) Calculer G (3 X) et en déduire l’expression simpli…ée
de sa décomposition en éléments simples avec réduction
du nombre des coe¢ cients
3) Calculer
2
lim (X 1) G (X)
X!1

et G (0) puis en déduire les coe…cients de la décomposition en éléments

simples de G

Exercice IV
Décomposer en éléments simples les fractions rationnelles suivantes
1)
X3
F (X) =
(X 1) (X 2) (X 3)
2)
X3 + 1
G (X) = 3
(X 1)

Exercice V
1) Décomposer en éléments simples la fraction rationnelle
1
E (X) =
X (X + 1) (X + 2)
2) En déduire la limite de la suite (Sn ) suivante:
n
X 1
Sn =
k (k + 1) (k + 2)
k=1

Rattrappage

Exercice I
Déterminer les nombres p et q pour que le polynôme

P (X) = X 3 + pX + q

soit divisible par le polynôme

Q (X) = X 2 + 3X 1

198
 Exercice II
Déterminer les racines du polynôme

P (X) = 8X 3 12X 2 2X + 3

sachant qu’elles sont en progression arithmétique

Exercice III
Décomposer en éléments simples la fraction rationnelle
1
F (X) =
X3 X

Exercice IV
Soit P 2 R [X] un polynôme de degré n 1 possédant n racines distinctes
x1 ; x2 ; :::; xn non nulles.
1 ) Décomposer en éléments simples la fraction rationnelle
1
G (X) =
XP (X)

2 ) En déduire que
n
X 1 1
=
xk P 0 (xk ) P (0)
k=1

199
 Année de reserve

Problème I
On considère l’endomorphisme f dé…ni dans la base canonique (!
e 1; !
e 2 )par:

f : R2 ! R2
f (!e 1) = !e 1 + a!
e2
! ! !
f ( e 2) = a e 1 + e 2
a 2 R
(e)
1 = Déterminer la matrice Mf de l’endomorphisme f dans la base canon-
ique et calculer son déterminant.
2 = Soit l’endomorphisme g dé…ni dans la base canonique par:

g R2 ! R2
:
1
e 1 ) = p (!
g (! e1+!e 2) = !u1
2
1
g (!
e 2) = p ( ! e1+!e 2) = !
u2
2

(e)
Déterminer la matrice Mg de l’endomorphisme g dans la base canonique
3 = Déterminer les vecteurs g 1 (! e 1 ) et g 1 (!
e 2 ) où g 1 est l’application
inverse de l’application g et montrer la relation suivante:

g (!
u1 !
u 2) = g 1
(!
u1+!
u 2)

4 = exprimer les vecteurs f (!

u 1 ) et f (!
u 2 ) en fonction des vecteurs !
u 1; !
u2
et en déduire la matrice Mf de l’application linéaire f dans la base ( u 1 ; !
!
(u)
u 2)
(e) (e) (u)
5 = Exprimer Mf en termes Mg et Mf
6 = Résoudre le système di¤érentiel suivant:

dx (t)
= x (t) + ay (t)
dt
dy (t)
= ax (t) + y (t)
dt
x0 = x (t = 0) = 0
y0 = y (t = 0) = 2

Indication:

200
 x (t)
considérer le vecteur colonne X (t) = et son vecteur colonne dérivé
! y (t)
x(t)
X(t) dt 1(e)
dt = y(t) : déterminer le vecteur colonne Y (t) = Mg X (t) puis déter-
dt
miner le vecteur X (t) :

Problème II
Soient (an ) ; (bn ) ; (cn ) trois suites réelles véri…ant les relations de récurrence
suivantes:

an+1 = 3an + bn
bn+1 = 3bn + cn
cn+1 = 3cn
0 1 0 1
an a0
En considérant le vecteur colonne Xn = @ bn A avec X0 = @ b0 A trou-
cn c0
ver la matrice A véri…ant la relation:

Xn+1 = AXn

et en déduire la relation
Xn = An X0
0 1
0 1 0
2 = Soit la matrice B = @ 0 0 1 A
0 0 0
Calculer les matrices B 2 ; B 3 ; B p pour p 3
3 = Montrer que

n (n 1) 2
An = 3n I + n:3n 1
B + 3n 2
: B
2
où I est la matrice identité (3x3)
4 = en déduire les termes généraux an ; bn ; cn en fonction de n:

Exercice I
Soit P 2 IK [X], soit a 2 IK et soit R le reste de la division euclidienne
2
de P par (X a) :
0
Déterminer les coe¢ cients de R en fonction de P (a) et de P (a)

Exercice II
Soit P le polynôme à coe¢ cients réels dé…ni par:
2
P (X) = X 2 1 3X X 2 + 1

201
 Montrer que
2i
j=e 3

est racine de P .
En déduire la factorisation de P dans R [X] en produits irréductibles et les
racines réelles de P
Indication: Le nombre complexe j satisfait les équations suivantes:

Exercice III
Soit la fraction rationnelle
1
G (X) = 2
(X 2 3X + 2)

1) Ecrire sa décomposition en éléments simples

2) Calculer G (3 X) et en déduire l’expression simpli…ée de sa décomposi-
tion en éléments simples avec réduction du nombre des coe¢ cients
3) Calculer
2
lim (X 1) G (X)
X!1

et G (0) puis en déduire les coe…cients de la décomposition en éléments sim-

ples de G

Exercice IV
Décomposer en éléments simples les fractions rationnelles suivantes
1)
X3
F (X) =
(X 1) (X 2) (X 3)
2)
X3 + 1
G (X) = 3
(X 1)

Exercice V
1) Décomposer en éléments simples la fraction rationnelle
1
E (X) =
X (X + 1) (X + 2)

2) En déduire la limite de la suite (Sn ) suivante:

n
X 1
Sn =
k (k + 1) (k + 2)
k=1

202
 Références
1. Cours d’analyse Tome 4 compléments: Analyse vectorielle-calcul ma-
triciel par Jean Massart, Collection DUNOD
2. Exercices d’algèbre, 1er cycle scienti…que par B. Calvo, J. Doyen, A.
Calvo, F. Boschet, Armand Colin_Collection U
3. Algèbre linéaire, cours et problèmes par L. Seymour, Série Schaum
4. Cours de mathématiques du premier cycle par Jacques Dixmier, collection
gauthier-villars
5. Algèbre linéaire, DEUG scienti…ques: 1ère et 2 ème années, Volumes 1
et 2, par H. Sureau et Y. Sureau, Editions Armand Colin
6. Algèbre linéaire. Tome 1: Exercices avec solutions, par J. Rivaud, Edi-
tions Vuibert
7. Chemins vers l’lagèbre. Tome 2: Exercices avec solutions et rappels de
cours, par F. Pécastaings, Editions Vuibert
8. Compléments d’algèbre linéaire, maths spéciales: 1ère et 2ème années,
par L. Lesieur, R. Temam et J. Levre, Editions Armand Colin,
Collection U
9. Précis de mathématiques: Algèbre 2, par F. Aubonnet, D. Guinin et B.
Joppin, 2ème édition, Editions Bréal
10. Mathématiques pour le DEUG, Algèbre et géométrie, 2ème année, Cours
et exercices avec solutions, par F. Liret et D. Martinais, Editions
Dunod Paris
11. Cours de mathématiques spéciales Tpme 2: Algèbre et applications à
la géométrie, par C. Deschamps, E. Ramis et J. Odoux

203