Professional Documents
Culture Documents
INTRODUCTION
Lalgbre est lune des branches principales des mathmatiques. Cest une
discipline systmatisant les mthodes de rsolution de problmes mathmatiques. Son domaine dapplication stend des problmes arithmtiques qui
traitent de nombres, ceux dorigine gomtrique.
Cet ouvrage sadresse aux tudiants de premire anne de lenseignement
suprieur scientique. Il est conforme dans lensemble au programe dalgbre.
Il intressera les tudiants travaillant seuls et ceux qui sont suivis par des
eneignants.
Ce cours dalgbre linaire se compose de 10 chapitres. Dans le premier
chapitre on rappelle les dnitions sur les ensembles, les applications entre ensembles, les groupes, les anneaux et les corps. Dans le chapitre 2 on donne les
dnitions et les dnitions de base des espaces vectoriels ainsi que des exemples
dapplications.
Le chapitre 3 introduit lalgbre matriciel ainsi que le calcul du dterminant
et la mthode de rsolution des systmes direntiel laide de pivot en se
basant sur des exemples dapplication. Dans le chapitre 4 on prsente les applications des espaces vectoriels et le calcul matriciel la gomtrie pour dnir
les angles entre les vecteurs, leurs produits scalaires et leurs produits vectoriels.
Le chapitre 5 est bas sur les chapitres prcdents et dans lequel on dveloppe
les applications linaires en commenant par les dnitions classiques jusqu
leurs applications en gomtrie comme les rotations els dirents symtries dans
le plan. Cest la base du chapitre 6 dans lequel on prsente la diagonalisation
des endomorphismes et leurs matrices associes. On souligne aussi lutilit et
limportance de la diagonalisation dans des problmes physiques et le rle que
joue le passage dune base quelconque une base diagonale l o la rsolution
dun problme physique devient mtrisable. On termine ce chapitre introduire
la trigonalisation quand la dimension de lespace vectoriel varie lors de passage
dune base une autre.
le chapitre 7est consacr lalgbre des polynmes pour lapplication aux
fractions rationnelles dans le chapitre 8.
Le chapitre 9 est consacr aux problmes avec solutions et aux problmes
proposs couvrant lensemble des chapitre de cet ouvrage.
On termine par donner quelques rfrences quon a utilis pour dvelopper
cet ouvrage
Je me suis attach donner la solution dtaille et parfois, que cela est
possible, indiquer plusieurs mthodes de rsolution.
Les exercices proposs sont de dirents niveaux; du facile aux di cile et
mme des exercices et problmes donns lexamen sont considrs..
Les problmes proposs compltent la comprhension et lapplication du
cours.
Chapitre I
GROUPES & ANNEAUX
I.1. LOI DE COMPOSITION INTERNE (LCI)
I.1.1. Dnition
Une loi de composition interne f dans un ensemble E est une application
linaire dnie par:
f : E E!E
(x; y) 7!
xf y
tel que x f y existe et appartient E:
I.1.2. Exemples
- laddition (+) 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
I.1.3. Proprits dune 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)
= La loi
est commutative si
8 x; y 2 E; x y = y x
si on a:
e 2 E et 8 x 2 E; x e = e x = x
I.1.4. Exercice dapplication
Vrier que les lois (+) et ( ) sont associatives et commutatives sur N; Z; Q; R; C
dlment e neutre 0 et 1 respectivement
I.1.5. Proposition
Llment neutre sil existe est unique
0
Ainsi,
8
pour
8
pour
x 2 E; x
0
0
x = e :e
x 2 E; x
x = e: e
e=e x=x
0
0
e=e e =e
0
0
e =e x=x
0
0
e =e e=e
e=e
I.2.2. Proposition
Si la loi est associative, alors il y a unicit de llment symtrique
Dmonstration
Supposons que b et b0 soient deux lments symtrisables pour la loi
dlment neutre e. Alors on a:
a b
a b0
= b a=e
= b0 a = e
Ainsi
(a b0 ) b = (b0 a) b = e
cest--dire
b
= b0 (a b)
= b0 e
= b0
6
I. 3. GROUPE
I.3.1. Dnition
Un ensemble G muni dune loi de composition interne est un groupe sil
vrie les proprits suivantes:
1 = est une LCI sur G
2 = est associative sur G
3 = Il existe un lment neutre e 2 E pour
4 = Tout lment de G est symtrisable pour la loi dans G
De plus, si la loi est commutative, le groupe (G; ) est dit ablien ou
commutatif
I.3.2. Exemples
(Z; +) ; (Q; +) ; (C; +) ; (Q ;
abliens
) ; (R ;
) ; (C ;
I. 4. SOUS-GROUPE
1.4.1. Dnition
Soit (G; ) un groupe et soit e llment neutre pour la loi .
Soit x 1 2 G llment symtrique dun lement x 2 G:
Soit H une partie du groupe G : H G:
Alors, (H; ) est un sous-groupe de (G; ) sil vrie les trois proprits
suivantes:
1 = H 6= ? ( H est non vide)
2 = est une LCI sur H
= 8 x 2 H; x
2 H:
I.4.2. Exemples
(Z; +) ; (Q; +) ; (2Z; +) (2Z= lensemble des entiers pairs) sont des sousgroupes du groupe (R; +) :
I.4.3. Proposition
Si (H; ) est un sous-groupe du groupe (G; ), alors (H; ) est un groupe
I.4.4. Remarque
En pratique, pour montrer quun ensemble est un groupe, il su t de prouver
que cest un sous-groupe dun groupe connu pour cette LCI.
I. 5. MORPHISME DE GROUPES
I.5.1. Dnition
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
vriant la proprit suivante:
8 a; b 2 G; ' (a b) = ' (a) o' (b)
I.5.2. Exemples
- La fonction exponentielle
exp : (R; +) ! (R ;
2 R
= exp a
):
exp b 2 R
- Lopration de conjugaison:
(C; +) ! (C; +)
z 7! z
est un morphismes du groupe (C; +) vers le groupe (C; +) :
z1 ; z2
z1 + z2
2 C
= z1 + z2
I.5.3. Proprits
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)
x
= f;
2
G; ' x
= [' (x)]
I.5.4. Dnitions
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 '
(ff g) o
le groupe H
est un
I. 6. ANNEAUX
I. 6. 1. Structure danneaux
Soit A un ensemble muni de deux LCI + et .
(A; +; ) est un anneau sil vrie les proprits suivantes:
- (A; +) est un groupe ablien de neutre 0 not 0A
- la loi ( ) est associative et possde un lment neutre 1 dans A not 1A
- la loi ( ) est distributive sur la loi +, cest--dire
8 a; b 2 A
a (b + c) = (a b) + (a c)
et (b + c) a = b a + c a
Lanneau est commutatif si en plus la loi ( ) est commutative.
I. 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 ( ) :
I. 6. 3. Dnition
Un anneau A est dit intgre sil est commutatif et sil vrie:
8 a; b 2 A; (a
b = 0A ) ) a = 0A ou b = 0A
I.6.4 Exemple
les ensembles Z; Q; R; C munis des lois usuelles sont des anneaux intgres.
I. 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 B:Dans ce cas B est lui-mme un anneaux.
I.6.6 Exemple
(Z; +; ) est sous-anneaux de (Q; +;
I. 7. STRUCTURE DE CORPS
(IK; +; ) est un corps si (IK; +; ) est un anneau commutatif dans
lequel tout lement sauf 0IK , est inversible de sorte que (IK ; +) avec IK =
IK f0g, est un groupe commutatif
I.7.1 .Exemples
(Q; +; ) ; (R; +;
) ; (C; +;
I.7.2. Dnition
Soit L IK avec (IK; +; ) un corps.
L est un sous-corps de IK si (L; +; ) est un sous-anneaux de lanneaux
(IK; +; ) et si (L; +; ) est lui-mme un corps.
10
Chapitre II
ESPACE VECTORIEL
II.1. STRUCTURE DESPACE VECTORIEL
On dsignera par la suite par IK un corps commutatif quelconque.
II.1.1.Dnition
Un espace vectoriel E sur IK ( et on crit que E est un IK ev) est un
groupe additif muni dun produit externe
Les lments de E sont appels vecteurs ( nots !
x ) et ceux de IK sont
appels scalaires ( nots :
IK E ! E
!
( ; !
x ) 7!
x
tel que lon 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
II. 1. 2. Scalaires
Les scalaires sont des rels ou complexes. Ce sont des lments du corps R
ou C:
Les oprations sur les scalaires sont la somme et le produit qui vrient les
proprits suivantes:
+( + )
+0
+
( )
1
( + )
0
De plus, tout scalaire
= ( + )+
=
=
+
= ( )
=
=
=
+
= 0
possde un oppos
+(
)=0
11
, tel que
et tout scalaire
6= 0 a un inverse
tel que
1
=1
et on a aussi
(
II.1.3. Vecteurs
Les vecteurs sont des lments de Rn : En particulier, ce sont des lments
de R2 (plan) ou ceux de R3 (espace de la mcanique classique).
Les oprations sur les vecteurs sont la somme et le produit externe (par un
scalaire). Ainsi, pour R2 , on pose:
(x; y) + (x0 ; y 0 )
(x; y)
=
=
(x + x0 ; y + y 0 )
( x; y)
!
Le vecteur nul (0; 0) est not 0
II.2. BASE DUN ESPACE VECTORIEL
II.2.1. Famille libre, famille lie
Dans la suite, E dsigne un R espace vectoriel
II.2.1.1. Dnitions
Dnition 1:
une famille (!
e 1; !
e 2 ; :::; !
e n ) de vecteurs de E est libre si:
8(
1;
2 ; :::;
n)
2 Rn ;
n
X
i=1
!
ei=0)
= ::: =
=0
12
Exemple 1:
On considre 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+
!
!
e2= 0
= 0
= 0
= 0
2
1
2
=0
Ainsi, la famille (!
e 1 = (1; 3; 5) ; !
e 2 = (6; 4; 0)) est libre.
Exemple 2:
On considre 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+
!
e2+
!
!
e3= 0
+3
+4
2
2
+5
+6
3
3
=0
=0
= 3
= 2 3
1
2
!
e1
!
e2+
!
e3
!
!
0 , 3 (!
e 1 2!
e2+!
e 3) = 0
!
, (!
e 1 2!
e2+!
e 3 ) = 0 avec 3 6= 0
=
13
Dnition 3
La famille (!
e 1; !
e 2 ; :::; !
e n ) est une famille gnratrice de lespace vectoriel
!
E si E = vect ( e 1 ; !
e 2 ; :::; !
e n ).
Cela signie que tout vecteur de E peut scrire comme combinaison linaire
des vecteurs !
e 1; !
e 2 ; :::; !
e n:
!
Ainsi, si v 2 E, alors
9 (
1;
2 ; :::;
!
n
n) 2 R = v =
n
X
!
ei
i=1
= x
1
=
y+
On obtient donc
!
X =
!
u + (x
1)
!
v +( y+
1)
!
w;
Ainsi, la famille (!
u;!
v; !
w ) est bien gnratrice de R2
14
2R
2y + z
( 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))
Lensemble F est le sous-espace vectoriel de R3 engendr 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 .
II. 2.3. Base canonique
La base canonique de R2 est dnie par:
!
e 1 = (1; 0) ; !
e 2 = (0; 1)
Ainsi, tout vecteur !
u =(x; y) 2 R2 peut scrire sous la forme
!
u = x!
e 1 + y!
e2
u dans cette base.
Les scalaires x; y sont les composantes du vecteur !
Idem pour R3 qui a pour base canonique:
!
e 1 = (1; 0; 0) ; !
e 2 = (0; 1; 0) ; !
e 3 = (0; 0; 1)
15
Exercice
En utilisant ce qui prcde, montrer que si
!
!
6= 0 et !
u = 0 alors !
u = 0:
n
X
i!
ui
i=1
!
w = a!
e 1 + b!
e 2 + c!
e3
!
v = 2!
e 1 + 3!
e 2 + 4!
e3
et
tel que
!
w = !
u + !
v
= b a
= c b
= 2a c
Cest la cas pour le vecteur
!
w = 2!
e1+!
e 2 + 0!
e 3 = (2; 1; 0)
mais pas pour
!
w = (1; 0; 0) :
16
II. 4. 2. 2. Remarques
!
Le vecteur nul 0 est toujours combinaison linaire des vecteurs !
u 1 ; :::; !
u n:
1
n
Il su t de poser
= ::: = 0:
On dit que le systme de vecteurs !
u 1 ; :::; !
u n est li, ou que les vecteurs
sont linairement dpendants, sil existe une relation linaire non triviale entre
les vecteurs cest--dire, sil existe des scalaires 1 ; :::; n non tous nuls tels que
lon a:
!
1!
u 1 + ::: n !
un = 0
Dans le cas contraire, on dit que le systme est libre ou que les vecteurs (!
u)
i i=1; :::; n
II.4.2.3. Thorme
Un systme de k + 1 vecteurs de Rk est toujours li.
II. 5. Sous-espace vectoriel
II.5.1. Dnition
Un sous -espace vectoriel E de Rk est un sous-ensemble de Rk qui contient
le vecteur nul et qui est clos par les oprations 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
Si !
u 1 ; :::; !
u n sont des vecteurs de Rk , lensemble
E=
1!
u 1 + :::
n!
un =
; :::;
2 R:
2R
2 Rg
n
X
i=1
17
i!
ui
II.6.1. Exercice
Montrer que toute droite vectoriel de R2 est engendre 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 :
II. 7. Orthogonalit
Si U = f!
u g est un ensemble de vecteurs de Rk , alors lensemble
!
?
u ?!
v est un sous-espace vectoriel de Rk appel orthogonal de U :
U = v 2 Rk = !
II.7.1. 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
!
v = ( 3; 0; 1)
18
II.7.2. Proprits
1. Si E est sous-espace vectoriel de Rk alors, son orthogonal lui est complmentaire:
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 sousespace vectoriels de E. Alors dimensions satisfont la formule des quatre dimensions:
dim (F + G) = dim (F ) + dim (G) dim (F \ G)
19
Chapitre III
MATRICES & DETERMINANTS
III.1. Matrices
Dans ce chapitre, on dnit les matrices et les direntes rgles de calcul qui
les accompagnent.
III.1.1. Gnralits
III.1.1.1. Dnitions
On appelle matrice coe cients rels, tout tableau ayant n lignes et m
colonnes de la forme
0
1
a11 a12 ::: a1n
B a21 a22 ::: a2n C
C ; aij 2 R
M =B
@ :::
::: ::: ::: A
am1 am2 ::: amn
C=
1
2
B = @ 0 A 2 M 3;1 (R) ;
1
0
1 2 6
0
8 2
D=@ 5 0
7 4
2 M 1;4 (R)
1
1
1 A
1
1
B 1
B
@ 0
4
2
2
6
5
1
5 0
3 0 C
C
1 7 A
0 1
21
Exemples
- La matrice identit
0
1
1 0 ::: 0
B 0 1 ::: ::: C
C
= B
@ ::: 0 ::: 0 A 2 M n;n (R)
0 ::: 0 1
In
Ii;j
ij
i si i = j
0 si i 6= j
I2 =
1
0
0
0
3
@ 0
0
0
5
@ 1
4
1
4
0
0
4
3
1
2
2 A
6
1
0
0 A
2
m; 1
Exemple
0
1
B 0
A=B
@ 4
1
1
2
1 C
C;
5 A
9
AT =
22
1
2
0
1
4 1
5 9
III.1.10.2. Exemple
0
5
A=@ 3
2
3
3
0
1
2
0 A
1
n
X
aii
i=1
Proposition
Soient A et B deux matrices carres 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)
2
2
4
1
6
0
6
7
5
21
7
5
4
5
1
20
1
5
2
2
24
2
40
2
10
4
4
III.2.2.2. Proposition
1. Llment unit de R, not 1R , laisse invariantes les matrices:
8A 2 M m;n (R) ; 1R :A = A
(1R :A)ij = (A)ij
2. Llment nul de R est un lment absorbant:
8A 2 M m;n (R) ; 0R :A = 0
(0R :A)ij = 0
3. La multiplication externe est distributive par rapport laddition sur R
et sur M m;n (R) :
2
III.2.3.2. Exemple
1
0
@ 4 A = (1
3
0) + ( 2
25
4) + (4
3) = 4
III.2.3.2. Dntion
Le produit dune 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
III.2.3.3. Exemple
0
1
@ 1
0
2
2
4
1
0
1 A
5
2
@ 3
1
1 0
0
8
2 A=@ 9
3
7
1
9
7 A
7
III.2.3.4. 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, cest--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
III.2.3.4. Exercices
1. Soit la matrice carre dordre deux
M=
1
2
1
2
26
A=
a12
a22
Cest une fonction des lments de cette matrice. Il peut aussi tre considr
comme une fonction de ses vecteurs colonnes
Le dreminant de A est un nombre et est not
det (A)
a11 a12
a21 a22
= a11 a22 a12 a21
=
III.3.1.2. Exemple
det
3
4
1
5
=3
1 = 11
2
A=@ 5
8
1
4
3 A
3
1
2
7
5
8
3
3
= 5:3
3:8 =
4
3
= 2:3
27
4:8 =
26
III.3.2.2. Cofacteur
Le cofacteur dune matrice A est dni par la relation
i+j
Cij = ( 1)
Mij
C12 = ( 1)
M12 = 9
C22 = ( 1)
9 est
M22 =
26 est
26
28
1
3
2 A
2
1+1
M11 = 1
1+2
M12 = ( 1)
1+3
M13 = 1
C11
( 1)
C12
( 1)
C13
( 1)
1
0
= 0;
2
2
= 6;
1 0
=0
2 0
Finalement, on a:
det A = a12 C12 + a22 C22 + a32 C32
= 0+6+0=6
III.3.2.6. Exercice
Calculer le dterminant des matrices
a)
0
1 3
@ 4 1
2 2
b)
1
@ 1
0
0
3
6
suivantes:
1
2
3 A
0
1
2
4 A
0
III.3.3.1. Dnition
Le mineur jAij j de llment aij de la matrice A est le dterminant de la
matrice Aij , obtenue en supprimant la ime ligne et la jme colonne de A:
i+j
Le cofacteur Aij de llment aij de la matrice A est gal ( 1)
fois le
mineur de aij :
i+j
Aij = ( 1) jAij j
29
III.3.3.2. Exemple
a11
a21
jA23 j = det
a12
a22
On obtient:
2+3
A23 = ( 1)
jA23 j =
a11
a21
det
a12
a22
III.3.3.3. dnition
Le dveloppement par rapport la ime ligne du dterminant de la matrice
A est donn par la formule:
det (A) =
n
X
i+j
( 1)
j=1
3
4
0
7
8
6
1
5
2
3
0
4
7
6
8
32
1
1
2
1 A =4
2
1
1
1
3
4
6
8
2
2
1
2
+
1
2
1
=0
1
=0
= diag (
n
Y
det (D) =
j
1;
2;
:::;
n)
j=1
31
2
A=@ 3
1
est inversible.
0
0
2
@ 0
0
2
@ 3
1
7
3
3
7
9
5
1
3
4 A
3
1
7 3
L ! 3L1 2L2
9 4 A 2
L3 ! 2L3 L1
5 3
!
1
0
1
2 7 3
3
1 A L3 ! L3 L2 @ 0 3 1 A
!
0 0 2
3
La matrice A est quivalente une matrice triangulaire sans 0 sur la diagonale donc A est inversible
Remarques
- Si on trouve une matrice B qui vrie
A
B=I
=B
- Si les lignes de A sont lies ou si une ligne ne contient que des zros, alors
A nest pas inversible. Cest possible aussi avec les colonnes.
- Les valeurs de la constante pour lesquelles la matrice A
I nest pas
inversible sont les valeurs pour lesquelles lun des termes de la diagonale de la
drnire matrice du pivot de Gauss sannule
32
Exemple 2
Soit la matrice
2
@ 2
1
= @
L1
L2
L3
1
1
2 A
2
2
1
2
2
2
1
! L3 @
!
0
! 2L1 + L2 @
!
2
1
2
2
1
1
0
2
3
1
! L3 + (2 + ) L1 @ 0
!
0
0
1
L3 ! L3 2L2 @ 0
!
0
1
2
2
3
6 2
2
3
0
2
2
1
2
6 2
1
1
A
1
A
1
2
A
6 2
2
(2 + ) + 1
1
2
2 (3 + ) A
2
+9
33
2
A=@ 3
1
1
3
4 A
3
7
9
5
1
@ 3
2
6
@ 0
0
6
@ 0
0
5
9
7
#
0
6
0
1
I=@ 0
0
L1
1
3
4 A
3
0
1
0
3L1
L2
L3
2L1
1
7
5 A
1
5
1
1
L1 + 7L3
L2
L2 5L3
1 0
0
14 12
0 A @ 10
6
1
2
1
1
L1
6
1
L2
6
L2
34
1
0
0 A
1
1
1
0 A
0
L3
0
@ 0
2
# L1
0
1
0
! L3
0
@ 0
1
L2
# L1
0
6
0
1
9
3 A
1
1
2
2 A
1
0
On a donc
1
@ 0
0
1
0
0 A
1
0
1
0
= @
0
@
7
3
5
3
2
1
1
2
1
1
1
3
1
3
7
3
5
3
A:A
1
3
1
3
1
1
1
A
=I
L3
8
<
9
x + 2y + 4z = 0 =
2x + y + 2z = 5
:
;
4x + 2y z = 5
8
<
:
8
<
:
L2
2L1 + L2
L3
L3 + 4L1
9
x + 2y + 4z = 0
=
5y + 10z = 5
;
10y + 15z = 5
1
L2
5
L2
L3
2L2
L3
9
x + 2y + 4z = 0 =
y + 2z = 1
;
5z = 15
35
8
9
< x= 2 =
y=5
,
:
;
z= 3
Premire tape
Il fau mettre le systme sous forme triangulaire en sassurant bien de ne pas
faire des oprations interdites. Par exemple il est interdit dans la premire tape
deectuer lopration L2
(2 + ) L2 2L1 car on ne peut pas remplacer
L2 par une combinaison linaire o nous ne sommes pas sr que le coe cient
devant L2 est non nul.
9
8
< (2 + ) x + 2y z = 0 =
2x + (
1) y + 2z = 0
L
; 1
:
x + 2y + (2 + ) z = 0
L2
L3
8
<
8
<
9
x + 2y + (2 + ) z = 0 =
2x + (
1) y + 2z = 0
! L3
! :
;
(2 + ) x + 2y z = 0
9
x + 2y + (2 + ) z = 0
=
2L1 + L2
( + 3) y + 2 ( + 3) z = 0
L3 + (2 + ) L1 :
;
2 ( + 3) y + 2 + 4 + 3 z = 0
!
8
<
9
x + 2y + (2 + ) z = 0
=
( + 3) y + 2 ( + 3) z = 0
L
:
; 3
2 ( + 3) y + 2 + 4 + 3 z = 0
36
L3
8
<
9
x + 2y + (2 + ) z = 0 =
( + 3) y + 2 ( + 3) z = 0
2L2
!:
;
2
9 z=0
Deuxme tape
On rsout le systme en faisant bien attention aux dirents cas:
- Si 2 9 6= 0 ( 6= 3 et 6= 3 ) alors on a:
8
9
< x + 2y = 0 =
( + 3) y = 0
(S)
:
;
z=0
,x=y=z=0
(S) ()
8
<
:
9
x + 2y + 5z = 0 =
6y + 12z = 0
;
0=0
(S) ()
8
<
:
9
x + 2y + 5z = 0 =
6y + 12z = 0
,
;
0=0
x=z
y = 2z
(S) ()
8
<
:
9
x + 2y z = 0 =
0=0
, fz =
;
0=0
x + 2yg
37
Chapitre IV
APPLICATION A LA GEOMETRIE
IV. 1. Produit scalaire
IV.1.1. Dnition
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 donn par:
!
u1 !
u 2 = xx0 + yy 0
Cest un scalaire qui vrie les proprits suivantes:
8!
u; !
v;
(!
u +!
v)
!
0
!
( u)
!
u
!
w 2
!
w =
!
u =
!
v =
!
v =
R2 ; 2 R
!
u !
w +!
v !
w
0
(!
u !
v)
!
!
v u
(x; y)
(x0 ; y 0 )
x1 ; x2 = x1 !
e 1 + x2 !
e2
10
20
10 !
x ; x = x e + x20 !
e
1
= x1 x10 + x2 x20
= x1 !
e + x2 !
e
1
0
x1 !
e 1 + x20 !
e2
ij
= 1 si i = j
= 0 si i =
6 j
38
IV.1.2. Exemple
Le produit scalaire de !
u = (1; 2)= !
e1 2!
e 2 et !
v = (0; 3) = 3!
e2
est donn par:
!
u !
v = 6
!
!
On dit que les vecteurs u et v sont orthogonaux et on crit:
!
u ?!
v
si
!
u !
v =0
IV.1.3. Remarque
!
e1?!
e2
et
!
8!
u 2 Rn ; 0 ? !
u
IV.1.4. Exercice
Etant donn
!
!
u 1 = x1 ; x2 6= 0
!
construire le vecteur !
v 6= 0 tel que !
u ?!
v:
IV. 2. Dterminant dans R2
IV.2.1. dnition
0
Soient deux vecteurs !
u 1 = x1 !
e 1 + x2 !
e 2 et !
u 2 = x1 !
e 1 + x20 !
e 2 de R2 :
!
!
Le dterminant de u 1 et u 2 est dni par:
det (!
u 1; !
u 2) =
x1 x10
x2 x20
= x1 x20
x2 x10
! !
0; u =0
det ( !
u; !
v )=
det (!
u; !
v)
det (!
u; !
u)= 0
39
det (!
u; !
v )=
det (!
v; !
u)
IV.2.2. Remarque
Cette drnire relation montre que le dterminant est antisymtrique
IV. 3. Produit vectoriel
IV.3.1. dnition
Soient deux vecteurs de R3 donns par !
u = xi !
e i et !
u 0 = xi0 !
e i.
Leur produit vectoriel est dnie par:
!
ek
u ^!
u 0 =2ijk xi xj0 !
avec
2
2
2
ijk
ijk
ijk
= 0 si i = j ou j = k
= 1 si i j k
= 1 pour une permutation de deux indices
IV.3.2. Exemple
On peut montrer que pour les vecteurs:
0
!
u 1 = x1 !
e 1 + x2 !
e 2 et !
u 2 = x1 !
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 dterminant et qui montre aussi que le
produit vectoriel est antisymtrique.
IV.3.3. dnition
Deux vecteurs !
u et !
v de R2 sont colinaires sil existe un scalaire
que lon a:
!
u = !
v
2 R tel
IV.3.4. Remarque
Pour dterminer si un systme est li, on peut utiliser les critres suivants:
-!
u et !
v de R2 sont colinaires si det (!
u; !
v)=0
!
!
!
!
!
3
- u et v de R sont colinaires si u ^ v = 0
!
!
!
!
!
- u , v ; w de R3 sont coplanaires si det ( u ; v ; !
w) = 0
- Pour les vecteurs !
u = (x; y; z) et !
u 0 = (x0 ; y 0 ; z 0 )
le critre de colinarit scrit:
x
y
x0
y0
x x0
z z0
40
y
z
y0
z0
=0
- Un vecteur !
u est appel vecteur unitaire sil satisfait la relation
k!
u k = 1:
- De faon gnrale, si !
u = x1 ; x2 ; :::xn 2 Rn sa norme est donne par:
v
u n
uX i
!
x
kuk=t
i=1
IV. 4. 2. Remarque
Les vecteurs (!
e i )i=1; :::;
k!
e i k = 1; i = 1; :::; n
IV. 4. 3. Propris de la norme
La norme de tout vecteur !
u 2 Rn satisfait les proprits 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
41
!
uk
d( !
v; !
w )j
d (!
u; !
v ) + d( !
v; !
w)
d (!
u; !
v ) = 0 ssi !
u =!
v
!
u !
v
!
u0 = ! 2
kvk
et
!
u"=!
u !
u0
u sur
Le vecteur !
u 0 (respectivement) !
u " est la projection orthogonale de !
?
!
!
R v (respectivement) sur f v g :
?
La distance entre le vecteur !
u et la droite (ou le plan) f!
v g est donne
par:
?
det !
u ; f!
vg
= k!
u 0k
det (!
u ; R!
v)
=
=
42
j!
u !
vj
!
kvk
jdet (!
u; !
v )j
!
kvk
Dans R3 :
k!
u ^!
vk
det (!
u ; R!
v)=
!
kvk
2]
[ tel que
j!
u !
vj
cos = ! !
kukk v k
sin =
jdet (!
u; !
v )j
!
k u k k!
vk
si !
u et !
v sont deux vecteurs de R3 , langle (!
u; !
v ) entre !
u et !
v est
lunique 2 [0; ] tel que
j!
u !
vj
cos = ! !
kukk v k
k!
u ^!
vk
sin = ! !
kukk v k
IV. 7. 2. Remarque
On prend 2 [0; ] car, dans R3 il ny a pas de faon unique pour distinguer
les angles et ( ) alors que, dans R2 lorientation permet de les distinguer.
IV. 8. Aire & Volume
On note A (!
u; !
v ) laire du paralllogramme dni par les vecteurs !
u et !
v
2
de R non nuls:
A (!
u; !
v ) = jdet (!
u; !
v )j
3
u et !
v est donn par
Dans R laire paralllogramme dni par les vecteurs !
A (!
u; !
v ) = k!
u ^!
vk
Le volume du paralllpipde form par les trois vecteurs
!
u, !
v; !
w de R3 est dni par
V (!
u; !
v; !
w ) = jdet (!
u; !
v; !
w )j
43
Chapitre V
APPLICATIONS LINEAIRES
V. 1. Applications linaires
On dsignera par la suite E; F; G des IK espaces vectoriels
V.1.1. Dnition
Soit f une application de E dans F ; on dit que f est IK linaire (ou que
cest un morphisme de IK espaces vectoriels) si f est un morphisme pour les
deux lois dnies sur E etF , cest--dire si
1:8 !
x;
2: 8
!
y 2 E; f (!
x +!
y ) = f (!
x ) + f (!
y)
!
!
!
x 2 E 8 2 IK; f ( x ) = f ( x )
Vocabulaire
- Une application linaire de E dans lui-mme est appele un endomorphisme de E
- Une application linaire bijective est appele un isomorphisme despaces
vectoriels
- Un endomorphisme de E bijectif est appel automorphisme de E
V.1.2. 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)
! C
7
!
z
est un morphisme additif, mais elle nest pas C-linaire ( par contre, elle est
R-linaire).
V.1.3. Proprits
si lapplication f est linaire:
!
!
0E
= 0F
!
n
n
X
X
i!
xi
=
f
i=1
i=1
V.1.4. Exemples
44
f (!
x i)
a) Homothties vectorielles
Lapplication
ha
!
x
: E ! E; 8 a 2 IK
7! ha (!
x ) = a!
x
= p; p q = h0 ; p + q = h1 = idE
= E; p = h1 = idE
= E; p = h0
2 IK;
p + q est linaire
45
8
<
!0
E; x = s (!
x),
:
9
!0
=
!
x + x 2F
!0
!
x
x 2G ;
46
si f 2 L (E; F ) et !
y 2 F; alors la dirence de deux solutions de lquation
dinconnue !
x 2E:
(E) : f (!
x) = !
y
est un lment du noyau de f:
! est une solution particulire de lquation (E), alors les
autrement, si x
0
! un lment de ker f ; sous forme
autres solutions sont obtenues en ajoutant x
0
symbolique:
! + ker f
f 1 (!
y)=x
0
Corrolaire:
Si f 2 L (E; F ) et !
y 2 F , alors f
a ne de E de direction le noyau de F
(!
y ) est soit vide soit un sous-espace
Proposition
une application linaire est injective si et seulement si son noyau est rduit
zro:
n! o
f est injective , ker f = 0 E
V.4.2. Image dune application linaire
V.4.2.1. Dnition
Limage dune application linaire est lensemble des images des vecteurs de
lespace de dpart:
Im (f ) = f!
y 2F =9!
x 2 E = f (!
x) = !
y g = f (E)
V.4.2.2. Proposition
Limage dune application linaire est un sous-espace vectoriel de lespace
darrive.
V.4.2.3. Dnition
Une application linaire est surjective si et seulement si son image est gale
son espace darrive:
f est surjective , Im (f ) = F
V.4.2.4. Proposition
si B est une base de E alors, Im (f ) = V ect (f (B))
A retenir:
Le noyau dune projection est sa direction et son image est sa base.
47
V.4.3. Isomorphismes
V.4.3. 1. Isomorphismes & espaces isomorphes
Rappelons quun isomorphisme despaces vectoriels est une application linaire
bijective.
Notons ISOM (E; F ) lensemble des isomorphismes de E sur F:
Proposition
La compose de deux isomorphismes est un isomorphisme, et la rciproque
dun isomorphisme est un isomorphisme:
f
f
Dnition
Deux espaces vectoriels E et F sont dits isomorphes (notation E
existe un isomorphe de E vers F , autrement dit::
E
Proposition
La relation disomorphie
toriels.
F ) sil
F , ISOM (E; F ) 6= ;
est une relation dquivalence entre espaces vec-
Exemple
si E = F
G; alors E
G et
G ! Im (f )
x 7! f (x)
G!F
x 7! f (x)
dim F
Dnition
Un hyperplan de E est un sous-espace vectoriel de codimension 1 (autrement
dit, un sous-espace vectoriel dont un supplmentaire est une droite)
V. 5. 3. Thorme du rang
Thorme (application directe du corollaire 1) ci-dessus)
La somme des dimensions du noyau et de limage dune application linaire
(dont lespace de dpart est de dimension nie) est gale la dimension de
lespace de dpart:
dim ker f + dim Im f = dim E; si dim E
Corollaire 3
49
+1
min (n; p)
g = idE
8: f est surjective
9: une matrice de f est inversible
10: det f 6= 0
Propositions
- Lensemble des automorphismes dun espace vectoriel est un groupe pour
la loi de composition des applications linaires :
- Cest un sous-groupe des applications bijectives de E dans lui mme qui
est not (BIJ(E); ).
- Ce groupe des automorphismes est appel le groupe lineaire de E (do
la notation GL(E)):
V. 7. Applications linaires & Matrices carres
V.7.1. Dnition
- Toute application linaire est dnie par:
f : R2 ! R2
(x; y) 7! f (x; y) = (ax + by; cx + dy)
- Tout vecteur de R2
!
u = x!
e 1 + y!
e2
!
u =
En particulier, les vecteurs de base canonique sont reprsents par les matrices unicolonnes suivantes:
!
e1
1
0
!
e2
0
1
2):
A=
a b
c d
1
0
0
1
0
0
0
0
Rk ;
R k ! Rk
f x1 ; x2 ; :::; xk
f (!
u ) + f (!
v)
!
f(u)
V.7.2. Remarque
On peut vrier que les images par lapplication linaire f des vecteurs de
la base canonique sont donnes par:
f (!
e 1 ) = f (1; 0) = (a; c)
f (!
e 1 ) = f (1; 0) = (b; d)
V.7.3. Proposition
Lensemble des matrices carres (2
4
V.7.4. Exercice
Vrier que les quatre matrices formant la base de cet espace vectoriel. sont:
1
0
0
0
0
0
1
0
0
1
0
0
0
0
0
1
a b
A=@ d e
g h
53
1
c
f A
i
V. 8. Exemples dans R2
V. 8.1. Homothtie de rapport a 2 R
Elle est dnie par la relation:
f
f x1 ; x2
: R2 ! R2
= ax1 ; ax2
Cas particuliers
1 =
a =
f x ; x
=
1
1
x1 ; x2
ou bien
a =
f x1 ; x2
=
A!
u =
1!
u
x1 ; x2
0
0
54
0
0
2)
1
x1 ; x2
0
1
x1
x2
x1
x2
!
u = x1 !
e 1 + x2 !
e2
Alors,
A!
u =
x1 !
e 1 + x2 !
e2
2 = La projection orthogonale sur laxe !
e 2 est dnie par
f x1 ; x2 = 0; x2
cest--dire
0
0
0
1
x1
x2
0
x2
x1
x2
x1
0
x1
x2
55
x2
x1
V. 8. 4. Rotation dangle
Elle est dnie par:
f x1 ; x2 = x1 cos
!
u =
R( )
cos
sin
sin
cos
x1 cos
x2 sin
1
x sin + x2 cos
!
v =
En particulier
1
0
R ( = 0) == I =
0
1
0
1
1
0
et
0
R( = ) =
1
0
2)
= R ( 1) R ( 2)
=0:
R ( = 0) == I
- Llement symtrique est la rotation - :
R( )
= R(
tel que
R( )R( )
56
)
=1
V. 8. 4. 2. Remarque
Le groupe des rotations R ( ) est un groupe ablien puisque laddition est
une loi de composition interne commutative dans R:
R ( 1) R ( 2) = R ( 2) R ( 1)
En eet, deux dimensions on a:
cos (
sin (
R ( 1) R ( 2) =
+
+
1
2)
2)
sin ( 1 + 2 )
cos ( 1 + 2 )
a0
c0
b0
d0
a b
c d
a + a0
c + c0
a
c
)A =
( A)
1A = A
( + )A = A + A
0A = 0
(A + B) = A + B
0=0
57
b + b0
d + d0
b
d
V. 9. 2. Remarques
- La multiplication de deux matrices nest pas commutative:
a0
c0
a b
c d
b0
d0
aa0 + bc0
ca0 + dc0
ab0 + bd0
cb0 + dd0
a b
c d
=
=
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)
det ( A) =
det (A)
On dit quune matrice A est inversible sil existe une matrice A0 telle que
AA0
= I
= A0 A
58
: On a donc
= I
= A
1
=A
V. 10. 3. Thorme
Pour une matrice carre dordre k, les proprits suivantes sont quivalentes:
1. La matrice A est inversible
2. Les colonnes de A sont linairement indpendantes
3. Les lignes de A sont linairement indpendantes
4. Le dterminant de A est non nul
Pour la matrice
a b
A=
c d
avec
det A = ad bc 6= 0
la matrice inverse
A
1
det A
d
c
b
a
V. 10. 4. Exemple
A=
A
1
3
1
2
2
4
4
3
2
1
V. 10. 5. 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
V. 11. Matrices & Systmes linaires
Si
a b
A=
c d
!
u =
x
y
!
v =
x0
y0
A!
u =!
v
59
A=
2
4
on rsout le systme
= x0
= y0
x + 2y
3x + 4y
2x0 + y 0
1 0
2y
3 0
2x
3
2
x0
y0
1
1
2
Ainsi, on obtient
A
2
3
2
1
1
2
V. 11. 2. Remarque
Si la matrice A nest pas inversible, les quations du systme linaire ne sont
pas indpendantes.
On peut toujours rsoudre le systme mais on ne pas exprimer les composantes x et y du vecteur !
u en fonction de x0 et y 0 celles du vecteur image
!
v
60
!
e 01 = a!
e 1 + c!
e2
et
!
e 02 = b!
e 1 + d!
e2
x0
y0
=P
x0
y0
=P
x
y
avec
a b
c d
P =
V. 12. 1. Exemple
Pour
!
e 01 = !
e1+!
e2
et
!
e 02 =
!
e1+!
e2
P =
1
2
1
1
1 1
1 1
61
o
u
A0 = P
AP
!
e1+!
e2
et la matrice
01
10
A=
sa matrice semblable est donne par:
A0 =
1
0
62
0
1
Chapitre VI
DIAGONALISATION
VI. 1. Exemples de problmes
Considrons les problmes suivants:
1 = Calculer M n , o M est une matrice carre, par exemple:
0
1
8 0
9
1
3 A
M =@ 3
6 0
7
2 = Trouver les suites vriant les relations suivantes
xk+1
yk+1
zk+1
=
=
=
8xk + 9zk
3xk yk 3zk
6xk 7zk
8x (t) + 9z (t)
3x (t)
y (t)
6x (t)
7z (t)
3z (t)
Comparons en eet les trois problmes prcdents aux trois problmes suivants:
1 bis = Calculer Dk o D est une matrice diagonale, par exemple:
0
1
1 0 0
1 0 A
D=@ 0
0 0
2
2 bis = Trouver les suites vriant les relations suivantes
xk+1
yk+1
zk+1
=
=
=
xk
yk
2zk
xk
yk
zk
64
M = P DP
n!
!
!o
V 2E =u V = V
est unique.
!
!
u V = V
!
u V =
!
V =
0!
0!
XId) = uu (X)
8 0
1
M =@ 3
6 0
8
det (M
Id)
0 9
1
6 0
3
7
2
2) ( + 1)
et
66
(M
!
Lensemble des vecteurs V solutions de ce systme constitut le sous-espace
propre E associ la valeur propre en question.
- le sous-espace propre associ la valeur propre 1 = 1 est solution de
lquation vectorielle
! !
(M + I) V = 0
ce qui est quivalent
9x + 9z
3x 3z
6x 6z
=
=
=
0
0
0
! !
2I) V = 0
3x
6x + 9z
3y 3z
6x 9z
67
= 0
= 0
= 0
1
x
3
2
x
3
et donc
1
0
1 0
x
x
!
V = @ y A = @ 13 x A
2
z
x
0
1 3
3
x@
1 A
=
3
2
Dans lexemple prcdents, les trois vecteurs propres forment une base.
Donc, la matrice M est diagonalisable et elle est semblable une matrice diagonale:
1
0
1 0 0
1 0 A
D=@ 0
0
0 2
La matrice de passage de la base canonique (!
e ; !
e ; !
e ) o la matrice
1
68
Remarque
Les colonnes de la matrice P sont formes des composantes des vecteurs
propres dans la base canonique. On a donc
M = P DP
avec
1
P
Ainsi,
2
=@ 1
1
1
3
1 A
1
0
1
1
M k = P Dk P
0; M k=0 = I
1; M k=1 = M
k
k
=
=
k+1
+ 3:2k
- pour 2 = on a:
xk
2 ( 1)
yk
( 1)
zk
2 ( 1)
2k
k
k+1
+ 3: ( 1)
k
+ 3: 2k z0
k
x0 + ( 1) y0 + ( 1)
2k+1
x0 + 3 ( 1)
2k+1
!
- pour 3 = Soit le vecteur V (t) donn par:
0
1
x (t)
!
V (t) = @ y (t) A
z (t)
alors,
!
d V (t)
dt
()
!
M: V (t)
0
1
B
@
dx(t)
dt
dy(t)
dt
dz(t)
dt
69
1
x (t)
C
A = M @ y (t) A
z (t)
0
2k z0
z0
1
3
1 A
1
!
d V (t)
dt
1!
V (t)
Posons
(t)
= DP
dt
!
DP 1 V (t)
, P
d
P
dt
P DP
!
W (t) = P
1 dV
1!
V (t)
1!
V (t)
on obtient
0
B
@
dX(t)
dt
dY (t)
dt
dZ(t)
dt
0
1
C @
0
A=
0
0
1
0
10
1
0
X (t)
0 A @ Y (t) A
2
Z (t)
X (t)
Y (t)
2Z (t)
avec
0
1 0
1
X (t)
e t X0
!
W (t) = @ Y (t) A = @ e t Y0 A
Z (t)
e2t Z0
X0
Y0
Z0
=
2:x (0) 3:z (0)
= x (0) + y (0) + z (0)
= x (0) + z (0)
70
!
Finalement, le vecteur V (t) est donn par:
!
!
V (t) = P:W (t)
cest--dire,
0
1 0
x (t)
!
V (t) = @ y (t) A = @
z (t)
1
+ 3:e2t :x (0) + 3:e t + 3:e2t :z (0)
e t e2t :x (0) + e t :y (0) + e t 2:e2t :z (0) A
2:e t 2:e2t :x (0) + 3:e t 2:e2t :z (0)
2:e
71
VI. 5. Trigonalisation
Soit E un espace vectoriel sur le corps IK, de dimension n. Soit u un
endomorphisme de E:
Lendomorphisme u est triangonalisable sil existe une base dans laquelle la
matrice de lendomorphisme u est triangulaire.
Trigonaliser une matrice consite rduire celle-ci sous la forme dune matrice triangulaire
suprieure ou infrieure.
Une matrice triangulaire suprieure est une matrice dont tous les coe cients
situs strictement en dessous de la diagonale sont nuls:
0
1
a1;1 ::: a1;n
::: a2;n A
T =@ 0
0
::: an;n
De la mme manire, une matrice triangulaire infrieure est une matrice dont
tous les coe cients situs strictement au-dessus de la diagonale
sont nuls.
X+
1
2
1
2
x
y
x
y
2 R2 = M:
2x
x
1
2
x
y
=x2R
!
e 01 =
!
e 02 =
de manire ce que
B 0 = (!
e 01 ; !
e 02 )
M:!
e 02 =
3 !0
:e
2 1
1 !0
:e
2 2
1
2
3
2
1
2
2
1
73
0
1
1 0
1 !0
e1+ !
e
2
2 2
= !
e 02
!
e1
!
e
i
N =@ 0
0
1
1
0 A 2 M3 (C)
2
2
i
1
X) (2
X)
1
0
!
e 03 = @ 1 A
0
0
B 0 = (!
e 01 ; !
e 02 ; !
e 03 ) de C3
On remarque que
8
N:!
e 03 =
i!
2+i !
:e1+
:e2
5
5
N = PTP
74
1
A
i:!
e3
1
=@ 0
0
75
0
0
1
2+i
5
2 i
5
1
A
Chapitre VII
ANNEAUX DE POLYNOMES
Les polynmes et les fractions rationnelles sont trs utiliss en Gnie Electrique, puisque les fonctions de transfert servant ltude des systmes linaires
sont des fractions rationnelles.
VII. 1. Anneaux
- On appelle anneau un ensemble A muni de deux lois de composition internes
notes + et telles que (A; +) est un groupe commutatif, dlment 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 la loi + :
8 a; b; c 2 A; (a + b) c = ac + bc;
c (a + b) = ca + cb
La multiplication possde un lment neutre not 1A ou 1 :
8 a 2 A; a
1=1
a=a
1X
n 1
+ ::: + a1 X + a0
Les nombres an ; an 1 ; :::; a0 sont les coe cients du Polynme. Ils peuvent
tre rels ou complexes.
Si an 6= 0, lentier n est appel degr du Polynme et on note
deg (P ) = n
On note IK [X] lanneau des polynmes coe cients dans le corps IK = R
ou C:
VII. 2.2.Exemples
3
X
11
P1 (X)
3X 5 + 2X 2
P2 (X)
3X 5 + (1 + 2i) X 2
76
10
3
X
11
10
VII. 3. Divisibilit
VII..3.1. Dnitions
- 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 sil existe un polynme Q 2 IK [X] tel que
A = BQ
et on crit:
BnA
- Si A 2 IK [X], on note AIK [X] lensemble des multiples de A:
77
deg (B)
1:
x0 ) divise A
Demonstration
Ecrivons la division euclidienne de A par (X
A (X) = (X
x0 ),
x0 ) Q + R
avec
deg (R)
deg (X
x0 ) = 1
x0 ) Q + R !
Si A (x0 ) = 0 on a r = 0 et donc
A (X) = (X
Reciproquement, si (X
x0 ) Q
x0 ) Q
et donc
A (x0 ) = (x0
x0 ) Q (x0 ) = 0
78
VII. 4. Idal
VII. 4.1. Dnition
- Soit (A; +; ) un anneau. Soit I une partie de A: On dit que I est un
idal 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
VII. 4.2. Exemples
- nZ est un idal de Z pour tout n
- AIK [X] est un idal de IK [X] :
- Plus gnralement si A est un anneau commutatif et si a 2 A; alors aA:
lensemble des multiples de a est un idal de A
VII. 4.3. Proposition
Soit (A; +; ) un anneau commutatif. Soient I et J deux idaux de A:
I \ J est un ideal de A
I + J est un ideal de A
79
pgcd (A; B)
ou D = A ^ B
1) ; (X
1)) : (X + 2) = X
pgcd (X p ; X q ) = X min(p;
80
q)
pgcd (A; A) =
1
A
a
1
RN
cN
1) X 4 + X 3 + 2X 2 + X + 1 + 2X 2 + 2
X 4 + X 3 + 2X 2 + X + 1 =
1 2 1
1
X + X+
2
2
2
81
2X 2 + 2 + 0
1:
1 = (X
1) X 2 + X + 1
82
1) ; (X
1) : (X + 2)) = X: (X
1) : (X + 2)
ppcm (X p ; X q ) = X max(p;
q)
n
k=1
mk
k)
(X
; 8 k 2 f1; :::; ng
n
k=1
(X
mk
k)
o est le coe cient dominant de A. On dit que le polynme A est scind dans
IK.
VII. 10. Polynmes irrductibles
si:
2 IK [X] ;
= QR ) deg (Q) = 0 ou deg (R) = 0
cest- - dire que lon peut pas crire P comme le produit de deux polynmes
no-constants.
83
1X
n 1
+ ::: + a0
1X
n 1
+ ::: + a0 = (X
x1 ) (X
x2 ) ::: (X
xn )
n
X
xi =
n
X
xi xj = an
an
i=1
i j
n
X
xi xj xk =
an
i j k
:::
n
= x1 x2 :::xn = ( 1) a0
do lgalit
P (X) = X n +an
1X
n 1
+:::+a0 = (X
x1 ) (X
x2 ) ::: (X
xn ) = X n
1X
n 1
Rciproquement, si les nombres x1 ; x2 ; :::; xn vrient les relations prcdentes alors ils sont racines du polynme P (X) = X n + an 1 X n 1 + ::: + a0 :
( i )i=1;:::; n sont appeles fonctions symtriques des racines du polynme P:
84
2X
n 1
+:::+( 1)
2X 2 + X + 1 = 0
1
2
3
= x+y+z
= xy + xz + yz
= xyz
85
Chapitre VIII
FRACTIONS RATIONNELLES
VIII.1. 1. Dnition
Une fraction rationnelle sur IK estun couple de polynmes (A; B) 2 IK [X]
IK [X] avec B 6= 0; not sous forme de fraction:
A
B
Le polynme A se nomme le numrateur et B le dnominateur.
A
C
et G = D
sont dites quivalentes sil existe un
Deux fractions F = B
polynme non nul P 2 IK [X] tel que
F =
C
PA
=
D
PB
On dit alors que F =
A
B
et G =
C
D
VIII.1. 1. Exemple
Les deux fractions suivantes
F =
X5
X3
et
G=
3X 4 + 3X 2
6X 2 + 11X 6
X4
X2
X2
3X + 2
(X 3) : X 4 X 2
3X 4 + 3X 2
=
6X 2 + 11X 6
(X 3) : (X 2 3X + 2)
86
VIII. 2. 2. Exemple
La fraction rationnelle
X4
X2
3X + 2
X2
nest pas irrductible car
X4
X2
X2
X 2 (X 1) (X + 1)
=
3X + 2
(X 1) (X 2)
X 2 : (X + 1)
(X 2)
P
IIK[X]
=P
On dit que lon immerge lensemble des polinmes dans celui des fractions.
VIII. 2. 5. Structure de corps commutatif sur IK (X)
On munit IK (X) de deux oprations ( notes + et
) dnies pour tous
A1 A2
,
appartenant
IK
(X)
par:
B 1 B2
A1
A2
A1
+
=
B1
B2
Ainsi, (IK (X) ; +;
2 IK (X) ,
B2 + B1
B1 B2
A2
1IK[X]
B
=
= 1IK[X]
A
1IK[X]
87
A
B
(X 4)
X2 + X + 1
* Elle admet pour zro X = 4 (zro triple )
* Elle nadmet aucun ple dans R
* Cependant, elle admet deux ples simples dans C qui sont les nombres
2i
complexes X1 = j = e 3 et X2 = j
VIII. 4. Partie entire dune fraction rationnelle
Soit (A; B) 2 IK (X) une fraction rationnelle irrductible. La division
euclidienne de A par B implique quil existe (Q; R) 2 IK [X] IK [X] tel que
et
A = BQ + R
deg (R)
deg (B) :
88
A
B:
deg (B)
VIII. 4. 1. Exemple
La partie entire de la fraction rationnelle
X4
(X 4
1)
1)
1 donne:Q = 1 et R = 1 cest--dire,
X4 1 + 1
1
=1+
(X 4 1)
(X 4 1)
P2n2
nm
Pm
:::
avec (Pi )i=1; :::; m sont des polynmes irrductibles. Alors il existe m polynmes
L1 ; :::; Lm 2 IK [X] tels que:
R
L1
Lm
=
+ ::: + nm
B
P1n1
Pm
avec deg (Lk )
unique.
VIII. 5. 2. Exemple
On considre la fraction rationnelle:
A
=
B
(X
4X
2
1) (X 2 + 1)
2 R (X)
P22
avec
P1
P2
Ainsi (Q = 0 car deg (A)
= X 1
= X2 + 1
deg (B)) :
A
L1
L2
2
=Q+ 2 + 2 =
B
P1
P2
(X
89
X
2
1)
X3 + X
2
2
(X 2 + 1)
VIII. 6. 2. Exemple
Appliquons le lemme prcdent la fraction
2
(X
1)
=
=
1
1
2 X
,
(X 1)2
on obtient:
(X
1)
1
(X
1)
X3 + X
2
2
(X 2
+ 1)
2
2
+ 1)
X+
X+
+
2
X2 + 1
(X 2 + 1)
X
2
+
X 2 + 1 (X 2 + 1)2
=
=
1)
(X 2
+ 1)
1
X
1
(X
90
1)
X
2
+
2
+ 1 (X + 1)2
X2
R
B
P2n2
:::
nm
Pm
X
R
=Q+
B
k=1
Sk;n
Sk;2
Sk;1
+ 2 + ::: + nkk
Pk
Pk
Pk
o Q 2 IK [X] est la partie entire et, pour tout k 2 f1; :::; mg : Sk;1 ; Sk;2 ; :::; Sk;nk
2 IK [X] et vrient:
deg (Sk;1 )
deg (Pk )
B = bn
avec
1;
:::;
hk
k)
(X
1;1
+ ::: +
1
1;h1
(X
h1
1)
+ ::: +
R
B
m;1
est:
+ ::: +
1;h1 6= 0; :::;
m;hm 6= 0:
- Tout lment simple de C (X) est ncessairement du type:
(X
avec ( ;
) 2 C2 et k 2 N :
91
m;hm
(X
hm
m)
VIII. 7. 2. Exemple
on considre sur C (X) la fraction rationnelle:
4
2
(X 2 + 1)
= (X + i) (X
i) ;
= i;
1
2
(X
i)
i
1
+
X + i (X + i)2
B = bn
m0
k=1
hk
k)
(X
ak X 2 + bk X + ck
sk
avec
h1 + ::: + hm + 2 (S1 +) ::: + sm0
8k
= n
2 f1; :::; mg b2k
+ ::: +
4ak ck
2 R de multiplicit h; on
h
(X
avec 1 ; :::; h 2 R:
- Dans le cas o la factorisation irrductible de B fait apparatre le polynme
aX 2 + bX + c
on trouve:
B=
avec
1;
1;
:::;
1X
2
aX +
; (a; b; c) 2 R3 ; a 6= 0;
+ 1
SX + S
+
2
bX + c (aX + bX + c)s
2 R:
92
1)
(X 2
+ 1)
(X
1)
(X
1)
X+
X+
+
(X 2 + 1) (X 2 + 1)2
B = (X
2 IK:
) C o C 2 IK [X] et C ( ) 6= 0:
On en dduit:
A
(X
)C
- En multipliant par (X
(X
T
o T 2 IK [X] :
C
) ; on a:
A
=
C
- En valuant en , on obtient:
(X
)T
C
A( )
:
C( )
VIII. 7. 3. 3 Exemple
Considrons sur R la DES formelle suivante:
(X
X
1) (X
2)
X
1) (X
2)
93
1
X
2
X
1
2
= 1
=2
A1
B1
2 IK dordre h
- On a ainsi: B1 = (X
) C1 avec C1 ( ) 6= 0:
- Dans la DES sur IK, la partie relative au ple
1
(X
- Le calcul de
on a:
A1
(X
) C1
(X
2:
scrit:
h
+ ::: +
(X
(X
o T 2 IK [X] :
En multipliant par (X
(X
+ ::: +
h
h
(X
T
C1
) et en valuant en ; on a:
h
A1 ( )
C1 ( )
1;
2;
::: ;
- tape 1
On eectue un chagement dindtermine:
Y =X
On obtient ainsi A2 2 IK [Y ] et C2 2 IK [Y ] :
A1
(X
) C1
A2
Y h :C2
- tape 2
On eectue ensuite une division selon les puissances croissantes lordre A2
par C2 :
A2 = C2 q0 + q1 Y + ::: + qh
o q0 ; q1 ; :::; qh
1Y
h 1
+ Y h R2
qh
Y
2 IK et R2 2 IK [Y ] :
- tape 3
Retour la fraction. On obtient:
A2
q0
q1
= h+ h
h
Y :C2
Y
Y
94
+ ::: +
R2
C2
tape 4
Il reste enn revenir lindtermine X
A1
(X
) C1
q0
(X
q1
h 1
(X
+ ::: +
qh
(X
R1
C1
On a ainsi obtenu:
h
= q0 ;
= q1 ; :::;
h 1
= qh
Exemple
Dterminons la somme partielle relative au ple
4X
(X
1)
(X 2
+ 1)
- tape 1
changement dindtermine: Y = X
A1
2
(X
1) C1
= 1 de
A1
(X
1) C1
1:
=
A2
Y 2 C2
- tape 2
La division selon les puissances croissantes lordre 1 de A2 par C2
donne:
A2 = C2 (1 y) + Y 2 4Y + 3Y 2 + Y 3
- tape 3
On a ainsi
A2
1
= 2
Y 2 C2
Y
1
4Y + 3Y 2 + Y 3
+
Y
C2
95
tape 4
changement inverse Y = X
4X
2
(X
1)
(X 2
+ 1)
1
2
(X
1)
X3 + X
2
2
(X 2
+ 1)
Remarque
La partie relative au polynme X 2 + 1 peut tre obtenue
1
partir de la fraction rationnelle R
C1 : En eet,
X3 + X
(X 2
2
2
+ 1)
X X2 + 1
(X 2
2
2
+ 1)
X
2
+
X 2 + 1 (X 2 + 1)2
(X
avec
1;
:::;
2
2
(X
+ ::: +
h
h
(X
2 IK:
(X + )
avec
0
1;
:::;
0
h
0
2
2
(X + )
+ ::: +
0
h
h
(X + )
2 IK:
0
k
96
= ( 1)
0
k
k
k 1
= ( 1)
(X
(X
+ ::: +
(X
avec 1 ; :::; h 2 C
Puisque F est coe cients rels, on a
8 k 2 f1; 2; :::; hg ;
Exemple
X2 + 1
2
(X 2 + X + 1)
X
(
j
1;
+
2
(X
2 C)
97
2
2
j)
Chapitre IX
EXERCICES AVEC SOLUTIONS
PROBLEMES PROPOSES
IX. 1.
Espaces vectoriels
XI. 1.1.
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 , lensemble des solutions de lquation direntielle
0
y + a (x) y = 0
avec a (x) une fonction drivable.
Exercice 2
Trouver un systme gnrateur 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
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 proprits suivantes entranent la
troisime:
1.
F \ G = f0g
2.
F +G=E
3.
dim (F ) + dim (G) = dim (E)
98
Exercice 4
On considre 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
0
des scalaires x; y; z puis calculer x; y; z en fonction de x ; y 0 ; z 0
b. En dduire que les vecteurs !
u; !
v et !
w sont linairement indpendants
c. Quel est le sous-espace vectoriel de R3 engendr par ces trois vecteurs?
!
v
Exercice 5
On pose !
u = (1; 2; 1) ; !
v = ( 1; 1; 2) ; et !
w 0 = (2; 1; 2)
!
!
1/ calculer langle ( u ; v )
2/ Construire un vecteur non nul !
w orthogonal !
u et !
v
3/ Donner une quation cartsienne du plan vectoriel P engendr par !
u et
4/ Calculer la distance entre le point w0 et le plan P:
5/ Donner une quation cartesienne de la sphre de centre w0 et de rayon r
Exercice 6
Soit f : R2 ! R2 lapplication linaire de matrice
A=
2 2
2 2
99
XI. 1.2.
Exercice 1
a/ E1 nest pas un sous-espace vectoriel de R2 car il nest pas stable par
addition.
En eet, X = (1; 0) et Y = (0; 1) sont tous les deux lments de E1 mais
X + Y = (1; 1) nest pas lment de E1 :
b/ remarquons dabord que E2 est une partie de lensemble des fonctions
drivables. soient y1 et y2 deux solutions et 2 R:
Posons
y = y1 + y 2 :
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 lespace
vectoriel des fonctions drivables sur R:
Exercice 2
1. On a
(x; y; z) 2 F , x =
2y + z
Donc
1
0
1
2y + z
x
A
@ y A = @
y
z
z
0
1
0 1
2
1
= y@ 1 A+z@ 0 A
0
1
0
2. On a
(x; y; z)
Ainsi,
x y+z =0
G,
2x y z = 0
0 1
0
1
2
x
1
, @ y A = x@ 3 A
2
1
z
2
1
2
G = V ect (!
u ) ; avec !
u =@ 3 A
1
100
Exercice 3
Tout repose sur la formule des quatre dimensions:
dim (F + G) = dim (F ) + dim (G)
dim (F \ G)
et sur la proprit:
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 \ G)
tandis que
E =F +G
implique
dim (E) = dim (F ) + dim (G)
3. est donc vrie
- Si 1. et 3. sont vraies, alors
dim (F + G)
dim (F \ G)
On en dduit que
et donc
dim (F \ G) = 0
F \ G = f0g
Exercice 4
a. On a
8 0
9
8
< x = x+y+z =
<
y0 = x y + z
,
: 0
;
:
z =x+y z
8
>
<
,
>
:
101
9
x y + z = x0 =
2z = x0 + y 0
;
2y = x0 + z 0
9
0
0
>
x = y +z
=
2
0
0
y = x +z
2 0 >
0
;
z = x +y
2
=
=
1 1 1
1
1 1
1 1
1
4 6= 0
c. Comme !
u; !
v; !
w sont linairement indpendants, le sous-espace vectoriel
3
de R engendr par ces trois vecteurs est lespace R3 lui-mme.
Exercice 5
1/ Soit
!
[
=!
u
v = (!
u; !
v)
On est dans lespace tridimensionnel, donc
2
[0; ] et
!
u :!
v
=
!
k u k k!
vk
3
1
= p p =
2
6 6
cos
d0 ou
2/
!
u ^!
v =
2 1
1 2
1
1
1
;
2
1
2
1
1
= (3;
3; 3 )
est orthogonal !
u et !
v : On peut poser !
w = (1; 1; 1) :
3/ P est lorthogonal du vecteur !
w (ou de la droite R!
w ). On obtient
lquation cartsienne
x y+z =0
!
4/ La distance entre w 0 et le plan P est donne par:
!
p
w 0 :!
w
3
=p = 3
!
kwk
3
102
2) + (y
2) = r2
1) + (z
cest--dire,
x2 + y 2 + z 2
4x
4z + 9 = r2
2y
Exercice 6
u = (x; y), on a
a. tant donn !
!
f (!
u ) = 0 si
2x + 2y = 0
2x + 2y = 0
cest--dire si
x+y =0
Par exemple, si on pose
!
e 01 = (1;
on a
1) = !
e1
!
e 2;
!
f (!
e 01 ) = 0
b. tant donn !
u = (x; y), on a
2x + 2y = x
2x + 2y = y
f (!
u)= !
u si
cest--dire si
(2
) x + 2y = 0
2x + (2
)y = 0
Ce systme a des solutions non triviales lorsque le dterminant
2
2 2
!
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
103
AP
avec
P =
1 1
1 1
!
d. Lapplication f nest pas injective car f (!
e 01 ) = 0 = f 0 : elle nest
pas surjective car f R2 est la droite R!
e0:
2
Elle n0 est pas bijective car elle nest pas injective (ou car elle nest pas surjective ).
104
XI. 2.
Applications linaires
XI. 2.1.
Exercice 1
1/ Dterminer la forme linaire f dnie sur R3 telle que
f (1; 1; 1) = 0;
f (2; 0; 1) = 1;
f (1; 2; 3) = 4
= x
= 2x
6y
Exercice 3
Soit (!
e 1; !
e 2; !
e 3 ) la base canonique de R3 et f : R3 ! R3
lapplication linaire dnie 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 dterminant?
c. Quelle est la matrice de lapplication linaire rciproque f 1 ?
Exercice 4
Soit f : R2 ! R2 lapplication linaire dnie par
f (!
e 1) = !
e 1 + a!
e 2;
et
a2R
f (!
e 2 ) = a!
e1+!
e2
g (!
e 2) = !
e 02
105
avec
et
1
!
e 01 = p (!
e1+!
e 2)
2
1
!
e 02 = p ( !
e1+!
e 2)
2
yn+1
2
xn+1 = 2xn + yn
3
5
2
xn
yn
2
3
N;
106
Exercice 7
Soit f lendomorphisme de R3 dont la matrice dans la base canonique est
donne par
0
1
1
0 1
A=@ 1 2 1 A
1
1 1
IdR3 ) (!
v)=!
u
107
= 2:
XI. 2.2.
Exercice 1
1/ La forme linaire f est donne par:
f (x; y; z) = x + y + z
En calculant
f (1; 1; 1)
f (2; 0; 1)
f (1; 2; 3)
on obtient le systme suivant:
8
<
:
=
=
=
0
1
4
9
+ + =0 =
2 + =1
;
+2 +3 =4
=
=
=
1
2
3
Ainsi, on a:
f (x; y; z) =
2y + 3z
2/ On en dduit
f (x; y; z) = 0 ,
8
< x=
:
9
2y + 3z =
y=y
;
z=z
Une base de ker (f ) est donne 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 quon a la relation
f1 + f2 = 0
On la teste pour des valeurs de (x; y) particulires: pour (x; y) = (1; 0) puis
pour (x; y) = (0; 1) ; on trouve successivement:
f1 (1; 0) + f2 (1; 0) = 0
f1 (0; 1) + f2 (0; 1) = 0
108
=0
=0
=0
et
2x
6y
1
(f1 + f2 )
2
(x + y) + (x
( + )x + (
y)
)y
=2
= 6
= 2
=4
Autrement dit, on a
h=
2f1 + 4f2
Exercice 3
a. On se rappelle que la base canonique scrit:
!
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)
det f = det A =
2
0
0
3
1
2
109
1
1 =
3
1
2
1
3
do on lit
8
<
9
x = 3y 0 z 0
=
y = 21 x0 27 y 0 + z 0
:
;
z = 2y 0 + z 0
1
=@
1
1
1 A
1
1
2
7
2
Exercice 4
1/ Par dnition,
A=
1 a
a 1
et
a2
det A = 1
2/
p1
2
p1
2
B=
p1
2
p1
2
et
det B = 1
3/
AB =
et
B
1+a
p
2
1+a
p
2
ap 1
2
1p a
2
p1
2
p1
2
p1
2
p1
2
cos
sin
110
sin
cos
Exercice 5
1/ Pour dterminer les valeurs propres de f on calcule le polynme caractristique de f :
Pcar;f (X) = det (A
X
1
1
XI3 ) =
1
X
1
1
1
X
X
1
1
(2
X)
X
X
1
X
1
X
1 1 1
1
X 1
1 1
X
=
=
(2
(2
1
X) 1
0
1
X
0
1
1
1
X) (X + 1)
!
u
2
,
E
8
<
:
1 0 1
x
0
!
!
@
A
@
y
0 A
,
f
(
u
)
=
u
,
(A
+
I
)
=
3
1
z
0
9
x+y+z =0 =
x+y+z =0
;
x+y+z =0
!
u
2
,
1 0 1
x
0
2I3 ) @ y A = @ 0 A
z
0
, f (!
u ) = 2!
u , (A
8
<
9
2x + y + z = 0 =
x 2y + z = 0
:
;
x + y 2z = 0
L3 + 2L1 transforment le
2x + y + z = 0
3x 3y
=0
3x + 3y
=0
y=x
z=x
,
!
u 2E
L1 ; L3
, 9 x 2 R; !
u = x (1; 1; 1)
!
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)
!
!
!
3
est libre et les vecteurs u ; u ; u forment une base deR :
2
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 donne par:
0
1
1 0 0
1 0 A
A0 = @ 0
0 0
2
A = P A0 P
2/
A = P A0 P
, An = P A0n P
112
8n2N
A0n
( 1)
0
=@
0
0
n
( 1)
0
1
0
0 A
2n
= !
e 1 + 0!
e2 !
e3
!
!
= 0e1+ e2 !
e3
= !
e1+!
e2+!
e3
do
Ainsi,
et nalement,
An = P A0n P
!
e1
!
e2
!
e1
1 !
(2 u 1 !
u2+!
u 3)
3
1 !
( u 1 + 2!
u2+!
u 3)
3
1 !
( u1 !
u2+!
u 3)
3
0
2
1
1
1
1
P 1= @ 1 2
3
1
1
1
0
n
( 1)
0
n+1
0
( 1)
P A0n = @
n+1
n+1
( 1)
( 1)
0
2n + 2 ( 1)
1@ n
n+1
=
2 + ( 1)
3
n+1
2n + ( 1)
1
A
1
2n
2n A
2n
n+1
2n + ( 1)
n
2n + 2 ( 1)
n+1
2n + ( 1)
n+1 1
2n + ( 1)
n+1 A
2n + ( 1)
n
2n + 2 ( 1)
Exercice 6
1/ Les vecteurs !
u 1 = ( 2; 3) et !
u 2 = ( 2; 5) forment une base de R2 sils
sont linairement indpendants et sils forment un systme gnrateur de R2 :
Les deux vecteurs sont linairement indpendants si 9 ; 2 R tel que
!
!
u1+ !
u2 = 0 ,
= 0:
En eet,
!
!
u1+ !
u2 = 0 ,
113
2
2 =0
3 +5 =0
= 0 et donc
=0
3 +5
Il su t de prendre
=
=
5
1
x
y
4
2
3
1y
x+
4
2
cest--dire,
= f ( 2!
e 1 + 3!
e 2)
!
=
2f ( e 1 ) + 3f (!
e 2)
=
2!
e 1 + 3!
e2
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 lendomorphisme
f associs aux valeurs propres respectives 1 = 1 et 2 = 13 et donc la matrice
de lapplication linaire f dans la base (!
u 1; !
u 2 ) est une matrice diagonale:
B=
1 0
0 31
114
3/
det C
2
3
5
2
2
3
4 5
1
+ =
3 3
3
I2 ) =
2
3
5
2
2
3
=0
cest--dire
(2
2
3
5
3
4
1
+
3
3
+
= 1 et
1
3
, C n = P BnP
P =
2
5
!
e2
Alors on en dduit
P
Alors
Cn =
1
4
1
( 5!
u 1 + 3!
u 2)
4
1 !
(u2 !
u 1)
2
1
4
10 2:3
15 + 5:3
5
3
2
2
n+1
n+1
115
4:3 n
6 + 10:3
4/
8n
xn+1
yn+1
N;
2
2xn + yn
3
5
2
xn
yn
2
3
En posant
xn
yn
Xn =
Le systme prcdent se rcrit:
Xn+1
= CXn
, Xn = C n X0
avec
x0
y0
X0 =
Ainsi
Xn
xn
yn
=
1
4
1
4
10 2:3
15 + 5:3
10 2:3
15 + 5:3
n+1
n+1
n+1
n+1
4:3 n
6 + 10:3
x0
y0
x0 + (4 4:3 n ) y0
x0 + ( 6 + 10:3 n ) y0
yn
1
4
1
4
10
2:3
n+1
15 + 5:3
x0 + 4
n+1
x0 +
4:3
6 + 10:3
Autre mthode
Reconsidrons le systmes des suites
8n
yn+1
2
N; xn+1 = 2xn + yn
3
5
2
=
xn
yn
2
3
2
3xn
y0 ;
n
y0
xn+2
En rsolvant sous la forme:
xn = rn
on obtient lquation caractristique
1
4
r+ =0
3
3
r2
xn = 1n +
3xn
1
3 + 5 :3
2
1
(3 + 5 )
2
yn =
1
4
1
4
2:3
n+1
x0 + 4
15 + 5:3
n+1
x0 +
10
117
4:3
6 + 10:3
y0 ;
n
y0
Exercice 7
1/ On calcule le polynme caractristique de f . On trouve
Pf (X) = (1
X) (2
X)
do
!
v =!
u
Le vecteur !
w = (1; 0; 1) est donc un vecteur propre de f associ la valeur
propre = 2:
On vrie facilement que la famille (!
u;!
v ;!
w ) est une famille libre de R3 ,
donc une base.
La matrice de f dans cette base est donne par
1
0
1 1 0
T =@ 0 1 0 A
0 0 2
5/ On montre par rcurrence sur k que f k (!
v)=!
v + k!
u:
En eet, cest vrai pour k = 1 et si cest 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;
k
f (w) = 2k !
w;
118
on en dduit
1 k
Tk = @ 0 1
0 0
1
0
0 A
2k
et on a la relation
A = QT Q
119
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 considre les deux polynmes suivants:
P (X) = X 3
9X 2 + 26X
Q (X) = X 3
7X 2 + 7X + 15
24
et
Dcomposer ces deux polynmes en produits irrductibles de R [X] sachant
quils ont une racine commune.
120
3X 3 + X 2 + 4
Q (X) = X 3
3X 2 + 3X
et
2
et
B (X) = X 5
Exercice VII
Dcomposer en produits irrductibles de R [X] les polynomes suivants:
1/
P (X) = X 4 + 1
2/
Q (X) = X 8
Exercice VIII
Soit le polynme
P (X) = X 3
8X 2 + 23X
28
Dterminer les racines de P sachant que la somme de deux des racines est
gale la troisime
121
XI.3.2.
Exercice I
Si P = Q2 est le carr dun polynme, alors Q est ncessairement de degr
2, et son coe cient dominant est gal 1. On peut crire
Q (X) = X 2 + cX + d
On a alors
Q2 (X) = X 4 + cX 3 + d + c2 X 2 + dcX + d2
Par identication, on doit avoir
2c = 2a; 2d + c2 = b; 2cd = 2 et d2 = 1
On trouve donc
c = a et d =
Si
d = 1; alors c = 1; et donc a = 1 et b = 3
Si
d=
1; alors c =
1; a =
1 et b =
= X 4 + 2X 3 + 3X 2 + 2X + 1 = X 2 + x + 1
P2 (X)
= X4
2X 3
X 2 + 2X + 1 = X 2
Exercice II
1/ Le polynme nul est videmment solution. Sinon, si P est solution alors
on a
2 deg (P ) = deg (P ) + 2
ce qui prouve que deg (P ) doit tre gal 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 dduit que
b = 0 puisque a + c = 0
122
1 ; a2R
ceci entrane
a2 = a;
donc a = 1
2
b2
; 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 lalgorithme
dEuclide. Ici, on a:
X3
X3
9X 2 + 26X
24 = X 3
7X 2 + 7X + 15 =
2X 2 + 19X
7X 2 + 7X + 15 +
2X 2 + 19X
39 =
45X
4
123
39
135
4
X
2
2X 2 + 19X
5
4
8X
52
+
4
4
45X
4
39
135
4
135
4
3; et on trouve:
3) X 2 6X + 8
3) (X 2) (X 4)
P (X)
= (X
= (X
Q (X)
= (X 3) X 2 4X 5
= (X + 1) (X 3) (X 5)
et
Exercice V
On applique lalgorithme dEuclide. Le dernier reste non-nul donne un pgcd
des deux polynmes. On a successivement:
X4
3X 3 + X 2 + 4 = X 3
X3
3X 2 + 3X
3X 2 + 3X
2X 2 + 2X + 4 = (3X
6) ou (X
2X 2 + 2X + 4
X
+ 1 + 3X
2
2X 2 + 2X + 4
2=
2 X+
2X
3
6)
2
3
2)
1 = X5
1 = X2
X2
1 X2 + X2
X 3 + X 2 + 2X + 3 + 5X + 2
X
5
1 = (5X + 2)
7
25
11
25
25 X 2
1 + (5X
7) (5X + 2)
=
=
=
25 X 2
5X 4 + 2X 3
4
5X + 2X
5X
1 + (5X
7)
X5
3X 2
X2
1 + (5X
1 +
3X
4
X
X
3
X
2
2X + 3X + X + 4X + 5X
124
X2
X5
1 X 3 + X 2 + 2X + 3
7) X 5
= X 4 + 2X 2 + 1
Donc
X4 + 1
X2 + 1
X2 + 1
cest --dire
P (X) = X 2 + 1 +
2X 2
p
2X
X2 + 1
2X
2X
2/
X8
X4
X4 + 1
X2
X2 + 1
(X + 1) (X
p
X2 + 1
2X
p
p
X 2 + 1 + 2X X 2 + 1
2X
X2 + 1 +
1) X 2 + 1
2X
Exercice VIII
on crit
X3
8X 2 + 23X
28 = (X + a) (X + b) (X + c)
sachant que
a+b=c
ensuite on dveloppe
(X + a) (X + b) (X + c) = X 3 + (a + b + c) X 2 + (ab + ac + bc) X + abc
puis on identie les coe cients on obtient
a+b+c=
ce qui donne
c=
8X 2 + 23X
28 = (X
4) X
125
p
2+i 3
p
i 3
4 et
XI. 4.
Fractions rationnelles
XI. 4.1.
Exercice I
Dcomposer en lments simples les fractions rationnelles suivantes:
1.
1
3
X
X
2.
X 2 + 2X + 5
X 2 3X + 2
Exercice II
Dcomposer en lments simples la fraction rationnelle:
F (X) =
X4 X + 2
(X 1) (X 2 1)
Exercice III
Dcomposer en lments simples dans C (X),
F (X) =
Xn 1
Xn 1
Exercice IV
a) Dcomposer dans R (X) la fraction
1
X (X + 1)
b) En dduire la dcomposition dans R (X) de
X3
1
(X 3 + 1)
Exercice V
On considre une fraction rationnelle avec un ple double:
F (X) =
U
(X
a) V1 (X)
126
V1 (a) 6= 0
(X
a)
U1
V1
En dnissant la fraction
2
G = (X
exprimer les coe cients
et
a) F =
U
;
V1
Exercice VI
On considre un polynme P 2 C [X] ayant n racines distinctes notes
x1 ; x2 ; :::; xn :
Soit un complexe a 2 C tel que P (a) 6= 0: exprimer les sommes
S1 =
n
X
k=1
S2 =
n
X
k=1
en fonction de P; P 0 et a:
1
a
xk
1
(a
Exercice VII
1. Soit
F =
xk )
P
Q
X
Xn 1
127
XI. 4.2.
Exercice I
1. La partie entire est nulle, le dnominateur se factorise en X (X 1) (X + 1) :
Multipliant par X et faisant X = 0, on trouve la partie polaire relativement
X 0 et ainsi de suite... On trouve nalement
1
X3
1
1
1
+ 2 + 2
X
X 1 X +1
8
X
13
X 2
Exercice II
Le degr du numrateur est suprieur celui du dnominateur. Il faut diviser
X 4 X + 2 par (X 1) X 2 1 = X 3 X 2 X + 1
On trouve
F (x) =
X4 X + 2
2X 2 X + 1
=
X
+
1
+
(X 1) (X 2 1)
(X 1) (X 2 1)
On pose
G (X)
=
=
2X 2 X + 1
2X 2 X + 1
=
2
2
(X 1) (X
1)
(X 1) (X + 1)
a
b
c
+
2 + (X
1)
X
+1
(X 1)
2
1
(X
1)
128
1
(X
1)
1
X +1
Exercice III
La dcomposition scrit
n
X1
F (X) =
k=0
On utilise la formule
!k = e
! kn
P (! k )
=
Q0 (! k )
n! kn
!k
et donc
F (X) =
1
n
i2k
n
n 1
1X
1
n
X !k
k=0
Exercice IV
a) Puisque
1
1
=
X (X + 1)
X
1
;
X +1
il vient que
1
X3
1
X3 + 1
et il ne reste qu dcomposer
1
X3 + 1
=
=
1
(X + 1) (X 2
1
3
1
X 2
3 X2 X + 1
X +1
Exercice V
En multipliant la dcomposition par (X
G=
(X
X + 1)
a) ; on obtient
a) + (X
a)
U1
V1
On trouve
= G (a)
puis en drivant on trouve
= G0 (a)
La gnralisation est immdiate. Si la fraction F possde un ple dordre k;
F =
U
(X
a) V1
(X
129
a)
+ ::: +
(X
a)
U1
V1
en multipliant par (X
G
(X
a) ; on trouve
k
a) F =
+
k 1
U
V1
(X
a) + ::: +
(X
a) + (X
a) :
U1
V1
= G (a)
= G0 (a)
G00 (a)
=
2
:::
G(k) (a)
=
k!
Exercice VI
Regarder pour un polynme de degr 2; puis utiliser formellement la drive
logarithmique.
Enn dcomposer la fraction
P 0 (X)
P (X)
On trouve
S1 =
P 0 (a)
P (a)
puis en drivant,
S2 =
(P P 0 ) 2P 02
(a)
P2
Exercice VII
1. est une racine simple de Q donc il existe Q1 tel que
Q = (X
F =
En multipliant par X
) Q1 avec Q1 ( ) 6= 0
P
P
a
=
=
Q
(X
) Q1
X
+ :::
P( )
Q0 ( )
130
2.
Xn
1=
n
Y1
2ik
n
k=0
tels que:
F =
n
X1
k=0
ak
X
2ik
n
P =X
e
ak =
n e
Donc
F =
2ik
n
n 1
2ik
n
n
X1
k=0
1 4ik
e n
n
1 4ik
n
ne
2ik
n
Exercice VII
Dcomposer en lments simples dans R les fractions rationnelles suivantes:
1
F1 =
(X 4
1)
X2 + 1
F2 =
(X
1) (X 3 + 1)
F3 =
1
X6 1
F4 =
X5
3X 3 + X 2
3
(X 2 + 2X + 2)
Solution 1
F1
=
=
=
1
(X 4
1)
1
(X 2
(X
1) (X 2 + 1)
1
2
1) (X + 1) (X 2 + 1)
131
On pose alors
F1 =
a
X
d
eX + f
b
c
+
+
+
2
2
2
X + 1 (X 1)
(X + 1)
(X 2 + 1)
a
b
c
d
eX + f
+
+
+
2 +
2
X + 1 X 1 (X + 1)2
(X 1)
(X 2 + 1)
a
X
a
c
c
f
+
+
+
2
2
2
2
X + 1 (X 1)
(X + 1)
(X + 1)
132
Problmes Proposs
Applications linaires & Applications
Problme 1
Soit R2 lespace vectoriel muni de la base canonique (!
e 1; !
e 2) :
Soit la base polaire dnie par les vecteurs:
!
e r ( ) = cos :!
e 1 + sin :!
e2
!
!
e
= er
+
2
Soit f lendomorphisme de R2 dni par:
f (!
e 1) = !
er( )
!
!
f ( e 2) = e
1 = Dterminer la matrice R( ) associe lendomorphisme f dans la base
canonique
2 = Montrer que lensemble des matrices R( ) forme un groupe
3 = Calculer la matrice de lendomorphisme f 2 dans la base canonique
4 = En dduire que la matrice de lendomorphisme f n avec n 2 N; est R(n )
5 = En dduire la matrice de lendomorphisme f 1
6 = Montrer que lendomorphisme f est diagonalisable
!
7 = Dterminer tous les vecteurs V qui satisfont
!
!
f V = V;
2C
(1)
2 R2 avec k!
u k = 1,
= cos
133
Exercice 1
Soit la suite numrique (Un ( )) dnie par
U1 ( )
8n
= 2 cos ; U2 ( ) = 4 cos2
1;
2 N; n 2; Un ( ) = 2 cos :Un
2 ] ; [
Un 2 ( )
1( )
En posant
Xn ( ) =
1 = Trouver la matrice
Un ( )
Un 1 ( )
( ) satisfaisant la relation
Xn ( ) =
( ) :Xn
( )
2 = Montrer que
8n
2; Xn ( ) =
n 2
( ) :X2 ( )
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 ) la base f 1 ; f 2 ; f 3 :
Calculer linverse de cette matrice.
! !
!
3 ) Calculer les coordonnes du vecteur !
e 1 +!
e 2 +!
e 3 dans la bse f 1 ; f 2 ; f 3 :
134
Exercice 3
Considrons 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 canonique.
!
3 ) Soit y le vecteur de matrice
0 1
1
@ 2 A
3
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 lments de Im (u), puis que !
a; b
constitue une base de Im (u) :
Lapplication u est-elle bijective? Prciser la dimension du noyau Ker (u) :
4 ) Montrer que que !
a et !
c sont des lments de Ker (u), puis que (!
a ;!
c)
constitue une base de Ker (u) :
5 ) dterminer la dimension de Ker (u) \ Im (u) et fournir une base de ce
sous-espace
6 ) On pose
0
! !
!
e1= b
e1 !
e3
0
!
e2=!
a
135
0
!
!
e3= b
0
!
e4=!
e4
0
0
0
0
0
0
0
0
Montrer que !
e 1; !
e 2; !
e 3; !
e 4 est une base de R4 : exprimer u !
e1 ; u !
e2 ; u !
e3 ; u !
e4
0
0
0
0
dans la base !
e 1; !
e 2; !
e 3; !
e 4 : en dduire la matrice de u dans cette base.
Exercice 4
Soit
R2 ! R3
une application linaire. On note = (!
e 1; !
e 2 ) la base canonique de R2 et
! !
!
= f 1 ; f 2 ; f 3 celle de R3 : Lapplication u est dnie par:
!
!
!
u (!
e1+!
e 2) = f 1 + 2 f 2 + f 3
!
!
u (!
e1 !
e 2) = f 2 + f 3
1 ) Exprimer u (!
e 1 ) et u (!
e 2 ) dans la base ; en dduire la matrice de u
par rapport aux bases canoniques et :
2 ) Dterminer Ker (u) : Calculer une base de Im (u) :
3 ) Lapplication u est-elle injective ? bijective? Justier.
4 ) soit
v
!
v(a)
: R2 ! Im (u)
= u (!
a ); !
a 2 R2
a) Calculer T (x; y; z)
b) trouver une base de chacun des sous-espaces suivants (on admettra que
ce sont eectivement des sous-ev):
V = !
u 2 R3 j T (!
u)=!
u
1
c) Montrer que
V2 = !
u 2 R3 j T (!
u ) = 2!
u
R3 = V 1
136
V2
Polynmes
Exercice 1
1 ) Eectuer la division euclidienne de A (x) = x2 +2x 7 par B (x) = x 1
2 ) Donner 2 faons direntes de caractriser la racine dun polynme P
3 ) Soit
1
5 2 1
x
x+
P (x) = x3
2
2
2
Verer que
1
2
Exercice 2
Soit
P (x) = 2x3
x2
4x + 3
3x2 + 2x
3; P (j) = 0
Exercice 4
Factoriser dans R les polynmes suivants:
P1 (x) = 3x2
4x +
4
3
P2 (x) = x3 + x2 + x + 1
P3 (x) = x3 + x2
Exercice 5
Montrer que le polynme
P (x) = 4x4
12x3 + 9x2 + 2x
admet le nombre 1 comme racine double. En dduire les deux autres racines.
137
Exercice 6
Rsoudre dans C les quations suivantes:
(Eq1 ) 3x4
4x2 + 1 = 0
(Eq2 ) x4 + x2 + 1 = 0
(Eq3 ) x3 + x2 + x + 1 = 0
Fractions rationnelles
Exercice 1
1 ) Quest-ce quune fraction irrductible?
2 ) Prciser si les fractions
F1 (x) =
x2
x2
x 2
1
F2 (x) = 4
5x
7x3 + 5x2 2
3
x
2x + 11
F1 (x) =
x4
sont irrductibles ou non et si elles sont non irrductibles les simplier
Exercice 2
1 ) Dnir la partie entire dune fraction rationnelle
F (x) =
P (x)
Q (x)
x4
1) ( x2 + 1)
(x
la somme dun polynme et dune fraction rationnelle dont le degr du numrateur est strictement infrieur celui du dnominateur.
Exercice 3: Ples multiples
Dcomposer en lments simples dans R les fractions rationnelles suivantes:
G1 (x) =
G2 (x) =
G3 (x) =
x+1
x (x
x2
x (x
3)
1
2)
1
x2 (x 1)
138
x
(x + 3) (x2 + x + 1)
E1 (x) =
E3 (x) =
1
1) (x2 + 1)
(x
(x
x2 + 1
2) (x2 + x + 1)
x
x3
4x2
+1
x4
139
Rfrences
1. Cours danalyse Tome 4 complments: Analyse vectorielle-calcul matriciel par Jean Massart, Collection DUNOD
2. Exercices dalgbre, 1er cycle scientique par B. Calvo, J. Doyen, A.
Calvo, F. Boschet, Armand Colin_Collection U
3. Algbre linaire, cours et problmes par L. Seymour, Srie Schaum
4. Cours de mathmatiques du premier cycle par Jacques Dixmier, collection
gauthier-villars
5. Algbre linaire, DEUG scientiques: 1re et 2 me annes, Volumes 1
et 2, par H. Sureau et Y. Sureau, Editions Armand Colin
6. Algbre linaire. Tome 1: Exercices avec solutions, par J. Rivaud, Editions Vuibert
7. Chemins vers llagbre. Tome 2: Exercices avec solutions et rappels de
cours, par F. Pcastaings, Editions Vuibert
8. Complments dalgbre linaire, maths spciales: 1re et 2me annes,
par L. Lesieur, R. Temam et J. Levre, Editions Armand Colin, Collection U
9. Prcis de mathmatiques: Algbre 2, par F. Aubonnet, D. Guinin et B.
Joppin, 2me dition, Editions Bral
10. Mathmatiques pour le DEUG, Algbre et gomtrie, 2me anne, Cours
et exercices avec solutions, par F. Liret et D. Martinais, Editions Dunod Paris
11. Cours de mathmatiques spciales Tpme 2: Algbre et applications
la gomtrie, par C. Deschamps, E. Ramis et J. Odoux
140